一种图像增强方法及图像增强装置与流程
本发明涉及图像处理技术领域，特别涉及一种图像增强方法及图像增强装置。
背景技术：
彩色数字图像是反馈自然界信息的重要媒介，在不利的拍摄环境下，捕捉的图像通常具有低对比度，甚至有严重色偏的降质图像。
从低质量图像中获得更多的信息，现有技术提出一些增强图像的算法用以优化图像，例如：子直方图均衡化算法可利用阈值将原图像的直方图分解成若干个子直方图，并对子直方图分别进行均衡操作；修正直方图均衡化算法可通过修正直方图频率值和累积分布函数的方式来控制算法效果；局部直方图均衡化算法则依据图像的空间位置实施局部均衡化操作；还有基于变换域均衡化图像增强技术，它是通过将处于空域的图像变换至其他域进行均衡化图像增强。这些方法虽然起到了优化作用，但是也有弊端：子直方图均衡化算法需要实施多次均衡化操作，而且难以选取到合适的阈值；修正直方图均衡化算法虽然只需要实施一次均衡化操作，但是难以找到满意的修正方法和剪切参数；直方图变分规定化技术算法计算量大，且难以设计出合适的目标直方图；局部直方图均衡化算法难以找到合适的方法消除该算法导致的“块效应”现象和“过增强”现象；基于变换域均衡化图像增强技术则是算法复杂度过高。
技术实现要素：
有鉴于此，为了从低质量图像中获得更多的信息，且克服以上弊端，有必要提供一种图像增强方法及图像增强装置。
本发明实施例提供一种图像增强方法，包括如下步骤：
获取源图像iin(u,v)，iin(u,v)＝{rin(u,v),gin(u,v),bin(u,v)}；
拉伸iin(u,v)的r、g和b通道颜色幅度，得到颜色幅度拉伸后的图像istre(u,v)，istre(u,v)＝{rstre(u,v),gstre(u,v),bstre(u,v)}；
转换istre(u,v)的颜色空间，使istre(u,v)从rgb空间转换至hsv空间，得到色调分量h(u,v)、亮度分量v(u,v)和饱和度分量s(u,v)；
加权计算v(u,v)，得到新的v通道图像vout(u,v)；
拉伸s(u,v)，得到拉伸后的s通道图像sout(u,v)；
逆变换h(u,v)、vout(u,v)和sout(u,v)至rgb空间，得到图像增强后的图像iout(u,v)，iout(u,v)＝{rout(u,v),gout(u,v),bout(u,v)}。
本发明实施例还提供一种图像增强装置，其可包括：
获取单元，用于获取源图像iin(u,v)，iin(u,v)＝{rin(u,v),gin(u,v),bin(u,v)}；
rgb拉伸单元，用于拉伸iin(u,v)的r、g和b通道颜色幅度，得到颜色幅度拉伸后的图像istre(u,v)，istre(u,v)＝{rstre(u,v),gstre(u,v),bstre(u,v)}；
转换单元，用于转换istre(u,v)的颜色空间，使istre(u,v)从rgb空间转换至hsv空间，得到色调分量h(u,v)、亮度分量v(u,v)和饱和度分量s(u,v)；
计算单元，用于加权计算v(u,v)，得到新的v通道图像vout(u,v)；
饱和度分量拉伸单元，用于拉伸s(u,v)，得到拉伸后的s通道图像sout(u,v)；
逆变换单元，用于逆变换h(u,v)、vout(u,v)和sout(u,v)至rgb空间，得到图像增强后的图像iout(u,v)，iout(u,v)＝{rout(u,v),gout(u,v),bout(u,v)}。
本发明实施例将源图像先进行r、g和b通道颜色幅度拉伸，再基于hsv空间调整v通道图像和s通道图像，使v通道图像直方图均衡化和s通道图像灰度值最大化拉伸，再将调整后的图像逆变换至rgb空间，得到增强后的图像，本发明实施例提供的方法能够克服传统直方图均衡化算法带来的“过增强”现象，计算过程简明、复杂度低，并能够有效地改善图像的对比度和亮度信息，获得高对比度和高色彩亮度的增强图像。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图是本发明实施例的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
