CN113393397B - 一种图像对比度增强的方法和*** - Google Patents

一种图像对比度增强的方法和*** Download PDF

Info

Publication number
CN113393397B
CN113393397B CN202110684682.2A CN202110684682A CN113393397B CN 113393397 B CN113393397 B CN 113393397B CN 202110684682 A CN202110684682 A CN 202110684682A CN 113393397 B CN113393397 B CN 113393397B
Authority
CN
China
Prior art keywords
probability density
density function
image
target
yuv
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110684682.2A
Other languages
English (en)
Other versions
CN113393397A (zh
Inventor
陈宇
王明琛
孙作潇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Microframe Information Technology Co ltd
Original Assignee
Hangzhou Microframe Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Microframe Information Technology Co ltd filed Critical Hangzhou Microframe Information Technology Co ltd
Priority to CN202110684682.2A priority Critical patent/CN113393397B/zh
Publication of CN113393397A publication Critical patent/CN113393397A/zh
Application granted granted Critical
Publication of CN113393397B publication Critical patent/CN113393397B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明公开了一种图像对比度增强的方法和***，所述方法包括：统计目标图像Y、U、V三通道的直方图并归一化，计算YUV图像的非线性目标概率密度函数。根据YUV图像的非线性目标概率密度函数对目标图像的直方图进行裁剪和分配，得到第二概率密度函数。根据所述第二概率密度函数对目标图像进行直方图规定化，输出对比度增强的图像。本发明提供的方法无需将YUV图像格式与RGB图像格式进行互相转换，同时防止对目标图像对比度拉伸过度。

