相同种强化的基于局部直方图裁剪均衡化的针对性比度调节算法,一栽强化的冲局部直方图裁剪均衡化的针比较度调节算法澳门网上娱乐

  以挺久前实现比较度受限的打适应直方图均衡化时,就早已想过针对性拖欠算法举办得程度之扩大,之后拔取自动相比度和自动色阶代替直方图均衡化也指出了初的算法,也达了是的意义。本文进一步对拖欠算法举办自然水准的壮大及补优化。

  在丰盛久前贯彻相比较度受限的起适应直方图均衡化时,就曾经想了针对性该算法举行自然水平的扩大,之后用机动相比较度和自动色阶代替直方图均衡化也提议了新的算法,也上了不易的效果。本文进一步对该算法举办一定程度之扩展以及增补优化。

一律、本文算法的概述

同等、本文算法的概述

  依据接纳的优化的品位以及垂直网格数,将图像切分成一个一个底子块,然后总计每个子块的直方图消息,并同原图全部的直方图信息进行某种混合,对于彩色图像,为了制止不同通道内处理后变卦过于不调和,还加了各样通道直方图与亮度通道直方图的信息合成,然后针对合成后底直方图举办直方图裁剪和均衡化的,获取各子块新的照射直方图,为了制止新的映射表中之数有较充裕的奇点或噪音,对映射表的数码开展多沾取样,然后用样条插值算法对取样点进展插值,或者对新的映射表举办定水准的高斯模糊,得到一致布置较为平缓的映射表。最终动用类似CLAHE算法中的双线性插值对每个子块之间的映射表举办插值得到新的比如素值。本方法总结量小,速度快速,对映射表进行平整插值或高斯模糊能立竿见影之防止比较度调整时出的噪声,制止了音之超负荷松开招图片失真,是同样种植高效又职能优秀的针对性比度增强算法。

  依据选拔的优化的水平和垂直网格数,将图像切分成一个一个底子块,然后总括每个子块的直方图信息,并同原图全部的直方图音信举行某种混合,对于彩色图像,为了防止不同通道内处理后变化过于不调和,还扩展了各通道直方图与亮度通道直方图的音信合成,然后针对合成后底直方图举办直方图裁剪和均衡化的,获取各子块新的照耀直方图,为了避免新的映射表中之多少暴发较充裕的奇点或噪音,对映射表的数据开展多点取样,然后使用样条插值算法对取样点进展插值,或者对新的映射表举行定水准的高斯模糊,拿到一致布置较为平缓的映射表。最后用类似CLAHE算法中的双线性插值对每个子块之间的映射表举行插值拿到新的比如素值。本方法总括量小,速度快速,对映射表举行平整插值或高斯模糊能管用之抑制比较度调整时出的噪声,避免了音之超负荷放大招图片失真,是一模一样种植高效又职能杰出的指向比度增强算法。

老二、算法过程详解

第二、算法过程详解

  1、水平与垂直网格数的规定

  1、水平跟垂直网格数的规定

  类似于CALHE算法,对网格的客观选取也会师指向本算法的结果暴发重大之影响,过多之网格数会叫总括量明显加大,过少之网格数使得结果趋于接近全部的直方图均衡化,一般情况下,可选8*8单网格,这里可以通过以下规则来大概的召开个优化:图像的亮度的均方差越聊,即整幅图像的明暗比较一致,使用相比多的网格数,比如8*8,否则用相比少之网格,比如4*4。那是因当图像明暗较为一致时,各小片的直方图数据差距不会合非常特别,而只要明暗不同等,选拔相比较小的丘,各块之间的直方图信息差别或特别要命,会招致插值时出现彰着的通病。

  类似于CALHE算法,对网格的客观采用也会指向本算法的结果有第一的影响,过多之网格数会叫总括量显然加大,过少的网格数使得结果趋于接近全部的直方图均衡化,一般处境下,可选用8*8只网格,这里可以通过以下条件来大概的做个优化:图像的亮度的均方差越聊,即整幅图像的明暗相比较一致,使用相比较多的网格数,比如8*8,否则用相比少之网格,比如4*4。这是因当图像明暗较为一致时,各小片的直方图数据差距不相会杀怪,而如明暗不等同,采用相比较小的丘,各块之间的直方图信息差别或好特别,会招致插值时出现明显的弱点。

   
2、按规定之网格数划分图像,并取得每块的直方图信息HistB,HistG,HistR。

   
2、按规定之网格数划分图像,并获取每块的直方图消息HistB,HistG,HistR。

 
3、获取全图的直方图数据HistgramB,HistgramG,HistgramR以及亮度直方图HistgramL。

 
3、获取全图的直方图数据HistgramB,HistgramG,HistgramR以及亮度直方图HistgramL。

       其中亮度定义为:  Lightness =
(R*19595 + G*38469 + B*7472) >> 16

       其中亮度定义也:  Lightness =
(R*19595 + G*38469 + B*7472) >> 16

   
4、对子块直方图和全局直方图举行融合,如下代码所示:

