CN104123697B - 一种图像增强方法及设备 - Google Patents

一种图像增强方法及设备 Download PDF

Info

Publication number
CN104123697B
CN104123697B CN201310143064.2A CN201310143064A CN104123697B CN 104123697 B CN104123697 B CN 104123697B CN 201310143064 A CN201310143064 A CN 201310143064A CN 104123697 B CN104123697 B CN 104123697B
Authority
CN
China
Prior art keywords
value
neighborhood territory
pixel
neighborhood
pixel points
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.)
Expired - Fee Related
Application number
CN201310143064.2A
Other languages
English (en)
Other versions
CN104123697A (zh
Inventor
杜馨瑜
王栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Bai Si Di Software Technology Co., Ltd.
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN201310143064.2A priority Critical patent/CN104123697B/zh
Priority to EP13883013.8A priority patent/EP2983130A4/en
Priority to PCT/CN2013/089404 priority patent/WO2014173145A1/zh
Publication of CN104123697A publication Critical patent/CN104123697A/zh
Priority to US14/920,669 priority patent/US9704225B2/en
Application granted granted Critical
Publication of CN104123697B publication Critical patent/CN104123697B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种图像增强方法，包括：基于目标像素点的原像素值计算目标像素点的中心响应值；计算目标像素点的第一总抑制值，第一总抑制值是目标像素点所有的邻域像素点对目标像素点的抑制值的总和，邻域像素点为预先指定为目标像素点的邻域像素点，邻域像素点对目标像素点的抑制值是指该邻域像素点对目标像素点所起抑制作用所表示的值；当中心响应值大于第一总抑制值时，将中心响应值减去第一总抑制值得到差值，并将差值作为图像增强后目标像素点的像素值；当中心响应值小于第一总抑制值时，将0值作为图像增强后目标像素点的像素值。相应地，本发明实施例还公开一种图像增强设备。本发明实施例可以实现增强后的图像比较细致。

Description

一种图像增强方法及设备
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及设备。
背景技术
图像增强技术是图像处理领域的关键技术之一，该技术用于改善和提升原图像质量，甚至揭示原图像中隐藏的信息，使之更适于人类视觉系统的观测或后续其他功能模块的处理。且图像增强技术在遥感、动态场景分析、自动导航、医学图像分析等领域有重要的应用。
目前图像增强技术中最常用的是通过伽马(Gamma)校正实现图像增强，其原理是对输入图像像素灰度采用幂次变换，如正式所示：
s＝crγ
其中，c，γ为正常数，r，s分别为输入图像和输出图像像素灰度。
由于上述技术中只是对输入图像进行简单的幂次变换，这样只能调节图像整体的亮度，增强后的图像比较粗糙。
发明内容
本发明实施例提供了一种图像增强方法及设备，可以实现增强后的图像比较细致。
第一方面，本发明实施例提供的一种图像增强方法，包括：
基于目标像素点的原像素值计算所述目标像素点的中心响应值，所述中心响应值大于所述原像素值；
计算所述目标像素点的第一总抑制值，所述第一总抑制值是所述目标像素点所有的邻域像素点对所述目标像素点的抑制值的总和，所述邻域像素点为预先指定为所述目标像素点的邻域像素点，所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点对目标像素点所起抑制作用所表示的值；
