CN106651818A - 基于改进的直方图均衡化低照度图像增强算法 - Google Patents

Abstract

本发明涉及计算机视觉领域，其具体公开了一种基于改进的直方图均衡化低照度图像增强算法。首先对原始图像将待处理图像H(x)根据公式求出其对比度参数p，再通过对比度映射函数f(x)求出p'。根据公式得到新的灰度值，获得对比度增强处理后的图像H'(x)；并对H'(x)采用灰度级合并方法的改进；最后用直方图灰度级间距的改进进行直方图均衡化，得到最终处理后的图像G(i)。本发明兼顾了整体效果和局部细节方面，更大程度地保持图像的信息，同时提高图像亮度，获得较好的视觉效果。

Description

基于改进的直方图均衡化低照度图像增强算法

技术领域

本发明涉及计算机视觉领域，特指基于改进的直方图均衡化低照度图像增强算法。

背景技术

在摄影或监控时由于光照不足，会使图像过暗，导致画面中常出现对比度低、噪声大、照度不均等情况，产生低照度图像。低照度图像灰度范围较窄，相邻像素的空间相关性高，灰度变化不明显，进而影响后续的图像识别、理解与判断，因此对低照度图像进行增强处理具有重要的意义。

低照度图像的细节灰度差别只在几十级以内，且图像灰度值较低。因此，希望通过一种图像增强处理既能清晰看到整幅图像又能突出局部细节，直方图均衡化是最常用的增强图像对比度的算法，目前传统的直方图均衡化图像增强算法很难做到很好的兼顾，在处理过程中存在着不可避免地丢失原始图像的亮度信息问题以及处理后画面失真的问题。传统的局部直方图均衡化算法处理图像时，每个像素的变化不是根据整幅图像的像素值进行修改，而是根据预先确定的一个矩形区域内的像素进行修改，该方法对细节部分的处理有一定效果，但是使用其处理低照度图像时，其图像亮度的整体提升效果不佳。江巨浪等提出的保持亮度和灰度级的直方图均衡算法具有很好的亮度保持性能，且对灰度范围较小的图片增强效果较好，但它在局部增强力度上有所下降。

针对现行算法普遍存在的问题，本发明提出一种低照度图像处理的整体效果和局部细节方面得以兼顾的方法，首先利用局部信息进行对比度增强，然后对全局直方图采用改进的均衡化算法进行处理。更大程度地保持图像的信息，同时提高图像亮度。在低照度图像增强方面，获得较好的视觉效果。

发明内容

本发明要解决的技术问题在于：针对低照度成像这个特定问题，为了提高图像的对比度和局部细节的清晰度，获得较好的视觉效果，提出了基于改进的直方图均衡化低照度图像增强算法。

为解决上述技术问题，本发明采取的技术方案是：

一种基于改进的直方图均衡化低照度图像增强算法，包括如下步骤：

(1)求出待处理图像H(x)对比度参数p；

(2)通过对比度映射函数f(x)求出增强对比度参数p'；

(3)根据增强对比度参数p'得到新的灰度值x'，获得对比度增强处理后的图像H'(x)；

(4)对图像H'(x)采用灰度级进行合并；

(5)进行直方图均衡化，得到最终处理后的图像G(i)。

作为本发明的进一步改进，所述步骤(1)中，将待处理图像H(x)根据下列公式求出其对比度参数p，

其中，x是原图中某点的灰度值，x_e是x周围八邻域的灰度均值,L_max为最大灰度级。

作为本发明的进一步改进，所述步骤(2)中，选择多项式函数f(p)＝4p-6p²+4p³-p⁴作为映射函数。

作为本发明的进一步改进，所述步骤(3)中，根据增强对比度参数p'，通过下列公式求得新的灰度值，计算对比度增强后的各点的灰度值x'，获得对比度增强处理后的图像H'(x)，

作为本发明的进一步改进，所述步骤(4)中，对H'(x)采用灰度级合并方法的改进具体如下：

4.1、确定均衡化前后图像的灰度级i,j＝0,1,2,…,L-1；

4.2、正向扫描图像，统计出原图像中各灰度级的像素数目n_j；

4.3、计算原图像的归一化直方图

4.4计算累积直方图

4.5、根据以下公式，确定灰度级的映射关系；

s_k并＝int((L-1)s_k+0.5)

w₀＝1,w_j+1＝w_j+step

其中int()为取整函数，s_k并为均衡化后图像的归一化合并的灰度级，0＜k₁＜n，0＜k₂＜n，step取值为0.5，w_j为权重系数，w_j+1为按一定步长step递增的下一个权重系数；