   
4、对子块直方图和全局直方图举办融合,如下代码所示:

HistB[Index] = (HistB[Index] * Adaptation + (100 - Adaptation) * HistgramB[Index]) / 100;
HistG[Index] = (HistG[Index] * Adaptation + (100 - Adaptation) * HistgramG[Index]) / 100;
HistR[Index] = (HistR[Index] * Adaptation + (100 - Adaptation) * HistgramR[Index]) / 100;
HistL[Index] = (HistL[Index] * Adaptation + (100 - Adaptation) * HistgramL[Index]) / 100;
HistB[Index] = (HistB[Index] * Adaptation + (100 - Adaptation) * HistgramB[Index]) / 100;
HistG[Index] = (HistG[Index] * Adaptation + (100 - Adaptation) * HistgramG[Index]) / 100;
HistR[Index] = (HistR[Index] * Adaptation + (100 - Adaptation) * HistgramR[Index]) / 100;
HistL[Index] = (HistL[Index] * Adaptation + (100 - Adaptation) * HistgramL[Index]) / 100;

  其中Adaptation为生死与共因子,其行限制为[0,100],当取值越时辰,全局直方图其主导效能,效果越来越接近一般的直方图均衡。

  其中艾达(Ada)ptation为生死与共因子,其行限制也[0,100],当取值越刻钟,全局直方图其主导效能,效果越来越接近一般的直方图均衡。

  5、对上述融合后底结果再行与亮度直方图进行融合,融合进程如下所示:

  5、对上述融合后底结果还与亮度直方图进行融合,融合进程如下所示:

HistB[Index] = (HistB[Index] * Correction + (100 - Correction) * HistL[Index]) / 100;
HistG[Index] = (HistG[Index] * Correction + (100 - Correction) * HistL[Index]) / 100;
HistR[Index] = (HistR[Index] * Correction + (100 - Correction) * HistL[Index]) / 100;
HistB[Index] = (HistB[Index] * Correction + (100 - Correction) * HistL[Index]) / 100;
HistG[Index] = (HistG[Index] * Correction + (100 - Correction) * HistL[Index]) / 100;
HistR[Index] = (HistR[Index] * Correction + (100 - Correction) * HistL[Index]) / 100;

   其中Correction为颜色校正因子,其行之有效限制为[0,100],当取值越充裕时,各通道中越来越独立,效果进一步接近一般的直方图均衡。

   其中Correction为颜色校正因子,其行限制也[0,100],当取值越老时,各通道内越来越独立,效果越来越接近一般的直方图均衡。

  上述代码中Index表示直方图色阶的目范围,有效值[0,Bins
– 1],Bins为直方图的多少,8员时为256。

  上述代码中Index表示直方图色阶的目录范围,有效值[0,Bins
– 1],Bins为直方图的数码,8各时也256。

  6、依照CALHE的法对直方图举行裁剪,之后对裁剪的直方图举办均衡化得到每个微片的映射表。

  6、按照CALHE的不二法门对直方图举办裁剪,之后对裁剪的直方图举行均衡化拿到每个微片的映射表。

  7、局部均衡化后映射表的坦荡。

  7、局部均衡化后映射表的平缓。

    1)  将映射表的
Bins取K等客,拿到各国等客数据对应之炫耀表值,构成K个二维坐标点序列,亦足按照直方图的一起数据,把一起数量平均分为K等分,得到K个二维序列点。

    1)  将映射表的
Bins取K等客,拿到各国等客数据对应之炫耀表值,构成K个二维坐标点连串,亦足因直方图的一共数据,把一起数量平均分为K等分,得到K个二维体系点。

    2)依据K个二维坐标点,使用样条插值算法拟合出一致长条过各类取样点的平滑映射曲线。

    2)按照K个二维坐标点,使用样条插值算法拟合出一致漫漫过各种取样点的平滑映射曲线。

    3)在平滑曲线表中取0至于Bins中各色阶对应之插值结果,作为新的映射表结果。

    3)在平滑曲线表中取0至于Bins遇各色阶对应之插值结果,作为新的映射表结果。

     对于Bins
=256之图像,K值提出可取32左右。

     对于Bins
=256底图像,K值提出可取32左右。

    或者此外一种处理情势就是指向映射表举行一维样子的均值或者高斯平滑,平滑窗口可选WindowSize
= 7横。

    或者此外一种植处理格局就是对映射表举行一维样子的均值或者高斯平滑,平滑窗口可选WindowSize
= 7横。

  这种平滑可以带来一定之利益,特别是对于图像变换相比较平缓的区域,可以以必程度及弱化由于增强带来的色块感觉,而且这种艺术拓宽及拥有因直方图增强技术之算法中。

  这种平滑可以带一定的功利,特别是对此图像变换比较和缓的区域,可以以肯定程度上削弱由于增强带来的色块感觉,而且这种艺术拓宽及具有因直方图增强技术的算法中。

  8、按照CLAHE算法的历程对每个微片举行双线性插值拿到最后的加强功用,当然对第一履行、第一列、最终一执行、最终一排列的子块靠近图像边缘之那么一半且只是以映射表单个方向的线性插值,而这一个子块的任何有与任何子块均使用映射表双线性插值拿到最后结出。

