CN101201937A - 基于小波重构与分解的数字图像增强方法及其装置 - Google Patents

Abstract

一种基于小波重构与分解的数字图像增强方法及其装置，属图像数据处理领域。包括图像的预处理、分解过程、变换过程和重构过程，其特征是图像分解过程包括多组子积分和下抽样或下采样过程；变换过程包括中间数据信息统计、分析与修改过程；重构过程包括多组子上抽样或上采样、积分和相加过程；在变换过程中，采用自适应直方图均衡和噪声抑制。本发明通过小波分解、变换和重构，并在变换域实施自适应直方图均衡技术和噪声抑制，在多尺度分析的基础上，实现了数字图像的对比度增强的同时也防止了噪声。可广泛应用于在诸如医疗信息系统、工业无损检测系统以及其他类似图像系统中数字图像质量有关改进的领域。

Description

基于小波重构与分解的数字图像增强方法及其装置

技术领域

本发明属于图像数据处理或产生领域，尤其涉及一种用于数字图像的增强方法及其装置。

背景技术

对于一个图像处理系统来说，可以将处理流程分为三个阶段，在获取原始图像后，首先是图像预处理阶段，第二是特征抽取阶段，第三是识别分析阶段。其中的图像预处理阶段尤为重要，如果这阶段处理不好，后面的工作根本无法展开。

在实际应用中，我们的系统获取的原始图像不是完美的，例如对于系统获取的原始图像，由于噪声、光照等原因，图像的质量不高，所以需要进行预处理，以有利于提取我们感兴趣的信息。图像的预处理通常包括图像增强、平滑滤波、锐化等内容。

图像增强就是采用一系列技术去增强图像中用户感兴趣的信息，其目的主要有两个：一是改善图像的视觉效果，提高图像成分的清晰度；二是使图像变得更有利于计算机处理。

在数字图像增强领域，灰度直方图变换是空间域增强的基础方法，其中以直方图均衡化和直方图匹配(规定化)方法最为常见，其根据图像采样分布，可以增强图像的对比度。

该方法在下列文献中均有详细的论述和公开：(1)“数字图像处理(Digital ImageProcessing)”，Second Edition，ISBN：0201180758 by Rafael C.Gonzalez，RichardE.Woods，Stark，J.A.[2000]；(2)“使用广义直方图均衡的自适应图像对比度增强(Adaptive Image Contrast Enhancement Using Generalization of HistogramEqualization)”IEEE Trans.Image Processing，vol.9，no.5，pp.89-896。

公告日为2003年4月16日，授权公告号为CN 1105992 C的中国发明专利，公开了一种“采用低通滤波和直方图均衡化的图像增强方法及其装置”，阐述了一种对比度调节和在增强对比度同时抑制高斯噪声的方法，在此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，将所加结果作为图像增强的输出信号。这样，可以提高一给定图像信号的对比度，而不会增加背景噪声。

通常情况下，直方图均衡化和直方图匹配(规定化)的数字图像增强方法在充分抑制噪声的情况下，可以获得很好的对比度增强效果。

但是，在解决大动态范围、高对比度分辨率的数字图像时，传统的直方图均衡化和直方图匹配(规定化)的方法以及通常的图像处理算法，诸如：局部增强、反锐化掩蔽(Unsharp Masking)，仍然会存在以下一些问题：

1、由于是扩展动态范围来增强对比度的，忽略了小区域图像细节；

2、由于是扩展动态范围来增强对比度的，会存在边缘”振铃”假像；

3、由于是扩展动态范围来增强对比度的，全局直方图变换的结果，图像对比度的分辨率将会很低；

4、如果信号噪声分布在广泛的动态范围，抑制噪声的结果会损失图像细节；

5、如果图像整个动态范围的信息显示在有限动态范围的显示器(动态范围＜100∶1，CRT)上，或打印在胶片(动态范围＜500∶1)上，经显示系统二次采样后，显示对比度将非常低；

