一种图像对比度增强方法、系统、设备及存储介质

1.本发明涉及计算机图像处理技术领域，特别是涉及一种图像对比度增强方法、系统、设备及存储介质。


背景技术：

2.图像对比度，指的是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量，即指一幅图像灰度反差的大小；而图像增强算法能够提高图像整体和局部的对比度，突出图像的细节信息，通过对比度增强处理之后的图像能够更符合人眼的视觉特性，且更易于机器识别，图像增强算法在军事和民用领域具有广泛的应用。
3.在实际应用中，图像对比度增强算法中的基于灰度映射函数重映射算法相对具有更好的适应性，然而，基于灰度映射函数重映射算法核心是重映射函数的构建，常规的映射函数构建方法如指数函数、对数函数、累积灰度分布函数等，往往存在表征能力弱、参数设置复杂等缺点；而累积灰度分布函数方法虽然具有极强的适应性，但是其灰度重映射过程通常没有有效的理论支撑，灰度分布函数构建的重映射函数容易导致灰度级中占比量少的像素表达的细节特征被忽略；为解决这个问题，大量的改型算法出现了，如双直方图均衡、最大亮度双直方图均衡、对数直方图均衡、局部受限直方图均衡等，它们都尝试削减和设定机制重分配概率分布以减少部分对比度拉伸过度或者细节信息丢失的问题，但这些算法在根本上仍然脱离不开基于灰度概率分布构建重映射函数这一基本思想，因此仍然无法消除灰度概率分布并不能解释图像增强要达到的逻辑效果这一基本问题。
4.综上，现有技术中的图像对比度增强方法存在表征能力弱、灰度级占比量少的像素的特征易被忽略等问题。


技术实现要素：

5.鉴于以上现有技术的缺点，本发明的目的在于提供一种图像对比度增强方法、系统、设备及存储介质，以改善现有技术中的图像对比度增强算法存在表征能力弱、灰度级占比量少的像素的特征易被忽略等问题。
6.为实现上述目的及其他相关目的，本发明提供一种图像对比度增强方法，包括：
7.使用空间调节因子和灰度特征权重调节因子对待处理图像进行迭代聚类，处理得到多个区块；
8.针对每个区块：
9.根据预先设定的目标灰度范围，处理得到所有像元的有效灰度跨度值和最优灰度跨度值；
10.根据所述有效灰度跨度值，构建灰度对比度增量重分配函数；
11.基于所述灰度对比度增量重分配函数，结合所述最优灰度跨度值，对所有像元进行重映射；
12.利用双线性插值方法，对每个区块中重映射后的像元的灰度响应值进行平滑处
理，得到各个区块的融合灰度响应值。
13.在本发明一实施例中，所述使用空间调节因子和灰度特征权重调节因子对待处理图像进行迭代聚类，处理得到多个区块的步骤包括：
14.采用一预设尺寸的网格对所述待处理图像进行划分；
15.针对所述待处理图像的每个网格：
16.根据每个像元的领域坐标偏移值，采用如下公式计算得到所述网格内每个像元的灰度响应值，并将灰度响应值最小的像元作为聚类中心：
17.γi＝min|γ(x,y)-γ(x δx，y δy)|
18.其中：γi为第i个像元的灰度响应值；(x,y)为当前像元的坐标，δx为当前像元在x坐标上的邻域坐标偏移值；δy为当前像元在y坐标上的邻域坐标偏移值；
19.根据所述聚类中心为圆心，以所述预设尺寸的长度的两倍为半径作圆，得到一范围圆；
20.采用如下公式计算得到所述范围圆内每个像元与所述聚类中心的距离：
21.z＝ηczc η
szs
22.其中，z为所述距离；zc为当前像元与所述聚类中心的图像灰度距离度量，zs为当前像元与所述聚类中心的空间距离度量；ηs为所述空间调节因子；ηc为所述灰度特征权重调节因子；
23.将所述距离小于一预设的聚类阈值的所有像元作为目标像元；
24.根据所述目标像元进行迭代聚类，得到最终的所述区块。
25.在本发明一实施例中，所述根据所述目标像元进行迭代聚类，得到最终的所述区块的步骤包括：
26.根据当前范围圆内的所有所述目标像元，处理得到一几何形心和期望值，所述期望值作为所述几何形心的灰度响应值；
27.以所述几何形心为圆心，以所述预设尺寸的长度的两倍为半径作圆，得到下一个范围圆；
28.采用如下公式计算得到下一个范围圆与当前范围圆的聚类中心的灰度响应值的误差，并判断所述误差是否满足一预设的迭代误差；
29.ε＝|γr′‑
γr|
30.ε为所述误差；γr′
为下一个范围圆的聚类中心的灰度响应值；γr为当前范围圆的聚类中心的灰度响应值；
31.若是，则将所有所述范围圆内的目标像元进行聚类处理，得到所述区块；
32.若否，则继续得到后续的范围圆。
33.在本发明一实施例中，所述根据预先设定的目标灰度范围，处理得到所有像元的有效灰度跨度值和最优灰度跨度值的步骤包括：
