红外图像灰度数据压缩及增强方法、装置与流程

1.本技术涉及红外图像处理技术领域，特别涉及一种红外图像灰度数据压缩及增强方法、装置。


背景技术：

2.在相关技术中，红外图像处理一般采用直方图均衡化、伽马校正和滤波去噪对单独一帧图像处理，提高图像对比度增强图像质量。探测器探测到的数据一般为14bit或16bit无法在显示器中正常显示，因此需要对图像进行压缩。传统的直方图均衡化、伽马校正在对图像压缩的过程中会损失红外图像细节，降低图像的质量，同时传统的图像增强算法无法避免增强噪声，因此在图像增强后的图像噪声明显。故，如何平衡红外图像压缩、图像增强是本领域技术人员急需解决的问题。
3.需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成本领域普通技术人员已知的现有技术的信息。


技术实现要素：

4.鉴于以上技术问题中的至少一项，本技术提供一种红外图像灰度数据压缩及增强方法、装置，解决了传统的直方图均衡化、伽马校正在对图像压缩的过程中会损失红外图像细节，降低图像的质量，同时传统的图像增强算法无法避免增强噪声，因此在图像增强后的图像噪声明显的问题。
5.本技术实施例的第一方面，提供一种红外图像灰度数据压缩及增强方法，包括：
6.获取目标红外图像的原始灰度数据，该目标红外图像为16bit；
7.根据原始灰度数据，获取最大灰度值及最小灰度值；
8.根据最大灰度值、最小灰度值及目标红外图像，并基于线性变换公式，生成线性变换图像；
9.对目标红外图像进行双边滤波，生成双边滤波图像；
10.根据双边滤波图像，并基于自适应校正公式，计算出自适应γ值；
11.根据自适应γ值及线性变换图像，并基于伽马校正公式，生成压缩灰度图，该压缩灰度图为8bit。
12.本技术具有如下技术效果：本压缩及增强方法利用伽马校正公式对高动态16bit图像压缩为8bit，从而避免噪音明显提升，有效提升图像质量。
13.在一种实现方式中，线性变换公式为：
[0014][0015]
式中，o
′
(i，j)为线性变换图像，o(i，j)为目标红外图像，m为16，o
max
为最大灰度值，o
min
为最小灰度值。
[0016]
在一种实现方式中，自适应校正公式为：
[0017][0018]
式中，γ(i，j)为自适应γ值，l(i，j)为双边滤波图像，m为16。
[0019]
在一种实现方式中，自适应校正公式为：
[0020][0021]
式中，r(i，j)为压缩灰度图，n为8，m为16。
[0022]
在一种实现方式中，根据自适应γ值及线性变换图像，并基于伽马校正公式，生成压缩灰度图，该压缩灰度图为8bit之后，还包括：
[0023]
对压缩灰度图进行线性拉伸，生成压缩拉伸灰度图；
[0024]
对压缩拉伸灰度图进行伪彩色处理，生成rgb图像，并进行归一化处理；
[0025]
对进行归一化处理后的rgb图像进行滤波及亮度矫正，输出矫正图像；
[0026]
对矫正图像分解成第一通道图像、第二通道图像及第三通道图像，并分别对第一通道图像、第二通道图像及第三通道图像进行阈值处理，输出对应的第一通道处理图像、第二通道处理图像及第三通道处理图像；
[0027]
将第一通道处理图像、第二通道处理图像及第三通道处理图像融合，并反归一化输出增强图像。
[0028]
在一种实现方式中，对压缩灰度图进行线性拉伸，生成压缩拉伸灰度图，包括：
[0029]
获取压缩灰度图的压缩灰度最大值及压缩灰度最小值；
[0030]
根据压缩灰度最大值及压缩灰度最小值生成灰度拉伸模型；
[0031]
通过灰度拉伸模型对压缩灰度图进行线性拉伸，生成压缩拉伸灰度图；
[0032]
灰度拉伸模型具有第一映射关系、第二映射关系及第三映射关系；
[0033]
当常温环境下，选取第一映射关系；
[0034]
当低温环境下，选取第二映射关系；
[0035]
