CN101207697B - 一种融合多模糊算子的数字图像模糊增强方法 - Google Patents

Abstract

本发明公开了一种融合多模糊算子的数字图像模糊增强方法。该方法分如下四个步骤：步骤一、确定图像的亮暗等级分四个等级；步骤二、对于等级一和等级二的图像，采用线性渡越函数进行变换，等级三和等级四采用分段非线性渡越函数进行变换；步骤三、模糊域上对不同亮暗等级选择不同的模糊算子进行模糊图像增强：对于等级一的图像采用多项式增强算子进行模糊域增强；对于等级二的图像，采用对数型增强算子进行模糊域增强；对于等级三和等级四的图像，采用分段渡越型增强算子进行模糊域增强；步骤四、反变换回空域，得到模糊增强后的空域图像并输出。本发明无论对于曝光不足或曝光过度的图像，均能取得很好的视觉效果。

Description

一种融合多模糊算子的数字图像模糊增强方法

技术领域

本发明涉及一种芯片设计领域中的图像处理技术，尤其涉及一种融合多模糊算子的数字图像模糊增强方法，即用模糊集理论实现一种图像增强的方法，可用于处理黑白和彩色图像。

背景技术

目前，在芯片设计中图像处理的应用越来越广泛，比如：数码照相机、数码摄像机、手机、视频会议系统等等。而图像处理一般包括预处理、压缩和后处理几个部分。图像增强技术是图像预处理中一种常用的手段，其目的是按照特定的需要，针对给定的图像，有选择地突出或削弱图像中的某些信息，以提高人眼的视觉效果，或将图像转换成适合人眼的观察或机器的分析与处理。

由于彩色图像可能被噪声污染，如传感器振动、背景光分布不均、光照条件不足、图像采集过程中光圈设置不当或快门速度调节不当引起曝光不足或曝光过度等，上述不确定因素都会使图像质量下降。此时的图像已经不适合后续的分析与处理，因此对图像进行增强处理已经成为必要。图像增强是数字图像预处理中的一种重要手段，通过图像增强可以改善视觉效果，或易于机器分析。图像的模糊增强是利用图像中存在的某种不确定性，即模糊性，将模糊集理论用于图像增强的一种方法。传统的图像增强方法分为空域法和频域法。空域法如图像均衡、对比度拉伸等。传统的面 向具体问题的图像增强方法当图像亮度分布不均匀时(如图像中有大部分区域很白、小部分区域偏黑或大部分区域很黑，小部分区域很白的情况)会处理失效，具有很大局限性。由于图像被噪声污染的原因的不确定性，以及图像的某些模糊特性，难以用统计信息进行描述，而模糊数学的理论能够很好地解决这些不确定的、具有模糊性的问题。利用模糊集合的概念和逻辑推理方式处理图像因多灰度所造成的不确定性问题比用普通集合的思维更加合理。将模糊集理论用于图像增强领域，可以取得比传统图像增强方法更好的视觉效果。

1965年，美国加利福尼亚大学著名控制论专家L.A.Zadeh教授发表了论文“fuzzy sets”，文中明确提出了模糊性的问题，给出了模糊概率的定量描述方法，从而诞生了模糊数学。模糊数学的产生不仅拓宽了经典数学的数学基础，而且为数学更好地运用到具体模糊现象和模糊概念的各个领域作出了重要贡献。目前，模糊集理论已经广泛用于人工智能、模式识别等领域中，并取得了明显成效。1981年，S.K Pal等人提出了图像的模糊增强方法，将模糊理论引入到图像增强技术中。模糊性是指客观事物的差异在中间过渡时所呈现的“亦此亦彼”的不分明性，比如“高与低”，“冷与热”，“暗与亮”等。由于图像在成像过程中存在许多不确定性，即模糊性，针对图像的模糊性将模糊理论运用到图像处理，往往能够取得比传统图像增强方法更好的视觉效果。Pal模糊图像增强算法有以下基本步骤：(1)对原图像按一定变换公式进行模糊特征提取，得到图像的模糊特征平面；即：首先将一幅M×N维且具有L个灰度级(一般L取值为0～255)的图像X看作一个模糊点阵 $X=\underset{i=1}{\overset{M}{\∪}}\underset{j=1}{\overset{N}{\∪}}{p}_{\mathrm{ij}}/x_{\mathrm{ij}},$ p_ij/x_ij表示图像(i，j)个象素x_ij 具有的某种特征的程度，p_ij称为隶属函数。隶属函数可以是非线性指数型或倒数型函数，也可以为线性函数。简记为：p_ij＝T(x_ij)。T为从空域图像变换到模糊域的变换因子，T变换中包括指数型和倒数型因子，它们的取值将直接影响到模糊性的大小。(2)在模糊特征平面上，对模糊特征按一定的模糊增强算子进行增强处理，得到增强后的模糊增强平面；即：模糊增强算子定义为：p_ij′＝I_r(p_ij)＝I₁(I_r-1(p_ij))，r为迭代次数。传统的模糊增强算法中，模糊增强算子为：指数型因子、对数型因子、双曲函数型因子或多项式因子中的一种。(3)对新的模糊增强平面按照(1)的逆变换，得到相应的增强后的输出图像；即：对已增强的模糊特征p_ij′进行T^-1变换，得出已增强的空域图像X′，记为：X′＝T^-1(p_ij′)，T^-1为(1)中T的反变换，主要目的是将增强后的模糊域图像反变换回空域，以得到增强后的空域图像。

