CN101719269A - 一种图像增强处理方法及装置 - Google Patents

Abstract

本发明公开了一种图像增强处理方法及装置。所述图像增强方法包括：以图像中的一像素点为中心像素点构建结构化像素；计算所述结构化像素差异度；根据所述结构化像素差异度和锐化参数确定加权值；根据所述加权值和所述结构化像素中各像素点的像素值，对所述中心像素点进行图像锐化处理，得到所述中心像素点加权修正后的像素值。本发明所述技术方案利用结构化像素来减小噪声干扰，同时利用像素间的差异值不同贡献价值不同，在进行图像增强运算时每个差异值采用不同的权值，合理的对图像边缘进行增强处理。

Description

一种图像增强处理方法及装置

技术领域

本发明主要涉及图像处理领域，特别是指一种图像增强处理方法及装置。

背景技术

一般的图像采集系统都要对获得的图像进行图像增强处理。图像锐化是其中一项重要的技术，图像锐化主要是对图像边缘进行增强处理，以得到更佳的视觉效果。

现有的图像锐化技术，有线性处理和非线性处理，线性处理通常是用中心点和四周差异和平均作为对中心点的修正项进行增强；非线性处理是根据中心点与四周差异和作为非线性函数的输入值得到修正项。

发明人在实现本发明的过程中发现，现有技术中至少存在以下缺陷：现有技术进行差异判断的时候没有考虑每个像素间的差异，只是简单的将这种差异叠加到像素值上，这样的处理没有考虑图像细节的方向性，会对一些不该增强的地方进行增强，同时每个像素之间的差异贡献也应该是不一致的，差异大的贡献值大，差异值小的贡献值应该小，这样才符合一般方向性增强的思路，还有由于噪声的干扰，像素间的差异判断单独用点像素去衡量也非常不稳定，会随着噪声的干扰而使得增强效果不佳，因此，迫切需要一种新的图像增强方案。

发明内容

本发明的目的主要是克服现有图像锐化方法中没有考虑差异度不同像素的贡献价值，以及点像素容易受噪声干扰等不足，利用结构化像素来减小噪声干扰，同时用像素间的差异值不同贡献价值不同的思路对图像进行更加合理的处理。

本发明的技术方案是这样实现的：

一种图像增强处理方法，包括：

以图像中的一像素点为中心像素点构建结构化像素；

计算所述结构化像素差异度；

根据所述结构化像素差异度和锐化参数确定加权值；

根据所述加权值和所述结构化像素中各像素点的像素值，对所述中心像素点进行图像锐化处理，得到所述中心像素点加权修正后的像素值。

优选的，所述结构化像素为不低于3*3的像素点方阵。

优选的，所述结构化像素为5*5的像素点方阵，根据以下公式构建结构化像素：

str_pixel_i＝

{pixel_i(x-2，y-2)，pixel_i(x-2，y-1)，pixel_i(x-2，y)，pixel_i(x-2，y+1)，pixel_i(x-2，y+2)，

pixel_i(x-1，y-2)，pixel_i(x-1，y-1)，pixel_i(x-1，y)，pixel_i(x-1，y+1)，pixel_i(x-1，y+2)，

pixel_i(x，y-2)，pixel_i(x，y-1)，pixel_i(x，y)，pixel_i(x，y+1)，pixel_i(x，y+2)，

pixel_i(x+1，y-2)，pixel_i(x+1，y-1)，pixel_i(x+1，y)，pixel_i(x+1，y+1)，pixel_i(x+1，y+2)，

pixel_i(x+2，y-2)，pixel_i(x+2，y-1)，pixel_i(x+2，y)，pixel_i(x+2，y+1)，pixel_i(x+2，y+2)}；

