CN101877123A - 一种图像增强方法和装置 - Google Patents

Abstract

本发明涉及一种图像增强方法及装置，属于图像处理领域。该方法通过摄像头采集图像并将图像数字化，充分利用像素间及邻域内像素灰度差相关信息，通过分段处理的方法，有效地将图像平滑和图像锐化有机结合起来，最后通过利用边界消除器来消除图像噪声边界的方法，实现了图像的增强处理。本发明特别适用于噪声图形的增强场合，使用该发明，算法简单，效率高，稳定性好，且装置中各增强技术结构清晰，独立性强，可控参数少，便于用户得到期望的效果增强后的输出图像。

Description

一种图像增强方法和装置

技术领域

本发明涉及图像处理领域，尤其涉及一种图像增强方法和装置。

背景技术

随着多媒体技术的广泛应用和不断发展，数字图像处理变得越来越重要。在图像的形成、传输或变换的过程中，由于受到多种因素的影响，如系统噪声，曝光不足或过量等，往往使图像与原始图像之间产生某种差异，即图像降质或退化。因此，在许多应用场合中，得到的原始图像或视频帧序列必须再次处理，使其视觉效果更好或者视觉内容更丰富。其中，现有技术中，常用的图像增强技术为图像锐化处理和平滑处理。

锐化处理作为数字图像增强技术中的一种，主要目的就是更好地突出图像的细节，或者增强被模糊了的细节，从而得到一幅有较好的视觉效果和较多视觉内容的图像。目前有许多适用于图像锐化的滤波器，其中最有代表性的是线性锐化滤波器，其中有拉普拉斯算子Laplacian、对比度增强滤波算子unsharp等。线性锐化滤波器是一种微分算子，强调图像中灰度的突变，这种方法可能会产生过度锐化的问题，导致过分突出细节，使图像失真或在锐化的同时也增强了噪声数据。平滑处理的目的是为了减少图像噪声。但图像中的噪声往往和信号交织在一起，因此平滑过程中会使图像本身的细节、边界轮廓、线条变得模糊不清。

为了得到更好的图像效果，本发明提出的自适应图像增强技术特别适用于噪声图像的增强场合，为了得到平衡适度的图像增强结果，本发明选用了一个简单的、在锐化和平滑之间折中的、采用线性分段函数的图像锐化方法，可以在图像锐化的同时进行有效的噪声去除。

发明内容

针对现有技术中所存在的问题，本发明的目的是提供一种图像增强方法和装置，该方法和装置将图像平滑和图像锐化有机结合起来，充分利用像素间和邻域内像素灰度差关联信息，在图像锐化的同时进行有效的噪声去除，更好的提高图像的增强效果。

为了实现上述目的，本发明采用的技术方案如下：

一种图像增强方法，其包括以下步骤：

(1)图像的采集及数字化：通过摄像头采集图像并进行图像数字化；

(2)图像的自适应增强：通过分段线性函数及边界消除滤波器对图像进行增强处理；

(3)输出增强后的图像：输出经过自适应增强后的图像。

进一步，步骤(2)中，对图像进行增强处理时，根据图像中某处空间结构的分类分别对该处给予平滑处理或者锐化处理，具体来说，对于平坦区域进行平滑处理，对于边缘或细节区域，则进行锐化处理。

进一步，步骤(2)中，通过分段线性函数对图像进行增强处理的方法如下：

设输入的数字图像是一个有L个灰度级别的灰度图像，f(x，y)是在坐标(x，y)处的像素的灰度值，本方法定义在坐标(x，y)的3×3邻域上。用f_i(x，y)，i＝1，2，...，8分别表示(x，y)的相邻像素的灰度值，E_f(x，y)表示f(x，y)经增强处理后的输出结果，该结果是按照下面公式来实现的：

E_f(x，y)＝min(f(x，y)+n(x，y)，L-1)，L＝256                      (1)

$n(x,y)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}s\left(\mathrm{\Δ}{f}_i(x,y)\right)---\left(2\right)$

