專利名稱：一種基于邊界的直方圖均衡裝置的制作方法
技術(shù)領(lǐng)域：
本實(shí)用新型涉及一種基于邊界的直方圖均衡裝置。
背景技術(shù)：
直方圖均衡是一種常用的圖像增強(qiáng)技術(shù)，其優(yōu)點(diǎn)是能自動(dòng)地增強(qiáng)整個(gè)圖像的對(duì)比度，它擴(kuò)展了圖像的動(dòng)態(tài)范圍，產(chǎn)生的圖像密度分布變得平坦，但它的具體增強(qiáng)效果不易控制，處理的結(jié)果總是得到全局均衡化的直方圖，而且對(duì)于某些灰度頻數(shù)較小的灰度級(jí)，會(huì)被合并，造成分辨率的下降，視覺上有明顯的生硬感；直方圖均衡后還會(huì)增加背景噪聲，而且處理后圖像的均值總是在灰度范圍的中值附近，與原始圖像的平均灰度無關(guān)。
申請(qǐng)?zhí)枮?9122874.X的中國專利，提出了一種保持輸入圖像亮度的改善對(duì)比度的圖像增強(qiáng)裝置，設(shè)計(jì)了亮度差補(bǔ)償器，當(dāng)輸出圖像亮度低于輸入圖像時(shí)，對(duì)輸出圖像進(jìn)行補(bǔ)償。申請(qǐng)?zhí)枮?7111448.X的中國專利，提出了一種先對(duì)圖像進(jìn)行低通濾波然后進(jìn)行直方圖均衡的方法和裝置，然后將輸入圖像信號(hào)減低通濾波后的信號(hào)疊加到對(duì)比度增強(qiáng)后的信號(hào)上。前者是為了解決亮度與原始圖像灰度無關(guān)的問題，后者是為了解決噪聲大的問題。但這些專利僅僅只能解決一個(gè)不足。
實(shí)用新型內(nèi)容本實(shí)用新型提供的一種基于邊界的直方圖均衡裝置，其可有效抑制背景噪聲，可減少傳統(tǒng)的直方圖均衡算法引起的灰度級(jí)合并，控制圖像的增強(qiáng)效果。
為了達(dá)到上述目的，本實(shí)用新型提供了一種基于邊界的直方圖均衡裝置，其包含一亮度輸入電路，計(jì)算輸入視頻圖像的亮度圖f(i，j)，函數(shù)f(i，j)代表在圖像第i行第j列的像素點(diǎn)的亮度信息；
一最高亮度檢測(cè)器，其輸入端連接亮度輸入電路的輸出端，計(jì)算圖像灰度級(jí)的最大值Max；一最低亮度檢測(cè)器，其輸入端連接亮度輸入電路的輸出端，計(jì)算圖像灰度級(jí)的最小值Min；一邊緣檢測(cè)電路，其輸入端連接亮度輸入電路的輸出端，對(duì)亮度圖求取邊緣點(diǎn)；該邊緣檢測(cè)電路包含一梯度幅值計(jì)算模塊和一邊緣點(diǎn)檢測(cè)模塊；所述的梯度幅值計(jì)算模塊的輸入端連接亮度輸入電路的輸出端，該模塊應(yīng)用Sobel算子，計(jì)算亮度圖像的Sobel模值，即梯度幅值Sobel算子是一種傳統(tǒng)的邊緣檢測(cè)提取算子，其由水平垂直的兩個(gè)正模板組成，能夠同時(shí)檢測(cè)圖像水平方向和垂直方向的邊緣；Delta_x=]]>|-f(i-1,j-1)-2*f(i-1,j)-f(i-1,j+1)+f(i+1,j-1)+2*f(i+1,j)+f(i+1,j+1)|8;]]>Delta_y=]]>|-f(i-1,j+1)-2*f(i,j+1)-f(i+1,j+1)+f(i-1,j-1)+2*f(i,j-1)+f(i+1,j-1)|8;]]>G(x,y)=(Delta_x2+Delta_y2);]]>其中，Delta_x和Delta_y為點(diǎn)f(x，y)處的一階微分算子，G(x，y)為點(diǎn)f(x，y)的梯度幅值；所述的邊緣點(diǎn)檢測(cè)模塊的輸入端連接梯度幅值計(jì)算模塊的輸出端；該模塊包含一比較器和一存儲(chǔ)器；存儲(chǔ)器連接比較器的輸出端；比較器對(duì)邊緣點(diǎn)提取模塊的輸出結(jié)果進(jìn)行檢測(cè)，圖像邊緣點(diǎn)的G(x，y)應(yīng)不小于其上下或左右的兩個(gè)鄰域且嚴(yán)格大于其中之一，當(dāng)下式成立時(shí)，存儲(chǔ)器存儲(chǔ)對(duì)應(yīng)的圖像邊緣點(diǎn)數(shù)值；G(x，y)＞Tand{{[Delta_x(i，j)＞＝Delta_ y(i，j)-ξ]&[G(x，y-1)＜＝G(x，y)]&[G(x，y)＞G(x，y+1)]}；or{[Delta_y(i，j)＞＝Delta_x(i，j)-ξ]&[G(x-1，y)＜＝G(x，y)]&[G(x，y)＞G(x+1，y)]}}其中，T為一個(gè)預(yù)先確定的閾值，ξ為一個(gè)非常小的正數(shù)；滿足上述條件的點(diǎn)組成邊界圖象fE(i，j)＝f(i，j)，fE(i，j)是對(duì)圖像亮度圖求邊界后得到的邊界圖像中第i行第j列的像素點(diǎn)的亮度信息。
