CN100478993C - 根据边缘和亮度特征进行自适应调整的图像增强方法 - Google Patents

Abstract

一种根据边缘和亮度特征进行自适应调整的图像增强方法，包括有：对输入的数字图像进行离散拉普拉斯变换，获得拉普拉斯算子掩模图像；对转换获得的掩模图像进行亮度直方图分析，并根据此直方图的特征对图像进行第一次分类；对第一次分类后所得的不同图像，按照各自图像特点进行不同的空间滤波处理；对经过空间处理的图像获得并分析其直方图，并根据此直方图的特征对图像进第二次分类；对第二次分类后所得的不同图像，按照各自图像特点进行不同的亮度调整处理；将上述步骤获得的图像进行直方图均匀化并送予输出设备。本发明能够将输入的不同边缘特征和亮度特征的图像进行不同方式的滤波和亮度改善，可以对更大范围和更多的图像进行有效的滤波增强处理和亮度调整处理。

Description

根据边缘和亮度特征进行自适应调整的图像增强方法

技术领域

本发明涉及一种图像增强方法。特别是涉及一种能够将输入的不同边缘特征和亮度特征的图像进行不同方式的滤波和亮度改善，使输出图像拥有更加适合人眼接受的特征，同时能抑制图像的细节损失，对输入图像进行均匀化，实现了数字图像增强的根据边缘和亮度特征进行自适应调整的图像增强方法。

背景技术

在数字图像处理的所有步骤中，图像增强是数字图像处理最简单和最有吸引力的领域。对图像进行增强的基本指导思想是使图像中被模糊的细节得到更明显的显示，或者使图像中某些希望重点突出的部分得到更明显的显示。

现今的数字图像增强的方法主要分为空间域处理和频域处理两大类。空间域增强处理，是指对构成图像的各个像素直接进行操作的过程。频域增强处理，是指在对图像进行弗利叶变换的基础上进行处理和修改。空间域和频域的滤波处理都各自包括平滑滤波器和锐化滤波器。锐化滤波处理的目的是使图像的边缘更加突出和增加清晰程度；平滑滤波处理的目的是减小图像的噪声和使图锐利程度下降。其中图像空间域的滤波处理具有快速准确实现方便的特点。

在图像经过空间滤波处理后，需要对图像进行亮度调整处理，虽然后面提到的直方图均匀化也可以调整亮度，但是直方图均匀化是以牺牲一部分灰度值来实现的亮度调整，所以在均匀化之前进行一步亮度调整具有能更加准确还原原始图像的作用。

图像增强领域中有很多方法应用较广泛，除了空间域和频域滤波处理之外，还有直方图处理操作能有效的增强图像。由于直方图均匀化不仅能够使直方图分布变得平坦均匀而且可以有效扩展图像动态范围从而增强对比度。

现将已知的图像增强方法的专利介绍如下：

1.专利申请号为97111448.X的专利申请，所公开的一种采用低通滤波和直方图均衡化的图像增强方法及其装置，在其方法中对输入图像信号进行低通滤波然后进行直方图均衡化以得到对比度增强的信号。然后从输入图像信号中减去低通滤波过的信号。接着将被减的值加到对比度增强的信号上，将所加结果作为图象增强的输出信号。这样，可以提高以给定图像信号的对比度，而不会增加背景噪声。

该专利通过以下步骤实现

a)对输入图像信号进行低通滤波以输出一低通滤波过的信号；

b)对低通滤波过的信号进行直方图均衡化以输出一对比度增强的信号；

c)从输入图像信号中减去低通滤波过的信号；

d)通过将在所述步骤c)中被减的值与该对比度得到增强的信号相加起来产生一信号并输出该信号。

所存在的问题和缺点，以及其原因：该专利方法可以提高对比度并且降低输入图像的噪声，不过使用范围并不宽广。对于存在背景噪声或对比度不强的图像可以提高图像质量，但同时也会削弱图像的边缘效果，所以在应用于存在噪声但图像边缘不锐利的图像时，就会出现在降噪的同时却模糊原始图像的现象。