其中，所述str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素。

优选的，计算所述结构化像素差异度包括：

根据所述结构化像素确定邻域结构化像素；

根据所述结构化像素和所述邻域结构化像素计算所述结构化像素差异度。

优选的，根据以下公式计算所述结构化像素差异度：

$\mathrm{Diff}(\mathrm{str}\_\mathrm{pixel}\_i,\mathrm{str}\_\mathrm{pixel}\_j)=\frac{\sqrt{\left[{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y{(\mathrm{pixel}\_i(x,y))}^2{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y{(\mathrm{pixel}\_j(x,y))}^2\right]}}{{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y[\mathrm{pixel}\_i(x,y)][\mathrm{pixel}\_j(x,y)]};$

其中，str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素，str_pixel_j表示以pixel_j(x，y)为中心像素点的结构化像素，Diff(str_pixel_i，str_pixel_j)表示结构化像素str_pixel_i和str_pixel_j的差异度。

优选的，根据以下加权函数公式确定加权值：

$w(i,j)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \left(\frac{\mathrm{Diff}{(\mathrm{str}\_\mathrm{pixel}\_i-\mathrm{str}\_\mathrm{pixel}\_j)}^2}{{\mathrm{\σ}}^2}\right);$

其中，所述σ为锐化参数，str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素，str_pixel_j表示以pixel_j(x，y)为中心像素点的结构化像素，w()表示加权函数公式。

优选的，根据以下公式进行图像锐化处理：

$\mathrm{En}\_v\left(i\right)=v\left(i\right)+\frac{\underset{j\∈I}{\mathrm{\Σ}}w(i,j)(v\left(j\right)-v\left(i\right))}{\underset{j\∈I}{\mathrm{\Σ}}w(i,j)};$

其中，En_v表示进行图像锐化后的图像，v表示进行图像锐化前的图像，I表示和i像素相关的像素集，w(i，j)表示像素(i，j)加权值。

一种图像增强处理装置，包括：

构建单元，用于以图像中的一像素点为中心像素点构建结构化像素；

第一计算单元，用于计算所述结构化像素差异度；

第二计算单元，用于根据所述结构化像素差异度和锐化参数确定加权值；

处理单元，用于根据所述加权值和所述结构化像素中各像素点的像素值，对所述中心像素点进行图像锐化处理，得到所述中心像素点加权修正后的像素值。

优选的，所述结构化像素为5*5的像素点方阵，所述构建单元根据以下公式构建结构化像素：

str_pixel_i＝

{pixel_i(x-2，y-2)，pixel_i(x-2，y-1)，pixel_i(x-2，y)，pixel_i(x-2，y+1)，pixel_i(x-2，y+2)，

pixel_i(x-1，y-2)，pixel_i(x-1，y-1)，pixel_i(x-1，y)，pixel_i(x-1，y+1)，pixel_i(x-1，y+2)，

pixel_i(x，y-2)，pixel_i(x，y-1)，pixel_i(x，y)，pixel_i(x，y+1)，pixel_i(x，y+2)，

pixel_i(x+1，y-2)，pixel_i(x+1，y-1)，pixel_i(x+1，y)，pixel_i(x+1，y+1)，pixel_i(x+1，y+2)，

pixel_i(x+2，y-2)，pixel_i(x+2，y-1)，pixel_i(x+2，y)，pixel_i(x+2，y+1)，pixel_i(x+2，y+2)}；

其中，所述str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素。

优选的，所述第一计算单元根据以下公式计算所述结构化像素差异度：

$\mathrm{Diff}(\mathrm{str}\_\mathrm{pixel}\_i,\mathrm{str}\_\mathrm{pixel}\_j)=\frac{\sqrt{\left[{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y{(\mathrm{pixel}\_i(x,y))}^2{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y{(\mathrm{pixel}\_j(x,y))}^2\right]}}{{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y[\mathrm{pixel}\_i(x,y)][\mathrm{pixel}\_j(x,y)]};$

其中，str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素，str_pixel_j表示以pixel_j(x，y)为中心像素点的结构化像素，Diff(str_pixel_i，str_pixel_j)表示结构化像素str_pixel_i和str_pixel_j的差异度。

