應(yīng)用于智能一體化攝像機的夜間圖像增強方法
【專利摘要】一種應(yīng)用于智能一體化攝像機的夜間圖像增強方法,包括在原始圖像數(shù)據(jù)空間對圖像進行處理、計算灰度分布概率、使用灰度分布概率計算灰度分配動態(tài)范圍、引入梯度閥值限制灰度分配動態(tài)范圍、使用灰度分配動態(tài)范圍生成灰度變換曲線,輸出灰度變換曲線給下一幀圖像使用、進行RGB->HSV色彩空間轉(zhuǎn)換,將RGB值轉(zhuǎn)換為HSV值;使用上一幀圖像輸出的灰度變換曲線對灰度值進行變換,在HSV空間上進行灰度轉(zhuǎn)換,不影響顏色;再進行HSV->RGB的色彩空間轉(zhuǎn)換,將HSV值轉(zhuǎn)換為RGB值,替換原圖像RGB值,輸出對比度增強的圖像,使得輸出的夜間圖像獲得增強。
【專利說明】應(yīng)用于智能一體化攝像機的夜間圖像增強方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】的一種應(yīng)用于一體化攝像機特別是安防攝像機的 夜間圖像增強方法。
【背景技術(shù)】
[0002] 由于受光照、CCD圖像傳感器等因素的制約,往往從攝像機直接得到的圖像(尤其 是夜晚場景)具有灰度對比度低、某些局部細節(jié)沒有明顯的灰度差別等特征,使人眼的視 覺分辨或機器識別較為困難,因此需要引入增強圖像對比度技術(shù),其方法一般分為空間域 法和變換域法。空間域法直接對圖像像素的灰度進行處理。變換域法是在圖像的某個變換 域中對變換系數(shù)進行處理,然后通過逆變換獲得增強圖像。而直方圖均衡化方法是圖像增 強空域法中的最常用、最重要的方法之一。它以概率理論作基礎(chǔ),運用灰度點運算實現(xiàn)將圖 像的原始直方圖變換為接近均勻分布的直方圖,從而達到圖像增強的目的。
[0003] 傳統(tǒng)的直方圖均衡化方法分為三個部分,(1)求出原圖像直方圖;(2)根據(jù)原圖像 直方圖求出灰度值變換表;(3)利用灰度值變換表,把原圖像灰度值轉(zhuǎn)換成新的灰度值。
[0004] 雖然直方圖均衡化方法具有諸多優(yōu)點,如運算快速、自動化等,但在實際運用中仍 然存在一些不足:
[0005] (1)輸出圖像的實際灰度變化范圍很難達到圖像格式所允許的最大灰度變化范 圍,圖像的層次感表現(xiàn)的不好。
[0006] (2)輸出圖像的灰度分布直方圖雖然接近均勻分布,但其值與理想值1/n仍有可 能存在較大的差異,并非是最佳值。
[0007] (3)原圖像輸出圖像的灰度級有可能被過多地合并。灰度的吞噬也易造成圖像信 息的丟失。
[0008] (4)原圖像的質(zhì)量比較差、灰度動態(tài)范圍小、直方圖分布極不均勻時,使用傳統(tǒng)的 方法進行直方圖均衡化運算,變換后的圖像層次感更差。
[0009] (5)原圖像灰度級較高的像素,由于1/n值不理想,造成被均衡化后灰度級反而更 高,或者灰度級較低的像素灰度級變化不大的情況,存在圖像對比度被過分增強的問題,輸 出的圖像不符合人類視覺習(xí)慣,造成圖像異常的效果。
[0010] (6)方法需要等待處理完一幀圖像數(shù)據(jù)后再計算生成灰度變換曲線,不具備良好 的實時性。
[0011] 鑒于以上問題,本發(fā)明提供一種應(yīng)用于一體化攝像機特別是安防攝像機的夜間圖 像增強方法,能夠有效避免以上問題的發(fā)生,獲得較好的拍攝效果。
【發(fā)明內(nèi)容】
[0012] 本發(fā)明的應(yīng)用于智能一體化攝像機的夜間圖像增強方法,包括:
[0013] (1)在原始圖像數(shù)據(jù)空間對圖像進行處理;
[0014] (2)計算灰度分布概率;
[0015] (3)使用灰度分布概率計算灰度分配動態(tài)范圍;
[0016] (4)引入梯度閥值限制灰度分配動態(tài)范圍;
[0017] (5)使用灰度分配動態(tài)范圍生成灰度變換曲線,輸出灰度變換曲線給下一幀圖像 使用;
[0018] (6)進行RGB->HSV色彩空間轉(zhuǎn)換,將RGB值轉(zhuǎn)換為HSV值;使用上一幀圖像輸 出的灰度變換曲線對灰度值進行變換,在HSV空間上進行灰度轉(zhuǎn)換,不影響顏色;再進行 HSV->RGB的色彩空間轉(zhuǎn)換,將HSV值轉(zhuǎn)換為RGB值,替換原圖像RGB值,輸出對比度增強的 圖像。
[0019] 優(yōu)選地,其中(1)在原始圖像數(shù)據(jù)空間對圖像進行處理,包括將原始圖像數(shù)據(jù)空 間轉(zhuǎn)換到HSV空間進行灰度變換,不需要轉(zhuǎn)換成8位圖數(shù)據(jù)空間,保留更多圖像信息。
