CN110580690B - 一种识别峰值变换非线性曲线的图像增强方法 - Google Patents

Abstract

本发明公开了一种识别峰值变换非线性曲线的图像增强方法，涉及图像处理技术领域。本发明包括图像预处理模块、尖峰识别模块、变换非线性曲线模块、导向滤波并输出图像模块，这4个模块首先对图像进行预处理、接着判定图像是否有尖峰以及尖峰存在的位置，并根据判定结果选择非线性曲线变换方式、变换曲线，最后进行图像的导向滤波，将处理后的亮度分布与原亮度分布情况进行线性加权处理。本发明处理之后可以保留图像的细节，不会出现处理过度等情况，针对清晰度较差、亮度较暗的图像具有明显处理效果，同时对于普通的图像都适用，且处理效果好，算法简单易懂，实行效率快。

Description

一种识别峰值变换非线性曲线的图像增强方法

技术领域

本发明属于图像处理技术领域，特别是涉及一种识别峰值变换非线性曲线的图像增强方法。

背景技术

未经处理的暗场图片过于黑暗，在暗区的细节不能被人眼很好的看清楚。而与图像亮度直接相关的就是亮度信息，找到一种方式去调节亮度分布，可以提高图片整体的可视情况，让细节和特征体现出来。

目前，图像处理处理亮度图像对比度时，多会用到直方图均衡以及CLAHE等技术，但是这类技术仍然有很大的缺点，比如处理太过于“笼统”，图像会出现泛白(在处理暗场图像的时候)、假白，一些本该是黑色的物体为了拉伸细节变得非常不自然。普通的直方图均衡处理时由于造成了亮度级减少，很多模块出现了亮度分块，造成图像出现马赛克块。

现提供一种识别峰值变换非线性曲线的图像增强方法，同时处理暗场图像、亮图、普通图像，在处理暗部细节时不会被拉得泛白，同时在很好的处理暗部细节的时候，亮区也得到了很好的保留，且在细节上面，同样有很好的保留，较少出现马赛克块这种情况。

发明内容

本发明的目的在于提供一种识别峰值变换非线性曲线的图像增强方法，通过图像预处理模块、尖峰识别模块、变换非线性曲线模块、导向滤波并输出图像模块对图像进行预处理、判定图像是否有尖峰以及尖峰存在的位置，并根据判定结果选择非线性曲线变换方式、变换曲线、进行图像的导向滤波，保留图像的细节，不会出现处理过度、马赛克块等情况。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种识别峰值变换非线性曲线的图像增强方法，包括以下步骤：