对于某一灰度级，将其后的各灰度级与当前灰度级进行合并时，根据与当前灰度级的距离分别赋予按一定步长递增的权重系数，当d值小于1/(L-1)时，原图像中r_k1与r_k2间的各灰度级将被合并为一个灰度级；

4.6、计算灰度级变化后各灰度级的像素数目n_j；

4.7、计算变换后归一化直方图

作为本发明的进一步改进，所述步骤(5)中，用直方图灰度级间距的改进进行直方图均衡化，得到最终处理后的图像G(i)，具体包括：将均衡化后图像的实际灰度级作非线性变换，适当增大中间灰度级的间距，压缩两端灰度级的间距，使用下列公式对均衡化后图像的实际灰度进行变换，

G(i)＝(L-1)*log₂(1+i/(num-1))

i＝0,1,2,...,num-1

其中，L为图像总的灰度级数目；num为均衡化处理后图像的实际灰度数目，G(i)函数表示对图像的每一个灰度做映射变化。

与现有技术相比，本发明具有以下有益效果：

1、上述步骤(1)-(3)，是为了增强对比度，在原始图像整个灰度级范围内进行映射，增加了一个对比度参数p，该参数p与原始图像细节相关，对比度的增强使得图像在细节方面有了较好的处理效果。

2、上述步骤(4)-(5)有效避免灰度级的过度合并，使均衡化处理后的图像的灰度等级在整个灰度级范围内的分布尽量均衡，以达到较好的视觉效果。

3、本发明兼顾了整体效果和局部细节方面，更大程度地保持图像的信息，同时提高图像亮度，获得较好的视觉效果。

附图说明

图1是实施例所述灰度级映射示意图；

图2是实施例所述本算法低照度增强图像效果对比，其中(2a)为处理前图像，图像(2b)为图像(2a)处理后得到的图像；

图3是实施例所述本算法低照度增强图像效果对比；其中(3a)为处理前图像，图像(3b)为图像(3a)处理后得到的图像。

具体实施方式

以普通单幅低照度图像为例，结合附图对本发明做进一步详细说明。

相对于全局直方图均衡化增强而言，本发明首先利用局部信息进行对比度增强，然后对全局直方图采用改进的均衡化算法进行处理，具有较好的视觉效果。

第一步：将待处理图像H(x)根据(1)式求出其对比度参数p。

其中，x是原图中某点的灰度值，x_e是x周围八邻域的灰度均值，L_max为最大灰度级。

第二步：根据映射函数f(x)求出新图像的增强对比度参数p'，即p'＝f(p)；

映射函数f(x)的选取对于整幅图像的处理效果起着关键作用。如果|f(p)-p|太小，对比度增强后的图像的边界就不明显，如果|f(p)-p|太大，增强后的图像就会有噪音。本发明选择了多项式函数f(p)＝4p-6p²+4p³-p⁴作为映射函数，该函数使得图像满足了上述要求，并取得了较好的实验效果。

第三步：根据p'，(2)式得到新的灰度值，计算对比度增强后的各点的灰度值，获得对比度增强处理后的图像H'(x)：

第四步：对H'(x)采用灰度级合并方法的改进；

直方图均衡化是通过对原图像进行某种变换，将原图像的灰度直方图均匀分布。传统的直方图均衡化方法使用原图像直方图累积分布函数实现的，是单调递增函数，能保证灰度变换前后不会倒置，且变换后灰度值不超出原图像灰度值范围。累积分布函数表示如下：

其中，0≤r_k≤1,k＝0,1,2,...,L-1,r_k为原图像归一化灰度级；n_j为原图像中第j个级灰度级的像素数目；n为图像中总的像素数目；s_k为均衡化后图像的归一化灰度级；T为变换函数，L为图像的灰度级数。

传统的直方图均衡化的步骤如下：

1.确定均衡化前后图像的灰度级i,j＝0,1,2,…,L-1；

2.正向扫描图像，统计出原图像中各灰度级的像素数目n_j；

3.计算原图像的归一化直方图

4.计算累积直方图

5.根据以下公式，确定灰度级的映射关系；

s_k并＝int((L-1)s_k+0.5) (4)