当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；
当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值。
第二方面，本发明实施例提供一种图像增强设备，包括：
第一计算模块、第二计算模块和图像增强模块，其中：
所述第一计算模块，用于基于目标像素点的原像素值计算所述目标像素点的中心响应值，所述中心响应值大于所述原像素值；
所述第二计算模块，用于计算所述目标像素点的第一总抑制值，所述第一总抑制值是所述目标像素点所有的邻域像素点对所述目标像素点的抑制值的总和，所述邻域像素点为预先指定为所述目标像素点的邻域像素点，所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点对目标像素点所起抑制作用所表示的值；
所述图像增强模块，用于当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；以及用于当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值。
上述技术方案中，基于目标像素点的原像素值计算所述目标像素点的中心响应值，所述中心响应值大于所述原像素值；计算所述目标像素点的第一总抑制值，所述第一总抑制值是所述目标像素点所有的邻域像素点对所述目标像素点的抑制值的总和，所述邻域像素点为预先指定为所述目标像素点的邻域像素点，所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点对目标像素点所起抑制作用所表示的值；当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值。这样由于目标像素点的图像增强决定于目标像素点的原像素值和其它邻域像素点的原像素值，从而比起现有技术仅对像素点的像素值进行一个简单的幂次变换，本发明实施例图像增强后的图像比较细致。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种图像增强方法的流程示意图；
图2是本发明实施例提供的另一种图像增强方法的流程示意图；
图3是本发明实施例提供的另一种图像增强方法的流程示意图；
图4是本发明实施例提供的一种可选的计算模板的示意图；
图5是本发明实施例提供的多种图像增强的效果比较示意图；
图6是本发明实施例提供的另一个多种图像增强的效果比较示意图；
图7是本发明实施例提供的另一个多种图像增强的效果比较示意图；
图8是本发明实施例提供的一种图像增强设备的结构示意图；
图9是本发明实施例提供的另一种图像增强设备的结构示意图；
图10是本发明实施例提供的另一种图像增强设备的结构示意图；
图11是本发明实施例提供的另一种图像增强设备的结构示意图。
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。
图1是本发明实施例提供的一种图像增强方法的流程示意图，如图1所示，包括：
101、基于目标像素点的原像素值计算所述目标像素点的中心响应值，所述中心响应值大于所述原像素值；
102、计算所述目标像素点的第一总抑制值，所述第一总抑制值是所述目标像素点所有的邻域像素点对所述目标像素点的抑制值的总和，所述邻域像素点为预先指定为所述目标像素点的邻域像素点，所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点对目标像素点所起抑制作用所表示的值；
103、当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值。
可选的，上述目标像素点可以是需要进行图像增强的图像中的一个或者多个像素点。上述步骤中仅说明对目标像素点进行图像增强，本实施例中还可以对上述图像中其它像素点进行上述步骤所示的图像增强，即可以实现对整个图像进行上述步骤所示的图像增强。
可选的，所述方法还可以应用于任何支持图像处理的设备，例如：计算机、手机、平板电脑等设备。
上述技术方案中，基于目标像素点的原像素值计算所述目标像素点的中心响应值，所述中心响应值大于所述原像素值；计算所述目标像素点的第一总抑制值，所述第一总抑制值是所述目标像素点所有的邻域像素点对所述目标像素点的抑制值的总和，所述邻域像素点为预先指定为所述目标像素点的邻域像素点，所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点对目标像素点所起抑制作用所表示的值；当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值。这样由于目标像素点的图像增强决定于目标像素点的原像素值和其它邻域像素点的原像素值，从而比起现有技术仅对像素点的像素值进行一个简单的幂次变换，本发明实施例图像增强后的图像比较细致。