附图1是一较佳实施方式的图像增强方法的步骤流程图。
附图2是本发明实施例的实施方法效果展示图。
附图3是本发明实施例中对v通道实施加权直方图均衡化算法前后的变化参照图。
附图4是本发明实施例对加权均衡化后的直方图实施重新映射前后的变化参照图。
附图5是本发明实施例对s通道实施饱和度最大化拉伸算法前后的变化参照图。
附图6是本发明实施例对于名为“earth”的场景图的6种方案增强结果对照参考图。
附图7是本发明实施例对于名为“earth”的场景图的6种方案直方图结果对照参考图。
附图8是本发明实施例对于名为“road”的场景图的6种方案增强结果对照参考图。
附图9是本发明实施例对于名为“road”的场景图的6种方案直方图结果对照参考图。
附图10是本发明实施例对于名为“126007”的场景图的6种方案增强结果对照参考图。
附图11是本发明实施例对于名为“126007”的场景图的6种方案直方图结果对照参考图。
附图12是本发明实施例对于名为“5096”的场景图的6种方案增强结果对照参考图。
附图13是本发明实施例对于名为“5096”的场景图的6种方案直方图结果对照参考图。
附图14是一较佳实施方式的图像增强装置的结构组成示意图。
附图15是第一较佳实施方式的rgb拉伸单元12的结构组成示意图。
附图16是第二较佳实施方式的rgb拉伸单元12的结构组成示意图。
附图17是第三较佳实施方式的rgb拉伸单元12的结构组成示意图。
附图18是一较佳实施方式的计算单元14的结构组成示意图。
附图19是一较佳实施方式的加权计算单元141的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种图像增强方法，实现该方法的主体为一种图像增强装置，该装置可以为具有图像处理功能的终端设备。请参照图1和图2，本发明实施例提供的图像增强方法的实施步骤具体可以包括：
步骤s110，获取源图像iin(u,v)，其中，iin(u,v)＝{rin(u,v),gin(u,v),bin(u,v)}；
步骤s111，拉伸源图像iin(u,v)的r、g和b通道颜色幅度，得到颜色幅度拉伸后的图像istre(u,v)，istre(u,v)＝{rstre(u,v),gstre(u,v),bstre(u,v)}；
步骤s112，转换图像istre(u,v)的颜色空间，使图像istre(u,v)从rgb空间转换至hsv空间，得到色调分量h(u,v)、亮度分量v(u,v)和饱和度分量s(u,v)；
步骤s113，加权计算v(u,v)，得到新的v通道图像vout(u,v)；
步骤s114，拉伸s(u,v)，得到拉伸后的s通道图像sout(u,v)；
步骤s115，逆变换h(u,v)、vout(u,v)和sout(u,v)至rgb空间，得到图像增强后的图像iout(u,v)，iout(u,v)＝{rout(u,v),gout(u,v),bout(u,v)}。
本发明实施例首先是对输入的rgb格式的彩色源图像iin(u,v)在rgb空间中,分别对其r,g和b通道进行颜色幅度拉伸，源图像iin(u,v)可以被表示为：
iin(u,v)＝{rin(u,v),gin(u,v),bin(u,v)}(1)
其中(u,v)表示源图像的像素位置，并满足u＝1,...,u,v＝1,...,v。
为了减少因不利的捕获环境所引起的图像失真，rgb空间颜色通道拉伸可作为图像对比度增强的预处理算法，将每个颜色通道都拉伸到所允许的最大范围。拉伸iin(u,v)的r、g和b通道颜色幅度，得到颜色幅度拉伸后的图像istre(u,v)，图像istre(u,v)可以被表示为：
istre(u,v)＝{rstre(u,v),gstre(u,v),bstre(u,v)}(2)