6、如果仅有部分动态范围被正确映射，低于或高于此级别的数据信息将被压缩到同样的(低或高)输出级。

此外，在医用数字图像系统中，图像的对比度分辨率与空间分辨率是很关键的两个指标，X射线检查是通过人体内部的组织结构存在的物质密度差异，引起其对X射线的衰减差异，从而在X射线胶片上造成影像密度差别和一定细节，来判别人体内部的组织结构正常与否。X射线探测器的动态范围越大，对低对比度(密度差别小)的物体的探测能力就越强，能提供的信息就越多，所得图像对医生诊断疾病的参考价值就越大。

普通X射线胶片的动态范围约为1比100，所以只能分辨出组织密度差别大于1％的物体。而数字化X射线成像技术中探测器系统的动态范围可达支1比5000及至1比10000，所以X射线数字摄影可分辨组织密度差别小于1％的物体，具有很高的对比度分辨率及较大的曝光宽容度。

X射线数字影像的空间分辨率一般不及普通X射线胶片。由于空间分辨率不是确定图像细节的唯一因素。在对比度较差的情况下，尽管图像的空间分辨率很高，但人眼仍然不能分辨出其细节的变化。而数字化X射线成像技术由于其探测器的动态范围比较大，对低对比度差异物体检查性好。

故此，现有的直方图均衡化和直方图匹配(规定化)的图像处理技术，扩展动态范围对低对比度物体进行灰度变换，并不能将这种微小的灰度差异突出显示出来。

同样的问题也存在于其他类似图像系统中。

为了克服这些缺陷，在图像分析过程中，由于时频域空间是三维的，可以看作是图像的叠层，这样，一个局部化分量将主要出现在叠层中对应于此分量主要频率的层次，对应于图像中的物体是出现在不同大小的尺度层面的。

在现在的制图法中，特别是电子地图通常以不同的尺度来描绘。一幅地图的尺度是领域实际大小与它在地图上的表示的比值，也就是比例尺；在较大尺度上，例如在地球仪上，大陆和海洋等主要特征可见而象城市街道这样的细节信息就在地图的分辨率之外了，而在较小的尺度上，细节变的可见而大的特征却不见了。比例尺较高的地图对应于没有细节信息的全局缩小的地图，而比例尺较低的地图对应于那些细节信息丰富的地图。

发明内容

本发明所要解决的技术问题是提供一种基于小波重构与分解的数字图像增强方法，其可在不增加数字图像动态范围的情况下改善数字图像宽范围信息级别对比度，提高数字图像可读信息含量，同时抑制噪声，可以修正那些影响图像可读性的内、外因素造成的信息还原损失，将图像的可读信息含量提高到符合要求层次的目的。

本发明的技术方案是：提供一种基于小波重构与分解的数字图像增强方法，包括图像的预处理、图像分解过程、变换过程和重构过程，其所述的数字图像由预定数目的灰度级表示，其特征是所述的图像分解过程包括多组子积分和下抽样或下采样过程；所述的变换过程包括中间数据信息统计、分析与修改过程；所述的重构过程包括多组子上抽样或上采样、积分和相加过程；其中，在变换过程中，采用自适应直方图均衡和噪声抑制，在多尺度分析的基础上，实现数字图像的对比度增强的同时，防止噪声。

具体的，在其采样过程遵循奈奎斯特采样准则，将预处理后的两维数字图像f(x，y)进行离散小波分解，得到一个近似图像和包括水平、垂直和对角三个方向梯度的三个细节图像；其近似图像对应信号的低频部分，高尺度测量；其细节图像对应信号的高频部分，低尺度测量；其每一细节图像对应整个空间频率领域中某个特定的空间频带；其原始图像中的每个像素值等效于分解后的近似图像和细节图像的加权之和表示。

其所述的变换过程对分解过程产生的一个近似图像和水平、垂直和对角三个方向梯度三个细节图像的中间数据分别进行信息统计和分析，并根据分析结果对对应的系数应用灰度级变换。

