一种基于遍历寻优的直方图均衡方法专利检索-对比度图形技术专利检索查询-专利查询网

一种基于遍历寻优的直方图均衡方法

阅读：63发布：2020-05-11

专利汇可以提供一种基于遍历寻优的直方图均衡方法专利检索，专利查询，专利分析的服务。并且本发明涉及一种基于遍历寻优的直方图均衡方法，包括：对灰度图像的直方图进行均值归一化并且遍历Gamma值，再将图像遍历后所得的对比度和信息熵数据输入到混合模型得到最优Gamma值；对灰度图像均值归一化的直方图进行最优Gamma校正并进行直方图后处理；最后，进行直方图均衡处理并输出图像。本发明能够解决部分图像中由于环境原因所导致图像存在图像细节不足、亮度不足或曝光过度等问题。，下面是一种基于遍历寻优的直方图均衡方法专利的具体信息内容。

权利要求

1.一种基于遍历寻优的直方图均衡方法，其特征在于，包括：
S101，对灰度图像的直方图进行均值归一化处理得到均值归一化直方图Hnorm；
S102，根据预设的步进长度Step，从开始值γstart到结束值γend的范围内，遍历所有Gamma值γ；根据当前所在Gamma值对均值归一化直方图Hnorm进行Gamma校正得到新直方图Hγ，并对Gamma校正后的直方图进行均衡处理得到校正直方图Ht；
S103，根据直方图Ht计算统计参数，得到信息熵及对比度；
S104，基于所述信息熵和对比度，通过混合模型得到最佳Gamma值γbest；使用最佳Gamma值γbest对均值归一化直方图Hnorm进行伽玛校正得到校正直方图Hrevise；
S105，对校正直方图Hrevise小于1的数据进行Gamma校正处理，此处Gamma参数值取最佳Gamma值γbest与主客观匹配参数的乘积；
S106，对S105中进行Gamma校正处理后的直方图进行均衡处理后输出。
2.根据权利要求1所述的基于遍历寻优的直方图均衡方法，其特征在于，对灰度图像的直方图进行均值归一化处理得到均值归一化直方图Hnorm，具体包括：
将灰度图像的直方图除以像素总数N，再乘以总灰度级数Drange得到均值归一化直方图Hnorm，其中Drange＝Lmax-Lmin。
3.根据权利要求1所述的基于遍历寻优的直方图均衡方法，其特征在于，根据当前所在Gamma值对均值归一化直方图Hnorm进行Gamma校正得到新直方图Hγ中，校正公式为：Hλ＝(Hnorm)γ。
4.根据权利要求1所述的基于遍历寻优的直方图均衡方法，其特征在于，信息熵Et和对比度Ct的计算方式如下：
Ct＝p0(x1-x0)+∑1≤k≤Kpk(xk-xk-1)
其中，t为当前Gamma值的所累加的次数，Pi为灰度级概率密度函数中非零灰度级i所对应的概率，将灰度图像的直方图除以像素总数得到灰度级概率密度函数Pi，x0～xk-1表示直方图中k个不为零的灰度级，x0为第一个非零灰度级，p0～pk-1是k个非零灰度级所对应的概率；Lmax为灰度图像所对应的最大灰度级；Lmin为灰度图像对应的最小灰度级。
5.根据权利要求4所述的基于遍历寻优的直方图均衡方法，其特征在于，所述混合模型表示如下：
EC(t)＝γbest＝arg max(Et×Ct)。
6.根据权利要求4所述的基于遍历寻优的直方图均衡方法，其特征在于，所述主客观匹配参数的取值范围为[0.5,2]，默认值设为0.85。

说明书全文

一种基于遍历寻优的直方图均衡方法

技术领域

[0001] 本发明涉及视频图像增强领域，特别涉及一种基于遍历寻优的直方图均衡方法。

背景技术

[0002] 图像增强在计算机视觉、模式识别和数字图像处理中具有重要的视觉增强作用。由于设备及环境的影响，通常在图像采集中得到图像具有低对比度，低信噪比等缺点。直方图均衡化是一种简单有效的图像对比度增强技术。他将输入直方图的强度等级均匀地分布在整个范围内。但是，直方图均衡具有过度增强、过饱和、细节丢失等问题，使得增强后的图片无法满足人眼的视觉要求。

