增强图像对比度的方法及其装置制造方法及图纸

本发明专利技术公开一种增强图像对比度的方法及其装置，通过将源图像从RGB空间转至YCbCr空间以提取亮度分量并使其对应非彩色图像进行伽马曲线校正以获得暗区细节图像和亮区细节图像，利用PCNN模型将暗区细节图像和亮区细节图像融合以得到对比度增强的亮度分量，对比增强的亮度分量及未调整的分量转回至RGB颜色空间，得对比度增强图像，同时，对比度增强的图像的细节部分也得到保护，对比度增强的图像也是噪点现象得到改善的图像。

Method and Device for Enhancing Image Contrast

The invention discloses a method for enhancing image contrast and a device thereof. By transferring the source image from RGB space to YCbCr space to extract brightness component and correcting its corresponding non-color image by gamma curve, the dark area detail image and the bright area detail image can be obtained. The dark area detail image and the bright area detail image can be fused by PCNN model to obtain the brightness component of contrast enhancement. The brightness component and the unadjusted component of the contrast enhancement are turned back to RGB color space to obtain the contrast enhancement image. At the same time, the details of the contrast enhancement image are also protected, and the contrast enhancement image is also an image with improved noise phenomenon.

【技术实现步骤摘要】
增强图像对比度的方法及其装置
本专利技术涉及数字图像处理
，尤其涉及一种增强图像对比度的方法及其装置。技术背景直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。如图1所示，直方图均衡化通过使原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内地均匀分布，该方法增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。该方法对于整体偏暗或偏亮的图像有明显效果，然而其会导致图像失去部分细节。因此，有必要提出一种技术方案以解决现有技术在提高图像对比度时会失去图像部分细节的问题。
技术实现思路
鉴于此，本专利技术的目的在于提供一种增强图像对比度的方法，以解决现有技术在提高图像对比度时会失去图像部分细节的问题。为实现上述目的，技术方案如下。一种增强图像对比度的方法，包括如下步骤：将源图像从RGB颜色空间转换至YCbCr颜色空间；获取所述源图像在YCbCr空间的亮度分量Y、蓝色色度分量Cb以及红色色度分量Cr；调整所述亮度分量Y以获得处理后的图像；将所述处理后的图像转换至RGB颜色空间，得对比度增强的图像；其中，所述调整所述亮度分量Y以获得处理后的图像包括如下步骤：将所述亮度分量Y对应的非彩色图像进行伽马曲线校正以分别拉伸低灰阶和拉伸高灰阶，分别得暗区细节图像和亮区细节图像；采用脉冲耦合神经网络模型将所述暗区细节图像和所述亮区细节图像进行融合，得对比度增强的亮度分量Y1；所述对比度增强的亮度分量Y1、所述蓝色色度分量Cb以及所述红色色度分量Cr构成所述处理后的图像。在上述增强图像对比度的方法中，所述采用脉冲耦合神经网络模型将所述暗区细节图像和所述亮区细节图像进行融合包括如下步骤：分别计算所述暗区细节图像和所述亮区细节图像中像素(i，j)灰度梯度值的绝对值作为第一刺激值和第二刺激值；分别计算所述暗区细节图像和所述亮区细节图像中所述像素(i，j)的灰度值与128灰阶的差值的绝对值作为第一强度连接值和第二强度连接值；将所述第一刺激值和所述第一强度连接值作为所述像素(i，j)在第一通道的输入值并迭代N次，获取所述暗区细节图像对应的第一点火矩阵；将所述第二刺激值和所述第二强度连接值作为所述像素(i，j)在第二通道的输入值并迭代N次，获取所述亮区细节图像对应的第二点火矩阵；将所述第一点火矩阵和所述第二点火矩阵中所述像素(i，j)的点火值进行比较，获取所述对比度增强的亮度分量Y1；其中，所述N为大于0的整数，所述像素(i，j)表示位于第i行第j列的像素，所述i和j均为大于0的正整数；所述脉冲耦合神经网络模型包括所述第一通道和所述第二通道。