CN101706954B - 图像增强方法和装置以及图像低频分量计算方法和装置 - Google Patents

Abstract

本发明公开了一种图像增强方法和装置以及图像低频分量计算方法和装置。本发明在计算每个待滤波像素时，依据该待滤波像素与其空间邻域内各像素的位置和灰度值相关性，来计算空间邻域内各像素所分别对应的双边滤波算子，从而能够依据空间邻域内各像素的位置和灰度值自适应调节得到不同的双边滤波算子，此后，再依据当前待滤波像素的空间邻域内各像素的位置和灰度值，计算空间邻域内各像素所分别对应的双边滤波算子，即可使输入图像中待滤波像素得到的低频分量尽可能多地考虑了位置和灰度值均最接近的像素，并在一定程度上避免高频噪声的出现以及边缘信息的丢失，进而能够提高增强后的图像质量。

Description

图像增强方法和装置以及图像低频分量计算方法和装置

技术领域

本发明涉及图像增强技术，特别涉及可随空间邻域像素的位置和灰度值自适应增强的一种图像增强方法和一种图像增强装置、以及一种图像低频分量计算方法和一种图像低频分量的计算装置。

背景技术

图像增强技术可以分为点处理、空间域处理、变换域处理。现有技术中属于空间域处理分支的一种常用图像增强方法，其利用计算得到的图像低频分量求得图像高频分量，再将高频分量叠加至原图像中即可。

然而，现有图像增强方法在计算图像低频分量时仅基于空间位置关系进行平滑滤波，易导致高频分量中的边缘模糊、且噪声增多，从而使增强后的图像质量不高。

发明内容

有鉴于此，本发明提供了一种图像增强方法和一种图像增强装置、以及一种图像低频分量计算方法和一种图像低频分量的计算装置，能够提高增强后的图像质量。

本发明提供的一种图像增强方法，包括：

a、依次将输入图像中的每个像素作为待滤波像素、并通过对每一当前待滤波像素执行步骤a1～a2来计算输入图像中的低频分量：

a1、依据当前待滤波像素与其空间邻域内各像素的位置和灰度值相关性，计算空间邻域内各像素所分别对应的双边滤波算子；

a2、利用空间邻域内各像素所分别对应的双边滤波算子，对当前待滤波像素进行双边滤波、得到当前待滤波像素的低频分量；

b、将输入图像减去其低频分量得到高频分量；

c、计算高频分量与预设图像增强幅度系数的乘积，并将输入图像与所述乘积累加得到增强的输出图像。

所述步骤a1利用一权函数计算双边滤波算子，该权函数由用于计算位置相关性的高斯函数与灰度值相关度函数相乘得到。

所述步骤a1所利用的权函数为：

$w(x+i,y+j)=\exp \{-[\frac{{[x-(x+i)]}^2+{[y-(y+j)]}^2}{2{\mathrm{\σ}}_1^2}+\frac{{[f(x,y)-f(x+i,y+j)]}^2}{2{\mathrm{\σ}}_2^2}\left]\right\};$

其中，w(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素所对应的权值；(x，y)为待滤波像素的坐标位置，(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素坐标位置；f(x，y)为待滤波像素的灰度值，f(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值；σ₁为预设空间域归一化尺度因子，σ₂为预设灰度域归一化尺度因子；

所述步骤a2利用如下公式对当前待滤波像素进行双边滤波：

$f_l(x,y)=\frac{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}f(x+i,y+j)w(x+i,y+j)}{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}w(x+i,y+j)};$

其中，f_l(x，y)为待滤波像素点进行双边滤波后作为低频分量的灰度值，f(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值，H空间邻域的半高、W为空间邻域的半宽。

