CN101859432A - 档案图像增强的构造方法 - Google Patents
档案图像增强的构造方法 Download PDFInfo
- Publication number
- CN101859432A CN101859432A CN 201010174286 CN201010174286A CN101859432A CN 101859432 A CN101859432 A CN 101859432A CN 201010174286 CN201010174286 CN 201010174286 CN 201010174286 A CN201010174286 A CN 201010174286A CN 101859432 A CN101859432 A CN 101859432A
- Authority
- CN
- China
- Prior art keywords
- clahe
- gradient
- image
- value
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开一种档案图像增强的构造方法,其特征在于:包括如下步骤:步骤一:将全局对比度增强和局部对比度增加结合在一起,即将CLAHE方法和Lee滤波器方法结合,形成强化细节的AHE方法;步骤二:对DAHE方法进行改进,引入梯度幅值,使之具有图像空间自适应能力,得到IDAHE方法;步骤三、用抽样数据进行实验,得到不同类型输入图像的参数ε、k、λ1和λ2的最佳实验数值;显著效果:提高全局对比度,有效放大局部细节,成像清晰。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种用于扫描档案图像的构造方法。
背景技术
图像增强技术主要包括空域处理和频域处理两种方法。空间域处理法是直接对图像中的像素进行处理,基本上是以灰度映射变换为基础的。用数学公式来表达就是:g(x,y)=T[f(x,y)],T是所选择的变换,空间域处理方法主要有点运算(反转变换、对数变换、对比度拉伸)、代数运算(算术运算加减乘除,逻辑运算与或非)、直方图均衡化(把原始图的直方图变换为均匀分布的形式)、直方图规定化(按照指定的灰度比例,进行图像灰度之间的映射)。频域处理法的基础是卷积定理。由于频率成分和图像外表之间的存在一定的对应关系,一幅图像的边缘、跳跃部分以及颗粒噪声对应着图像信号的高频分量,而大量的背景区则对应着图像信号的低频分量。因此,可以用高通滤波来衰减其低频分量,相对地调高其高频分量使图像锐化;同样可以用低通滤波滤除高频部分,去掉噪声,从而使图像平滑。具体实现时,既可以把图像变换到频率域,在频率域进行滤波处理后再变换回空间域。
针对扫描档案图像,上述两类图像增强技术有一些具体的应用实例。王洪君等人针对褪化类别的档案,提出一种自适应韧性滤波的局部对比度增强方法,以滤除图像中的多类噪声,实验表明其方法能明显改善视觉效果。靳从提出规则文档分层去除噪方法,但其方法对包含图像比例过大的档案处理效果不佳。Shirali-Shahreza M.H.等人针对波斯语和阿拉伯语的扫描档案图像,提出了去除点类噪声的方法。但是,这三种方法限定了待处理对象的种类,对批量生产的多数档案图像具有一定程度的不适应性。
现有的噪声滤波技术,处理后都免不了产生一定程度的边缘模糊,这样会使对比度进一步下降,给进一步处理带来困难;而现有的对比度增强技术,尤其是局部对比度增强技术,大都在增强对比度的同时提升了图像噪声,处理扫描档案图像的效果都不理想。
发明内容
本发明的目的是提供一种图像清晰的档案图像增强的构造方法。
为达到上述目的,本发明表述一种档案图像增强的构造方法,其关键在于:按如下步骤进行:
步骤一:将全局对比度增强和局部对比度增加结合在一起,即将CLAHE方法(受限的自适应直方图均衡化方法)和Lee滤波器方法结合,形成强化细节的AHE方法(自适应直方图均衡化方法),简称DAHE方法,其数学表达式为:
x′i,j=CLAHE(xi,j)+k(xi,j-mi,j) (1)
步骤二:对DAHE方法进行改进,引入梯度幅值,使之具有图像空间自适应能力,其中引入的梯度幅值的数学表达式为:
g1=max{|f(x,y+1)-f(x,y)|,|f(x+1,y)-f(x,y)|} (3)
g2=max{|f(x+1,y+1)-f(x,y)|,|f(x+1,y)-f(x,y+1)|} (4)
这样,得到IDAHE方法(CLAHE和细节放大相结合的图像增强方法)的数学表达式:
其中参数ε(ε>0)为噪声阈值梯度。
步骤三、用抽样数据进行实验,得到不同类型输入图像的参数ε、k、λ1和λ2的最佳实验数值。根据输入图像选择合适的参数,用IDAHE方法对输入图像进行处理,便可得到较为清晰的图像。
所述数学表达式(1)和(5)中的自适应参数k的值为:
其中k′为一个正比例系数,且λ1,λ2>0为正整数,增强系数k随梯度幅值的增大而减小,满足实际档案图像增强的需求。
所述噪声阈值梯度ε是根据样本扫描档案图像的均值确定的,该噪声阈值梯度ε和均值的关系近似为一指数曲线,ε在曲线最大曲率处取值。这有利于使处理得到的图像效果最佳。