传统的模糊增强方法具有以下缺陷：(1)由于其选择的模糊隶属度函数的局限性，使得模糊增强后的图像丢失部分低灰度信息。(2)对图像的整个灰度区域进行增强，无法针对几个感兴趣的灰度级别进行处理。(3)传统的模糊增强对于不同的图像，只采用同一种模糊增强算子对数字图像进行增强，无法对各种亮暗级别的图像均取得较好的视觉效果。

发明内容

本发明要解决的技术问题是提供一种融合多模糊算子的数字图像模糊增强方法，能够根据不同图像的亮暗等级，选择不同的模糊算子进行图像模糊增强，充分利用不同算子对于不同图像处理的优势，以达到处理不同亮暗程度的图像，均能取得较好的视觉效果的目的。

为解决上述技术问题，本发明提出了一种融合多模糊算子的图像增强方法，对输入的一幅图像的处理步骤包括：步骤一、判断图像的整体亮暗程度并确定图像的整体亮暗级别；步骤二、根据步骤一确定的图像的整体亮暗级别，采用不同的隶属度函数变换到模糊域；其中：等级一和等级二采用线性隶属度函数进行变换，等级三和等级四采用分段非线性隶属度函数进行变换；步骤三、采用相应的模糊算子对图像进行增强操作，其中：等级一采用多项式增强算子进行模糊增强，等级二采用对数型增强算子进行模糊增强，等级三和等级四采用分段渡越型增强算子进行模糊增强；步骤四、将图像从模糊域反变换回空域，并输出增强后的图像，其中反变换采用的是步骤二中变换函数的反变换。上述步骤一判断整体亮暗级别，可以通过人眼观察所述图像后判断，也可以通过统计分析图像的亮度平均值的大小来判断，若亮度平均值较小，即为偏暗，若亮度平均值较大，即为偏亮；上述图像的整体亮暗级别分为四级，其中：等级一为非常暗，等级二为一般的暗，等级三为一般的亮，等级四为非常亮。其中：等级一～二级针对偏暗图像，等级三～四级针对偏亮图像。上述步骤二和步骤三是对0～255共256级灰度级，即数值0～255共256个数，做所述的操作以得到256级灰度的映射表，所述增强即将对应点象素值查映射表，以得到相应的映射输出值。

模糊增强处理过程如下：

对于整体亮暗级别确定为等级一的图像，采用如下步骤进行处理：步骤(a)、定义线性隶属度函数为：p_ij＝x_ij/L_max，将图像从空域映射到模糊域空间，其中：x_ij为图像中的第(i，j)个象素，L_max为图像的最大灰度等级，其取值为0～255；步骤(b)、选用多项式型增强算子，在模糊域空间进行模糊增强，即 

其中t₁，t₂，t₃，t₄为可调因子，使得多项式I₁(P_ij)为凸函数，即I₁(P_ij)需满足I₁(0)＝0，I₁(1)＝1，I₁(x)≥x；步骤(c)、将增强后的模糊域图像反变换回空域并输出，即x_ij′＝p_ij′×L_max；上述步骤(b)中增强算子最好为 

