一种亮度可控细节保持眼底图像动态范围扩展方法及系统

1.本发明涉及图像处理的研究领域，特别涉及一种亮度可控细节保持眼底图像动态范围扩展方法及系统。


背景技术：

2.随着成像技术的演变，人们一直在追求更高的图像分辨率、更快的采样速率、更宽的动态范围(最大亮度与最小亮度之比)的高质量图像。数字图像的分辨率和采样速率不断提高，但是作为高质量图像指标之一的动态范围却提升不大。真实场景中的动态范围十分宽广，从夜空的星光到直射的太阳，真实环境的动态范围为108:1。
3.但数字图像受制于模数转换器的量化位宽，采集系统采用控制相机曝光参数有选择地舍弃不感兴趣的亮度信息，如固定镜头光圈值不变使得场景具有相同的景深，然后通过设置曝光时间控制相机的曝光量，从而控制光线到达传感器的大小，使得图像的动态范围在映射过程中被大幅压缩，在拍摄动态范围较大的场景时该问题尤为明显。
4.眼睛具有终末血管系统，人体许多疾病都会在眼底视网膜上产生相应的病理变化，其血管状况是诊断的重要依据。由于人眼不适合用检眼镜等仪器长时间观察，故临床中主要使用眼底照相机采集眼底视网膜图像(简称眼底图像)进行检查。受限于眼底照相机的adc与文件记录方式，所拍摄眼底图像如图4所示。其动态范围通常被严重压缩，只有28:1或2
16
:1，远不能反映场景亮度的变化，导致目标图像与背景对比度较低、图像细节模糊，难以区分，从而影响了阅片结果。因此，提升眼底图像的动态范围是当前亟待解决的问题。
5.为此，可以采用图像增强方法扩展图像动态范围，从而改善图像质量。其基本思想，是通过采用一系列技术去改善图像的质量和视觉效果，突出图像中感兴趣的特征，获得图像中有价值的信息，从而将图像转换成一种更适合于人或机器进行分析和处理的形式，使得处理后的图像对某些特定的应用有更好的效果。该类方法被广泛应用于生物医学领域、工业生产领域、公共安全领域以及航空航天领域等。
6.图像增强技术的关键在于如何有效地改善增强图像质量、扩展图像动态范围与增强视觉效果的同时，要更好地保留图像的边缘和细节信息。其中，与本发明相比用到的图像增强方法，主要有两类：
7.1.直方图均衡：该方法包括全局直方图均衡、直方图规定化和局部直方图均衡，这些方法使得亮度呈均匀分布，从而达到增强图像局部对比度或全局对比度，扩展其动态范围，尤其是当图像有用数据的对比度相当接近时，这类方法特别有效。y.t.kim提出亮度保持的双直方图均衡(bbhe)算法，通过计算亮度平均值将直方图分为两部分，然后分别用传统的直方图均衡算法进行重新映射，该算法在提升图像对比度的同时，抑制了噪声的增强。abdullah-al-wadud m等人提出了一种动态直方图均衡算法(dhe)，有效地提升了图像对比度，并可对灰度级进行扩展；但是对于直方图灰度分布与两端中间分布较少的图像的处理并不理想，作为全局算法，其复杂度相对较高。ibrahim h等人在dhe算法的基础上，提出了一种亮度保持的动态直方图均衡算法(bpdhe)，该算法在提升图像动态范围的同时还可以
保持其平均亮度不变，不过对于曝光不足的照片整体亮度提高不明显，但仍可以提高对比度。但是，这类方法可能会增加背景噪声对比度并且降低有用信号的对比度，也可能导致过增强与细节丢失问题。
8.2.反锐化掩模：在印刷和出版界已用了多年的图像锐化处理技术，是从原图像中减去一幅非锐化(平滑过的)版本，即将图像的模糊部分从原图像减去而得到清晰的图像。其算法处理步骤包括：(1)模糊原图像；(2)从原图像中减去模糊图像(产生的差值图像称为模板)；(3)将模板线性加到原图像上。guang deng提出基于数比与布雷格曼差异算子的um算法，图像恢复与提升效果比较好，但时间复杂度较高，且对噪声抑制较差。shwu-huey yen等人提出利用canny边缘算子对低亮度图像的边缘部分进行提取，然后将边缘分成两部分，之后加入自适应权值的方法结合拉普拉斯算子来对边缘进行增强，再利用um的思想将原图像与边缘增强部分相叠加而得到边缘增强的图像。该类方法能够提升图像的高频信息，增强图像轮廓，但同时也可能导致噪声被增强或出现振铃效应。
