1

一种减弱边缘效应的细节保持直方图均衡化方法的研究

徐艳2013/03/3

0

天津大学 ASIC 设计中心 RCVIA

2

直 方 图 均 衡 化 研 究 现 状

一 种 细 节 保 持 直 方 图 均 衡 化 方 法

图 像 增 强 研 究 背 景

仿 真 实 验 和 结 果 分 析

天津大学 ASIC 设计中心 RCVIA

3

直 方 图 均 衡 化 研 究 现 状

直 方 图 均 衡 化 新 方 案

图 像 增 强 研 究 背 景

仿 真 实 验 和 结 果 分 析

天津大学 ASIC 设计中心 RCVIA

4

图像增强时图像处理过程中的重要内容，是视频处理中一个重要的步骤

图像质量下降原因• 在摄影时由于光照条件不足或过度，会使图像过暗或过亮• 光学系统的失真、相对运动、大气流动等都会使图像模糊• 传输过程中会引入各种类型的噪声

图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息 , 有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，获得高质量的图像，从而更加容易对图像中感兴趣的目标进行检测和测量

天津大学 ASIC 设计中心 RCVIA

5

视觉信息处理功能演示系统架构

天津大学 ASIC 设计中心 RCVIA

图像增强是 863 课题基于可重构处理器的视觉信息处理应用系统设计中视觉信息处理功能演示系统中的一部分

8051

传感器

传感器

视频流采集

PLB总线

模式识别

滤波

旋转

行缓存

I2C Microblaze DDR 数据接口

PLB总线

视频融合

视频缩放

视频增强

OSD

视频显示

显示器

Microblaze DDRSRAM

通用可重构处理芯片

系统互连

中粒度阵列

… …

细粒度阵列

… …

DMACIRQ

(中断控制器)

