一种基于自适应梯度gamma校正的图像增强方法及装置与流程

1.本发明涉及图像处理技术领域，特别是涉及一种基于自适应梯度gamma校正的图像增强方法及装置。


背景技术：

2.图像增强是图像处理中的重要预处理步骤，它可以有效改善图像质量。gamma校准是应用最为广泛的图像增强算法之一，它对归一化后的图像灰度级进行指数变换完成图像增强，达到改善图像亮度分布的目的。当变换指数小于1时，gamma校正能够提高图像亮度，并使得图像整体亮度变得更加均匀，但由于图像灰度级变得集中，增强后的图像对比度会变低。


技术实现要素：

3.为克服上述现有技术存在的不足，本发明之目的在于提供一种基于自适应梯度gamma校正的图像增强方法及装置，以实现提高图像亮度和梯度强度，进而显著改善图像主观视觉效果的目的。
4.为达上述及其它目的，本发明提出一种基于自适应梯度gamma校正的图像增强方法，包括如下步骤：步骤s1，计算图像的对数域梯度直方图h=[h0,h1,
…
,h
255
]；步骤s2，基于步骤s1获取的对数域梯度直方图，计算指数映射函数；步骤s3，基于步骤s2获取的指数映射函数，采用自适应gamma梯度校正算法对图像进行非线性变换得到增强后图像。
[0005]
优选地，步骤s1进一步包括：步骤s100，将直方图h中所有元素的初始值置为0，对图像所有像素点进行遍历；步骤s101，对于每个像素点，计算其与水平方向相邻像素点灰度级的最大值和最小值，分别记为和，将直方图h中第个元素到第255个元素对应的值加上；将直方图h中第个元素到第255个元素对应的值减去；步骤s102，对于每个像素点，计算其与竖直方向相邻像素点灰度级的最大值和最小值，分别记为和，将直方图h中第个元素到第255个元素对应的值加上；将直方图h中第个元素到第255个元素对应的值减去；步骤s103，将所有像素点遍历后，对得到的最终直方图h进行归一化操作。
[0006]
优选地，于步骤s2中，所述指数映射函数通过如下公式获得：其中，参数m和n分别用于控制图像亮度和梯度的增强程度。
[0007]
优选地，于步骤s3中，根据获得的指数映射函数，采用如下公式对图像进行非线性
变换得到增强后图像：。
[0008]
为达到上述目的，本发明还提供一种基于自适应梯度gamma校正的图像增强装置，包括：对数域梯度直方图计算单元，用于计算图像的对数域梯度直方图h=[h0,h1,
…
,h
255
]；指数映射函数生成单元，用于基于对数域梯度直方图计算单元获取的对数域梯度直方图，生成指数映射函数；图像增强单元，用于基于所述指数映射函数生成单元获取的指数映射函数，采用自适应gamma梯度校正算法对图像进行非线性变换得到增强后图像。
[0009]
优选地，所述对数域梯度直方图计算单元用于：将直方图h中所有元素的初始值置为0，对图像所有像素点进行遍历；对于每个像素点，计算其与水平方向相邻像素点灰度级的最大值和最小值，分别记为和，将直方图h中第个元素到第255个元素对应的值加上；将直方图h中第个元素到第255个元素对应的值减去；对于每个像素点，计算其与竖直方向相邻像素点灰度级的最大值和最小值，分别记为和，将直方图h中第个元素到第255个元素对应的值加上；将直方图h中第个元素到第255个元素对应的值减去；将所有像素点遍历后，对得到的最终直方图h进行归一化操作。
[0010]
优选地，所述指数映射函数生成单元采用如下公式得到指数映射函数：其中，参数m和n分别用于控制图像亮度和梯度的增强程度。
[0011]
优选地，所述图像增强单元采用如下公式对图像进行非线性变换得到增强后图像：。
[0012]
与现有技术相比，本发明一种基于自适应梯度gamma校正的图像增强方法及装置通过计算图像的对数域梯度直方图，然后基于获取的对数域梯度直方图，获得指数映射函数，并基于获取的指数映射函数，采用自适应gamma梯度校正算法对图像进行非线性变换得到增强后图像，可以有效提高图像的亮度，并通过增强图像梯度强度有效改善图像主观视觉效果。
附图说明
[0013]
图1为本发明一种基于自适应梯度gamma校正的图像增强方法的步骤流程图；图2为本发明一种基于自适应梯度gamma校正的图像增强装置的系统框图；
图3为本发明实施例中图像增强效果示意图。
具体实施方式
[0014]
以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。
[0015]
图1为本发明一种基于自适应梯度gamma校正的图像增强方法的步骤流程图。如图1所示，本发明一种基于自适应梯度gamma校正的图像增强方法，包括如下步骤：步骤s1，计算图像的对数域梯度直方图h=[h0,h1,