进一步地，上述灰度级变换包括对近似图像采用自适应直方图均衡增强，对细节图像分别做锐化或平滑处理，产生输出对应的经过变换的系数图像数据。

进一步地，在上述自适应直方图均衡增强过程中，给定的数字图像f(x，y)由L个离散灰度级{X₀，X₁，…，X_L-1}组成，其中X₀＝0表示黑级，X₀＝1表示白级；

f(x，y)的概率密度函数按如下等式计算：

$P\left(X_k\right)=\frac{n_k}{n},k=\mathrm{0,1,2},\·\·\·,L-1$

其中，n是数字图像f(x，y)中像素的总数，n_k是数字图像f(x，y)中灰度级为X_k的像素个数，L是数字图像f(x，y)中可能的灰度级总数；

其累积分布函数按如下等式计算：

$S\left(X_k\right)=\underset{j=0}{\overset{k}{\mathrm{\Σ}}}P\left(X_j\right)$

根据累积分布函数，则对应输入数字图像f(x，y)分解后的各子带系数图像，可通过下述等式得到：

${\hat{W}}_{\mathrm{\ψ}}^i(j,m,n)=S\left(W_{\mathrm{\ψ}}^i(j,m,n)\right)X_{L-1}.$

然后，所述的重构过程对系数图像数据进行离散小波反变换，对变换过程输出的各系数图像进行内插值、滤波，然后再相加以得到增强和抑制噪声的输出图像f(x，y)。

具体的，上述的离散小波反变换按照下列等式进行：

再使用转换函数对上述等式中的子带系数图像

施加作用，使得 ${\hat{W}}_{\mathrm{\ψ}}^i(j,m,n)=f_i\left(W_{\mathrm{\ψ}}^i(j,m,n)\right);$ 其中，f_i是i级单调递增函数集，用于强调重要特征；小波系数

用于重构输出数字图像；

然后，在小波系数上实施门限操作，以实现重建后图像的降噪效果。

在此基础上，所述的转换函数要求具有单调递增和反对称性。

同时，本发明还提供了一种基于小波重构与分解的数字图像增强装置，其采集和/或输出的数字图像由预定数目的灰度级或位深表示，其特征是所述的数字图像增强装置至少包括控制装置、采样装置、卷积装置、第一和第二存储装置、变换装置和输出装置，其采样装置、卷积装置、变换装置和输出装置依次连接，在卷积装置和变换装置之间设置第一存储装置，在变换装置和输出装置之间设置第二存储装置；其采样装置用于对输入的图像信息进行采样，实现上采样和下采样作用，并输出采样过的图像信息；某一时刻实现上采样或下采样作用，取决于控制装置的指令类型及采样间隔度；其卷积装置用于对输入的图像信息进行积分，实现低通或高通滤波作用，并输出滤波过的图像信息；某一时刻实现低通或高通滤波作用，取决于控制装置的指令类型；其第一、第二存储装置用于存储输入、中间和输出数据，相关系列数据的存储位置、大小和顺序，由控制装置进行管理和调度；其变换装置用于对确定的中间数据信息进行空间域变换作用，并输出变换过的数据信息；其输出装置用于对变换装置输出的变换过的图像数据做加法处理，以输出相加后的输出图像数据；其控制装置用于各装置的共享调度、指令分发和控制。

具体地，其所述的采样装置和卷积装置复合构成分解装置U20，接收输入的两维数字图像f(x，y)，并对f(x，y)进行小波分解，以输出一幅近似图像和三幅细节图像，并储存在第一存储单元中U10中；一旦分解过程完成，第一存储单元中储存的数据将被送到变换装置U30中；

变换装置U30接收第一存储单元的图像数据，以产生变换过的四组对应图像，由此增强近似子带图像对比度，抑制相应噪声信号，变换过的数据储存在第二存储单元U11中；一旦变换过程完成，第二存储单元中储存的数据将被送到重构装置U40中；