其中int()为取整函数，s_k并为均衡化后图像的归一化合并的灰度级。

6.计算灰度级变化后各灰度级的像素数目n_j；

7.计算变换后归一化直方图

传统的直方图均衡化方法中，对于原图像的两个不同灰度级的s_k1和s_k2，其差值为：

式(5)中，k₁和k₂是n中的两个不同的数，0＜k₁＜n，0＜k₂＜n；

由(5)式可见，当其值小于1/(L-1)时，原图像中r_k1与r_k2间的各灰度级将被合并为一个灰度级。人眼能分辨的灰度级一般在十几到二十几级之间，两个相近的灰度级其像素的颜色也差不多，人眼一般区分不开，将其进行合并是合理的。但如果两个灰度级相差较大，其像素的颜色就会有明显的不同，如果还要将其进行合并，就会使一种颜色丢失。表征图像特征的边缘、轮廓等细节的像素数一般较少，这些像素往往要进行合并，原先多种颜色的像素就会变成一种颜色，反映到图像上就会使某些细节丢失，所以均衡化处理后的图像就会出现一些色斑或者伪轮廓。

另外，传统直方图均衡化方法的灰度级映射由(4)式决定。均衡化处理后各灰度级间隔有大有小，不是均匀的。由灰度级映射机理可知，占较少数目像素的灰度级合并到其他灰度级中或者在直方图中集中分布。这样不但会引起图像细节的丢失，也不利于图像细节的展示。

改进的直方图均衡化算法主要是改进了灰度级进行合并的方法。根据式(5),如果连续多个灰度级的像素数都较少，其对应的累积函数值s_k差别也就不大，那么这多个灰度级就会合并到同一灰度级，可见，对于连续多个灰度级的像素数都较少的情况，如果能保证后面灰度级相差较大的灰度不进行合并，就能保留这些灰度级，从而较好地保持图像细节。

改进算法的基本思想是如果图像中像素较少的两个灰度级相隔很近，就将它们进行合并，但如果这两个灰度级相隔较远，就降低它们进行合并的可能性。

对于某一灰度级，将其后的各灰度级与当前灰度级进行合并时，根据与当前灰度级的距离分别赋予按一定步长递增的权重系数，这样，当某一灰度级与当前灰度级相距较远时，由于权重系数较大，按式(6)计算出的差值就会较快地大于1/(L-1)，避免了灰度级的过度合并。

本发明中step取值为0.5，w_j为权重系数，w_j+1为按一定步长step递增的下一个权重系数。

第五步：用直方图灰度级间距的改进进行直方图均衡化，得到最终处理后的图像G(i)。

通过第四步的改进均衡化算法处理，图像的灰度等级得到压缩，接下来就是将均衡化处理后的图像的灰度等级在整个灰度级范围内的分布尽量均衡，以达到较好的视觉效果。传统整个灰度级范围内均匀分散的方法是先统计直方图均衡后的图像灰度级数目，再将这些有效灰度级在整个灰度方位内进行等间距排列。

本发明是将均衡化后图像的实际灰度级作非线性变换，适当增大中间灰度级的间距，压缩两端灰度级的间距，能增加对比度，进一步改善视觉效果。另外，低照度下的图像在均衡化处理后往往偏暗，需要整体提高图像的亮度。鉴于此，使用(7)式对均衡化后图像的实际灰度作如下变换：

其中，L为图像总的灰度级数目；num为均衡化处理后图像的实际灰度数目。G(i)函数表示对图像的每一个灰度做映射变化，其曲线形状如图1所示。

设灰度合并后得到的实际灰度分别表示为0...num-1。可见，与将实际灰度在整个灰度级平均分布方法相比，使用本发明映射函数，首个灰度映射到0，最后一个灰度映射到最高灰度(对8位灰度图像来说，就是255)，而将其余灰度映射到其它的灰度上，从而实现增大中间灰度级的间距，压缩两端灰度等级的间距的意图，达到增加图像对比度提到亮度的目的。改进的灰度等级分布映射方法，克服了传统直方图均衡化较小数目像素灰度分布过于集中而不利于展示图像细节的缺陷，在兼顾灰度均匀分布的同时，用调整函数加大了中间灰度的分布，扩大了图像的动态范围。