优选的，所述第二计算单元根据以下加权函数公式确定加权值：

$w(i,j)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \left(\frac{\mathrm{Diff}{(\mathrm{str}\_\mathrm{pixel}\_i-\mathrm{str}\_\mathrm{pixel}\_j)}^2}{{\mathrm{\σ}}^2}\right);$

其中，所述σ为锐化参数，str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素，str_pixel_j表示以pixel_j(x，y)为中心像素点的结构化像素，w()表示加权函数公式。

优选的，所述处理单元根据以下公式进行图像锐化处理：

$\mathrm{En}\_v\left(i\right)=v\left(i\right)+\frac{\underset{j\∈I}{\mathrm{\Σ}}w(i,j)(v\left(j\right)-v\left(i\right))}{\underset{j\∈I}{\mathrm{\Σ}}w(i,j)};$

其中，En_v表示进行图像锐化后的图像，v表示进行图像锐化前的图像，I表示和i像素相关的像素集，w(i，j)表示像素(i，j)加权值。

本发明所述技术方案利用结构化像素来减小噪声干扰，同时利用像素间的差异值不同贡献价值不同，在进行图像增强运算时每个差异值采用不同的权值，合理的对图像边缘进行增强处理。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明结构化像素的示意图；

图2为本发明一种图像增强处理方法优选实施例的流程示意图；

图3为本发明一种图像增强处理装置优选实施例的组成结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1，示出了本发明结构化像素的示意图。在图1中，采用5*5米字型为例说明结构化像素，一共25个像素点组成一个结构化像素，即：

str_pixel_i＝

{pixel_i(x-2，y-2)，pixel_i(x-2，y-1)，pixel_i(x-2，y)，pixel_i(x-2，y+1)，pixel_i(x-2，y+2)，

pixel_i(x-1，y-2)，pixel_i(x-1，y-1)，pixel_i(x-1，y)，pixel_i(x-1，y+1)，pixel_i(x-1，y+2)，(1)

pixel_i(x，y-2)，pixel_i(x，y-1)，pixel_i(x，y)，pixel_i(x，y+1)，pixel_i(x，y+2)，

pixel_i(x+1，y-2)，pixel_i(x+1，y-1)，pixel_i(x+1，y)，pixel_i(x+1，y+1)，pixel_i(x+1，y+2)，

pixel_i(x+2，y-2)，pixel_i(x+2，y-1)，pixel_i(x+2，y)，pixel_i(x+2，y+1)，pixel_i(x+2，y+2)}

其中，所述str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素。可以理解，本发明还可以采用如3*3或其它结构的结构化像素，本发明并不对此进行任何限定。

设一幅给定图像为v，增强处理后的图像为En_v，则根据以下公式进行图像锐化处理：

$\mathrm{En}\_v\left(i\right)=v\left(i\right)+\frac{\underset{j\∈I}{\mathrm{\Σ}}w(i,j)(v\left(j\right)-v\left(i\right))}{\underset{j\∈I}{\mathrm{\Σ}}w(i,j)}---\left(2\right)$

其中I表示和i像素相关的像素集，w()是对应像素的加权值，现有方法都是将j像素定义为点像素。

在本发明中，设定结构化像素的原理为：

定义一个m*n的像素区域即结构化像素，因为一个区域内是带有局部图像结构信息即图像细节，然后把结构化像素作为一个点像素，代入公式(2)进行图像增强运算，即根据公式(2)对输入图像每点进行增强处理运算，即可得到增强处理后的图像。