重构装置对第二存储单元的相应图像数据，进行反向小波变换，并输出最终的改善输出图像f′(x，y)至输出装置。

与现有技术比较，本发明的优点是：

1.对输入的数字信号通过小波分解、变换和重构，并在变换域实施自适应直方图均衡技术和噪声抑制，在多尺度分析的基础上，实现了数字图像的对比度增强的同时也防止了噪声；

2.整个装置的构成结构简洁，便于模块化生产和使用过程中的维护，即可延长装置的使用寿命，又可降低运行费用和综合使用成本。

附图说明

图1是本发明的系统构成方框图；

图2是本发明的小波分解滤波器组装置详细方框图；

图3是本发明的灰度变换装置详细方框图；

图4是本发明的小波重构滤波器组装置详细方框图；

图5是本发明的分解后子带频域平面示意图；

图6是本发明的变换装置优选实施例-S增强函数详细方框图；

图7是本发明的数字图像增强装置应用方案流程图；

图8是本发明方法的小波收敛门限函数示意图。

具体实施方式

下面对本发明做进一步的说明。

首先，描述根据本发明的技术方案改善图像质量的方法：

假定f(x，y)代表尺寸为M×N的两维数字图像，则其离散小波变换是：

$W_{\mathrm{\ψ}}^i(j,m,n)=\frac{1}{\sqrt{\mathrm{MN}}}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}f(x,y){\mathrm{\ψ}}_{j,m,n}^i(x,y),i=\{H,V,D\}---\left(2\right)$

W_(j₀，m，n)系数定义了在尺度j₀的两维数字图像f(x，y)的近似或尺度系数；W_ψ ⁱ(j，m，n)系数对于j≥j₀附加了水平、垂直和对角方向的细节或小波系数，其中j₀表示任意开始尺度。

我们令j₀＝0，并且选择N＝M＝2^J，j＝0，1，2，…，J-1和m，n＝0，1，2，…，2^j-1。

根据式(1)和(2)，两维数字图像f(x，y)可通过离散小波反变换得到：

$+\frac{1}{\sqrt{\mathrm{MN}}}\underset{i=H,V,D}{\mathrm{\Σ}}\underset{j=j_0}{\overset{\∞}{\mathrm{\Σ}}}\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}{W}_{\mathrm{\ψ}}^i(j,m,n){\mathrm{\ψ}}_{j,m,n}^i(x,y)---\left(3\right)$

如果我们直接使用式(1)、(2)和(3)，把尺寸为M×N的两维数字图像f(x，y)分解、重构后得到尺寸为M×N的两维数字图像f′(x，y)，由式(3)可以很容易地得到，变换的过程相当于对图像实施低、高和带通滤波，图像没有得到有效地改善，仅在低通滤波过程作用了平滑降噪。

这里，我们使用转换函数对子带系数图像W_ψ ⁱ(j，m，n)施加作用，增强的子带系数图像

由式(4)给出：

${\hat{W}}_{\mathrm{\ψ}}^i(j,m,n)=f_i\left(W_{\mathrm{\ψ}}^i(j,m,n)\right)---\left(4\right)$

这里，f_i是i级单调递增函数集，用于强调重要特征；小波系数

用于重构输出数字图像。

此处，转换函数必须满足：

1.单调递增，避免改变局部值位置；

2.反对称性，E(-x)＝-E(x)，以保护边缘增强时的相位级性；如分段线性增强函数 $E\left(x\right)=\left\{\begin{array}{c}x-(K-1)T,\mathrm{ifx}<-T\\ \mathrm{Kx},\mathrm{if}\left|x\right|\&le;T\\ x+(K-1)T,\mathrm{ifx}>T\end{array}\right..$

Gao，H.-Y.(1997).Wavelet Shrinkage Denoising Using the Non-Negative Garrote.J.Comput.Graph.Statist.定义了小波收敛函数(Garrote非负收敛)如下：