SS00：输入图像；

SS01：通过图像预处理模块对图像进行预处理：

S011：获取图像的位宽N(bit)、图像分辨率宽m、高n；

S012：在Y分量上对图像进行处理；

若图像为灰度图像，则直接输出；

若图像为真彩图像，则根据彩色RGB转换YUV的公式转换后输出，彩色RGB转换YUV的公式为：

Y＝0.299R+0.582G+0.114B

U＝-0.1687R-0.3313G+0.5B+128；

V＝0.5R-0.4187G-0.813B+128

S013：得到Y分量后对图像进行亮度信息提取，获取到图像的亮度分布信息h_i，i表示图像的各个亮度级；

S014：根据公式

计算亮度级的概率密度p(i)；

其中，n_i为对应亮度级所含的像素数；

n_a为亮度级包含的像素总数，通过累加获得；

SS02：通过尖峰识别模块判定图像是否有尖峰、尖峰类型以及尖峰存在的位置，并根据判定结果选择非线性曲线变换方式；

若

则定义为亮度分布出现了“细尖峰”情况，此条件定义为条件一；若

则定义为亮度分布出现了“粗尖峰”情况，此条件定义为条件二；其中round为四舍五入为最近的整数；

SS03：通过变换非线性曲线模块变换曲线；所述变换非线性曲线模块变换曲线的方式分别为方式一、方式二、方式三；

方式一、方式二将亮度分布图分为双区域分别进行处理，且设有不同的暗阈值，设定暗域值的目的是为了让图像处理分区，让图像的处理不会过于“泛白”导致图像的不真实；

方式三是将亮度分布识别为正常图像之后的普通线性变换；

SS04：通过导向滤波输出图像模块进行图像的导向滤波，将上面处理得到的亮度分布跟原亮度分布情况进行一定的线性处理加权，保留图像的细节，不会出现处理过度等情况：

S041：新得到的亮度分布信息h₁与原亮度分布情况进行一次导向滤波，为了保留原来的细节，进行导向滤波；获得最终的亮度分布统计信息h_out：

其中，h₀＝h₁+ah_i+b，a与b可以根据用户的需求进行一定的修改，默认a＝0.2，b＝0；

S042：将对应的像素点的值与原亮度分布信息找寻，得到新的图像Y分量，将Y分量还原回RGB彩色模型，完成图像增强；Y分量还原回RGB的转换公式为：

R＝Y+1.42(V-128)

G＝Y-0.33414(U-128)-0.71414(V-128)；

B＝Y+1.772(U-128)

其中，灰度图像直接输出。

进一步地，所述步骤SS02中根据判定结果选择非线性曲线变换方式的具体方法为：当0＜i＜round(0.12×2^N)时，判定是否满足条件一，若满足条件一，则在亮度分布靠近原点的区域出现了“细尖峰”情况，选择实行非线性曲线变换变换方式一。

进一步地，所述步骤SS02中根据判定结果选择非线性曲线变换方式的具体方法为：当round(0.12×2^N)＜i＜round(0.3×2^N)时，判定是否满足条件一，若满足条件一，则在round(0.12×2^N)＜i＜round(0.3×2^N)出现了“细尖峰”情况，选择实行非线性曲线变换变换方式二。

进一步地，所述步骤SS02中根据判定结果选择非线性曲线变换方式的具体方法为：当0＜i＜round(0.3×2^N)，未出现“细尖峰”情况时，判定是否满足条件二，若满足条件二，则在0＜i＜round(0.3×2^N)出现了“粗尖峰”情况，选择实行非线性曲线变换变换方式二，并根据情况变换γ的值。

进一步地，所述步骤SS02中根据判定结果选择非线性曲线变换方式的具体方法为：当round(0.3×2^N)＜i＜round(0.5×2^N)时，因为人眼对暗场条件下更加敏感而对普亮条件下反应不是很敏感，为减少算法复杂度和加快算法速度，判定是否满足条件二，若满足条件二，选择实行非线性曲线变换变换方式一，且当round(0.3×2^N)≦i＜2^N时，γ取0.3＜γ＜1，默认γ为0.5，目的拉伸中部区域。

进一步地，所述步骤SS02中根据判定结果选择非线性曲线变换方式的具体方法为：当round(0.5×2^N)＜i＜round(0.85×2^N)时，判定是否满足条件二，若满足条件一，则在亮区出现了高峰，为压缩中部拉伸亮区，选择实行非线性曲线变换变换方式一，且当round(0.3×2^N)≦i＜2^N时，γ取1＜γ＜3，默认γ为2.2。

进一步地，所述步骤SS02中根据判定结果选择非线性曲线变换方式的具体方法为：若图像在整个亮度级上都不满足条件一与条件二，则定义此图像为“正常变换图像”，选择实行非线性曲线变换变换方式三，并计算图像的平均亮度。

进一步地，所述步骤SS03中变换非线性曲线模块变换曲线的方式一为：分离出“暗”区域调整，当0＜i＜round(0.3×2^N)时，h_a＝h_i ^γ，0.3＜γ＜1，γ根据调整强度确定，默认γ为0.5，则

当round(0.3×2^N)≦i＜2^N时，h_c＝(h_i-round(0.3×2^N))^γ，γ值根据亮区情况再做判断，

最后h₁₁与h₁₂整合得到新的h₁，其中，h₁为输出亮度分布信息。

进一步地，所述步骤SS03中变换非线性曲线模块变换曲线的方式二为：分离出“暗”区域调整，当0＜i＜round(0.6×2^N)时，h_a＝h_i ^γ，0.3＜γ＜1，γ根据调整强度确定，默认γ为0.5，则