参照图2，示出了本发明一种图像增强处理方法优选实施例的流程示意图，包括步骤：

步骤S210、以图像中的一像素点为中心像素点构建结构化像素。

可以以待处理图像中的任一像素点为中心像素点构建结构化像素，所述结构化像素为不低于3*3的像素点方阵，在本发明实施例中优选为5*5的像素点方阵，针对5*5的像素点方阵，可以根据以下公式构建结构化像素；

str_pixel_i＝

{pixel_i(x-2，y-2)，pixel_i(x-2，y-1)，pixel_i(x-2，y)，pixel_i(x-2，y+1)，pixel_i(x-2，y+2)，

pixel_i(x-1，y-2)，pixel_i(x-1，y-1)，pixel_i(x-1，y)，pixel_i(x-1，y+1)，pixel_i(x-1，y+2)，

pixel_i(x，y-2)，pixel_i(x，y-1)，pixel_i(x，y)，pixel_i(x，y+1)，pixel_i(x，y+2)，

pixel_i(x+1，y-2)，pixel_i(x+1，y-1)，pixel_i(x+1，y)，pixel_i(x+1，y+1)，pixel_i(x+1，y+2)，

pixel_i(x+2，y-2)，pixel_i(x+2，y-1)，pixel_i(x+2，y)，pixel_i(x+2，y+1)，pixel_i(x+2，y+2)}

其中，pixel_i(x，y)为中心像素点。

步骤S220、计算所述结构化像素差异度。

所述步骤S220包括：

根据所述结构化像素确定邻域结构化像素。以及

根据所述结构化像素和所述邻域结构化像素计算所述结构化像素差异度。

所述结构化像素差异度是指中心像素点所构建的结构化像素与所述中心像素点的邻域像素点所构建的结构化像素的差异度。

对于任意两个结构化像素str_pixel_i，str_pixel_j的差异度计算，其中，str_pixeli/str_pixel j代表结构化像素i/j，可通过如下通用公式计算得到：

$\mathrm{Diff}(\mathrm{str}\_\mathrm{pixel}\_i,\mathrm{str}\_\mathrm{pixel}\_j)=\frac{\sqrt{\left[{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y{(\mathrm{pixel}\_i(x,y))}^2{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y{(\mathrm{pixel}\_j(x,y))}^2\right]}}{{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y[\mathrm{pixel}\_i(x,y)][\mathrm{pixel}\_j(x,y)]}---\left(3\right)$

需要补充说明的是，结构化像素视为有某个像素点的结构化信息的块状区域。两个结构化像素的差异度正是体现了某两个像素点对应的两个结构化像素的结构化信息的差异，这种差异可以具体体现方差、均值、绝对值以及梯度等，以上公式(3)只是其中一种情况。

所述公式(3)所示的是中心结构化像素与其邻域的结构化像素对的结构化像素差异度，该差异度是指两个结构化像素的差异。

步骤230、根据所述结构化像素差异度和锐化参数确定加权值。

加权函数公式为：

$w(i,j)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \left(\frac{\mathrm{Diff}{(\mathrm{str}\_\mathrm{pixel}\_i-\mathrm{str}\_\mathrm{pixel}\_j)}^2}{{\mathrm{\σ}}^2}\right)---\left(4\right)$

其中，所述σ为锐化参数，，str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素，str_pixel_j表示以pixel_j(x，y)为中心像素点的结构化像素，w()表示加权函数公式。在本发明实施例中，所述锐化参数可以根据需要人为设置，从而达到调节该锐化参数以达到不同锐化效果的目的。公式(4)中的差异度定义按照公式(3)计算，加权值函数是根据邻域结构化像素与中心结构化像素之间的差异来确定其对中心像素的贡献值，差异度越大，贡献越小，差异度越小，贡献越大。

需要说明的是，所述公式(4)只是加权函数公式中的一种，本发明还可以选择其它各种严格单调增函数，如y＝xⁿ，n＝1......。

步骤S240、对所述中心像素点进行图像锐化处理。

根据所述加权值和所述结构化像素中各像素点的像素值，对所述中心像素点进行图像锐化处理，得到所述中心像素点加权修正后的像素值，并输出锐化运算后的中心像素点。

根据以下公式进行图像锐化处理：

$\mathrm{En}\_v\left(i\right)=v\left(i\right)+\frac{\underset{j\∈I}{\mathrm{\Σ}}w(i,j)(v\left(j\right)-v\left(i\right))}{\underset{j\∈I}{\mathrm{\Σ}}w(i,j)}---\left(2\right)$

