CN101510306B - 一种视频图像照度分布估计方法 - Google Patents

Abstract

本发明公开了一种视频图像照度分布估计方法，经过梯度筛选，去掉梯度幅度大于梯度阀值或边缘存在部分的梯度向量影响，经对筛选后的梯度向量图像进行照度图像重建，得到照度图像，可以有效去除场景表面反射率剧烈变化对图像照度分布统计带来的影响，从而准确地估计出视频图像采集场景中光源照度的特征和分布变化。本发明得到的视频图像照度分布估计可以为后续图像增强处理，如直方图均衡、色域映射、gamma校正等结合，进而达到视频图像质量的增强效果。

Description

一种视频图像照度分布估计方法

技术领域

本发明涉及视频增强技术领域，具体来讲，涉及一种视频图像照度分布估计方法。

背景技术

在视频图像增强处理系统中，对图像的亮度分布进行均衡、映射、校正等处理是用以增强图像质量很重要的一类技术手段。如直方图均衡、色域映射、gamma校正等常用技术。然而对图像进行增强处理，往往需要对当前待处理的视频图像亮度分布进行估计。

现有视频图像亮度分布估计技术主要有两大类：一类是局部亮度分布估计技术，另一类是全局亮度分布估计技术。

局部亮度分布估计的典型代表是自适应直方图均衡技术，为自适应图像各个局部的亮度分布特征，局部地统计图像亮度灰度分布，从而计算在该图像局部所使用的均衡参数，从而达到自适应的直方图均衡目标。

全局亮度分布估计的一种典型方法是如图1所示，将图像分为5个区域一次编号为0、1、2、3、4。对于彩色图像需要先应用以下常用亮度分量公式计算出亮度：

Luminance＝0.27red+0.67green+0.06blue    (1)

其中，red、green、blue分别代表彩色图像红绿蓝三色分量。

依据公式(1)计算出每个像素的亮度值后，按图1所示分区依次计算出每个分区的亮度算数平均值。一种可能图像亮度分布的计算结果如图2所示。依据图2所示的图像亮度均值分布结果，可以大致判断出图像左上角明亮，右下角较暗。进而可以依据这些数据均定随后使用图像增强技术，如直方图均衡、色域映射等处理时的具体参数。

依据现有技术的视频图像亮度分布估计进行图像亮度分布校正的技术方案有一个根本的缺陷。具体来说，现有技术方案亮度分布估计的基础是依据公式(1)进行的逐像素点亮度值计算，其成像过程如图3、4所示。在图3中，光源101发出的光束102入射到场景物体104的表面105后，经过场景物体104吸纳一部分入射光，漫反射一部分入射光，最后一束反射光103进入摄像机。在图4中，物体反射光103经过摄像机镜头后的光束201投射到摄像机感光器表面202上，感光信号经过模数转换203和必要的摄像机图像处理流程204后最终输出场景104的数字图像形式205。场景物体104最终的数字图像一般以每个像素R/G/B三个通道逐像素表示的方式输出和存储。

由图3、4可以看出，公式(1)计算出的亮度值只反应了物体表面反射光束103的亮度水平，却并不能直接反应光源101投射到物体104的入射光束102，即光照的亮度状态。事实上，就一般自然图像成像场景来说，场景物体表面反射率在空间上会剧烈跃式变化，而现实中的光源照度一般只会在空间发生缓慢连续变化。所以现有传统视频图像亮度分布估计技术的缺陷是只反应料场景物体表面反射率在空间上剧烈的不规则变化，而场景物体表面反射率在空间上的变化是需要保留记录的场景物体有用信息，而由于光源照度变化导致的图像亮度不均衡才是需要处理的部分

发明内容

本发明的目的在于克服现有视频图像亮度分布估计的不足，提供一种能更好地估计出视频图像采集场景的照度分布和变化特征，从而使随后的图像增强处理的参数调整更为准确的视频图像照度分布估计方法。

为达到上述发明目的，本发明的视频图像照度分布估计方法，包括以下步骤：

(1)、计算出原始图像相应的亮度灰度图像；

(2)、使用基于图像梯度值的边缘检测方法检测并绘制出亮度灰度图像的边缘图像；

(3)、在亮度灰度图像的基础上，计算出梯度图像和梯度向量图像；

(4)、根据梯度图像，计算出梯度图像的梯度阀值；根据边缘图像以及梯度阀值对梯度向量图像进行梯度筛选，如果梯度向量图像中的某像素点相应梯度图像位置上的梯度幅度大于梯度阀值或边缘图像指示该位置存在于边缘，则把梯度向量图像中的某像素点的梯度向量设置为零，否则，保持；