Δf_i(x，y)＝f(x，y)-f_i(x，y)，i＝1，2，...，8                    (3)

其中，函数s()是一个分段线性函数；

公式(3)表示以输入图像的每个像素为中心点，中心点的灰度值分别与它的8个相邻像素的灰度值相减，可得到差值Δf_i(x，y)，公式(2)的n(x，y)是Δf_i(x，y)对输出E(x，y)的加权贡献。

更进一步，所述的分段线性函数s()如下：

$s\left(u\right)=\left\{\begin{array}{cc}{k}_{\mathrm{sh}}u/2& u<-4k_{\mathrm{sm}}\\ k_{\mathrm{sh}}(u+2k_{\mathrm{sm}})& -4k_{\mathrm{sm}}\&le;u\&le;-2k_{\mathrm{sm}}\\ u+2k_{\mathrm{sm}}& -2k_{\mathrm{sm}}\&le;u\&le;-k_{\mathrm{sm}}\\ -u& -k_{\mathrm{sm}}\&le;u\&le;k_{\mathrm{sm}}\\ u-2k_{\mathrm{sm}}& k_{\mathrm{sm}}\&le;u\&le;2k_{\mathrm{sm}}\\ k_{\mathrm{sh}}(u-2k_{\mathrm{sm}})& 2k_{\mathrm{sm}}\&le;u\&le;4k_{\mathrm{sm}}\\ -k_{\mathrm{sh}}u/2& u\&GreaterEqual;4k_{\mathrm{sm}}\end{array}\right.---\left(4\right)$

公式(4)的k_sh和k_sm分别是两个可变参数，k_sm用于调整平滑的程度，k_sh用于调整锐化的程度。

进一步，通过边界消除滤波器对图像进行增强处理的方法如下：

通过边界消除滤波器来消除图像中存在的噪声边界，其结果是按照下面的公式来实现的：

$E_t(x,y)=E(x,y)-\underset{i=\mathrm{1,2},...,N}{\min }\left\{g\left(\mathrm{\&Delta;}{E}_i(x,y)\right)\right\}+\underset{i=\mathrm{1,2},...,N}{\min }\left\{g(-\mathrm{\&Delta;}{E}_i(x,y))\right\}$

其中，ΔE_i(x，y)＝E(x，y)-E_i(x，y)，i＝1，2，...，8

其中，g()是一个非线性函数，

$g\left(v\right)=\left\{\begin{array}{cc}v,& 0<v\&le;L-1\\ 0,& v\&le;0\end{array}\right..$

进一步，Δf_i(x，y)表示的中心像素点与周围邻域像素的灰度值差值，如果差值Δf_i(x，y)小于10％的灰度级数，即小于16，则代表此处是平坦区域的概率更大，平滑处理对输出的结果贡献更大，如果差值Δf_i(x，y)大于或等于10％，则此处是边缘或细节区域的概率更大，锐化处理对输出的结果贡献更大。

进一步，为了更好的消除噪声的误锐化，设置了强平滑、弱平滑、强锐化及弱锐化分段。

进一步，所述的k_sh的取值为3～7，k_sm的取值为12～18，其较优取值为k_sh的取值为5，k_sm的取值为15。

为了实现上述方法，本发明提出了一种图像增强装置，该装置包括以下模块：

图像采集模块：用于通过摄像头采集图像并将图像数字化；

图像自适应增强模块：用于通过分段线性函数及边界消除滤波器对图像进行增强处理；

图像输出模块：用于增强后的图像的输出。

进一步，所述的图像自适应增强模块还设有以下子模块：

分段加权增强子模块，用于对图像的局部区域进行平滑和锐化处理；

边缘轮廓消除子模块，用于检测图像区域内差异度最大的像素并去除。

本发明的效果在于：使用本发明提出的自适应图像增强技术，将图像平滑和图像锐化有机的结合起来，利用分段线性函数控制平滑和锐化处理对输出结果的贡献度，在图像平坦的区域做平滑处理多些，在图像细节丰富的地方做锐化多些，充分利用像素间及邻域内像素灰度差等关联信息，算法简单，效果高，稳定性好，本发明提出的控制参数少，可控性强，便于用户得到期望的增强后的输出图像，此外该方法硬件代价小，可以嵌入芯片中。