图2是本发明实施例提供的另一种图像增强方法的流程示意图，如图2所示，包括：
201、基于目标像素点的原像素值计算所述目标像素点的中心响应值，所述中心响应值大于所述原像素值。
202、分别计算每个所述邻域像素点的第二总抑制值，所述邻域像素点的第二总抑制值是指其它邻域像素点对该邻域像素点的抑制值的总和，所述其它邻域像素点是指所述所有邻域像素点中除该邻域像素点之外的所有邻域像素点。
可选的，假设目标像素点的邻域像素包括8个，计算其中一个邻域像素点的第二抑制值，就是计算其它7个邻域像素点对该邻域像素点的抑制值的总和，其它7个对该邻域像素点的抑制值的总和，也可以是理解为是其它7个邻域像素点对该邻域像素点的总的抑制作用所表示的值。
203、基于每个所述邻域像素点的第二总抑制值计算该邻域像素点对所述目标像素点的抑制值；所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点的抑制差值的T倍，所述邻域像素点的抑制差值为该邻域像素点的原像素值减去该邻域像素点的第二总抑制值所得到的差值，或者所述邻域像素点的抑制差值为0，所述T为基于该邻域像素点的原像素值，以及该邻域像素点与所述目标像素点之间的距离值而计算出的值。
可选的，步骤202计算出每个邻域像素点的第二总抑制值，这样步骤203就可以通过第二总抑制值计算出每个邻域像素点的抑制差值，再根据预先基于该邻域像素点的原像素值，以及该邻域像素点与所述目标像素点之间的距离值而计算出的T，得到每个邻域像素点对所述目标像素点的抑制值。其中，上述T可以一个函数，或者一个实数值。
作为一种可选的实施方式，步骤203可以包括：
计算出每个所述邻域像素点的势函数，所述邻域像素点的势函数为该邻域像素点的原像素值减去所述目标像素点的原像素值的差值的范数值；
计算出每个所述邻域像素点的势函数的变化率，所述势函数的变化率是指该势函数的幂函数与所有势函数的幂函数的比值，所述势函数的幂函数的指数为该势函数，所述势函数的幂函数的底数为预先设定的底数；
计算出每个所述邻域像素点的核值，所述邻域像素点的核值是基于该邻域像素点的势函数的变化率，以及该邻域像素点与所述目标像素点之间的距离值而计算出的值；
基于每个所述邻域像素点的第二总抑制值计算该邻域像素点对所述目标像素点的抑制值；所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点的抑制差值的T倍，所述邻域像素点的抑制差值为该邻域像素点的原像素值减去该邻域像素点的第二总抑制值所得到的差值，或者所述邻域像素点的抑制差值为0，所述T为基于该邻域像素点的原像素值，以及该邻域像素点的核值而计算出的值。
可选的，上述势函数可以如下式所示：
可选的，D(x，y)表示邻域像素点(x，y)的势函数上述p可以是等于1或等于2等，即上述可以1范数或者2范数等。上述I(x，y)表示邻域像素点(x，y)的像素值，上述表示目标像素点的像素值。
可选的，D(x，y)的变化率可以如下式所示：
其中，上述k(x，y)可以表示邻域像素点(x，y)的D(x，y)的变化率，上述exp(D(x，y))可以表示自然对数e的D(x，y)次方，上述N表示所有邻域像素点的集合，即上式中对是所有邻域像素点的exp(D(x，y))进行求和。
可选的，上述核值可以通过如下公式计算得的：
其中，上述表示邻域像素点(x，y)的核值，上述σ2为邻域像素点(x，y)与目标像素点之间的距离值的1/H倍，其中，H为预先设定的数值，例如，H可以设定为3。
这样该实施方式中的上述T就可以是基于该邻域像素点的原像素值，以及该邻域像素点的核值而计算出的值，而该核值的计算是基于不同邻域像素点之间的相互作用，而且也融合了目标像素点和邻域像素点之间的自适应交互作用，利用目标像素点与邻域像素点构成的局部对比度信息，对上述T进行更为充分的尺度调节。本发明实施例中将该实施方式实现的图像增强定义为变尺度非经典感受野模型(Variational Scalar non-classicalReceptive Field，VSNRF)。而上述将上述基于该邻域像素点的原像素值，以及该邻域像素点与所述目标像素点之间的距离值而计算出的上述T的实施方式中，实现的图像增强定义为基本的非经典感受野模型(Basic non-classical receptive field，BNRF)。
204、将所有邻域像素点对所述目标像素点的抑制值的总和作为所述目标像素点的第一总抑制值。
205、当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值。
可选的，步骤205可以通过如下公式实现：
T＝max(Tc-TN，0)＝δ(Tc-TN)
