基于灰度共生矩阵的图像优化方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114511471A(43)申请公布日2022.05.17(21)申请号202210401113.7(22)申请日2022.04.18(71)申请人广州骏天科技有限公司地址510000广东省广州市海珠区琶洲大道东1号905房自编2(72)发明人乐海霞(74)专利代理机构石家庄嘉宏智信知识产权代理有限公司13160专利代理师李兵(51)Int.Cl.G06T5/00(2006.01)G06T7/45(2017.01)权利要求书1页说明书7页附图1页(54)发明名称基于灰度共生矩阵的图像优化方法及系统(57)摘要本发明涉及图像处理技术领域，具体涉及一种基于灰度共生矩阵的图像优化方法及系统。获取任意待优化的初始图像的灰度图像；计算灰度图像的灰度均值从而得到灰度线性变化函数的参数初始值；构建灰度图像的灰度共生矩阵获取灰度图像的对比度；获取灰度图像的亮暗比；根据对比度以及亮暗比调整参数初始值，得到多个不同参数的灰度线性变化函数，进而得到多个优化图像；优化图像的信息熵最大时对应的参数为最优参数，该最优参数对应的优化图像为最优图像。利用该方法确定最优参数能够有效减少图像优化过程中的计算量，避免了对灰度线性变化函数中参数的盲目遍历，并且在准确确定每个灰度图像对应的最优图像的同时提高了优化的效率。CN114511471ACN114511471A权利要求书1/1页1.一种基于灰度共生矩阵的图像优化方法，其特征在于，该方法包括以下步骤：获取任意待优化的初始图像；获取所述初始图像的灰度图像；计算所述灰度图像中像素点灰度值的灰度均值，根据所述灰度均值获取灰度线性变化函数的参数初始值；构建所述灰度图像的灰度共生矩阵，根据所述灰度共生矩阵获取所述灰度图像的对比度；根据所述灰度图像中所有像素点的灰度值获取所述灰度图像的亮暗比；根据所述对比度以及所述亮暗比对所述参数初始值进行调整，得到多个不同参数的灰度线性变化函数；所述灰度图像经过多个所述灰度线性变化函数得到多个优化图像；获取所有所述优化图像的信息熵，所述信息熵最大时对应的所述灰度线性变化函数的参数为最优参数，所述最优参数对应的所述优化图像为最优图像。2.根据权利要求1所述的方法，其特征在于，所述根据所述灰度均值获取灰度线性变化函数的参数初始值的步骤，包括：所述灰度线性变化函数的参数包括斜率和截距；所述参数初始值包括斜率初始值和截距初始值；所述斜率初始值与所述灰度均值呈负相关关系；所述截距初始值与所述斜率初始值呈负相关关系。3.根据权利要求1所述的方法，其特征在于，所述根据所述灰度共生矩阵获取所述灰度图像的对比度的步骤，包括：获取所述灰度图像中相邻像素点之间的灰度差值，根据所述灰度共生矩阵获取所述灰度图像中每个所述灰度差值的概率，以每个所述灰度差值的概率为权值与对应的所述灰度差值的平方进行加权求和，得到所述灰度图像的对比度。4.根据权利要求1所述的方法，其特征在于，所述根据所述灰度图像中所有像素点的灰度值获取所述灰度图像的亮暗比的步骤，包括：获取所述灰度图像中像素值处于较暗范围的像素点数量，以及像素值处于较亮范围的像素点数量，处于较亮范围的像素点数量与处于较暗范围的像素点数量的比值为所述亮暗比。5.根据权利要求2所述的方法，其特征在于，所述根据所述对比度以及所述亮暗比对所述参数初始值进行调整的步骤，包括：所述斜率初始值与所述对比度呈正相关关系；所述亮暗比大于1时，所述截距初始值逐渐调小；所述亮暗比小于1时，所述截距初始值逐渐调大。6.根据权利要求1所述的方法，其特征在于，所述获取所有所述优化图像的信息熵的步骤，包括：获取所述优化图像的灰度共生矩阵；以所述优化图像中任意两个像素点的像素值构建二元组，根据所述灰度共生矩阵获取所述二元组在所述优化图像中出现的概率，根据所述概率获取所述优化图像的信息熵。7.一种基于灰度共生矩阵的图像优化系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求16任意一项所述方法的步骤。2CN114511471A说明书1/7页基于灰度共生矩阵的图像优化方法及系统技术领域[0001]本发明涉及图像处理技术领域，具体涉及一种基于灰度共生矩阵的图像优化方法及系统。背景技术[0002]随着人工智能的不断兴起，图像处理技术的发展也到达高潮，但某些特定场景利用图像分析时，采集到的图像往往存在对比度较低或者纹理细节模糊的问题，在后续基于图像进行处理时会产生较大的影响和误差。[0003]现有的对图像优化的方法也多种多样，其中灰度线性变化是比较常见的图像优化算法，当灰度线性变化方法中的线性参数最取值合适时，图像优化的效果最好，但现有的对线性参数确认的方法往往是