一种基于分级聚类的直方图自适应均衡化方法技术

本发明专利技术公开了一种基于分级聚类的直方图均衡化方法，属于图像处理技术领域。本发明专利技术包括：对原始图像灰度化并统计其直方图，对直方图映射到一维点值进行分级聚类及其方案遍历，叠加相应组合的均衡化方式并求判据指标首个满足评估条件的均衡化图像作为最优判据指标的均衡化图像，最终的均衡化结果。本发明专利技术能够容忍图像中局部噪声及局部亮斑的干扰性情况，鲁棒性高。能够自动寻优最佳均衡化图像。本发明专利技术除了可以自动寻优外，可以手动的根据需求调整所需区间的是否均衡化，具备先验知识的情况下，本发明专利技术将更快得出预期结果。本发明专利技术复现简单，无需设定任何参数，基础硬件要求较低，无需大量、繁琐的预训练过程。繁琐的预训练过程。繁琐的预训练过程。

【技术实现步骤摘要】
一种基于分级聚类的直方图自适应均衡化方法


[0001]本专利技术属于图像处理
，尤其涉及一种基于分级聚类的直方图均衡化方法。

技术介绍

[0002]图像增强在数字图像处理等各方面具有重要的意义，其直方图均衡化是一种经典的图像增强方法，尤其是针对低照度图像能够表现很好的效果。其原理是将图像各级灰度值重新均匀分布在全图范围中，在大多数情况下有效的增强图像对比度和清晰度。
[0003]但传统的直方图均衡化方法由于其本质是全图范围的更新导致在局部高光，局部噪声点上无法展示清晰的效果，对比度也严重下降。如基于双峰直方图均衡、基于曝光图像的局部图像直方图均衡、伽马矫正等许多改进方法对图像全局做了优化处理，却又忽略的局部细节增强。因此改进直方图均衡化，使得具备良好的鲁棒性是很有必要的，即既防止全局过度增强，又能做到局部增强。