9.另外，当前的图像增强方法对显示设备背光的适应性较差，无法根据显示设备背光的变化而改变，且容易出现过增强现象。


技术实现要素：

10.本发明的主要目的在于克服现有技术的缺点与不足，提供一种亮度可控细节保持眼底图像动态范围扩展方法及系统，利用直方图模型估计输出图像平均亮度和标准差的具有亮度可控与细节保持的扩展眼底图像动态范围的方法，它可以根据用户显示设备的亮度值而有效扩展眼底图像动态范围，使得输出眼底图像亮度与用户显示设备亮度值相匹配，同时还能抑制噪声、保持眼底图像细节信息。
11.本发明的第一目的在于提供一种亮度可控细节保持眼底图像动态范围扩展方法；
12.本发明的第二目的在于提供一种亮度可控细节保持眼底图像动态范围扩展系统
13.本发明的第一目的通过以下的技术方案实现：
14.一种亮度可控细节保持眼底图像动态范围扩展方法，包括以下步骤：
15.通过数据获取模块获取眼底图像和显示设备亮度；
16.将所述眼底图像提取亮度分量和色度分量，对所述亮度分量进行双边滤波层分解，得到亮度分量背景纹理层和亮度分量细节层；
17.对所述亮度分量背景纹理层进行分段直方图剪切补偿处理，得到直方图处理结果；
18.对所述显示设备亮度估算背景纹理层平均亮度和标准差，并求解相应映射曲线；
19.基于所述映射曲线实现图像亮度分量背景纹理层的动态范围扩展；
20.将所述动态范围扩展的图像亮度分量背景纹理层与所述亮度分量细节层叠加，再与色度分量融合，得到最终输出眼底图像。
21.进一步地，对所述亮度分量进行预处理，得到亮度分量背景纹理层和亮度分量细节层，具体为：对所述亮度分量进行双边滤波，分解为亮度分量背景纹理层和亮度分量细节层；所述亮度分量背景纹理层为亮度分量的大尺度纹理信息的背景纹理层，所述亮度分量细节层为亮度分量细小变化的细节层。
22.进一步地，所述将所述眼底图像提取亮度分量和色度分量，具体为：
23.a1)定义输入的眼底图像为i，用户显示设备亮度值为ld，图像红、绿、蓝三个色彩通道的数据分别为r，g，b，则定义i的亮度分量lw为：
24.lw＝0.299r+0.587g+0.114b
25.a2)定义双边滤波器为bf：
[0026][0027]
其中，||p-q||是图像上p位置与q位置之间的欧几里得距离；i
p
表示图像上p位置的亮度，iq表示图像上q位置的亮度；|i
p-iq|则表示图像上p位置与q位置亮度之差的绝对值；与均表示二维高斯核；w
p
为归一化因子，确保了像素权重和为1：
[0028][0029]
参数σs和σr，分别控制了空间权重和幅度权重函数的形状：加大空间权重σs，双边滤波器将平滑掉更多的图像细节纹理，加大幅度权重σr，双边滤波器将近似于高斯滤波；而g
σ
(x,y)是二维高斯核：
[0030][0031]
其中，σ为标准差，x、y为图像空间坐标；
[0032]
a3)利用双边滤波器的特性将输入图像的亮度分量分解为背景纹理层和细节层：
[0033]
b＝bf[logl]
[0034]
d＝logl-b
[0035]
其中，b为大尺度纹理信息背景纹理层，d为细小变化的细节层；bf为步骤a2)所定义的双边滤波器，lw为步骤a1)所定义的亮度分量；
[0036]
a4)将背景纹理层与细节层回复为正常图像：
[0037]
b＝10exp(b)
[0038]
d＝10exp(d)
[0039]
得到分离后的大尺度纹理背景纹理层与细小变化的细节层图像。
[0040]
进一步地，所述对所述亮度分量背景纹理层进行直方图处理，得到直方图处理结果，具体为：
[0041]
b1)对步骤a4)获得的大尺度纹理背景纹理层图像b进行直方图统计，定义直方图为h(i)：