本发明提供的一种图像增强装置，包括：低频计算模块、高频计算模块、增强调节模块，其中

所述低频计算模块，依次将输入图像中的每个像素作为待滤波像素、并计算输入图像中的低频分量，且所述低频计算模块包括：

算子调节子模块，依据当前待滤波像素与其空间邻域内各像素的位置和灰度值相关性，计算空间邻域内各像素所分别对应的双边滤波算子；

双边滤波子模块，用于利用空间邻域内各像素所分别对应的双边滤波算子，对当前待滤波像素进行双边滤波、得到当前待滤波像素的低频分量；

所述高频计算模块，用于将输入图像减去其低频分量得到高频分量；

所述增强调节模块，用于计算高频分量与预设图像增强幅度系数的乘积，并将输入图像与所述乘积累加得到增强的输出图像。

算子调节子模块利用一权函数计算双边滤波算子，该权函数由用于计算位置相关性的高斯函数与灰度值相关度函数相乘得到。

算子调节子模块所利用的权函数为：

$w(x+i,y+j)=\exp \{-[\frac{{[x-(x+i)]}^2+{[y-(y+j)]}^2}{2{\mathrm{\σ}}_1^2}+\frac{{[f(x,y)-f(x+i,y+j)]}^2}{2{\mathrm{\σ}}_2^2}\left]\right\};$

其中，w(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素所对应的权值；(x，y)为待滤波像素的坐标位置，(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素坐标位置；f(x，y)为待滤波像素的灰度值，f(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值；σ₁为预设空间域归一化尺度因子，σ₂为预设灰度域归一化尺度因子；

双边滤波子模块按照如下公式所表示的操作过程对当前待滤波像素进行双边滤波：

$f_l(x,y)=\frac{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}f(x+i,y+j)w(x+i,y+j)}{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}w(x+i,y+j)};$

其中，f_l(x，y)为待滤波像素点进行双边滤波后作为低频分量的灰度值，f(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值，H空间邻域的半高、W为空间邻域的半宽。

本发明提供的一种图像低频分量计算方法，该方法依次将输入图像中的每个像素作为待滤波像素、并对当前待滤波像素执行如下步骤；

a1、依据当前待滤波像素与其空间邻域内各像素的位置和灰度值相关性，计算空间邻域内各像素所分别对应的双边滤波算子；

a2、利用空间邻域内各像素所分别对应的双边滤波算子，对当前待滤波像素进行双边滤波、得到当前待滤波像素的低频分量。

所述步骤a1利用一权函数计算双边滤波算子，该权函数由用于计算位置相关性的高斯函数与灰度值相关度函数相乘得到。

步骤a1所利用的权函数为：

$w(x+i,y+j)=\exp \{-[\frac{{[x-(x+i)]}^2+{[y-(y+j)]}^2}{2{\mathrm{\σ}}_1^2}+\frac{{[f(x,y)-f(x+i,y+j)]}^2}{2{\mathrm{\σ}}_2^2}\left]\right\};$

其中，w(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素所对应的权值；(x，y)为待滤波像素的坐标位置，(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素坐标位置；f(x，y)为待滤波像素的灰度值，f(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值；σ₁为预设空间域归一化尺度因子，σ₂为预设灰度域归一化尺度因子；

所述步骤a2利用如下公式对当前待滤波像素进行双边滤波：

$f_l(x,y)=\frac{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}f(x+i,y+j)w(x+i,y+j)}{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}w(x+i,y+j)};$

其中，f_l(x，y)为待滤波像素点进行双边滤波后作为低频分量的灰度值，f(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值，H空间邻域的半高、W为空间邻域的半宽。

本发明提供的一种图像低频分量的计算装置，该装置依次将输入图像中的每个像素作为待滤波像素、并包括：

算子调节模块，依据当前待滤波像素与其空间邻域内各像素的位置和灰度值相关性，计算空间邻域内各像素所分别对应的双边滤波算子；

双边滤波模块，用于利用空间邻域内各像素所分别对应的双边滤波算子，对当前待滤波像素进行双边滤波、得到当前待滤波像素的低频分量。

算子调节模块利用一权函数计算双边滤波算子，该权函数由用于计算位置相关性的高斯函数与灰度值相关度函数相乘得到。

算子调节模块所利用的权函数为：

$w(x+i,y+j)=\exp \{-[\frac{{[x-(x+i)]}^2+{[y-(y+j)]}^2}{2{\mathrm{\σ}}_1^2}+\frac{{[f(x,y)-f(x+i,y+j)]}^2}{2{\mathrm{\σ}}_2^2}\left]\right\};$

其中，w(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素所对应的权值；(x，y)为待滤波像素的坐标位置，(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素坐标位置；f(x，y)为待滤波像素的灰度值，f(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值；σ₁为预设空间域归一化尺度因子，σ₂为预设灰度域归一化尺度因子；

