图像处理方法、装置、终端设备及存储介质与流程

1.本技术属于计算机技术领域，尤其涉及一种图像处理方法、装置、终端设备及存储介质。


背景技术：

2.目前，在图像处理中存在着对图像的灰度级进行变换的需求。然而，现有的图像处理方法通常难以准确地进行灰度级变换，导致灰度级变换后可能存在图像失真的缺陷。


技术实现要素：

3.有鉴于此，本技术实施例提供了图像处理方法、装置及终端设备，以解决现有技术中难准确地进行图像灰度级变换的问题。
4.本技术实施例的第一方面提供了一种图像处理方法，包括：
5.将待处理图像划分为预设数目的子区域，所述待处理图像的灰度级范围为第一灰度范围；
6.依次确定所述第一灰度范围中各个灰度级在所述待处理图像中的灰度空间熵，所述灰度空间熵为根据所述灰度级在各个所述子区域中的信息熵确定的值；
7.根据第一灰度范围中各个灰度级对应的各个所述灰度空间熵，确定所述第一灰度范围中各个灰度级对应的各个累积分布函数值；
8.根据所述第一灰度范围中各个灰度级对应的各个累积分布函数值，依次将所述待处理图像中的所述第一灰度范围中各个灰度级映射为预设的第二灰度范围内的各个灰度级，得到第一目标图像。
9.本技术实施例的第二方面提供了一种图像处理装置，包括：
10.子区域划分单元，用于将待处理图像划分为预设数目的子区域，所述待处理图像的灰度级范围为第一灰度范围；
11.灰度空间熵确定单元，用于依次确定所述第一灰度范围中各个灰度级在所述待处理图像中的灰度空间熵，所述灰度空间熵为根据所述灰度级在各个所述子区域中的信息熵确定的值；
12.累积分布函数值确定单元，用于根据第一灰度范围中各个灰度级对应的各个所述灰度空间熵，确定所述第一灰度范围中各个灰度级对应的各个累积分布函数值；
13.映射单元，用于根据所述第一灰度范围中各个灰度级对应的各个累积分布函数值，依次将所述待处理图像中的所述第一灰度范围中各个灰度级映射为预设的第二灰度范围内的各个灰度级，得到第一目标图像。
14.本技术实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器执行所述计算机程序时，使得终端设备实现如所述图像处理方法的步骤。
15.本技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储
介质存储有计算机程序，当所述计算机程序被处理器执行时，使得终端设备实现如所述图像处理方法的步骤。
16.本技术实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行所述图像处理方法的步骤。
17.本技术实施例与现有技术相比存在的有益效果是：本技术实施例中，将待处理图像划分为多个子区域，对待处理图像的第一灰度范围内包含的各个灰度级，分别通过统计该灰度级在各个子区域中的信息熵来确定该灰度级对应的灰度空间熵，并基于该灰度空间熵计算第一灰度范围内包含的各个灰度级对应的累积分布函数值，从而使得第一灰度范围包含的各个灰度级准确地映射为预设的第二灰度范围内的各个灰度级。由于上述的灰度空间熵具体是根据灰度级在各个所述子区域中的信息熵确定的值，因此该灰度空间熵能够结合第一灰度范围内包含的各个灰度级的空间分布特征(即在各个子区域的分布聚集情况)准确地描述各个灰度级在待处理图像中所占的有效信息量，从而能够基于该灰度空间熵提高灰度级映射的准确性，避免出现由于灰度级映射不准确而造成的图像失真。
附图说明
18.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
19.图1是本技术实施例提供的一种图像处理方法的实现流程示意图；
20.图2是本技术实施例提供的一种图像处理装置的示意图；
21.图3是本技术实施例提供的终端设备的示意图。
具体实施方式
22.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
23.为了说明本技术所述的技术方案，下面通过具体实施例来进行说明。
24.应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
25.还应当理解，在此本技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本技术。如在本技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