2.专利申请号为97113793.5的专利申请所公开的一种采用除噪和直方图均衡的图像增强电路及其方法，该图像增强电路包括：除噪器，用于检测存在于输入图像信号中的具有脉冲分量的噪声，修整监测到的脉冲噪声，并输出除噪信号；直方图均衡器，用于根据一屏幕单元中的除噪信号和灰度级分布来计算累计分布函数值，并根据该累积分不含数值将该除噪信号映射到新的灰度级。该电路首先移去在输入信号中包含的噪声，然后对该除噪信号进行了直方图均衡，从而增强了对比度。此外还防止了噪声放大从而改进了图像质量。

所采用的技术手段和方法步骤

a)首先进行噪声消除，检测输入图像信号中存在的具有的脉冲分量噪声的噪声，修整监测到的脉冲噪声，应输出除噪信号；

b)然后进行直方图均衡器，根据一屏幕单元中的除噪信号和灰度级分布来计算累计分布函数值，并根据该累积分不含数值将该除噪信号映射到新的灰度级。

所存在的问题和缺点，以及其原因：该专利方法实质上和上面第一种举例的专利方法极其相似，因此不可避免也会出现前一种方法中出现的问题。对于存在背景噪声或对比度不强的图像可以提高图像质量，但同时也会削弱图像的边缘效果，所以在应用于存在噪声但图像边缘不锐利的图像时，就会出现在降噪的同时却模糊原始图像的现象。

3.专利申请号为99122874.X的专利申请所公开的一种保持输入图像亮度的图像增强装置和方法，其装置包括：直方图均衡器，用于均衡用预定数目的灰度级表示的输入图像，以及输出均衡的输出图像；补偿器，用于提取每一个输入输出图像的平均值以及按照输入和均衡的输出图像的平均值之间的平均差补偿均衡的输出图像。该装置和方法防止了亮屏的平均亮度降低，避免因直方图均衡带来的图像质量降低，提供了稳定的图像显示。

所采用的技术手段和方法步骤

a)对输入的图像进行直方图均衡；

b)分别计算输入图像和直方图均衡后输出图像的平均亮度值；

c)计算出b)中这两个值的平均差；

d)把输出图像减去c)中的平均差再最后输出。

所存在的问题和缺点，以及其原因：

该专利方法采用了直方图均衡的图象增强的方法，能够将图像的对比度加强，由于直方图均衡的过程会提高亮度，所以需要对图像再进行亮度降低才能保证输出图像与输入图像相符。不过该专利过于简单，在图象增强方面只是用到直方图均衡的操作，并没有平滑滤波和锐化滤波，从而不能从本质上提高图像的质量。在两度调整方面，此方法只对直方图均衡后的图像简单的减去平均差值，操作过程有些过于机械化。

发明内容

本发明所要解决的技术问题是，提供一种可以改善彩色及黑白数字图像质量的方法，能够将输入的不同边缘特征和亮度特征的图像进行不同方式的滤波和亮度改善，使输出图像拥有更加适合人眼接受的特征，同时对输入图像进行均匀化，从而最终达到防止了图像过于平滑或尖锐，并提高图像的动态范围提高图像质量，提供了更适合人眼的图像显示的根据边缘和亮度特征进行自适应调整的图像增强方法。

本发明所采用的技术方案是：一种根据边缘和亮度特征进行自适应调整的图像增强方法，包括有如下步骤：a)对输入的数字图像进行离散拉普拉斯变换，获得拉普拉斯算子掩模图像；b)对转换获得的掩模图像进行亮度直方图分析，并根据此直方图的特征对图像进行第一次分类；c)对第一次分类后所得的不同图像，按照各自图像特点进行不同的空间滤波处理；d)对经过空间处理的图像获得并分析其直方图，并根据此直方图的特征对图像进第二次分类；e)对第二次分类后所得的不同图像，按照各自图像特点进行不同的亮度调整处理；f)将上述步骤获得的图像进行直方图均匀化并送予输出设备。