双边滤波模块按照如下公式所表示的操作过程对当前待滤波像素进行双边滤波：

$f_l(x,y)=\frac{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}f(x+i,y+j)w(x+i,y+j)}{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}w(x+i,y+j)};$

其中，f_l(x，y)为待滤波像素点进行双边滤波后作为低频分量的灰度值，f(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值，H空间邻域的半高、W为空间邻域的半宽。

由上述技术方案可见，本发明在计算每个待滤波像素时，依据该待滤波像素与其空间邻域内各像素的位置和灰度值相关性，来计算空间邻域内各像素所分别对应的双边滤波算子，从而能够依据空间邻域内各像素的位置和灰度值自适应调节得到不同的双边滤波算子，此后，再依据当前待滤波像素的空间邻域内各像素的位置和灰度值，计算空间邻域内各像素所分别对应的双边滤波算子，即可使输入图像中待滤波像素得到的低频分量尽可能多地考虑了位置和灰度值均最接近的像素，并在一定程度上避免高频噪声的出现以及边缘信息的丢失，从而在利用非锐化掩模算法实现的图像增强方法时，能够在一定程度上避免高频分量的边缘模糊、并减少噪声，进而能够提高增强后的图像质量。

而且，本发明实现简单，可用于例如视频序列处理等实时条件下的自适应图像增强，效率高、稳定性好，且硬件代价小、并可以嵌入芯片中。

附图说明

图1为本发明实施例中图像增强方法的示例性流程示意图；

图2为本发明实施例图像增强方法中计算图像低频分量的流程示意图；

图3为本实施例所使用的滤波窗口示意图；

图4为本发明实施例图像增强装置中计算图像低频分量的模块结构示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。

图1为本发明实施例中图像增强方法的示例性流程示意图。如图1所示，本实施例中的图像增强方法包括如下步骤：

步骤101，计算输入图像中的低频分量；

步骤102，将输入图像减去其低频分量得到高频分量；

步骤103，计算高频分量与预设图像增强幅度系数的乘积，并将输入图像与所述乘积累加得到增强的输出图像。

至此，本流程结束。

上述过程可表示为f′(x，y)＝f(x，y)+λ[f(x，y)-f_l(x，y)]＝f(x，y)+λf_h(x，y)。

其中，f′(x，y)表示输出图像中(x，y)分别取不同值的各像素增强后的灰度值，f(x，y)表示输入图像中(x，y)分别取不同值的各像素的灰度值，f_l(x，y)表示输入图像中(x，y)分别取不同值的各像素的灰度值低频分量，f_h(x，y)表示输入图像中(x，y)分别取不同值的各像素的灰度值高频分量，λ为预设的图像增强幅度系数。

如果上述步骤101按照现有方式，通过高斯滤波来计算每个像素的低频分量、以得到图像低频分量，则虽然能够使图像在傅立叶空间中某个范围内的分量受到抑制、并确保其他分量不受影响，进而达到平滑的目的，但是，由于传统的高斯滤波是一种单纯基于空间的平滑滤波，即对于每个像素的灰度值进行平滑时，而无论空间邻域是否包含灰度值变化丰富的细节区域和边缘区域、以及灰度变化极小的平坦区域，对于邻域内每个像素均使用相同的滤波算子，因而容易使输入图像低频分量丢失了高频分量的边缘信息、并增加了高频噪声，从而使用于体现图像增强部分的高频分量边缘模糊、且噪声增多。

例如，假设待滤波像素的灰度值为20，其空间邻域内左侧表示边缘区域或细节区域前景部分的像素灰度值为22、右侧表示边缘区域或细节区域背景部分的像素灰度值为200，即该待滤波像素为属于左侧前景部分的边缘像素，但由于无论是灰度值为22的前景部分像素还是灰度值为200的像素均使用相同的滤波算子，因而待滤波像素经平滑滤波后的低频分量灰度值会介于20与200之间、例如100，即远离前景部分像素灰度值22，因而使输入图像在该空间邻域左侧部分的低频分量丢失了高频分量的边缘信息，从而利用输入图像减去低频分量所得到的高频分量中，该像素的灰度值也会接近背景部分的像素灰度值、而远离前景部分像素灰度值，从而在利用高频分量增强后的图像中，由于该像素点的增强程度与背景部分的像素相近、并远区别于前景部分的像素点，因而使得本意增强的前景部分边缘模糊。