其中，T表示图像增强后所述目标像素点的像素值，Tc表示步骤201计算出的中心响应值，TN表示步骤204计算出的第一总抑制值。上述max操作使总响应为非负值，并且暗含了一种非线性作用，δ(·)为克罗内克函数。
作为一种可选的实施方式，如图3所示，在步骤201之前，所述方法还可以包括：
206、设置图像增强的计算模板，所述模板包含中心区域，且为每个所述中心区域设置有邻域区域；所述目标像素点指所述中心区域所覆盖的像素点，所述目标像素点的邻域像素点该中心区域的邻域区域所覆盖的像素点。
可选的，上述计算模板可以是3×3、5×5、7×7等模板，其中，不同的模板中包括的中心区域的个数可以是不同的，例如，3×3的模板包含一个中心区域，5×5的模板可以包含一个或者多个中心区域。
可选的，上述中心区域的大小可以是与图像中一个像素点的大小相同，即上述目标像素点为一个；上述中心区域的大小可以是与图像中几个像素点的大小相同，即上述目标像素点为多个。
可选的，当所述中心区域的邻域区域存在未覆盖所述目标像素点所在的图像中的像素点的未覆盖像素点邻域区域时，即上述目标像素点为图像的边缘像素点时，该中心区域所覆盖的目标像素点的邻域像素点包括：
该中心区域的邻域区域所覆盖的所述图像中的像素点，以及与所述未覆盖像素点邻域区域成镜像的邻域区域所覆盖的所述图像中的像素点；或者
该中心区域的邻域区域所覆盖的所述图像中像素点。即将上述未覆盖像素点邻域区域都设置为0。
下面以3×3的模板为例进行举例说明：
3×3的模板可以如图4所示，其中，黑色的圆圈表示中心区域，其它8个白色的圆圈表示邻域区域。在该模板中设置有一坐标系，坐标系的原点为中心区域，即(x0，y0)，图4中的虚线显示其它邻域像素点对坐标值为(x，y)邻域像素点的抑制值，所有虚线的总和为邻域像素点(x，y)的第二总抑制值，图4中的实线表示邻域像素点(x，y)对目标像素点(x0，y0)的抑制值。
在图4所示模板中，步骤201可以包括：
可选的，步骤201可以通过如下公式计算目标像素点的中心响应值：
其中，Tc表示目标像素点(x0，y0)的中心响应值，G(x，y，σ)＝(1/2πσ2)×exp(-(x2+y2)/2σ2)为高斯函数。表示目标像素点(x0，y0)的原像素值。A1为预先设置的中心区域响应权值系数(例如：A1＝4)，σ1为高斯函数参数，代表高斯核函数宽度，σ1等于3×3的模板的中心区(即图4所示的圆圈中的区域)的半径的1/J倍，J为预先设置的数值，例如J为3，中心区半径就为0.5，因此σ1＝1/6。
在图4所示模板中，步骤202可以包括：
通过如下公式计算每个所述邻域像素点的第二总抑制值：
其中，II(x，y)表示邻域像素点(x，y)的第二总抑制值，N\(x，y)表示除去邻域像素点(x，y)之外所有邻域点的集合；
其中，II(x，y)-(x+m，y+n)＝I(x+m，y+n)A3G(m，n，σ3)
II(x，y)-(x+m，y+n)表示邻域像素点(x+m，y+n)对邻域像素点(x，y)的抑制值，A3为邻域像素点之间的敏感系数(例如：A3＝1)，σ3等于图4所示的模板中最远两邻域像素点之间的距离的1/K倍，K为预先设置为数值，例如K为3，即σ3＝0.94。图4所示的模板最远两个邻域像素点之间的距离为因此
在图4所示模板中，步骤203可以包括：
通过如下公式计算每个所述邻域像素点对所述目标像素点的抑制值：
III(x，y)＝max{A2G(x，y，σ2)(I(x，y)-II(x，y))，0}＝δ(A2G(x，y，σ2)(I(x，y)-II(x，y)))
其中，III(x，y)表示邻域像素点(x，y)对目标像素点(x0，y0)的抑制值，A2为邻域像素点对目标像素点抑制敏感度，I(x，y)为邻域像素点(x，y)的像素值。σ2为高斯函数参数，σ2等于目标像素点(x0，y0)与邻域像素点(x，y)的距离值的1/H倍，其中，H为预先设定的数值，例如，H可以设定为3，σ2＝0.47。图4所示的模板中心点与邻域像素点的最大距离为max操作使抑制作用为非负值，暗含了一种非线性作用。δ(·)为克罗内克函数。
可选的，当在上述VSNRF的实现方式，上述公式中的σ2可以为上述。在上述BNRF实施方式中，上述公式中的σ2可以为等于等于目标像素点(x0，y0)与邻域像素点(x，y)的距离值的H倍。
在图4所示模板中，步骤204可以包括：
通过如下公式计算将所有邻域像素点对所述目标像素点的抑制值的总和作为所述目标像素点的第一总抑制值：
其中，TN表示第一总抑制值，N代表邻域点的集合，在此模板中共有8个邻域点。
作为一种可选的实施方式，上述方法中可以仅对灰色或者黑白图像进行图像增强处理，还可以对彩色图像进行图像增强处理，但对于彩色图像可以是依次对RGB三通进行上述方法所示的图像增强处理。