(5)、对筛选后的梯度向量图像进行照度图像重建，得到照度图像；

(6)、根据照度图像进行照度分布估计，得到视频图像照度分布估计。

在本发明中，经过梯度筛选，去掉梯度幅度大于梯度阀值或边缘存在部分的梯度向量影响，经对筛选后的梯度向量图像进行照度图像重建，得到照度图像，可以有效去除场景表面反射率剧烈变化对图像照度分布统计带来的影响，从而准确地估计出视频图像采集场景中光源照度的特征和分布变化。本发明得到的视频图像照度分布估计可以为后续图像增强处理，如直方图均衡、色域映射、gamma校正等结合，进而达到视频图像质量的增强效果。

附图说明

图1是现有技术全局亮度分布估计示意图；

图2是图1所示分区计算出的亮度均值分布图；

图3是场景物体成像原理示意图；

图4是视频图像成像原理示意图；

图5是本发明一种具体实施方式流程图；

图6是图5所示的积分重构顺序图。

具体实施方式

为更好地理解本发明，下面结合具体实施方式对本发明进行更为详细描述。在以下的描述中，当已有的现有技术的详细描述也许会淡化本发明的主题内容时，这些描述在这儿将被忽略。

图1～4所示为现有技术，在背景技术中已经进行了描述和说明，在此不再赘述。

图5是本发明一种具体实施方式流程图。在本实施例中，包括以下步骤：

步骤ST1：原始图像Img每个像素根据以下常用亮度分量公式计算出亮度值：

Luminance＝0.27red+0.67green+0.06blue    (1)

其中，red、green、blue分别代表彩色图像红绿蓝三色分量。

得到原始图像相应的亮度灰度图像ImgL。

步骤ST2：使用基于图像梯度值的边缘检测方法检测并绘制出边缘图像ImgE。需要注意的是，本技术领域人员知道检测与绘制边缘图像并不限于这里提到的基于图像梯度值的方法，可以使用众多其它传统或新兴边缘检测方法。

步骤ST3：在亮度灰度图像ImgL的基础上逐像素计算其对数，得到对数图像ImgL’，计算公式如下：

ImgL′＝log ImgL    (2)

其中，ImgL′对数图像值，ImgL为亮度灰度图像值

步骤ST4：得到对数图像ImgL’后，在其基础上计算其梯度向量图像ImgGV和梯度图像ImgG，具体来说，使用空间差分计算，计算公式如下：

h(x，y)＝ImgL′(x+1，y)-ImgL′(x，y)；

V(x，y)＝ImgL′(x，y+1)-ImgL′(x，y)    (3)

$\mathrm{ImgG}(x,y)=\sqrt{v^2+h^2}$

其中(x，y)表示图像的空间坐标，ImgGV(x，y)＝(h(x，y)，V(x，y))构成该像素位置的梯度向量，ImgG(x，y)为该像素位置的梯度幅度值，从得到梯度向量图像ImgGV和梯度图像ImgG。

步骤ST5：根据梯度图像ImgG计算梯度阀值GradT，具体方法为：

GradMax＝max(ImgG)；

GradMin＝min(imgG)；    (4)

GradT＝GradMin+(GradMax-GradMin)*GradS

其中，GradS为一经验数据，在本实施中，取值为0.3。GradMax表示梯度图像ImgG中的最大梯度幅度值，GradMin表示梯度图像ImgG中的最小梯度幅度值

在边缘图像ImgE以及梯度阀值GradT的基础上，进行梯度筛选处理。具体来讲，就是逐像素判别处理，每个像素位置上如果梯度图像ImgG的梯度幅度ImgG(x，y)大于梯度阀值GradT或边缘图像ImgE指示该像素位置该位置存在于边缘，则把该位置梯度向量设置为零。具体计算公式如下：

步骤ST6：在筛选后的梯度向量图像ImgGV’的基础上，进行积分重构原始图像的对数照度图像ImgIL。图6是图5所示的积分重构顺序图，图中，P11表示图像左上角像素，逐行一次是P12，P13等，逐列依次是P21，P31等。在进行重构是P11位置的初始值使用从对数图像ImgL’对应位置P11的值，具体照度对数图像ImgIL的积分重构计算过程为：

ImgIL(1，1)＝ImgL′(1，1)；

ImgIL(x+1，1)＝ImgIL(x，1)-ImgGV′(x，1)_v；    (6)