当高温环境下，选取第三映射关系。
[0036]
在一种实现方式中，对rgb图像进行滤波及亮度矫正，输出矫正图像，包括：
[0037]
对rgb图像进行滤波，并生成滤波处理图像；
[0038]
根据滤波处理图像，输出矫正图像，并基于亮度矫正模型，生成亮度矫正赋值。
[0039]
在一种实现方式中，对rgb图像进行滤波的滤波核为5。
[0040]
在一种实现方式中，基于亮度矫正模型，生成亮度矫正赋值，包括：
[0041]
若亮度矫正模型计算结果小于0时，亮度矫正赋值为0.0001；
[0042]
若亮度矫正模型计算结果大于1时，亮度矫正赋值为1。
[0043]
本技术实施例的第二方面，提供一种红外图像灰度数据压缩及增强装置，包括：
[0044]
第一获取模块，用于获取目标红外图像的原始灰度数据，该目标红外图像为16bit；
[0045]
第二获取模块，用于根据原始灰度数据，获取最大灰度值及最小灰度值；
[0046]
第一计算模块，用于根据最大灰度值、最小灰度值及目标红外图像，并基于线性变换公式，生成线性变换图像；
[0047]
滤波模块，用于对目标红外图像进行双边滤波，生成双边滤波图像；
[0048]
第二计算模块，用于根据双边滤波图像，并基于自适应校正公式，计算出自适应γ值；
[0049]
第三计算模块，用于根据自适应γ值及线性变换图像，并基于伽马校正公式，生成压缩灰度图，该压缩灰度图为8bit。
[0050]
下面结合附图与实施例，对本发明进一步说明。
附图说明
[0051]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0052]
图1是本技术实施例中的红外图像灰度数据压缩及增强方法的第一示意图；
[0053]
图2是本技术实施例中的红外图像灰度数据压缩及增强方法的第二示意图；
[0054]
图3是本技术实施例中的生成压缩拉伸灰度图的示意图；
[0055]
图4是本技术实施例中的输出矫正图像的示意图；
[0056]
图5是本技术实施例中的红外图像灰度数据压缩及增强装置的结构图。
具体实施方式
[0057]
为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本技术的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本技术。但是本技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本技术内涵的情况下做类似改进，因此本技术不受下面公开的具体实施例的限制。
[0058]
在相关技术中，红外图像处理一般采用直方图均衡化、伽马校正和滤波去噪对单独一帧图像处理，提高图像对比度增强图像质量。探测器探测到的数据一般为14bit或16bit无法在显示器中正常显示，因此需要对图像进行压缩。传统的直方图均衡化、伽马校正在对图像压缩的过程中会损失红外图像细节，降低图像的质量，同时传统的图像增强算法无法避免增强噪声，因此在图像增强后的图像噪声明显。故，如何平衡红外图像压缩、图像增强是本领域技术人员急需解决的问题。本压缩及增强方法利用伽马校正公式对高动态16bit图像压缩为8bit，从而避免噪音明显提升，有效提升图像质量。
[0059]
请参见图1、图2、图3、图4及图5，其中，图1是本技术实施例中的红外图像灰度数据压缩及增强方法的第一示意图；图2是本技术实施例中的红外图像灰度数据压缩及增强方法的第二示意图；图3是本技术实施例中的生成压缩拉伸灰度图的示意图；图4是本技术实施例中的输出矫正图像的示意图；图5是本技术实施例中的红外图像灰度数据压缩及增强装置的结构图。
[0060]
本技术实施例的第一方面，如图1所示，提供一种红外图像灰度数据压缩及增强方
法，包括：步骤s1至步骤s6。
[0061]
