一種高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法
【專利摘要】本發(fā)明一種高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法，包括步驟S1：獲取濾除像素壞點的圖像；步驟S2：對濾除像素壞點的圖像進行分解，得到基圖和細節(jié)圖；步驟S3：將細節(jié)圖增強后與基圖相融合；步驟S4：根據(jù)高位寬數(shù)字圖像的平均值和均方差得到自適應(yīng)變換函數(shù)的變換參數(shù)，并指導(dǎo)自適應(yīng)變換函數(shù)對融合后圖像進行變換，實現(xiàn)對高位寬數(shù)字圖像的自適應(yīng)變換處理，得到動態(tài)范圍壓縮和細節(jié)增強后的圖像。該方法通過對多種不同場景特征的高位寬數(shù)字圖像測試，證明該方法在保持圖像層次結(jié)構(gòu)的基礎(chǔ)上，提高圖像對比度、增強圖像細節(jié)、動態(tài)范圍壓縮，更適合人眼觀察或機器進行分析處理。用于紅外圖像與其他高位寬數(shù)字圖像在PC機上面的增強與再現(xiàn)。
【專利說明】一種高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法，屬于數(shù)字圖像預(yù)處理及紅外成像領(lǐng)域。該方法實現(xiàn)對原高位寬數(shù)字圖像有效地增強與再顯示，顯示的圖像達到良好的視覺效果，改進后擴展了現(xiàn)有算法的適用范圍，增強了視覺效果、提高了圖像對比度、增強了圖像細節(jié)、壓縮了動態(tài)范圍、加快了計算速度，易于實時處理?？梢詮V泛應(yīng)用了各種紅外以及高位寬數(shù)字圖像探測系統(tǒng)中。
【背景技術(shù)】
[0002]目前在PC機上面能顯示的數(shù)字圖像動態(tài)范圍較低，一般灰度圖像為8位，彩色為24位和32位。但是這類圖像并不能完全記錄場景中的真實亮度，它們只是表征了視覺編碼過、有限的階調(diào)關(guān)系。最終所記錄的場景效果與具體的獲取設(shè)備和顯示媒介有關(guān)。
[0003]高位寬數(shù)字圖像主要是指高于8bit的數(shù)字圖像，一般有10bit、12bit、14bit、16bit的圖像。例如:紅外圖像和可見光高位寬數(shù)字圖像。此類圖像可以記錄所有視覺可以觀察到的場景，它將被期望代替?zhèn)鹘y(tǒng)的8位的低動態(tài)范圍成像技術(shù)，在數(shù)字圖像技術(shù)中也得到廣泛應(yīng)用。但是它從獲取、顯示到輸出的整個場景的傳遞流程面臨著與低動態(tài)范圍圖像的場景傳遞流程不一樣的境況。特別是在傳遞過程中，其動態(tài)范圍和亮度程度的差異，給保持原有場景帶來了巨大的挑戰(zhàn)，也給其應(yīng)用帶來一系列問題。
[0004]在應(yīng)用中主要存在兩個顯著問題:
[0005]I):動態(tài)范圍壓縮，即如何做到將高位的圖像信息壓縮到低位上，并且不丟失場景信息。
[0006]2):圖像細節(jié)增強，盡可能的保留原始圖像中對比度較大的部分，而增強對比度較小的細節(jié)部分。
[0007]目前科研工作者在圖像動態(tài)范圍壓縮和增強方面做了大量的研究，常見的高位寬數(shù)字圖像細節(jié)增強方法主要有:Unsharp Masking、Global Histogram Equalization、Adaptive Histogram Equalization、 Contrast Limited Adaptive HistogramEqualization、Partially Overlapped Sub-block Histogram Equalization、Retinex 系列算法等。但是此類算法在增強原對比度差異較小的同時也增強了原對比度較大的細節(jié)部分，有過增強的現(xiàn)象出現(xiàn)；參數(shù)調(diào)節(jié)標準不夠明確，難以實現(xiàn)自適應(yīng)地調(diào)整；在很多圖像處理算法上都有存在梯度反轉(zhuǎn)現(xiàn)象；并且計算復(fù)雜度較高，難以達到工程實時處理的要求。