运用CLAHE方法进行全局对比度拉伸,运用Lee滤波器进行局部细节放大,将两者结合并引入梯度幅值,形成IDAHE方法,一是引入噪声抑制措施,使得Lee滤波器只放大图像细节而不放大噪声;二是制定柔性细节放大机制,使得细节放大更加符合人类视觉习惯。改进后的方法既能提高全局对比度,又能有效放大局部细节,使得处理扫描档案图像的效果更加良好。
本发明的显著效果是:提高全局对比度,有效放大局部细节,成像清晰。
附图说明
图1为本发明的步骤流程图;
图2为不同方法处理文字印章图像的对比效果图;
图3为不同方法处理图画图像的对比效果图。
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说明。
按照如图1所示方法,对图2和3中的输入图像(a)进行处理,其中参数ε、k、λ1和λ2的最佳实验数值分别为4、5、1、10,其按照如下步骤进行:
第一步、针对输入图像的每个像素点,执行CLAHE操作。如果所有像素点均处理完毕,输出增强后的图像。该步骤对应的计算公式表达为:
x′i,j=CLAHE(xi,j) (1)
其中xi,j、x′i,j分别代表正在处理的像素点和处理后的像素点,CLAHE(xi,j)代表CLAHE操作。
第二步、用IDAHE方法对第一步输出的增强后的图像进行处理,对正在处理的像素点,判断其是否为噪声。该第二步对应的计算公式表达为:
g1和g2分别为梯度模和Roberts算子,其离散计算公式为:
g1=max{|f(x,y+1)-f(x,y)|,|f(x+1,y)-f(x,y)|} (4)
g2=max{|f(x+1,y+1)-f(x,y)|,|f(x+1,y)-f(x,y+1)|} (5)
在等式(2)中,参数ε需要根据样本扫描档案图像的均值来确定。实验表明,ε和均值的关系近似为-指数曲线,ε的选择应该使得曲线在该处具有最大的曲率。
第三步、提取无噪声像素点处图像的细节,放大该细节,并叠加到CLAHE处理后的图像上。该步骤的计算公式为:
x′i,j=CLAHE(xi,j)+k(xi,j-mi,j) (6)
其中x′i,j=CLAHE(xi,j)是第一步骤的处理结果,k(xi,j-mi,j)是该像素点处细节的放大值。为局部邻域窗口W内像素的平均灰度值,k为细节放大参数。
在等式(6)中,放大参数k的计算由下式给出:
其中k′为一个正比例系数,且λ1,λ2>0为正整数。这样,增强系数k将随梯度增大反而减小,以满足实际档案图像增强的需求。
上述步骤中,对文字印章和图画进行处理得到(d),其中(a)代表输入的档案扫描图像,(b)和(c)分别代表CLAHE方法和DAHE方法的增强效果图像,(d)代表本发明的方法得到的增强效果图像,(a)、(b)、(c)和(d)相比较,显然(d)的效果最好。四个参数ε、k、λ1和λ2是采用抽样数据进行实验得到参数,对于不同的扫描文件有不同的参数数值,视具体扫描图像进行确定。
对于上述实施例也仅是用于说明本发明,不是对于本发明的限制,在本发明的构思前提下对本发明的改进,都落入本发明权利要求保护的范围内。
Claims (3)
1.一种档案图像增强的构造方法,其特征在于:按如下步骤:
步骤一:将全局对比度增强和局部对比度增加结合在一起,即将CLAHE方法和Lee滤波器方法结合,形成强化细节的AHE方法,简称DAHE方法,其数学表达式为:
x′i,j=CLAHE(xi,j)+k(xi,j-mi,j) (1)
步骤二:对DAHE方法进行改进,引入梯度幅值,使之具有图像空间自适应能力,其中引入的梯度幅值的数学表达式为:
g1=max{|f(x,y+1)-f(x,y)|,|f(x+1,y)-f(x,y)|} (3)
g2=max{|f(x+1,y+1)-f(x,y)|,|f(x+1,y)-f(x,y+1)|} (4)
这样,得到IDAHE方法的数学表达式:
其中参数ε(ε>0)为噪声阈值梯度。
步骤三、用抽样数据进行实验,得到不同类型输入图像的参数ε、k、λ1和λ2的最佳实验数值。
2.根据权利要求1所述档案图像增强的构造方法,其特征在于:所述数学表达式(1)和(5)中的自适应参数k的值为:
其中k′为一个正比例系数,且λ1,λ2>0为正整数。
3.根据权利要求1所述档案图像增强的构造方法,其特征在于:所述噪声阈值梯度ε是根据样本扫描档案图像的均值确定的,该噪声阈值梯度ε和均值的关系近似为一指数曲线,ε在曲线最大曲率处取值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010174286 CN101859432A (zh) | 2010-05-17 | 2010-05-17 | 档案图像增强的构造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010174286 CN101859432A (zh) | 2010-05-17 | 2010-05-17 | 档案图像增强的构造方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101859432A true CN101859432A (zh) | 2010-10-13 |