${\mathrm{\&delta;}}_{\mathrm{\&lambda;}}^G\left(x\right)=x{\{1-{(\mathrm{\&lambda;}/x)}^2\}}_{+}=\left\{\begin{array}{cc}x-\frac{{\mathrm{\&lambda;}}^2}{x},& \mathrm{if}\left|x\right|>\mathrm{\&lambda;}\\ 0,& \mathrm{if}\left|x\right|\&le;\mathrm{\&lambda;}\end{array}\right.---\left(5\right)$

结合公式(1)、(2)、(3)、(4)和(5)，通过变换装置适当地修改小波系数，即可以满足本发明的容许条件。

接下来描述典型的直方图均衡化算法，以有助于对本发明的理解：假设给定的数字图像f(x，y)由L个离散灰度级{X₀，X₁，…，X_L-1}组成，其中X₀＝0表示黑级，X₀＝1表示白级。f(x，y)的概率密度函数(PDF)定义如下：

$P\left(X_k\right)=\frac{n_k}{n},k=\mathrm{0,1,2},\&CenterDot;\&CenterDot;\&CenterDot;,L-1---\left(6\right)$

公式(6)中，n是数字图像f(x，y)中像素的总数，n_k是数字图像f(x，y)中灰度级为X_k的像素个数，L是数字图像f(x，y)中可能的灰度级总数。

另外，累积分布函数(CDF)定义如下：

$S\left(X_k\right)=\underset{j=0}{\overset{k}{\mathrm{\&Sigma;}}}P\left(X_j\right)---\left(7\right)$

根据累积分布函数(CDF)，对应输入数字图像f(x，y)分解后的各子带系数图像由如下方程给出：

${\hat{W}}_{\mathrm{\&psi;}}^i(j,m,n)=S\left(W_{\mathrm{\&psi;}}^i(j,m,n)\right)X_{L-1}---\left(8\right)$

现在，参照附图来描述根据本发明基于小波重构与分解的数字图像增强方法及其装置的优选实施例。

本发明提供了一种基于小波重构与分解的数字图像增强装置，其采集和/或输出的数字图像由预定数目的灰度级或位深表示，其所述的数字图像增强装置至少包括控制装置、采样装置、卷积装置、第一和第二存储装置、变换装置和输出装置，其采样装置、卷积装置、变换装置和输出装置依次连接，在卷积装置和变换装置之间设置第一存储装置，在变换装置和输出装置之间设置第二存储装置；其采样装置用于对输入的图像信息进行采样，实现上采样和下采样作用，并输出采样过的图像信息；某一时刻实现上采样或下采样作用，取决于控制装置的指令类型及采样间隔度；其卷积装置用于对输入的图像信息进行积分，实现低通或高通滤波作用，并输出滤波过的图像信息；某一时刻实现低通或高通滤波作用，取决于控制装置的指令类型；其第一、第二存储装置用于存储输入、中间和输出数据，相关系列数据的存储位置、大小和顺序，由控制装置进行管理和调度；其变换装置用于对确定的中间数据信息进行空间域变换作用，并输出变换过的数据信息；其输出装置用于对变换装置输出的变换过的图像数据做加法处理，以输出相加后的输出图像数据；其控制装置用于各装置的共享调度、指令分发和控制。

具体地，数字图像增强装置的构成框图可参照图1，图中，采样装置和卷积装置复合构成分解装置U20，其接收输入的两维数字图像f(x，y)，并对f(x，y)进行小波分解，以输出一幅近似图像和三幅细节图像，并储存在第一存储单元U10中；一旦分解过程完成，第一存储单元中储存的数据将被送到变换装置U30中。

变换装置接收第一存储单元的图像数据，以产生变换过的四组对应图像，由此增强近似子带图像对比度，抑制相应噪声信号，变换过的数据储存在第二存储单元U11中；一旦变换过程完成，第二存储单元中储存的数据将被送到重构装置U40中。

