不均匀光照图像校正方法技术

本发明专利技术涉及图像处理技术领域，尤其涉及一种基于

【技术实现步骤摘要】
不均匀光照图像校正方法


[0001]本专利技术涉及图像处理
，尤其涉及一种不均匀光照图像校正方法
。

技术介绍

[0002]随着各种拍照设备的广泛应用，因光照不均匀
、
曝光不足等原因导致图像细节缺失
、
可视性差的现象十分常见，直接影响了计算机视觉技术的发展，例如图像的特征提取
、
目标识别
、
监控系统等，因此，提高光照不均匀图像对比度
、
过暗区域亮度，保持其它区域的亮度信息，使增强后图像与原图有较高的结构相似性十分重要
。
[0003]在图像处理领域，由于光照条件的不均匀性，常常导致图像中存在明显的亮度差异和背景噪声
。
为了提高图像质量和后续处理的准确性，需要对不均匀光照图像进行校正
。
[0004]现有的伽马校正类算法通过调整图像高低频部分的比例来增大两者间的对比度，容易造成过增强和欠增强的现象
。
而小波变换类算法可以突出不同尺度下的细节，但无法同时保证在降低噪声的同时保证算法复杂度较低
。

技术实现思路

[0005]本专利技术为解决上述问题，提供一种不均匀光照图像校正方法，通过结合
OTSU
算法和
Sauvola
算法，本专利技术能够针对不同光照条件下的图像进行校正，并将图像校正算法与
FPGA
结合，从而实现图像处理的实时性和高效性
。
[0006]本专利技术提供的不均匀光照图像校正方法主要包括以下步骤：
[0007]S1、
读取不均匀光照图像；
[0008]S2、
将不均匀光照图像转换为灰度图像，并进行中值滤波和低通滤波去除噪声，得到去噪图像；
[0009]S3、
利用
OTSU
算法计算去噪图像的全局阈值
T1；
[0010]S4、
根据全局阈值
T1对滤波处理后的图像进行初步二值化，得到去噪图像的背景
C0和前景
C1；
[0011]S5、
利用
Sauvola
算法在局部窗口内计算前景
C1的阈值
T2；
[0012]S6、
根据全局阈值
T1和阈值
T2对前景
C1进行图像分割；
[0013]S7、
将背景
C0与图像分割后的前景
C1合并，得到亮度调节后的增强图像，将增强图像转换回
RGB
彩色图像
。
[0014]进一步的，步骤
S3
具体包括如下步骤：：
[0015]S31、
对去噪图像计算整体平均灰度
μ
T
；
[0016]S32、
对去噪图像进行灰度统计，得到灰度直方图；
[0017]S33、
根据灰度直方图，取灰度级
k∈[0,255]逐一作为去噪图像的分割阈值，并将去噪图像分为背景
C0和前景
C1，得到在不同的分割阈值下背景
C0的概率
w0和平均灰度
μ0，以及前景
C1的概率
w1和平均灰度
μ1；
[0018]S34、
根据下述公式计算得到类间方差
g
：
[0019]g
＝
w0(
μ0‑
μ
T
)2+w1(
μ1‑
μ
T
)
2 (1)
；
[0020]选取使类间方差
g
最大的灰度级
k
作为阈值
T1。
[0021]进一步的，步骤
S5
具体包括如下步骤：
[0022]S51、
在提取到的前景
C1中，在每个像素的
w
×
w
的局部窗口内，计算局部平均灰度
μ
T2
；
[0023]S52、
根据局部平均灰度
μ
T2
，计算局部窗口内的标准差
s
；
[0024]S53、
根据依赖程度
m、
正偏置量
C
和敏感度
R
，通过下述公式计算得到阈值
T2：
[0025]T2＝
m
×
(s
‑
R)+C (2)
；
[0026]其中，依赖程度
m
代表阈值
T2对标准差
s
的依赖程度，取值范围为
[0.1,0.5]；正偏置量
C
的取值范围为