Family
ID=42945321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010174286 Pending CN101859432A (zh) | 2010-05-17 | 2010-05-17 | 档案图像增强的构造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101859432A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182967A (zh) * | 2014-07-29 | 2014-12-03 | 小米科技有限责任公司 | 图像处理方法、装置及终端 |
CN104463816A (zh) * | 2014-12-02 | 2015-03-25 | 苏州大学 | 一种图像处理方法及装置 |
CN109344308A (zh) * | 2018-09-17 | 2019-02-15 | 国网江苏省电力有限公司 | 一种干部人事档案管理方法及系统 |
CN109949238A (zh) * | 2019-03-07 | 2019-06-28 | 北京麦哲科技有限公司 | 图像的磨白优化方法和装置 |
CN110766736A (zh) * | 2019-10-29 | 2020-02-07 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
CN111783498A (zh) * | 2019-04-03 | 2020-10-16 | 泰州阿法光电科技有限公司 | 多参数现场采集方法 |
CN112419213A (zh) * | 2020-10-23 | 2021-02-26 | 广西电网有限责任公司电力科学研究院 | 一种sf6红外图像增强方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10187994A (ja) * | 1996-12-10 | 1998-07-21 | Eastman Kodak Co | ディジタル画像コントラストを評価及び調整する方法 |
US6782137B1 (en) * | 1999-11-24 | 2004-08-24 | General Electric Company | Digital image display improvement system and method |
CN101236651A (zh) * | 2008-01-31 | 2008-08-06 | 北京控制工程研究所 | 一种自适应图像背景估计方法 |
CN101620727A (zh) * | 2009-08-10 | 2010-01-06 | 电子科技大学 | 红外图像加权直方图自适应增强算法 |
-
2010
- 2010-05-17 CN CN 201010174286 patent/CN101859432A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10187994A (ja) * | 1996-12-10 | 1998-07-21 | Eastman Kodak Co | ディジタル画像コントラストを評価及び調整する方法 |
US6782137B1 (en) * | 1999-11-24 | 2004-08-24 | General Electric Company | Digital image display improvement system and method |
CN101236651A (zh) * | 2008-01-31 | 2008-08-06 | 北京控制工程研究所 | 一种自适应图像背景估计方法 |
CN101620727A (zh) * | 2009-08-10 | 2010-01-06 | 电子科技大学 | 红外图像加权直方图自适应增强算法 |
Non-Patent Citations (1)
Title |
---|
《计算机科学》 20071231 尚晋等 "一种改进的自适应直方图均衡化增强档案图像的方法" 第237-239页 1-3 第34卷, 第5期 2 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182967A (zh) * | 2014-07-29 | 2014-12-03 | 小米科技有限责任公司 | 图像处理方法、装置及终端 |
CN104182967B (zh) * | 2014-07-29 | 2017-09-26 | 小米科技有限责任公司 | 图像处理方法、装置及终端 |
CN104463816A (zh) * | 2014-12-02 | 2015-03-25 | 苏州大学 | 一种图像处理方法及装置 |