具体的，实现拉伸iin(u,v)的r通道颜色幅度的步骤具体可包括：计算iin(u,v)的r通道颜色幅度取值范围；选取计算出的r通道颜色幅度取值范围中的最高值；拉伸r通道颜色幅度至r通道颜色幅度取值范围中的最高值，得到rstre(u,v)。
r通道的颜色拉伸公式可用公式(3)表示
其中min({r(u,v)})和max({r(u,v)})分别表示r通道中像素的最小值和最大值。
具体的，实现拉伸iin(u,v)的g通道颜色幅度的步骤具体可包括：计算iin(u,v)的g通道颜色幅度取值范围；选取计算出的g通道颜色幅度取值范围中的最高值；拉伸g通道颜色幅度至g通道颜色幅度取值范围中的最高值，得到gstre(u,v)。
g通道的颜色拉伸公式可用公式(4)表示
其中min({g(u,v)})和max({g(u,v)})分别表示r通道中像素的最小值和最大值。
具体的，实现拉伸iin(u,v)的b通道颜色幅度的步骤具体可包括：计算iin(u,v)的b通道颜色幅度取值范围；选取计算出的b通道颜色幅度取值范围中的最高值；拉伸b通道颜色幅度至b通道颜色幅度取值范围中的最高值，得到bstre(u,v)。
b通道的颜色拉伸公式可用公式(5)表示
其中min({b(u,v)})和max({b(u,v)})分别表示r通道中像素的最小值和最大值。
rgb格式的图像难以区分图像的色度，亮度和饱和度信息。如果直接在rgb颜色空间增强源图像的对比度，则r，g和b三者之间的比例关系极易被破坏，故而产生色彩失真现象。hsv(hue,saturation,value)颜色空间比其他颜色空间更符合人类对颜色感知的体验，可以很大程度的减少图像的细节信息和颜色信息的相互干扰。在步骤s112中，转换istre(u,v)的颜色空间，使istre(u,v)从rgb空间转换至hsv空间，得到色调分量h(u,v)、亮度分量v(u,v)和饱和度分量s(u,v)。将rgb色彩空间转换为hsv色彩空间的转换函数可以用公式(6)表示：
传统的直方图均衡化算法通常由于“过增强”而产生伪像，均匀分布的直方图可以保留图像更多的细节信息，本发明实施例通过一种优化准则将直方图的灰度级进行组合优化，从而获得满意的直方图，达到改善图像质量的目的。
在步骤s113中，对v通道进行加权直方图均衡化操作，加权计算v(u,v)，得到新的v通道图像vout(u,v)，具体的实施方式可包括以下步骤：将v(u,v)对应直方图h(i)的灰度值进行加权计算，得到加权后的直方图hw(i)；将hw(i)归一化，得到hn(i)；映射hn(i)中的非空强度等级，使hn(i)的直方图分布均匀，得到加权计算后的vout(u,v)。
加权后的直方图hw(i)可用公式(7)表示：
hw(i)＝β×h(i)+ω×max{(h(i))},0＜ω＜1,ω+β＝1(7)
其中，hw(i)是加权后的直方图，h(i)表示直方图，max{h(i)}是最大灰度值，i＝0,1,...,l-1，当h(i)＝(l-1)，则满足
hw(i)max＝(ω+β)×(l-1)＝(l-1)(8)
由公式(7)和(8)可以得出，该优化准则可以确保输出的灰度级始终保持在[0,l-1]范围内。对于源图像较暗部分，该优化准则可以使低灰度值增大；对于源图像较亮部分，该优化准则使得高灰度值变小。可有效地避免直方图的过度增强，很大程度的减少伪影的产生，并且确保在保持图像亮度的同时增强图像的对比度。直方图的加权前后的变化如图3所示。由图3中的图3b可以看出，低灰度值在加权均衡优化之后会得以恢复更多的信息内容。
本发明实施例将hw(i)归一化，得到hn(i)，其中,直方图hn(i)可用公式(9)表示：
映射hn(i)中的非空强度等级，使hn(i)的直方图分布均匀，得到加权计算后的vout(u,v)。
对加权优化后的直方图进行均衡化操作仍然可能会出现部分灰度值丢失现象，如图3所示，通过观察直方图的变化可以检测出丢失的灰度值，因此，需要将非空的灰度值重新映射到整个区间，以便获得具有均匀分布的直方图。