一直方圖均衡電路，其輸入端連接邊緣檢測(cè)電路、最高亮度檢測(cè)器和最低亮度檢測(cè)器的輸出端，包含一極值運(yùn)算模塊、一概率密度函數(shù)運(yùn)算模塊、一累加器模塊和一灰度映射函數(shù)運(yùn)算模塊；所述的極值運(yùn)算模塊的輸入端連接最高亮度檢測(cè)器和最低亮度檢測(cè)器的輸出端，該模塊計(jì)算進(jìn)行直方圖拉伸后的邊界圖像灰度級(jí)的最大最小值Min′，Max′Min′＝Min-(Min-L_value)*(Max-Min)/CMax′＝Max+(H_value-Max)*(Max-Min)/C；其中L_value和H_value是亮度空間的最大最小值；C為一個(gè)控制拉伸后最大最小值的常數(shù)；所述的概率密度函數(shù)運(yùn)算模塊的輸入端連接極值運(yùn)算模塊的輸出端，該模塊包含一運(yùn)算模塊、一比較器和一修正模塊；所述的運(yùn)算模塊的輸入端連接邊緣檢測(cè)電路的輸出端，該模塊計(jì)算邊緣點(diǎn)的概率密度函數(shù)Pedge(X(k))=nedge(k)nsum_edge;]]>其中，Pedge(X(k))是圖像第k個(gè)灰度級(jí)Xk出現(xiàn)的概率，nedge(k)表示在邊界圖像的亮度圖{fE(i，j)}中灰度級(jí)Xk出現(xiàn)的次數(shù)，{fE(i，j)}表示由Max-Min+1個(gè)灰度級(jí)[XMin，……，XMax]所構(gòu)成的邊界圖像的亮度圖；nsum_edge是邊界圖像的亮度圖{fE(i，j)}中總的采樣數(shù)，即邊緣點(diǎn)的個(gè)數(shù)；所述的比較器的輸入端連接運(yùn)算模塊的輸出端、極值運(yùn)算模塊的輸出端、最高亮度檢測(cè)器和最低亮度檢測(cè)器的輸出端，對(duì)運(yùn)算模塊計(jì)算出的概率密度函數(shù)進(jìn)行判定，若邊緣點(diǎn)在所述的第k個(gè)灰度級(jí)的概率密度函數(shù)Pedge(X(k))小于灰度級(jí)的倒數(shù) 說明該灰度級(jí)對(duì)邊緣圖像中貢獻(xiàn)小，可能會(huì)被合并，同時(shí)這一灰度級(jí)在原亮度圖中占據(jù)著整幅圖的 以上，說明這個(gè)灰度級(jí)對(duì)原亮度圖的貢獻(xiàn)很大，該灰度級(jí)不應(yīng)該被合并，即當(dāng)(n(k)nsum>2(Max-Min))and(nedge(k)nsum_edge<1(Max′-Min′))]]>成立時(shí)，比較器輸出一修正觸發(fā)信號(hào)；當(dāng)(n(k)nsum>2(Max-Min))and(nedge(k)nsum_edge<1(Max′-Min′))]]>不成立時(shí)，比較器輸出一保持觸發(fā)信號(hào)；其中，n(k)表示在整幅亮度圖中灰度級(jí)Xk出現(xiàn)的次數(shù)，nsum是亮度圖中像素點(diǎn)的總個(gè)數(shù)；所述的修正模塊的輸入端連接比較器的輸出端和極值運(yùn)算模塊的輸出端，該模塊的輸出端連接運(yùn)算模塊的輸入端；當(dāng)接收到比較器發(fā)出的修正觸發(fā)信號(hào)后，修正模塊重置該邊緣點(diǎn)中第k個(gè)灰度級(jí)出現(xiàn)的次數(shù)nedge(k)，將其提升到全部邊緣點(diǎn)數(shù)目的 使該灰度級(jí)不會(huì)被合并，然后對(duì)邊緣點(diǎn)的個(gè)數(shù)進(jìn)行修正，即nedge′(k)＝nedge(k)nedge(k)=nsum_edge(Max′-Min′);]]>nsum_edge＝nsum_edge+nedge(k)-nedge′(k)修正模塊將修正結(jié)果輸入到運(yùn)算模塊，由運(yùn)算模塊根據(jù)修正模塊的輸出結(jié)果重新計(jì)算邊緣點(diǎn)的概率密度函數(shù)；當(dāng)接收到比較器發(fā)出的保持觸發(fā)信號(hào)后，修正模塊不工作，保持運(yùn)算模塊原來的計(jì)算結(jié)果；所述的累加器模塊，其輸入端連接概率密度函數(shù)運(yùn)算模塊的輸出端，根據(jù)邊緣點(diǎn)的概率密度函數(shù)計(jì)算累計(jì)密度函數(shù)C(X(k))=Σi=0k-1Pedge(X(k));]]>所述的灰度映射函數(shù)運(yùn)算模塊，其輸入端連接累加器的輸出端和極值運(yùn)算模塊的輸出端，根據(jù)累加器的輸出結(jié)果計(jì)算灰度映射函數(shù)X′(k)＝C(X(k))*(Max′-Min′)+Min′；一控制因子輸入電路，其輸入控制因子α，并將α的值控制在[0，1]之間；一增強(qiáng)程度控制電路，其輸入端連接直方圖均衡電路和控制因子輸入電路的輸出端，該電路加入控制因子α，得到新的灰度映射函數(shù)Y(k)，使映射函數(shù)的曲線幅度可調(diào)，對(duì)比度增強(qiáng)效果可控Y(k)＝α*X′(k)+(1-α)*k；