当round(0.6×2^N)≦i＜2^N时，h_c＝(h_i-round(0.6×2^N))^γ，γ值根据亮区情况再做判断，则

最后h₁₁与h₁₂整合得到新的h₁，其中，h₁为输出亮度分布信息。

进一步地，所述步骤SS03中变换非线性曲线模块变换曲线的方式三为：

根据公式计算I_ave：

若I_ave＜round(0.55×2^N)，0.3＜γ＜1，默认γ为0.7；

若I_ave≧round(0.55×2^N)，1＜γ＜3，默认γ为1.5；

h_b＝h_i ^γ，则

其中，h₁为输出亮度分布信息。

本发明具有以下有益效果：

1、本发明通过导向滤波输出图像模块进行图像的导向滤波，将处理后的亮度信息跟原亮度分布情况进行一定的线性处理加权，保留图像的细节，不会出现处理过度等情况，针对清晰度较差、亮度较暗的图像具有明显处理效果，同时对于普通的图像都适用，且处理效果好，算法简单易懂，实行效率快，在代码中使用if嵌套语句便可以实现代码。

2、本发明通过变换非线性曲线模块变换曲线，设有不同的暗阈值，让图像处理分区，图像的处理不会过于“泛白”导致图像的不真实，在进行亮度调整的时候对细节有所保留，与直方图均衡相比，直方图均衡容易出现泛白、马赛克块的现象，在本发明中都有所抑制。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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。

图1为本发明识别峰值变换非线性曲线的图像增强方法的示意图；

图2为本发明中尖峰识别流程图；

图3为本发明中变换非线性曲线模块变换曲线的方式一的示意图；

图4为本发明中变换非线性曲线模块变换曲线的方式二的示意图；

图5为本发明中变换非线性曲线模块变换曲线的方式三的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-5所示，本发明为一种识别峰值变换非线性曲线的图像增强方法，对处理暗场图像有明显作用，对处理普通图像同样适用，主要包括图像预处理模块、尖峰识别模块、变换非线性曲线模块、导向滤波并输出图像模块。其中，图像预处理模块通过RGB到YVU转换或灰度图像直接输出得到图像输出，得到后求得图像亮度分布信息。尖峰识别模块共有6种情况去判断属于哪种类型以便于接下来选择处理的方案。变换非线性曲线模块有3种处理曲线，通过尖峰识别模块的选择，来到3种处理曲线选择，再选择曲线属性。最后的导向滤波输出图像模块是为了进行细节的保留，避免失真情况出现。进行图像的导向滤波后，一并将Y分量转换回RGB模式，灰度直接输出。具体的包括以下步骤：

SS00：输入图像；

SS01：通过图像预处理模块对图像进行预处理，获取图像的位宽N bit、分辨率宽m、高n等参数为之后的图像处理做准备，下一步获得Y分量，图像为真彩图像采用RGB到YUV公式进行转换，灰度图像进行直接输出；得到Y分量之后对图像进行亮度信息提取，对图像进行预处理的步骤具体为：

S011：获取图像的位宽N(bit)、图像分辨率宽m、高n，i表示图像的各个亮度级；

S012：在Y分量上对图像进行处理；

若图像为灰度图像，则直接输出；

若图像为真彩图像，则根据彩色RGB转换YUV的公式转换后输出，彩色RGB转换YUV的公式为：

Y＝0.299R+0.582G+0.114B

U＝-0.1687R-0.3313G+0.5B+128；

V＝0.5R-0.4187G-0.813B+128

S013：得到Y分量后对图像进行亮度信息提取，获取到图像的亮度分布信息h_i；

S014：根据公式

计算亮度级的概率密度p(i)；

其中，n_i为对应亮度级所含的像素数；

n_a为亮度级包含的像素总数，通过累加获得；

SS02：通过尖峰识别模块判定图像是否有尖峰、尖峰类型以及尖峰存在的位置，并根据判定结果选择非线性曲线变换方式，先识别最低亮度是否存在细尖峰，存在便设为一种情况并留着下一步进行处理。接着识别一般低亮度是否存在有细尖峰，两者都没有再去识别低亮度整个区域是否存在有粗尖峰。接着是识别中亮区是否存在尖峰，高亮区是否存在尖峰，为接下来拉伸中亮区或高亮区做好准备，所有都不满足的情况下，将图像定义为“正常图像”具体的：

