在这一篇里面介绍一下CLAHE算法的第二步对比度限制。
这个过程很简单,分为下面几个步骤。
计算出来限制的阈值
将统计好的直方图数据限制在0到阈值范围内。也就是将大于阈值的直方图数据减去阈值,并将差值累计起来。
将累计的差值平均分给每个灰度。
来看一下参考的Python代码:
def cl_hist(img, clip): h, w = img.shape n = np.zeros(256, np.uint32) for i in range(h): for j in range(w): n[img[i][j]] = n[img[i][j]] + 1 t = 0 for i in range(256): if n[i] > clip: t += n[i] - clip n[i] = clip t = t / 256 n = n + t pk = n sk = np.zeros(256, np.float32) sk[0] = pk[0] for i in range(1, 256): sk[i] = sk[i - 1] + pk[i] sk = sk / (h * w) sk = sk * 255 sk = np.around(sk) return sk
这个和之前的直方图统计就多了中间的步骤,也就是下面这一段代码:
t = 0 for i in range(256): if n[i] > clip: t += n[i] - clip n[i] = clip t = t / 256 n = n + t
就是遍历256个灰度的统计值,将大于阈值的灰度统计值就设置为阈值,并将两者的差值进行累加。最后将总的差值除以256,将最后的结果累加到每一个灰度的统计值上面。
来看一下最后的效果:
可以看到相对于没有进行限制对比度的效果要好很多。
下面这幅图是没有限制对比度阈值的结果:
那么这个阈值要怎么计算呢:
一般来说我们采取这样的方法来计算阈值,也就是通过图像的大小,分块的多少,和clip_limit 的值来计算出来。一般图像大小,和分块多少是不变的,也就是说可以通过clip_limit的值来调整效果。
h, w = img.shape block = 8 clip_limit = 2 clip = clip_limit * (h * w / (block * block) / 256) clip = round(clip)
最后来看一下Verilog的实现,可以通过下面的代码来实现对比度限制的功能。
审核编辑:刘清
-
FPGA
+关注
关注
1625文章
21620浏览量
601194 -
图像处理
+关注
关注
27文章
1275浏览量
56573 -
python
+关注
关注
55文章
4766浏览量
84371
原文标题:FPGA图像处理--CLAHE算法(三)
文章出处:【微信号:FPGA开源工坊,微信公众号:FPGA开源工坊】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论