附图说明

图1为本发明所述的一种图像增强装置的系统框图；

图2为本发明所述的一种图像增强方法的流程图；

图3为本发明实施例中坐标(x，y)及其周围的3×3邻域上相邻像素的示意图；

图4为实施例中未经处理的原始图像；

图5为实施例中采用本发明所述的一种图像增强方法增强后的图像。

具体实施方式

为了更好的说明本发明，下面结合具体实施方式对本发明所述方法和装置作进一步的描述。

本实施例中，如图1所示，一种图像增强装置，该装置包括以下模块：

图像采集模块11：通过摄像头采集图像并将图像数字化；

图像自适应增强模块12：用于通过分段线性函数及边界消除滤波器对图像进行增强处理；

图像输出模块13：用于增强后的图像的输出。

本实施例中，所述的图像自适应增强模块12中还设有以下子模块：

分段加权增强子模块14，用于对图像的局部区域进行平滑和锐化处理；

边缘轮廓消除子模块15，用于检测图像区域内差异度最大的像素并去除。

如图2所示，一种图像增强方法，包括以下步骤：

(1)图像的采集及数字化：通过摄像头采集图像并进行图像数字化S21；

(2)图像的自适应增强：通过分段线性函数及边界消除滤波器增强图像S22；

(3)输出增强后的图像：输出经过自适应增强后的图像S23。

步骤(2)中，对图像进行增强处理时，根据图像中某处空间结构的分类分别对该处给予平滑处理或者锐化处理，具体来说，对于平坦区域进行平滑处理，对于边缘或细节区域，则进行锐化处理。

本实施例中，步骤(2)中图像的自适应调整增强具体实现方法如下：输入的数字图像是一个有L个灰度级别的灰度图像，f(x，y)是在坐标(x，y)处的像素的灰度值，本方法定义在坐标(x，y)的3×3邻域上，用f_i(x，y)，i＝1，2，...，8分别表示(x，y)的相邻像素的灰度值，如图3所示。E_f(x，y)表示f(x，y)经增强处理后的输出结果，该输出结果是按照下面公式来实现的：

E_f(x，y)＝min(f(x，y)+n(x，y)，L-1)，L＝256                          (1)

$n(x,y)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}s\left(\mathrm{\&Delta;}{f}_i(x,y)\right)---\left(2\right)$

Δf_i(x，y)＝f(x，y)-f_i(x，y)，i＝1，2，...，8                        (3)

其中，函数s()是一个分段线性函数，

$s\left(u\right)=\left\{\begin{array}{cc}{k}_{\mathrm{sh}}u/2& u<-4k_{\mathrm{sm}}\\ k_{\mathrm{sh}}(u+2k_{\mathrm{sm}})& -4k_{\mathrm{sm}}\&le;u\&le;-2k_{\mathrm{sm}}\\ u+2k_{\mathrm{sm}}& -2k_{\mathrm{sm}}\&le;u\&le;-k_{\mathrm{sm}}\\ -u& -k_{\mathrm{sm}}\&le;u\&le;k_{\mathrm{sm}}\\ u-2k_{\mathrm{sm}}& k_{\mathrm{sm}}\&le;u\&le;2k_{\mathrm{sm}}\\ k_{\mathrm{sh}}(u-2k_{\mathrm{sm}})& 2k_{\mathrm{sm}}\&le;u\&le;4k_{\mathrm{sm}}\\ -k_{\mathrm{sh}}u/2& u\&GreaterEqual;4k_{\mathrm{sm}}\end{array}\right.---\left(4\right)$

其中，公式(4)的k_sh和k_sm分别是两个可变参数，k_sm用于调整平滑的程度，k_sh用于调整锐化的程度，k_sm设置的偏大可以降低边缘的发生概率，但同时容易使得图像整体变得较为模糊，所述的k_sh的取值一般为3～7，k_sm的取值一般为12～18。