其中，α的值在[0，1]之間，α越小，越接近原圖，當(dāng)α＝0時(shí)，是原圖，沒有變化；α越大，對(duì)比度越大，當(dāng)α＝1時(shí)，就完全是直方圖均衡的結(jié)果；一亮度映射電路，其輸入端連接增強(qiáng)程度控制電路的輸出端，并與直方圖均衡電路相互連接；該亮度映射電路利用灰度映射函數(shù)Y(k)對(duì)原亮度圖像進(jìn)行灰度變換，得到對(duì)比度增強(qiáng)后圖像fout(i，j)＝Y(jié)(f(i，j))；一亮度輸出電路，其輸入端連接亮度映射電路的輸出端，將計(jì)算好的亮度變換回真彩色空間，完成視頻圖像的對(duì)比度增強(qiáng)。
在所述的亮度輸入電路中，所述的亮度可以是YUV模型中的Y，或者是HSV模型中的V，或者是HIS模型中的I，或者是其他合理的亮度公式推導(dǎo)出的亮度。
在所述的直方圖均衡電路中的極值運(yùn)算模塊中，在YcbCr空間，所述的L_value＝16，H_value＝235；在HSV空間，所述的L_value＝0，H_value＝255。
本實(shí)用新型提供的基于邊界的直方圖均衡裝置，通過對(duì)邊緣圖而不是所有的圖像像素進(jìn)行處理的方法，來有效抑制背景噪聲的蔓延，并有效保持一些灰度級(jí)不被合并，同時(shí)通過加入控制因子的方法，控制圖像增強(qiáng)效果，使圖像均值與原始圖像的均值不會(huì)相差太遠(yuǎn)。


圖1是本實(shí)用新型提供的基于邊界的直方圖均衡裝置的結(jié)構(gòu)圖；圖2是本實(shí)用新型提供的基于邊界的直方圖均衡裝置的邊緣檢測(cè)電路的結(jié)構(gòu)圖；圖3是本實(shí)用新型提供的基于邊界的直方圖均衡裝置的極值運(yùn)算模塊電路的結(jié)構(gòu)圖；圖4是本實(shí)用新型提供的基于邊界的直方圖均衡裝置的概率密度函數(shù)運(yùn)算電路的結(jié)構(gòu)圖；圖5是本實(shí)用新型提供的基于邊界的直方圖均衡裝置的灰度映射函數(shù)運(yùn)算電路的結(jié)構(gòu)圖；圖6是本實(shí)用新型提供的基于邊界的直方圖均衡裝置的增強(qiáng)程度控制電路的結(jié)構(gòu)圖。
具體實(shí)施方式
以下根據(jù)圖1～圖6來具體說明本實(shí)用新型提供的一種基于邊界的直方圖均衡裝置的最佳實(shí)施方式如圖1所示，本實(shí)用新型提供的基于邊界的直方圖均衡裝置，其包含一亮度輸入電路1，輸入視頻圖像，計(jì)算圖像的亮度圖f(i，j)，函數(shù)f(i，j)代表在圖像第i行第j列的像素點(diǎn)的亮度信息；一最高亮度檢測(cè)器2，其輸入端連接亮度輸入電路1的輸出端，計(jì)算圖像灰度級(jí)的最大值Max；一最低亮度檢測(cè)器3，其輸入端連接亮度輸入電路1的輸出端，計(jì)算圖像灰度級(jí)的最小值Min；一邊緣檢測(cè)電路4，其輸入端連接亮度輸入電路1的輸出端，對(duì)亮度圖求取邊緣點(diǎn)；如圖2所示，該邊緣檢測(cè)電路4包含一梯度幅值計(jì)算模塊和一邊緣點(diǎn)檢測(cè)模塊；所述的梯度幅值計(jì)算模塊的輸入端連接亮度輸入電路1的輸出端，該模塊應(yīng)用Sobel算子，計(jì)算亮度圖像的Sobel模值，即梯度幅值Sobel算子是一種傳統(tǒng)的邊緣檢測(cè)提取算子，其由水平垂直的兩個(gè)正模板組成，能夠同時(shí)檢測(cè)圖像水平方向和垂直方向的邊緣；Delta_x=]]>|-f(i-1,j-1)-2*f(i-1,j)-f(i-1,j+1)+f(i+1,j-1)+2*f(i+1,j)+f(i+1,j+1)|8]]>Delta_y=]]>|-f(i-1,j+1)-2*f(i,j+1)-f(i+1,j+1)+f(i-1,j-1)+2*f(i,j-1)+f(i+1,j-1)|8;]]>G(x,y)=(Delta_x2+Delta_y2);]]>其中，；Delta_x和Delta_y為點(diǎn)f(x，y)處的一階