本發(fā)明涉及數(shù)字圖像處理領(lǐng)域，尤其涉及一種紅外圖像增強(qiáng)方法。

背景技術(shù)：

紅外熱圖像可以反映物體表面輻射能量的大小，自然界任何物體都會(huì)向外輻射能量，物體的輻射能量的大小與溫度的關(guān)系有q＝εtⁿ，其中ε為物體表面發(fā)射率，n是一個(gè)常數(shù)，與紅外圖像的生成設(shè)備紅外熱像儀的探測(cè)器的材質(zhì)有關(guān)，所以紅外熱圖像也能反映物體表面的溫度分布。由于背景環(huán)境干擾和熱像儀本身的噪聲使得紅外圖像的可視性不高，目標(biāo)圖像細(xì)節(jié)性差，能直觀反映的溫度信息少，因此，對(duì)紅外熱圖像進(jìn)行加強(qiáng)，增加圖像的可視性，更有利于發(fā)現(xiàn)物體表面溫度特征。

圖像增強(qiáng)的方法多種多樣，針對(duì)具有不同問題的紅外圖像，處理的算法不同。紅外圖像主要的問題有噪聲大，圖像整體偏暗或者整體偏亮，圖像細(xì)節(jié)不明顯，處理紅外圖像的原則是抑制不感興趣的背景區(qū)，突出感興趣的目標(biāo)區(qū)的細(xì)節(jié)特征。圖像的直方圖均衡法是對(duì)圖像增強(qiáng)的一種最常用的有效方法。

圖像的直方均衡法目的是使每一灰度級(jí)的概率分布p相同，增加概率分布比較小的灰度級(jí)的概率分布值，從而加強(qiáng)圖像細(xì)節(jié)。但這種方法是對(duì)圖像整體的處理，不區(qū)分圖像背景和目標(biāo)，易使處理后的圖像背景與目標(biāo)混淆，反而降低圖像可視性。因此現(xiàn)有技術(shù)中缺少對(duì)直方均衡法進(jìn)行有效改進(jìn)的圖像增強(qiáng)方法。

技術(shù)實(shí)現(xiàn)要素：

為了解決背景技術(shù)中存在的問題，本發(fā)明提出了一種紅外圖像增強(qiáng)方法。

本發(fā)明采用的技術(shù)方案包括：

(1)使用直方圖均衡法對(duì)圖像進(jìn)行處理，拉伸圖像顯示的動(dòng)態(tài)范圍，強(qiáng)化圖像細(xì)節(jié)；所述的直方均衡算法是對(duì)圖像進(jìn)行全局的算法處理。

(2)使用最大類間方差法(otsu法)求得用于分割圖像背景與目標(biāo)的分割閾值，將小于分割閾值的圖像區(qū)域?yàn)楸尘皡^(qū)，將大于等于分割閾值的圖像區(qū)域?yàn)槟繕?biāo)區(qū)；

(3)統(tǒng)計(jì)背景區(qū)和目標(biāo)區(qū)的有效灰度級(jí)的個(gè)數(shù)并排序；

(4)根據(jù)灰度級(jí)排序?qū)⒈尘皡^(qū)和目標(biāo)區(qū)的灰度級(jí)等距壓縮和拉伸在一定灰度級(jí)范圍內(nèi)，從而進(jìn)行圖像增強(qiáng)，得到增強(qiáng)后的圖像。

所述步驟(2)的分割閾值具體采用以下方式獲得：對(duì)步驟(1)處理后獲得的8bit灰度圖像，將閾值從0到255進(jìn)行遍歷，求得取不同閾值時(shí)的類間方差值，以最大類間方差下的閾值作為分割閾值。具體實(shí)施時(shí)最大類間方差下的閾值存在多個(gè)，則將多個(gè)最大類間方差下的閾值取平均數(shù)后取整作為分割閾值。

若分割閾值選擇不當(dāng)，并不能有效的做到增加圖像細(xì)節(jié)，增加可視性。因此本發(fā)明通過上述特定的分割閾值選擇獲得使得后續(xù)步驟能增加圖像細(xì)節(jié)，清楚分割背景與目標(biāo)，改進(jìn)了直方均衡法混淆背景與目標(biāo)的缺點(diǎn)。

所述步驟(3)中針對(duì)背景區(qū)和目標(biāo)區(qū)，均采用以下方式進(jìn)行處理：

分別采用以下公式根據(jù)區(qū)中的像素灰度值統(tǒng)計(jì)灰度級(jí)數(shù)的分布頻率：

其中，nk是圖像中灰度級(jí)數(shù)為k的像素點(diǎn)數(shù)，n是圖像中像素點(diǎn)的總數(shù)，k表示像素點(diǎn)的灰度級(jí)，l表示最大灰度級(jí)。

設(shè)置中間灰度級(jí)l’，以在灰度級(jí)0～灰度級(jí)l’之間所對(duì)應(yīng)像素點(diǎn)數(shù)不為0的灰度級(jí)作為有效灰度級(jí)，并按照從小到大對(duì)所有有效灰度級(jí)進(jìn)行排序。

對(duì)于背景區(qū)，排列得到的有效灰度級(jí)共計(jì)有k1個(gè)；對(duì)于目標(biāo)區(qū)，排列得到的有效灰度級(jí)共計(jì)有k2個(gè)。

所述步驟(4)具體為：

(4.1)對(duì)于背景區(qū)和目標(biāo)區(qū)，先分別將每個(gè)區(qū)中相鄰有效灰度級(jí)之間的間距重新設(shè)為：

背景區(qū)：int[l′/(k1+1)]

目標(biāo)區(qū)：int[(255-l′)/(k2+1)]