在图像增强处理过程中，如果中心像素点与周围邻域像素的灰度值差值Δf_i(x，y)比较小，代表此处是平坦区域的概率更大，则对图像进行平滑处理，反之，如果差值较大，代表此处是边缘或细节区域的概率更大，则对此处进行锐化处理，为了更好的消除误锐化，在图像增强过程中分别设置了强平滑、弱平滑、强锐化及弱锐化的分段。

经过上述的图像分段处理后，图像中可能仍存在噪声边界问题，消除图像中可能存在的噪声边界可以更好的提高图像的增强效果，本发明中通过边界消除滤波器来检测出区域内差异最大的像素并去除，关系式如下：

$E_t(x,y)=E(x,y)-\underset{i=\mathrm{1,2},...,N}{\min }\left\{g\left(\mathrm{\&Delta;}{E}_i(x,y)\right)\right\}+\underset{i=\mathrm{1,2},...,N}{\min }\left\{g(-\mathrm{\&Delta;}{E}_i(x,y))\right\}$

这里，ΔE_i(x，y)＝E(x，y)-E_i(x，y)，i＝1，2，...，8

上述步骤的物理意义在于，剔除图像中存在的离散噪声，对于该像素偏离周围其他8点的灰度值，说明其实孤立的高斯噪声点，通过处理消除它，使其靠近邻域内其他像素灰度值。

其中，g()是一个非线性函数，

$g\left(v\right)=\left\{\begin{array}{cc}v,& 0<v\&le;L-1\\ 0,& v\&le;0\end{array}\right..$

通过上述步骤消除了图像中可能存在的噪声边界问题，从而得到了增强后的输出图像S23。

下面采用本发明所述的一种图像增强方法，对图4中所示的一幅未经处理的原始图像进行图像增强。

首先，将原始图像进行数字化，然后对图像的进行初步增强处理：假定f(x，y)是图像中在一坐标(x，y)处的像素的灰度值，并定义坐标(x，y)的3×3邻域，用f_i(x，y)，i＝1，2，..，8分别表示(x，y)的相邻像素，如图2所示，用E_f(x，y)表示f(x，y)经初步增强处理后的结果，然后按照下面的公式对图像进行增强处理：

E_f(x，y)＝min(f(x，y)+n(x，y)，L-1)，L＝256

$n(x,y)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}s\left(\mathrm{\&Delta;}{f}_i(x,y)\right)$

Δf_i(x，y)＝f(x，y)-f_i(x，y)，i＝1，2，...，8

其中，函数s()是一个分段线性函数，

$s\left(u\right)=\left\{\begin{array}{cc}{k}_{\mathrm{sh}}u/2& u<-4k_{\mathrm{sm}}\\ k_{\mathrm{sh}}(u+2k_{\mathrm{sm}})& -4k_{\mathrm{sm}}\&le;u\&le;-2k_{\mathrm{sm}}\\ u+2k_{\mathrm{sm}}& -2k_{\mathrm{sm}}\&le;u\&le;-k_{\mathrm{sm}}\\ -u& -k_{\mathrm{sm}}\&le;u\&le;k_{\mathrm{sm}}\\ u-2k_{\mathrm{sm}}& k_{\mathrm{sm}}\&le;u\&le;2k_{\mathrm{sm}}\\ k_{\mathrm{sh}}(u-2k_{\mathrm{sm}})& 2k_{\mathrm{sm}}\&le;u\&le;4k_{\mathrm{sm}}\\ -k_{\mathrm{sh}}u/2& u\&GreaterEqual;4k_{\mathrm{sm}}\end{array}\right.$

其中，k_sh和k_sm分别是两个可变参数，k_sm用于调整平滑的程度，k_sh用于调整锐化的程度，在本实施例中k_sh的取值为5，k_sm的取值为15；在具体应用过程中，可以根据实际需要采用不同的分段线性函数，并不限于本实施例中的上述分段线性函数。比如，本实施例中分成了7段，也可以分成5段或是3段。

