CN103617600A - 一种基于边缘检测的图像自动锐化方法 - Google Patents

Abstract

本发明涉及一种基于边缘检测的图像自动锐化方法，其通过对原始图像进行灰度化处理及边缘检测，并将得到的弱边缘结果与强边缘结果进行相减计算得到边缘差值，从而根据边缘差值对原始图像的每个像素点设置不同的锐化度，最后根据该锐化度并结合高斯模糊图像对原始图像进行自动锐化处理，使得锐化量不依赖于显示条件和用户的视觉系统，不仅可以实现自动锐化，而且提高了图像的锐化处理质量，使得图像的边缘区域更明显，主体更突出显现。

Description

一种基于边缘检测的图像自动锐化方法

技术领域

本发明涉及一种图像增强方法，特别是一种基于边缘检测的图像自动锐化方法。

背景技术

在拍摄了数字图像之后，经常要对其进行锐化以减少或消除模糊、增强图像焦点或模拟更好的分辨率。可通过去卷积方法或者通过利用钝化掩模滤波器(unsharp mask filter)来执行锐化以增加图像内边缘的对比度。钝化掩模滤波器通过定义的阈值识别与周围像素不同的像素，并且通过指定的锐化量增加对比度。用户可以确定并设置锐化量，这使得锐化量依赖于显示条件和用户的视觉系统。换而言之，尽管锐化量是钝化掩模滤波器中的一个主要参数，但是通常根据主观判断而非客观判断来设置锐化量。因此，如何通过客观判断来设置锐化量成为我们消除图像模糊的重点。

发明内容

本发明为解决上述问题，提供了一种基于边缘检测的图像自动锐化方法，其通过客观判断方法来设置锐化量，使得边缘区域更明显，主题更突出显现。

为实现上述目的，本发明采用的技术方案为：

一种基于边缘检测的图像自动锐化方法，其特征在于，包括以下步骤：

10.接收原始图像；

20.对原始图像进行灰度化处理，得到灰度图像；

30.对灰度图像进行边缘检测，得到强边缘结果和弱边缘结果；

40.将弱边缘结果与强边缘结果进行相减计算，得到边缘差值；

50.对原始图像进行高斯模糊处理，得到高斯模糊图像；

60.根据边缘差值对原始图像的每个像素点设置不同的锐化度，并根据该锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理。

优选的，所述步骤20中，对原始图像进行灰度化处理的计算公式为以下公式的其中一个：

Gray＝0.299*Red+0.587*Green+0.114*Blue；

或者

Gray＝(Red*306+Green*601+Blue*117+512)/1024；

其中，Gray为得到的灰度图像上对应像素点的颜色值，Red、Green、Blue分别为原始图像上红、绿、蓝三个通道对应像素点的的所述颜色值。

优选的，所述步骤40中将弱边缘结果与强边缘结果进行相减计算的计算公式为：

result＝max((low-high)，0)；

其中，result为对应像素点的边缘差值；low为对应像素点的弱边缘结果的值；high为对应像素点的强边缘结果的值。

优选的，所述步骤50中的高斯模糊处理是用正态分布计算图像中每个像素的变换，其中，

在N维空间的正态分布方程为：

$G\left(r\right)=\frac{1}{{\sqrt{2\mathrm{\π}{\mathrm{\σ}}^2}}^N}{e}^{-r^2/\left(2{\mathrm{\σ}}^2\right)};$

在二维空间的正态分布方程为：

$G(u,v)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}^2}{e}^{-(u^2+v^2)/\left({2\mathrm{\σ}}^2\right)};$

其中r是模糊半径，r²＝u²+v²，σ是正态分布的标准偏差，u是原像素点在x轴上的位置偏移值，v是原像素点在y轴上的位置偏移值。

优选的，所述步骤60中，根据边缘差值对原始图像的每个像素点设置不同的锐化度，其中设置锐化度的公式为：

depth＝max((result/255.0)/k，0.0)；

其中，depth为对应像素点的锐化度；result为对应像素点的边缘差值；k为一个固定值，范围从2到10。

优选的，所述步骤60中，根据所述锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理，其计算公式为：

resultColor＝min(max((depth+1)*color-depth*gaussColor，0)，255)；

其中，depth为设置的锐化度，resultColor为锐化后的各像素点的颜色值；color为原始图像各像素点的颜色值；gaussColor为原始图像高斯模糊后各个像素点的颜色值。

本发明的有益效果是：

本发明通过对原始图像进行灰度化处理及边缘检测，并将得到的弱边缘结果与强边缘结果进行相减计算得到边缘差值，从而根据边缘差值对原始图像的每个像素点设置不同的锐化度，最后根据该锐化度并结合高斯模糊图像对原始图像进行自动锐化处理，使得锐化量不依赖于显示条件和用户的视觉系统，不仅可以实现自动锐化，而且提高了图像的锐化处理质量，使得图像的边缘区域更明显，主体更突出显现。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明基于边缘检测的图像自动锐化方法的流程简图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明的一种基于边缘检测的图像自动锐化方法，包括以下步骤：

10.接收原始图像；

20.对原始图像进行灰度化处理，得到灰度图像；

30.对灰度图像进行边缘检测，得到强边缘结果和弱边缘结果；

40.将弱边缘结果与强边缘结果进行相减计算，得到边缘差值；

50.对原始图像进行高斯模糊处理，得到高斯模糊图像；

60.根据边缘差值对原始图像的每个像素点设置不同的锐化度，并根据该锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理。