[0042]
h(i)＝|{lb(x,y)lb(x,y)＝i}|
[0043]
其中，i＝0,...,l-1，|
·
|表示图像b的元素个数，l-1表示图像b的最大亮度值；
[0044]
b2)定义由步骤b1)得到的直方图h(i)的平均值μ：
[0045][0046]
其中，m,n分别为图像b的高和宽，i为亮度级别；
[0047]
b3)定义由步骤b1)得到的直方图h(i)的标准差σ：
[0048][0049]
其中，m,n分别为图像b的高和宽，i为亮度级别；
[0050]
b4)定义t1和t2为直方图h(i)的两个分割点：
[0051][0052]
其中，表示向下取整，t1和t2将直方图h(i)分割为三段独立的直方图，分别定义为h
l
(i)、hm(i)和hu(i)：
[0053]hl
(i)＝h(i),0≤i＜t1[0054]hm
(i)＝h(i),t1≤i＜t2[0055]hu
(i)＝h(i),t2≤i＜l
[0056]
其中，i为亮度级别。
[0057]
定义r1，r2和r3分别表示各段直方图在整体直方图中的比例：
[0058][0059][0060][0061]
其中，m,n分别为图像b的高和宽，i为亮度级别；
[0062]
b5)对第一段直方图h
l
(i)进行裁剪补偿，定义裁剪阈值为t
l
：
[0063]
t
l
＝median(h
l
)
[0064]
其中，median(
·
)表示中位值，定义裁剪后的直方图为h’l(i)[0065][0066]
进一步地，还包括：
[0067]
为了不改变h’l
(i)在整个直方图中的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为h
l”(i)：
[0068][0069][0070]
其中，inc
l
(i)表示第一段直方图各灰度值补偿的像素个数函数，用于提升暗部亮度；res
l
为第一段直方图所裁剪像素值个数之和；
[0071]
b6)对第二段直方图hm(i)进行裁剪补偿，定义裁剪阈值为tm：
[0072]
tm＝median(hm(i))
[0073]
其中，median(
·
)表示中位值；定义裁剪后的直方图为h
m’：
[0074][0075]
为了不改变h’m
(i)在整个直方图中的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为h”m
(i)：
[0076][0077]
其中，resm为第二段直方图所裁剪像素值个数之和，该段为平均补偿；
[0078]
b7)对第三段直方图hu(i)进行裁剪补偿，定义裁剪阈值为tu：
[0079]
tu＝median(hu)
[0080]
其中，median(
·
)表示中位值，定义裁剪后的直方图为h’u
(i)：
[0081][0082]
为了不改变h’u
(i)在整个直方图中的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为h”u
(i)：
[0083][0084][0085]
其中，incu(i)表示第三段直方图各灰度值补偿的像素个数函数，用于压制亮部亮度；resu为第三段直方图所裁剪像素值个数之和；
[0086]
b8)定义经过裁剪与补偿的直方图h”(i)：
[0087][0088]
进一步地，所述对所述显示设备亮度估算平均亮度和标准差，具体为：
[0089]
c1)定义亮度分量大尺度纹理图像b直方图的分割点t1和t2映射到输出大尺度纹理图像b’的分割点为t1’
和t2’
，定义估计输出图像b’的模型平均亮度μm和标准差σm，通过迭代求解方程得到分割点t1’
；
[0090]
c2)根据估计模型列出计算分割点t’1,k
的方程f1(
·
)：
[0091][0092]
其中，μ
m,k