所述的进行离散拉普拉斯变换，包括有如下阶段：

1)对输入的数字图像，根据二阶偏微分转化为拉普拉斯变换，从而获得拉普拉斯掩模图像；

2)根据获得的拉普拉斯掩模图像，对其进行规定化，从而获得规定化后的拉普拉斯图像；

3)对规定化后的拉普拉斯图像，得到其亮度直方分布图。

所述的进行亮度直方图分析，并对图像进行第一次分类，包括有如下阶段：

1)对规定化掩模图像的亮度直方图，根据统计学方法获得其亮度平均值Ave1；

2)用所得掩模图像亮度平均值Ave1与阈值Min1和阈值Max1比较，从而对图像进行分类，若该值小于阈值Min1，则图像属于低阈值区域图像；若该值大于阈值Max1，则图像属于高阈值区域图像；若该值在阈值Min1与阈值Max1之间，则图像属于中间区域图像。

所述的按照各自图像特点进行不同的空间滤波处理，包括有如下处理方式：

1)若获得的图像属于低阈值区域图像，则对其进行锐化空间滤波处理；

2)若获得的图像属于高阈值区域图像，则对其进行平滑空间滤波处理；

3)若获得的图像属于中间区域图像，则不做滤波处理。

所述的对经过空间处理的图像获得并分析其直方图，并根据此直方图的特征对图像进第二次分类，包括有如下阶段：

1)对第一次分类并进行不同的空间滤波处理后图像的亮度直方图，根据统计学方法获得其亮度平均值Ave2；

2)用所得图像亮度平均值Ave2与阈值Min2和阈值Max2比较，从而对图像进行分类，若该值小于阈值Min2，则图像属于低阈值区域图像；若该值大于阈值Max2，则图像属于高阈值区域图像；若该值在阈值Min2与阈值Max2之间，则图像属于中间区域图像。

所述的按照各自图像特点进行不同的亮度调整处理，包括有如下处理方式：

1)若获得的图像属于低阈值区域图像，则对其进行提高亮度处理；

2)若获得的图像属于高阈值区域图像，则对其进行降低亮度处理；

3)若获得的图像属于中间区域图像，则不做改变亮度处理。

所述的对第二次分类处理后的图像进行直方图均匀化并送予输出设备，包括有如下阶段：

1)接收第二次分类处理后的图像，并计算出此图像的亮度概率密度函数分布；

2)对所得概率密度函数进行直方图均匀处理。

所述的对掩模图像进行规定化处理的方法是：先提取出拉普拉斯图像中最小值，将它的负值加到拉普拉斯图像的所有像素上，从而使掩模图像的最小值为零，再提取出调整后掩模图像的最大值X，用每个像素与255/X做乘法，从而使掩模规定化后的图像像素亮度为0-255。

所述的根据统计学方法获得其亮度平均值Ave1的方法为：做掩模图像的亮度直方图，横坐标为规定化后的0-255的亮度值，纵坐标为亮度值所对应的像素点数，利用统计学求平均值的方法求得掩模图像的亮度平均值Ave1。

本发明的根据边缘和亮度特征进行自适应调整的图像增强方法，克服了以往图像处理中只是以图像增强的单一功能，应用范围窄等不足，可以改善彩色及黑白数字图像质量，能够将输入的不同边缘特征和亮度特征的图像进行不同方式的滤波和亮度改善，使输出图像拥有更加适合人眼接受的特征，同时对输入图像进行均匀化，实现了数字图像的增强，同时能抑制图像的细节损失。从而最终达到防止了图像过于平滑或尖锐，并提高图像的动态范围提高图像质量，提供了更适合人眼的图像显示。可以对更大范围和更多的图像进行有效的滤波增强处理和亮度调整处理，拓宽了应用范围和领域，综合能力水平有了很大提高。