CN109344308A (zh) * | 2018-09-17 | 2019-02-15 | 国网江苏省电力有限公司 | 一种干部人事档案管理方法及系统 |
CN109949238A (zh) * | 2019-03-07 | 2019-06-28 | 北京麦哲科技有限公司 | 图像的磨白优化方法和装置 |
CN109949238B (zh) * | 2019-03-07 | 2022-11-25 | 北京麦哲科技有限公司 | 图像的磨白优化方法和装置 |
CN111783498A (zh) * | 2019-04-03 | 2020-10-16 | 泰州阿法光电科技有限公司 | 多参数现场采集方法 |
CN111783498B (zh) * | 2019-04-03 | 2021-02-19 | 邱群 | 多参数现场采集方法 |
CN110766736A (zh) * | 2019-10-29 | 2020-02-07 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
CN110766736B (zh) * | 2019-10-29 | 2022-10-14 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
CN112419213A (zh) * | 2020-10-23 | 2021-02-26 | 广西电网有限责任公司电力科学研究院 | 一种sf6红外图像增强方法及系统 |
CN112419213B (zh) * | 2020-10-23 | 2023-09-15 | 广西电网有限责任公司电力科学研究院 | 一种sf6红外图像增强方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101859432A (zh) | 档案图像增强的构造方法 | |
US9189833B2 (en) | Linear transform-based image processing techniques | |
CN101882305B (zh) | 一种图像增强处理的方法 | |
Zhang et al. | Wavelet and fast bilateral filter based de-speckling method for medical ultrasound images | |
CN102509269B (zh) | 一种结合曲线波的基于图像子块相似性的图像去噪方法 | |
CN102663695B (zh) | 基于小波变换的dr图像去噪方法及系统 | |
US9619862B2 (en) | Raw camera noise reduction using alignment mapping | |
CN101821775A (zh) | 用于生成多尺度的对比度增强的图像的方法 | |
CN103177429A (zh) | 基于fpga的红外图像细节增强系统及其方法 | |
Zhang et al. | Decision-based non-local means filter for removing impulse noise from digital images | |
CN104574293A (zh) | 基于有界运算的多尺度Retinex图像清晰化算法 | |
CN104680485A (zh) | 一种基于多分辨率的图像去噪方法及装置 | |
US9721329B2 (en) | Image de-noising method | |
CN104182939A (zh) | 一种医疗影像图像细节增强方法 | |
Ullah et al. | A new variational approach for multiplicative noise and blur removal | |
CN107292834A (zh) | 红外图像细节增强方法 | |
CN103971345A (zh) | 一种基于改进双边滤波的图像去噪方法 | |
CN103400358A (zh) | 一种基于小波信息冗余的红外图像去噪算法 | |
CN102081790B (zh) | 一种基于非线性Curvelet扩散的噪声图像增强方法 | |
Gao | Image denoising by non-subsampled shearlet domain multivariate model and its method noise thresholding | |
CN101889295A (zh) | 生成多尺度对比度增强的图像的方法 | |
CN102314675A (zh) | 基于小波高频的贝叶斯去噪方法 | |
CN115546653B (zh) | 一种基于深度加强网络的遥感图像去噪方法 | |
CN104182944A (zh) | 基于曲波与小波变换相串联的光学图像去噪方法 | |
CN104952052A (zh) | 一种对emccd图像进行增强的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20101013 |