26.还应当进一步理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
27.如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0028]
另外，在本技术的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0029]
目前，在图像处理中存在着对图像的灰度级进行变换的需求。例如，在图像对比度增强的图像处理中，需要将原图像的灰度级从较窄的灰度级范围变换到较宽的灰度级范围。然而，现有的图像处理方法通常无法准确地进行灰度级变换，导致灰度级变换后存在图像失真的缺陷。
[0030]
例如，图像对比度增强作为改善图像显示效果的关键技术之一，越来越被广泛应用。现有的图像对比度增强算法通常采用图像空间域的灰度线性拉伸方法或者直方图均衡方法，其中，灰度线性拉伸方法由于没有考虑原图像中各个灰度级出现的概率情况，直接将原图像灰度级范围内的各个灰度级作同样程度的拉伸，因此导致可能存在过度增强，导致图像出现过曝的情况；直方图均衡方法具体是通过统计原图像灰度级范围内各个灰度级出现的频次来计算各个灰度级的累积分布函数值，并根据该累积分布函数值原图像的各个灰度级映射到灰度级范围更大的灰度级，实现灰度级的拉伸映射，这种方法相对于灰度线性拉伸方法的效果较好，然而直接根据灰度级范围内各个灰度级在一整张原图像出现的频次来计算累积分布函数值进行灰度级的映射，可能存在由于零散分布但累计出现次数较多的某个灰度级(例如零散分布的噪声点)的影响而导致灰度级映射不准确的缺陷，即现有的直方图均衡方法仍存在着图像过度增强的缺陷。因此，现有的图像处理方法，存在着由于灰度级映射不准确而导致图像失真(例如图像过度增强)的技术问题。
[0031]
为了解决上述技术问题，本技术实施例提供了一种图像处理方法、装置、终端设备及存储介质，包括将待处理图像划分为多个子区域，对待处理图像的第一灰度范围内包含的各个灰度级，分别通过统计该灰度级在各个子区域中的信息熵来确定该灰度级对应的灰度空间熵，并基于该灰度空间熵计算第一灰度范围内包含的各个灰度级对应的累积分布函数值，从而使得第一灰度范围包含的各个灰度级准确地映射为预设的第二灰度范围内的各个灰度级。由于上述的灰度空间熵具体是根据灰度级在各个所述子区域中的信息熵进行求和运算得到的值，因此该灰度空间熵能够结合第一灰度范围内包含的各个灰度级的空间分布特征(即在各个子区域的分布聚集情况)准确地描述各个灰度级在待处理图像中所占的有效信息量，从而能够基于该灰度空间熵提高灰度级映射的准确性，避免由于灰度级映射不准确而造成图像失真。
[0032]
实施例一：
[0033]
图1示出了本技术实施例提供的第一种图像处理方法的流程示意图，本技术实施例的执行主体为终端设备，详述如下：
[0034]
在s101中，将待处理图像划分为预设数目个子区域，所述待处理图像的灰度级范围为第一灰度范围。
[0035]
本技术实施例中，待处理图像为手机、摄像机等终端设备拍摄得到的照片或者视频数据中的视频帧图像。具体地，该待处理图像的灰度级范围为第一灰度范围，该第一灰度范围通常包含若干个灰度级。例如，该第一灰度级范围包含的各个灰度级的总个数可以为第一数目。具体地，设待处理图像中最低的灰度级为x
l
，最高的灰度级为xh，则第一灰度范围
为[x
l
,xh]，第一数目为k1＝x
h-x
l
1
[0036]
本技术实施中，终端设备获取上述的待处理图像后，将该待处理图像划分为预设数目个子区域。具体地，终端设备获取待处理图像的方法可以包括：通过本端的图像传感器进行拍摄得到该待处理图像；或者读取本端的存储单元中预先存储的图像作为待处理图像；或者通过接收其它终端设备发送的图像数据得到该待处理图像。具体地，本技术实施例的预设数目为提前设置的大于2的数，通常，预设数目越大，后续计算得到的灰度空间熵更加准确。
[0037]
在s102中，依次确定所述第一灰度范围中各个灰度级在所述待处理图像中的灰度空间熵，所述灰度空间熵为根据所述灰度级在各个所述子区域中的信息熵确定的值。
[0038]
在划分得到预设数目个子区域后，分别统计第一灰度范围包含的各个灰度级分别在各个子区域中出现的频次，确定各个灰度级分别在各个子区域中的信息熵，进而确定各个灰度级在待处理图像中的灰度空间熵。具体地，设子区域的预设数目为q(其中q为大于或者等于2的正整数)，xk为第一灰度范围内的某个灰度级，tk(q)为灰度级xk在第q个子区域中出现的次数(即第q个子区域中灰度级为xk的像素点的个数)，则对于灰度级xk，其在子区域q中的信息熵为：-tk(q)log2(tk(q))，因此，灰度级xk的灰度空间熵ek的计算公式如下：