在上述增强图像对比度的方法中，所述将所述第一点火矩阵和所述第二点火矩阵中所述像素(i，j)的点火值进行比较包括如下步骤：若所述像素(i，j)在所述第一点火矩阵中的点火值大于所述像素(i，j)在所述第二点火矩阵中的点火值，则所述像素(i，j)融合后的灰度值为所述暗区细节图像中所述像素(i，j)的灰度值；若所述像素(i，j)在所述第一点火矩阵中的点火值小于或等于所述像素(i，j)在所述第二点火矩阵中的点火值，则所述像素(i，j)融合后的灰度值为所述亮区细节图像中所述像素(i，j)的灰度值；所述像素(i，j)融合后的灰度值构成所述对比度增强的亮度分量Y1。在上述增强图像对比度的方法中，用拉普拉斯算子、高斯拉普拉斯算子、凯尼(Canny)算子、索贝尔(Sobel)算子中的任意一种以计算所述暗区细节图像和所述亮区细节图像中所述像素(i，j)的灰度梯度值。在上述增强图像对比度的方法中，所述将所述亮度分量Y对应的非彩色图像进行伽马曲线矫正以分别拉伸低灰阶和拉伸高灰阶包括如下步骤：将所述亮度分量Y对应的非彩色图像经伽马曲线校正以拉伸低灰阶，得所述暗区细节图像；将所述亮度分量Y对应的非彩色图像经伽马曲线校正以拉伸高灰阶，得所述亮区细节图像；所述伽马曲线对应的函数为y＝255·(x/255)^(γ/2.2)，所述x为所述亮度分量Y对应的非彩色图像中像素(i，j)的灰度值，所述γ为灰度系数，所述y为拉伸后亮度分量Y中像素(i，j)的灰度值；所述γ大于0且小于2.2时，所述亮度分量Y对应的非彩色图像经伽马曲线校正以拉伸低灰阶，所述γ大于2.2时，所述亮度分量Y对应的非彩色图像经伽马曲线校正以拉伸高灰阶。本专利技术的又一目的是提供一种增强图像对比度的装置。一种增强图像对比度的装置，包括：第一转换模块，用于将源图像从RGB颜色空间转换至YCbCr颜色空间；获取模块，用于获取所述源图像在YCbCr空间的亮度分量Y、蓝色色度分量Cb以及红色色度分量Cr；亮度调整模块，用于调整所述亮度分量Y以获得处理后的图像；第二转换模块，用于将所述处理后的图像转换至RGB颜色空间，得对比度增强的图像；其中，所述亮度调整模块包括:灰阶拉伸单元，用于将所述亮度分量Y对应的非彩色图像进行伽马曲线校正以分别拉伸低灰阶和拉伸高灰阶，分别得暗区细节图像和亮区细节图像；融合单元，用于采用脉冲耦合神经网络模型将所述暗区细节图像和所述亮区细节图像进行融合，得对比度增强的亮度分量Y1；所述对比度增强的亮度分量Y1、所述蓝色色度分量Cb以及所述红色色度分量Cr构成所述处理后的图像。在上述增强图像对比度的装置中，所述融合单元包括：第一计算子单元，用于分别计算所述暗区细节图像和所述亮区细节图像中像素(i，j)的灰度梯度值的绝对值作为第一刺激值和第二刺激值；第二计算子单元，用于分别计算所述暗区细节图像和所述亮区细节图像中所述像素(i，j)的灰度值与128灰阶的差值的绝对值作为第一强度连接值和第二强度连接值；第一点火矩阵获取子单元，用于将所述第一刺激值和所述第一强度连接值作为所述像素(i，j)在第一通道的输入值并迭代N次，获取所述暗区细节图像对应的第一点火矩阵；第二点火矩阵获取子单元，用于将所述第二刺激值和所述第二强度连接值作为所述像素(i，j)在第二通道的输入值并迭代N次，获取所述亮区细节图像对应的第二点火矩阵；判断子单元，用于将所述第一点火矩阵和所述第二点火矩阵中像素(i，j)的点火值进行比较，获取所述对比度增强的亮度分量Y1；其中，所述N为大于0的整数，所述像素(i，j)表示位于第i行第j列的像素，所述i和j均为大于0的正整数；所述脉冲耦合神经网络模型包括所述第一通道和所述第二通道。在上述增强图像对比度的装置中，所述判断子单元用于将第一点火矩阵和第二点火矩阵中像素(i，j)的点火值进行比较以获取对比度增强的亮度分量Y1包括如下步骤：若所述像素(i，j)在所述第一点火矩阵中的点火值大于所述像素(i，j)在所述第二点火矩阵中的点火值，则所述像素(i，j)融合后的灰度值为所述暗区细节图像中所述像素(i，j)的灰度值；若所述像素(i，j)在所述第一点火矩阵中的点火值小于或等于所述像素(i，j)在所述第二点火矩阵中的点火值，则所述像素(i，j)融合后的灰度值为所述亮区细节图像中所述像素(i，j)的灰度值；所述像素(i，j)融合后的灰度值构成所述对比度增强的亮度分量Y1。在上述增强图像对比度的装置中，用拉普拉斯算子、高斯拉普拉斯算子、凯尼(Canny)算子、索贝尔(Sobel)算子中的任意一种以计算所述暗区细节图像和所述亮区细节图像中所本文档来自技高网...