  8、依据CLAHE算法的长河对每个微片进行双线性插值得到终极之加强效率,当然对第一履行、第一排、最终一执行、最终一列的子块靠近图像边缘之那一半还但是使映射表单个方向的线性插值,而这多少个子块的另组成部分和另子块均使用映射表双线性插值得到最终结出。

     
 假设输入图像是灰度图,由于只出一个通道,则本算法中的Correction在此场景中是只是遗弃的。

     
 如果输入图像是灰度图,由于唯有发一个大路,则本算法中之Correction在此场景中是可放弃的。

  整个过程的流程框图如下所示:

  整个过程的流程框图如下所示:

                           
 澳门网上娱乐 1

                           
 澳门网上娱乐 2

 

 

     
 三、测试结果

     
 三、测试结果

下图为非通过处理的故图像,可见原始图中针比较度很不同,图像的细节音信丰富少,图像饱和度也充足不同。右边是采取本算法后处理的功能图,处理后图像饱和度自然,色彩鲜艳,隐藏在原图左边的部分不足易见的底细为可以明白的亮出。

下图也无通过处理的原本图像,可见原始图中针相比度很不同,图像的底细信息大少,图像饱和度也相当不同。左边是动本算法后处理的成效图,处理后图像饱和度自然,色彩鲜艳,隐藏在原图左边的一部分不得易见的底细呢会理解的示起。

澳门网上娱乐 3 
         澳门网上娱乐 4

澳门网上娱乐 5 
         澳门网上娱乐 6

                  原始图像                                
          Adaptation = 50,Correction = 50, ClipLimit =
20时的效率

                  原始图像                                
          艾达ptation = 50,Correction = 50, ClipLimit =
20时底法力

澳门网上娱乐 7 
        澳门网上娱乐 8

澳门网上娱乐 9 
        澳门网上娱乐 10

              Adaptation =
0,Correction = 50, ClipLimit = 20时的功用                            
                                                         艾达ptation =
100,Correction = 50, ClipLimit = 20时之功能

              Adaptation =
0,Correction = 50, ClipLimit = 20时底效果                            
                                                         Adaptation =
100,Correction = 50, ClipLimit = 20时底效益

澳门网上娱乐 11 
       澳门网上娱乐 12

澳门网上娱乐 13 
       澳门网上娱乐 14

         Adaptation =
50,Correction = 0, ClipLimit =
20时底机能                         Adaptation =
50,Correction = 100, ClipLimit = 20时之效能

         艾达ptation =
50,Correction = 0, ClipLimit =
20时之职能                         艾达(Ada)ptation =
50,Correction = 100, ClipLimit = 20时的效率

   
 上面作图是此外一适合未经处理的图像,这副图像新闻较完好,色彩为相比较丰裕,可是经过本算法处理后,获得的结果图(右图)则显示愈发惊艳和灿烂,因而于正常的图像,本算法也不无相比较强之实用性。

   
 下边作图是其它一顺应未经处理的图像,这契合图像音讯较完好,色彩为较丰盛,不过透过本算法处理后,得到的结果图(右图)则显得更加惊艳和灿烂,由此对正规的图像,本算法也有所比强的实用性。

 澳门网上娱乐 15     
  澳门网上娱乐 16

 澳门网上娱乐 17     
  澳门网上娱乐 18

  特别强调,该算法不相宜处理人脸图像。

  特别强调,该算法不正好处理人脸图像。

     
 该算法难以使用SSE优化,我于设想是不是还有此外方优化。速度及1080P的彩图大约30ms可以搞定。

     
 该算法难以使用SSE优化,我当设想是否还有此外办法优化。速度达1080P的彩图大约30ms可以搞定。

     
 测试工程的地址:http://files.cnblogs.com/files/Imageshop/SSE_Optimization_Demo.rar

     
 测试工程的地方:http://files.cnblogs.com/files/Imageshop/SSE_Optimization_Demo.rar

澳门网上娱乐 19

澳门网上娱乐 20

      写博不易,欢迎点赞或者打赏。

      写博不易,欢迎点赞或者打赏。

澳门网上娱乐 21

澳门网上娱乐 22