34.采用如下公式计算得到所述区块内的期望灰度和所述有效灰度跨度值；
[0035][0036]
其中：μk为所述期望灰度；sk为所述有效灰度跨度值；γk为所述区块中第k个像元的灰度响应值；n为所述区块内的像元的总数；
[0037]
根据所述目标灰度范围，采用如下公式计算得到所述最优灰度跨度值：
[0038][0039]
其中：span为所述待处理图像的灰度跨度值；γq为所述待处理图像中第q个像元的灰度响应值；zk为所述最优灰度跨度值；g
max
为所述目标灰度范围的最大值；g
min
为所述目标灰度范围的最小值。
[0040]
在本发明一实施例中，所述根据所述有效灰度跨度值，构建灰度对比度增量重分配函数的步骤包括：
[0041]
根据一预设的筛选条件得到最小方差值；
[0042]
根据所述最小方差值和所述有效灰度跨度值，采用如下公式构建所述灰度对比度增量重分配函数：
[0043][0044]
其中：g为所述灰度对比度增量重分配函数，γk为所述区块内第k个像元的灰度响应值；κ为归一化系数；σk为所述最小方差值；μk为所述期望灰度。
[0045]
在本发明一实施例中，所述基于所述灰度对比度增量重分配函数，结合所述最优灰度跨度值，对所有像元进行重映射的步骤包括：
[0046]
根据所述灰度对比度增量重分配函数和所述最优灰度跨度值，处理得到重映射函数；
[0047]
根据所述重映射函数，对所述区块内所有像元的灰度响应值进行重映射。
[0048]
在本发明一实施例中，所述利用双线性插值方法，对每个区块中重映射后的像元的灰度响应值进行平滑处理，得到各个区块的融合灰度响应值的步骤包括：
[0049]
选择任一所述区块作为目标区块，并处理得到所述目标区块以及相邻区块的几何形心；
[0050]
处理得到每个所述相邻区块与所述目标区块的几何形心的形心距离；
[0051]
根据所述形心距离，处理得到每个所述相邻区块的线性差值系数；
[0052]
采用如下公式处理得到所述目标区块的几何形心的融合灰度响应值：
[0053][0054]
其中：h
tar
为所述融合灰度响应值；x为所述相邻区块的线性差值系数；t为所述相邻区块的数量；γ为灰度响应值；l为所述重映射函数。
[0055]
本发明还公开了一种图像对比度增强系统，采用上述图像对比度增强犯法，则所述图像对比度增强系统包括：
[0056]
区块划分模块，用于使用空间调节因子和灰度特征权重调节因子对待处理图像进行迭代聚类，处理得到多个区块；
[0057]
灰度跨度计算模块，用于针对每个区块，根据预先设定的目标灰度范围，处理得到所有像元的有效灰度跨度值和最优灰度跨度值；
[0058]
函数构建模块，用于根据每个区块内的所述有效灰度跨度值，构建灰度对比度增量重分配函数；
[0059]
重映射模块，用于基于所述灰度对比度增量重分配函数，结合所述最优灰度跨度值，对所有像元进行重映射；
[0060]
融合灰度响应值处理模块，用于利用双线性插值方法，对每个区块中重映射后的像元的灰度响应值进行平滑处理，得到各个区块的融合灰度响应值。
[0061]
本发明还公开了一种图像对比度增强设备，其中，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现上述图像对比度增强方法。
[0062]
综上所述，本发明提供的一种图像对比度增强方法、系统、设备及存储介质，具有以下有益效果：
[0063]
本发明提供的一种图像对比度增强方法、系统、设备及存储介质，基于待处理图像的灰度分布类型，先归类，再增强，最后融合，处理过程中的参数设置较简单，表征能力好；灰度重映射过程具有有效的理论支撑；具有较好的适应性，采用本技术方案中的图像对比度增强方法最终得到的对比度增强图像较清晰，灰度级中占比量较少的像元不会被忽略。
附图说明
[0064]
为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的一些实施例，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。
[0065]
图1显示为本发明的图像对比度增强方法的系统流程图；
[0066]
图2显示为本发明的图像对比度增强系统的原理结构示意图；
[0067]
图3显示为本发明的图像对比度增强设备的原理结构示意图。
[0068]
元件标号说明
[0069]
100、图像对比度增强系统；
[0070]
110、区块划分模块；
[0071]
120、灰度跨度计算模块；
[0072]
130、函数构建模块；
[0073]
140、重映射模块；
[0074]
150、融合灰度响应值处理模块；