首先指定一个集合ω来储存非空的灰度值。公式定义如下：
ω＝{ω(m)＝hn(i)|hn(i)＞0}(10)
其中，ω(m)将存储直方图均衡后生成的非空灰度值的数目，且满足m＝1,2,...,mmax。如果m≠0时，则需要将其重新映射到[0,l-1]。使用以下计算规则来确保最终的输出直方图可以均匀地覆盖在整个空间。该计算准则如下所示：
直方图重新映射过程如图4所示，图4中清晰的显示直方图重新映射之前，直方图明显有分布不均匀现象，经重新映射之后，所有非空灰度值都均匀分布在[0,1]范围内。
另外，本发明实施例还对公式(7)中所涉及的权值参数ω和β给出了选取方案，通过黄金分割算法进行搜索和选取：选定初始搜索范围；选定亮度误差作为迭代的目标函数；通过目标函数进行迭代，以缩小初始搜索范围；通过缩小的初始搜索范围重复迭代操作，直至将初始搜索范围缩小至目标精度；计算出获得最优权值参数ω和β。
为了达到对比度增强和亮度保持的双重目的，首先需要定义一个目标函数j，如下所示：
其中
当输入的源图像为iin(u,v)，输入图像的平均亮度值iin,m时，使用公式(12)和公式(13)，黄金分割算法搜索权值参数算法步骤的具体实施方式可如下：
步骤s210，输入黄金分割点ρ＝0.618，迭代初始值α1＝eps,α2＝1-eps；
步骤s211，误差范围记为δα＝α1-α2，并确定一个较小的精确度值τ，其中τ→ε＝10-4；
步骤s212，计算α1,α2所对应的目标函数j1,j2；
步骤s213，当满足δα＞τ、j1＞j2时，更新区间端点公式，设置α2＝α1+ρ×δα，并将j2记为目标函数；反之，更新区间端点公式，设置α1＝α1+(1-ρ)×δα，同时j1记为目标函数；
步骤s214，不断更新区间端点α1,α2和目标函数j1,j2，重复实施步骤s213，直到满足δα＜τ时，结束搜索步骤；
步骤s215，返回并计算权值参数ω和β，其中，ω＝0.5×(α1+α2),β＝1-ω。
进一步可选地，本发明实施例中v通道图像实施加权直方图均衡后，可以极大地改善图像的对比度和细节信息，但当图像再转换回rgb空间时，也可能会发生去饱和或色彩损失现象。通过步骤s114，可将s(u,v)图像对应的直方图的灰度值进行最大化拉伸，使s(u,v)图像对应的直方图分布均匀，得到增强后的sout(u,v)图像。
在hsv空间中，其亮度和饱和度分别为等式(14)和等式(15)：
v＝max{r,g,b}(14)
其中r，g和b是rgb的归一化值，当增强v通道图像时，图像像素强度会趋于l-1，因此存在v＝max{r,g,b}＝(l-1)，公式改或者表示成如下形式：
r(u,v)＝(l-1),g(u,v)＝(l-1),b(u,v)＝(l-1)(16)
根据等式(15)，最小饱和度如下所示：
其中，图像的饱和度越高，显示的颜色类型越多，为了显示更多的颜色信息，需要扩展饱和度信息至最大范围：
sout(u,v)＝max{sin(u,v)}(18)
图像饱和度拉伸过程如图5所示。通过图5中的图5b显示，饱和度被拉伸之后，所对应的图像恢复了更多的细节信息。
最后，在步骤s115，可对得到的最终v通道增强图像vout(u,v)和最终s通道增强图像sout(u,v)，还有原来的h(u,v)作hsv与rgb颜色空间逆变换得到最终的增强图像iout(u,v)，变换函数如公式(19)所示：
最后得到的增强图像iout(u,v)为：
iout(u,v)＝{rout(u,v),gout(u,v),bout(u,v)}(20)
在仿真实验中，将本发明实施例所提出的方法与传统直方图均衡化方法(he)、限制对比度的自适应均衡化方法(clahe)、平均直方图均衡方法(avheq)以及直方图最大覆盖方法(maxcover)进行效果对比，请一并参照图6-图13。