[0039][0040]
具体地，灰度级xk在子区域q中出现的频次越高，相应地在该子区域q中的信息熵越大，说明该灰度级在该子区域q中的所占的信息量越大，重要性越高；而xk的灰度空间熵是灰度级xk各个子区域的信息熵的累加值，灰度空间熵越大，说明灰度级xk在一整张待处理图像中的某一个或者多个子区域中高频次出现、集中聚集，说明该灰度级xk在待处理图像中的实际有效信息量越大，重要性越高。通过这种方式得到的灰度空间熵，能够结合灰度级在空间中的聚集分布情况，准确地反映每个灰度级在空间分布中实际的有效信息量，更准确地反映各个灰度级的重要性，相对于现有的直方图均衡方法中直接在一整张图像进行次数统计的方式，能够避免将空间中离散分布的噪声点对应的灰度级误判为信息量大、重要性高的灰度级。
[0041]
可选地，本技术实施例中，所述第一灰度范围包括第一数目的灰度级，所述预设数目根据第一数目确定。
[0042]
一般来说，预设数目越大，意味着子区域的粒度越小，即待处理图像的划分更加精确，从而使得灰度空间熵能够更精准地反映灰度级在空间分布中的实际有效信息量和重要性。然而，预设数目越大，灰度空间熵的计算过程中的计算量越大，因此预设数目过大时，会使得算法耗费的运算资源过大。因此，本技术实施例中具体可以根据待处理图像的灰度级范围——第一灰度范围中包含的灰度级的总个数，即第一数目来确定该预设数目，具体地，该预设数目等于第一数目。当预设数目等于第一数目时，划分的子区域足以有差别地体现各个灰度级的分布情况，因此能够在保证灰度空间熵的精确度的前提下尽量减少灰度空间熵计算的计算量，节约运算资源。
[0043]
可选地，所述步骤s101包括：
[0044]
将所述待处理图像等分为m行n列，得到m*n个子区域，其中m、n均为大于1的正整数。
[0045]
本技术实施例中，考虑到一般待处理图像的形状为矩形，并且待处理图像中的各个像素点是规则地按照行列形式排布的，因此，在对待处理图像进行子区域划分时，具体是将待处理图像等分为m行n列，从而得到同样按照行列形式分布的、规则的子区域。其中，m和n均为大于1的正整数，“*”为乘号，将待处理图像等分为m行n列后，得到m*n个子区域作为预设数目个子区域。
[0046]
由于这种划分方式能使得各个子区域有规则地被划分，保证各个子区域的分布与待处理图像的像素点保持一致的行列分布格式，还能够保证各个子区域的形状与待处理图像的形状一致(即矩形)，因此能够使得各个子区域能够更准确地体现待处理图像的灰度级的空间分布特征，从而更准确地实现待处理图像的增强。
[0047]
进一步地，上述的m与n的比值等于所述待处理图像的长宽比。
[0048]
设待处理图像的图像大小为h
×
w，其中h为待处理图像的长，w为待处理图像的宽。由于待处理图像中对于具体图像内容的呈现是以h:w的比例来进行呈现的，因此在对待处理图像进行子区域划分时，为了使每个子区域能够更完整、准确地体现待处理图像的灰度级的空间分布特征，将待处理图像等分为m行n列，并使m：n＝h：w，从而最大限度地保持和原来的待处理图像一致的灰度级空间分布特征，使得每个灰度级的灰度空间熵能够更准确地体现该灰度级在空间分布中实际的有效信息量，更准确地反映各个灰度级的重要性。
[0049]
可选地，设预设数目等于第一数目(即待处理图像对应的第一灰度范围内的灰度级的总个数，用k1表示)，则在将待处理图像等分为m行n列时，m和n需要满足以下条件：
[0050]
m：n＝h：w且m*n＝k1[0051]
设h：w＝r，则根据以上条件可以得到：
[0052]
m＝|(k1r)
1/2
|
[0053]
n＝|(k1/r)
1/2
|
[0054]
具体地，当待处理图像具体等分为m行n列时，对于每个灰度级xk，其对应的灰度空间熵的计算公式具体如下：
[0055][0056]
上式中tk(m,n)表示灰度级xk在第m行第n列的子区域中出现的次数，其中：
[0057]
1≤m≤m,1≤n≤n
[0058]
在s103中，根据第一灰度范围中各个灰度级对应的各个所述灰度空间熵，确定所述第一灰度范围包含的各个灰度级对应的各个累积分布函数值。
[0059]
本技术实施例中，具体步骤s102计算出的第一灰度范围内各个灰度级对应的各个灰度空间熵，依次确定第一灰度范围内各个灰度级的各个累计分布函数值。
[0060]
可选地，可以先将各个灰度空间熵进行归一化，再根据归一化后的灰度空间熵及离散累计分布函数，得到每个灰度级对应的累计分布函数值。具体地，灰度空间熵的归一化公式如下：
[0061][0062]
其中，ek表示灰度级xk归一化前的灰度空间熵，k1表示第一灰度范围内的各个灰度
级的总个数，即上述的第一数目，表示将第一灰度范围内各个灰度级分别对应的各个灰度空间熵进行累加得到的总和，ek'表示灰度级xk归一化后的灰度空间熵。
[0063]
对应地，此时灰度级xk对应的累计分布函数值的计算公式如下：
[0064][0065]ck
为灰度级xk对应的累计分布函数值，表示从第一灰度范围中最小的灰度级x
l
到当前计算的灰度级xk之间的各个灰度级对应的归一化后的灰度空间熵的累加值。
[0066]
本技术实施例中，由于先将各个灰度级的灰度空间熵进行归一化处理，再根据归一化后的灰度空间熵计算每个累计分布函数值，使得计算出的累计分布函数值的极差较小，从而使得后续根据该累计分布函数值进行灰度级映射能够避免出现较大的峰值，进而避免图像的过度增强。
[0067]
可选地，所述步骤s103包括：
[0068]
s10301：根据所述第一灰度范围包含的各个灰度级对应的各个所述灰度空间熵，依次确定所述第一灰度范围包含的各个灰度级的相对重要指数；所述相对重要指数为所述灰度级的灰度空间熵相对于其它灰度级的灰度空间熵的比重；
[0069]
s10302：对各个所述相对重要指数进行归一化处理，得到各个归一化相对重要指数；
[0070]
s10303：根据各个所述归一化相对重要指数，计算所述第一灰度范围包含的各个灰度级对应的累积分布函数值。
[0071]
在步骤s10301中，在计算出第一灰度范围包含的各个灰度级在待处理图像中分别对应的各个灰度空间熵后，依次确定第一灰度范围包含的各个灰度级的相对重要指数。对于第一灰度范围内的任意一个灰度级xk来说，其相对重要指数为：灰度级xk的灰度空间熵相对于其它灰度级的灰度空间熵的比重，具体地，灰度级xk的相对重要指数的计算公式如下：
[0072][0073]
其中，dk表示灰度级xk的相对重要指数，ek表示灰度级xk的灰度空间熵，表示第一灰度范围的第一数目k1个灰度级中除灰度级xk以外的其它所有灰度级各自对应的灰度空间熵的累加值。
[0074]
在步骤s10302中，将计算出各个相对重要指数后，对各个相对重要指数进行归一化处理，得到第一灰度范围内的各个灰度级分别对应的归一化相对重要指数。具体地，对于任意一个灰度级xk，其相对重要指数的归一化处理的公式如下：
[0075][0076]
其中，dk'表示灰度级xk的归一化相对重要指数，dk表示灰度级xk归一化前的相对
重要指数，k1第一灰度范围内的各个灰度级的总个数，即上述的第一数目，表示将第一灰度范围内各个灰度级分别对应的各个相对重要指数进行累加得到的总和。
[0077]
在s10303中，根据各个灰度级分别对应的各个归一化相对重要指数，计算第一灰度范围内各个灰度级分别对应的累积分布函数值，其计算公式如下：
[0078][0079]
其中，ck为任意一个灰度级xk对应的累计分布函数值，表示从第一灰度范围中最小的灰度级x1到当前计算的灰度级xk之间的各个灰度级对应的归一化相对重要指数的累加值。
[0080]
本技术实施例中，由于在得到第一灰度范围内各个灰度级分别对应的灰度空间熵，能够进一步根据该灰度空间熵来确定每个灰度级分别对应的相对重要指数，该相对重要指数能够更准确地反映各个灰度级在待处理图像中的相对重要程度，使得后续根据该相对重要指数确定的累计分布函数值更加准确，从而使得后续的灰度级映射更加准确，进而提高图像灰度级变换的准确性；同时，经过相对重要指数的计算以及相对重要指数的归一化处理，使得根据归一化相对重要指数计算出的累积分布函数值的数值分布较为平滑，极差较小，从而使得后续根据该累计分布函数值进行灰度级映射得到的第二灰度范围的各个灰度级分布较为平滑，避免出现较大的峰值，进而避免图像灰度级过度拉伸而造成图像失真。
[0081]
在s104中，根据所述第一灰度范围中各个灰度级对应的各个累积分布函数值，将所述待处理图像中的所述第一灰度范围中各个灰度级映射为预设的第二灰度范围内的各个灰度级，得到第一目标图像。
[0082]