表示当前第k次迭代时的平均亮度；而σ
m,k
为当前第k次迭代时的标准差；r1,r2,r3表示分别表示各段直方图在整体直方图中的比例；t’1,k
表示当前第k次迭代时的第
一个分割点；
[0093]
c3)标准差σ
m,k
的方程f2(
·
)：
[0094][0095]
其中，μ
m,k-1
表示第k-1次迭代(前一个)的平均亮度；σ
m,k-1
表示第k-1次迭代(前一个)的标准差；i表示亮度级别；t
2,k’表示当前第k次迭代时的第二个分割点。
[0096]
c4)根据估计模型列出计算分割点t’2,k
的方程：
[0097]
t’2,k
＝t’1,k
+2σ
m,k
[0098]
c5)迭代结束时，令
[0099]
t
’1＝t’1,k
[0100]
t
’2＝t’2,k
[0101]
从而可得到映射到输出大尺度纹理图像b’的分割点为t1’
和t2’
。
[0102]
进一步地，还包括：
[0103]
d1)获取细节层图像d的平均亮度ld及其最高亮度值l
maxd
：
[0104]
ld＝mean(d)
[0105]
l
maxd
＝max(d)
[0106]
其中，mean(
·
)表示平均亮度值，max(
·
)为最高亮度值，则可得大尺度纹理背景纹理层图像b的输出图像b’的平均亮度μm与最高亮度值ω
l
分别为：
[0107]
μm＝l
d-ld[0108]
ω
l
＝255-l
maxd
[0109]
其中，ld为所述的用户显示设备平均亮度值；
[0110]
d2)定义迭代计数器k＝1，定义最大迭代次数k＝120，定义预设误差δ《10-3
，定义初始标准差σ
m,0
＝σ(步骤b3)求得)，输出图像b’平均亮度初始值为μ
m,0
＝μm，计算t’1,0
＝f1(μ
m,0
,σ
m,0
)，迭代开始；
[0111]
d3)计算输出图像的标准差σ
m,k
＝f2(t’1,k-1
,σ
m,k-1
)；
[0112]
d4)为适配所述显示设备亮度，定义方程δ：
[0113][0114]
其中，l’maxb
表示输出背景纹理图像b’的最大亮度值。
[0115]
该式子基于最大熵提出，当δ＝0时的μ
m,k
是使得映射后的图像b’获得局部最大熵的亮度，用数值方法求解该方程的复杂度很大，考虑到μ
m,k
是范围在0到l
maxb’的离散值，并且抛弃掉低亮度和高亮度的选择结果，所以定义μ
m,k
在30到180范围内寻找δ最接近于0的值。此时的μ
m,k
为自适应亮度方法得到的结果；
[0116]
d5)更新t’1,k
＝f1(μ
m,k
,σ
m,k
)；
[0117]
d6)若满足或k》k，迭代结束，输出最终的分割点t
’1＝t’1,k
，
t2’
＝t1’
+2σ
m,k
；否则令k＝k+1，转到步骤d3)。
[0118]
进一步地，所述求解相应映射曲线，具体为：
[0119]
e1)定义直方图的累计密度函数cdf(
·
)：
[0120][0121]
其中，i为灰度等级。
[0122]
e2)定义从大纹理背景层动态范围[0,d-1]的图像b映射到新的动态范围[0,ω
l
]的输出图像b’的映射曲线函数t(
·
)：
[0123][0124]
其中，t1和t2为b4)所求直方图h(i)的两个分割点；ω
l
为d1)所求输出背景纹理图像b’的最高亮度；
[0125]
e3)定义映射后的输出图像l
b’(
·
)：
[0126]
l
b'
(x,y)＝t(lb(x,y))。
[0127]
其中，lb(x,y)表示原背景纹理图像b的每一个像素的灰度值。
[0128]
进一步地，所述将所述动态范围扩展的图像亮度分量背景纹理层与所述亮度分量细节层叠加，再与色度分量融合，得到最终输出眼底图像，具体为：
[0129]
f1)定义扩展动态范围后的大纹理背景纹理层图像b’与细节层图像d叠加后的新的亮度分量图像为l
w’：
[0130]