作为一种可选的实施方式，本实施例还可以对本实施例实现的图像增强后的图像与其它方法实现的图像增强后的图像进行对比。以一张月球图像(如图5所示)为例进行对比说明，该图像为一张亮度分布不均匀的图像。图5中的A为原图像，B为通过直方图均衡化(Histogram equalization，HE)技术对原图像进行图像增强后的图像，C为通过Retinex(一种公知的图像算法)算法对原图像进行图像增强后的图像，D为通过BNRF对原图像进行图像增强后的图像，E为通过VSNRF对原图像进行图像增强后的图像。可以看到，VSNRF展示了更多的细节信息，尤其是月球的高亮度区。如图A箭头所指区域，只有E图没有丢失。可见，在上述几种技术中VSNRF的图像增强效果是最好的。
作为一种可选的实施方式，所述方法还可以对图像增强后的图像进行评价，具体可以通过如下至少一个指标实现对图像增强后的图像的评价：
EC(Evaluation of Contrast)指标、EME(Measure of Enhancement)指标(其中，EC和EME为图像处理领域中两个公知的指标，没有具体的中文意思)和明暗度保持(Intensity Preservation，IP)指标；
其中，上述EC满足如下公式：
EC(g)为上述EC指标，Gr和Gc是横向和纵向的本实施例设置的计算模板(例如图4所示的3×3计算模板)中索贝尔(Sobel)算子作用于图像增强后的图像(g)的结果，(n，m)是图像上的像素点。因为Sobel算子具有边缘检测作用，所以EC衡量了算法对对边缘的图像增强作用，EC越大，说明图像增强的效果越好。
其中，上述EME满足如下公式：
其中，和分别为增强图像局部小块Wk，l内的最大像素值和最小像素值。我们采用8×8的小块，即k1＝k2＝8。明显，当EME越大，表明相应增强算法的局部对比度增强越好。其次，采用EME算子衡量图像增强后局部小块的对比度增强效果：
最后，IP指标用来避免增强后图像与原图像在整体感觉上的明显差异，特别是避免在序列图像中的反差过大。我们采用IP来表示原图像的均值与增强后图像均值的差，越接近于0，说明相应图像增强算法灰度保持的越好。
下面，综合考虑上述三种评价指标对通过HE技术实现的图像增强后的图像，通过Retinex技术实现的图像增强后的图像，通过BNRF技术实现的图像增强后的图像，以及通过VSNRF技术实现的图像增强后的图像进行比较，结果如图6所示。
原图像为某一数据库中图像，为如图6最左侧一列图像所示。接着从左到右，所示为HE技术的结果，Retinex技术的结果，BNRF技术的结果和VSNRF技术的结果。表1是上述方法由EC，EME以及IP三个指标来综合衡量的结果。可以看到，VSNRF实现的图像增强的结果要优于其它的技术实现的图像增强的结果。
如表1所示，可以客观的看到，在上述三个指标的综合评价下，本实施实现的图像增强的结果要优于其它技术实现的图像增强的结果，并且VSNRF要优于BNRF。如图6所示，可以主观的发现，后两列图像表现的更为细致，人眼看起来增强后更为舒适。而HE技术有时候会导致增强后的图像一部分过亮一部分过暗；Retinex算法有时候会导致明显的“halo”假象。
下表由EC，EME以及MG三个指标来综合衡量的HE，Retinex，BNRF和VSNRF处理结果分别示于表1.1，表1.2和表1.3。可以看到，VSNRF要优于其它的技术。
表1.1
EC Original Image HE Retinex BNRF VSNRF
Aeria11 2.7325 2.7222 2.7173 2.7579 2.7676
Aeria12 2.7094 2.7393 2.7537 2.7405 2.7562
Astrol 2.6738 2.7343 2.7308 2.7219 2.7384
Barche 2.6973 2.7249 2.7262 2.7288 2.7411
Cameraman 2.6811 2.7249 2.7262 2.7128 2.7307
Clock 2.6690 2.6898 2.6944 2.6943 2.7087
Einstein 2.6758 2.7212 2.7226 2.7151 2.7308
Estatua 2.6779 2.7161 2.7348 2.7221 2.7381
Foto 2.7218 2.7408 2.7414 2.7490 2.7581
Galaxia 2.7041 2.7648 2.7626 2.7545 2.7659
Hedgebw 2.7184 2.7450 2.7633 2.7478 2.7585
Leopard 2.7131 2.7312 2.7459 2.7349 2.7472
表1.2
EME Original Image HE Retinex BNRF VSNRF
Aeria11 1.8424 13.0828 11.3921 15.9816 18.4395
Aeria12 2.2109 10.7939 17.9756 16.5595 18.1384
Astrol 3.2349 11.8516 12.3061 16.1243 18.4072