[0003] 伽马校正是在保持平均亮度的前提下，通过对比度调整来提高图像质量的一种方法。但是，伽马校正的固定化参数设置，限制了其鲁棒性。

发明内容

[0004] 本发明的目的在于克服现有技术的不足，提出一种在多种图像环境下均能够实现增强、丰富图像的细节、提升图像的对比度且更加适合人眼观察的基于遍历寻优的图像对比度增强方法。

[0005] 为了实现上述目的，本发明的技术方案是：

[0006] 一种基于遍历寻优的直方图均衡方法，包括：

[0007] S101，对灰度图像的直方图进行均值归一化处理得到均值归一化直方图Hnorm；

[0008] S102，根据预设的步进长度Step(默认值：Step＝0.05)，从开始值γstart到结束值γend的范围内(默认值：γstart＝0，γend＝1)，遍历所有Gamma值γ；根据当前所在Gamma值对均值归一化直方图Hnorm进行Gamma校正得到新直方图Hγ，并对Gamma校正后的直方图进行均衡处理得到校正直方图Ht；

[0009] S103，根据直方图Ht计算统计参数，得到信息熵及对比度；

[0010] S104，基于所述信息熵和对比度，通过混合模型得到最佳Gamma值γbest；使用最佳Gamma值γbest对均值归一化直方图Hnorm进行伽玛校正得到校正直方图Hrevise；

[0011] S105，对校正直方图Hrevise小于1的数据进行Gamma校正处理，此处Gamma参数值取最佳Gamma值γbest与主客观匹配参数的乘积；

[0012] S106，对S105中进行Gamma校正处理后的直方图进行均衡处理后输出。

[0013] 优选的，对灰度图像的直方图进行均值归一化处理得到均值归一化直方图Hnorm，具体包括：

[0014] 将灰度图像的直方图除以像素总数N，再乘以总灰度级数Drange得到均值归一化直方图Hnorm，其中Drange＝Lmax-Lmin。

[0015] 优选的，根据当前所在Gamma值对均值归一化直方图Hnorm进行Gamma校正得到新直γ方图Hγ中，校正公式为：Hλ＝(Hnorm) 。

[0016] 优选的，信息熵Et和对比度Ct的计算方式如下：

[0017]

[0018] Ct＝p0(x1-x0)+∑1≤k≤Kpk(xk-xk-1)

[0019] 其中，t为当前Gamma值的所累加的次数，Pi为灰度级概率密度函数中非零灰度级i所对应的概率，将灰度图像的直方图除以像素总数得到灰度级概率密度函数Pi，x0～xk-1表示直，方图中k个不为零的灰度级，x0为第一个非零灰度级，p0～pk-1是k个非零灰度级所对应的概率；Lmax为灰度图像所对应的最大灰度级；Lmin为灰度图像对应的最小灰度级。

[0020] 优选的，所述混合模型表示如下：

[0021] EC(t)＝γbest＝argmax(Et×Ct)。

[0022] 优选的，所述主客观匹配参数的取值范围为[0.5,2]，默认值设为0.85。

[0023] 采用上述方案后，本发明的有益效果是：

[0024] 本发明一种基于遍历寻优的直方图均衡方法，基于混合模型通过伽玛校正的值控制对比度增强的程度，使输出图像避免对比度过高，能够有效保留图像的细节，更加符合人眼的视觉特性。

[0025] 以下结合附图及实施例对本发明作进一步详细说明，但本发明的一种基于遍历寻优的直方图均衡方法不局限于实施例。

附图说明

[0026] 图1是本发明的基于遍历寻优的直方图均衡方法的流程图；

[0027] 图2为本发明实施例的实验结果示意图。

具体实施方式

[0028] 以下将结合本发明附图，对本发明实施例中的技术方案进行详细描述和讨论。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