[0075]
200、图像对比度增强设备；
[0076]
210、处理器；
[0077]
220、存储器。
具体实施方式
[0078]
以下通过特定的具体实例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露的内容轻易地了解本发明的其它优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离
本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。还应当理解，本发明实施例中使用的术语是为了描述特定的具体实施方案，而不是为了限制本发明的保护范围。下列实施例中未注明具体条件的试验方法，通常按照常规条件，或者按照各制造商所建议的条件。
[0079]
请参阅图1至图3。须知，本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容所能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
[0080]
当实施例给出数值范围时，应理解，除非本发明另有说明，每个数值范围的两个端点以及两个端点之间任何一个数值均可选用。除非另外定义，本发明中使用的所有技术和科学术语与本技术领域的技术人员对现有技术的掌握及本发明的记载，还可以使用与本发明实施例中所述的方法、设备、材料相似或等同的现有技术的任何方法、设备和材料来实现本发明。
[0081]
图像对比度指的是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量，即指一幅图像灰度反差的大小；差异范围越大代表对比越大，差异范围越小代表对比越小；图像对比度增强算法即用于提高图像中整体和局部的对比度，以突出图像的细节信息，使得对比度增强后的图像更加清晰，更易于识别。
[0082]
请参阅图1，本实施例中提供了一种图像对比度增强方法，包括：
[0083]
步骤s100、使用空间调节因子和灰度特征权重调节因子对待处理图像进行迭代聚类，处理得到多个区块；
[0084]
具体的：
[0085]
采用一预设尺寸的网格对待处理图像进行划分；
[0086]
整个待处理图像上划分出s
×
s个网格，例如，待处理图像为479
×
479像素的单通道图像，则s可以为35。
[0087]
进一步的，针对待处理图像的每个网格进行步骤s120-步骤s160：
[0088]
根据每个像元的领域坐标偏移值，采用如下公式计算得到网格内每个像元的灰度响应值，并将灰度响应值最小的像元作为聚类中心：
[0089]
γi＝min|γ(x,y)-γ(x δx，y δy)|
[0090]
其中：γi为第i个像元的灰度响应值；(x,y)为当前像元的坐标，δx为当前像元在x坐标上的邻域坐标偏移值；δy为当前像元在y坐标上的邻域坐标偏移值；
[0091]
优选的，此处可以采用8
×
8像素中心差分邻域像素，提取像元i的灰度响应值；为了保证聚类中心能够更好地代表网格的基本像元特征，可以计算网格内所有像元相对领域像元的灰度响应值，灰度响应值最小的像元i即作为聚类中心，因为聚类中心弱更能代表网格内的像元特征，其作为边界的可能性就越低。
[0092]
根据聚类中心为圆心，以预设尺寸的长度的两倍为半径作圆，得到一范围圆；
[0093]
为了保证各个网格之间聚类后分割更平滑，则以(x,y)为坐标的像元为圆心，以2s
为搜索范围进行同种聚类。
[0094]
采用如下公式计算得到范围圆内每个像元与聚类中心的距离：
[0095]
z＝ηczc η
szs
[0096]
其中，z为距离；zc为当前像元与聚类中心的图像灰度距离度量，zs为当前像元与聚类中心的空间距离度量；ηs为空间调节因子；ηc为灰度特征权重调节因子；
[0097]
具体的：
[0098]
图像灰度距离度量zc可以使用欧式距离表征，则采用公式如下：
[0099]
zc＝|γ(x,y)-γr|
[0100]
其中：γ(x,y)为坐标位置为(x,y)的灰度响应值；γr为当前范围圆的聚类中心的灰度响应值。
[0101]
空间距离度量zs可以采用各个像元的实际坐标和当前范围圆的聚类中心点的欧氏距离表征，则采用公式如下：
[0102][0103]
其中，(x,y)为像元的坐标，(x0，y0)为当前范围圆的聚类中心的坐标。
[0104]
为了调节灰度特征相似性和像元空间相似度在整个相似性度量中的重要性，此处引入两个归一化权重：ηs为空间调节因子，为消除其与具体图像尺寸之间的关系，可以令ηc为灰度特征权重调节因子，根据实际经验值设定常数即可，此处可以设定为w为当前范围圆内灰度最大的像元和灰度最小的像元之间的跨度。