【技术保护点】
1.一种增强图像对比度的方法，其特征在于，包括如下步骤：将源图像从RGB颜色空间转换至YCbCr颜色空间；获取所述源图像在YCbCr空间的亮度分量Y、蓝色色度分量Cb以及红色色度分量Cr；调整所述亮度分量Y以获得处理后的图像；将所述处理后的图像转换至所述RGB颜色空间，得对比度增强的图像；其中，所述调整所述亮度分量Y以获得处理后的图像包括如下步骤：将所述亮度分量Y对应的非彩色图像进行伽马曲线校正以分别拉伸低灰阶和拉伸高灰阶，分别得暗区细节图像和亮区细节图像；采用脉冲耦合神经网络模型将所述暗区细节图像和所述亮区细节图像进行融合，得对比度增强的亮度分量Y1；所述对比度增强的亮度分量Y1、所述蓝色色度分量Cb以及所述红色色度分量Cr构成所述处理后的图像。

【技术特征摘要】
1.一种增强图像对比度的方法，其特征在于，包括如下步骤：将源图像从RGB颜色空间转换至YCbCr颜色空间；获取所述源图像在YCbCr空间的亮度分量Y、蓝色色度分量Cb以及红色色度分量Cr；调整所述亮度分量Y以获得处理后的图像；将所述处理后的图像转换至所述RGB颜色空间，得对比度增强的图像；其中，所述调整所述亮度分量Y以获得处理后的图像包括如下步骤：将所述亮度分量Y对应的非彩色图像进行伽马曲线校正以分别拉伸低灰阶和拉伸高灰阶，分别得暗区细节图像和亮区细节图像；采用脉冲耦合神经网络模型将所述暗区细节图像和所述亮区细节图像进行融合，得对比度增强的亮度分量Y1；所述对比度增强的亮度分量Y1、所述蓝色色度分量Cb以及所述红色色度分量Cr构成所述处理后的图像。2.根据权利要求1所述的增强图像对比度的方法，其特征在于，所述采用脉冲耦合神经网络模型将所述暗区细节图像和所述亮区细节图像进行融合包括如下步骤：分别计算所述暗区细节图像和所述亮区细节图像中像素(i，j)灰度梯度值的绝对值作为第一刺激值和第二刺激值；分别计算所述暗区细节图像和所述亮区细节图像中所述像素(i，j)的灰度值与128灰阶的差值的绝对值作为第一强度连接值和第二强度连接值；将所述第一刺激值和所述第一强度连接值作为所述像素(i，j)在第一通道的输入值并迭代N次，获取所述暗区细节图像对应的第一点火矩阵；将所述第二刺激值和所述第二强度连接值作为所述像素(i，j)在第二通道的输入值并迭代N次，获取所述亮区细节图像对应的第二点火矩阵；将所述第一点火矩阵和所述第二点火矩阵中所述像素(i，j)的点火值进行比较，获取所述对比度增强的亮度分量Y1；其中，所述N为大于0的整数，所述像素(i，j)表示位于第i行第j列的像素，所述i和j均为大于0的正整数；所述脉冲耦合神经网络模型包括所述第一通道和所述第二通道。3.根据权利要求2所述的增强图像对比度的方法，其特征在于，所述将所述第一点火矩阵和所述第二点火矩阵中所述像素(i，j)的点火值进行比较包括如下步骤：若所述像素(i，j)在所述第一点火矩阵中的点火值大于所述像素(i，j)在所述第二点火矩阵中的点火值，则所述像素(i，j)融合后的灰度值为所述暗区细节图像中所述像素(i，j)的灰度值；若所述像素(i，j)在所述第一点火矩阵中的点火值小于或等于所述像素(i，j)在所述第二点火矩阵中的点火值，则所述像素(i，j)融合后的灰度值为所述亮区细节图像中所述像素(i，j)的灰度值；所述像素(i，j)融合后的灰度值构成所述对比度增强的亮度分量Y1。4.根据权利要求2所述的增强图像对比度的方法，其特征在于，用拉普拉斯算子、高斯拉普拉斯算子、凯尼算子、索贝尔算子中的任意一种以计算所述暗区细节图像和所述亮区细节图像中所述像素(i，j)的灰度梯度值。5.根据权利要求1所述的增强图像对比度的方法，其特征在于，所述将所述亮度分量Y对应的非彩色图像进行伽马曲线校正以分别拉伸低灰阶和拉伸高灰阶包括如下步骤：将所述亮度分量Y对应的非彩色图像经伽马曲线校正以拉伸低灰阶，得所述暗区细节图像；将所述亮度分量Y对应的非彩色图像经伽马曲线校正以拉伸高灰阶，得所述亮区细节图像；所述伽马曲线对应的函数为y＝255·(x/255)^(γ/2.2)，所述x为所述亮度分量Y对应的非彩色图像中像素(i，j)的灰度值，所述γ为灰度系数，所述y为拉伸后亮度分量Y中像素(i，j)的灰度值；所述γ大于0且小于2.2时，所述亮度分量Y对应的非彩色图像经伽马曲线校正以拉伸低灰阶，所述γ大于2.2时，所述亮度分量Y对应的非彩色图像经伽马曲线校正以拉伸高灰阶。6.一种增强图像对比度的装置，其特征在于，包括：...

【专利技术属性】
技术研发人员：邓宇帆，
申请(专利权)人：深圳市华星光电技术有限公司，
类型：发明
国别省市：广东,44