图6和图7是名为“earth”的场景图的增强结果比较图和对应的直方图对照参考图。其中图6a、图7a分别是源图像和对应的直方图。图6b和7b分别是采用传统he方法得到的增强结果和所对应的直方图结果。图6c和7c是分别是采样clahe方法得到的增强结果和所对应的直方图结果。图6d和7d分别是采用avheq方法得到的增强结果和所对应的直方图结果。图6e和7e分别是采用maxcover方法得到的增强结果和所对应的直方图结果。图6f和7f分别是采用本发明方法得到的增强结果和所对应的直方图结果。
从图6b、图6c、图6d和6e可以看到四种方法都能够改善图像质量。虽然图6b和图6c中源图像整体的对比度有所提升且岩石内部的纹理也显现了出来，但是这两种方法所对应的直方图7b和图7c中显示，源图像的直方图形状并未被有效地保留。图6d中显示图像的部分细节颜色信息并未被有效地恢复。图6e和7e中显示图像细节信息丢失严重且整体效果模糊，以及所对应的直方图结果并未均匀分布至整个区间。图6f和7f是采用本发明方法所得的结果，结果显示源图像的纹理细节信息显示得更加清晰。另外，直方图结果也更好。可见本发明实施例提供的方法可以更好的提高图像对比度，并有效地恢复源图像的颜色信息。
图8和图9是本发明对于名为“road”的场景图的增强结果比较图和对应的直方图对照参考图。其中图8a、图9a分别是源图像和源图像对应的直方图。图8b和图9b分别是采用传统he方法得到的增强结果和其所对应的直方图结果。图8c和图9c是分别是采样clahe方法得到的增强结果和所对应的直方图结果。图8d和图9d分别是采用avheq方法得到的增强结果和所对应的直方图结果。图8e和图9e分别是采用maxcover方法得到的增强结果和所对应的直方图结果。图8f和图9f分别是采用本发明方法得到的增强结果和所对应的直方图结果。
如图8b和8c所示，采用he方法和clahe方法对于源图像去雾效果比较明显，但是颜色信息并未恢复。图8d、图8e、图9d和图9e显示采用avghe方法和maxcover方法可以有效地保持源图像直方图形状，但是去雾效果和色彩信息恢复效果均不满意。而本发明实施例的结果如图8f所示，主观视觉效果最好，尤其是左右两边的房屋、汽车以及远处的树木颜色信息恢复效果明显，细节部分也得到了有效地增强。
图10和图11是本发明对于名为“126007”的场景图的增强结果比较图和对应的直方图对照参考图。其中图10a、图11a分别是源图像和对应的直方图。图10b和图11b分别是采用传统he方法得到的增强结果和所对应的直方图结果。图10c和图11c是分别是采样clahe方法得到的增强结果和所对应的直方图结果。图10d和图11d分别是采用avheq方法得到的增强结果和所对应的直方图结果。图10e和图11e分别是采用maxcover方法得到的增强结果和所对应的直方图结果。图10f和图11f分别是采用本发明方法得到的增强结果和所对应的直方图结果。
图10b和10c，采用he方法和clahe方法对于源图像的部分天空颜色有失真现象；图10d、图10e显示采用avghe方法和maxcover方法对于源图像并未获得满意的亮度保持效果，图像整体对比度依然偏暗；而本发明实施例的结果如图10f所示，对于源图像并未出现颜色失真现象，在保持亮度的同时对比度得到很大的改善。
图12和图13是本发明对于名为“5096”的场景图的增强结果比较图和对应的直方图对照参考图。其中图12a、图13a分别是源图像和对应的直方图。图12b和图13b分别是采用传统he方法得到的增强结果和所对应的直方图结果。图12c和图13c是分别是采样clahe方法得到的增强结果和所对应的直方图结果。图12d和图13d分别是采用avheq方法得到的增强结果和所对应的直方图结果。图12e和图13e分别是采用maxcover方法得到的增强结果和所对应的直方图结果。图12f和图13f分别是采用本发明方法得到的增强结果和所对应的直方图结果。