微分算子，G(x，y)為點(diǎn)f(x，y)的梯度幅值；所述的梯度幅值計(jì)算模塊包括若干加法器、減法器、乘法器、除法器、平方產(chǎn)生器和開方產(chǎn)生器，其具體連接方式如下亮度輸入電路1的輸出和常數(shù)輸入到乘法器401a，亮度輸入電路1的輸出和常數(shù)輸入到乘法器401b，乘法器401a和401b的輸出輸入到減法器401c中，減法器401c的輸出和亮度輸入電路1的輸出輸入到減法器401d，減法器401d的輸出和亮度輸入電路1的模板的兩個(gè)點(diǎn)的輸出輸入到加法器401e，加法器401e的輸出和常數(shù)輸入到除法器401f中得到Delta_x；亮度輸入電路1的輸出和常數(shù)輸入到乘法器401g，亮度輸入電路1的輸出和常數(shù)輸入到乘法器401h，乘法器401h和401g的輸出輸入到減法器401i中，減法器401i的輸出和亮度輸入電路1的輸出輸入到減法器401j，減法器401j的輸出和亮度輸入電路1的模板的兩個(gè)點(diǎn)的輸出輸入到加法器401k，加法器401k的輸出和常數(shù)輸入到除法器401l中得到Delta_y；除法器401f輸入到平方產(chǎn)生器401m中，除法器401l的輸出輸入到平方產(chǎn)生器401n中，平方產(chǎn)生器401m和401n的輸出輸入到加法器401o中，加法器401o的輸出輸入到開方產(chǎn)生器401p中，得到梯度幅值G(x，y)；所述的邊緣點(diǎn)檢測(cè)模塊的輸入端連接梯度幅值計(jì)算模塊的輸出端；該模塊包含一比較器402a和一存儲(chǔ)器402b；存儲(chǔ)器402b連接比較器402a的輸出端；比較器402a對(duì)邊緣點(diǎn)提取模塊的輸出結(jié)果進(jìn)行檢測(cè)，圖像邊緣點(diǎn)的G(x，y)應(yīng)不小于其上下或左右的兩個(gè)鄰域且嚴(yán)格大于其中之一，當(dāng)下式成立時(shí)，存儲(chǔ)器402b存儲(chǔ)對(duì)應(yīng)的圖像邊緣點(diǎn)數(shù)值；G(x，y)＞Tand{{[Delta_x(i，j)＞＝Delta_y(i，j)-ξ]&[G(x，y-1)＜＝G(x，y)]&[G(x，y)＞G(x，y+1)]}；or{[Delta_y(i，j)＞＝Delta_x(i，j)-ξ]&[G(x-1，y)＜＝G(x，y)]&[G(x，y)＞G(x+1，y)]}}其中，T為一個(gè)預(yù)先確定的閾值，ξ為一個(gè)非常小的正數(shù)；滿足上述條件的點(diǎn)組成邊界圖象fE(i，j)＝f(i，j)，fE(i，j)是對(duì)圖像亮度圖求邊界后得到的邊界圖像中第i行第j列的像素點(diǎn)的亮度信息。
一直方圖均衡電路5，其輸入端連接邊緣檢測(cè)電路4、最高亮度檢測(cè)器2和最低亮度檢測(cè)器3的輸出端，包含一極值運(yùn)算模塊501、一概率密度函數(shù)運(yùn)算模塊502、一累加器模塊503和一灰度映射函數(shù)運(yùn)算模塊504；所述的極值運(yùn)算模塊501的輸入端連接最高亮度檢測(cè)器2和最低亮度檢測(cè)器3的輸出端，該模塊計(jì)算進(jìn)行直方圖拉伸后的邊界圖像灰度級(jí)的最大最小值Min′，Max′Min′＝Min-(Min-L_value)*(Max-Min)/CMax′＝Max+(H_value-Max)*(Max-Min)/C；
其中L_value和H_value是亮度空間的最大最小值；C為一個(gè)控制拉伸后最大最小值的常數(shù)；如圖3所示，所述的極值運(yùn)算模塊501包括若干加法器、減法器、乘法器、除法器，其具體連接方式如下最低亮度檢測(cè)器3的輸出和常數(shù)L_value輸入到減法器501a中，最低亮度檢測(cè)器3的輸出和最高亮度檢測(cè)器2的輸出輸入到減法器501b中，減法器501a和減法器501b輸入到乘法器501c中，乘法器501c輸出和常數(shù)C輸入到除法器501d中，除法器501d的輸出和最低亮度檢測(cè)器3的輸出輸入到減法器501f中，得到拉伸后的邊界圖像灰度級(jí)的最小值Min′；最高亮度檢測(cè)器2的輸出和常數(shù)H_value輸入到減法器501g中，減法器501g和減法器501b輸入到乘法器501h中，乘法器501h輸出和常數(shù)C輸入到除法器501i中，除法器501i的輸出和最高亮度檢測(cè)器2的輸出輸入到加法器501j中，得到拉伸后的邊界圖像灰度級(jí)的最大值Max′；如圖4所示，所述的概率密度函數(shù)運(yùn)算模塊502的輸入端連接極值運(yùn