CN100383822C - 用于底层图像挖掘的图像灰度或色度信息的高分辨检测方法 - Google Patents

Abstract

一种用于底层图像挖掘的图像灰度或色度信息的高分辨检测方法，其步骤是：1.得到图像中每个像素的灰度或色度值；2.计算每一灰度或色度级的像素数；3.作原始图像的灰度或色度谱；4.计算原始图像总像素数；5.对原始图像灰度或色度谱进行分级平坦化，并以每一灰度或色度级像素数为纵坐标，灰度或色度级为横坐标作分级平坦化后的灰度或色度谱；6.选择合适的平坦化级，得到该级对应的平坦化后灰度或色度谱，结合原始图像灰度或色度谱，就可检测出原始图像中是否有隐藏的底层图像信息。本发明方法具有一个灰度或色度级的分辨率，可挖掘出人的视觉不能看见的被强背景掩埋了的图像信息，是发现和挖掘底层图像信息的重要工具。

Description

用于底层图像挖掘的图像灰度或色度信息的高分辨检测方法

技术领域

本发明属于图像处理和传输技术领域，具体地说，涉及一种在底层图像挖掘过程中，对人的视觉不能看见的被强背景掩埋了的图像信息进行检测的方法。

背景技术

人类的灰度或色度极限分辨率约为4～5个级的差异，低于此限的图像信息人类视力根本无法分辨，因此可利用人类视觉的灰度或色度分辨限制来实现目标图像的隐藏；相应地为了获得目标图像，要对隐藏的或被强背景掩埋的目标图像进行挖掘。这种方法可用于文本、图像加解密，保密传输，或挖掘恶劣条件下拍摄的图像信息，如汽车肇事后逃逸、金融机构监控图像中隐藏的图像信息等，这些信息可以是汽车轮廓、牌号或织物图案，甚至是DNA图像。在现有图像处理技术中，在挖掘被强背景掩埋的人类视觉不能看见的底层图像信息时，通常采用的是灰度直方图均衡化方法，其具体做法是：将图像0至255的256个灰度级分成若干段，如16段或32段，分别求出一幅图像中灰度属于某段的像素数，然后做成直方图(如图2所示)，以观察灰度的统计分布。直方图均衡化的算法所用公式是TE_i＝p/q，式中下标i表示分段数(i＝1，2，...，q)，P为一幅图像的总像素数，TE_i为第i段的像素数，即每段内各灰度级的像素数相同，故称为均衡化直方图。这种均衡化直方图不含重要的信息，分辨率低，对小于4～5个灰度或色度级差异的底层图像没法进行检测和挖掘，因此其应用非常有限。

发明内容

本发明的目的是提供一种具有一个灰度或色度级分辨率，用于底层图像挖掘的图像灰度或色度信息的高分辨检测方法，该方法可检测出人类视觉不能看见的被强背景掩埋了的图像信息。

为达到上述目的，本发明所述的用于底层图像挖掘的图像灰度或色度信息的高分辨检测方法，按下述步骤进行：

(1)将图像进行灰度或色度转换，计算图像中每个像素的灰度或色度值；

(2)在得到图像中每个像素的灰度或色度值后，分别统计每一灰度或色度级的像素数，所述色度是指红、绿、蓝三种颜色中每种颜色的色度；

(3)以每一灰度或色度级的像素数为纵坐标，灰度或色度级为横坐标分别作出原始图像的灰度或色度谱；

(4)计算原始图像总的像素数；

(5)对原始图像的灰度或色度谱进行分级平坦化，并以每一灰度或色度级的像素数为纵坐标，灰度或色度级为横坐标分别作分级平坦化后的灰度或色度谱，所用公式为：

TE_i＝(OZ_i)^1/m∑TE_i/∑(OZ_i)^1/m

式中i＝0，1，2，...，N-1，N＝256，表示灰度或色度级，OZ_i为原始图像中第i个灰度或色度级的像素数，TE_i为分级平坦化后第i个灰度或色度级的像素数，m取[1，∞)间的整数，称为平坦化级，根据转换前后图像总像素数不变原理，上述公式中∑TE_i＝∑OZ_i；