其中，int表示取整，k1表示背景區(qū)中有效灰度級(jí)的總數(shù)，k2表示目標(biāo)區(qū)中有效灰度級(jí)的總數(shù)，

(4.2)然后根據(jù)步驟(4.1)中重新設(shè)置的間距，分別將背景區(qū)和目標(biāo)區(qū)的每個(gè)有效灰度級(jí)下的每個(gè)像素灰度值采用以下公式按照統(tǒng)計(jì)順序重新設(shè)置為：

背景區(qū)：i×int[l′/(k1+1)]

目標(biāo)區(qū)：j×int[(255-l′)/(k2+1)]

其中，i表示背景區(qū)中有效灰度級(jí)排序后的序數(shù)，j表示目標(biāo)區(qū)中有效灰度級(jí)排序后的序數(shù)，i＝1,2…k1，j＝1,2,…k2。

所述的中間灰度級(jí)l’小于分割閾值，并且大于背景區(qū)中有效灰度級(jí)的個(gè)數(shù)，一般取1-50。

與現(xiàn)有的圖像增強(qiáng)算法相比，本發(fā)明的有益效果是：

本發(fā)明主要解決了直方均衡法不區(qū)分圖像背景和目標(biāo)區(qū)、使得到的圖像細(xì)節(jié)被削弱、可視性降低、等直方均衡算法存在的問題，能有效增強(qiáng)增強(qiáng)圖像細(xì)節(jié)，提高圖像可視性。

本發(fā)明通過進(jìn)行灰度值重新等距分配等方法步驟，實(shí)現(xiàn)了對(duì)紅外灰度圖像的背景壓縮，目標(biāo)增強(qiáng)和細(xì)節(jié)突出，適用于目標(biāo)溫度與背景溫度有所差異的情況。

附圖說明

圖1所示為本發(fā)明實(shí)施例方法的流程示意圖；

圖2所示為所取實(shí)施例的原圖；

圖3為原圖直方圖；

圖4為直方均衡后的新圖像；

圖5為新圖像的直方圖；

圖6為本發(fā)明處理后的結(jié)果圖；

圖7為結(jié)果圖的直方圖。

具體實(shí)施方式

為詳細(xì)說明本發(fā)明的技術(shù)內(nèi)容，實(shí)現(xiàn)效果，下面結(jié)合實(shí)施例及配合附圖進(jìn)行詳細(xì)的說明。

本發(fā)明的實(shí)施例如下：

待處理的目標(biāo)圖像是一副電熨斗加熱過程中的紅外熱圖像，如圖2，是一個(gè)8位的灰度圖像。獲取待處理圖像的直方圖，如圖3，分析其分布特點(diǎn)。

(1)使用直方圖均衡法對(duì)圖像進(jìn)行處理，處理后的圖像如圖4，并獲取得到新圖像的直方圖，如圖5；

(2)使用最大類間方差法求得用于分割圖像背景與目標(biāo)的分割閾值，設(shè)置閾值從1到256，求取不同閾值時(shí)的類間方差值，求取新圖像的最大類間方差下的分割閾值為[126,127,128,129,130]，取平均數(shù)取整為128作為最終的分割閾值，灰度值小于128的新圖像區(qū)域?yàn)楸尘皡^(qū)，灰度值大于128的區(qū)域?yàn)槟繕?biāo)區(qū)。

(3)統(tǒng)計(jì)背景區(qū)和目標(biāo)區(qū)的有效灰度級(jí)數(shù)的分布并排序；

根據(jù)區(qū)中的像素灰度值統(tǒng)計(jì)灰度級(jí)數(shù)的分布頻率，然后設(shè)置中間灰度級(jí)l’＝50，統(tǒng)計(jì)新圖像背景區(qū)分布頻率不為0的有效灰度級(jí)數(shù)目為10個(gè)，目標(biāo)區(qū)分布頻率不為0的有效灰度級(jí)數(shù)目為32個(gè)，背景區(qū)和目標(biāo)區(qū)排列的次數(shù)按照灰度級(jí)數(shù)的大小依次分別為1…10和1…32。

(4)根據(jù)灰度級(jí)排序?qū)⒈尘皡^(qū)和目標(biāo)區(qū)的灰度級(jí)等距壓縮和拉伸在一定灰度級(jí)范圍內(nèi)，具體是設(shè)置新圖像背景區(qū)和目標(biāo)區(qū)的灰度級(jí)重新設(shè)為5×i和6×j(i＝1…10是背景區(qū)有效灰度級(jí)的排序，j＝1…32時(shí)目標(biāo)區(qū)有效灰度級(jí)的排序)，之后得到用本發(fā)明方法處理后的圖像，如圖6，其灰度直方圖如圖7。

(5)從客觀說明，使用常用的brenner梯度函數(shù)算法計(jì)算圖像的評(píng)價(jià)值，設(shè)置算法的閾值為0，圖像評(píng)價(jià)值越高，表示圖像越清晰，質(zhì)量越高，細(xì)節(jié)越突出。經(jīng)計(jì)算原圖2的評(píng)價(jià)值b1＝196，經(jīng)本算法處理后圖像5的評(píng)價(jià)值b2＝255，處理后圖像的評(píng)價(jià)值較大，圖像質(zhì)量得到明顯提升。

(6)從主觀判斷，本方法處理后的電熨斗圖像的噴氣孔形狀清晰可見，電熨斗內(nèi)電熱絲發(fā)熱區(qū)域可直觀觀察到，可用于檢測(cè)電熨斗缺陷位置及類型。

(7)本算法對(duì)紅外熱圖的灰度圖像進(jìn)行處理，運(yùn)算過程簡(jiǎn)單，處理速度快，效果明顯，處理后的圖像更加突出熱圖中溫度高低的特征。