在图像增强处理过程中，如果中心像素点与周围邻域像素的灰度值差值Δf_i(x，y)比较小，代表此处是平坦区域的概率更大，则对图像进行平滑处理，反之，如果差值较大，代表此处是边缘或细节区域的概率更大，则对此处进行锐化处理，在本实施例中，若Δf_i(x，y)小于10％的灰度级数，即小于16，则对此处图像进行平滑处理，若Δf_i(x，y)大于或等于10％的灰度级数，则对此处图像进行锐化处理。

经上述处理后，图像会得到明显的增强，但由于图像中往往存在高斯噪声，对于这些噪声，就需要加大平滑系数k_sm来实现对它的消除，但这样势必会对一些图像中应有的细节边缘区域造成影响，所以最好在进行上面的图象增强处理之后，为了进一步提高增强效果，下面采用边界消除滤波器来检测出区域内差异最大的像素并去除，其关系式如下：

$E_t(x,y)=E(x,y)-\underset{i=\mathrm{1,2},...,N}{\min }\left\{g\left(\mathrm{\&Delta;}{E}_i(x,y)\right)\right\}+\underset{i=\mathrm{1,2},...,N}{\min }\left\{g(-\mathrm{\&Delta;}{E}_i(x,y))\right\}$

其中，ΔE_i(x，y)＝E(x，y)-E_i(x，y)，i＝1，2，...，8，其用于剔除图像中存在的离散噪声，对于该像素偏离周围其他8点的灰度值，说明其实孤立的高斯噪声点，通过处理消除它，使其靠近邻域内其他像素灰度值；其中，g()是一个非线性函数；

$g\left(v\right)=\left\{\begin{array}{cc}v,& 0<v\&le;L-1\\ 0,& v\&le;0\end{array}\right..$

经过本发明上述方法处理后的图像，如图5所示，与图4中的原始图像相比，可以看出，在使用本发明所述方法对图像进行处理后，图像明显变得清晰，边缘问题也得到很好的解决，得到了用户期望的效果明显增强的输出图像。

从上述实施例可以看出，本发明所的方法和装置将图像平滑和图像锐化有机结合起来，充分利用像素间和邻域内像素灰度差关联信息，在图像锐化的同时进行有效的噪声去除，更好的提高图像的增强效果。

考虑到在此公开的对本发明的描述和特殊的实施例，本发明的其他实施例对于本领域的技术人员来说是显而易见的。这些说明和实施例仅作为例子来考虑，它们都属于由所附权利要求所指示的本发明的保护范围和精神之内。

Claims (11)

1.一种图像增强方法，包括以下步骤：

(1)图像的采集及数字化：通过摄像头采集图像并进行图像数字化；

(2)图像的自适应增强：通过分段线性函数及边界消除滤波器对图像进行增强处理；

(3)输出增强后的图像：输出经过自适应增强后的图像。

2.如权利要求1所述的一种图像增强方法，其特征在于，步骤(2)中，对图像进行增强处理时，根据图像中某处空间结构的分类分别对该处给予平滑处理或者锐化处理，具体来说，对于平坦区域进行平滑处理，对于边缘或细节区域，则进行锐化处理。

3.如权利要求1所述的一种图像增强方法，其特征在于，步骤(2)中，通过分段线性函数对图像进行增强处理的方法如下：

设输入的数字图像是一个有L个灰度级别的灰度图像，f(x，y)是在坐标(x，y)处的像素的灰度值，在坐标(x，y)的3×3邻域上，用f_i(x，y)，i＝1，2，...，8分别表示(x，y)的相邻像素的灰度值，E_f(x，y)表示f(x，y)经增强处理后的输出结果，该结果是按照下面的公式来实现的：

E_f(x，y)＝min(f(x，y)+n(x，y)，L-1)，L＝256                      (1)

$n(x,y)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}s\left(\mathrm{\&Delta;}{f}_i(x,y)\right)---\left(2\right)$