【發(fā)明內(nèi)容】

[0008](一 )要解決的技術(shù)問題:
[0009]為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種可以快速、實時自適應(yīng)的對高位寬數(shù)字圖像進行細節(jié)增強、動態(tài)范圍壓縮的方法。
[0010](二)技術(shù)方案
[0011]為實現(xiàn)所述的目的，本發(fā)明提供一種高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法的技術(shù)方案包含以下步驟:
[0012]步驟S1:首先對整個高位寬數(shù)字圖像按像素值排序，然后濾掉位于一范圍內(nèi)的最高和最低的像素區(qū)域的像素值，找到最有效的最小像素值與最大像素值，并做歸一化處理，得到濾除像素壞點的圖像；
[0013]步驟S2:利用指導(dǎo)濾波器對濾除像素壞點的圖像進行分解，得到基圖和細節(jié)圖；
[0014]步驟S3:將細節(jié)圖增強后與基圖相融合，得到融合后圖像；
[0015]步驟S4:根據(jù)高位寬數(shù)字圖像的平均值和均方差得到自適應(yīng)變換函數(shù)的變換參數(shù)，再通過該變換參數(shù)指導(dǎo)自適應(yīng)變換函數(shù)對融合后圖像進行變換，實現(xiàn)對高位寬數(shù)字圖像的自適應(yīng)變換處理，得到動態(tài)范圍壓縮和細節(jié)增強后的圖像。
[0016](三)有益效果
[0017]本發(fā)明的方法通過對多種不同場景特征的高位寬數(shù)字圖像測試，證明該方法在保持圖像層次結(jié)構(gòu)的基礎(chǔ)上，提高了圖像對比度、增強了圖像細節(jié)、動態(tài)范圍壓縮，更適合人眼觀察或機器進行分析處理。用于紅外圖像與其他高位寬數(shù)字圖像在PC機上面的增強與再現(xiàn)。
[0018](I)、本發(fā)明在算法上計算量小，算法整體時間復(fù)雜度為O(N)，易于硬件實現(xiàn)?？梢栽贒SP或者FPGA平臺上實現(xiàn)實時處理圖片。
[0019](2)、本發(fā)明在邊緣梯度反轉(zhuǎn)性質(zhì)方面優(yōu)于現(xiàn)有紅外圖像處理算法，無邊緣梯度反轉(zhuǎn)現(xiàn)象產(chǎn)生。
[0020](3)、本發(fā)明邊緣保持特性較好，在邊緣信息或者強紋理信息處，保留了原始對比度，無過增強現(xiàn)象產(chǎn)生。
[0021](4)、本發(fā)明通過圖像自身特性，自適應(yīng)地調(diào)節(jié)參數(shù)，可以在一個較為完備地變換函數(shù)組里面找到一條最適合原始圖像的變換函數(shù)，可以同時增強處理整體大尺度偏亮、偏暗圖像中的微小目標，也可以同時增強處理既有亮背景又有暗背景中的微細目標。
【專利附圖】

【附圖說明】
[0022]圖1是本發(fā)明方法的整體框架結(jié)構(gòu)圖；
[0023]圖2(a)和圖2(b)分別是變換函數(shù)變換曲線圖組；
[0024]圖3 (a)、圖3 (b)為本發(fā)明方法應(yīng)用在高分辨率高位寬數(shù)字圖像實例I ;
[0025]圖4(a)為圖3(a)的原始高位寬數(shù)字圖像的第960列灰度圖；
[0026]圖4(b)為圖3(a)的第960列灰度圖；
[0027]圖4(c)為圖3(b)的第960列灰度圖；
[0028]圖5(a)為圖3(a)的原始高位寬數(shù)字圖像的第720行灰度圖；
[0029]圖5 (b)為圖3 (a)的第720行灰度圖；
[0030]圖5 (C)為圖3 (b)的第720行灰度圖；