Description

一种图像对比度增强的方法和***
技术领域
本发明涉及图像增强技术领域，具体涉及一种图像对比度增强的方法。
背景技术
直方图均衡化是一种很常用的图像对比度增强方法，其方法简单运算速度快，效果明显。常用的图像均衡化方法大都是针对灰度图或是RGB图像，其方法基本思路是假设均衡化后的图像各个像素值的概率密度函数为均匀分布，通过概率论的方法，建立一个从一般分布到均匀分布的映射关系式，最终得到均衡化后的图像。
现有的图像对比度增强方法都是在RGB彩色模式下进行的，对于传统RGB图像的直方图均衡化的目标概率密度函数为线性函数，该线性函数对于YUV图像并不适用。因此，当输入的待处理图像为YUV数据格式时，不能直接进行直方图均衡化，往往需要先将数据格式转换为RGB格式，然后再进行对比度增强处理，最后再将处理得到的RGB文件转换回原来的数据格式。而图像格式之间的转化往往耗时且对画质有损。此外，传统的直方图均衡化存在对比度过度增强的问题。
发明内容
由于现有方法存在上述问题，本发明实施例提出一种图像对比度的方法。
具体地，本发明实施例提供了以下技术方案，包括：
统计目标图像YUV三个通道的直方图，并将直方图归一化获得第一概率密度函数。
根据RGB图像的线性目标概率密度函数以及RGB图像与YUV图像之间的映射关系，计算获得YUV图像的非线性目标概率密度函数f(x)。
根据所述YUV图像的非线性目标概率密度函数f(x)对第一概率密度函数进行裁剪，获得第二概率密度函数。
其中，根据所述YUV图像的非线性目标概率密度函数曲线f(x)得到αf(x)，将αf(x)作为设定的阈值，将所述目标图像第一概率密度函数超过所述αf(x)的部分进行裁剪，将超过阈值的部分进行分配。
α为0 ~ 1的系数。
按照所述YUV图像非线性目标概率密度函数各灰度级像素所占的比例，将所述超过阈值的部分分配到所述被裁剪后的第一概率密度函数上，获得目标图像的第二概率密度函数。
以所述第二概率密度函数为目标概率密度函数，对目标图像进行直方图规定化。
具体的，所述对目标图像进行直方图规定化包括：
计算所述YUV图像非线性目标概率密度函数的累计分布函数；
计算所述累计分布函数的逆函数；
计算所述目标概率密度函数的累计积分图；
计算映射函数；
对目标图像进行均衡化。
本发明提供一种图像对比度增强***，包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行以实现上述方法。
由上述方案可知，本发明具有以下有益效果：1 .对于在编码中应用更广泛的YUV格式，不需要转化为RGB就可以进行图像对比度增强处理，节省了图像格式之间转换时间且避免了格式转换时的图像画质损失；2 .本发明还对目标图像的直方图进行了裁剪处理，防止对比度过度拉伸。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。
图1为图像对比度增强的方法的实现流程示意图。
图2为YUV图像的非线性目标概率密度函数示意图。
具体实施方式
下面结合附图，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
第一方面，图1示出了本发明一实施例提供的图像对比度增强方法的流程图。如图1所示，本发明实施例提供的图像对比度增强方法，具体包括如下内容：
步骤101，统计目标图像YUV三个通道的直方图，将所述直方图归一化后获得第一概率密度函数。
可选地，所述目标图像可以是一张图片，也可以是视频中的图像帧。
具体地，所述第一概率密度函数包括：
Y通道第一概率密度函数hY (i)；
U通道第一概率密度函数hU (i)；
V通道第一概率密度函数hV (i)。
步骤102，根据RGB图像的线性目标概率密度函数以及RGB图像与YUV图像之间的映射关系，计算获得YUV图像的非线性目标概率密度函数f(x)。
具体地，所述计算获得YUV图像的非线性目标概率密度函数f(x)，包括：
计算Y通道的非线性目标概率密度函数：
Figure 25850DEST_PATH_IMAGE001
Figure 290610DEST_PATH_IMAGE002
。
计算U通道的非线性目标概率密度函数
Figure 512643DEST_PATH_IMAGE003
Figure 862853DEST_PATH_IMAGE004
。
计算V通道的非线性目标概率密度函数
Figure 828535DEST_PATH_IMAGE005
Figure 682222DEST_PATH_IMAGE006
。
步骤103，对所述第一概率密度函数进行裁剪分配，获得第二概率密度函数。
具体地，所述对所述第一概率密度函数进行裁剪分配，获得第二概率密度函数，包括：
以所述YUV图像的非线性目标概率密度函数曲线f(x)的95%（即95%f(x)）作为设定的阈值，将所述目标图像第一概率密度函数超过所述95%f(x)的部分进行裁剪，将超过阈值的部分进行分配。
需要说明的是，本实施例中所述以所述95%f(x)作为设定的阈值不具有限制作用，在实际应用时可以根据需要进行阈值比例的设定。
进一步地，将所述超过阈值的部分进行分配，包括，按照所述YUV图像非线性目标概率密度函数各灰度级像素所占的比例，将所述超过阈值的部分分配到所述被裁剪后的第一概率密度函数上，获得目标图像的第二概率密度函数，计算公式为：
Figure 806648DEST_PATH_IMAGE007
其中，ci和s为中间变量；下标X指代Y、U、V；α为用户设置的裁剪比例（0≤α≤1，经验值为95%）；N为灰度等级（图像为8位时取值为255，图像为10位时取值为1023），fX (x)为YUV图像的非线性目标概率密度函数。
步骤104，以所述目标图像的第二概率密度函数为目标概率密度函数，对目标图像进行直方图规定化。
具体地，所述对目标图像进行直方图规定化，包括：
计算所述YUV图像非线性目标概率密度函数的累计分布函数
Figure 644154DEST_PATH_IMAGE008
其中，下标X指代Y、U、V。
通过数值方法计算
Figure 944685DEST_PATH_IMAGE009
的逆函数
Figure 918458DEST_PATH_IMAGE010
其中，下标X指代Y、U、V。
计算所述目标概率密度函数的累计积分图
Figure 216715DEST_PATH_IMAGE011
其中，下标X指代Y、U、V。
计算映射函数
Figure 338255DEST_PATH_IMAGE012
其中，下标X指代Y、U、V。
对目标图像进行均衡化
Figure 645739DEST_PATH_IMAGE013
其中IX (k)为目标图像，X指代Y、U、V。
第二方面，本发明提供的一种图像对比度增强的***，包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行以实现上述的方法。
本申请可用于众多通用或专用的计算机***环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。
此外，在本发明中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或者操作之间存在任何这种实际的关系或者顺序。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (4)