附图说明

图1是本发明图像增强方法的整体框架流程图；

图2是对输入图像先期处理的流程图；

图3是对图像进行第一次分类及滤波处理的流程图；

图4是对图像进行第二次分类及亮度处理的流程图；

图5是对亮度处理后的图像进行后期处理流程图；

图6是实现本发明所采用的装置的结构框图。

具体实施方式

下面结合实施例对本发明的根据边缘和亮度特征进行自适应调整的图像增强方法做出详细说明。

如图1所示，本发明的根据边缘和亮度特征进行自适应调整的图像增强方法，包括有如下步骤：

a)对输入的数字图像进行离散拉普拉斯变换，获得拉普拉斯算子掩模图像；

b)对转换获得的掩模图像进行亮度直方图分析，并根据此直方图的特征对图像进行第一次分类；

c)对第一次分类后所得的不同图像，按照各自图像特点进行不同的空间滤波处理；

d)对经过空间处理的图像获得并分析其直方图，并根据此直方图的特征对图像进第二次分类；

e)对第二次分类后所得的不同图像，按照各自图像特点进行不同的亮度调整处理；

f)将上述步骤获得的图像进行直方图均匀化并送予输出设备。

如图2所示，首先要将整幅图像f(x，y)存储，对存储下来的图像进行拉普拉斯变换，具体的方法为以某一像素点为中心，沿其x轴、y轴、+45°和-45°四个方向分别求二阶偏微分，四个方向上的二阶偏微分公式分别为 $\frac{{\∂}^{2}f}{{\∂x}^2}=f(x+1,y)+f(x-1,y)-2f(x,y),$ $\frac{{\∂}^{2}f}{{\∂y}^2}=f(x,y+1)+f(x,y-1)-2f(x,y),$ $\frac{{\∂}^{2}f}{\∂x\∂y}=f(x+1,y+1)+f(x-1,y-1)-2f(x,y)$ 和 $\frac{{\∂}^{2}f}{\∂x\∂y}=f(x+1,y-1)+f(x-1,y+1)-2f(x,y).$ 然后根据这四个偏微分获得这一像素点的拉普拉斯算子：

${\▿}^{2}f=[f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)+$

$f(x+1,y+1)+f(x-1,y-1)+f(x+1,y-1)+f(x-1,y+1)]-8f(x,y)$

算出每个点的拉普拉斯算子，则能够获得原始输入图像的拉普拉斯变换后的掩模图像。接下来需要把掩模图像规定化，使其每点的值都保证在0-255之内，具体方法为：先提取出拉普拉斯图像中最小值s，将它的负值加到拉普拉斯图像的所有像素上，从而使掩模图像的最小值为零。再提取出调整后掩模图像的最大值X，用每个像素与255/X做乘法，从而最终使掩模规定化后的图像像素亮度为0-255。最后根据规定化后的淹没图像，得出其亮度直方分布图。

如图3所示，所述的掩模图像进行亮度直方图分析，并对图像进行第一次分类：首先根据统计学方法获得规定化后的拉普拉斯掩模图像亮度平均值的方法为：做掩模图像的亮度直方图，横坐标为规定化后的0-255的亮度值，纵坐标为亮度值所对应的像素点数，利用统计学求平均值的方法可求得掩模图像的亮度平均值Ave1。然后利用求得的掩模图像直方图平均值Ave1与阈值Min1和Max1项比较，来将此掩模图像分类，将Min1和Max1的经验取值分别限定为64和192，具体分类标准是若Ave1值小于阈值Min1，则图像属于低阈值区域图像；若Ave1值大于阈值Max1，则图像属于高阈值区域图像；若Ave1值在阈值Min1与阈值Max1之间，则图像属于中间区域图像。接下来需要对分类后的图像进行空间滤波处理，若图像属于低阈值区域图像，则需要对原始图像进行锐化空间处理，所应用的处理公式为 $f_1(x,y)=f_{\mathrm{Min}1}(x,y)=f(x,y)-{\▿}^{2}f(x,y),$ 公式理解为从原图像中加上一部分边缘成分，使图像过于平滑模糊的边缘锐利；若图像属于高阈值区域图像，则需要对原始图像进行平滑空间处理，所应用的处理公式为 $f_1(x,y)=f_{\mathrm{Max}1}(x,y)=f(x,y)-{\▿}^{2}f(x,y),$ 公式理解为从原图像中减去一部分边缘成分，使图像过于锐利的边缘平滑；若图像属于中间区域图像，则不做任何处理，即f₁(x，y)＝f(x，y)，公式理解为不对原始图像滤波。

