[发明专利]一种保证图像细节的对比度增强方法有效

专利信息
申请号: 202211349133.0 申请日: 2022-10-31
公开(公告)号: CN115937016B 公开(公告)日: 2023-07-21
发明(设计)人: 赵蓝飞;李国庆;李士俊;刘发强 申请(专利权)人: 哈尔滨理工大学
主分类号: G06T5/00 分类号: G06T5/00
代理公司: 哈尔滨市松花江专利商标事务所 23109 代理人: 张换男
地址: 150080 黑龙*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 保证 图像 细节 对比度 增强 方法
【说明书】:

一种保证图像细节的对比度增强方法,它属于图像处理技术领域。本发明解决了现有对比度增强算法对图像视觉效果的提升能力有限,且易模糊图像细节的问题。本发明首先构建一个非线性全局灰度映射函数,将灰度范围分解为3个区间,分别统计这3个区间内出现概率最大的灰度值处的累计概率分布。将每个灰度区间内出现概率最大的灰度值以及该值对应的累计概率分布作为已知的数据点,通过牛顿迭代法对非线性全局灰度映射函数中的未知参数进行估计,从而利用全局灰度映射函数的表达式对待增强图像进行全局灰度映射;其次,将细节增强问题转化对全局灰度映射加入一个细节补偿项,细节补偿项由迭代算法确定。本发明方法可以应用于图像处理技术领域用。

技术领域

本发明属于图像处理技术领域,具体涉及一种保证图像细节的对比度增强方法。

背景技术

成像环境的光照条件直接决定了图像质量。很多境况下,由于物体遮挡、地形因素造成拍摄场景中的可见光分布不均匀,进而导致采集到的数字图像存在影响视觉效果的阴影以及高光现象。为了抑制上述可见光分布不均匀这一问题,通常在相机成像后还需对数字图像进行后端处理即对比度增强,从而提高图像质量。

经典的对比度增强算法包括:直方图均衡化算法,Gamma校正算法,对数域图像增强算法,对比度拉伸算法等。这些对比度增强算法在一定程度上可以提升阴影区域和高光区域的图像质量,但是可见光分布不均匀这一问题仍然限制了图像的视觉效果。另外,经典的对比度增强算法通常通过全局统一的灰度映射函数对图像对比度进行拉伸,这类方法容易模糊图像的细节。

综上所述,现有对比度增强算法对图像视觉效果的提升能力仍然比较有限,而且在对比度增强过程中容易使图像细节变得模糊。

发明内容

本发明的目的是为解决现有对比度增强算法对图像视觉效果的提升能力有限,且易模糊图像细节的问题,而提出的一种保证图像细节的对比度增强方法,用于在保证图像局部细节的前提下来增强图像的对比度,重建出图像质量较高的增强图像。

本发明为解决上述技术问题所采取的技术方案是:

一种保证图像细节的对比度增强方法,所述方法具体包括以下步骤:

步骤一、对待增强图像进行全局灰度映射,获得全局灰度映射后的图像;

所述步骤一的具体过程为:

步骤一一、将待增强图像在平面坐标位置(x,y)处的灰度值表示为L(x,y),将待增强图像的灰度范围[0,255]分为三个灰度区间,三个灰度区间的灰度范围分别是[0,85],[86,171]以及[172,255];

步骤一二、在每个灰度区间内,均统计出一个出现概率最大的灰度值,将灰度区间[0,85]内出现概率最大的灰度值记为Tl,将灰度区间[86,171]内出现概率最大的灰度值记为Tm,将灰度区间[172,255]内出现概率最大的灰度值记为Th

步骤一三、分别统计出待增强图像在灰度区间为[0,Tl]、[0,Tm]、[0,Th]内的累积概率,将待增强图像在灰度区间[0,Tl]内的累积概率记为Pl,将待增强图像在灰度区间[0,Tm]内的累积概率记为Pm,将待增强图像在灰度区间[0,Th]内的累积概率记为Ph

步骤一四、分别对Tl、Tm和Th进行归一化,即为Tl对应的归一化值,为Tm对应的归一化值,为Th对应的归一化值;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨理工大学,未经哈尔滨理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211349133.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top