1.一种图像对比度增强的方法，其特征在于，包括：
步骤1，分别统计目标图像YUV三个通道的直方图，并将直方图归一化获得第一概率密度函数；
所述第一概率密度函数包括：Y通道第一概率密度函数，U通道第一概率密度函数，V通道第一概率密度函数；
步骤2，根据RGB图像的线性目标概率密度函数以及RGB图像与YUV图像之间的映射关系，计算获得YUV图像的非线性目标概率密度函数f(x)；
步骤3，根据所述YUV图像的非线性目标概率密度函数f(x)对所述第一概率密度函数进行裁剪，获得第二概率密度函数；
所述对所述第一概率密度函数进行裁剪分配，获得第二概率密度函数，包括：
根据所述YUV图像的非线性目标概率密度函数f(x)得到αf(x)，将αf(x)作为设定的阈值；将所述目标图像第一概率密度函数超过所述αf(x)的部分进行裁剪，然后将超过阈值的部分进行分配；
其中，α为0~1的系数；
所述将超过阈值的部分进行分配，包括，将所述超过阈值的部分按照所述YUV图像非线性目标概率密度函数各灰度级像素所占的比例分配到所述被裁剪后的第一概率密度函数上，获得目标图像的第二概率密度函数，计算公式为：
Figure 655366DEST_PATH_IMAGE001
其中，i为灰度值，ci和s为中间变量；下标X指代Y、U、V；α为用户设置的裁剪比例；N为灰度等级图像为8位时取值为255，图像为10位时取值为1023；hX(x)为第一概率密度函数；fX(x)为 YUV图像的非线性目标概率密度函数；
Figure 540277DEST_PATH_IMAGE002
为第二概率密度函数；
步骤4，以所述第二概率密度函数为目标概率密度函数，对目标图像进行直方图规定化。
2. 根据权利要求1所述的图像对比度增强的方法，其特征在于，所述YUV图像的非线性目标概率密度函数计算公式为：
Y通道的非线性目标概率密度函数
Figure 449327DEST_PATH_IMAGE003
U通道的的非线性目标概率密度函数
Figure 987755DEST_PATH_IMAGE004
V通道的非线性目标概率密度函数
Figure 654360DEST_PATH_IMAGE005
。
3.根据权利要求1所述的图像对比度增强的方法，其特征在于，所述以所述第二概率密度函数为目标概率密度函数，对目标图像进行直方图规定化，包括：
计算所述YUV图像非线性目标概率密度函数的累计分布函数；
计算所述累计分布函数的逆函数；
计算所述目标概率密度函数的累计积分图；
计算映射函数；
对目标图像进行均衡化。
4.一种图像对比度增强的***，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行以实现如权利要求1-3任一项所述的方法。
CN202110684682.2A 2021-06-21 2021-06-21 一种图像对比度增强的方法和*** Active CN113393397B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110684682.2A CN113393397B (zh) 2021-06-21 2021-06-21 一种图像对比度增强的方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110684682.2A CN113393397B (zh) 2021-06-21 2021-06-21 一种图像对比度增强的方法和***

Publications (2)

Publication Number Publication Date
CN113393397A CN113393397A (zh) 2021-09-14
CN113393397B true CN113393397B (zh) 2022-10-11

Family

ID=77623117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110684682.2A Active CN113393397B (zh) 2021-06-21 2021-06-21 一种图像对比度增强的方法和***

Country Status (1)

Country Link
CN (1) CN113393397B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2365893A1 (en) * 2001-12-21 2003-06-21 Jaldi Semiconductor Corp. System and method for dynamically enhanced colour space
CN101340510B (zh) * 2008-08-07 2010-06-23 中兴通讯股份有限公司 一种视频增强的方法及其装置
CN102831592B (zh) * 2012-08-10 2015-12-16 中国电子科技集团公司第四十一研究所 基于直方图分段变换的图像非线性增强方法
CN107256539B (zh) * 2017-06-12 2020-06-02 哈尔滨理工大学 一种基于局部对比度的图像锐化方法

Also Published As

Publication number Publication date
CN113393397A (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
US11120532B2 (en) Methods for enhancing image contrast and related image processing systems thereof
US9147238B1 (en) Adaptive histogram-based video contrast enhancement
US8149299B2 (en) Apparatus and method for generating a picture having a high visibility
US9129403B2 (en) Method and system for generating enhanced images
CN110717919A (zh) 图像处理方法、装置、介质和计算设备
CN111709898B (zh) 基于优化clahe的红外图像增强方法与***
CN109255752B (zh) 图像自适应压缩方法、装置、终端及存储介质
CN111523400B (zh) 视频代表帧提取方法及装置
CN110751593A (zh) 一种图像虚化处理方法及装置
Ramos et al. Single image highlight removal for real-time image processing pipelines
US8750639B2 (en) Automatic sharpening of images
Ashiba et al. Gamma correction enhancement of infrared night vision images using histogram processing
Shen et al. Blind adaptive structure-preserving imaging enhancement for low-light condition
CN113393397B (zh) 一种图像对比度增强的方法和***
WO2021073316A1 (zh) 一种图像信号转换处理方法、装置及终端设备
Wu et al. A high-throughput VLSI architecture for real-time full-HD gradient guided image filter
CN111833262A (zh) 图像降噪方法、装置及电子设备
US20100303377A1 (en) Image processing apparatus, image processing method and computer readable medium
CN112967208B (zh) 一种图像处理方法、装置、电子设备及存储介质
NL1027539C2 (nl) Inrichting en werkwijze voor het vergroten van beeldscherpte.
CN107404600B (zh) 图像处理装置及方法
CN113808011A (zh) 一种基于特征融合的风格迁移方法、装置及其相关组件
CN111311604A (zh) 用于分割图像的方法和装置
WO2023134068A1 (zh) 数字识别模型的训练方法、装置、设备及存储介质
US20050008247A1 (en) Method for processing an image using difference wavelet

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant