一种基于直方图变换的均匀曝光图像对比度增强方法

1.本发明属于图像增强领域，具体涉及一种基于直方图变换的均匀曝光图像对比度增强方法。


背景技术：

2.在图像采集的过程中，由于图像采集设备某些因素(如不适当的参数调整和设备固有的限制属性)或对象本身的条件(即对光源不同的吸收和反射属性)，使得信号在采集过程和传输过程存在复杂噪声模型，导致一些均匀曝光图像具有对比度低的特征，这通常给这类均匀曝光图像的后续应用带来极大的阻碍。与均匀曝光图像相对的是非均匀曝光图像，此类图像因为过度曝光或者欠曝光表现出极亮或极暗的视觉感知。
3.常见的低对比度均匀曝光图像有计算机层析图像，核磁共振图像，以及微弱光源下采集的自然图像等等。低对比度均匀曝光图像的细节、纹理和边缘等感兴趣区域的难以分辨，给图像使用者造成了极大的困扰，因此有必要发明一种针对低对比度均匀曝光图像的图像增强算法。改进数字图像的图像特征，清晰地揭示感知信息是提高图像对比度的主要目标。在各种图像处理应用中，图像增强作为预处理阶段，如微光图像增强、动态范围调整、自动对比度增强、遥感图像增强。此外，图像对比度增强在机器学习中起着至关重要的作用。
4.利用直方图进行对比度变换的方法称为直方图变换，通常是指对目标直方图的分布进行处理，是一种有效增强图像对比度的方法。常见的直方图变换方法有直方图均衡化、正态分布化、一般变换和参数变换等，其中直方图均衡化是一种非常著名的方法，但其在某些情况下对医学图像处理的过度增强结果常常不能被临床医生所接受。近年来有一类基于平台极限修正直方图的图像对比度增强算法，该类算法利用直方图平台极限剪切直方图，剩余像素被重新分配到柱状图的相对空缺中，利用修正的直方图计算传递函数从而增强图像的对比度。此类算法提升均匀曝光图像对比度的结果有效，但在少数情形下，会破坏图像特征的自然显示。
5.均匀曝光图像细节信息丰富，目前的对比度增强算法常常导致图像的过度增强，从而破坏图像的自然显示和独特外观，导致使用者感兴趣区域细节信息的丢失。因此，对比度增强算法的提出和应用应当遵循增强的图像保持自然的外观，吸引人的对比度，较少的退化，合理的细节保存等原则。因此，在保护图像细节、纹理和边缘等信息自然显示的前提下，如何增强图像对比度仍然存在问题。因此，亟需提出一种既能够保持图像整体细节，纹理信息完整，且提高对比度视觉效果的图像对比度增强算法。


技术实现要素：

6.本发明要解决的技术问题是：解决现有算法过度增强图像的问题，合理提高均匀曝光图像对比度，保持图像的自然外观显示、纹理细节和边缘特征等信息的完整，降低图像处理算法对图像自有特征显示的影响，为图像进一步的使用奠定一个良好的基础。
7.本发明采用的技术方案是：一种基于直方图变换的均匀曝光图像对比度增强方法，包括如下步骤：
8.步骤1)、首先计算图像的灰度直方图；
9.步骤2)、根据新的两级边界阈值公式计算图像的灰度级强度值边界阈值，即暗部阈值和亮部阈值；
10.步骤3)、得到两个灰度阈值后，利用阈值剪切步骤1)中的直方图，得到三个子直方图；
11.步骤4)、分别计算两个边界子直方图的概率密度函数和累积分布函数；
12.步骤5)、分别利用累积分布函数计算两个边界子直方图映射到中间的子直方图的传递函数；
13.步骤6)、根据两个传递函数将两个边界子直方图的像素重新分配到中间的子直方图区域，得到过程中图像以及对应的修正子直方图；
14.步骤7)、将修正的子直方图扩展到全局，也就是将过程中图像的直方图两极化伽玛拉伸，即可得到最终的增强结果。
15.进一步地，该方法基于直方图变换对原始的直方图分布进行修正，重新分配两极边界像素，根据修正的直方图对图像进行两极化自适应伽玛变换拉伸从而得到对比度增强的图像。
16.本发明的原理在于：一种基于直方图变换的均匀曝光图像对比度增强方法，该方法结合直方图概率密度函数、一种新的直方图两极边界阈值法和伽玛变换，使用该两极阈值法对直方图进行计算得到两个边界阈值，然后利用边界阈值对直方图进行裁剪，通过概率密度函数和累积分布函数计算传递函数，将裁剪的直方图重新分配到未被裁剪的直方图区域得到修正的直方图，最后对修正的子直方图实施自适应伽玛变换进行直方图拉伸，即可得到最终的对比度增强图像。
17.本发明与现有技术相比有如下优点：
18.本发明提出了一种基于直方图变换的均匀曝光图像对比度增强方法，该算法采用一种新的两极边界阈值法和自适应伽玛变换，能够最大程度地保留图像的主要细节、边缘等特征。与传统技术直方图均衡化相比，本发明不会破坏图像自然的外观，能够保存合理的细节和清晰的特征，同时解决了直方图均衡化过度增强的问题，看起来明显更自然，更符合人眼视觉感知。与近两年提出的基于平台极限修正直方图的对比度增强算法相比，本发明的增强图像结果具有更加引人瞩目的对比度，在保护均匀曝光图像整体视觉效果方面更有优势。
附图说明
19.图1为本发明算法技术方案流程图。
20.图2为实施例中划分和裁剪直方图的示意图。
21.图3为实施例中直方图修正前后的对比示意图，其中，图3(a)为hr(l)，图3(b)为hm(l)。
22.图4为实施例中算法参数λ＝0.07的实际实施结果，其中图4(a)原始图像为公开数据集lidc中的肺ct图像以及对应的直方图分布，图4(b)本发明结果图像以及对应的直方图
分布和图4(c)对比算法处理图像以及对应的直方图分布。
23.图5为实施例中算法参数λ＝0.07的实际实施结果，其中图5(a)原始图像为matlab数据库中的照相男人以及对应的直方图分布，图5(b)本发明结果图像以及对应的直方图分布，图5(c)为对比算法处理图像以及对应的直方图分布。
24.图6为实施例中算法参数λ＝0.07的实际实施结果，其中图6(a)原始图像为公开数据集lidc中的肺ct图像以及对应的直方图分布，图6(b)本发明结果图像以及对应的直方图分布和图6(c)对比算法处理图像以及对应的直方图分布。
25.图7为本发明与现有算法的图像处理算法客观评价指标对比。
具体实施方式
26.为使本发明的目的和技术方案更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
27.参照图1，本发明公开了一种基于直方图变换的均匀曝光图像对比度增强方法，包括以下步骤：
28.1)输入一幅数字图像。
29.2)根据公式计算图像的灰度直方图：h(l)＝n(l)，n(l)表示图像灰度级l的像素个数，h(l)为图像的灰度直方图统计。
30.3)根据两极边界阈值公式：
[0031][0032][0033][0034]
分别计算图像的强度值(灰度级)边界阈值。threshold表示边界总像素数，在本发明中即为下一步将被重新分配的像素，该取值应当保留直方图主要暗部直方图分布和主要亮部直方图分布，从而能够最大程度地保留图像的细节信息、边缘和整体视觉感知。lmin表示暗部边界阈值，lmax表示亮部边界阈值，通过分别计算边界累积像素个数，得到满足threshold的灰度值，再对lmin和lmax做取整运算。λ的取值范围为[0,0.5]，保证lmin小于lmax。
[0035]
4)利用两极边界阈值lmin、lmax剪切直方图h(l)，如图2所示，对图2(a)直方图进行裁剪划分得到三个子直方图，其中图2(c)为hr(l)、图2(b)为hmin(l)和图2(d)为hmax(l)。
[0036]
5)分别计算子直方图hmin(l)和hmax(l)的累积分布函数：cdfmin、cdfmax；累积分布函数一般由直方图概率密度函数求得其中，p(l)＝h(l)/sum(h(l))，为灰度级l的概率。
[0037]
6)计算两个边界子直方图hmin(l)、hmax(l)映射到子直方图hr(l)的传递函数：tfmin＝(lmin 1) lmin*cdfmin,tfmax＝(lmax 1)-(l-lmax-1)*cdfmax。tfmin为像素从hmin(l)映射到hr(l)的传递函数，tfmax为像素从hmax(l)映射到hr(l)的传递函数。常见的直方图均衡化等方法粗暴地将某些灰度值的像素映射到边界，因此导致图像处理结果的过
度增强或者自然外观显示的退化。此步骤6)为两个传递函数实现边界像素的重新分配，其创新性在于最大程度地保留了直方图暗部和亮部的分布特征，并且使得所有像素参与了最终的直方图两极拉伸。
[0038]
7)根据两个传递函数将两个边界子直方图的像素重新分配到未被裁剪的直方图区域，得到修正的子直方图hm(l)，如图3所示，图3(a)为hr(l)，图3(b)为hm(l)。两处虚线部分的边界直方图重分配后值为0，而实线代表的hm(l)的均值会有相应的增大。此步骤7)将按原有直方图的主要分布特征重新分布了所有的像素，可以根据最大熵原则极大地保留图像的外观视觉感知效果。
[0039]
8)将修正的子直方图进行自适应伽玛拉伸：y＝(x eps)
γ
，即可得到最终的增强结果。y表示像素输出强度值，x表示像素输入强度值，eps表示自然对数的底数，是数学常数，近似等于2.718281828，γ为函数的幂。
[0040]
9)如图4，图5，图6所示，结果为λ＝0.07的实施例。从图示结果可以发现，本发明在大幅度提高了图像对比度的同时，图像的信息保存度较为完整。图7所示为本发明与现有对比算法的客观评价指标对比，信息熵评估处理后图像保留信息的能力，数值越大表示图像越丰富；对比度越大，图像处理后所占有的灰度级越多，图像信息越丰富，可以看到图5中本发明处理后的图像上照相人的大衣口袋和纹路；ambe评估所提方法保持图像平均亮度的能力，小的ambe表示增强后图像的平均亮度接近或等于输入图像的平均亮度，反之亦然。psnr用来比较图像中存在的噪声水平，高psnr表示现有的噪声没有被图像处理技术放大。综上所述，本发明的两极化自适应伽玛拉伸相比于其他对比度拉伸方法，处理了更多的像素，保留了暗部和亮部直方图的特分布征，因此图像信息熵更为接近原图像，且对比度提升更为明显，细节信息显示更自然，视觉感知效果更佳。
[0041]
以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内。