本技术实施例中，第二灰度范围为提前设定的灰度级范围，该第二灰度级范围与第一灰度级范围不同。通过将第一灰度范围内的各个灰度级映射为第二灰度范围内的灰度级，能够实现待处理图像的灰度级变换，得到灰度级变换后的第一目标图像。示例性地，若待处理图像为8位图像，则此时预设第二灰度范围中的最低值可以为y
l
＝0，最高值可以为yh＝2
8-1＝255。
[0083]
根据上述预设的第二灰度范围以及步骤s103中确定的各个灰度级分别对应的各个累积分布函数值，依次将待处理图像中第一灰度范围内的各个灰度级映射为该第二灰度范围内的各个灰度级，得到待处理图像对应的第一目标图像。具体地，灰度级映射公式如下：
[0084][0085]
其中，yk为待处理图像的任意一个灰度级xk对应的映射后的灰度级，ck为该灰度级xk对应的累积分布函数值，yh为第二灰度范围中的最大灰度级，y
l
为第二灰度范围内的最小灰度级，为向下取整运算符。
[0086]
可选地，所述第二灰度范围大于所述第一灰度范围。
[0087]
本技术实施例的图像处理方法具体用于实现图像对比度增强。本技术实施例的待处理图像通常为过亮或者过暗的照片或者视频帧图像，通过对这类待处理图像进行图像对
比度增强，能够使得图像的对比度均匀，改善图像的视觉效果。
[0088]
具体地，本技术实施例中，第二灰度范围为提前设定的灰度级范围，该第二灰度范围大于第一灰度范围，第二灰度范围包含的各个灰度级的总个数(即第二数目)大于上述的第一灰度范围包含的各个灰度级的总个数(即第一数目)，通过将第一灰度范围内的各个灰度级映射为第二灰度范围内的灰度级，能够使得待处理图像的灰度级拉伸到一个更宽的范围，从而实现图像对比度增强，得到对比度增强后的第一目标图像。
[0089]
本技术实施例中，由于第二灰度范围大于第一灰度范围，因此通过上述处理后能够基于该灰度空间熵提高灰度级映射的准确性，准确得到图像对比度增强后的第一目标图像，避免由于灰度级映射不准确带来的图像过度增强，从而准确有效地实现图像对比度增强。
[0090]
可选地，在所述步骤s104之后，还包括：
[0091]
s105：将所述第一目标图像进行频域变换，得到所述第一目标图像对应的第一频域数据；
[0092]
s106：通过预设的频率增强公式对所述第一频域数据进行处理，得到第二频域数据；其中所述第一频域数据中频率越高的分量频率增强的幅度越大；
[0093]
s107：将所述第二频域数据进行频域反变换，得到第二目标图像。
[0094]
通过上述步骤s101至步骤s104对待处理图像的各个灰度级进行映射变换后，得到的第一目标图像具体为通过图像空间域的全局灰度级变换后得到的图像，该第一目标图像相对于待处理图像来说，让图像变换到感兴趣的灰度级进行显示，改善了图像质量。本技术实施例中，在得到该第一目标图像后，再通过步骤s105至步骤s107的处理，进一步地在图像变换域实现图像局部(具体为图像的细节区域)的改善。
[0095]
在步骤105中，将第一目标图像进行频域变换，得到第一目标图像对应的第一频域数据。其中，频域变换可以为傅里叶变换、小波变换或者离散余弦变换。示例性地，本技术实施例的频域变换具体为二维离散余弦变换，其变换公式如下：
[0096][0097]
其中，u、v为频率域上的索引，u、v的值越大，对应的频率分量越高；i
dct
(u,v)为由u、v确定的频率分量的频率幅度；h、w分别为第一目标图像的长度和宽度；i、j为第一目标图像中的像素位置的索引，x(i,j)为第一目标图像中第i行第j列的像素位置对应的灰度级，cu和cv的定义如下：
[0098][0099]
在步骤s106中，通过预设的频率增强公式，将上述得到的第一频域数据进行频域增强处理，得到第二频域数据，该第二频域数据即为频率增强后的第一频域数据。具体地，第一频率数据中频率越高的分量，频率增强的幅度越大。
[0100]
通过预设的频率增强公式对所述第一频域数据进行处理，得到第二频域数据；其中所述第一频域数据中频率越高的分量频率增强的幅度越大，例如，上述的u，v值越大，其对应增强的幅度越大。示例性地，当频域变换具体为上述的二维离散余弦变换时，该预设的
频率增强公式如下：
[0101][0102]
其中，为第二频域数据，为第一频域数据，α为变换系数，该变换系数大于或者等于1，具体可以为一个提前设定的值。
[0103]
可选地，所述预设的频域增强公式包括变换系数，所述变换系数根据所述待处理图像的第一灰度范围包含的各个灰度级对应的各个所述灰度空间熵的总和确定。
[0104]