如图4所示，所述的对经过第一次处理的图像获得并分析其直方图，并根据此直方图的特征对图像进第二次分类，对第二次分类后所得的不同图像，按照各自图像特点进行不同的亮度调整处理是：首先利用第一次分类处理得到的图像，获得其亮度直方图并运用统计学方法获得其亮度平均值Ave2，具体的方法为：对空间滤波后图像f₁(x，y)做出其亮度直方图，横坐标为0-255的亮度值，纵坐标为亮度值所对应的像素点数，利用统计学求平均值的方法可求得滤波后图像的亮度平均值Ave2。然后利用求得的空间滤波后图像f₁(x，y)的亮度平均值Ave2与阈值Min2和Max2项比较，来将此滤波后的图像分类，将Min2和Max2的经验取值分别限定为64和192，具体分类标准是若Ave2值小于阈值Min2，则图像属于低阈值区域图像；若Ave2值大于阈值Max2，则图像属于高阈值区域图像；若Ave2值在阈值Min2与阈值Max2之间，则图像属于中间区域图像。接下来需要对分类后的图像进行亮度调整处理，若图像属于低阈值区域图像，则需要对原始图像进行提高亮度处理，所应用的处理公式为f₂(x，y)＝f_Min2(x，y)＝f₁(x，y)+0.75f(x，y)，公式理解为在滤波后图像的基础上加上0.75倍的原始图像，从而使过于暗淡的图像亮度得到适当的提高；若图像属于高阈值区域图像，则需要对原始图像进行降低亮度处理，所应用的处理公式为f₂(x，y)＝f_Max2(x，y)＝f₁(x，y)-0.25f(x，y)，公式理解为在滤波后图像的基础上减去0.25倍的原始图像，从而使过于明亮的图像亮度得到适当的降低；若图像属于中间区域图像，则不做任何处理，即f₂(x，y)＝f₁(x，y)，公式理解为不改变滤波后图像的亮度。

如图5所示，对经过第二次处理的图像进行直方图均匀化并输出。首先计算出整幅图像的像素点数m和图像中各个亮度级b_i出现的像素点数m_i，计算每个亮度级在图像中的概率为 $p_b\left(b_i\right)=\frac{m_i}{m},$ 其中i＝0，1，2，...，255，此公式理解为从0至255所有的亮度级出现概率的总合为1。接下来由原始亮度级b_i算出对应的新亮度级h_i，公式为 $h_i=\underset{j=0}{\overset{i}{\mathrm{\Σ}}}{p}_b\left(b_i\right)=\underset{j=0}{\overset{i}{\mathrm{\Σ}}}\frac{m_j}{m},$ 其中i＝0，1，2，...，255，此公式理解为将输入图像中亮度级为b_i德个像素映射到新图像中亮度级为h_i的对应像素上。最后将直方图均匀化后的图像输出。

在上述实施例中所使用的主要符号列表如下：

f(x，y)：输入数字图像函数

(x，y)：图像中的一个像素

：输入图像拉普拉斯算子

s：掩模图像中亮度最小值

X：掩模图像亮度最大值

Ave1：掩模图像的亮度平均值

Min1：第一次处理时的最小阈值

Max1：第一次处理时的最大阈值

f₁(x，y)：第一次处理后的图像

f_Min1(x，y)：第一次做锐化处理后的图像

f_Max1(x，y)：第一次做平滑处理后的图像

Ave2：空间滤波处理后图像的亮度平均值

Min2：第二次处理时的最小阈值

Max2：第二次处理时的最小阈值

f₂(x，y)：第二次处理后的图像

f_Min2(x，y)：第二次做提高亮度处理后的图像

f_Max2(x，y)：第一次做降低亮度处理后的图像

m：第二次处理后整幅图像的像素点数

m_i：第二次处理后图像各亮度级的像素点数

b_i：第二次处理后图像中各个亮度级

p_b：第二次处理后图像各亮度级在图像中的概率

h_i：第二次处理后图像各亮度级对应的新亮度级

本发明是在如图6所示的装置中实现的。

Claims (4)