其中，En_v表示进行图像锐化后的图像，v表示进行图像锐化前的图像，I表示和i像素相关的像素集，w(i，j)表示像素(i，j)加权值。

一幅图像是由多个像素点组成的，以上所述步骤针对一个像素点进行说明，对一幅图像中待处理的像素点都按照以上步骤进行处理，即可完成对整个图像的增强处理。

本发明所述技术方案主要是克服现有图像锐化算法中没有考虑差异度不同像素的贡献价值、方向性的问题以及点像素容易受噪声干扰等不足。利用结构化像素来减小噪声干扰，同时利用像素间的差异值不同贡献价值不同的思路，在进行图像增强运算时每个差异值采用不同的权值，合理的对图像边缘进行增强。

参照图3，本发明还公开了一种图像增强处理装置。所述图像增强处理装置包括：

构建单元，用于以图像中的一像素点为中心像素点构建结构化像素。

第一计算单元，用于计算所述结构化像素差异度。

第二计算单元，用于根据所述结构化像素差异度和锐化参数确定加权值。

处理单元，用于根据所述加权值和所述结构化像素中各像素点的像素值，对所述中心像素点进行图像锐化处理，得到所述中心像素点加权修正后的像素值。

其中，所述结构化像素为5*5的像素点方阵，所述构建单元根据以下公式构建结构化像素：

str_pixel_i＝

{pixel_i(x-2，y-2)，pixel_i(x-2，y-1)，pixel_i(x-2，y)，pixel_i(x-2，y+1)，pixel_i(x-2，y+2)，

pixel_i(x-1，y-2)，pixel_i(x-1，y-1)，pixel_i(x-1，y)，pixel_i(x-1，y+1)，pixel_i(x-1，y+2)，

pixel_i(x，y-2)，pixel_i(x，y-1)，pixel_i(x，y)，pixel_i(x，y+1)，pixel_i(x，y+2)，

pixel_i(x+1，y-2)，pixel_i(x+1，y-1)，pixel_i(x+1，y)，pixel_i(x+1，y+1)，pixel_i(x+1，y+2)，

pixel_i(x+2，y-2)，pixel_i(x+2，y-1)，pixel_i(x+2，y)，pixel_i(x+2，y+1)，pixel_i(x+2，y+2)}

其中，所述str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素。

所述第一计算单元根据以下公式计算所述结构化像素差异度：

$\mathrm{Diff}(\mathrm{str}\_\mathrm{pixel}\_i,\mathrm{str}\_\mathrm{pixel}\_j)=\frac{\sqrt{\left[{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y{(\mathrm{pixel}\_i(x,y))}^2{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y{(\mathrm{pixel}\_j(x,y))}^2\right]}}{{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y[\mathrm{pixel}\_i(x,y)][\mathrm{pixel}\_j(x,y)]}.$

其中，str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素，str_pixel_j表示以pixel_j(x，y)为中心像素点的结构化像素，Diff(str_pixel_i，str_pixel_j)表示结构化像素str_pixel_i和str_pixel_j的差异度。

所述第二计算单元根据以下加权函数公式确定加权值：

$w(i,j)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \left(\frac{\mathrm{Diff}{(\mathrm{str}\_\mathrm{pixel}\_i-\mathrm{str}\_\mathrm{pixel}\_j)}^2}{{\mathrm{\σ}}^2}\right)$

其中，所述σ为锐化参数，str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素，str_pixel_j表示以pixel_j(x，y)为中心像素点的结构化像素，w()表示加权函数公式。

所述处理单元根据以下公式进行图像锐化处理：

$\mathrm{En}\_v\left(i\right)=v\left(i\right)+\frac{\underset{j\∈I}{\mathrm{\Σ}}w(i,j)(v\left(j\right)-v\left(i\right))}{\underset{j\∈I}{\mathrm{\Σ}}w(i,j)}$

