基于FPGA平台的自适应分级线性图形增强方法技术

一种基于FPGA平台的自适应分级线性图形增强方法，包括以下步骤：把输入视频流图像的灰度值信息进行直方图统计和正反两个方向的累积，每累积5%的总像素点数标定一次灰度坐标，通过该坐标分析判断直方图的形状；根据生成的直方图形状，计算出4个灰度阈值，把对应的直方图划分为5个部分，并根据每个部分的大小计算出该部分线段的斜率；根据上述5个部分的斜率以及上一区间的结束端点，计算下一区间经相应曲线处理后的灰度值，即为最终自适应增强后的输出值；将上述输出值作为输出视频流。本发明专利技术能够应用在不同场景中，突出图像信息丰富的部分，在最大限度的保留图像细节的同时压缩次要部分，避免了图像细节吞噬现象，并达到场景自适应。

【技术实现步骤摘要】

本专利技术涉及图像分析的
，具体说是一种应用于实时视频图像的自适应对比度增强的基于FPGA平台的自适应分级线性图形增强方法。
技术介绍
图像对比度增强的方法可以分成两类:一类是直接对比度增强方法；另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现；直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。目前监控行业中对于图像对比度线性增强的主要方法为单一线性对比度拉伸，上述方法在提升图像对比度的同时，会严重牺牲图像的过亮和过暗部分的信息，并且对于不同亮度，不同场景的图像适应性较差。
技术实现思路
本专利技术要解决的技术问题是提供一种应用于实时视频图像的自适应对比度增强的基于FPGA平台的自适应分级线性图形增强方法。本专利技术为解决公知技术中存在的技术问题所采取的技术方案是: 本专利技术的基于FPGA平台的自适应分级线性图形增强方法，包括以下步骤: A、把输入视频流图像的 灰度值信息进行直方图统计和累积，并同时进行正反两个方向的累积，每累积5%的总像素点数标定一次灰度坐标，通过该坐标分析判断直方图的形状； B、根据已经生成的直方图形状，计算出4个灰度阈值，把对应的直方图划分为5个部分，即暗区次要部分，暗区保留部分，拉伸部分，亮区保留部分以及亮区次要部分，并根据每个部分的大小计算出该部分线段的斜率，根据不同场景图像的直方图信息产生出不同的灰度阈值并输出不同的斜率； C、根据上述5个部分的斜率以及上一区间的结束端点，计算下一区间经相应曲线处理后的灰度值，即为最终自适应增强后的输出值； D、将上述输出值作为输出视频流。本专利技术还可以采用以下技术措施: 本专利技术使用RAM存储器对图像灰度进行直方图统计，然后对统计完毕的该帧数据直方图进行累积，即对RAM进行读操作，根据读出的灰度值判断整体图像最有效信息部分的位置，即拉伸区域的两个端点，后依次向两边递推，得出两个保留部分和压缩部分的边界值，并根据各部分的比例关系计算出相应的拉伸斜率，最后对各点灰度值逐一进行分类和拉伸计算，所得结果即为最终自适应曲线的输出值。本专利技术具有的优点和积极效果是:本专利技术的基于FPGA平台的自适应分级线性图形增强方法，基于对灰度域图像的直方图分析，针对包含不同信息的图像生成不同的对比度线性增强曲线，从而达到对不同场景的自适应处理，能够应用在不同场景中，突出图像信息丰富的部分，在最大限度的保留图像细节的同时压缩次要部分，避免了图像细节吞噬现象，并达到场景自适应。附图说明图1是在图像灰度居中的情况下图像增强前后的灰度曲线对比 图2是在图像灰度偏暗的情况下图像增强前后的灰度曲线对比 图3是本专利技术基于FPGA平台的自适应分级线性图形增强方法的执行步骤流程图。具体实施例方式以下参照附图及实施例对本专利技术进行详细的说明。图1是在图像灰度居中的情况下图像增强前后的灰度曲线对比图；图2是在图像灰度偏暗的情况下图像增强前后的灰度曲线对比图；图3是本专利技术基于FPGA平台的自适应分级线性图形增强方法的执行步骤流程图。如图1至图3所示，本专利技术的基于FPGA平台的自适应分级线性图形增强方法，包括以下步骤: A、把输入视频流图像的灰度值信息进行直方图统计和累积，并同时进行正反两个方向的累积，每累积5%的总像素点数标定一次灰度坐标，通过该坐标分析判断直方图的形状； B、根据已经生成的直方图形状，计算出4个灰度阈值，把对应的直方图划分为5个部分，即暗区次要部分，暗区保留部分，拉伸部分，亮区保留部分以及亮区次要部分，并根据每个部分的大小计算出该部分线段的斜率，根据不同场景图像的直方图信息产生出不同的灰度阈值并输出不同的斜率； C、根据上述5个部分的斜率以及上一区间的结束端点，计算下一区间经相应曲线处理后的灰度值，即为最终自适应增强后的输出值； D、将上述输出值作为输出视频流。本专利技术使用RAM存储器对图像灰度进行直方图统计，然后对统计完毕的该帧数据直方图进行累积，即对RAM进行读操作，根据读出的灰度值判断整体图像最有效信息部分的位置，即拉伸区域的两个端点，后依次向两边递推，得出两个保留部分和压缩部分的边界值，并根据各部分的比例关系计算出相应的拉伸斜率，最后对各点灰度值逐一进行分类和拉伸计算，所得结果即为最终自适应曲线的输出值。本专利技术的基于FPGA平台的自适应分级线性图形增强方法，基于对灰度域图像的直方图分析，针对包含不同信息的图像生成不同的对比度线性增强曲线，从而达到对不同场景的自适应处理。以上所述，仅是本专利技术的较佳实施例而已，并非对本专利技术作任何形式上的限制，虽然本专利技术已以较佳实施例公开如上，然而，并非用以限定本专利技术，任何熟悉本专业的技术人员，在不脱离本专利技术技术方案范围内，当然会利用揭示的
技术实现思路
作出些许更动或修饰，成为等同变化的等效实施例，但凡是未脱离本专利技术技术方案的内容，依据本专利技术的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均属于本专利技术技术方案的范围内。本文档来自技高网...