重构装置对第二存储单元中的相应图像数据，进行反向小波变换，并输出由公式(3)所表示的最终改善的输出图像f′(x，y)。

图2为在图1中所示的小波分解滤波器组装置U20的详细方框图，图中，

表示列下抽样(Column DowmSample)，

表示行下抽样(RoW DownSample)，

基于行进行卷积，

基于列进行卷积。

在图2中，两维数字图像f(x，y)被用于W_(j+1，m，n)的输入，用h_ψ(-n)和h_(-n)卷积并对它的列抽样，得到两个子图像，它们的水平分辨率以2为因子下降，高通或细节分量描述了图像垂直方向的高频信息，低通近似分量包含它的低频垂直信息。

然后，两个子图像以列的方式被滤波并抽样得到四个四分之一原两维数字图像f(x，y)规格大小的子图像：W_(j，m，n)、W_ψ ^H(j，m，n)、W_ψ ^V(j，m，n)和W_ψ ^D(j，m，n)。

图2所示的单尺度分解可以用“迭代”(用将近似输出连接到另一个滤波器组的输入端的方法)在尺度j＝J-1，J-2，…，J-P中产生P尺度变换。

图3为在图1中所示的灰度变换装置U30的详细方框图。在图3中，优选实施例选用自适应直方图均衡技术，依赖于公式(3)中子带系数的频率属性，我们选择不同的局部开窗算子：近似系数包括了图像的概貌信息，选择大的局部增强，小波系数包含更多的局部信息，因此选择小的开窗窗口；在二进小波变换中，分解的最大级数依赖于图像的大小。

图4为在图1中所示的小波重构滤波器组装置U40的详细方框图，图中，

表示列上抽样(Column UpSample)；

表示行上抽样(Row UpSample)；

基于行进行卷积，

基于列进行卷积。

小波重构过程是多级分解过程的逆过程，在图4中，在每一次迭代，尺度j的近似图像和细节子图像用两个一维滤波器内插(上采样)和卷积(平滑补0后波形，去掉补0后引起的镜像谱)：一个在子图像的列操作，另一个在行操作；相加结果是尺度i+1的近似图像，并且迭代处理一直进行到原始图像被重建。

图5描述了图2单尺度分解后的子图像在其频域平面的位置示意，可以直观地理解每一级分解过程及产出对应之间的关系。

图中所示为第j+1尺度四幅图像中的每一幅在频域平面中的位置。

图6是根据本发明的变换装置优选实施例-S增强函数详细方框图。在本优选实施例中，公式(4)中的增强函数f(x)定义如下：

f(x)＝a[sigm(c(x-b))-sigm(-c(x+b))]    (9)

公式(9)在[-1，1]区间连续且单调递增，此处， $a=\frac{1}{\mathrm{sigm}\left(c(1-b)\right)-\mathrm{sigm}(-c(1+b))}$ 且0＜b＜1；c表示门限级别，b表示增强率；式中sigm(y)S形函数表示为：

$\mathrm{sigm}\left(y\right)=\frac{1}{1+e^{-y}}---\left(10\right)$

图7是根据本发明的数字图像增强装置应用方案流程图。实际描述了本发明方法在装备设备中的关键作用和可嵌入方案：

流程图可直观地分为六个阶段：开始、信息登记、采集数据、增强、输出和结束阶段。

第一阶段，主要是系统初始化阶段；

第二阶段，结合实际应用，描述了一个病人信息的登记过程，该过程信息来源可以是手动录入，也可以是来自一个数据结构或数据包的形式，诸如：工作列表记录(WorkList Record)；

第三阶段，整合了临床应用中的器官程序概念，并和本发明方法众多参数相结合(LUT、滤波器组参数等)，获取原始图像数据阶段；成功的数据获取会有一关键字(KEYIndex)生成，提供做后一阶段使用；同时对原始图像做快速预览；

第四阶段，图像预处理和增强阶段，程序使用上一阶段的KEY Index，检索增强方法使用的参数，然后应用本发明算法实现目的；承如前言，对噪声的评估需要有一个预先的估算系统，本发明在此体现了对上述不足的弥补；本阶段图像预处理部分也可以调整到原始图像获取后和预览前的位置，此作为另外一种流程；