1.一种根据边缘和亮度特征进行自适应调整的图像增强方法，其特征在于，包括有如下步骤：

a)对输入的数字图像进行离散拉普拉斯变换，获得拉普拉斯算子掩模图像，并对该掩模图像进行规定化，即先提取出拉普拉斯图像中最小值，将它的负值加到拉普拉斯图像的所有像素上，从而使掩模图像的最小值为零，再提取出调整后掩模图像的最大值X，用每个像素与255/X做乘法，从而使掩模规定化后的图像像素亮度为0-255；

b)对步骤a所得的规定化的掩模图像进行亮度直方图分析，并根据此直方图的特征对图像进行第一次分类，具体是：

1)对规定化的掩模图像的亮度直方图，根据统计学方法获得其亮度平均值Ave1；

2)用所得掩模图像亮度平均值Ave1与阈值64和阈值192比较，从而对图像进行分类，若该值小于阈值64，则图像属于低阈值区域图像；若该值大于阈值192，则图像属于高阈值区域图像；若该值在阈值64与阈值192之间，则图像属于中间区域图像；

c)对步骤b所得的不同分类图像，进行与其对应的空间滤波处理，具体是：

1)若获得的图像属于低阈值区域的图像，则对其进行锐化空间滤波处理；

2)若获得的图像属于高阈值区域的图像，则对其进行平滑空间滤波处理；

3)若获得的图像属于中间区域的图像，则不做滤波处理；

d)对经过步骤c处理的图像获得并分析其亮度直方图，并根据此直方图的特征对图像进行第二次分类，具体是：

1)对第一次分类并进行不同的空间滤波处理后图像的亮度直方图，根据统计学方法获得其亮度平均值Ave2；

2)用所得图像亮度平均值Ave2与阈值64和阈值192比较，从而对图像进行分类，若该值小于阈值64，则图像属于低阈值区域图像；若该值大于阈值192，则图像属于高阈值区域图像；若该值在阈值64与阈值192之间，则图像属于中间区域图像；

e)对步骤d所得的不同分类图像，进行与其对应的亮度调整处理：

1)若获得的图像属于低阈值区域的图像，则对其进行提高亮度处理；

2)若获得的图像属于高阈值区域的图像，则对其进行降低亮度处理；

3)若获得的图像属于中间区域的图像，则不做改变亮度处理；

f)将e步骤获得的图像进行直方图均匀化并送予输出设备。

2.根据权利要求1所述的根据边缘和亮度特征进行自适应调整的图像增强方法，其特征在于，所述的进行离散拉普拉斯变换是：对输入的数字图像，根据二阶偏微分转化为拉普拉斯变换，从而获得拉普拉斯掩模图像。

3.根据权利要求1所述的根据边缘和亮度特征进行自适应调整的图像增强方法，其特征在于，所述的将e步骤获得的图像进行直方图均匀化并送予输出设备，包括有如下阶段：

1)接收第二次分类并进行了不同的亮度调整处理后的图像，并计算出此图像的亮度概率密度函数分布；

2)对所得概率密度函数进行直方图均匀处理。

4.根据权利要求1所述的根据边缘和亮度特征进行自适应调整的图像增强方法，其特征在于，所述的根据统计学方法获得其亮度平均值Ave1的方法为：做步骤a所得的规定化的掩模图像的亮度直方图，横坐标为规定化后的0-255的亮度值，纵坐标为亮度值所对应的像素点数，利用统计学求平均值的方法求得所述规定化的掩模图像的亮度平均值Ave1。

Images