对于整体亮暗级别确定为等级二的图像，采用如下步骤进行处理：步骤(d)、定义线性隶属度函数为：p_ij＝x_ij/L_max，将图像从空域映射到模糊域，其中L_max为图像的最大灰度等级，其取值为0～255；步骤(e)、选用对数型增强算子，在模糊域空间进行模糊增强，即p_ij′＝log(1+k×p_ij)/log(1+k)，其中k为可调节因子且为正整数；步骤(f)、将增强后的模糊域图像反变换回空域，即x_ij′＝p_ij′×L_max；上述步骤(e)中可调节因子k可取整数值2。

对于整体亮暗级别确定为等级三或等级四的图像，采用如下步骤进行处理：步骤(g)、定义新的分段隶属度函数为： 

将图像从空域变换到模糊域空间，其中：L_max为图像的最大灰度等级，其取值范围为0～255，X_T为可调节阈值因子；步骤(h)、选用分段渡越增强算子，在模糊域空间进行模糊增强，即 

其中T为可调参数；步骤(i)、将增强后的模糊域图像反变换回空域并输出，即 

上述步骤(h)中可调参数T取 值范围为0.45～0.55。其中：对于较低对比度图像取小于0.5的值，对于较高对比度图像取大于0.5的值。并且：当图像的整体亮暗级别确定为等级三时，可调节阈值因子X_T取值范围为100～110；当图像的整体亮暗级别确定为等级四时，可调节阈值因子X_T取值范围为为130～140。上述发明方法可应用于黑白图像处理和彩色图像处理，对于彩色图像作模糊增强时，同时对其R、G、B三个色度通道独立进行增强操作。

本发明方法由于将图像增强算子在模糊域中进行增强，能够有效地克服成像中的不确定性，因而无论对于整体偏暗(曝光不足)或整体偏亮(曝光过度)的图像，均能取得良好的视觉效果，特别是当图像亮暗分布不均时，传统空域增强方法处理失效，而本发明的方法仍能取得很好的视觉效果。同时，本发明的方法对具体实现方式进行了优化，采用查找表的方式大大减少了计算量，使得本发明的方法非常适合硬件实现。

附图说明

图1是本发明方法的算法总体框图；

图2是本发明方法处理等级一(非常暗)的图像的流程图；

图3是本发明方法处理等级二(一般的暗)的图像的流程图；

图4是本发明方法处理等级三(一般的亮)和等级四(非常亮)的图像的流程图。

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的说明。

本发明的方法是对传统的模糊增强方法的一种改进和扩展，该方法将图像分为若干个亮暗级别(推荐分为4个级别)，对不同级别的图像选择 不同的增强算子进行模糊增强，充分利用了各算子的优势，以达到最佳的视觉效果。本发明的方法适用于黑白和彩色图像。黑白图像用一个亮度通道实现模糊增强操作，而彩色图像分R、G、B三个色度通道独立实现模糊增强操作。每个通道的具体实现分以下三个步骤：

步骤一：首先给出图像的整体亮暗级别，一般分四个等级(等级一～四级分别代表从暗到亮的等级，等级一为非常暗，等级二为一般的暗，等级三为一般的亮，等级四为非常亮)。其中：等级一～二级针对偏暗图像，等级三～四级针对偏亮图像。该步骤可以通过人眼观察待增强的图像后给出，也可以通过统计分析的方法(如通过计算图像的亮度平均值的大小，如果亮度均值较小，认为偏暗，亮度均值较大，认为偏亮)给出。

步骤二：根据图像不同的亮暗等级，采用以下四个不同的分支分别实现对等级一(非常暗)、等级二(一般暗)、等级三(一般亮)、等级四(非常亮)等四种不同类型图像的模糊增强方法。为了提高计算的效率，本发明的方法并不是对图像的每个象素点逐一作模糊增强，而是对图像直方图中256级灰度值(灰度级0～255)进行模糊增强，得到相应的映射表，最后对于图像的每个象素点查映射表得到相应的象素值即可。这样可以大大减少了计算量。上述四种具体的模糊增强方法如下。

分支1、对于亮度等级为一(非常暗)的图像，采用如下步骤进行处理：(处理流程图如图2所示)

(1)定义隶属度函数为：p_ij＝x_ij/L_max，L_max为图像的最大灰度等级(L_max取值范围为0～255)，通过该隶属函数，将图像从空域映射到模糊域空间。

(2)选用多项式型增强算子，在模糊域空间进行模糊增强，即  ${p_{\mathrm{ij}}}^{\′}=t_1{p}_{\mathrm{ij}}-t_2{p}_{\mathrm{ij}}^2+t_3{p}_{\mathrm{ij}}^3-t_4{p}_{\mathrm{ij}}^4,$ 其中t₁，t₂，t₃，t₄为可调因子，使得I₁(p_ij)为凸函数。即I₁(p_ij)需满足I₁(0)＝0，I₁(1)＝1，I₁(x)≥x。经过大量实验，我们选择