第五阶段，图像输出阶段，对于不同的输出设备，经第四阶段增强后的图像，将根据不同的输出设备特征做匹配映射，然后输出；具体到显示设备，映射可以是伽码曲线映射、GSDF或其他等等，同时重新显示增强后的图像信息。

最后阶段，相应于第一阶段，做一些相反的任务，去初始化阶段。

图8是根据本发明方法的降噪门限函数示意图。一般说来，在小波系数上实施门限操作(变换域)，重建后的图像可实现降噪效果。图8中假定输入数据范围被规格化[-1，1]，门限级别设置为T＝0.5，分别给出了软、应和固定门限的函数示意图。

门限取值的选择方法，目前已经有很多应用，包括全局门限(T＝常量)、级别依赖门限(T＝T_j，j＝1…J，每一级小波分析对应不同的门限值)和空间自适应门限等(T＝T_j(x，y)，依赖于个别小波系数的局部空间特性)。本发明定义的公式如下：

T＝σ²/σ_x    (11)

$\mathrm{\&sigma;}=\frac{\mathrm{median}\left(\right)\left|W_1(x,y)\right|}{0.6745},$ 其中W₁表示小波细示小波    (12)

综上所述，本发明对输入的数字信号通过小波分解、变换和重构，并在变换域实施自适应直方图均衡技术和噪声抑制，在多尺度分析的基础上，实现了数字图像的对比度增强的同时也防止了噪声。

对于本领域的普通技术人员而言，上述的技术方案是易于理解、且无需经过创造性劳动即可再现的，故其具体实现方法、模块/硬件的选型及其具体连接关系在此不再叙述。

本发明可广泛应用于在诸如医疗信息系统、工业无损检测系统以及其他类似图像系统中数字图像质量有关改进的领域。

Claims (10)

1.一种基于小波重构与分解的数字图像增强方法，包括图像的预处理、图像分解过程、变换过程和重构过程，其所述的数字图像由预定数目的灰度级表示，其特征是：

所述的图像分解过程包括多组子积分和下抽样或下采样过程；

所述的变换过程包括中间数据信息统计、分析与修改过程；

所述的重构过程包括多组子上抽样或上采样、积分和相加过程；

其中，在变换过程中，采用自适应直方图均衡和噪声抑制，在多尺度分析的基础上，实现数字图像的对比度增强的同时，防止噪声。

2.按照权利要求1所述的基于小波重构与分解的数字图像增强方法，其特征是所述的采样过程遵循奈奎斯特采样准则，将预处理后的两维数字图像f(x，y)进行离散小波分解，得到一个近似图像和包括水平、垂直和对角三个方向梯度的三个细节图像；

其近似图像对应信号的低频部分，高尺度测量；

其细节图像对应信号的高频部分，低尺度测量；

其每一细节图像对应整个空间频率领域中某个特定的空间频带；

其原始图像中的每个像素值等效于分解后的近似图像和细节图像的加权之和表示。

3.按照权利要求1所述的基于小波重构与分解的数字图像增强方法，其特征是所述的变换过程对分解过程产生的一个近似图像和水平、垂直和对角三个方向梯度三个细节图像的中间数据分别进行信息统计和分析，并根据分析结果对对应的系数应用灰度级变换。

4.按照权利要求3所述的基于小波重构与分解的数字图像增强方法，其特征是所述的灰度级变换包括对近似图像采用自适应直方图均衡增强，对细节图像分别做锐化或平滑处理，产生输出对应的经过变换的系数图像数据。

5.按照权利要求4所述的基于小波重构与分解的数字图像增强方法，其特征是在所述的自适应直方图均衡增强过程中，给定的数字图像f(x，y)由L个离散灰度级{X₀，X₁，…，X_L-1}组成，其中X₀＝0表示黑级，X₀＝1表示白级；

f(x，y)的概率密度函数按如下等式计算：

$P\left(X_k\right)=\frac{n_k}{n},k=\mathrm{0,1,2},\&CenterDot;\&CenterDot;\&CenterDot;,L-1$