若

则定义为亮度分布出现了“细尖峰”情况，此条件定义为条件一；若

则定义为亮度分布出现了“粗尖峰”情况，此条件定义为条件二；其中round为四舍五入为最近的整数；

其中如图2所示，步骤SS02中根据判定结果选择非线性曲线变换方式的具体方法为：当0＜i＜round(0.12×2^N)时，判定是否满足条件一，若满足条件一，则在亮度分布靠近原点的区域出现了“细尖峰”情况，选择实行非线性曲线变换变换方式一；当round(0.12×2^N)＜i＜round(0.3×2^N)时，判定是否满足条件一，若满足条件一，则在round(0.12×2^N)＜i＜round(0.3×2^N)出现了“细尖峰”情况，选择实行非线性曲线变换变换方式二；当0＜i＜round(0.3×2^N)，未出现“细尖峰”情况时，判定是否满足条件二，若满足条件二，则在0＜i＜round(0.3×2^N)出现了“粗尖峰”情况，选择实行非线性曲线变换变换方式二，并根据情况变换γ的值；当round(0.3×2^N)＜i＜round(0.5×2^N)时，因为人眼对暗场条件下更加敏感而对普亮条件下反应不是很敏感，为减少算法复杂度和加快算法速度，判定是否满足条件二，若满足条件二，选择实行非线性曲线变换变换方式一，且当round(0.3×2^N)≦i＜2^N时，γ取0.3＜γ＜1，默认γ为0.5，目的拉伸中部区域；当round(0.5×2^N)＜i＜round(0.85×2^N)时，判定是否满足条件二，若满足条件一，则在亮区出现了高峰，为压缩中部拉伸亮区，选择实行非线性曲线变换变换方式一，且当round(0.3×2^N)≦i＜2^N时，γ取1＜γ＜3，默认γ为2.2；若图像在整个亮度级上都不满足条件一与条件二，则定义此图像为“正常变换图像”，选择实行非线性曲线变换变换方式三，并计算图像的平均亮度；

SS03：通过变换非线性曲线模块变换曲线；变换非线性曲线模块变换曲线的方式分别为方式一、方式二、方式三，方式一、方式二、方式三对应的曲线如图3-5所示；方式一、方式二将亮度统计图分为双区域分别进行处理，且设有不同的暗阈值，设定暗域值的目的是为了让图像处理分区，让图像的处理不会过于“泛白”导致图像的不真实，暗的两个阈值可以根据用户的需求进行一定的修改；方式三是将亮度分布识别为正常图像之后的普通线性变换，在本发明中设置了2条曲线，在实际应用中也可以将两条曲线过度中间生成更多曲线；