$I_1\left(p_{\mathrm{ij}}\right)={4p}_{\mathrm{ij}}-{6p}_{\mathrm{ij}}^2+{4p}_{\mathrm{ij}}^3-p_{\mathrm{ij}}^4.$

(3)将增强后的模糊域图像反变换回空域，x_ij′＝p_ij′×L_max。

分支2：对于亮度等级为二(一般暗)的图像，采用如下步骤进行处理(处理流程图如图3所示)：

(1)定义隶属度函数为：p_ij＝x_ij/L_max，L_max为图像的最大灰度等级(L_max取值范围为0～255)，通过该隶属函数，将图像从空域映射到模糊域。

(2)选用对数型增强算子，在模糊域空间进行模糊增强，即p_ij′＝log(1+k×p_ij)/log(1+k)，k为可调节因子，k为正整数，取值为2。

(3)将增强后的模糊域图像反变换回空域，x_ij′＝p_ij′×L_max。

分支3与分支4：对于亮度等级为等级三(一般亮)或等级四(非常亮)的图像，采用分段渡越函数进行模糊增强(处理流程图如附图4所示)。首先定义可调节阈值因子X_T。分支3与分支4采用如下相同的处理流程，唯一的区别就是X_T的取值不同。

(1)定义新的分段隶属度函数为： $p_{\mathrm{ij}}=\left\{\begin{array}{c}\frac{1}{2}{\left(\frac{x_{\mathrm{ij}}}{X_T}\right)}^2,x_{\mathrm{ij}}\≤X_T\\ 1-\frac{1}{2}{\left(\frac{L_{\max }-x_{\mathrm{ij}}}{L_{\max }-X_T}\right)}^2,x_{\mathrm{ij}}>X_T\end{array}\right.,$ 将图像从空域映射到模糊域空间，其中，X_T为可调节阈值因子，L_max为图像的最大灰度等级，取值范围为0～255。

(2)选用分段渡越增强算子，在模糊域空间进行模糊增强，即

${p_{\mathrm{ij}}}^{\′}=\left\{\begin{array}{c}4\×p_{\mathrm{ij}}^3,p_{\mathrm{ij}}\≤T\\ 1-4\×{(1-p_{\mathrm{ij}})}^3,p_{\mathrm{ij}}>T\end{array}\right.,$ 其中T为可调参数，通常T取值范围为0.45～0.55。其中：对于较低对比度图像取小于0.5的值，对于较高对比度图像取大于0.5的值。

(3)将增强后的模糊域图像反变换回空域，即 

L_max为图像的最大灰度等级，取值范围为0～255；其中：分支3针对亮度等级为3(一般亮)的图像，X_T取值为100～110，典型值：X_T＝110；分支4针对亮度等级为4(非常亮)的图像，X_T取值为130～140，典型值：X_T＝130

步骤三：输出增强后的图像。

实施例：

下面以输入一幅彩色图像(分R，G，B三个通道数据输入)为例，具体说明本发明的具体实施方式。

该实施例中分以下步骤进行图像的模糊增强：

步骤一：判定图像的整体亮暗级别。该步骤可以通过人眼观察待增强的图像后给出，也可以通过统计分析的方法(如通过计算图像的亮度平均值的大小，如果亮度均值较小，认为偏暗，亮度均值较大，认为偏亮)给出。将图像的亮暗程度分四个等级(等级一～四级分别代表从暗到亮的等级，等级一为非常暗，等级二为一般的暗，等级三为一般的亮，等级四为非常亮)，其中，等级一～二级二针对偏暗图像，等级三～四级四针对偏亮图像。假设输入的图像总体偏暗，细节信息都很难看清，根据上述的判定准则，我们得到图像的亮度级别为等级一(非常暗)。

步骤二：在得到了图像的亮度等级为1(非常暗)之后，进入分支1的处理流程。基本的处理分以下五个步骤进行：

(1)对于0到255共256级灰度等级，将其从空域映射至模糊域。分支1的隶属度函数为：p_ij＝x_ij/L_max。假设图像的最大灰度值为255，则灰度值为128的隶属度为： $p_{\mathrm{ij}}=\frac{128}{255},$ 其它灰度值的隶属度同理计算可得。则通过该映射我们将得到灰度值0～255映射后的256个数的隶属度，其取值为0～1.0。