[0029] 参见图1所示，本发明一种基于遍历寻优的直方图均衡方法，包括：

[0030] 步骤(a)，根据输入图像得到灰度图像的直方图Hist，对Hist进行均值归一化处理：将直方图Hist除以像素总数N，再乘以总灰度级数Drange得到均值归一化直方图Hnorm，其中Drange＝Lmax-Lmin。

[0031] 步骤(b)，首先以步长Step＝0.05，Gamma值γ从γstart＝0开始步进至γend＝1，对均值归一化直方图Hnorm进行伽玛校正，得到新直方图Hγ＝(Hnorm)γ；其次对新直方图进行直方图均衡处理，方法为：对新直方图数据Hγ归一化处理得到灰度级概率密度函数Hpdf，并对其进行累加操作得到灰度级累积分布函数Hcdf，然后将其归一化到0～255的范围得到查找表Lut，最后根据Lut对输入图像进行映射并进行像素统计得到校正直方图Ht；最后根据校正直方图Ht计算统计参数信息熵Et和对比度Ct，计算公式为：

[0032]

[0033] Ct＝p0(x1-x0)+∑1≤k≤Kpk(xk-xk-1)

[0034] 其中，t为当前Gamma值的所累加的次数，Pi为灰度级概率密度函数中非零灰度级i所对应的概率，将灰度图像的直方图除以像素总数得到灰度级概率密度函数Pi，x0～xk-1表示直，方图中k个不为零的灰度级，x0为第一个非零灰度级，p0～pk-1是k个非零灰度级所对应的概率；Lmax为灰度图像所对应的最大灰度级；Lmin为灰度图像对应的最小灰度级。

[0035] 步骤(c)，将遍历过程中输出的统计参数信息熵Et和对比度Ct，输入至混合模型EC，得到最佳的Gamma值γbest，其中，混合模型为：EC(t)＝γbest＝argmax(Et×Ct)；

[0036] 步骤(d)，首先根据最佳Gamma值γbest对均值归一化直方图进行伽玛校正得校正直方图Hrevise，再对Hrevise执行后处理操作，得到结果直方图Hpost，方法为：将直方图小于1的数据进行Gamma校正处理，此处Gamma参数值取最佳Gamma值与主客观匹配参数的乘积，其计算方法为：

[0037] γ＝γbest×β

[0038] 其中，β为主客观匹配参数，取值范围为[0.5,2]，默认值设为0.85；

[0039] 步骤(e)，对直方图Hpost采取步骤(b)中的经典的直方图均衡方法进行处理，然后输出增强后的图像。

[0040] 参见图2所示，为本实施例实验图像的增强效果对比图，其中图2(a)为原图，图2(b)为增强结果图。从实验增强后的效果图可以看出，本发明提供的是一种自适应的伽玛校正的对比度增强方法，基于混合模型通过伽玛校正的值控制对比度增强的程度，使输出图像避免对比度过高，能够有效保留图像的细节，更加符合人眼的视觉特性。

[0041] 以上仅为本发明实例中一个较佳的实施方案。但是，本发明并不限于上述实施方案，凡按本发明所做的任何均等变化和修饰，所产生的功能作用未超出本方案的范围时，均属于本发明的保护范围。

标题	发布/更新时间	阅读量
摄像设备和监视系统	2020-05-08	341
一种图像切割和数据增强方法、系统及设备	2020-05-11	783
基于全反射的增强投影亮度和对比度的幕布及其制作方法	2020-05-08	600
一种内窥镜图像增强方法	2020-05-11	673
一种基于Tetrolet变换的近红外与彩色可见光图像融合算法	2020-05-11	499
一种农产品质量安全预警系统	2020-05-11	863
贴图处理方法及装置、电子设备、存储介质	2020-05-08	686
由羧酸化合物合成的光刻胶树脂单体及其合成方法	2020-05-08	990
一种基于深度学习的道路病害检测方法	2020-05-08	564
一种用于户外LED显示的保护玻璃	2020-05-08	434

一种基于遍历寻优的直方图均衡方法

一种基于遍历寻优的直方图均衡方法

技术领域

背景技术

发明内容

附图说明

具体实施方式

该功能需要专业版企业版VIP权限，您可以：