l'w＝l
b'
+ld[0131]
其中，l
b’表示步骤e3)求得扩展动态范围后的大纹理基本图像，ld表示细节层图像；
[0132]
f2)将步骤f1)求得扩展动态范围后的亮度分量图像l
w’与色度、饱和度分量融合后，得到一幅亮度匹配用户显示设备亮度值且细节保持的扩展动态范围眼底图像。
[0133]
本发明的另一目的通过以下技术方案实现：
[0134]
一种亮度可控细节保持眼底图像动态范围扩展系统，包括：
[0135]
数据获取模块，用于获取眼底图像和显示设备亮度；
[0136]
预处理模块，将所述眼底图像提取亮度分量和色度分量，对所述亮度分量进行双边滤波层分解，得到亮度分量背景层和亮度分量细节层；
[0137]
直方图处理模块，对所述亮度分量背景层进行分段直方图剪切补偿，得到直方图处理结果；
[0138]
估算模块，对所述显示设备亮度估算背景纹理层平均亮度和标准差；
[0139]
映射曲线求解模块，用于求解相应映射曲线，基于所述映射曲线实现图像亮度分量背景纹理层的动态范围扩展；
[0140]
最终输出模块，将所述动态范围扩展的图像亮度分量背景纹理层与所述亮度分量细节层叠加，再与色度分量融合，得到最终输出眼底图像。
[0141]
本发明与现有技术相比，具有如下优点和有益效果：
[0142]
本发明通过分离眼底图像亮度分量的大尺度纹理背景纹理层与细小变化的细节层，只改变背景纹理层图像的亮度以扩展整幅图像的动态范围，令其适配用户输入显示设备亮度值的同时，还能保持细节层丰富的细节信息。本发明算法在亮度可控的基础上，增加了最大化熵的步骤来选择合适的输出亮度，该方法能有效适配用户所需的图像亮度与理想的动态范围，整体效果明暗和谐。本发明所提出算法的时间复杂度低，运算效率高，能够满足实时计算场合，提高眼底图像识别率。
附图说明
[0143]
图1为本发明所述一种亮度可控细节保持眼底图像动态范围扩展方法流程图；
[0144]
图2为本发明所述实施例1中动态范围扩展方法流程框图；
[0145]
图3为本发明所述实施例1中亮度可控细节保持眼底图像动态范围扩展方法流程图；
[0146]
图4为本发明所述实施例1中模型估计与亮度适配迭代过程流程图；
[0147]
图5为本发明所述实施例1中常拍摄的眼底图像；
[0148]
图6为本发明所述实施例1中眼底图像亮度分离后的大尺度纹理背景纹理层图像；
[0149]
图7为本发明所述实施例1中眼底图像亮度分离后的细小变化细节层图像；
[0150]
图8为本发明所述实施例1中估算纹理背景纹理层图像的平均亮度与标准差的直方图模型；
[0151]
图9为本发明所述实施例1中大尺度纹理背景纹理层图像动态范围扩展的映射曲线函数；
[0152]
图10为本发明所述实施例1中亮度适配用户显示设备亮度后的大尺度纹理背景纹理层图像；
[0153]
图11为本发明所述实施例1中基于背景纹理与细节层分离的亮度可控细节保持动态范围扩展的眼底图像；
[0154]
图12为本发明所述一种亮度可控细节保持眼底图像动态范围扩展系统结构图。
具体实施方式
[0155]
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
[0156]
实施例1
[0157]
一种亮度可控细节保持眼底图像动态范围扩展方法，如图1所示，包括以下步骤：
[0158]
通过数据获取模块获取眼底图像和显示设备亮度；
[0159]
将所述眼底图像提取亮度分量和色度分量，对所述亮度分量进行预处理，得到亮度分量背景纹理层和亮度分量细节层；
[0160]
对所述亮度分量背景纹理层进行直方图处理，得到直方图处理结果；
[0161]
对所述显示设备亮度估算平均亮度和标准差，并求解相应映射曲线；
[0162]
基于所述映射曲线实现图像亮度分量背景纹理层的动态范围扩展；
[0163]
