[发明专利]一种基于多尺度相对梯度直方图均衡化的图像增强算法

说明书

本发明涉及一种基于多尺度相对梯度直方图均衡化的图像增强算法，包括：第一步：计算图像相对梯度直方图；第二步：计算图像多尺度相对梯度直方图；第三步：均衡化所述多尺度相对梯度直方图，其中，该步骤包括：首先，对多尺度相对梯度直方图进行累加；其次，对累加后的多尺度相对梯度直方图进行归一化，得到灰度映射函数；最后，将原始图像中所有像素点对应的灰度级替换为其映射后的灰度级，得到增强后图像。这可以有效增强图像相对梯度强度，进而大幅提高图像视觉效果。

技术领域

本发明提供一种基于多尺度相对梯度直方图均衡化的图像增强方法，属于图像处理技术领域。

背景技术

图像增强是图像处理中的重要预处理步骤，它可以有效地改善图像质量，提高图像视觉效果。其中，直方图均衡化是最为常用的图像增强算法之一。由于传统图像直方图只统计各个灰度级对应的像素个数，当图像中存在大量灰度级接近的区域(例如天空、大海等)时，其对应的直方图会出现灰度级峰值，此时直方图均衡化会导致图像过增强。为了解决这个问题，研究者提出了许多算法，其中大部分都是对直方图先进行修正，再进行直方图均衡化。这些算法不能从根本上解决过增强问题，当原始图像直方图中峰值较大时，过增强现在依然普遍存在。另一方面，研究表明，人类的视觉系统对图像的相对梯度比较敏感，提高图像的相对梯度强度，能够有效改善图像的主观视觉效果。而目前基于直方图均衡化的增强算法无法有效提高图像的相对梯度。

发明内容

本发明的目的是提供了一种基于多尺度相对梯度直方图均衡化的图像增强方法，它能够解决图像过增强问题，并提高图像相对梯度强度，进而增强图像的主观视觉效果。

为实现上述目的，本发明的基于多尺度相对梯度直方图均衡化的图像增强方法，其步骤如下：

第一步，根据相对梯度直方图定义计算图像f的相对梯度直方图；所述相对梯度直方图的定义为:

进一步地，所述相对梯度直方图定义公式中，尺度参数γ∈[0,2]，M和N分别位图像的行数和列数，和为256×1的向量，它们第k(k＝1,2,...,256)个元素为：

其中，上述公式中，所述分别为{[f(i,j),f(i,j-1)],[f(i,j),f(i,j+1)],[f(i,j),f(i-1,j)],[f(i,j),f(i+1,j)]}的最大值和最小值，B(i,j)为输入图像像素点(i,j)处(2W+1)×(2W+1)窗口内的所有像素点灰度值的均值，

根据第一步中相对梯度直方图的定义可以看出，其由像素个数和像素梯度共同决定，而且梯度越小的像素点对相对梯度直方图的影响越小。当图像中存在大量灰度级接近的背景区域时，其在传统灰度直方图中会形成一个峰值，进而导致图像过增强；由于灰度级接近的区域其包含的梯度信息较小，其对本发明提出的相对梯度直方图影响较小，可以有效避免峰值。另一方面，图像相对梯度直方图的和等于图像中所有像素点的相对梯度强度之和，其证明如下：

上述公式中，|f(i,j)-f(i,j-1)|，|f(i,j)-f(i,j+1)|，|f(i,j)-f(i-1,j)|和|f(i,j)-f(i+1,j)|分别为输入图像像素点(i,j)处水平左方向，水平右方向，竖直上方向和竖直下方向的梯度强度，|f(i,j)-f(i,j-1)|+|f(i,j)-f(i,j+1)|+|f(i,j)-f(i-1,j)|+|f(i,j)-f(i+1,j)|可以有效表示输入图像像素点(i,j)的梯度强度。将该梯度强度除以其对应的背景亮度B(i,j)^γ可以得到像素点(i,j)处对应的相对梯度强度：因此图像相对梯度直方图的和等于图像中所有像素点的相对梯度强度之和。