方式一为：分离出“暗”区域调整，当0＜i＜round(0.3×2^N)时，h_a＝h_i ^γ，0.3＜γ＜1，γ根据调整强度确定，默认γ为0.5，则

当round(0.3×2^N)≦i＜2^N时，h_c＝(h_i-round(0.3×2^N))^γ，γ值根据亮区情况再做判断，

最后h₁₁与h₁₂整合得到新的h₁，其中，h₁为输出亮度分布信息。

方式二为：分离出“暗”区域调整，当0＜i＜round(0.6×2^N)时，h_a＝h_i ^γ，0.3＜γ＜1，γ根据调整强度确定，默认γ为0.5，则

当round(0.6×2^N)≦i＜2^N时，h_c＝(h_i-round(0.6×2^N))^γ，γ值根据亮区情况再做判断，则

最后h₁₁与h₁₂整合得到新的h₁，其中，h₁为输出亮度分布信息。

方式三为：

根据公式计算I_ave：

若I_ave＜round(0.55×2^N)，0.3＜γ＜1，默认γ为0.7；

若I_ave≧round(0.55×2^N)，1＜γ＜3，默认γ为1.5；

h_b＝h_i ^γ，则

其中，h₁为输出亮度分布信息。

SS04：通过导向滤波输出图像模块进行图像的导向滤波，将上面处理得到的亮度分布信息跟原亮度信息进行一定的线性处理加权，保留图像的细节，不会出现处理过度等情况：

S041：新得到的亮度分布信息h₁与原亮度信息进行一次导向滤波，为了保留原来的细节，进行导向滤波；获得最终的亮度分布统计信息h_out：

其中，h₀＝h₁+ah_i+b，a与b的值根据用户的需求进行变换，默认a＝0.2，b＝0；

S042：将对应的像素点的值与原亮度统计信息找寻，得到新的图像Y分量，将Y分量还原回RGB彩色模型，完成图像增强；Y分量还原回RGB的转换公式为：

R＝Y+1.42(V-128)

G＝Y-0.33414(U-128)-0.71414(V-128)；

B＝Y+1.772(U-128)

其中，灰度图像直接输出。

一种识别峰值变换非线性曲线的图像增强方法，通过导向滤波输出图像模块进行图像的导向滤波，将处理后的亮度分布信息跟亮度统计信息进行一定的线性处理加权，保留图像的细节，不会出现处理过度等情况，针对清晰度较差、亮度较暗的图像具有明显处理效果，同时对于普通的图像都适用，且处理效果好，算法简单易懂，实行效率快，在代码中使用if嵌套语句便可以实现代码；通过变换非线性曲线模块变换曲线，设有不同的暗阈值，让图像处理分区，图像的处理不会过于“泛白”导致图像的不真实，在进行亮度调整的时候对细节有所保留，与直方图均衡相比，直方图均衡容易出现泛白、马赛克块的现象，在本发明中都有所抑制。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (10)

