[发明专利]一种基于遍历寻优的直方图均衡方法

说明书

本发明涉及一种基于遍历寻优的直方图均衡方法，包括：对灰度图像的直方图进行均值归一化并且遍历Gamma值，再将图像遍历后所得的对比度和信息熵数据输入到混合模型得到最优Gamma值；对灰度图像均值归一化的直方图进行最优Gamma校正并进行直方图后处理；最后，进行直方图均衡处理并输出图像。本发明能够解决部分图像中由于环境原因所导致图像存在图像细节不足、亮度不足或曝光过度等问题。

技术领域

本发明涉及视频图像增强领域，特别涉及一种基于遍历寻优的直方图均衡方法。

背景技术

图像增强在计算机视觉、模式识别和数字图像处理中具有重要的视觉增强作用。由于设备及环境的影响，通常在图像采集中得到图像具有低对比度，低信噪比等缺点。直方图均衡化是一种简单有效的图像对比度增强技术。他将输入直方图的强度等级均匀地分布在整个范围内。但是，直方图均衡具有过度增强、过饱和、细节丢失等问题，使得增强后的图片无法满足人眼的视觉要求。

伽马校正是在保持平均亮度的前提下，通过对比度调整来提高图像质量的一种方法。但是，伽马校正的固定化参数设置，限制了其鲁棒性。

发明内容

本发明的目的在于克服现有技术的不足，提出一种在多种图像环境下均能够实现增强、丰富图像的细节、提升图像的对比度且更加适合人眼观察的基于遍历寻优的图像对比度增强方法。

为了实现上述目的，本发明的技术方案是：

一种基于遍历寻优的直方图均衡方法，包括：

S101，对灰度图像的直方图进行均值归一化处理得到均值归一化直方图H_norm；

S102，根据预设的步进长度Step(默认值：Step＝0.05)，从开始值γ_start到结束值γ_end的范围内(默认值：γ_start＝0，γ_end＝1)，遍历所有Gamma值γ；根据当前所在Gamma值对均值归一化直方图H_norm进行Gamma校正得到新直方图H_γ，并对Gamma校正后的直方图进行均衡处理得到校正直方图H_t；

S103，根据直方图H_t计算统计参数，得到信息熵及对比度；

S104，基于所述信息熵和对比度，通过混合模型得到最佳Gamma值γ_best；使用最佳Gamma值γ_best对均值归一化直方图H_norm进行伽玛校正得到校正直方图H_revise；

S105，对校正直方图H_revise小于1的数据进行Gamma校正处理，此处Gamma参数值取最佳Gamma值γ_best与主客观匹配参数的乘积；

S106，对S105中进行Gamma校正处理后的直方图进行均衡处理后输出。

优选的，对灰度图像的直方图进行均值归一化处理得到均值归一化直方图H_norm，具体包括：

将灰度图像的直方图除以像素总数N，再乘以总灰度级数D_range得到均值归一化直方图H_norm，其中D_range＝L_max-L_min。

优选的，根据当前所在Gamma值对均值归一化直方图H_norm进行Gamma校正得到新直方图H_γ中，校正公式为：H_λ＝(H_norm)^γ。

优选的，信息熵E_t和对比度C_t的计算方式如下：