将所述动态范围扩展的图像亮度分量背景纹理层与所述亮度分量细节层叠加，再与色度分量融合，得到最终输出眼底图像；
[0164]
动态范围扩展方法流程框图如图2所示，亮度可控细节保持眼底图像动态范围扩展方法流程图如图3所示；模型估计与亮度适配迭代过程流程图如图4所示；
[0165]
具体如下：
[0166]
a1)定义输入采集的眼底图像为i，如图5所示；用户显示设备的亮度值为ld，图像红、绿、蓝三个色彩通道的数据分别为r，g，b，则定义i的亮度分量lw为：
[0167]
lw＝0.299r+0.587g+0.114b
[0168]
a2)定义双边滤波器为bf：
[0169][0170]
其中，||p-q||是图像上p位置与q位置之间的欧几里得距离；i
p
表示图像上p位置的亮度，iq表示图像上q位置的亮度；|i
p-iq|则表示图像上p位置与q位置亮度之差的绝对值；与均表示二维高斯核；w
p
为归一化因子，确保了像素权重和为1：
[0171][0172]
参数σs和σr，分别控制了空间权重和幅度权重函数的形状：加大空间权重σs，双边滤波器将平滑掉更多的图像细节纹理，加大幅度权重σr，双边滤波器将近似于高斯滤波；而g
σ
(x,y)是二维高斯核：
[0173][0174]
其中，σ为标准差，x、y为图像空间坐标。
[0175]
a3)利用双边滤波器的特性将输入图像的亮度分量分解为背景纹理层和细节层：
[0176]
b＝bf[logl]
[0177]
d＝logl-b
[0178]
其中，b为大尺度纹理信息背景纹理层，d为细小变化的细节层；bf为步骤a2)所定义的双边滤波器，lw为步骤a1)所定义的亮度分量。
[0179]
a4)将背景纹理层与细节层回复为正常图像：
[0180]
b＝10exp(b)
[0181]
d＝10exp(d)
[0182]
此时可得到分离后的大尺度纹理背景纹理层与细小变化的细节层图像；分离后的大尺度纹理背景纹理层图像如图6所示，细小变化的细节层图像如图7所示。
[0183]
然后需要对大尺度纹理背景纹理层进行亮度适配用户输入的显示设备亮度值，并扩展其动态范围，亮度可控细节保持眼底图像动态范围扩展方法流程图如图3所示。从步骤b)开始，具体包括：
[0184]
b1)对步骤a4)获得的大尺度纹理背景纹理层图像b进行直方图统计，定义直方图为h(i)：
[0185]
h(i)＝|{lb(x,y)|lb(x,y)＝i}|
[0186]
其中，i＝0,...,l-1，|
·
|表示图像b的元素个数，l-1表示图像b的最大亮度值。
[0187]
b2)定义由步骤b1)得到的直方图h(i)的平均值μ：
[0188][0189]
其中，m,n分别为图像b的高和宽，i为亮度级别。
[0190]
b3)定义由步骤b1)得到的直方图h(i)的标准差σ：
[0191][0192]
其中，m,n分别为图像b的高和宽，i为亮度级别。
[0193]
b4)定义t1和t2为直方图h(i)的两个分割点：
[0194][0195]
其中，表示向下取整。t1和t2将直方图h(i)分割为三段独立的直方图，分别定义为h
l
(i)、hm(i)和hu(i)：
[0196]hl
(i)＝h(i),0≤i＜t1[0197]hm
(i)＝h(i),t1≤i＜t2[0198]hu
(i)＝h(i),t2≤i＜l
[0199]
其中，i为亮度级别；
[0200]
定义r1，r2和r3分别表示各段直方图在整体直方图中的比例：
[0201][0202][0203][0204]
其中，m,n分别为图像b的高和宽。
[0205]
b5)对第一段直方图h
l
(i)进行裁剪补偿，定义裁剪阈值为t
l
：
[0206]
t
l
＝median(h
l
(i))
[0207]
其中，median(
·
)表示中位值。定义裁剪后的直方图为h’l
(i)：
[0208][0209]