再例如，假设待滤波像素的灰度值为20，其空间邻域内多为表示平坦区域的灰度值为10的像素、该空间邻域内还存在少量灰度值为255的噪声点像素，但由于无论是灰度值为10的平坦区域像素还是灰度值为255的噪声点像素均使用相同的滤波算子，因而由于噪声点像素的灰度值过大，易导致待滤波像素滤波后的低频分量灰度值会更为接近255的值、而不是接近与其最近的像素灰度值10，从而使待滤波像素的低频分量变为高频噪声点，进而会使得该像素在增强后的图像中也会体现为噪声点。

由此，本发明实施例中，在步骤101采用常用于图像去噪处理的双边滤波来计算输入图像中每个待滤波像素的低频分量，而且，还对传统双边滤波算子进行优化，以保证双边滤波时能够考虑到待滤波像素与其空间邻域内各像素的位置和灰度值相关性，而不是像现有方式那样仅考虑位置相关性。

图2为本发明实施例图像增强方法中计算图像低频分量的方法流程示意图。如图2所示，本实施例中如图1所示的图像增强方法在步骤101计算输入图像的低频分量时，依次将输入图像中的每个像素作为待滤波像素、并对当前待滤波像素执行如下步骤：

步骤201，依据当前待滤波像素与其空间邻域内各像素的位置和灰度值相关性，计算空间邻域内各像素所分别对应的双边滤波算子；

步骤202，利用空间邻域内各像素所分别对应的双边滤波算子，对当前待滤波像素进行双边滤波、得到当前待滤波像素的低频分量。

至此，上述流程针对一个待滤波像素的循环结束。

在上述步骤201中，可以利用一权函数计算双边滤波算子，该权函数由用于计算位置相关性的高斯函数与灰度值相关度函数相乘得到。用于计算位置相关性的高斯函数、以及灰度值相关度函数可以有多种表达方式，以下，仅以一种方式举例说明：

上述权函数可以表示为：

$w(x+i,y+j)=\exp \{-[\frac{{[x-(x+i)]}^2+{[y-(y+j)]}^2}{2{\mathrm{\σ}}_1^2}+\frac{{[f(x,y)-f(x+i,y+j)]}^2}{2{\mathrm{\σ}}_2^2}\left]\right\};$

其中，w(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素所对应的权值；(x，y)为待滤波像素的坐标位置、x表示行坐标、y表示列坐标，(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素坐标位置；f(x，y)为待滤波像素的灰度值，f(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值；σ₁为预设空间域归一化尺度因子，σ₂为预设灰度域归一化尺度因子；

由上述权函数可见，距离待滤波像素越近的像素，滤波时的贡献就越大，其位置相关性就越好；灰度值与待滤波像素越接近的像素，进行滤波时的贡献就越大，像素间就越平滑，灰度值相关性就越好。

相应地，对于上述权函数，步骤202即可利用如下公式对当前待滤波像素进行双边滤波：

$f_l(x,y)=\frac{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}f(x+i,y+j)w(x+i,y+j)}{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}w(x+i,y+j)};$

其中，f_l(x，y)为待滤波像素点进行双边滤波后作为低频分量的灰度值，f(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值，且，如图3所示，H空间邻域的半高、W为空间邻域的半宽，即2H+1为空间邻域的高、2W+1为空间邻域的宽，较佳地，2H+1可以与2W+1相等，且σ₁和σ₂均可与2H+1和2W+1相等。

如此一来，本实施例中的图像增强方法由于在计算每个待滤波像素时，依据该待滤波像素与其空间邻域内各像素的位置和灰度值相关性，来计算空间邻域内各像素所分别对应的双边滤波算子，因而能够依据空间邻域内各像素的位置和灰度值自适应调节得到不同的双边滤波算子，而不是像现有技术那样为空间邻域内各像素设置相同的滤波算子；此后，再依据当前待滤波像素的空间邻域内各像素的位置和灰度值，计算空间邻域内各像素所分别对应的双边滤波算子，即可使输入图像中待滤波像素得到的低频分量尽可能多地考虑了位置和灰度值均最接近的像素，并在一定程度上避免高频噪声的出现以及边缘信息的丢失，从而在利用非锐化掩模算法实现的图像增强方法时，能够在一定程度上避免高频分量的边缘模糊、并减少噪声，进而能够提高增强后的图像质量。