技术实现思路

[0004]本专利技术提供了一种基于分级聚类的直方图均衡化方法，以用于既防止直方图均衡化全局过度增强，又能做到局部增强。
[0005]本专利技术采用的技术方案为：
[0006]一种基于分级聚类的直方图均衡化方法，所述方法包括：
[0007]步骤S1，对原始图像灰度化，得到灰度化图像，定义所述灰度化图像的尺寸为M
×
N；
[0008]统计所述灰度化图像的直方图，得到灰度直方图；
[0009]步骤S2，将灰度直方图映射到一维点值，得到M
×
N个点值(灰度值)；并初始化分级精度K为1；
[0010]步骤S3，基于分级精度K的当前取值，将M
×
N个点值分为K类，以每一类作为一个组合元素，得到当前分级的K阶乘个均衡化模式；
[0011]步骤S4，设置当前分级的每种类别的均衡化区间；
[0012]步骤S5，依次遍历当前分级的每一种均衡模式，基于当前均衡模式包括的类别所对应的均衡化区间，进行均衡化处理，得到当前的均衡化图像；
[0013]基于预置的图像质量衡量指标获取当前的均衡化图像的均衡评估值；
[0014]检测当前的均衡化图像的均衡评估值是否达到预置条件，若是，则停止遍历，基于当前的均衡化处理图像得到最终的均衡化结果；
[0015]否则，当遍历完当前分级的所有均衡模式，均未得到均衡评估值达到预置条件的均衡化图像时，更新分级精度K＝K+1，再继续执行步骤S3。
[0016]进一步的，步骤S4中，设置当前分级的每种类别的均衡化区间具体为：
[0017]若K＝1，即表示原图均衡化，其对应的均衡区间为[0,255]；
[0018]若K＝2，包括两个类别：类别1和类别2，基于类别1的像素值最小值x1与像素值最大值x2，得到区间1为[x1,x2]，基于类别2的像素值最小值x3与像素值最大值x4，得到区间2为[x3,x4]，其中，x1≤x2≤x3≤x4；
[0019]设置类别1的均衡区间为[0,x2]，类别2的均衡区间为[x3，255]；即向两段均衡化；
[0020]若K≥3，包括K个类别，分别记为类别1至类别K；
[0021]对任意第k个类别，基于第k个类别的像素值最小值x
2k
‑1与像素值最大值x
2k
，得到区间k为[x
2k
‑1,x
2k
]，其中，k＝1,2，
…
，K，且x1≤x2≤
…
≤x
K
；
[0022]设置类别1的均衡化区间为[0,x2]，设置类别K的均衡化区间为[x
2K
‑1,255]；
[0023]对于中间的任意第t个类别，设置其均衡化区间为[x
2t
‑1,x
2t
]，其中，t＝2,3，
…
，K
‑
1，即中间区间灰度值均衡化到原区间。
[0024]进一步的，步骤S3中，将M
×
N个灰度值G分为K类可以采用聚类算法，包括但不限于：K均值算法、EM算法、高斯混合模型算法等聚类方式分为K个类；也可以采用自定义方法将图像切分成K个块，块像素集合即K个类别。
[0025]进一步的，步骤S5中，进行均衡化处理，得到当前的均衡化图像为：
[0026]若某类别所对应的区间进行均衡化处理，则拼接相应均衡化后的区间点值；
[0027]若某类别所对应的区间无需均衡化，则在其它类别所对应的区间均衡化后，直接合并该区间点值。
[0028]本专利技术供的技术方案至少带来如下有益效果：
[0029](1)本专利技术能够容忍图像中局部噪声及局部亮斑的干扰性情况，鲁棒性高。能够自动寻优最佳均衡化图像。
[0030](2)本专利技术除了可以自动寻优外，可以手动的根据需求调整所需区间的是否均衡化，具备先验知识的情况下，本专利技术将更快得出预期结果。
[0031](3)本专利技术复现简单，无需设定任何参数，基础硬件要求较低，无需大量、繁琐的预训练过程。
附图说明
[0032]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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它的附图。
[0033]图1为本专利技术实施例提供的基于分级聚类的直方图均衡化方法的处理过程示意图；
[0034]图2为本专利技术实施例中，原图的灰度化图像；
[0035]图3为本专利技术实施例中，原图的灰度化图像其原始直方图；
[0036]图4为本专利技术实施例中，当K＝2时的均衡化的直方图，其中，(4
‑
a)表示仅均衡化第1类、(4
‑
b)表示仅均衡化第2类、(4
‑
c)表示同时均衡化第1和2类；
[0037]图5为本专利技术实施例中，当K＝2时，基于图4的直方图变换后与其余部分叠加的结果图像，其中，(5
‑
a)表示仅均衡化第1类叠加结果图、(5
‑
b)表示仅均衡化第2类叠加结果图、(5
‑
c)表示同时均衡化第1和2类叠加后的结果图；
[0038]图6为本专利技术实施例中，均衡结果的比对图，其中，(6
‑
a)表示直接对原图的灰度化图像全局均衡化的图像，(6
‑
b)表示基于分级聚类直方图均衡化首次满足阈值条件判据指标的组合结果。
具体实施方式
[0039]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。
[0040]如图1所示，本专利技术实施例提供的基于分级聚类的直方图均衡化方法具体实现步骤包括：
[0041]步骤1，对原始图像灰度化并统计其直方图；
[0042]即对原始图像灰度化处理，得到灰度化图像，并统计灰度化图像的灰度直本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分级聚类的直方图自适应均衡化方法，其特征在于，包括下列步骤：步骤S1，对原始图像灰度化，得到灰度化图像，定义所述灰度化图像的尺寸为M
×
N；统计所述灰度化图像的直方图，得到灰度直方图；步骤S2，将灰度直方图映射到一维点值，得到M
×
N个点值；并初始化分级精度K为1；步骤S3，基于分级精度K的当前取值，将M
×
N个点值分为K类，以每一类作为一个组合元素，得到当前分级的K阶乘个均衡化模式；步骤S4，设置当前分级的每种类别的均衡化区间；步骤S5，依次遍历当前分级的每一种均衡模式，基于当前均衡模式包括的类别所对应的均衡化区间，进行均衡化处理，得到当前的均衡化图像；基于预置的图像质量衡量指标获取当前的均衡化图像的均衡评估值；检测当前的均衡化图像的均衡评估值是否达到预置条件，若是，则停止遍历，基于当前的均衡化处理图像得到最终的均衡化结果；否则，当遍历完当前分级的所有均衡模式，均未得到均衡评估值达到预置条件的均衡化图像时，更新分级精度K＝K+1，再继续执行步骤S3。2.如权利要求1所述的方法，其特征在于，步骤S4中，设置当前分级的每种类别的均衡化区间具体为：若K＝1，即表示原图均衡化，其对应的均衡区间为[0,255]；若K＝2，包括两个类别：类别1和类别2，基于类别1的像素值最小值x1与像素值最大值x2，得到区间1为[x1,x2]，基于类别2的像素值最小值x3与像素值最大值x4，得到区间2为[x3,x4]，其中，x1≤x2≤x3≤x4；设置类别1的均衡区间为[0,x2]，类别2的均衡区间为[x3，2...

【专利技术属性】
技术研发人员：饶云波，吕青松，易玉玲，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：