本技术实施例中，上述的变换系数α具体根据待处理图像的第一灰度范围包含的各个灰度级对应的各个灰度空间熵的总和确定。具体地，待处理图像的灰度空间熵的总和越大，则相应地变换系数越大，从而使得在待处理图像包含的灰度级的实际有效信息量越大时，能够更大幅度地增强第一频率数据的各个频率分量的频率幅度，从而提升图像在频率域中的变换效果。具体地，变换系数的确定公式可以为：
[0105][0106]
其中，α为变换系数，k1为第一数目，ek为第一灰度范围内任意一个灰度级xk对应的灰度空间熵，λ为根据实验确定的值，优选地，λ＝0.5。
[0107]
进一步地，若第一灰度范围内的各个灰度级对应的各个灰度空间熵经过步骤s10301确定了各自对应的相对重要指数，则该变换系数的确定公式可以为：
[0108][0109]
其中，dk为第一灰度范围内任意一个灰度级xk根据其灰度空间熵确定的相对重要指数，α为变换系数，k1为第一数目，λ为根据实验确定的值，优选地，λ＝0.5。
[0110]
本技术实施例中，由于变换系数具体根据第一灰度范围内各个灰度级对应的灰度空间熵之和确定，因此能够通过该变换系数的自适应确定来优化图像在频率域的增强效果。
[0111]
在步骤s107中，将进行频域增强后得到的第二频域数据进行反频域变换，例如进行反傅里叶变换、逆小波变换，二维离散余弦反变换，得到第二目标图像，该第二目标图像即为基于经过全局灰度级变换后的第一目标图像进行局部细节增强得到的图像，即该第二目标图像为待处理图像经过全局灰度级处理和局部细节改善得到的优化图像。可选地，若步骤s105中的频域变换具体为二维离散余弦变换，则对应地，步骤s107中的反频域变换为二维离散余弦反变换，其变换公式如下：
[0112][0113]
其中，i
idct
(i,j)表示经过二维离散余弦反变换得到的第二目标图像中第i行第j列对应的灰度级的值，为第二频域数据，u、v、cu、cv的含义与步骤s105中的含义相同，具体请参数步骤s105中对相关参数的定义。
[0114]
本技术实施例中，由于在得到灰度级变换后的第一目标图像后，还进一步得将第
一目标图像进行频率域增强处理，增强局部显示效果，使得最终得到的第二目标图像为待处理图像经过全局灰度级变换、局部细节增强后的图像，从而进一步优化了图像处理后的显示效果。
[0115]
可选地，若本技术实施例的待处理图像具体为灰度图像，则本技术实施例中所述的灰度级即为灰度图像中的灰度值，将该待处理图像经过上述步骤s101至步骤s104或者上述的步骤s101至步骤s107即可以得到待处理图像对应的灰度级变换后的灰度图像。
[0116]
可选地，若本技术实施例的待处理图像为彩色图像，则对应地，所述第一灰度范围为所述待处理图像指定的目标颜色分量的灰度级范围，所述灰度级为所述目标颜色分量对应的灰度级。
[0117]
本技术实施例中，彩色图像指的是由多个基本的颜色分量(例如三个颜色分量)来进行信息表达的图像，即彩色图像中的每个像素点都包含该多个基本的颜色分量的信息，通过这多个基本的颜色的分类的信息叠加来得到各式各样的颜色。可选地，该彩色图像可以为由红色(red)分量、绿色(green)分量、蓝色(blue)分量组成的rgb图像，还可以为由色调(hue)分量、饱和度(saturation)分量、明度(value)分量组成的hsv图像。
[0118]
具体地，本技术实施例的图像处理方法具体用于实现彩色图像的亮度信息增强。可选地，当该彩色图像具体为hsv图像时，可以将该hsv图像中的明度分量v作为目标颜色分量，将该hsv图像中明度分量对应的值的范围作为第一灰度范围，将各个明度分量的值作为上述的灰度级，经过上述步骤s101至步骤s104或者上述的步骤s101至步骤s107的处理，将原来明度分量v在第一灰度范围内的值映射到第二灰度范围内的值，得到对比度增强后的明量分量v。之后，将该对比度增强后的明度分量v与图像数据中原来的色调分量h及饱和度分量s进行合并处理得到图像对比度增强后的hsv图像。可选地，当该彩色图像具体为rgb图像时，可以先将该rgb图像转化为hsv图像，之后按照上述的处理方法对该转化到的hsv图像进行图像增强，得到图像增强后的hsv图像，之后可以将该增强后的hsv图像转化为rgb图像，即得到增强后的rgb图像。可选地，当该彩色图像具体为rgb图像时，也可以直接将颜rgb图像的三个颜色通道分别依次作为目标颜色分量，分别经过上述步骤s101至步骤s104或者上述的步骤s101至步骤s107的处理，得到增强后的红色分量、增强后的绿色分量及增强后的蓝色分量，并进行合并处理，得到图像对比度增强后的彩色图像。