[0031]圖6(a)、圖6(b)為本發(fā)明方法應(yīng)用在可見光高位數(shù)字圖像實例2 ;
[0032]圖7 (a)、圖7 (b)為本發(fā)明方法應(yīng)用在紅外圖像實例3 ；
[0033]圖8(a)、圖8(b)為本發(fā)明方法應(yīng)用可見灰度圖像實例4 ；
[0034]圖9 (a)、圖9 (b)為本發(fā)明方法應(yīng)用可見彩色圖像實例5 ；
[0035]圖10(a)、圖10(b)為本發(fā)明方法應(yīng)用在可見彩色圖像實例6?！揪唧w實施方式】
[0036]下面結(jié)合附圖對本發(fā)明的實施例作詳細說明。本實施例在以本發(fā)明技術(shù)方案為前提下進行實施，給出了詳細的實施方式和具體的操作過程，但本發(fā)明的保護范圍不限于以下的實施例。
[0037]本實施例的算法流程如圖1所示，分為:壞點濾除、分解原始圖片為基圖與細節(jié)圖、圖像融合、自適應(yīng)變換函數(shù)處理圖片四個部分。具體實施過程如下:
[0038]步驟一、原始高位寬數(shù)字圖像壞點濾除:
[0039]一般高位寬數(shù)字圖像設(shè)備自身像素點存在一定的壞點，這些壞點將影響之后計算高位寬數(shù)字圖像的均方差和平均值。這將嚴重影響最終指導(dǎo)變換函數(shù)和指導(dǎo)濾波器選取參數(shù)的正確型。所以，首先假設(shè)整幅圖像每2500個像素點就有一個壞點，并且對整個高位寬數(shù)字圖像按像素值排序，然后濾除掉位于一定范圍內(nèi)的最高和最低的像素區(qū)域的像素值，找到最有效的最小像素值與最大像素值，并做歸一化處理，得到濾除像素壞點的圖像；
[0040]步驟二、利用指導(dǎo)濾波器對濾除壞點的圖像進行分解，得到基圖和細節(jié)圖:
[0041]所述指導(dǎo)濾波器定義是通過對指導(dǎo)圖像I進行局部線性濾波變換，得到輸出圖像Q在第i個像素的像素值Qi并表示為:
[0042]Qi = SkXIjbk (I)
[0043]其中，ak、bk為指導(dǎo)濾波器線性系數(shù)，Ii為指導(dǎo)圖像I在第i個像素的像素值冰和i分別表示像素索引序號；任意i e ω,是以像素k為中心、以常系數(shù)r為半徑的正方形窗口；k、i = 1,2,3...；
[0044]獲得指導(dǎo)濾波器線性系數(shù)的步驟包括:
[0045]
【權(quán)利要求】
1.一種高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法，其特征在于，包括以下步驟: 步驟S1:首先對整個高位寬數(shù)字圖像按像素值排序，然后濾掉位于一范圍內(nèi)的最高和最低的像素區(qū)域的像素值，找到最有效的最小像素值與最大像素值，并做歸一化處理，得到濾除像素壞點的圖像； 步驟S2:利用指導(dǎo)濾波器對濾除像素壞點的圖像進行分解，得到基圖和細節(jié)圖； 步驟S3:將細節(jié)圖增強后與基圖相融合，得到融合后圖像； 步驟S4:根據(jù)高位寬數(shù)字圖像的平均值和均方差得到自適應(yīng)變換函數(shù)的變換參數(shù)，再通過該變換參數(shù)指導(dǎo)自適應(yīng)變換函數(shù)對融合后圖像進行變換，實現(xiàn)對高位寬數(shù)字圖像的自適應(yīng)變換處理，得到動態(tài)范圍壓縮和細節(jié)增強后的圖像。
2.如權(quán)利要求1所述的對高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法，其特征在于，所述指導(dǎo)濾波器模型是通過對指導(dǎo)圖像I進行局部線性濾波變換，得到輸出圖像Q在第i個像素的像素值Qi并表示為:
Qi = akX Ii+bk (I) 其中，ak、bk為指導(dǎo)濾波器線性系數(shù)，Ii為指導(dǎo)圖像I在第i個像素的像素值冰和i分別表示像素索引序號；任意i e ω,是以像素k為中心、以常系數(shù)r為半徑的正方形窗口。