例如，假设待滤波像素的灰度值为20，其空间邻域内左侧表示边缘区域或细节区域前景部分的像素灰度值为22、右侧表示边缘区域或细节区域背景部分的像素灰度值为200，即该待滤波像素为属于左侧前景部分的边缘像素，此时，即便表示背景部分的灰度值为200的像素、以及表示前景部分的灰度值为22的像素，均距离待滤波像素最近，但由于表示前景部分的像素灰度值为22与待滤波像素的灰度值20更为接近，因而表示前景部分的像素的双边滤波算子的取值就大于表示背景部分的像素，从而对待滤波像素进行双边滤波得到的低频分量中，表示前景部分的像素所做的贡献也就最大，使待滤波像素经平滑滤波后的低频分量灰度值会接近前景部分像素的灰度值22，如此一来，输入图像在该空间邻域左侧部分的低频分量就保留住了高频分量的边缘信息，从而利用输入图像减去低频分量所得到的高频分量中，该像素的灰度值也会接近前景部分的其余像素灰度值、而远离背景部分像素的灰度值，进而在利用高频分量增强后的图像中，由于该像素点的增强程度与前景部分其余像素相近、并远区别于背景部分的像素，因而确保本意增强的前景部分边缘较为清晰。

再例如，假设待滤波像素的灰度值为20，其空间邻域内多为表示平坦区域的灰度值为10的像素、该空间邻域内还存在少量灰度值为255的噪声点像素，此时，即便噪声点像素的灰度值255很大、易对待滤波像素的灰度值产生很大影响，但正是由于噪声点像素的灰度值255与待滤波像素的灰度值20相距甚远，因而无论噪声点像素与待滤波像素的空间位置如何，噪声点像素所对应的双边滤波算子的值都不会很大，从而对待滤波像素进行双边滤波得到的低频分量中，噪声点像素所做的贡献也就很小、而平坦区域中其余像素的贡献相对就比较大，使待滤波像素经平滑滤波后的低频分量灰度值会接近平坦区域其他像素的灰度值10，如此一来，就避免了待滤波像素滤波后的低频分量灰度值接近噪声点像素的灰度值255，从而避免该待滤波像素的低频分量变为高频噪声点，进而避免该像素在增强后的图像中也会体现为噪声点。

图4为本发明实施例图像增强装置中计算图像低频分量的模块结构示意图。如图4所示，本实施例中的图像增强装置包括：

低频计算模块，用于计算输入图像中的低频分量；

高频计算模块，用于将输入图像减去其低频分量得到高频分量；

增强调节模块，用于计算高频分量与预设图像增强幅度系数的乘积，并将输入图像与所述乘积累加得到增强的输出图像；

其中，低频计算模块依次将输入图像中的每个像素作为待滤波像素、并包括：

算子调节子模块，依据当前待滤波像素与其空间邻域内各像素的位置和灰度值相关性，计算空间邻域内各像素所分别对应的双边滤波算子；

双边滤波子模块，用于利用空间邻域内各像素所分别对应的双边滤波算子，对当前待滤波像素进行双边滤波、得到当前待滤波像素的低频分量。

实际应用中，算子调节子模块可以利用一权函数计算双边滤波算子，该权函数由用于计算位置相关性的高斯函数与灰度值相关度函数相乘得到。用于计算位置相关性的高斯函数、以及灰度值相关度函数可以有多种表达方式，以下，仅以一种方式举例说明：

算子调节子模块所利用的权函数为：

$w(x+i,y+j)=\exp \{-[\frac{{[x-(x+i)]}^2+{[y-(y+j)]}^2}{2{\mathrm{\σ}}_1^2}+\frac{{[f(x,y)-f(x+i,y+j)]}^2}{2{\mathrm{\σ}}_2^2}\left]\right\};$

其中，w(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素所对应的权值；(x，y)为待滤波像素的坐标位置，(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素坐标位置；f(x，y)为待滤波像素的灰度值、x表示行坐标、y表示列坐标，f(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值；σ₁为预设空间域归一化尺度因子，σ₂为预设灰度域归一化尺度因子；