[0119]
本技术实施例中，在待处理图像具体为彩色图像时，也能够通过指定彩色图像中的指定的颜色分量作为目标颜色分量，并以该指定的目标颜色分量的灰度级范围作为第一灰度范围，以该目标颜色分量对应的灰度级作为上述步骤中提及的灰度级，通过上述步骤s101至步骤s104或者上述的步骤s101至步骤s107的处理对应的目标颜色分量，从而方便准确地实现彩色图像的灰度级变换。
[0120]
本技术实施例中，将待处理图像划分为多个子区域，对待处理图像的第一灰度范围内包含的各个灰度级，分别通过统计该灰度级在各个子区域中的信息熵来确定该灰度级对应的灰度空间熵，并基于该灰度空间熵计算第一灰度范围内包含的各个灰度级对应的累积分布函数值，从而使得第一灰度范围包含的各个灰度级准确地映射为预设的第二灰度范围内的各个灰度级。由于上述的灰度空间熵具体是根据灰度级在各个所述子区域中的信息熵确定的值，因此该灰度空间熵能够结合第一灰度范围内包含的各个灰度级的空间分布特征(即在各个子区域的分布聚集情况)准确地描述各个灰度级在待处理图像中所占的有效
信息量，从而能够基于该灰度空间熵提高灰度级映射的准确性，避免由于灰度级映射不准确而造成图像失真。
[0121]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0122]
实施例二：
[0123]
图2示出了本技术实施例提供的一种图像处理装置的结构示意图，为了便于说明，仅示出了与本技术实施例相关的部分：
[0124]
该图像处理装置包括：子区域划分单元21、灰度空间熵确定单元22、累积分布函数值确定单元23及映射单元24。其中：
[0125]
子区域划分单元21，用于将待处理图像划分为预设数目的子区域，所述待处理图像的灰度级范围为第一灰度范围。
[0126]
灰度空间熵确定单元22，用于依次确定所述第一灰度范围中各个灰度级在所述待处理图像中的灰度空间熵，所述灰度空间熵为根据所述灰度级在各个所述子区域中的信息熵确定的值。
[0127]
累积分布函数值确定单元23，用于根据第一灰度范围中各个灰度级对应的各个所述灰度空间熵，确定所述第一灰度范围中各个灰度级对应的各个累积分布函数值。
[0128]
映射单元24，用于根据所述第一灰度范围中各个灰度级对应的各个累积分布函数值，将所述待处理图像中的所述第一灰度范围中各个灰度级映射为预设的第二灰度范围内的各个灰度级，得到第一目标图像。
[0129]
可选地，所述第二灰度范围大于所述第一灰度范围。
[0130]
可选地，所述第一灰度范围包括第一数目的灰度级，所述预设数目根据所述第一数目确定。
[0131]
可选地，所述子区域划分单元21，具体用于将所述待处理图像等分为m行n列，得到m*n个子区域，其中m、n均为大于1的正整数。
[0132]
进一步地，m与n的比值等于所述待处理图像的长宽比。
[0133]
可选地，所述累积分布函数值确定单元23包括相对重要指数确定模块、相对重要指数归一化模块及累积分布函数值计算模块：
[0134]
相对重要指数确定模块，用于根据所述第一灰度范围包含的各个灰度级对应的各个所述灰度空间熵，依次确定所述第一灰度范围包含的各个灰度级的相对重要指数；所述相对重要指数为所述灰度级的灰度空间熵相对于其它灰度级的灰度空间熵的比重；
[0135]
相对重要指数归一化模块，用于对各个所述相对重要指数进行归一化处理，得到各个归一化相对重要指数；
[0136]
累积分布函数值计算模块，用于根据各个所述归一化相对重要指数，计算所述第一灰度范围包含的各个灰度级对应的累积分布函数值。
[0137]
可选地，所述图像处理装置还包括：
[0138]
频域变换单元，用于将所述第一目标图像进行频域变换，得到所述第一目标图像对应的第一频域数据；
[0139]
频率增强单元，用于通过预设的频率增强公式对所述第一频域数据进行处理，得
到第二频域数据；其中所述第一频域数据中频率越高的分量频率增强的幅度越大；
[0140]
频域反变换单元，用于将所述第二频域数据进行频域反变换，得到第二目标图像。
[0141]
可选地，所述预设的频域增强公式包括变换系数，所述变换系数根据所述待处理图像的第一灰度范围包含的各个灰度级对应的各个所述灰度空间熵的总和确定。
[0142]
可选地，若所述待处理图像为彩色图像，则对应地，所述第一灰度范围为所述待处理图像指定的目标颜色分量的灰度级范围，所述灰度级为所述目标颜色分量对应的灰度级。