3.如權(quán)利要求2所述的對高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法，其特征在于，所述指導(dǎo)濾波器線性系數(shù)表示如下:

4.如權(quán)利要求3所述的對高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法，其特征在于，當指導(dǎo)圖像I與輸入高位寬數(shù)字圖像P相等時，指導(dǎo)濾波器系數(shù)表示為:
5.如權(quán)利要求1所述的對高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法，其特征在于，所述基圖Qbase獲取過程如下:Qbase = a X P+b (6) 其中，QbaseS輸入高位寬數(shù)字圖像P經(jīng)過指導(dǎo)濾波器之后的圖像，即為基圖；a表示ak在正方形窗口 0,中的均值；b表示bk在正方形窗口 ω,中的均值。
6.如權(quán)利要求1所述的對高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法，其特征在于，所述細節(jié)圖QDETAtt獲取過程如下:
Qdetail ' —P-Qbase (?) 其中，P為輸入高位寬數(shù)字圖像；qbase為基圖。
7.如權(quán)利要求1所述的對高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法，其特征在于，所述細節(jié)圖增強過程如下:
Q detail — Qdetail^KI(8)
X — Qbase+Q detail ⑶ 其中，Q’DETAk為細節(jié)增強后圖像；QDETAm為細節(jié)圖；κ?值為細節(jié)增強系數(shù)；X為細節(jié)增強后圖像Q’
DETAIL 與基圖Qbase融合后圖像。
8.如權(quán)利要求1所述的對高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法，其特征在于，利用自適應(yīng)變換函數(shù)定義動態(tài)范圍壓縮和細節(jié)增強的輸出圖像y為: y = (Xn-X2+X)z (10)
Z c X m3+d X m2+e X m+f (11) 其中，X為細節(jié)增強后圖像與基圖融合后圖像；2為自適應(yīng)變換函數(shù)的指數(shù)系數(shù)；n為自適應(yīng)變換函數(shù)系數(shù)的值，其取值范圍為[2，8] ;c、d、e、f為常數(shù)系數(shù)，并由測試庫擬合曲線得到參數(shù)由圖像的均值和均方差決定表達式為:
m = 0.7XMEAN+0.3 X MSR (12) 其中，MEAN表示原始高位寬數(shù)字圖像的均值，MSR表示原始高位寬數(shù)字圖像的方差。
9.如權(quán)利要求7所述的對高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法，其特征在于，根據(jù)處理的圖片，細節(jié)增強系數(shù)的取值為Kl e [3，9]，所述圖片為紅外圖片、可見光高位寬圖片、8位灰度圖片以及24位彩色圖片。
10.如權(quán)利要求8所述的對高位寬數(shù)字圖像動態(tài)范圍壓縮和細節(jié)增強方法，其特征在于，所述自適應(yīng)變換函數(shù)系數(shù)的值為n e [2,8]中的任一實數(shù)。
【文檔編號】G06T5/00GK103971340SQ201410204520
【公開日】2014年8月6日 申請日期:2014年5月15日 優(yōu)先權(quán)日:2014年5月15日
【發(fā)明者】許波, 王華闖, 徐智勇, 魏宇星 申請人:中國科學(xué)院光電技術(shù)研究所