(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210706239.5 (22)申请日 2022.06.21 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 (72)发明人 饶云波　吕青松　易玉玲　 (74)专利代理 机构 电子科技大 学专利中心 51203 专利代理师 周刘英 (51)Int.Cl. G06T 5/40(2006.01) G06V 10/762(2022.01) (54)发明名称 一种基于分级聚类的直方图自适应均衡化 方法 (57)摘要 本发明公开了一种基于分级聚类的直方图 均衡化方法， 属于图像处理技术领域。 本发明包 括： 对原始图像灰度化并统计其直方图， 对直方 图映射到一维点值进行分级聚类及其方案遍历， 叠加相应组合的均衡化方式并求判据指标首个 满足评估条件的均衡化图像作为最优判据指标 的均衡化图像， 最终的均衡化结果。 本发明能够 容忍图像中局部噪声及局部亮斑的干扰性情况， 鲁棒性高。 能够自动寻优最佳均衡化图像。 本发 明除了可以自动寻优外， 可以手动的根据需求调 整所需区间的是否均衡化， 具备先验知识的情况 下， 本发明将更快得出预期结果。 本发明复现简 单， 无需设定任何参数， 基础硬件要求较低， 无需 大量、 繁琐的预训练过程。 权利要求书1页 说明书4页 附图5页 CN 115187493 A 2022.10.14 CN 115187493 A 1.一种基于分级聚类的直方图自适应均衡化方法， 其特 征在于， 包括下列步骤： 步骤S1， 对原 始图像灰度化， 得到灰度化图像， 定义所述灰度化图像的尺寸 为M×N； 统计所述灰度化图像的直方图， 得到灰度直方图； 步骤S2， 将灰度直方图映射到一维点 值， 得到M×N个点值； 并初始化分级精度K为1； 步骤S3， 基于分级精度K的当前取值， 将M ×N个点值分为K类， 以每一类作 为一个组合元 素， 得到当前分级的K阶乘个均衡化模式； 步骤S4， 设置当前分级的每种类别的均衡化区间； 步骤S5， 依次遍历当前分级的每一种均衡模式， 基于当前均衡模式包括的类别所对应 的均衡化区间， 进行均衡化处 理， 得到当前的均衡化图像； 基于预置的图像质量衡量指标获取当前的均衡化图像的均衡评估值； 检测当前的均衡化图像的均衡评估值是否达到预置条件， 若是， 则停止遍历， 基于当前 的均衡化处 理图像得到最终的均衡化结果； 否则， 当遍历完当前分级的所有均衡模式， 均未得到均衡评估值达到预置条件的均衡 化图像时， 更新分级精度K＝K+1， 再继续执 行步骤S3 。 2.如权利要求1所述的方法， 其特征在于， 步骤S4中， 设置当前分级的每种类别的均衡 化区间具体为： 若K＝1， 即表示原图均衡化， 其对应的均衡区间为[0,25 5]； 若K＝2， 包括两个类别： 类别1和类别2， 基于类别1的像素值最小值x1与像素值最大值 x2， 得到区间1为[ x1,x2]， 基于类别2的像素值最小值x3与像素值最大值x4， 得到区间2为[ x3, x4]， 其中， x1≤x2≤x3≤x4； 设置类别1的均衡区间为[0,x2]， 类别2的均衡区间为[x3， 255]； 若K≥3， 包括K个 类别， 分别记为类别1至类别K； 对任意第k个类别， 基于第k个类别的像素值最小值x2k‑1与像素值最大值x2k， 得到区间k 为[x2k‑1,x2k]， 其中， k ＝1,2，…， K， 且x1≤x2≤…≤xK； 设置类别1的均衡化区间为[0,x2]， 设置类别K的均衡化区间为[x2K‑1,255]； 对于中间的任意第t个 类别， 设置其均衡化区间为[x2t‑1,x2t]， 其中， t＝2,3， …， K‑1。 