步骤s1：获取目标红外图像的原始灰度数据，该目标红外图像为16bit；
[0062]
步骤s2：根据原始灰度数据，获取最大灰度值及最小灰度值；
[0063]
步骤s3：根据最大灰度值、最小灰度值及目标红外图像，并基于线性变换公式，生成线性变换图像；
[0064]
步骤s4：对目标红外图像进行双边滤波，生成双边滤波图像；
[0065]
步骤s5：根据双边滤波图像，并基于自适应校正公式，计算出自适应γ值；
[0066]
步骤s6：根据自适应γ值及线性变换图像，并基于伽马校正公式，生成压缩灰度图，该压缩灰度图为8bit。
[0067]
在一些示例中，线性变换公式为：
[0068][0069]
式中，o
′
(i，j)为线性变换图像，o(i，j)为目标红外图像，m为16，o
max
为最大灰度值，o
min
为最小灰度值。
[0070]
在一些示例中，自适应校正公式为：
[0071][0072]
式中，γ(i，j)为自适应γ值，l(i，j)为双边滤波图像，m为16。
[0073]
在一些示例中，自适应校正公式为：
[0074][0075]
式中，r(i，j)为压缩灰度图，n为8，m为16。
[0076]
在一些示例中，如图2所示，根据自适应γ值及线性变换图像，并基于伽马校正公式，生成压缩灰度图，该压缩灰度图为8bit之后，还包括：步骤s7至步骤s11。
[0077]
步骤s7：对压缩灰度图进行线性拉伸，生成压缩拉伸灰度图；
[0078]
步骤s8：对压缩拉伸灰度图进行伪彩色处理，生成rgb图像，并进行归一化处理；
[0079]
步骤s9：对进行归一化处理后的rgb图像进行滤波及亮度矫正，输出矫正图像；
[0080]
步骤s10：对矫正图像分解成第一通道图像、第二通道图像及第三通道图像，并分别对第一通道图像、第二通道图像及第三通道图像进行阈值处理，输出对应的第一通道处理图像、第二通道处理图像及第三通道处理图像；
[0081]
在步骤s10中，对矫正图像分解成第一通道图像img_norm_g、第二通道图像img_norm_b及第三通道图像img_norm_r。
[0082]
然后对第一通道图像img_norm_g、第二通道图像img_norm_b及第三通道图像img_norm_r进行阈值处理，分别为：
[0083][0084]
式中，g为第一通道处理图像，one为数字为0的空白图像数组，nameta为亮度参数，值为0.9，img_norm_g为第一通道图像，gammt为下文将要提及的步骤s92中的亮度矫正赋值。
[0085][0086]
式中，b为第二通道处理图像，one为数字为0的空白图像数组，nameta为亮度参数，值为0.9，img_norm_b为第二通道图像，gammt为下文将要提及的步骤s92中的亮度矫正赋值。
[0087][0088]
式中，r为第三通道处理图像，one为数字为0的空白图像数组，nameta为亮度参数，值为0.9，img_norm_r为第三通道图像，gammt为下文将要提及的步骤s92中的亮度矫正赋值。
[0089]
步骤s11：将第一通道处理图像、第二通道处理图像及第三通道处理图像融合，并反归一化输出增强图像。
[0090]
在一些示例中，对压缩灰度图进行线性拉伸，生成压缩拉伸灰度图，包括：
[0091]
步骤s71：获取压缩灰度图的压缩灰度最大值及压缩灰度最小值；
[0092]
步骤s72：根据压缩灰度最大值及压缩灰度最小值生成灰度拉伸模型；
[0093]
步骤s73：通过灰度拉伸模型对压缩灰度图进行线性拉伸，生成压缩拉伸灰度图；
[0094]
步骤s74：灰度拉伸模型具有第一映射关系、第二映射关系及第三映射关系；当常温环境下，选取第一映射关系；当低温环境下，选取第二映射关系；当高温环境下，选取第三映射关系。
[0095]
在步骤s74中，灰度拉伸模型具有不同的温度区间。在不同的温度区间中选取不同的映射关系，有效提高图像的对比度，实现图像增强。