Δf_i(x，y)＝f(x，y)-f_i(x，y)，i＝1，2，...，8                    (3)

其中，函数s()是一个分段线性函数；

公式(3)表示以输入图像的每个像素为中心点，中心点的灰度值分别与它的8个相邻像素的灰度值相减，可得到差值Δf_i(x，y)，公式(2)的n(x，y)是Δf_i(x，y)对输出E(x，y)的加权贡献。

4.如权利要求1至3之一所述的一种图像增强方法，其特征在于，所述的分段线性函数s()如下：

$s\left(u\right)=\left\{\begin{array}{cc}{k}_{\mathrm{sh}}u/2& u<-4k_{\mathrm{sm}}\\ k_{\mathrm{sh}}(u+2k_{\mathrm{sm}})& -4k_{\mathrm{sm}}\&le;u\&le;-2k_{\mathrm{sm}}\\ u+2k_{\mathrm{sm}}& -2k_{\mathrm{sm}}\&le;u\&le;-k_{\mathrm{sm}}\\ -u& -k_{\mathrm{sm}}\&le;u\&le;k_{\mathrm{sm}}\\ u-2k_{\mathrm{sm}}& k_{\mathrm{sm}}\&le;u\&le;2k_{\mathrm{sm}}\\ k_{\mathrm{sh}}(u-2k_{\mathrm{sm}})& 2k_{\mathrm{sm}}\&le;u\&le;4k_{\mathrm{sm}}\\ -k_{\mathrm{sh}}u/2& u\&GreaterEqual;4k_{\mathrm{sm}}\end{array}\right.---\left(4\right)$

公式(4)的k_sh和k_sm分别是两个可变参数，k_sm用于调整平滑的程度，k_sh用于调整锐化的程度。

5.如权利要求1至3之一所述的一种图像增强方法，其特征在于，步骤(2)中，通过边界消除滤波器对图像进行增强处理的方法如下：

通过边界消除滤波器来消除图像中存在的噪声边界，其是按照下面的公式来实现的：

$E_t(x,y)=E(x,y)-\underset{i=\mathrm{1,2},...,N}{\min }\left\{g\left(\mathrm{\&Delta;}{E}_i(x,y)\right)\right\}+\underset{i=\mathrm{1,2},...,N}{\min }\left\{g(-\mathrm{\&Delta;}{E}_i(x,y))\right\}$

其中，ΔE_i(x，y)＝E(x，y)-E_i(x，y)，i＝1，2，...，8

其中，g()是一个非线性函数，

$g\left(v\right)=\left\{\begin{array}{cc}v,& 0<v\&le;L-1\\ 0,& v\&le;0\end{array}\right..$

6.如权利要求3所述的一种图像增强方法，其特征在于：如果差值Δf_i(x，y)小于10％的灰度级数，即小于16，代表此处是平坦区域的概率更大，则对图像进行平滑处理；如果差值Δf_i(x，y)大于或等于10％的灰度级数，代表此处是边缘或细节区域的概率更大，则对此处进行锐化处理。

7.如权利要求3所述的一种图像增强方法，其特征在于：所述的平滑处理包括强平滑和弱平滑，所述的锐化处理包括强锐化及弱锐化。

8.如权利要求4所述的一种图像增强方法，其特征在于：所述的k_sh的取值为3～7，k_sm的取值为12～18。

9.如权利要求8所述的一种图像增强方法，其特征在于：所述的k_sh的取值为5，k_sm的取值为15。

10.一种图像增强装置，该装置包括以下模块：

图像采集模块：用于通过摄像头采集图像并将图像数字化；

图像自适应增强模块：用于通过分段线性函数及边界消除滤波器对图像进行增强处理；

图像输出模块：用于增强后的图像的输出。

11.如权利要求10所述的一种图像增强装置，其特征在于，所述的图像自适应增强模块中还设有以下子模块：

分段加权增强子模块，用于对图像的局部区域进行平滑和锐化处理；

边缘轮廓消除子模块，用于检测图像区域内差异度最大的像素并去除。

Images