图12b和图12c，采用he方法和clahe方法对于源图像部分地面出现过增强现象，且天空颜色出现失真。图12d、图12e显示采用avghe方法和maxcover方法对于源图像细节信息恢复具有良好效果。而本发明实施例的结果如图12f所示，对于源图像的墙壁、砖块和天空色彩信息色彩还原效果较为满意，整体的亮度信息也得到了良好的提高。
图像增强结果的评价分为主观评价和客观评价，主观评价通过视觉系统直接观察实验结果图像的亮度信息、对比度信息和色彩信息的增强效果。客观评价就是利用图像统计参数进行判定。本发明试验结果可采用熵值、图像清晰度(tenengrad梯度)和平均梯度指标作为客观平价数据内容。
图像熵值可以表征图像信息量。熵值越大，表示保留的细节信息越丰富。公式(13)可以作为熵值测试依据。
图像清晰度反映图像的整体视觉效果，较高的清晰度测试结果表示图像的主观视觉质量更好。可通过公式(21)表示：
其中，t为阈值，δmx(u,v)和δnx(u,v)分别是像素(u,v)水平方向和垂直方向上像素之间的差异。
平均梯度描述图像细节的丰富度，较高的平均梯度测试结果表明图像的细节越丰富。可通过公式(23)表示：
其中f(u,v)像素的灰度级，
表格1不同算法的客观评价指标数据
由表格1中的数据可以得到，在四组图像增强结果参数对比中，采用本发明实施例方法所得的清晰度数据和平均梯度数据结果均是最大的，表示增强效果是最佳的。图6、图8和图12的熵值数据结果较其他增强算法也取得了最大数据结果。虽然图10的avheq算法的熵值测试结果为7.7242，比本发明所提方法的要高一些，但是已经定性的表明，本发明实施例所提方法在视觉感知效果方面比avheq算法性能更高，综合效果更好，对于图像的亮度保持和颜色信息恢复方面相比于其他方案能够获得更佳的结果。
本发明实施例将源图像先进行r、g和b通道颜色幅度拉伸，再基于hsv空间调整v通道图像和s通道图像，使v通道图像直方图均衡化和s通道图像灰度值最大化拉伸，再将调整后的图像逆变换至rgb空间，得到增强后的图像，本发明实施例提供的方法克服了传统直方图均衡化算法带来的“过增强”现象，计算过程简明、复杂度低，并能够有效地改善图像的对比度和亮度信息，获得了高对比度和高色彩亮度的增强图像。
请参照图14，本发明实施例还提供一种图像增强装置，可用于实施图1、图2所示的方法，具体的，本发明实施例提供的图像增强装置包括：
获取单元11，用于获取源图像iin(u,v)，iin(u,v)＝{rin(u,v),gin(u,v),bin(u,v)}，；具体实施方式可参考前述步骤s110；
rgb拉伸单元12，用于拉伸iin(u,v)的r、g和b通道颜色幅度，得到颜色幅度拉伸后的图像istre(u,v)，istre(u,v)＝{rstre(u,v),gstre(u,v),bstre(u,v)}；具体实施方式可参考前述步骤s111；
转换单元13，用于转换istre(u,v)的颜色空间，使istre(u,v)从rgb空间转换至hsv空间，得到色调分量h(u,v)、亮度分量v(u,v)和饱和度分量s(u,v)；具体实施方式可参考前述步骤s112；
计算单元14，用于加权计算v(u,v)，得到新的v通道图像vout(u,v)；具体实施方式可参考前述步骤s113；
饱和度分量拉伸单元15，用于拉伸s(u,v)，得到拉伸后的s通道图像sout(u,v)；具体实施方式可参考前述步骤s114；
逆变换单元16，用于逆变换h(u,v)、vout(u,v)和sout(u,v)至rgb空间，得到图像增强后的图像iout(u,v)，iout(u,v)＝{rout(u,v),gout(u,v),bout(u,v)}；具体实施方式可参考前述步骤s115。
进一步可选地，如附图15所示，本发明实施例提供的rgb拉伸单元12可包括r计算单元121、r选取单元122、r拉伸单元123，用于具体实施拉伸r通道颜色幅度：
r计算单元121，用于计算iin(u,v)的r通道颜色幅度取值范围；