(6)选择合适的平坦化级，得到该级对应的平坦化后灰度或色度谱，并结合原始图像灰度或色度谱，就可检测出原始图像中是否有隐藏的底层图像信息。

在本发明中，分别计算出一幅图像中0～255个灰度或色度级中每一灰度或色度级的像素数，然后以属于每一个灰度或色度的像素数为纵坐标(采用归一化作图，其值为所占百分数)，灰度或色度级为横坐标作出离散的二维图，这种二维图类似于功率谱中的谱线，故称为灰度或色度谱。这种灰度或色度谱相当于分辨率为一个灰度或色度级差的灰度或色度直方图，具有一个灰度或色度级差的高分辨率。我们知道，对一个大于1的实数开m次方时，m越大得出的值越小，m趋于无穷时得出的值为1；而对一个小于1的正实数开m次方时，m越大得出的值也越大，m趋于无穷时得出的值也为1。根据这一原理，我们运用公式TE_i＝∑TE_i(OZ_i)^1/m/∑(OZ_i)^1/m来获得分级平坦化后的灰度或色度谱，结合图像分级平坦化前的原始灰度或色度谱来判断原始图像中是否存在有隐藏的图像信息，具体推算过程是：当m＝1时，根据上述公式得到的灰度或色度谱就是原始图像的灰度或色度谱；m＞1时，原始灰度或色度谱中各灰度级上的像素点数得到重新分配，原始灰度或色度谱上像素点较多的灰度级分配一部分像素点到原始像素点较少的灰度级上，随着m的增大，各灰度级上分配的像素点数越趋于相等，需要强调的是，原始灰度或色度谱中没有像素点存在的灰度级上无论m取何值，分级平坦化后的图谱中都不会有像素点数存在。当m取合适的值时，含有少数像素点信息的谱线便会在该级对应的分级平坦化图谱中凸显出来，结合原始灰度或色度谱便可判断出原始图像中是否存在有被隐藏了的受人类视觉分辨限制不能发现的图像的灰度或色度信息，或在特殊环境下获得的被强背景淹没了的图像的灰度或色度信息，或图像中仅有少数像素占有的灰度或色度信息。从而在底层图像挖掘中根据获得的某级平坦化灰度或色度谱中像素的分布情况就可判断出源图像中是否隐藏有人类视觉不能看见的被强背景掩埋了的目标图像信息，是挖掘图像信息，特别是挖掘隐藏了的或在特殊恶劣条件下获得的图像信息的强有力工具。

本发明的显著效果是：具有一个灰度或色度级的高分辨率，可以挖掘出人类视觉不能看见的被隐藏了的图像信息；或被强背景掩埋了的图像信息；或图像中少数像素占有的灰度或色度信息。是发现和检测底层图像信息的重要工具。该方法可用于文本、图像的加解密，高密度传输，或挖掘在恶劣条件下拍摄的图像信息，如汽车肇事后逃逸、金融机构监控图像中隐藏的图像信息。这些图像信息可以是汽车轮廓，牌号，织物图案，甚至是DNA图像。

附图说明

图1是本发明方法的流程图；

图2是传统直方图均衡化方法中直方图的示意图；

图3(a)、3(b)、3(c)分别是实施例1中原始图像的灰度谱图、1级平坦化灰度谱图及4级平坦化灰度谱图；

图4(a)、4(b)、4(c)分别是实施例2中原始图像的灰度谱图、1级平坦化灰度谱图及4级平坦化灰度谱图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细说明。

实施例1：假设源图像是在一片灰度级为0的黑色图像，其中隐藏有一个用灰度级为2的黑色线条画成的五角星，人类视觉不能分辨出该黑色图像中是否隐藏有五角星，按照传统的均衡化直方图方法也不能检测出。如图1所示，采用本发明方法的检测步骤是：

(1)将指定格式的源图图像文件读入计算机，或将图像文件转换成指定的格式后读入计算机，然后由计算机程序进行图像的灰度转换，得到图像中每个像素的灰度值，其转换公式可以是用归一化加权和公式，也可以用等权转换公式，其中：

归一化加权和公式为：灰度值＝红色度值×0.3+绿色度值×0.59+蓝色度值×0.11；

等权转换公式为：灰度值＝红色度值/3+绿色度值/3+蓝色度值/3。

(2)在得到图像中每个像素的灰度值后，分别统计出灰度中每一灰度级的像素数。

(3)以归一化后的每一灰度级的像素数为纵坐标，灰度级为横坐标作出原始图像的灰度谱，如图3(a)所示。

(4)计算原始图像总的像素数。

(5)对原始图像的灰度谱进行分级平坦化，并以归一化后的每一灰度级的像素数为纵坐标，灰度级为横坐标作分级平坦化后的灰度谱，所用公式为：

TE_i＝(OZ_i)^1/m∑TE_i/∑(OZ_i)^1/m

式中i＝0，1，2，...，N-1，N＝256，表示灰度或色度级，OZ_i为原始图像中第i个灰度或色度级的像素数，TE_i为分级平坦化后第i个灰度或色度级的像素数，m取[1，∞)间的整数，称为平坦化级，根据转换前后图像总像素数不变原理，上述公式中∑TE_i＝∑OZ_i。