)算模塊501的輸出端，該模塊包含一運(yùn)算模塊、一比較器5022和一修正模塊5023；所述的運(yùn)算模塊的輸入端連接邊緣檢測(cè)電路4的輸出端，該模塊計(jì)算邊緣點(diǎn)的概率密度函數(shù)Pedge(X(k))=nedge(k)nsum_edge;]]>其中，Pedge(X(k))是圖像第k個(gè)灰度級(jí)Xk出現(xiàn)的概率，nedge(k)表示在邊界圖像的亮度圖{fE(i，j)}中灰度級(jí)Xk出現(xiàn)的次數(shù)，{fE(i，j)}表示由Max-Min+1個(gè)灰度級(jí)[XMin，……，XMax]所構(gòu)成的邊界圖像的亮度圖；nsum_edge是邊界圖像的亮度圖{fE(i，j)}中總的采樣數(shù)，即邊緣點(diǎn)的個(gè)數(shù)；所述的運(yùn)算模塊包括若干存儲(chǔ)器、記數(shù)器、除法器，其具體連接方式如下邊緣檢測(cè)電路4的輸出輸入到存儲(chǔ)器5021a中，用于存儲(chǔ)直方圖數(shù)組數(shù)據(jù)，存儲(chǔ)器5021a輸出到累加器5021b中，得到每個(gè)灰度級(jí)出現(xiàn)的次數(shù)nedge(k)。邊緣檢測(cè)電路4的輸出還輸入到另一個(gè)累加器5021c中以便得到邊界圖像的象素總數(shù)；然后累加器5021b和累加器5021c的輸出輸入到除法器5021d中，得到邊緣點(diǎn)的概率密度函數(shù)；所述的比較器5022的輸入端連接運(yùn)算模塊的輸出端、極值運(yùn)算模塊501的輸出端、最高亮度檢測(cè)器2和最低亮度檢測(cè)器3的輸出端，對(duì)運(yùn)算模塊計(jì)算出的概率密度函數(shù)進(jìn)行判定，若邊緣點(diǎn)在所述的第k個(gè)灰度級(jí)的概率密度函數(shù)Pedge(X(k))小于灰度級(jí)的倒數(shù) 說明該灰度級(jí)對(duì)邊緣圖像中貢獻(xiàn)小，可能會(huì)被合并，同時(shí)這一灰度級(jí)在原亮度圖中占據(jù)著整幅圖的 以上，說明這個(gè)灰度級(jí)對(duì)原亮度圖的貢獻(xiàn)很大，該灰度級(jí)不應(yīng)該被合并，即當(dāng)(n(k)nsum>2(Max-Min))and(nedge(k)nsum_edge<1(Max′-Min′))]]>成立時(shí)，比較器5022輸出一修正觸發(fā)信號(hào)；當(dāng)(n(k)nsum>2(Max-Min))and(nedge(k)nsum_edge<1(Max′-Min′))]]>不成立時(shí)，比較器5022輸出一保持觸發(fā)信號(hào)；其中，n(k)表示在整幅亮度圖中灰度級(jí)Xk出現(xiàn)的次數(shù)，nsum是亮度圖中像素點(diǎn)的總個(gè)數(shù)；所述的修正模塊5023的輸入端連接比較器5022的輸出端和極值運(yùn)算模塊501的輸出端，該修正模塊5023的輸出端連接運(yùn)算模塊的輸入端；當(dāng)接收到比較器5022發(fā)出的修正觸發(fā)信號(hào)后，修正模塊5023重置該邊緣點(diǎn)中第k個(gè)灰度級(jí)出現(xiàn)的次數(shù)nedge(k)，將其提升到全部邊緣點(diǎn)數(shù)目的 使該灰度級(jí)不會(huì)被合并，然后對(duì)邊緣點(diǎn)的個(gè)數(shù)進(jìn)行修正，即nedge′(k)＝nedge(k)nedge(k)=nsum_edge(Max′-Min′);]]>nsum_edge＝nsum_edge+nedge(k)-nedge′(k)修正模塊5023將修正結(jié)果輸入到運(yùn)算模塊，由運(yùn)算模塊根據(jù)修正模塊5023的輸出結(jié)果重新計(jì)算邊緣點(diǎn)的概率密度函數(shù)；當(dāng)接收到比較器5022發(fā)出的保持觸發(fā)信號(hào)后，修正模塊5023不工作，保持運(yùn)算模塊原來的計(jì)算結(jié)果；所述的修正模塊5023包含若干減法器、加法器、除法器、存儲(chǔ)器，具體連接方式為將累加器5021b輸出到存儲(chǔ)器5023a中，極值運(yùn)算模塊501的兩個(gè)輸出輸入到減法器5023b中，累加器5021c的輸出和減法器5023b的輸出輸入到除法器5023c中，得到新的nedge(k)，除法器5023c與存儲(chǔ)器的輸出5023a輸入到減法器5023d中，減法器5023d的輸出和累加器5021c的輸出輸入到加法器5023f中得到新的修正結(jié)果。