[0,50]的正整数；敏感度
R
的取值范围为
[0,1]。
[0027]进一步的，依赖程度
m
的取值范围限定在
[0.3,0.4]；正偏置量
C
的取值范围限定在
[15,25]的正整数
。
[0028]进一步的，在步骤
S6
中，阈值
T2对前景
C1进行图像分割，得到局部细节；对于背景
C0和前景
C1的过渡区域，则通过比较全局阈值
T1和阈值
T2，选择使过渡区域更自然平滑的阈值；根据选择的阈值更新初步二值化，并结合去噪图像获得过渡区域
。
[0029]进一步的，提出的不均匀光照图像校正方法在
FPGA
上实现，包括
OTSU
模块和
Sauvola
模块，其中：
OTSU
模块调用
FPGA
内部的4个
RAM
分别对概率
w0、
平均灰度
μ0、
概率
w1和平均灰度
μ1进行存储；使用
256
个
8bit
计数器实现灰度统计；在进行灰度级
k
的遍历过程中，复用计数器进行类间方差
g
的计算，并使用寄存器存储全局阈值
T1；
Sauvola
模块调用
FPGA
内部的除法器
、
乘法器和加法器计算得到局部平均灰度
μ
T2
和标准差
s
，并分别存储在
FPGA
内部的2个
RAM
中；最后，结合外部输入的依赖程度
m、
正偏置量
C
和敏感度
R
，使用乘法器计算得到阈值
T2。
[0030]与现有技术相比，本专利技术能够取得如下有益效果：
[0031]1)
将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种不均匀光照图像校正方法，其特征在于，具体包括如下步骤：
S1、
读取不均匀光照图像；
S2、
将所述不均匀光照图像转换为灰度图像，并进行中值滤波和低通滤波去除噪声，得到去噪图像；
S3、
利用
OTSU
算法计算所述去噪图像的全局阈值
T1；
S4、
根据所述全局阈值
T1对所述滤波处理后的图像进行初步二值化，得到所述去噪图像的背景
C0和前景
C1；
S5、
利用
Sauvola
算法在局部窗口内计算所述前景
C1的阈值
T2；
S6、
根据所述全局阈值
T1和所述阈值
T2，对所述前景
C1进行图像分割；
S7、
将所述背景
C0与图像分割后的前景
C1进行合并，得到亮度调节后的增强图像，将所述增强图像转换回
RGB
彩色图像
。2.
根据权利要求1所述的不均匀光照图像校正方法，其特征在于，所述步骤
S3
具体包括如下步骤：
S31、
对所述去噪图像计算整体平均灰度
μ
T
；
S32、
对所述去噪图像进行灰度统计，得到灰度直方图；
S33、
根据灰度直方图，取灰度级
k∈[0,255]
逐一作为所述去噪图像的分割阈值，并将所述去噪图像分为所述背景
C0和所述前景
C1，得到在不同分割阈值下的背景
C0的概率
w0和平均灰度
μ0，以及前景
C1的概率
w1和平均灰度
μ1；
S34、
根据下述公式计算得到类间方差
g
：
g
＝
w0(
μ0‑
μ
T
)2+w1(
μ1‑
μ
T
)2ꢀꢀꢀꢀꢀꢀ
(1)
；选取使所述类间方差
g
最大的灰度级
k
作为所述阈值
T1。3.
根据权利要求1所述的不均匀光照图像校正方法，其特征在于，所述步骤
S5
具体包括如下步骤：
S51、
在提取到的前景
C1中，在每个像素的
w
×
w
的局部窗口内，计算局部平均灰度
μ
T2
；
S52、
根据所述局部平均灰度
μ
T2
，计算所述局部窗口内的标准差
s
；
S53、
根据依赖程度
m、
正偏置量

【专利技术属性】
技术研发人员：张洪熙，张国辉，杜仲，李双成，崔一然，王姝懿，李心达，李向阳，
申请(专利权)人：长春奥普光电技术股份有限公司，
类型：发明
国别省市：