如图1是灰度级映射示意图，如图2-3所示是本实施例增强的低照度图像，可以看出本实施例获得的图像增强效果好，调整了图像的对比度和整体的亮度，取得了较好的视觉效果。

本发明中提出的方法实际上可嵌入FPGA实现，开发具有低照度图像增强功能的相机或摄像机。以上实施例仅起到解释本发明技术方案的作用，本发明所要求的保护范围并不局限于上述实施例所述的实现系统和具体实施步骤。因此，仅对上述实施例中具体的公式及算法进行简单替换，但其实质内容仍与本发明所述方法相一致的技术方案，均应属于本发明的保护范围。

Claims (6)

1.一种基于改进的直方图均衡化低照度图像增强算法，其特征在于，包括如下步骤：

(1)求出待处理图像H(x)对比度参数p；

(2)通过对比度映射函数f(x)求出增强对比度参数p'；

(3)根据增强对比度参数p'得到新的灰度值x'，获得对比度增强处理后的图像H'(x)；

(4)对图像H'(x)采用灰度级进行合并；

(5)进行直方图均衡化，得到最终处理后的图像G(i)。

2.如权利要求1所述的一种基于改进的直方图均衡化低照度图像增强算法，其特征在于，所述步骤(1)中，将待处理图像H(x)根据下列公式求出其对比度参数p，

$p=\left\{\begin{array}{cc}\frac{x_e-x}{x_e+x},& x\≤x_e\\ \frac{x_e-x}{2L_{\max }-x-x_e},& x>x_e\end{array}\right.$

其中，x是原图中某点的灰度值，x_e是x周围八邻域的灰度均值,L_max为最大灰度级。

3.如权利要求1所述的一种基于改进的直方图均衡化低照度图像增强算法，其特征在于，所述步骤(2)中，选择多项式函数f(p)＝4p-6p²+4p³-p⁴作为映射函数。

4.如权利要求1所述的一种基于改进的直方图均衡化低照度图像增强算法，其特征在于，所述步骤(3)中，根据增强对比度参数p'，通过下列公式求得新的灰度值，计算对比度增强后的各点的灰度值x'，获得对比度增强处理后的图像H'(x)，

$x^{\′}=\left\{\begin{array}{cc}\frac{x_e(1-p^{\′})}{1+p^{\′}},& x\≤x_e\\ L_{max}-\frac{(L_{\max }-x_e)(1-p^{\′})}{(1+p^{\′})},& x>x_e\end{array}\right.$

5.如权利要求1所述的一种基于改进的直方图均衡化低照度图像增强算法，其特征在于，所述步骤(4)中，对H'(x)采用灰度级进行合并具体包括：

(4.1)确定均衡化前后图像的灰度级i,j＝0,1,2,…,L-1；

(4.2)正向扫描图像，统计出原图像中各灰度级的像素数目n_j；

(4.3)计算原图像的归一化直方图

(4.4)计算累积直方图

(4.5)根据以下公式，确定灰度级的映射关系；

s_k并＝int((L-1)s_k+0.5)

$d=s_{k1}-s_{k2}=\underset{j=k1+1}{\overset{k2}{\Σ}}{w}_{j-k1}\frac{n_j}{n}$

w₀＝1,w_j+1＝w_j+step

其中int()为取整函数，s_k并为均衡化后图像的归一化合并的灰度级，0＜k₁＜n，0＜k₂＜n，step取值为0.5，w_j为权重系数，w_j+1为按一定步长step递增的下一个权重系数；

对于某一灰度级，将其后的各灰度级与当前灰度级进行合并时，根据与当前灰度级的距离分别赋予按一定步长递增的权重系数，当d值小于1/(L-1)时，原图像中r_k1与r_k2间的各灰度级将被合并为一个灰度级；

(4.6)计算灰度级变化后各灰度级的像素数目n_j；

(4.7)计算变换后归一化直方图

6.如权利要求1所述的一种基于改进的直方图均衡化低照度图像增强算法，其特征在于，所述步骤(5)中，用直方图灰度级间距的改进进行直方图均衡化，得到最终处理后的图像G(i)，具体包括：将均衡化后图像的实际灰度级作非线性变换，适当增大中间灰度级的间距，压缩两端灰度级的间距，使用下列公式对均衡化后图像的实际灰度进行变换，

G(i)＝(L-1)*log₂(1+i/(num-1))

i＝0,1,2,...,num-1

其中，L为图像总的灰度级数目；num为均衡化处理后图像的实际灰度数目，G(i)函数表示对图像的每一个灰度做映射变化。