【技术保护点】
一种基于FPGA平台的自适应分级线性图形增强方法，包括以下步骤：A、把输入视频流图像的灰度值信息进行直方图统计和累积，并同时进行正反两个方向的累积，每累积5%的总像素点数标定一次灰度坐标，通过该坐标分析判断直方图的形状；B、根据已经生成的直方图形状，计算出4个灰度阈值，把对应的直方图划分为5个部分，即暗区次要部分，暗区保留部分，拉伸部分，亮区保留部分以及亮区次要部分，并根据每个部分的大小计算出该部分线段的斜率，根据不同场景图像的直方图信息产生出不同的灰度阈值并输出不同的斜率；C、根据上述5个部分的斜率以及上一区间的结束端点，计算下一区间经相应曲线处理后的灰度值，即为最终自适应增强后的输出值；D、将上述输出值作为输出视频流。

【技术特征摘要】
1.一种基于FPGA平台的自适应分级线性图形增强方法，包括以下步骤: A、把输入视频流图像的灰度值信息进行直方图统计和累积，并同时进行正反两个方向的累积，每累积5%的总像素点数标定一次灰度坐标，通过该坐标分析判断直方图的形状； B、根据已经生成的直方图形状，计算出4个灰度阈值，把对应的直方图划分为5个部分，即暗区次要部分，暗区保留部分，拉伸部分，亮区保留部分以及亮区次要部分，并根据每个部分的大小计算出该部分线段的斜率，根据不同场景图像的直方图信息产生出不同的灰度阈值并输出不同的斜率； C、根据上述5个部分的斜率以及上一区间的结束端...

【专利技术属性】
技术研发人员：戴林，宇德志，白云飞，
申请(专利权)人：天津天地伟业数码科技有限公司，
类型：发明
国别省市：