为了不改变h’l
(i)在整个直方图中的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为h”l
(i)：
[0210][0211][0212]
其中，inc
l
(i)表示第一段直方图各灰度值补偿的像素个数函数，用于提升暗部亮
度；res
l
为第一段直方图所裁剪像素值个数之和。
[0213]
b6)对第二段直方图hm(i)进行裁剪补偿，定义裁剪阈值为tm：
[0214]
tm＝median(hm(i))
[0215]
其中，median(
·
)表示中位值。定义裁剪后的直方图为h’m
(i)：
[0216][0217]
为了不改变h’m
(i)在整个直方图中的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为h”m
(i)：
[0218][0219]
其中，resm为第二段直方图所裁剪像素值个数之和，该段为平均补偿。
[0220]
b7)对第三段直方图hu(i)进行裁剪补偿，定义裁剪阈值为tu：
[0221]
tu＝median(hu(i))
[0222]
其中，median(
·
)表示中位值。定义裁剪后的直方图为h’u
(i)：
[0223][0224]
为了不改变h’u
(i)在整个直方图中的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为h”u
(i)：
[0225][0226][0227]
其中，incu(i)表示第三段直方图各灰度值补偿的像素个数函数，用于压制亮部亮度；resu为第三段直方图所裁剪像素值个数之和。
[0228]
b8)定义经过裁剪与补偿的直方图h”(i)：
[0229][0230]
如图8所示为本发明所提出的基于模型估计的直方图。所述步骤c)包括：
[0231]
c1)定义亮度分量大尺度纹理图像b直方图的分割点t1和t2映射到输出大尺度纹理图像b’的分割点为t1’
和t2’
，定义估计输出图像b’的模型平均亮度μm和标准差σm，通过迭代求解方程得到分割点t1’
。
[0232]
c2)根据估计模型列出计算分割点t’1,k
的方程f1(
·
)：
[0233][0234]
其中，μ
m,k
表示当前第k次迭代时的平均亮度；而σ
m,k
为当前第k次迭代时的标准差；r1,r2,r3表示分别表示各段直方图在整体直方图中的比例；t’1,k
表示当前第k次迭代时的第一个分割点。
[0235]
c3)标准差σ
m,k
的方程f2(
·
)：
[0236][0237]
其中，μ
m,k-1
表示第k-1次迭代(前一个)的平均亮度；σ
m,k-1
表示第k-1次迭代(前一个)的标准差；i表示亮度级别；t
2,k’表示当前第k次迭代时的第二个分割点。
[0238]
c4)根据估计模型列出计算分割点t’2,k
的方程：
[0239]
t|
2,k
＝t|
1,k
+2σ
m,k
[0240]
c5)迭代结束时，令
[0241]
t|1＝t|
1,k
[0242]
t|2＝t|
2,k
[0243]
从而可得到映射到输出大尺度纹理图像b’的分割点为t1’
和t2’
。
[0244]
所述步骤d)包括：
[0245]
d1)获取细节层图像d的平均亮度ld及其最高亮度值l
maxd
：
[0246]
ld＝mean(d)
[0247]
l
maxd
＝max(d)
[0248]
其中，mean(
·
)表示平均亮度值，max(
·
)为最高亮度值。则可得大尺度纹理背景层图像b的输出图像b’的平均亮度μm与最高亮度值ω
l
分别为：
[0249]
μm＝l
d-ld[0250]
ω
l
＝255-l
maxd
[0251]
其中，ld为所述的用户显示设备平均亮度值。
[0252]