[0096]
其中，第一映射关系为：
[0097][0098]
式中，g(i，j)为压缩拉伸灰度图，maxval为压缩灰度最大值，minval为压缩灰度最小值。
[0099]
第二映射关系为：
[0100][0101]
式中，g(i，j)为压缩拉伸灰度图，maxval为压缩灰度最大值，minval为压缩灰度最小值。
[0102]
第三映射关系为：
[0103][0104]
式中，g(i，j)为压缩拉伸灰度图，maxval为压缩灰度最大值，minval为压缩灰度最小值。
[0105]
在一些示例中，对rgb图像进行滤波及亮度矫正，输出矫正图像，包括：步骤s91至步骤s92。
[0106]
步骤s91：对rgb图像进行滤波，并生成滤波处理图像；
[0107]
步骤s92：根据滤波处理图像，输出矫正图像，并基于亮度矫正模型，生成亮度矫正赋值。
[0108]
在步骤s92中，亮度矫正模型为：
[0109]
gammt＝exp[gamma*log(img_rgb_blur)]
[0110]
式中，gammt为亮度矫正赋值，gamma为0.45，img_rgb_blur为滤波处理图像。
[0111]
在一些示例中，对rgb图像进行滤波的滤波核为5。
[0112]
在一些示例中，基于亮度矫正模型，生成亮度矫正赋值，包括：
[0113]
若亮度矫正模型计算结果小于0时，亮度矫正赋值为0.0001；
[0114]
若亮度矫正模型计算结果大于1时，亮度矫正赋值为1。
[0115]
本技术实施例的第二方面，提供一种红外图像灰度数据压缩及增强装置，包括：
[0116]
第一获取模块100，用于获取目标红外图像的原始灰度数据，该目标红外图像为16bit；
[0117]
第二获取模块200，用于根据原始灰度数据，获取最大灰度值及最小灰度值；
[0118]
第一计算模块300，用于根据最大灰度值、最小灰度值及目标红外图像，并基于线性变换公式，生成线性变换图像；
[0119]
滤波模块400，用于对目标红外图像进行双边滤波，生成双边滤波图像；
[0120]
第二计算模块500，用于根据双边滤波图像，并基于自适应校正公式，计算出自适应γ值；
[0121]
第三计算模块600，用于根据自适应γ值及线性变换图像，并基于伽马校正公式，生成压缩灰度图，该压缩灰度图为8bit。
[0122]
其中，本技术实施例的第二方面提供的装置的具体有益效果，与本技术实施例的第一方面提供的方法的具体有益效果相同，在此不再赘述。
[0123]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0124]
以上，仅是本技术的较佳实施例而已，并非对本技术作任何形式上的限制。任何熟悉本领域的技术人员，在不脱离本技术技术方案范围情况下，都可利用上述揭示的方法和技术内容对本技术技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。故凡是未脱离本技术技术方案的内容，依据本技术之形状、构造及原理所作的等效变化，均应涵盖于本技术的保护范围内。

技术特征：
1.一种红外图像灰度数据压缩及增强方法，其特征在于，包括：获取目标红外图像的原始灰度数据，该目标红外图像为16bit；根据所述原始灰度数据，获取最大灰度值及最小灰度值；根据所述最大灰度值、最小灰度值及目标红外图像，并基于线性变换公式，生成线性变换图像；对所述目标红外图像进行双边滤波，生成双边滤波图像；根据双边滤波图像，并基于自适应校正公式，计算出自适应γ值；根据自适应γ值及线性变换图像，并基于伽马校正公式，生成压缩灰度图，该压缩灰度图为8bit。2.根据权利要求1所述的红外图像灰度数据压缩及增强方法，其特征在于，所述线性变换公式为：式中，o
′
(i，j)为线性变换图像，o(i，j)为目标红外图像，m为16，o
max