粗粒度阵列

片上存储器片外存储器接口

外设接口

6

直方图均衡化基本理论直方图均衡化基本理论

直方图均衡化是图像对比度增强的一种常用的方法

• 统计灰度图像的直方图

• 利用灰度值的概率分布函数得到累积分布函数，作为变换函数对原始图像各个灰度级做重新映射

• 图像直方图在整个亮度范围内得到拉伸，对比度提高

天津大学 ASIC 设计中心 RCVIA

7

均衡化之前前图像及其直方图

均衡化之后得的图像及其直方图

天津大学 ASIC 设计中心 RCVIA

8

直方图均衡化应用范围广泛

红外图像增强

医学图像分析 电视技术

交通监控检测

天津大学 ASIC 设计中心 RCVIA

9

直 方 图 均 衡 化 研 究 现 状

直 方 图 均 衡 化 新 方 案

图 像 增 强 应 用 背 景

仿 真 实 验 和 结 果 分 析

天津大学 ASIC 设计中心 RCVIA

10

传统直方图均衡化优缺点传统直方图均衡化优缺点 优点• 计算快速，简单• 实时高效提升对比度

不足• 平均亮度漂移• 灰度级的合并和减少• 过增强• 细节消失

天津大学 ASIC 设计中心 RCVIA

11

直方图均衡化研究现状直方图均衡化研究现状

过增强边缘效应显著

天津大学 ASIC 设计中心 RCVIA

12

直方图分割，分别作直方图均衡化

循环分割，多次逼近

根据动态范围作直方图重分布

局部直方图均衡化

转换函数优化

目前采用改进方法目前采用改进方法

天津大学 ASIC 设计中心 RCVIA

13

• 确定分割点

a) 图像平均灰度值 b) 面积等分点

c) 可使图像获得最大熵值的灰度值

d) 可使图像最小亮度差的灰度值

• 将直方图分成两个部分

• 对两部分直方图分别作单独的直方图均衡化

直方图分割直方图分割

天津大学 ASIC 设计中心 RCVIA

14

图像的亮度均值更接近原始图像（与传统的直方图均衡化相比）

获得更大的熵（ Entropy ）、平均亮度差（ AMBE ）

天津大学 ASIC 设计中心 RCVIA

以直方图面积等分点作为分割点做直方图均衡化

15

• 选择分割点

a) 图像平均灰度值 b) 面积等分点

• 以 2r 的次数进行分割

• 分别对每个部分进行直方图均衡化

循环分割法循环分割法

天津大学 ASIC 设计中心 RCVIA

16

分割次数更精确地保持了平均亮度 计算量复杂性和计算时间增大 直方图操作本身的弊端依然存在

天津大学 ASIC 设计中心 RCVIA

HE BBHE RMSHE

RMSHE

17

动态范围重分布动态范围重分布

• 选择一定的分割标准

• 将直方图分成 n 个部分

也可以根据需要对每个部分再做细分，减弱过增强

• 对每部分重新设定动态范围，重分布直方图

• 计算转换函数

天津大学 ASIC 设计中心 RCVIA

18

利用方差和标准差对局部的直方图再做细分可以有效保证重分布均匀性

分割的次数不受限制 分布均匀，减弱过增强 动态范围更广，对比度增强效果更好 计算量相比前两种更大

天津大学 ASIC 设计中心 RCVIA

ORIGINAL BBHE RMSHE

DHE

19

转换函数优化 转换函数优化

• 直方图优化

多余部分裁剪

填补缺少灰度级

• 将直方图分割后分配不同权重

• 利用数学方法优化转换函数

增加惩罚因子项

天津大学 ASIC 设计中心 RCVIA

20

选择阈值裁剪直方图

边缘效应明显减弱 过增强减弱效果好，不会出现圆晕效果 视觉效果自然，符合人眼特性 计算过程复杂

天津大学 ASIC 设计中心 RCVIA

加入修正因子改变变换函数修正变换

函数

21

局部直方图均衡化局部直方图均衡化• 将原始图像分成多个矩形的子图像 可重叠 可不重叠

• 在子图像内进行直方图均衡 对于重叠部分需要综合考虑其影响 a) 背景 b) 兴趣区域 c) 边缘

• 金字塔分割 对每层作增强后合并

天津大学 ASIC 设计中心 RCVIA

22

细节保持较好，不会丢失原图的信息

棋盘效应

金字塔分割对实时处理中存储的要求较高

天津大学 ASIC 设计中心 RCVIA

输入图像

灰度图像

金字塔分割

对比度增强 细节增强

颜色校准

输出图像

选择阈值裁剪直方图

23

直 方 图 均 衡 化 研 究 现 状

一 种 细 节 保 持 直 方 图 均 衡 化 方 法

图 像 增 强 应 用 背 景

仿 真 实 验 和 结 果 分 析

天津大学 ASIC 设计中心 RCVIA

24

直方图均衡化要求直方图均衡化要求

保护细节亮度保持 防止过增强

• 统计领域信息• 参数控制增强程度• 直方图自动优化• 各部分独立作直方图均衡

天津大学 ASIC 设计中心 RCVIA

一种减弱边缘效应的细节保持直方图均衡化方法

25

邻域信息邻域信息100 234 60

255 0 80

18 97 75

0 1 30

7 0 41

5 26 32

将邻域信息加入到直方图的统计中，区别具有不同周围信息的相同灰度值像素

将图片本身含有的细节保留 直方图不仅包含灰度级概率分布，同时将图像的背景和细节处得以分离

天津大学 ASIC 设计中心 RCVIA

26

设定统计函数中的参数，根据图像本身是否过量或者过暗确定增强的程度

将优化后的直方图作作均值分割 各部分直方图在各自的动态范围内作扩展

保留细节信息，避免使用局部直方图均衡，采用统一的变换函数，使得图像整体视觉效果均匀

分离出背景和细节部分，将信息包含在直方图的统计中，减少计算量

避免过增强和边界效应，符合人眼视觉特性 设定参数，使得增强过程精确可控

直方图均衡化新方案直方图均衡化新方案

天津大学 ASIC 设计中心 RCVIA

27

直 方 图 均 衡 化 研 究 现 状

直 方 图 均 衡 化 新 方 案

图 像 增 强 应 用 背 景

仿 真 实 验 和 结 果 分 析

天津大学 ASIC 设计中心 RCVIA

28

仿真实验和结果分析 仿真实验和结果分析

Original HE BBHE RSIHE天津大学 ASIC 设计中心 RCVIA

29

仿真实验和结果分析 仿真实验和结果分析MIN MAX MEAN AMBE ENTROPY PSNR

ORIGINAL 21 243 90.87831 ---- ---- ----

HE 0 255 128.7047 37.82643 6.879641 13.53317

BBHE 0 255 98.32437 7.446064 6.971692 17.21195

RSIHE 0 255 107.2997 16.42141 6.941871 15.89844

21 255 88.0169 2.861412 6.999742 19.3374

天津大学 ASIC 设计中心 RCVIA

30

仿真实验和结果分析 仿真实验和结果分析

Original HE BBHE RSIHE天津大学 ASIC 设计中心 RCVIA

31

仿真实验和结果分析 仿真实验和结果分析MIN MAX MEAN AMBE ENTROPY PSNR

ORIGINAL 12 255 180.5718 ---- ---- ----

HE 0 255 128.7974 51.77436 6.736978 11.58933

BBHE 0 255 169.7848 10.78699 6.772888 16.55005

RSIHE 0 255 161.2113 19.3605 6.75804 14.93932

12 255 185.3355 4.763783 6.856121 20.68508

天津大学 ASIC 设计中心 RCVIA

32

参考文献参考文献[1] Agaian, SS, Silver B, Panetta KA. Transform Coefficient Histogram-Based Image Enhancement Algorithms Using Contrast Entropy [J]. IEEE Transactions on Image Processing ， 2007 ， 16(3)： 741—758 [2] Ibrhim H, Kong NSP. Brightness Preserving Dynamic Histogram Equalization for Image Contrast Enhancement [J]. IEEE Transactions on Consumer Electronics ， 2007 ， 53(4)： 1752—1758 [3] Abdullah M, Kabir MH, Dewan MAA, et al. A Dynamic Histogram Equalization for Image Contrast Enhancement [J]. IEEE Transactions on Consumer Electronics, 2007, 53(2): 593—600 [4] Sun CC, Ruan SJ, Shie MC et al. Dynamic Contrast Enhancement based on Histogram Specification [J]. IEEE Transactions on Consumer Electronics, 2005, 51(4): 1300—1305 [5] Wang Q, Ward RK. Fast Image/Video Contrast Enhancement Based on Weighted Thresholded Histogram Equalization [J]. IEEE Transactions on Consumer Electronics, 2007, 53(2): 757—764

天津大学 ASIC 设计中心 RCVIA

33

参考文献参考文献[6] Kim M, Chung MG. Recursively Separated and Weighted Histogram Equalization for Brightness Preservation and Contrast Enhancement [J]. IEEE Transactions on Consumer Electronics, 2008, 54(3): 1389—1397 [7] Park GH, Cho HH, Choi MR. A Contrast Enhancement Method using Dynamic Range Separate Histogram Equalization [J]. IEEE Transactions on Consumer Electronics, 2008, 54(4): 1981—1987 [8] Sengee N, Sengee A, Choi HK. Image Contrast Enhancement using Bi-Histogram Equalization with Neighborhood Metrics [J]. IEEE Transactions on Consumer Electronics, 2010, 56(4): 2727—2734

天津大学 ASIC 设计中心 RCVIA

34

Thank You!Thank You!

天津大学 ASIC 设计中心 RCVIA