其中，n是数字图像f(x，y)中像素的总数，n_k是数字图像f(x，y)中灰度级为X_k的像素个数，L是数字图像f(x，y)中可能的灰度级总数；

其累积分布函数按如下等式计算：

$S\left(X_k\right)=\underset{j=0}{\overset{k}{\mathrm{\&Sigma;}}}P\left(X_j\right)$

根据累积分布函数，则对应输入数字图像f(x，y)分解后的各子带系数图像，可通过下述等式得到：

${\hat{W}}_{\mathrm{\&psi;}}^i(j,m,n)=S\left(W_{\mathrm{\&psi;}}^i(j,m,n)\right)X_{L-1}.$

6.按照权利要求1所述的基于小波重构与分解的数字图像增强方法，其特征是所述的重构过程对系数图像数据进行离散小波反变换，对变换过程输出的各系数图像进行内插值、滤波，然后再相加以得到增强和抑制噪声的输出图像f(x，y)。

7.按照权利要求6所述的基于小波重构与分解的数字图像增强方法，其特征是所述的离散小波反变换按照下列等式进行：

再使用转换函数对上述等式中的子带系数图像施加作用，使得 ${\hat{W}}_{\mathrm{\&psi;}}^i(j,m,n)=f_i\left(W_{\mathrm{\&psi;}}^i(j,m,n)\right);$ 其中，f_i是i级单调递增函数集，用于强调重要特征；小波系数

用于重构输出数字图像；

然后，在小波系数上实施门限操作，以实现重建后图像的降噪效果。

8.按照权利要求7所述的数字图像增强装置，其特征是所述的转换函数具有单调递增和反对称性。

9.一种基于小波重构与分解的数字图像增强装置，其采集和/或输出的数字图像由预定数目的灰度级或位深表示，其特征是：

所述的数字图像增强装置至少包括控制装置、采样装置、卷积装置、第一和第二存储装置、变换装置和输出装置，其采样装置、卷积装置、变换装置和输出装置依次连接，在卷积装置和变换装置之间设置第一存储装置，在变换装置和输出装置之间设置第二存储装置；

其采样装置用于对输入的图像信息进行采样，实现上采样和下采样作用，并输出采样过的图像信息；某一时刻实现上采样或下采样作用，取决于控制装置的指令类型及采样间隔度；

其卷积装置用于对输入的图像信息进行积分，实现低通或高通滤波作用，并输出滤波过的图像信息；某一时刻实现低通或高通滤波作用，取决于控制装置的指令类型；

其第一、第二存储装置用于存储输入、中间和输出数据，相关系列数据的存储位置、大小和顺序，由控制装置进行管理和调度；

其变换装置用于对确定的中间数据信息进行空间域变换作用，并输出变换过的数据信息；

其输出装置用于对变换装置输出的变换过的图像数据做加法处理，以输出相加后的输出图像数据；

其控制装置用于各装置的共享调度、指令分发和控制。

10.按照权利要求9所述的数字图像增强装置，其特征是所述的采样装置和卷积装置复合构成分解装置(U20)，接收输入的两维数字图像f(x，y)，并对f(x，y)进行小波分解，以输出一幅近似图像和三幅细节图像，并储存在第一存储单元中(U10)中；一旦分解过程完成，第一存储单元中储存的数据将被送到变换装置(U30)中；

变换装置(U30)接收第一存储单元的图像数据，以产生变换过的四组对应图像，由此增强近似子带图像对比度，抑制相应噪声信号，变换过的数据储存在第二存储单元(U11)中；一旦变换过程完成，第二存储单元中储存的数据将被送到重构装置(U40)中；

重构装置对第二存储单元的相应图像数据，进行反向小波变换，并输出最终的改善输出图像f′(x，y)至输出装置。

Images