CN101859432A - 档案图像增强的构造方法 - Google Patents

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

档案图像增强的构造方法

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(x_i，j)+k(x_i，j-m_i，j)            (1)

式中CLAHE(x_i，j)表示对x_i，j像素执行CLAHE操作后的像素灰度值，

为局部窗口W内像素的平均灰度值；x_i，j和x′_i，j分别为变换前后的中心像素的灰度值，k为一自适应参数；

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：

$\left|{\▿x}_{i,j}\right|=\max \{g_1,g_2\}---\left(2\right)$

其中

表示图像在像素点(i，j)处的梯度，g_i(i＝1，2，…，n)为各种梯度算子的模值，其中g₁和g₂分别为梯度模和Roberts算子：

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：

$x_{i,j}^{\′}=\left\{\begin{array}{cc}\mathrm{CLAHE}\left(x_{i,j}\right)+k(x_{i,j}-m_{i,j}),& \left|{\▿x}_{i,j}\right|>\mathrm{\ϵ}\\ \mathrm{CLAHE}\left(x_{i,j}\right),& \mathrm{otherwise}\end{array}\right.---\left(5\right)$

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：

$k=k^{\′}(1+{\mathrm{\λ}}_1{e}^{-\left|{\▿x}_{i,j}\right|/{\mathrm{\λ}}_2})---\left(6\right)$

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(x_i，j)                            (1)

其中x_i，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(x_i，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：

$\left|{\▿x}_{i,j}\right|>\mathrm{\ϵ}---\left(2\right)$

其中

表示图像在像素点(i，j)处的梯度，ε(ε＞0)为噪声阈值梯度。如果

成立，表明该像素点处无噪声，执行下一步。否则属于噪声，不增强细节，而进一步处理后续像素点；

在等式(2)中，

的进一步计算公式为：

$\left|{\▿x}_{i,j}\right|=\max \{g_1,g_2\}---\left(3\right)$

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(x_i，j)+k(x_i，j-m_i，j)                     (6)

其中x′_i，j＝CLAHE(x_i，j)是第一步骤的处理结果，k(x_i，j-m_i，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：

$k=k^{\′}(1+{\mathrm{\λ}}_1{e}^{-\left|{\▿x}_{i,j}\right|/{\mathrm{\λ}}_2})---\left(7\right)$

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(x_i，j)+k(x_i，j-m_i，j)        (1)

式中CLAHE(x_i，j)表示对x_i，j像素执行CLAHE操作后的像素灰度值，

为局部窗口W内像素的平均灰度值；x_i，j和x′_i，j分别为变换前后的中心像素的灰度值，k为一自适应参数；

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：

$|\▿x_{\mathrm{ij}}|=\max \{g_1,g_2\}---\left(2\right)$

其中

表示图像在像素点(i，j)处的梯度，g_i(i＝1，2，…，n)为各种梯度算子的模值，其中g₁和g₂分别为梯度模和Roberts算子：

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：

$x_{i,j}^{\′}=\left\{\begin{array}{cc}\mathrm{CLAHE}\left(x_{i,j}\right)+k(x_{i,j}-m_{i,j}),& |\▿x_{i,j}|>\mathrm{\ϵ}\\ \mathrm{CLAHE}\left(x_{i,j}\right),& \mathrm{otherwise}\end{array}\right.---\left(5\right)$

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：

$k=k^{\′}(1+{\mathrm{\λ}}_1{e}^{-|\▿x_{i,j}|/{\mathrm{\λ}}_2})---\left(6\right)$

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。

Images