[发明专利]一种基于最优化模型的双直方图均衡方法

权利要求书

1.一种基于最优化模型的双直方图均衡方法，其特征在于，输入比特位为B、级数为L＝2^B的数字图像，获取其亮度图像，统计该亮度图像的初始直方图，根据预设的数据分割点S_ds，将初始直方图分成左直方图和右直方图，并分别进行归一化以及累加和操作，得到左累加数组C_L(j)和右累加数组C_R(k)，j为小于等于数据分割点S_ds的灰度级，k为大于数据分割点S_ds的灰度级；从预设的动态范围分割点S_rs的初始值L_min+1开始，L_min为最小灰度级，进行S_rs遍历操作：

1)根据当前的S_rs值，结合左累加数组C_L(j)和右累加数组C_R(k)计算得到整数型查找表，对初始直方图进行查表得到临时直方图，根据动态范围分割点S_rs分为临时左直方图和临时右直方图；

2)对临时左直方图和临时右直方图分别计算对应的加权平均概率密度，根据设置的权重，将得到的两加权平均概率密度进行加权求和，得到总加权平均概率密度和；所述平均概率密度的计算方式为：定义预加重指数r，0≤r≤1，计算临时左直方图中每个数值的r次方，然后求和再除以S_rs，得到临时左直方图的加权平均概率密度；计算临时右直方图中每个数值的r次方，然后求和再除以L-S_rs，得到临时右直方图的加权平均概率密度；

3)将计算出的总加权平均概率密度和存入数组的第S_rs个元素中，该数组长度为L，令S_rs＝S_rs+1，如果S_rs＜L_max，L_max为最大灰度级，回到步骤1)，如果S_rs≥L_max则进入步骤4)；

4)以总加权平均概率密度和步骤3)中数组的最小值对应的S_rs作为最佳分割点分割初始直方图，并计算查找表得到输出查找表，对初始亮度图像每个数值进行查表操作，得到最终的结果图像。

2.如权利要求1所述的一种基于最优化模型的双直方图均衡方法，其特征在于，所述数字图像若为多通道图像则取其亮度通道作为所述亮度图像，若为单通道图像则直接作为所述亮度图像。

3.如权利要求1所述的一种基于最优化模型的双直方图均衡方法，其特征在于，所述数据分割点S_ds通过最大类间方差算法或一维最大熵算法或使用所述亮度图像的均值、中值或所述初始直方图的拐点确定。

4.如权利要求1所述的一种基于最优化模型的双直方图均衡方法，其特征在于，所述步骤1)中，所述的结合左累加数组C_L(k)和右累加数组C_R(k)计算得到整数型查找表，具体为：首先根据左累加数组C_L(j)和右累加数组C_R(k)分别计算左查找表Lut_L(j)和右查找表Lut_R(k)，公式为

Lut_L(j)＝(S_rs-L_min)*C_L(j)+L_min

Lut_R(k)＝(L_max-S_rs)*C_R(k)+S_rs

其中L_min≤j≤S_ds，S_dsk≤L_max；之后再合并左查找表Lut_L(j)和右查找表Lut_R(k)得到所述整数型查找表。

5.如权利要求1所述的一种基于最优化模型的双直方图均衡方法，其特征在于，所述步骤2)中，所述权重采用步骤1)中所述左直方图和所述右直方图的动态范围的比例。