3.如权利 要求1或2所述的方法， 其特征在于， 步骤S3中， 通过 聚类算法将M ×N个灰度值 G分为K类； 或者采用自定义方法将图像切分成K个块， 将每个块的块像素集合作为一个类 别。 4.如权利要求3所述的方法， 其特征在于， 采用的聚类算法为K均值算法或最大期望算 法或高斯混合模型算法。 5.如权利要求1或2所述的方法， 其特征在于， 骤S5中， 进行均衡化处理， 得到当前的均 衡化图像为： 若某类别所对应的区间进行均衡化处 理， 则拼接相应均衡化后的区间点 值； 若某类别所对应的区间无需均衡化， 则在其它类别所对应的区间均衡化后， 直接合并 该区间点 值。 6.如权利要求1或2所述的方法， 其特征在于， 步骤S5中， 预置的图像质量衡量指标为峰 值信噪比或信噪比。权　利　要　求　书 1/1 页 2 CN 115187493 A 2一种基于分级聚类的直方图自适应均衡化方 法 技术领域 [0001]本发明属于图像处理技术领域， 尤其涉及一种基于分级聚类的直方图均衡化方 法。 背景技术 [0002]图像增强在数字图像处理等各方面具有重要的意义， 其直方图均衡化是一种经典 的图像增强方法， 尤其是针对低照度图像能够表现很好的效果。 其原理是将图像各级灰度 值重新均匀分布在全图范围中， 在大多数情况 下有效的增强图像对比度和清晰度。 [0003]但传统的直方图均衡化方法由于其本质是全图范围的更新导致在局部高光， 局部 噪声点上无法展示清晰的效果， 对比度也严重下降。 如基于双峰直方图均衡、 基于曝光图像 的局部图像直方图均衡、 伽马矫正等许多 改进方法对图像全局做了优化处理， 却又忽略的 局部细节增强。 因此改进直方图均衡化， 使得具备良好的鲁棒性是很有必 要的， 即既防止全 局过度增强， 又能做到局部增强。 发明内容 [0004]本发明提供了一种基于分级聚类的直方图均衡化方法， 以用于既防止直方图均衡 化全局过度增强， 又能做到局部增强。 [0005]本发明采用的技 术方案为： [0006]一种基于分级聚类的直方图均衡化方法， 所述方法包括： [0007]步骤S1， 对原始图像灰度化， 得到灰度化图像， 定义所述灰度化图像的尺寸为M × N； [0008]统计所述灰度化图像的直方图， 得到灰度直方图； [0009]步骤S2， 将灰度直方图映射到一维点值， 得到M ×N个点值(灰度值)； 并初始化分级 精度K为1； [0010]步骤S3， 基于分级精度K的当前取值， 将M ×N个点值分为K类， 以每一类作为一个组 合元素， 得到当前分级的K阶乘个均衡化模式； [0011]步骤S4， 设置当前分级的每种类别的均衡化区间； [0012]步骤S5， 依次遍历当前分级的每一种均衡模式， 基于当前均衡模式包括的类别所 对应的均衡化区间， 进行均衡化处 理， 得到当前的均衡化图像； [0013]基于预置的图像质量衡量指标获取当前的均衡化图像的均衡评估值； [0014]检测当前的均衡化图像的均衡评估值是否达到预置条件， 若是， 则停止遍历， 基于 当前的均衡化处 理图像得到最终的均衡化结果； [0015]否则， 当遍历完当前分级的所有均衡模式， 均未得到均衡评估值达到预置条件的 均衡化图像时， 更新分级精度K＝K+1， 再继续执 行步骤S3 。 [0016]进一步的， 步骤S4中， 设置当前分级的每种类别的均衡化区间具体为： [0017]若K＝1， 即表示原图均衡化， 其对应的均衡区间为[0,25 5]；说　明　书 1/4 页 3 CN 115187493 A 3