(6)选择合适的平坦化级，得到该级对应的平坦化后灰度谱，并结合原始图像灰度谱，就可检测出原始图像中是否有隐藏的底层图像信息。如图3(b)所示，当平坦化级为1(公式中m＝1)时，得到的1级平坦化灰度谱图与图3(a)所示的原始图像的灰度谱相同，只能发现灰度级是0的图像信息，看不出其中隐藏的图像信息；当平坦化级为4(公式中m＝4)时，得到的4级平坦化灰度谱图如图3(c)所示，可以看出除了0级灰度成分外尚有2级灰度成分，据此可判断黑色背景图像中隐藏有另外的图像信息，运用底层图像挖掘方法就可进一步挖掘出底层图像是五角星。

实施例2：假设源图像是一个灰度为255(白色)的区域，在其中存在一个灰度为252的五角星，很明显看起来整个是一片白色，人的视觉看不出任何图像结构。按照图1所示流程，采用本发明方法的检测步骤是：

(1)将指定格式的源图图像文件读入计算机，或将图像文件转换成指定的格式后读入计算机，然后由计算机程序进行图像的灰度转换，得到图像中每个像素的灰度值，其转换公式可以是用归一化加权和公式，也可以用等权转换公式，其中：

归一化加权和公式为：灰度值＝红色度值×0.3+绿色度值×0.59+蓝色度值×0.11；

等权转换公式为：灰度值＝红色度值/3+绿色度值/3+蓝色度值/3。

(2)在得到图像中每个像素的灰度值后，分别统计出灰度中每一灰度级的像素数。

(3)以归一化后的每一灰度级的像素数为纵坐标，灰度级为横坐标作出原始图像的灰度谱，如图4(a)所示。

(4)计算原始图像总的像素数。

(5)对原始图像的灰度谱进行分级平坦化，并以归一化后的每一灰度级的像素数为纵坐标，灰度级为横坐标作分级平坦化后的灰度谱，所用公式为：

TE_i＝(OZ_i)^1/m∑TE_i/∑(OZ_i)^1/m

式中i＝0，1，2，...，N-1，N＝256，表示灰度或色度级，OZ_i为原始图像中第i个灰度或色度级的像素数，TE_i为分级平坦化后第i个灰度或色度级的像素数，m取[1，∞)间的整数，称为平坦化级，根据转换前后图像总像素数不变原理，上述公式中∑TE_i＝∑OZ_i。

(6)选择合适的平坦化级，得到该级对应的平坦化后灰度谱，并结合原始图像灰度谱，就可检测出原始图像中是否有隐藏的底层图像信息。如图4(b)所示，当平坦化级为1(公式中m＝1)时，得到的1级平坦化灰度谱图与图4(a)所示的原始图像的灰度谱相同，只能发现灰度级是255的图像信息，看不出其中隐藏的图像信息；当平坦化级为4(公式中m＝4)时，得到的4级平坦化灰度谱图如图4(c)所示，可以看出除了255级灰度成分外尚有252级灰度成分，据此可判断白色背景图像中隐藏有另外的图像信息，运用底层图像挖掘方法就可进一步挖掘出底层图像是五角星。

如果底层图像是彩色图像，按照本发明方法照样可以高分辨地检测出底层图像的色度信息，从而为后续挖掘工作提供方向。

在上述两实施例中，当平坦化级m的值取4时，隐藏图像的灰度谱线就凸现了出来，根据本发明方法的原理，如果m的取值逐渐增大，底层图像对应灰度级的谱线逐渐增高，当m趋于无穷大时，两根谱线高度趋向接近。

Claims (1)

1.一种用于底层图像挖掘的图像灰度或色度信息的高分辨检测方法，其特征在于包括下列步骤：

(1)将图像进行灰度或色度转换，计算图像中每个像素的灰度或色度值；

(2)在得到图像中每个像素的灰度或色度值后，分别统计每一灰度或色度级的像素数，所述色度是指红、绿、蓝三种颜色中每种颜色的色度；

(3)以每一灰度或色度级的像素数为纵坐标，灰度或色度级为横坐标分别作出原始图像的灰度或色度谱；

(4)计算原始图像总的像素数；

(5)对原始图像的灰度或色度谱进行分级平坦化，并以每一灰度或色度级的像素数为纵坐标，灰度或色度级为横坐标分别作分级平坦化后的灰度或色度谱，所用公式为：

TE_i＝(OZ_i)^1/m∑TE_i/∑(OZ_i)^1/m

式中i＝0，1，2，...，N-1，N＝256，表示灰度或色度级，OZ_i为原始图像中第i个灰度或色度级的像素数，TE_i为分级平坦化后第i个灰度或色度级的像素数，m取[1，∞)间的整数，称为平坦化级，根据转换前后图像总像素数不变原理，上述公式中∑TE_i＝∑OZ_i；

(6)选择合适的平坦化级，得到该级对应的平坦化后灰度或色度谱，并结合原始图像灰度或色度谱，就可检测出原始图像中是否有隐藏的底层图像信息。

Images