1 / 34

一 种减弱边缘效应的细节保持 直方图均衡化方法的 研究

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 2013/03/30. 图像增强 研究 背景. 直方图均衡化研究现状. 一种 细节保持直方图均衡化方法. 仿真实验和结果分析. 图像增强 研究 背景. 直方图均衡化研究现状. 直方图均衡化新方案. 仿真实验和结果分析. 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

buffy-gardner
Download Presentation

一 种减弱边缘效应的细节保持 直方图均衡化方法的 研究

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  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 2013/03/30 天津大学ASIC设计中心 RCVIA

  2. 图像增强研究背景 直方图均衡化研究现状 一种细节保持直方图均衡化方法 仿真实验和结果分析 天津大学ASIC设计中心 RCVIA

  3. 图像增强研究背景 直方图均衡化研究现状 直方图均衡化新方案 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. 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 视觉信息处理功能演示系统架构 天津大学ASIC设计中心 RCVIA

  6. 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 交通监控检测 红外图像增强 医学图像分析 电视技术 天津大学ASIC设计中心 RCVIA

  9. 图像增强应用背景 直方图均衡化研究现状 直方图均衡化新方案 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 • 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 过增强边缘效应显著 天津大学ASIC设计中心 RCVIA

  12. 目前采用改进方法 • 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 天津大学ASIC设计中心 RCVIA

  13. 直方图分割 • 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 天津大学ASIC设计中心 RCVIA

  14. 以直方图面积等分点作为分割点做直方图均衡化以直方图面积等分点作为分割点做直方图均衡化 • 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

  15. 循环分割法 • 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 天津大学ASIC设计中心 RCVIA

  16. HE BBHE RMSHE • 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 RMSHE 天津大学ASIC设计中心 RCVIA

  17. 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. ORIGINAL BBHE RMSHE 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 DHE • 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

  19. 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 加入修正因子改变变换函数 修正变换函数 • 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

  21. 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 选择阈值裁剪直方图 天津大学ASIC设计中心 RCVIA

  23. 图像增强应用背景 直方图均衡化研究现状 一种细节保持直方图均衡化方法 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 亮度保持 保护细节 防止过增强 一种减弱边缘效应的细节保持直方图均衡化方法 • 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

  25. 邻域信息 • 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. 直方图均衡化新方案 • 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 天津大学ASIC设计中心 RCVIA

  27. 图像增强应用背景 直方图均衡化研究现状 直方图均衡化新方案 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 Original BBHE HE RSIHE 天津大学ASIC设计中心 RCVIA

  29. 仿真实验和结果分析 天津大学ASIC设计中心 RCVIA

  30. 仿真实验和结果分析 Original BBHE HE RSIHE 天津大学ASIC设计中心 RCVIA

  31. 仿真实验和结果分析 天津大学ASIC设计中心 RCVIA

  32. 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 [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! 天津大学ASIC设计中心 RCVIA

More Related