1.一种识别峰值变换非线性曲线的图像增强方法，其特征在于，包括以下步骤：

SS00：输入图像；

SS01：通过图像预处理模块对图像进行预处理：

S011：获取图像的位宽N、图像分辨率宽m、高n；

S012：在Y分量上对图像进行处理；

若图像为灰度图像，则直接输出；

若图像为真彩图像，则根据彩色RGB转换YUV的公式转换后输出，彩色RGB转换YUV的公式为：

Y＝0.299R+0.582G+0.114B

U＝-0.1687R-0.3313G+0.5B+128；

V＝0.5R-0.4187G-0.813B+128

S013：得到Y分量后对图像进行亮度值提取，获取到图像的亮度分布信息h_i，i为图像的各个亮度级；

S014：根据公式

计算亮度级的概率密度p(i)；

其中，n_i为对应亮度级所含的像素数；

n_a为亮度级包含的像素总数，通过累加获得；

SS02：通过尖峰识别模块判定图像是否有尖峰、尖峰类型以及尖峰存在的位置，并根据判定结果选择非线性曲线变换方式；

若

则定义为亮度分布出现了“细尖峰”情况，此条件定义为条件一；

若

则定义为亮度分布出现了“粗尖峰”情况，此条件定义为条件二；其中round为四舍五入为最近的整数；

SS03：通过变换非线性曲线模块变换曲线；所述变换非线性曲线模块变换曲线的方式分别为方式一、方式二、方式三；

方式一、方式二将亮度分布情况分为双区域分别进行处理，且设有不同的暗阈值；

方式三是将亮度分布识别为正常图像之后的普通线性变换；

SS04：通过导向滤波输出图像模块进行图像的导向滤波：

S041：新得到的亮度分布信息h₁与原亮度分布信息进行一次导向滤波，获得最终的亮度统计信息h_out：

其中，h₀＝h₁+ah_i+b，a与b的值根据需求进行变换，默认a＝0.2，b＝0；

S042：将对应的像素点的值与原亮度分布信息中找寻，得到新的图像Y分量，将Y分量还原回RGB彩色模型，完成图像增强；Y分量还原回RGB的转换公式为：

其中，灰度图像直接输出。

2.根据权利要求1所述的一种识别峰值变换非线性曲线的图像增强方法，其特征在于，所述步骤SS02中根据判定结果选择非线性曲线变换方式的具体方法为：

当0＜i＜round(0.12×2^N)时，判定是否满足条件一，若满足条件一，则在亮度分布靠近原点的区域出现了“细尖峰”情况，选择实行非线性曲线变换变换方式一。

3.根据权利要求1所述的一种识别峰值变换非线性曲线的图像增强方法，其特征在于，所述步骤SS02中根据判定结果选择非线性曲线变换方式的具体方法为：

当round(0.12×2^N)＜i＜round(0.3×2^N)时，判定是否满足条件一，若满足条件一，则在round(0.12×2^N)＜i＜round(0.3×2^N)出现了“细尖峰”情况，选择实行非线性曲线变换变换方式二。

4.根据权利要求1所述的一种识别峰值变换非线性曲线的图像增强方法，其特征在于，所述步骤SS02中根据判定结果选择非线性曲线变换方式的具体方法为：

当0＜i＜round(0.3×2^N)，未出现“细尖峰”情况时，判定是否满足条件二，若满足条件二，则在0＜i＜round(0.3×2^N)出现了“粗尖峰”情况，选择实行非线性曲线变换变换方式二，并根据情况变换γ的值。

5.根据权利要求1所述的一种识别峰值变换非线性曲线的图像增强方法，其特征在于，所述步骤SS02中根据判定结果选择非线性曲线变换方式的具体方法为：

当round(0.3×2^N)＜i＜round(0.5×2^N)时，判定是否满足条件二，若满足条件二，选择实行非线性曲线变换变换方式一，且当round(0.3×2^N)≦i＜2^N时，γ取0.3＜γ＜1。

6.根据权利要求1所述的一种识别峰值变换非线性曲线的图像增强方法，其特征在于，所述步骤SS02中根据判定结果选择非线性曲线变换方式的具体方法为：

当round(0.5×2^N)＜i＜round(0.85×2^N)时，判定是否满足条件一，若满足条件二，则在亮区出现了高峰，选择实行非线性曲线变换变换方式一，且当round(0.3×2^N)≦i＜2^N时，γ取1＜γ＜3。

7.根据权利要求1所述的一种识别峰值变换非线性曲线的图像增强方法，其特征在于，所述步骤SS02中根据判定结果选择非线性曲线变换方式的具体方法为：

若图像在整个亮度级上都不满足条件一与条件二，则定义此图像为“正常变换图像”，选择实行非线性曲线变换变换方式三，并计算图像的平均亮度。

8.根据权利要求1所述的一种识别峰值变换非线性曲线的图像增强方法，其特征在于，所述步骤SS03中变换非线性曲线模块变换曲线的方式一为：

分离出“暗”区域调整，当0＜i＜round(0.3×2^N)时，h_a＝h_iγ，0.3＜γ＜1，则

当round(0.3×2^N)≦i＜2^N时，h_c＝(h_i-round(0.3×2^N))^γ，γ值根据亮区情况再做判断，

最后h₁₁与h₁₂整合得到新的h₁，其中，h₁为输出亮度分布信息。

9.根据权利要求1所述的一种识别峰值变换非线性曲线的图像增强方法，其特征在于，所述步骤SS03中变换非线性曲线模块变换曲线的方式二为：

分离出“暗”区域调整，当0＜i＜round(0.6×2^N)时，h_a＝h_i ^γ，0.3＜γ＜1，则

当round(0.6×2^N)≦i＜2^N时，h_c＝(h_i-round(0.6×2^N))^γ，则

最后h₁₁与h₁₂整合得到新的h₁，其中，h₁为输出亮度分布信息。

10.根据权利要求1所述的一种识别峰值变换非线性曲线的图像增强方法，其特征在于，所述步骤SS03中变换非线性曲线模块变换曲线的方式三为：

根据公式计算I_ave：

若I_ave＜round(0.55×2^N)，0.3＜γ＜1；

若I_ave≧round(0.55×2^N)，1＜γ＜3；

h_b＝h_i ^γ，则

其中，h₁为输出亮度分布信息。

Images