由上述权函数可见，距离待滤波像素越近的像素，滤波时的贡献就越大，其位置相关性就越好；灰度值与待滤波像素越接近的像素，进行滤波时的贡献就越大，像素间就越平滑，灰度值相关性就越好。

相应地，双边滤波子模块即可按照如下公式所表示的操作过程对当前待滤波像素进行双边滤波：

$f_l(x,y)=\frac{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}f(x+i,y+j)w(x+i,y+j)}{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}w(x+i,y+j)};$

其中，f_l(x，y)为待滤波像素点进行双边滤波后作为低频分量的灰度值，f(x+i，y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值，H空间邻域的半高、W为空间邻域的半宽，即2H+1为空间邻域的高、2W+1为空间邻域的宽，较佳地，2H+1可以与2W+1相等，且σ₁和σ₂均可与2H+1和2W+1相等。

此外，上述低频计算模块也可以作为一个计算低频分量的独立装置。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种图像增强方法，其特征在于，该方法包括如下步骤：

a、依次将输入图像中的每个像素作为待滤波像素、并通过对每一当前待滤波像素执行步骤a1～a2来计算输入图像中的低频分量：

a1、依据当前待滤波像素与其空间邻域内各像素的位置和灰度值相关性，计算空间邻域内各像素所分别对应的双边滤波算子；

a2、利用空间邻域内各像素所分别对应的双边滤波算子，对当前待滤波像素进行双边滤波、得到当前待滤波像素的低频分量；

b、将输入图像减去其低频分量得到高频分量；

c、计算高频分量与预设图像增强幅度系数的乘积，并将输入图像与所述乘积累加得到增强的输出图像；所述步骤a1利用一权函数计算双边滤波算子，该权函数由用于计算位置相关性的高斯函数与灰度值相关度函数相乘得到；

所述步骤a1所利用的权函数为：

$w(x+i,y+j)=\exp \{-[\frac{{[x-(x+i)]}^2+{[y-(y+j)]}^2}{{2\mathrm{\σ}}_1^2}+\frac{{[f(x,y)-f(x+i,y+j)]}^2}{{2\mathrm{\σ}}_2^2}\left]\right\};$

其中，w(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素所对应的权值；(x,y)为待滤波像素的坐标位置，(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素坐标位置；f(x,y)为待滤波像素的灰度值，f(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值；σ₁为预设空间域归一化尺度因子，σ₂为预设灰度域归一化尺度因子；

所述步骤a2利用如下公式对当前待滤波像素进行双边滤波：

$f_l(x,y)=\frac{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}f(x+i,y+j)w(x+i,y+j)}{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}w(x+i,y+j)};$

其中，f_l(x,y)为待滤波像素点进行双边滤波后作为低频分量的灰度值，f(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值，H为空间邻域的半高、W为空间邻域的半宽。

2.一种图像增强装置，其特征在于，包括：低频计算模块、高频计算模块、增强调节模块，其中

所述低频计算模块，依次将输入图像中的每个像素作为待滤波像素、并计算输入图像中的低频分量，且所述低频计算模块包括：

算子调节子模块，依据当前待滤波像素与其空间邻域内各像素的位置和灰度值相关性，计算空间邻域内各像素所分别对应的双边滤波算子；

双边滤波子模块，用于利用空间邻域内各像素所分别对应的双边滤波算子，对当前待滤波像素进行双边滤波、得到当前待滤波像素的低频分量；

所述高频计算模块，用于将输入图像减去其低频分量得到高频分量；

所述增强调节模块，用于计算高频分量与预设图像增强幅度系数的乘积，并将输入图像与所述乘积累加得到增强的输出图像；

算子调节子模块利用一权函数计算双边滤波算子，该权函数由用于计算位置相关性的高斯函数与灰度值相关度函数相乘得到；

算子调节子模块所利用的权函数为：

$w(x+i,y+j)=\exp \{-[\frac{{[x-(x+i)]}^2+{[y-(y+j)]}^2}{{2\mathrm{\σ}}_1^2}+\frac{{[f(x,y)-f(x+i,y+j)]}^2}{{2\mathrm{\σ}}_2^2}\left]\right\};$