其中，En_v表示进行图像锐化后的图像，v表示进行图像锐化前的图像，I表示和i像素相关的像素集，w(i，j)表示像素(i，j)加权值。

所这图像增强处理装置的工作过程和工作原理已经在方法实施例部分进行了详细描述，为了节省篇幅，在此不再赘述，装置实施例部分未详细描述的部分参照方法实施例相关部分的描述即可。

本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括如上述方法实施例的步骤，所述的存储介质，如：磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。在本发明各方法实施例中，所述各步骤的序号并不能用于限定各步骤的先后顺序，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，对各步骤的先后变化也在本发明的保护范围之内。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种图像增强处理方法，其特征在于，包括：

以图像中的一像素点为中心像素点构建结构化像素；

计算所述结构化像素差异度；

根据所述结构化像素差异度和锐化参数确定加权值；

根据所述加权值和所述结构化像素中各像素点的像素值，对所述中心像素点进行图像锐化处理，得到所述中心像素点加权修正后的像素值。

2.根据权利要求1所述的图像增强处理方法，其特征在于，所述结构化像素为不低于3*3的像素点方阵。

3.根据权利要求2所述的图像增强处理方法，其特征在于，所述结构化像素为5*5的像素点方阵，根据以下公式构建结构化像素：

str_pixel_i＝

{pixel_i(x-2，y-2)，pixel_i(x-2，y-1)，pixel_i(x-2，y)，pixel_i(x-2，y+1)，pixel_i(x-2，y+2)，

pixel_i(x-1，y-2)，pixel_i(x-1，y-1)，pixel_i(x-1，y)，pixel_i(x-1，y+1)，pixel_i(x-1，y+2)，

pixel_i(x，y-2)，pixel_i(x，y-1)，pixel_i(x，y)，pixel_i(x，y+1)，pixel_i(x，y+2)，

pixel_i(x+1，y-2)，pixel_i(x+1，y-1)，pixel_i(x+1，y)，pixel_i(x+1，y+1)，pixel_i(x+1，y+2)，

pixel_i(x+2，y-2)，pixel_i(x+2，y-1)，pixel_i(x+2，y)，pixel_i(x+2，y+1)，pixel_i(x+2，y+2)}；

其中，所述str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素。

4.根据权利要求1至3任一项所述的图像增加处理方法，其特征在于，计算所述结构化像素差异度包括：

根据所述结构化像素确定邻域结构化像素；

根据所述结构化像素和所述邻域结构化像素计算所述结构化像素差异度。

5.根据权利要求4所述的图像增强处理方法，其特征在于，根据以下公式计算所述结构化像素差异度：

$\mathrm{Diff}(\mathrm{str}\_\mathrm{pixel}\_i,\mathrm{str}\_\mathrm{pixel}\_j)=\frac{\left[\sqrt{{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y{(\mathrm{pixel}\_i(x,y))}^2{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y{(\mathrm{pixel}\_j(x,y))}^2}\right]}{{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y[\mathrm{pixel}\_i(x,y)][\mathrm{pixel}\_j(x,y)]};$

其中，str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素，str_pixel_j表示以pixel_j(x，y)为中心像素点的结构化像素，Diff(str_pixel_i，str_pixel_j)表示结构化像素str_pixel_i和str_pixel_j的差异度。

6.根据权利要求5所述的图像增强处理方法，其特征在于，根据以下加权函数公式确定加权值：

$w(i,j)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \left(\frac{\mathrm{Diff}{(\mathrm{str}\_\mathrm{pixel}\_i-\mathrm{str}\_\mathrm{pixel}\_j)}^2}{{\mathrm{\σ}}^2}\right);$

其中，所述σ为锐化参数，str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素，str_pixel_j表示以pixel_j(x，y)为中心像素点的结构化像素，w()表示加权函数公式。

7.根据权利要求6所述的图像增强处理方法，其特征在于，根据以下公式进行图像锐化处理：

$\mathrm{En}\_v\left(i\right)=v\left(i\right)+\frac{\underset{j\∈I}{\mathrm{\Σ}}w(i,j)(v\left(j\right)-v\left(i\right))}{\underset{j\∈I}{\mathrm{\Σ}}w(i,j)};$