[0105]
将距离小于一预设的聚类阈值的所有像元作为目标像元；
[0106]
当距离小于聚类阈值时，则该距离对应的像元作为目标像元，即认为是与聚类中心一同组成区块的像元。
[0107]
根据所述目标像元进行迭代聚类，得到最终的区块。
[0108]
根据当前范围圆内的所有目标像元，处理得到一几何形心和期望值，期望值作为几何形心的灰度响应值；
[0109]
以几何形心为圆心，以预设尺寸的长度的两倍为半径作圆，得到下一个范围圆；
[0110]
采用如下公式计算得到下一个范围圆与当前范围圆的聚类中心的灰度响应值的误差，并判断误差是否满足一预设的迭代误差；
[0111]
ε＝|γr′‑
γr|
[0112]
ε为所述误差；γr′
为下一个范围圆的聚类中心的灰度响应值；γr为当前范围圆的聚类中心的灰度响应值；
[0113]
若是，则将所有所述范围圆内的目标像元进行聚类处理，得到一个区块；
[0114]
若否，则继续得到后续的范围圆。
[0115]
具体的：
[0116]
期望值是指在一个离散性随机变量试验中每次可能结果的概率乘以其结果的总和，通过计算所有目标像元的灰度响应值的期望值，可以较准确的获得几何形心的灰度响应值。
[0117]
迭代误差为实际计算时根据用户需求设定的分类迭代精度，数值越大，像元聚类
速度越快，当误差ε小于迭代误差t
ε
时，结束迭代，将所有范围圆内的目标像元进行聚类处理，得到一个区块。
[0118]
进一步的，针对每个区块，进行步骤s200-步骤s400：
[0119]
步骤s200、根据预先设定的目标灰度范围，处理得到所有像元的有效灰度跨度值和最优灰度跨度值；
[0120]
具体的：
[0121]
采用如下公式计算得到区块内的期望灰度和有效灰度跨度值；
[0122][0123]
其中：μk为期望灰度；sk为有效灰度跨度值；γk为区块中第k个像元的灰度响应值；n为区块内的像元的总数；
[0124]
根据目标灰度范围，采用如下公式计算得到最优灰度跨度值：
[0125][0126]
其中：span为待处理图像的灰度跨度值；γq为待处理图像中第q个像元的灰度响应值；zk为最优灰度跨度值；g
max
为目标灰度范围的最大值；g
min
为目标灰度范围的最小值。
[0127]
目标灰度范围为用户提前输入的期望的图像灰度范围。
[0128]
步骤s300、根据有效灰度跨度值，构建灰度对比度增量重分配函数；
[0129]
根据一预设的筛选条件得到最小方差值；
[0130]
根据最小方差值和有效灰度跨度值，采用如下公式构建灰度对比度增量重分配函数：
[0131][0132]
其中：g为灰度对比度增量重分配函数，γk为区块内第k个像元的灰度响应值；κ为归一化系数；σk为最小方差值；μk为期望灰度。
[0133]
取得最小方差值的过程如下：
[0134]
优选的，可以取方差值取正整数σk＝1，每次逐步加1，不断带入重分配函数中，直到重分配函数满足预设的筛选条件：
[0135]
g(μ
k-sk，σk)≥1
[0136]
其中，g为灰度对比度增量重分配函数，当方差值带入灰度对比度增量重分配函数满足筛选条件时，即获得最小方差值σk，此时将最小方差值σk代入灰度对比度增量重分配函数得到的即为最终的灰度对比度增量重分配函数。
[0137]
步骤s400、基于灰度对比度增量重分配函数，结合最优灰度跨度值，对所有像元进行重映射；
[0138]
根据灰度对比度增量重分配函数和最优灰度跨度值，处理得到重映射函数；
[0139]
根据重映射函数，对区块内所有像元的灰度响应值进行重映射。
[0140]
具体的：
[0141]
重映射函数采用如下公式：
[0142][0143]
其中：l为重映射函数；m为灰度响应值。
[0144]
步骤s500、利用双线性插值方法，对每个区块中重映射后的像元的灰度响应值进行平滑处理，得到各个区块的融合灰度响应值；
[0145]
双线性插值，又称为双线性内插，双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值。
[0146]
具体的：
[0147]
选择任一区块作为目标区块，并处理得到目标区块以及相邻区块的几何形心；
[0148]
选择待处理图像中划分出的任一区块，则其相邻区块可能为4块、3块或2块。
[0149]
处理得到每个相邻区块与目标区块的几何形心的形心距离；
[0150]
根据形心距离，处理得到每个相邻区块的线性差值系数；
[0151]
在一种较优的实施例中，若选择的目标区块存在4块相邻区块，则每个相邻区块的线性插值系数可采用如下公式计算得到：