(2)模糊域增强运算。分支1采用的模糊域增强算子为多项式型算子。其公式为： ${p_{\mathrm{ij}}}^{\′}=t_1{p}_{\mathrm{ij}}-t_2{p}_{\mathrm{ij}}^2+t_3{p}_{\mathrm{ij}}^3-t_4{p}_{\mathrm{ij}}^4,$ 其中t₁，t₂，t₃，t₄为可调因子，使得I₁(p_ij)为凸函数。假设试验中取： ${p_{\mathrm{ij}}}^{\′}={4p}_{\mathrm{ij}}-{6p}_{\mathrm{ij}}^2+{4p}_{\mathrm{ij}}^3-p_{\mathrm{ij}}^4,$ 则：

${p_{\mathrm{ij}}}^{\′}\left(0\right)=0,{p_{\mathrm{ij}}}^{\′}\left(1\right)=4\×\frac{1}{255}-6\×{\left(\frac{1}{255}\right)}^2+4\×{\left(\frac{1}{255}\right)}^3-{\left(\frac{1}{255}\right)}^4=0.0155942,$

${p_{\mathrm{ij}}}^{\′}\left(2\right)=4\×\frac{2}{255}-6\×{\left(\frac{2}{255}\right)}^2+4\×{\left(\frac{2}{255}\right)}^3-{\left(\frac{2}{255}\right)}^4=0.0310054,$

${p_{\mathrm{ij}}}^{\′}\left(128\right)=4\×\frac{128}{255}-6\×{\left(\frac{128}{255}\right)}^2+4\×{\left(\frac{128}{255}\right)}^3-{\left(\frac{128}{255}\right)}^4=0.938475;$

其他象素值的增强计算方法同理类推。

(3)将增强后的模糊域图像反变换回空域。其变换公式为：x_ij′＝p_ij′×L_max。如：

灰度值0变换回空域的象素值为：x_ij′＝p_ij′×L_max＝0×255＝0，灰度值1变换回空域的象素值为：x_ij′＝p_ij′×L_max＝0.0155942×255＝3，灰度值2变换回空域的象素值为：x_ij′＝p_ij′×L_max＝0.0310054×255＝7，灰度值128变换回空域的象素值为：x_ij′＝p_ij′×L_max＝0.938475×255＝239；其他象素值的反变换同理类推。至此，我们得到直方图0～255级灰度增强后的映射表如下：0映射为0，1映射为3，2映射为7…128映射为239…

(4)由于输入图像为彩色图像，分R，G，B三个通道，对于每个通道输入象素值，分别查(3)中得到的映射表，得到新的象素值，作为其输出点的象素值。

(5)输出增强后的图像。

若步骤一中判定图像亮度等级为等级二，等级三或等级四时，则按照各分支计算公式进行相应的增强计算，基本流程与上述流程类似，这里不再赘述。

实验表明，本发明的方法无论对于整体偏暗(曝光不足)或整体偏亮(曝光过度)的图像，均能取得良好的视觉效果。特别是本方法对图像亮度分布不均的情况(如图像中有大部分区域很白、小部分区域偏黑或大部分区域很黑，小部分区域很白)，能够取得比传统图像均衡、对比度拉伸等传统方法更好的图像视觉效果。同时，本发明的方法在具体实现方式上进行了优化，采用查找表的方式大大减少了计算量，使得本发明的方法非常适合硬件实现。

Claims (12)

1.一种融合多模糊算子的数字图像模糊增强方法，其特征在于，对输入的一幅数字图像的处理步骤包括：

步骤一、判断所述图像的整体亮暗并确定所述图像的整体亮暗级别，其中所述图像的整体亮暗级别为：等级一，即所述图像非常暗；等级二，即所述图像一般暗；等级三，即所述图像一般亮；等级四，即所述图像非常亮；等级一、二级针对偏暗图像，等级三、四级针对偏亮图像；

步骤二、根据步骤一确定的所述图像的整体亮暗级别，采用不同的隶属度函数变换到模糊域；其中：等级一和等级二采用线性隶属度函数进行变换，等级三和等级四采用分段非线性隶属度函数进行变换；

步骤三、采用相应的模糊算子在图像的模糊域上进行模糊增强操作，其中：等级一采用多项式增强算子进行模糊增强，等级二采用对数型增强算子进行模糊增强，等级三和等级四采用分段渡越型增强算子进行模糊增强；