[0020] 優(yōu)選地,其中(2)計算灰度分布概率,包括參考傳統(tǒng)灰度概率公式,用每個灰度的
【權(quán)利要求】
1. 一種應(yīng)用于智能一體化攝像機的夜間圖像增強方法,包括: (1) 在原始圖像數(shù)據(jù)空間對圖像進行處理; (2) 計算灰度分布概率; (3) 使用灰度分布概率計算灰度分配動態(tài)范圍; (4) 引入梯度閥值限制灰度分配動態(tài)范圍; (5) 使用灰度分配動態(tài)范圍生成灰度變換曲線,輸出灰度變換曲線給下一幀圖像使 用; (6) 進行RGB->HSV色彩空間轉(zhuǎn)換,將RGB值轉(zhuǎn)換為HSV值;使用上一幀圖像輸出的灰 度變換曲線對灰度值進行變換,在HSV空間上進行灰度轉(zhuǎn)換,不影響顏色;再進行HSV->RGB 的色彩空間轉(zhuǎn)換,將HSV值轉(zhuǎn)換為RGB值,替換原圖像RGB值,輸出對比度增強的圖像。
2. 根據(jù)權(quán)利要求1所述的一種應(yīng)用于智能一體化攝像機的夜間圖像增強方法,其特征 是,其中(1)在原始圖像數(shù)據(jù)空間對圖像進行處理,包括將原始圖像數(shù)據(jù)空間轉(zhuǎn)換到HSV空 間進行灰度變換,不需要轉(zhuǎn)換成8位圖數(shù)據(jù)空間,保留更多圖像信息。
3. 根據(jù)權(quán)利要求1所述的一種應(yīng)用于智能一體化攝像機的夜間圖像增強方法,其特征 是,其中(2)計算灰度分布概率,包括參考傳統(tǒng)灰度概率公式,用每個灰度的像素個數(shù)除以 總的像素數(shù),計算公式為i為第i個灰度,ni為第i個灰度的像素個數(shù),N為總像
9 素個數(shù),P[i]為灰度分布概率,i的取值范圍是〇?(2n-l),是像素顏色的二進制數(shù)。
4. 根據(jù)權(quán)利要求1所述的一種應(yīng)用于智能一體化攝像機的夜間圖像增強方法,其中 (3)使用灰度分布概率計算灰度分配動態(tài)范圍,包括每個灰度可以分配到灰度種類的動態(tài) 范圍,計算公式為S[i] = (2n-l)XP[i],S[i]為灰度分配動態(tài)范圍,設(shè)置初始的待分配動 態(tài)范圍R為(2n-l)。
5. 根據(jù)權(quán)利要求4所述的限制灰度分配動態(tài)范圍,所述的灰度分配動態(tài)范圍,當(dāng)S[i] <nD,則S[i] =nD;當(dāng)S[i] >nT,則S[i] =nT,其中nD、nT為用戶可設(shè)的閥值,nD設(shè)得 越大,則能保留的圖像細節(jié)越多;nT設(shè)得越小,則圖像增加的效果越強,同時圖像噪點也越 明顯。
6. 根據(jù)權(quán)利要求5所述的一種應(yīng)用于智能一體化攝像機的夜間圖像增強方法,其中nD 值為1/12。
7. 根據(jù)權(quán)利要求5所述的一種應(yīng)用于智能一體化攝像機的夜間圖像增強方法,其中nT 值設(shè)為2?8。
8. 根據(jù)權(quán)利要求4所述的一種應(yīng)用于智能一體化攝像機的夜間圖像增強方法,其中動 態(tài)范圍S[i]和待分配動態(tài)范圍R,若S[i] >R,則表明剩余的動態(tài)范圍不足,令S[i] =R; 若S[i] < R,則R' = R-S[i],R'則成為下一個待分配動態(tài)范圍R,繼續(xù)判斷下一個灰度動 態(tài)范圍剩余情況;當(dāng)所有灰度都完成動態(tài)范圍分配后,若R > 0,平均分配剩余的待分配動 態(tài)范圍R,計算公式為S[i] = S[i]+R/4096。
9. 根據(jù)權(quán)利要求1所述的一種應(yīng)用于智能一體化攝像機的夜間圖像增強方法,其中使 用公式 T[i] = T[i-1]+S[i],i = 1 ?(2n-l);當(dāng) i = 0 時,則令T[0] = S[0],對T值進行 四舍五入后,求得灰度變換曲線。
10. 根據(jù)權(quán)利要求1所述的的一種應(yīng)用于智能一體化攝像機的夜間圖像增強方法,其 中RGB->HSV->RGB的色彩空間轉(zhuǎn)換使用RGB轉(zhuǎn)化HSV算法,避免使用變換曲線轉(zhuǎn)換灰度值 時對顏色信息的干擾,然后使用HSV轉(zhuǎn)化RGB算法,替換原圖RGB值,輸出對比度增強圖像。
【文檔編號】G06T5/00GK104123698SQ201310145117
【公開日】2014年10月29日 申請日期:2013年4月25日 優(yōu)先權(quán)日:2013年4月25日
【發(fā)明者】胡中華, 陳德彰 申請人:北京信路威科技股份有限公司