[发明专利]一种基于最优化模型的双直方图均衡方法

说明书

本发明提供了一种基于最优化模型的双直方图均衡方法，其包含步骤为：首先将输入图像的初始直方图分割成两个子直方图；然后根据提出的优化模型，采用遍历寻优方法确定子直方图的最佳动态范围；最后进行双直方图均衡，得到结果图像；本发明提供了一种适应面广的图像增强技术，能够自适应改善各类环境下图像的清晰度、亮度、对比度。

技术领域

本发明涉及视频图像增强领域，涉及一种基于模型控制的双直方图均衡方法。

背景技术

图像的直方图是一种对图像像素值进行统计而得到的统计图，包含了图像亮度的分布特征，常被用来作为图像增强的工具，由此产生了诸多相关算法，而直方图均衡是其中最传统的一种方法，根据直方图的分布特征对图像进行优化，使其直方图趋于均匀分布，增强图像的对比度，使其更加清晰。但传统的直方图均衡算法存在饱和度过强和细节丢失等问题，因此后人提出了大量的改进算法，主要可分为两类。

一类称为局部直方图均衡，引入了图像的空间特性，将图像划分为数个重叠或不重叠的区域，分别进行独立的直方图均衡，改善了传统直方图均衡的缺陷，能够得到较好的处理结果，但增加了计算的复杂度，难以应用于实际生产中。

另一类称为多直方图均衡，进一步分析直方图的分布特性，提出了基于阈值的直方图均衡方法，将直方图分割为两个子直方图(双直方图均衡)或多个子直方图(多直方图均衡)分别进行均衡，从而得到亮度保持或直方图特征保持的结果。该类方法计算复杂度低，适用于视频实时处理和硬件集成，但该类算法仍然存在许多缺陷，适用面较窄。

发明内容

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种能够对各类拍摄环境下的图像进行自适应增强，改善图像的清晰度、亮度、对比度的基于最优化模型的双直方图均衡方法。

本发明采用如下技术方案：

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，并分别进行归一化处理以及累加和操作，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；

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。

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。