[0143]
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本技术方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0144]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0145]
实施例三：
[0146]
图3是本技术一实施例提供的终端设备的示意图。如图3所示，该实施例的终端设备3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32，例如图像处理程序。所述处理器30执行所述计算机程序32时实现上述各个图像处理方法实施例中的步骤，例如图1所示的步骤s101至s104。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能，例如图2所示单元21至24的功能。
[0147]
示例性的，所述计算机程序32可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器30执行，以完成本技术。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述终端设备3中的执行过程。例如，所述计算机程序32可以被分割成子区域划分单元、灰度空间熵确定单元、累积分布函数值确定单元和映射单元，各单元具体功能如下：
[0148]
子区域划分单元，用于将待处理图像划分为预设数目的子区域，所述待处理图像的灰度级范围为第一灰度范围；
[0149]
灰度空间熵确定单元，用于依次确定所述第一灰度范围中各个灰度级在所述待处理图像中的灰度空间熵，所述灰度空间熵为根据所述灰度级在各个所述子区域中的信息熵确定的值；
[0150]
累积分布函数值确定单元，用于根据第一灰度范围中各个灰度级对应的各个所述灰度空间熵，确定所述第一灰度范围中各个灰度级对应的各个累积分布函数值；
[0151]
映射单元，用于根据所述第一灰度范围中各个灰度级对应的各个累积分布函数
值，将所述待处理图像中的所述第一灰度范围中各个灰度级映射为预设的第二灰度范围内的各个灰度级，得到第一目标图像。
[0152]
所述终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是终端设备3的示例，并不构成对终端设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
[0153]
所称处理器30可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0154]
所述存储器31可以是所述终端设备3的内部存储单元，例如终端设备3的硬盘或内存。所述存储器31也可以是所述终端设备3的外部存储设备，例如所述终端设备3上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器31还可以既包括所述终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
[0155]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0156]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0157]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0158]
在本技术所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置
或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0159]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0160]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0161]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0162]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。