步骤四、将图像从模糊域反变换回空域，并输出增强后的图像，其中反变换采用的是步骤二中变换函数的反变换。

2.根据权利要求1所述的融合多模糊算子的数字图像模糊增强方法，其特征在于，所述步骤二和步骤三是对0～255共256级灰度级，即数值0～255共256个数，做所述的操作以得到256级灰度的映射表，所述增强即将对应点象素值查映射表，以得到相应的映射输出值。

3.根据权利要求1所述的融合多模糊算子的数字图像模糊增强方法，其特征在于，所述步骤一判断整体亮暗级别，为通过人眼观察所述图像并 根据感兴趣区域的亮暗程度进行判断；或为通过统计方法得出图像的亮度平均值，若亮度平均值较小，即为偏暗，若亮度平均值较大，即为偏亮。

4.根据权利要求3所述的融合多模糊算子的数字图像模糊增强方法，其特征在于，对于所述整体亮暗级别确定为等级一的图像，采用如下步骤进行处理：

步骤(a)、定义线性隶属度函数为：p_ij＝x_ij/L_max，将所述图像从空域映射到模糊域空间，其中：x_ij为所述图像中的第(i，j)个象素，L_max为所述图像的最大灰度等级，取值范围为0～255；

步骤(b)、选用多项式型增强算子，在模糊域空间进行模糊增强，即 其中t₁，t₂，t₃，t₄为可调因子，使得多项式I₁(p_ij)为凸函数，即I₁(P_ij)需满足I₁(0)＝0，I₁(1)＝1，I₁(x)≥x；

步骤(c)、将增强后的模糊域图像反变换回空域并输出，即x_ij′＝p_ij′×L_max。

5.根据权利要求4所述的融合多模糊算子的数字图像模糊增强方法，其特征在于，所述步骤(b)中 

6.根据权利要求3所述的融合多模糊算子的数字图像模糊增强方法，其特征在于，对于所述整体亮暗级别确定为等级二的图像，采用如下步骤 进行处理：

步骤(d)、定义线性隶属度函数为：p_ij＝x_ij/L_max，将所述图像从空域映射到模糊域，其中：x_ij为所述图像中的第(i，j)个象素，L_max为所述图像的最大灰度等级，取值范围为0～255；

步骤(e)、选用对数型增强算子，在模糊域空间进行模糊增强，即p_ij′=log(1+k×p_ij)/log(1+k)，其中k为可调节因子，且k为正整数； 

步骤(f)、将增强后的模糊域图像反变换回空域并输出，即x_ij′＝p_ij′×L_max。

7.根据权利要求6所述的融合多模糊算子的数字图像模糊增强方法，其特征在于，所述步骤(e)中可调节因子k为整数，且取值为2。

8.根据权利要求3所述的融合多模糊算子的数字图像模糊增强方法，其特征在于，对于所述整体亮暗级别确定为等级三或等级四的图像，采用如下步骤进行处理：

步骤(g)、定义新的非线性分段隶属度函数为：

将所述图像从空域映射到模糊域空间，其中：

x_ij为所述图像中的第(i，j)个象素，L_max为所述图像的最大灰度等级，取值范围为0～255，X_T为可调节阈值因子；

步骤(h)、选用分段渡越增强算子，在模糊域空间进行模糊增强，即 

其中T为可调参数；

步骤(i)、将增强后的模糊域图像反变换回空域并输出，即 

9.根据权利要求8所述的融合多模糊算子的数字图像模糊增强方法，其特征在于，所述步骤(h)中可调参数T取值范围为0.45～0.55，其中：对于较低对比度图像取小于0.5的值，对于较高对比度图像取大于0.5的值。

10.根据权利要求9所述的融合多模糊算子的数字图像模糊增强方法， 其特征在于，当所述图像的整体亮暗级别确定为等级三时，可调节阈值因子X_T取值范围为100～110；当所述图像的整体亮暗级别确定为等级四时，可调节阈值因子X_T取值范围为130～140。

11.根据权利要求1-10中任一项所述的融合多模糊算子的数字图像模糊增强方法，其特征在于，应用于黑白图像处理，即对黑白图像的1个通道即亮度通道进行增强操作。

12.根据权利要求1-10中任一项所述的融合多模糊算子的数字图像模糊增强方法，其特征在于，应用于彩色图像处理，且应对彩色图像的R、G、B三个色度通道独立进行增强操作。 

Images