其中，En_v表示进行图像锐化后的图像，v表示进行图像锐化前的图像，I表示和i像素相关的像素集，w(i，j)表示像素(i，j)加权值。

8.一种图像增强处理装置，其特征在于，包括：

构建单元，用于以图像中的一像素点为中心像素点构建结构化像素；

第一计算单元，用于计算所述结构化像素差异度；

第二计算单元，用于根据所述结构化像素差异度和锐化参数确定加权值；

处理单元，用于根据所述加权值和所述结构化像素中各像素点的像素值，对所述中心像素点进行图像锐化处理，得到所述中心像素点加权修正后的像素值。

9.根据权利要求8所述的图像增强处理装置，其特征在于，所述结构化像素为5*5的像素点方阵，所述构建单元根据以下公式构建结构化像素：

str_pixel_i＝

{pixel_i(x-2，y-2)，pixel_i(x-2，y-1)，pixel_i(x-2，y)，pixel_i(x-2，y+1)，pixel_i(x-2，y+2)，

pixel_i(x-1，y-2)，pixel_i(x-1，y-1)，pixel_i(x-1，y)，pixel_i(x-1，y+1)，pixel_i(x-1，y+2)，

pixel_i(x，y-2)，pixel_i(x，y-1)，pixel_i(x，y)，pixel_i(x，y+1)，pixel_i(x，y+2)，

pixel_i(x+1，y-2)，pixel_i(x+1，y-1)，pixel_i(x+1，y)，pixel_i(x+1，y+1)，pixel_i(x+1，y+2)，

pixel_i(x+2，y-2)，pixel_i(x+2，y-1)，pixel_i(x+2，y)，pixel_i(x+2，y+1)，pixel_i(x+2，y+2)}；

其中，所述str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素。

10.根据权利要求8或9所述的图像增强处理装置，其特征在于，所述第一计算单元根据以下公式计算所述结构化像素差异度：

$\mathrm{Diff}(\mathrm{str}\_\mathrm{pixel}\_i,\mathrm{str}\_\mathrm{pixel}\_j)=\frac{\left[\sqrt{{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y{(\mathrm{pixel}\_i(x,y))}^2{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y{(\mathrm{pixel}\_j(x,y))}^2}\right]}{{\mathrm{\Σ}}_x{\mathrm{\Σ}}_y[\mathrm{pixel}\_i(x,y)][\mathrm{pixel}\_j(x,y)]};$

其中，str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素，str_pixel_j表示以pixel_j(x，y)为中心像素点的结构化像素，Diff(str_pixel_i，str_pixel_j)表示结构化像素str_pixel_i和str_pixel_j的差异度。

11.根据权利要求10所述的图像增强处理装置，其特征在于，所述第二计算单元根据以下加权函数公式确定加权值：

$w(i,j)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \left(\frac{\mathrm{Diff}{(\mathrm{str}\_\mathrm{pixel}\_i-\mathrm{str}\_\mathrm{pixel}\_j)}^2}{{\mathrm{\σ}}^2}\right);$

其中，所述σ为锐化参数，str_pixel_i表示以pixel_i(x，y)为中心像素点的结构化像素，str_pixel_j表示以pixel_j(x，y)为中心像素点的结构化像素，w()表示加权函数公式。

12.根据权利要求11所述的图像增强处理装置，其特征在于，所述处理单元根据以下公式进行图像锐化处理：

$\mathrm{En}\_v\left(i\right)=v\left(i\right)+\frac{\underset{j\∈I}{\mathrm{\Σ}}w(i,j)(v\left(j\right)-v\left(i\right))}{\underset{j\∈I}{\mathrm{\Σ}}w(i,j)};$

其中，En_v表示进行图像锐化后的图像，v表示进行图像锐化前的图像，I表示和i像素相关的像素集，w(i，j)表示像素(i，j)加权值。

Images