r选取单元122，用于选取计算出的r通道颜色幅度取值范围中的最高值；
r拉伸单元123，用于拉伸r通道颜色幅度至r通道颜色幅度取值范围中的最高值，得到rstre(u,v)；
进一步可选地，如附图16所示，本发明实施例提供的rgb拉伸单元12可包括g计算单元124、g选取单元125、g拉伸单元126，用于具体实施拉伸g通道颜色幅度：
g计算单元124，用于计算iin(u,v)的g通道颜色幅度取值范围；
g选取单元125，用于选取计算出的g通道颜色幅度取值范围中的最高值；
g拉伸单元126，用于拉伸g通道颜色幅度至g通道颜色幅度取值范围中的最高值，得到gstre(u,v)；
进一步可选地，如附图17所示，本发明实施例提供的rgb拉伸单元12可包括b计算单元127、b选取单元128、b拉伸单元129，用于具体实施拉伸b通道颜色幅度：
b计算单元127，用于计算iin(u,v)的b通道颜色幅度取值范围；
b选取单元128，用于选取计算出的b通道颜色幅度取值范围中的最高值；
b拉伸单元129，用于拉伸b通道颜色幅度至b通道颜色幅度取值范围中的最高值，得到bstre(u,v)。
进一步可选地，如附图18所示，本发明实施例提供的计算单元14可包括加权计算单元141、归一化单元142、映射单元143，用于实施加权均衡计算：
加权计算单元141，用于将v(u,v)对应直方图h(i)的灰度值进行加权计算，得到加权后的直方图hw(i)，hw(i)＝β×h(i)+ω×max{(h(i))},0＜ω＜1,ω+β＝1，max{h(i)}为最大灰度值；
归一化单元142，用于将hw(i)归一化，得到hn(i)，其中,
映射单元143，用于映射hn(i)中的非空强度等级，使hn(i)的直方图分布均匀，得到加权计算后的vout(u,v)。
进一步可选地，如附图19所示，本发明实施例提供的加权计算单元141还可包括选定单元1411、迭代与缩小单元1412、最优权值参数计算单元1413，用于实施最优权值参数ω和β的选取：
选定单元1411，用于选定初始搜索范围；还用于选定亮度误差作为迭代的目标函数；
迭代与缩小单元1412，用于通过目标函数进行迭代，以缩小初始搜索范围；还用于通过缩小的初始搜索范围重复迭代操作，直至将初始搜索范围缩小至目标精度；
最优权值参数计算单元1413，用于计算出获得最优权值参数ω和β。
本发明实施例的饱和度分量拉伸单元15具体可用于将s(u,v)图像对应的直方图的强度等级进行灰度值最大化拉伸，使s(u,v)图像对应的直方图分布均匀，得到增强后的sout(u,v)图像。具体实施方式可参照前述步骤，在此不做赘述。
本发明实施例的图像增强装置将源图像先进行r、g和b通道颜色幅度拉伸，再基于hsv空间调整v通道图像和s通道图像，使v通道图像直方图均衡化和s通道图像灰度值最大化拉伸，再将调整后的图像逆变换至rgb空间，得到增强后的图像，本发明实施例提供的图像增强装置克服了传统直方图均衡化算法带来的“过增强”现象，计算过程简明、复杂度低，并能够有效地改善图像的对比度和亮度信息，获得了高对比度和高色彩亮度的增强图像。
本发明实施例中所述模块或单元，可以通过通用集成电路，例如cpu(centralprocessingunit，中央处理器)，或通过asic(applicationspecificintegratedcircuit，专用集成电路)来实现。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)或随机存储记忆体(randomaccessmemory，ram)等。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例装置中的模块或单元可以根据实际需要进行合并、划分和删减。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
- 还没有人留言评论。精彩留言会获得点赞！