[发明专利]一种基于直方图统计的自适应拉伸方法及系统

说明书

本发明公开了一种基于直方图统计的自适应拉伸方法及系统，本发明的方法包括：步骤一、读取原始图像的灰度直方图；步骤二、通过对原始图像的灰度直方图进行统计，确定有效灰度范围为[Csubgt;min/subgt;，Csubgt;max/subgt;]；步骤三、以(Csubgt;min/subgt;+Csubgt;max/subgt;)/2为直方图拉伸的中心坐标，将有效灰度范围进行拉伸并获取拉伸后的灰度值上下界；步骤四、按照步骤二得到的中心坐标点和步骤三获得的灰度值上下界，将原始图像的灰度直方图由中心坐标点向上下界坐标位置进行拉伸，得到原始图像的拉伸灰度直方图。本发明通过对直方图中的统计数据加以处理，滤掉直方图中数据特征特别少的灰度部分，将有效灰度数据在特定的范围进行拉伸，优化了传统直方图拉伸中可能带来的噪声干扰。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于直方图统计的自适应拉伸方法。

背景技术

直方图均衡化广泛应用在图像增强处理中，是以累积计分布函数变换为基础的直方图修正法，用于产生一副灰度级分布具有均匀概率密度的图像，扩展了像素的取值动态范围。许多图像的灰度值是非均匀分布的，其中灰度值集中在一个小区间内的图像是很常见的，直方图均衡化是一种通过重新均匀地分布各灰度值来增强图像对比度的方法。一般来说，直方图修正能提高图像的主观质量。直方图均衡化处理的中心思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。但是有一些固有缺点：它对处理的数据不加选择，它可能会增加背景噪声的对比度并且降低有用信号的对比度；直方图主峰有时会大幅移动，造成画面整体由明变暗或是由暗变明；同时，对拉伸的灰阶范围不加限制，在场景较为单一的情况下会将图像整体对比度拉伸过高。这些缺陷导致传统的直方图均衡算法在不同场景的效果有很大差异，用在视频中往往还会导致视频闪烁。

发明内容

为例解决现有图像增强技术存在的处理效果不佳，且适用性差的技术问题，本发明提供了一种基于直方图统计的自适应拉伸方法。本发明通过对直方图中的统计数据加以处理，滤掉直方图中数据特征特别少的灰度部分，将有效灰度数据在特定的范围进行拉伸，优化了传统直方图拉伸中可能带来的噪声干扰，提高了增强效果。

本发明通过下述技术方案实现：

一种基于直方图统计的自适应拉伸方法，该方法包括以下步骤：

步骤一、读取原始图像的灰度直方图；

步骤二、通过对原始图像的灰度直方图进行统计，确定有效灰度范围为[C_min，C_max]，其中，C_min表示灰度最小值，C_max表示灰度最大值，(C_min+C_max)/2表示有效灰度范围的中心点坐标；

步骤三、以(C_min+C_max)/2为直方图拉伸的中心坐标，将有效灰度范围进行拉伸并获取拉伸后的灰度值上下界；

步骤四、按照步骤二得到的中心坐标点和步骤三获得的灰度值上下界，将原始图像的灰度直方图由中心坐标点向上下界坐标位置进行拉伸，得到原始图像的拉伸灰度直方图。

优选的，本发明的步骤二具体包括：

步骤2.1对原始图像的灰度直方图，从灰度为0的坐标点沿灰度坐标轴向正方向开始统计，直到找出第一个统计点个数大于M的灰度值，将该灰度值作为灰度最小值C_min；M为第一阈值；

步骤2.2对原始图像的灰度直方图，从灰度为255的坐标点沿灰度坐标轴向负方向开始统计，直到找出第一个统计点个数大于N的灰度值，将该灰度值作为灰度最大值C_max；N为第二阈值。

优选的，本发明的M和N取值范围为0＜M，N＜10000。

优选的，本发明的步骤三具体包括：