[0152][0153][0154][0155][0156]
其中，d
ul
、d
dl
、d
ur
、d
dr
分别为目标区块与左上的相邻区块、左下的相邻区块、右上的相邻区块、右下的相邻区块的形心距离；x
ul
、x
ur
、x
dl
、x
dr
分别为目标区块相对于左上的相邻区块、左下的相邻区块、右上的相邻区块、右下的相邻区块的线性插值系数。
[0157]
采用如下公式处理得到目标区块的几何形心的融合灰度响应值：
[0158][0159]
其中：h
tar
为融合灰度响应值；x为相邻区块的线性差值系数；t为相邻区块的数量；γ为灰度响应值；l为重映射函数。
[0160]
具体的，t属于[2,4]之间。
[0161]
请参阅图2，本实施例还提供了一种图像对比度增强系统100，采用上述的图像对比度增强方法，则图像对比度增强系统包括：
[0162]
区块划分模块110，用于使用空间调节因子和灰度特征权重调节因子对待处理图
像进行迭代聚类，处理得到多个区块；
[0163]
灰度跨度计算模块120，用于针对每个区块，根据预先设定的目标灰度范围，处理得到所有像元的有效灰度跨度值和最优灰度跨度值；
[0164]
函数构建模块130，用于根据每个区块内的有效灰度跨度值，构建灰度对比度增量重分配函数；
[0165]
重映射模块140，用于基于灰度对比度增量重分配函数，结合最优灰度跨度值，对所有像元进行重映射；
[0166]
融合灰度响应值处理模块150，用于利用双线性插值方法，对每个区块中重映射后的像元的灰度响应值进行平滑处理，得到各个区块的融合灰度响应值。
[0167]
请参阅图3，本实施例还提出了一种图像对比度增强设备200，该图像对比度增强设备200包括处理器210和存储器220，处理器210和存储器220耦合，存储器220存储有程序指令，当存储器220存储的程序指令被处理器210执行时实现上述图像对比度增强方法。处理器210可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field-programmable gate array，简称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；所述存储器220可能包含随机存取存储器(random access memory，简称ram)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。所述存储器220也可以为随机存取存储器(random access memory，ram)类型的内部存储器，所述处理器210、存储器220可以集成为一个或多个独立的电路或硬件，如：专用集成电路(application specific integrated circuit，asic)。需要说明的是，上述的存储器220中的计算机程序可以通过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存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。
[0168]
本实施例还提出一种计算机可读的存储介质，所述存储介质存储有计算机指令，所述计算机指令用于使计算机执行上述的图像对比度增强方法。存储介质可以是电子介质、磁介质、光介质、电磁介质、红外介质或半导体系统或传播介质。存储介质还可以包括半导体或固态存储器、磁带、可移动计算机磁盘、随机存取存储器(ram)、只读存储器(rom)、硬磁盘和光盘。光盘可以包括光盘-只读存储器(cd-rom)、光盘-读/写(cd-rw)和dvd。
[0169]
本发明提供的一种图像对比度增强方法、系统、设备及存储介质，基于待处理图像的灰度分布类型，先归类，再增强，最后融合，处理过程中的参数设置较简单，表征能力好；灰度重映射过程具有有效的理论支撑；具有较好的适应性，采用本技术方案中的图像对比度增强方法最终得到的对比度增强图像较清晰，灰度级中占比量较少的像元不会被忽略。
[0170]
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆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或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完
成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。