ImgIL(x，y+1)＝ImgIL(x，y)-ImgGV′(x，y)_h；

其中，ImgIL(x，y)表示照度对数图像在位置(x，y)上的值，ImgL′(1，1)表示对数图像在位置(x，y)上的值，ImgGV′(x，y)_v表示梯度向量图像在位置(x，y)的垂直分量，ImgGV′(x，y)_h表示梯度向量图像在位置(x，y)的水平分量，具体的积分重构计算线为图6所示的之字形逐行扫描。

步骤ST7：在得到照度对数图像ImgIL后，需要进行公式(2)的逆运算计算原始图像最终的照度图像ImgI，具体计算方法为：

ImgI＝log′ImgIL    (7)

其中，ImgI照度图像值，ImgIL为照度对数图像值。

步骤ST8：得到照度图像ImgI后，进行照度分布估计，得到视频图像照度分布估计。图像照度分布估计可以采用现有多种统计方法进行。

本实施例中，通过计算原始图像的边缘图像、对数梯度图像，结合梯度阀值的计算有效地去除对数梯度图像中梯度幅度值高于阀值或存在边缘的像素位置的梯度变化，随后经过积分重构和反对数计算得到原始图像的照度图像，然后进行照度分布估计，可以为后续图像增强处理，如直方图均衡、色域映射、gamma校正等结合，进而达到视频图像质量的增强效果。

尽管上面对本发明说明性的具体实施方式进行了描述，但应当清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种视频图像照度分布估计方法，其特征在于，包括以下步骤：

(1)、计算出原始图像相应的亮度灰度图像；

(2)、使用基于图像梯度值的边缘检测方法检测并绘制出亮度灰度图像的边缘图像；

(3)、在亮度灰度图像的基础上，计算出梯度图像和梯度向量图像；

(4)、根据梯度图像，计算出梯度图像的梯度阀值；根据边缘图像以及梯度阀值对梯度向量图像进行梯度筛选，如果梯度向量图像中的某像素点相应梯度图像位置上的梯度幅度大于梯度阀值或边缘图像指示该位置存在于边缘，则把梯度向量图像中的某像素点的梯度向量设置为零，否则，保持；

(5)、对筛选后的梯度向量图像进行照度图像重建，得到照度图像；

(6)、根据照度图像进行照度分布估计，得到视频图像照度分布估计。

2.根据权利要求1所述的视频图像照度分布估计方法，其特征在于，步骤(3)所述的计算出梯度图像和梯度向量图像步骤为：

(31)、在亮度灰度图像的基础上逐像素计算其对数，得到对数图像，计算公式如下：

               ImgL′＝log ImgL

其中，ImgL′为对数图像值，ImgL为亮度灰度图像值

(32)、得到对数图像后，使用空间差分计算出其梯度向量图像和梯度图像，计算公式如下：

            h(x，y)＝ImgL′(x+1，y)-ImgL′(x，y)；

            V(x，y)＝ImgL′(x，y+1)-ImgL′(x，y)

其中(x，y)表示图像的空间坐标，ImgGV(x，y)＝(h(x，y)，V(x，y))构成该像素位置的梯度向量，ImgG(x，y)为该像素位置的梯度幅度值，从得到梯度向量图像和梯度图像。

3.根据权利要求2所述的视频图像照度分布估计方法，其特征在于，步骤 (5)所述的对筛选后的梯度向量图像进行照度图像重建，步骤为：

(51)、在筛选后的梯度向量图像的基础上，进行积分重构原始图像的照度对数图像，照度对数图像的积分重构计算过程为：

ImgIL(1，1)＝ImgL′(1，1)；

ImgIL(x+1，1)＝ImgIL(x，1)-ImgGV′(x，1)_v；

ImgIL(x，y+1)＝ImgIL(x，y)-ImgGV′(x，y)_h；

其中，ImgIL(x，y)表示照度对数图像在位置(x，y)上的值，ImgL′(1，1)表示对数图像在位置(x，y)上的值，ImgGV′(x，y)_v表示梯度向量图像在位置(x，y)的垂直分量，ImgGV′(x，y)_h表示梯度向量图像在位置(x，y)的水平分量；

(52)、在得到照度对数图像后，需要进行逆运算计算原始图像最终的照度图像，具体计算方法为：

          ImgI＝log′ImgIL

其中，ImgI照度图像值，ImgIL为照度对数图像值。 

Images