d2)迭代计算过程如图4所示，即模型估计与亮度适配迭代过程流程图如图4所示，可求解基于估计模型而得到映射曲线函数。定义迭代计数器k＝1，定义最大迭代次数k＝120，定义预设误差δ《10-3
，定义初始标准差σ
m,0
＝σ(步骤b3)求得)，输出图像b’平均亮度初始值为μ
m,0
＝μm，计算t’1,0
＝f1(μ
m,0
,σ
m,0
)，迭代开始。
[0253]
d3)计算输出图像的标准差σ
m,k
＝f2(t’1,k-1
,σ
m,k-1
)。
[0254]
d4)为适配所述显示设备亮度，定义方程δ：
[0255][0256]
其中，l’maxb
表示输出背景纹理图像b’的最大亮度值。
[0257]
该式子基于最大熵提出，当δ＝0时的μ
m,k
是使得映射后的图像b’获得局部最大熵
的亮度，用数值方法求解该方程的复杂度很大，考虑到μ
m,k
是范围在0到l
maxb’的离散值，并且抛弃掉低亮度和高亮度的选择结果，所以定义μ
m,k
在30到180范围内寻找δ最接近于0的值。此时的μ
m,k
为自适应亮度方法得到的结果。
[0258]
d5)更新t’1,k
＝f1(μ
m,k
,σ
m,k
)。
[0259]
d6)若满足或k》k，迭代结束，输出最终的分割点t
’1＝t’1,k
，t2’
＝t1’
+2σ
m,k
；否则令k＝k+1，转到步骤d3)。
[0260]
所述步骤e)包括：
[0261]
e1)定义直方图的累计密度函数cdf(
·
)：
[0262][0263]
e2)定义从大纹理背景层动态范围[0,d-1]的图像b映射到新的动态范围[0,ω
l
]的输出图像b’的映射曲线函数t(
·
)：
[0264][0265]
其中，t1和t2为b4)所求直方图h(i)的两个分割点；ω
l
为d1)所求输出背景纹理图像b’的最高亮度。
[0266]
该函数曲线如图9所示，即大尺度纹理背景层图像动态范围扩展的映射曲线函数如图9所示。
[0267]
e3)定义映射后的输出图像l
b’：
[0268]
l
b'
(x,y)＝t(lb(x,y))
[0269]
其中，lb(x,y)表示原背景纹理图像b的每一个像素的灰度值。
[0270]
所述步骤f)包括：
[0271]
f1)定义扩展动态范围后的大纹理背景纹理层图像b’与细节层图像d叠加后的新的亮度分量图像为l
w’：
[0272]
l'w＝l
b'
+ld[0273]
其中，l
b’表示步骤e3)求得扩展动态范围后的大纹理基本图像，ld表示细节层图像。
[0274]
f2)将步骤f1)求得扩展动态范围后的亮度分量图像l
w’与色度、饱和度分量融合后，得到一幅亮度匹配用户显示设备亮度值且细节保持的扩展动态范围新图像。
[0275]
亮度适配用户显示设备亮度后的大尺度纹理背景纹理层图像如图10所示；基于背景纹理与细节层分离的亮度可控细节保持动态范围扩展的眼底图像如图11所示；
[0276]
实施例2
[0277]
一种亮度可控细节保持眼底图像动态范围扩展系统，如图12所示，包括：
[0278]
数据获取模块，用于获取眼底图像和显示设备亮度；
[0279]
预处理模块，将所述眼底图像提取亮度分量和色度分量，对所述亮度分量进行双
边滤波层分解，得到亮度分量背景层和亮度分量细节层；
[0280]
直方图处理模块，对所述亮度分量背景层进行直方图分段剪切补偿处理，得到直方图处理结果；
[0281]
估算模块，对所述显示设备亮度估算背景纹理层图像的平均亮度和标准差；
[0282]
映射曲线求解模块，用于求解相应映射曲线，基于所述映射曲线实现图像亮度分量背景纹理层的动态范围扩展；
[0283]
最终输出模块，将所述动态范围扩展的图像亮度分量背景纹理层与所述亮度分量细节层叠加，再与色度分量融合，得到最终输出眼底图像。
[0284]
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。