…
,h
255
]。
[0016]
在本发明中，假设fm×n为输入图像， m和n分别为输入图像的长和宽所包含的像素个数，具体地，步骤s1进一步包括：步骤s100，将直方图h所有元素的初始值为0，对图像所有像素点进行遍历。
[0017]
步骤s101，对于每个像素点，求出其与水平方向相邻像素点灰度级的最大值和最小值，分别记为和，将直方图h中第个元素到第255个元素对应的值加上；将直方图h中第个元素到第255个元素对应的值减去；步骤s102，对于每个像素点，求出其与竖直方向相邻像素点灰度级的最大值和最小值，分别记为和，将直方图h中第个元素到第255个元素对应的值加上；将直方图h中第个元素到第255个元素对应的值减去；步骤s103，将所有像素点遍历后，对得到的最终直方图h进行归一化操作：为了便于理解和实施，以下给出了计算图像对数域梯度直方图的伪代码：
步骤s2，基于步骤s1获取的对数域梯度直方图h=[h0,h1,
…
,h
255
]，计算指数映射函数。
[0018]
在本发明具体实施例中，所述指数映射函数计算如下：
ꢀꢀ
（公式1）其中， 参数m和n分别用于控制图像亮度和梯度的增强程度。
[0019]
步骤s3，基于步骤s2获取的指数映射函数，采用自适应gamma梯度校正算法对图像进行非线性变换得到增强后图像。
[0020]
在本发明具体实施例中，根据获得的指数映射函数，采用如下公式对图像进行非线性变换得到增强后图像：（公式2）从上述公式2中可以看出，自适应gamma梯度校正算法中的指数随着灰度级自适应变化，另外，映射函数γ(l)中的参数m和n分别控制图像亮度和梯度的增强程度，参数m越小，图像亮度越亮；可以从理论上证明：参数n越大，图像梯度强度越强。和传统gamma校正算法相比，本发明提出的自适应gamma梯度校正算法可以有效提高图像的亮度，并通过增强图像梯度强度有效改善图像主观视觉效果。
[0021]
图2为本发明一种基于自适应梯度gamma校正的图像增强装置的系统框图。如图2所示，本发明一种基于自适应梯度gamma校正的图像增强装置，包括：对数域梯度直方图计算单元201，用于计算图像的对数域梯度直方图h=[h0,h1,
…
,h
255
]。
[0022]
在本发明中，假设fm×n为输入图像，m和n分别为输入图像的长和宽所包含的像素个数，对数域梯度直方图计算单元201具体用于：将直方图h所有元素的初始值为0，对图像所有像素点进行遍历。
[0023]
对于每个像素点，求出其与水平方向相邻像素点灰度级的最大值和最小值，分别记为和，将直方图h中第个元素到第255个元素对应的值加上；将直方图h中第个元素到第255个元素对应的值减去；对于每个像素点，求出其与竖直方向相邻像素点灰度级的最大值和最小值，分别记为和，将直方图h中第个元素到第255个元素对应的值加上；将直方图h中第个元素到第255个元素对应的值减去；将所有像素点遍历后，对得到的最终直方图h进行归一化操作：。
[0024]
为了便于理解和实施，以下给出了计算图像对数域提取直方图的伪代码。
[0025]
指数映射函数生成单元202，用于基于对数域梯度直方图计算单元201获取的对数域梯度直方图h=[h0,h1,
…
,h
255
]，生成指数映射函数。
[0026]
在本发明具体实施例中，所述指数映射函数通过如下公式获得：图像增强单元203，用于基于指数映射函数生成单元202获取的指数映射函数，采用自适应gamma梯度校正算法对图像进行非线性变换得到增强后图像。
[0027]
在本发明具体实施例中，图像增强单元203根据获得的指数映射函数，采用如下公式对图像进行非线性变换得到增强后图像：从上式可以看出，自适应gamma梯度校正算法中的指数随着灰度级自适应变化。另外，映射函数γ(l)中的参数m和n分别控制图像亮度和梯度的增强程度，参数m越小，图像亮度越亮；可以从理论上证明：参数n越大，图像梯度强度越强。和传统gamma校正算法相比，本发明提出的自适应gamma梯度校正算法可以有效提高图像的亮度，并通过增强图像梯度强度有效改善图像主观视觉效果。
[0028]
为验证本发明的有效性，图3给出了原始图像和采用不同参数m和n组合对应的增强后图像。每幅图上方给出了图像的平均对数梯度绝对值(mean of absolute log-gradients, malg)，从图中可以看出，随着参数n的增加，图像malg变大。当m=0.8,n=3时，本发明能够提高图像亮度和梯度强度，进而显著改善图像主观视觉效果。
[0029]
上述实施例仅示例性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。