所述的累加器503，其輸入端連接概率密度函數(shù)運(yùn)算模塊502的輸出端，根據(jù)邊緣點(diǎn)的概率密度函數(shù)計(jì)算累計(jì)密度函數(shù)C(X(k))=Σi=0k-1Pedge(X(k));]]>所述的灰度映射函數(shù)運(yùn)算模塊504，其輸入端連接累加器503的輸出端和極值運(yùn)算模塊501的輸出端，根據(jù)累加器503的輸出結(jié)果計(jì)算灰度映射函數(shù)X′(k)＝C(X(k))*(Max′-Min′)+Min′；如圖5所示，所述的灰度映射函數(shù)運(yùn)算模塊504由減法器、加法器和乘法器實(shí)現(xiàn)，具體連接方式為減法器5023b的輸出和累加器503的輸出輸入到乘法器504b中，乘法器504b的輸出和極值運(yùn)算模塊501的輸出Min′輸入到加法器504c中，得到對(duì)應(yīng)的映射值。
一控制因子輸入電路6，其輸入控制因子α，并將α的值控制在[0，1]之間；一增強(qiáng)程度控制電路7，其輸入端連接直方圖均衡電路5和控制因子輸入電路6的輸出端，該電路加入控制因子α，得到新的灰度映射函數(shù)Y(k)，使映射函數(shù)的曲線幅度可調(diào)，對(duì)比度增強(qiáng)效果可控Y(k)＝α*X′(k)+(1-α)*k；其中，α的值在[0，1]之間，α越小，越接近原圖，當(dāng)α＝0時(shí)，是原圖，沒有變化；α越大，對(duì)比度越大，當(dāng)α＝1時(shí)，就完全是直方圖均衡的結(jié)果；如圖6所示，所述的增強(qiáng)程度控制電路7由加法器、減法器和乘法器實(shí)現(xiàn)，具體連接方式為灰度映射函數(shù)運(yùn)算模塊504的輸出和α輸入到乘法器701中，常數(shù)和α輸入到減法器702中，減法器702的輸出和灰度級(jí)k輸入到乘法器703中，乘法器701和乘法器703的輸出輸入到加法器704中，得到新的灰度映射函數(shù)Y(k)。
一亮度映射電路8，其輸入端連接增強(qiáng)程度控制電路7的輸出端，并與直方圖均衡電路5相互連接；該亮度映射電路8利用灰度映射函數(shù)Y(k)對(duì)原亮度圖像進(jìn)行灰度變換，得到對(duì)比度增強(qiáng)后圖像fout(i，j)＝Y(jié)(f(i，j))；一亮度輸出電路9，其輸入端連接亮度映射電路8的輸出端，將計(jì)算好的亮度變換回真彩色空間，完成視頻圖像的對(duì)比度增強(qiáng)。
在所述的亮度輸入電路1中，所述的亮度可以是YUV模型中的Y，或者是HSV模型中的V，或者是HIS模型中的I，或者是其他合理的亮度公式推導(dǎo)出的亮度。
在所述的直方圖均衡電路5中的極值運(yùn)算模塊501中，在YcbCr空間，所述的L_value＝16，H_value＝235；在HSV空間，所述的L_value＝0，H_value＝255。
本實(shí)用新型提供的基于邊界的直方圖均衡裝置，通過對(duì)邊緣圖而不是所有的圖像像素進(jìn)行處理的方法，來有效抑制背景噪聲的蔓延，并有效保持一些灰度級(jí)不被合并，同時(shí)通過加入控制因子的方法，控制圖像增強(qiáng)效果，使圖像均值與原始圖像的均值不會(huì)相差太遠(yuǎn)。
權(quán)利要求1.一種基于邊界的直方圖均衡裝置，其特征在于，包含一亮度輸入電路(1)，輸入視頻圖像，計(jì)算圖像的亮度圖f(i，j)，函數(shù)F(i，j)代表在圖像第i行第j列的像素點(diǎn)的亮度信息；一最高亮度檢測(cè)器(2)，其輸入端連接亮度輸入電路(1)的輸出端，計(jì)算圖像灰度級(jí)的最大值Max；一最低亮度檢測(cè)器(3)，其輸入端連接亮度輸入電路(1)的輸出端，計(jì)算圖像灰度級(jí)的最小值Min；一邊緣檢測(cè)電路(4)，其輸入端連接亮度輸入電路(1)的輸出端，對(duì)亮度圖求取邊緣點(diǎn)；該邊緣檢測(cè)電路(4)包含一梯度幅值計(jì)算模塊和一邊緣點(diǎn)檢測(cè)模塊；所述的梯度幅值計(jì)算模塊的輸入端連接亮度輸入電路(1)的輸出端，該模塊應(yīng)用Sobel算子，計(jì)算亮度圖像的Sobel模值，即梯度幅值Sobel算子是一種傳統(tǒng)的邊緣檢測(cè)提取算子，其由水平垂直的兩個(gè)正模板組成，能夠同時(shí)檢測(cè)圖像水平方向和垂直方向的邊緣；Delta_x=]]>|-f(i-1,j-1)-2*f(i-1,j)-f(i-1,j+1)+f(i+1,j-1)+2*f(i+1,j)+f(i+1,j+1)|8;]]>Delta_y=