为最大灰度值，o
min
为最小灰度值。3.根据权利要求1所述的红外图像灰度数据压缩及增强方法，其特征在于，所述自适应校正公式为：式中，γ(i，j)为自适应γ值，l(i，j)为双边滤波图像，m为16。4.根据权利要求1所述的红外图像灰度数据压缩及增强方法，其特征在于，所述自适应校正公式为：式中，r(i，j)为压缩灰度图，n为8，m为16。5.根据权利要求1所述的红外图像灰度数据压缩及增强方法，其特征在于，所述根据自适应γ值及线性变换图像，并基于伽马校正公式，生成压缩灰度图，该压缩灰度图为8bit之后，还包括：对所述压缩灰度图进行线性拉伸，生成压缩拉伸灰度图；对所述压缩拉伸灰度图进行伪彩色处理，生成rgb图像，并进行归一化处理；对所述进行归一化处理后的rgb图像进行滤波及亮度矫正，输出矫正图像；对矫正图像分解成第一通道图像、第二通道图像及第三通道图像，并分别对第一通道图像、第二通道图像及第三通道图像进行阈值处理，输出对应的第一通道处理图像、第二通道处理图像及第三通道处理图像；
将第一通道处理图像、第二通道处理图像及第三通道处理图像融合，并反归一化输出增强图像。6.根据权利要求5所述的红外图像灰度数据压缩及增强方法，其特征在于，所述对所述压缩灰度图进行线性拉伸，生成压缩拉伸灰度图，包括：获取所述压缩灰度图的压缩灰度最大值及压缩灰度最小值；根据所述压缩灰度最大值及压缩灰度最小值生成灰度拉伸模型；通过灰度拉伸模型对所述压缩灰度图进行线性拉伸，生成压缩拉伸灰度图；所述灰度拉伸模型具有第一映射关系、第二映射关系及第三映射关系；当常温环境下，选取第一映射关系；当低温环境下，选取第二映射关系；当高温环境下，选取第三映射关系。7.根据权利要求5所述的红外图像灰度数据压缩及增强方法，其特征在于，所述对所述rgb图像进行滤波及亮度矫正，输出矫正图像，包括：对所述rgb图像进行滤波，并生成滤波处理图像；根据滤波处理图像，输出矫正图像，并基于亮度矫正模型，生成亮度矫正赋值。8.根据权利要求7所述的红外图像灰度数据压缩及增强方法，其特征在于，所述对rgb图像进行滤波的滤波核为5。9.根据权利要求7所述的红外图像灰度数据压缩及增强方法，其特征在于，所述基于亮度矫正模型，生成亮度矫正赋值，包括：若亮度矫正模型计算结果小于0时，亮度矫正赋值为0.0001；若亮度矫正模型计算结果大于1时，亮度矫正赋值为1。10.一种红外图像灰度数据压缩及增强装置，其特征在于，包括：第一获取模块，用于获取目标红外图像的原始灰度数据，该目标红外图像为16bit；第二获取模块，用于根据所述原始灰度数据，获取最大灰度值及最小灰度值；第一计算模块，用于根据所述最大灰度值、最小灰度值及目标红外图像，并基于线性变换公式，生成线性变换图像；滤波模块，用于对所述目标红外图像进行双边滤波，生成双边滤波图像；第二计算模块，用于根据双边滤波图像，并基于自适应校正公式，计算出自适应γ值；第三计算模块，用于根据自适应γ值及线性变换图像，并基于伽马校正公式，生成压缩灰度图，该压缩灰度图为8bit。

技术总结
本发明属于图像处理技术领域，尤其涉及一种红外图像灰度数据压缩及增强方法、装置，包括：获取目标红外图像的原始灰度数据；根据原始灰度数据，获取最大灰度值及最小灰度值；根据最大灰度值、最小灰度值及目标红外图像，并基于线性变换公式，生成线性变换图像；对目标红外图像进行双边滤波，生成双边滤波图像；根据双边滤波图像，并基于自适应校正公式，计算出自适应γ值；根据自适应γ值及线性变换图像，并基于伽马校正公式，生成压缩灰度图。本压缩及增强方法利用伽马校正公式对高动态16bit图像压缩为8bit，从而避免噪音明显提升，有效提升图像质量。提升图像质量。提升图像质量。


技术研发人员：蔡伟明 陈闰 胡明
受保护的技术使用者：优利德科技（中国）股份有限公司
技术研发日：2023.03.07
技术公布日：2023/7/25