上述方法中各步骤的具体计算方法列举如下：

所述步骤20中，对原始图像进行灰度化处理的计算公式为以下公式的其中一个：

Gray＝0.299*Red+0.587*Green+0.114*Blue；

或者

Gray＝(Red*306+Green*601+Blue*117+512)/1024；

其中，Gray为得到的灰度图像上对应像素点的颜色值，Red、Green、Blue分别为原始图像上红、绿、蓝三个通道对应像素点的所述颜色值。

所述步骤30中强边缘检测的方法可以采用Canny边缘检测算法或阈值边缘检测算法，弱边缘检测的方法可以采用Sobel边缘检测算法或Prewitt边缘检测算法。上述边缘检测方法为现有检测方法，在此不累述。根据现有检测方法，得到强边缘结果与弱边缘结果。

所述步骤40中将弱边缘结果与强边缘结果进行相减计算的计算公式为：

result＝max((low-high)，0)；

其中，result为对应像素点的边缘差值；low为对应像素点的弱边缘结果的值；high为对应像素点的强边缘结果的值。

所述步骤50中的高斯模糊处理是用正态分布计算图像中每个像素的变换，其中，

在N维空间的正态分布方程为：

$G\left(r\right)=\frac{1}{{\sqrt{2\mathrm{\π}{\mathrm{\σ}}^2}}^N}{e}^{-r^2/\left({2\mathrm{\σ}}^2\right)};$

在二维空间的正态分布方程为：

$G(u,v)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}^2}{e}^{-(u^2+v^2)/\left({2\mathrm{\σ}}^2\right)};$

其中r是模糊半径，r²＝u²+v²，σ是正态分布的标准偏差，u是原像素点在x轴上的位置偏移值，v是原像素点在y轴上的位置偏移值。

所述步骤60中，根据边缘差值对原始图像的每个像素点设置不同的锐化度，其中设置锐化度的公式为：

depth＝max((result/255.0)/k，0.0)；

其中，depth为对应像素点的锐化度；result为所述步骤40中对应像素点的边缘差值；k为一个固定值，范围从2到10。

所述步骤60中，根据所述锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理，其计算公式为：

resultColor＝min(max((depth+1)*color-depth*gaussColor，0)，255)；

其中，depth为设置的锐化度，resultColor为锐化后的各像素点的颜色值；color为原始图像各像素点的颜色值；gaussColor为原始图像高斯模糊后各个像素点的颜色值。

弱边缘就是将图像中的边缘都显示出来，强边缘就是将图像中比较强的边缘显示出来，而弱边缘减去强边缘得到的结果就是图像中是边缘但是不明显的区域；本文的原理是利用弱边缘与强边缘的检测差距来获取图像中是边缘但是又不明显的区域，将其做锐化的增益，使其边缘更明显，主体更突出显现，以此达到效果的提升。

上述说明示出并描述了本发明的优选实施例，如前，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (6)

1.一种基于边缘检测的图像自动锐化方法，其特征在于，包括以下步骤：

10.接收原始图像；

20.对原始图像进行灰度化处理，得到灰度图像；

30.对灰度图像进行边缘检测，得到强边缘结果和弱边缘结果；

40.将弱边缘结果与强边缘结果进行相减计算，得到边缘差值；

50.对原始图像进行高斯模糊处理，得到高斯模糊图像；

60.根据边缘差值对原始图像的每个像素点设置不同的锐化度，并根据该锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理。

2.根据权利要求1所述的一种基于边缘检测的图像自动锐化方法，其特征在于：所述步骤20中，对原始图像进行灰度化处理的计算公式为以下公式的其中一个：

Gray＝0.299*Red+0.587*Green+0.114*Blue；

或者

Gray＝(Red*306+Green*601+Blue*117+512)/1024；

其中，Gray为得到的灰度图像上对应像素点的颜色值，Red、Green、Blue分别为原始图像上红、绿、蓝三个通道对应像素点的所述颜色值。

3.根据权利要求1所述的一种基于边缘检测的图像自动锐化方法，其特征在于：所述步骤40中将弱边缘结果与强边缘结果进行相减计算的计算公式为：

result＝max((low-high)，0)；

其中，result为对应像素点的边缘差值；low为对应像素点的弱边缘结果的值；high为对应像素点的强边缘结果的值。

4.根据权利要求1所述的一种，其特征在于：所述步骤50中的高斯模糊处理是用正态分布计算图像中每个像素的变换，其中，

在N维空间的正态分布方程为：

$G\left(r\right)=\frac{1}{{\sqrt{2\mathrm{\π}{\mathrm{\σ}}^2}}^N}{e}^{-r^2/\left({2\mathrm{\σ}}^2\right)};$

在二维空间的正态分布方程为：

$G(u,v)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}^2}{e}^{-(u^2+v^2)/\left({2\mathrm{\σ}}^2\right)};$

其中r是模糊半径，r²＝u²+v²，σ是正态分布的标准偏差，u是原像素点在x轴上的位置偏移值，v是原像素点在y轴上的位置偏移值。

5.根据权利要求1或2或3或4所述的一种基于边缘检测的图像自动锐化方法，其特征在于：所述步骤60中，根据边缘差值对原始图像的每个像素点设置不同的锐化度，其中设置锐化度的公式为：

depth＝max((result/255.0)/k，0.0)；

其中，depth为对应像素点的锐化度；result为对应像素点的边缘差值；k为一个固定值，范围从2到10。

6.根据权利要求5所述的一种基于边缘检测的图像自动锐化方法，其特征在于：所述步骤60中，根据所述锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理，其计算公式为：

resultColor＝min(max((depth+1)*color-depth*gaussColor，0)，255)；

其中，depth为设置的锐化度，resultColor为锐化后的各像素点的颜色值；color为原始图像各像素点的颜色值；gaussColor为原始图像高斯模糊后各个像素点的颜色值。

Images