]]>|-f(i-1,j+1)-2*f(i,j+1)-f(i+1,j+1)+f(i-1,j-1)+2*f(i,j-1)+f(i+1,j-1)|8;]]>G(x,y)=(Delta_x2+Delta_y2);]]>其中，Delta_x和Delta_y為點(diǎn)fE(x，y)處的一階微分算子，G(x，y)為點(diǎn)fE(x，y)的梯度幅值；所述的邊緣點(diǎn)檢測(cè)模塊的輸入端連接梯度幅值計(jì)算模塊的輸出端；該模塊包含一比較器(4021)和一存儲(chǔ)器(4022)；存儲(chǔ)器(4022)連接比較器(4021)的輸出端；比較器(4021)對(duì)梯度幅值計(jì)算模塊的輸出結(jié)果進(jìn)行檢測(cè)，圖像邊緣點(diǎn)的G(x，y)應(yīng)不小于其上下或左右的兩個(gè)鄰域且嚴(yán)格大于其中之一，當(dāng)下式成立時(shí)，存儲(chǔ)器(4022)存儲(chǔ)對(duì)應(yīng)的圖像邊緣點(diǎn)數(shù)值；G(x，y)＞Tand{{[Delta_x(i，j)＞＝Delta_y(i，j)-ξ]&[G(x，y-1)＜＝G(x，y)]&[G(x，y)＞G(x，y+1)]}；or{[Delta_y(i，j)＞＝Delta_x(i，j)-ξ]&[G(x-1，y)＜＝G(x，y)]&[G(x，y)＞G(x+1，y)]}}其中，T為一個(gè)預(yù)先確定的閾值，ξ為一個(gè)非常小的正數(shù)；滿足上述條件的點(diǎn)組成邊界圖象fE(i，j)＝f(i，j)，fE(i，j)是對(duì)圖像亮度圖求邊界后得到的邊界圖像中第i行第j列的像素點(diǎn)的亮度信息；一直方圖均衡電路(5)，其輸入端連接邊緣檢測(cè)電路(4)、最高亮度檢測(cè)器(2)和最低亮度檢測(cè)器(3)的輸出端，該電路包含一極值運(yùn)算模塊(501)、一概率密度函數(shù)運(yùn)算模塊(502)、一累加器模塊(503)和一灰度映射函數(shù)運(yùn)算模塊(504)；所述的極值運(yùn)算模塊(501)的輸入端連接最高亮度檢測(cè)器(2)和最低亮度檢測(cè)器(3)的輸出端，該模塊計(jì)算進(jìn)行直方圖拉伸后的邊界圖像灰度級(jí)的最大最小值Min′，Max′Min′＝Min-(Min-L_value)*(Max-Min)/C；Max′＝Max+(H_value-Max)*(Max-Min)/C其中L_value和H_value是亮度空間的最大最小值；C為一個(gè)控制拉伸后最大最小值的常數(shù)；所述的概率密度函數(shù)運(yùn)算模塊(502)的輸入端連接極值運(yùn)算模塊(501)的輸出端，該模塊包含一運(yùn)算模塊、一比較器(5022)和一修正模塊(5023)；所述的運(yùn)算模塊的輸入端連接邊緣檢測(cè)電路(4)的輸出端，該模塊計(jì)算邊緣點(diǎn)的概率密度函數(shù)Pedge(X(k))=nedge(k)nsum_edge;]]>其中，Pedge(X(k))是圖像第k個(gè)灰度級(jí)Xk出現(xiàn)的概率，nedge(k)表示在邊界圖像的亮度圖{fE(i，j)}中灰度級(jí)Xk出現(xiàn)的次數(shù)，{fE(i，j)}表示由Max-Min+1個(gè)灰度級(jí)[XMin，……，XMax]所構(gòu)成的邊界圖像的亮度圖；nsum_edge是邊界圖像的亮度圖{fE(i，j)}中總的采樣數(shù)，即邊緣點(diǎn)的個(gè)數(shù)；所述的比較器(5022)的輸入端連接運(yùn)算模塊的輸出端、極值運(yùn)算模塊的輸出端(501)、最高亮度檢測(cè)器(2)和最低亮度檢測(cè)器(3)的輸出端，對(duì)運(yùn)算模塊計(jì)算出的概率密度函數(shù)進(jìn)行判定若邊緣點(diǎn)在所述的第k個(gè)灰度級(jí)的概率密度函數(shù)Pedge(X(k))小于灰度級(jí)的倒數(shù) 同時(shí)這一灰度級(jí)在原亮度圖中占據(jù)著整幅圖的 