其中，w(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素所对应的权值；(x,y)为待滤波像素的坐标位置，(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素坐标位置；f(x,y)为待滤波像素的灰度值，f(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值；σ₁为预设空间域归一化尺度因子，σ₂为预设灰度域归一化尺度因子；

双边滤波子模块按照如下公式所表示的操作过程对当前待滤波像素进行双边滤波：

$f_l(x,y)=\frac{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}f(x+i,y+j)w(x+i,y+j)}{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}w(x+i,y+j)};$

其中，f_l(x,y)为待滤波像素点进行双边滤波后作为低频分量的灰度值，f(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值，H为空间邻域的半高、W为空间邻域的半宽。

3.一种图像低频分量计算方法，其特征在于，该方法依次将输入图像中的每个像素作为待滤波像素、并对当前待滤波像素执行如下步骤；

a1、依据当前待滤波像素与其空间邻域内各像素的位置和灰度值相关性，计算空间邻域内各像素所分别对应的双边滤波算子；

a2、利用空间邻域内各像素所分别对应的双边滤波算子，对当前待滤波像素进行双边滤波、得到当前待滤波像素的低频分量；所述步骤a1利用一权函数计算双边滤波算子，该权函数由用于计算位置相关性的高斯函数与灰度值相关度函数相乘得到；

步骤a1所利用的权函数为：

$w(x+i,y+j)=\exp \{-[\frac{{[x-(x+i)]}^2+{[y-(y+j)]}^2}{{2\mathrm{\σ}}_1^2}+\frac{{[f(x,y)-f(x+i,y+j)]}^2}{{2\mathrm{\σ}}_2^2}\left]\right\};$

其中，w(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素所对应的权值；(x,y)为待滤波像素的坐标位置，(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素坐标位置；f(x,y)为待滤波像素的灰度值，f(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值；σ₁为预设空间域归一化尺度因子，σ₂为预设灰度域归一化尺度因子；

所述步骤a2利用如下公式对当前待滤波像素进行双边滤波：

$f_l(x,y)=\frac{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}f(x+i,y+j)w(x+i,y+j)}{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}w(x+i,y+j)};$

其中，f_l(x,y)为待滤波像素点进行双边滤波后作为低频分量的灰度值，f(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值，H为空间邻域的半高、W为空间邻域的半宽。

4.一种图像低频分量计算装置，其特征在于，该装置依次将输入图像中的每个像素作为待滤波像素、并包括：

算子调节模块，依据当前待滤波像素与其空间邻域内各像素的位置和灰度值相关性，计算空间邻域内各像素所分别对应的双边滤波算子；

双边滤波模块，用于利用空间邻域内各像素所分别对应的双边滤波算子，对当前待滤波像素进行双边滤波、得到当前待滤波像素的低频分量；

算子调节模块利用一权函数计算双边滤波算子，该权函数由用于计算位置相关性的高斯函数与灰度值相关度函数相乘得到；

算子调节模块所利用的权函数为：

$w(x+i,y+j)=\exp \{-[\frac{{[x-(x+i)]}^2+{[y-(y+j)]}^2}{{2\mathrm{\σ}}_1^2}+\frac{{[f(x,y)-f(x+i,y+j)]}^2}{{2\mathrm{\σ}}_2^2}\left]\right\};$

其中，w(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素所对应的权值；(x,y)为待滤波像素的坐标位置，(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素坐标位置；f(x,y)为待滤波像素的灰度值，f(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值；σ₁为预设空间域归一化尺度因子，σ₂为预设灰度域归一化尺度因子；

双边滤波模块按照如下公式所表示的操作过程对当前待滤波像素进行双边滤波：

$f_l(x,y)=\frac{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}f(x+i,y+j)w(x+i,y+j)}{\underset{i=-H}{\overset{H}{\mathrm{\Σ}}}\underset{j=-W}{\overset{W}{\mathrm{\Σ}}}w(x+i,y+j)};$

其中，f_l(x,y)为待滤波像素点进行双边滤波后作为低频分量的灰度值，f(x+i,y+j)为待滤波像素空间邻域内在水平和竖直方向分别偏移i和j的像素灰度值，H为空间邻域的半高、W为空间邻域的半宽。