以上，即當(dāng)(n(k)nsum>2(Max-Min))an(nedge(k)nsum_edge<1(Max′-Min′))]]>成立時(shí)，比較器(5022)輸出修正觸發(fā)信號(hào)；當(dāng)(n(k)nsum>2(Max-Min))an(nedge(k)nsum_edge<1(Max′-Min′))]]>不成立時(shí)，比較器(5022)輸出一保持觸發(fā)信號(hào)；其中，n(k)表示在整幅亮度圖中灰度級(jí)Xk出現(xiàn)的次數(shù)，nsum是亮度圖中像素點(diǎn)的總個(gè)數(shù)；所述的修正模塊(5023)的輸入端連接比較器(5022)的輸出端和極值運(yùn)算模塊(501)的輸出端，該修正模塊(5023)的輸出端連接運(yùn)算模塊的輸入端；當(dāng)接收到比較器(5022)發(fā)出的修正觸發(fā)信號(hào)后，修正模塊(5023)重置該邊緣點(diǎn)中第k個(gè)灰度級(jí)出現(xiàn)的次數(shù)nedge(k)，將其提升到全部邊緣點(diǎn)數(shù)目的 使該灰度級(jí)不會(huì)被合并，然后對(duì)邊緣點(diǎn)的個(gè)數(shù)進(jìn)行修正，即nedge′(k)＝nedge(k)ndege(k)=nsum_edge(Max′-Min′);]]>nsum_edge＝nsum_edge+nedge(k)-nedge′(k)修正模塊(5023)將修正結(jié)果輸入到運(yùn)算模塊，由運(yùn)算模塊根據(jù)修正模塊(5023)的輸出結(jié)果重新計(jì)算邊緣點(diǎn)的概率密度函數(shù)；當(dāng)接收到比較器(5022)發(fā)出的保持觸發(fā)信號(hào)后，修正模塊(5023)不工作，保持運(yùn)算模塊原來的計(jì)算結(jié)果；所述的累加器模塊(503)的輸入端連接概率密度函數(shù)運(yùn)算模塊(502)的輸出端，該模塊根據(jù)邊緣點(diǎn)的概率密度函數(shù)計(jì)算累計(jì)密度函數(shù)C(X(k))=Σi=0k-1Pedge(X(k));]]>所述的灰度映射函數(shù)運(yùn)算模塊(504)，其輸入端連接累加器(503)的輸出端和極值運(yùn)算模塊(501)的輸出端，該模塊根據(jù)累加器(503)的輸出結(jié)果計(jì)算灰度映射函數(shù)X′(k)＝C(X(k))*(Max′-Min′)+Min′；一控制因子輸入電路(6)，其輸入控制因子α，并將α的值控制在[0，1]之間；一增強(qiáng)程度控制電路(7)，其輸入端連接直方圖均衡電路(5)和控制因子輸入電路(6)的輸出端，該電路加入控制因子α，得到新的灰度映射函數(shù)Y(k)，使映射函數(shù)的曲線幅度可調(diào)，對(duì)比度增強(qiáng)效果可控Y(k)＝α*X′(k)+(1-α)*k；其中，α的值在[0，1]之間；一亮度映射電路(8)，其輸入端連接增強(qiáng)程度控制電路(7)的輸出端，并與直方圖均衡電路(5)相互連接；該亮度映射電路(8)利用灰度映射函數(shù)Y(k)對(duì)原亮度圖像進(jìn)行灰度變換，得到對(duì)比度增強(qiáng)后圖像fout(i，j)＝Y(jié)(f(i，j))；一亮度輸出電路(9)，其輸入端連接亮度映射電路(8)的輸出端，將計(jì)算好的亮度變換回真彩色空間，完成視頻圖像的對(duì)比度增強(qiáng)。
2.如權(quán)利要求1所述的基于邊界的直方圖均衡裝置，其特征在于，在亮度輸入電路(1)中，所述的亮度可以是YUV模型中的Y，或者是HSV模型中的V，或者是HIS模型中的I，或者是其他合理的亮度公式推導(dǎo)出的亮度。
3.如權(quán)利要求1所述的基于邊界的直方圖均衡裝置，其特征在于，在直方圖均衡電路(5)中的極值運(yùn)算模塊(501)中，在YcbCr空間，所述的L_value＝16，H_value＝235；在HSV空間，所述的L_value＝0，H_value＝255。
專利摘要一種基于邊界的直方圖均衡裝置，由亮度輸入電路輸入視頻圖像，檢測(cè)出亮度最大值和最小值，由邊緣檢測(cè)電路求取亮度圖邊緣點(diǎn)，再通過直方圖均衡電路計(jì)算得到亮度映射函數(shù)，控制因子輸入電路輸入控制因子α從而得到新的映射函數(shù)，接著由亮度映射電路得到對(duì)比度增強(qiáng)后圖像，最后通過亮度輸出電路輸出。本實(shí)用新型提供的基于邊界的直方圖均衡裝置，通過對(duì)邊緣圖而不是所有的圖像像素進(jìn)行處理的方法，可有效抑制背景噪聲的蔓延，并有效保持一些灰度級(jí)不被合并，同時(shí)通過加入控制因子的方法，控制圖像增強(qiáng)效果，使圖像均值與原始圖像的均值不會(huì)相差太遠(yuǎn)。
文檔編號(hào)H04N5/21GK2838184SQ20052004574
公開日2006年11月15日 申請(qǐng)日期2005年10月19日 優(yōu)先權(quán)日2005年10月19日
發(fā)明者袁野, 侯鋼, 王國中 申請(qǐng)人:上海廣電(集團(tuán))有限公司中央研究院