Barche 1.9236 6.6218 15.7431 15.6661 17.1386
Cameraman 2.3704 6.6218 12.6992 15.7431 15.9882
Clock 1.0807 5.6812 8.3171 8.4202 8.6215
Einstein 8.6905 12.1825 16.4494 16.8699 17.5333
Estatua 1.2288 11.3932 13.5321 14.0391 17.2777
Foto 3.6894 15.5015 18.0091 18.1620 18.1693
Galaxia 15.3140 18.4292 18.4386 18.4395 18.4395
Hedgebw 8.7589 14.4589 18.1583 17.9874 18.0668
Leopard 9.5786 11.3284 17.1479 18.2038 18.2784
表1.3
MG Original Image HE Retinex BNRF VSNRF
Aeria11 0 -13 -24 -10 -13
Aeria12 0 23 3 -7 -7
Astrol 0 0 23 -9 -11
Barche 0 1 -16 -9 -10
Cameraman 0 9 -9 -7 9
Clock 0 -59 -55 -13 -20
Einstein 0 19 11 -7 -9
Estatua 0 1 6 -9 -11
Foto 0 -5 43 -7 -8
Galaxia 0 44 28 3 8
Hedgebw 0 44 8 -5 -4
Leopard 0 57 8 -4 -3
下面还可以通过实验数据证明本实施例实现的图像增强后的图像符合人们视觉机制。所模拟的视错觉现象一个是马赫效应，一个是棋盘格效应。
图7中的A图、B图、C图展示了马赫效应。图7中的A图是阶梯状的原图，图7中的B图是经过本发明实施例处理后的结果图。可以看出，图7中的B图在阶梯状边沿的暗区出现了一条更暗的线，同样，在亮区出现了一个更亮的线，这就是视错觉中的马赫现象。图7中的C图是结果图的侧面图，可以明显的看出马赫效应为突起的尖峰。
图7中的D图、E图展示了棋盘格效应。图7中的D图是具有棋盘格形式的原图，人眼在白色的交汇处可以看到有暗的圆斑，这就是视错觉中的棋盘格效应。图7中的E图是经过本发明实施例处理后的侧面图对应于两区的剖线，可以看到突然下陷的曲线可以解释棋盘格效应出现的圆斑错觉。
上技术方案中，在上面实施例的基础上介绍了多种可选的实施方式，且每种实施方式都可以实现图像增强后的图像比较细致。
下面为本发明装置实施例，本发明装置实施例用于执行本发明方法实施例一至二实现的方法，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例一和实施例二。
图8是本发明实施例提供的一种图像增强设备的结构示意图，如图8所示，包括：第一计算模块31、第二计算模块32和图像增强模块33，其中：
第一计算模块31，用于基于目标像素点的原像素值计算所述目标像素点的中心响应值，所述中心响应值大于所述原像素值；
第二计算模块32，用于计算所述目标像素点的第一总抑制值，所述第一总抑制值是所述目标像素点所有的邻域像素点对所述目标像素点的抑制值的总和，所述邻域像素点为预先指定为所述目标像素点的邻域像素点，所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点对目标像素点所起抑制作用所表示的值；
图像增强模块33，用于当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；以及用于当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值。
可选的，上述目标像素点可以是需要进行图像增强的图像中的一个或者多个像素点。上述步骤中仅说明对目标像素点进行图像增强，本实施例中还可以对上述图像中其它像素点进行上述步骤所示的图像增强，即可以实现对整个图像进行上述步骤所示的图像增强。
可选的，所述设备可以是任何支持图像处理的设备，例如：计算机、手机、平板电脑等设备。
上述技术方案中，基于目标像素点的原像素值计算所述目标像素点的中心响应值，所述中心响应值大于所述原像素值；计算所述目标像素点的第一总抑制值，所述第一总抑制值是所述目标像素点所有的邻域像素点对所述目标像素点的抑制值的总和，所述邻域像素点为预先指定为所述目标像素点的邻域像素点，所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点对目标像素点所起抑制作用所表示的值；当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值。这样由于目标像素点的图像增强决定于目标像素点的原像素值和其它邻域像素点的原像素值，从而比起现有技术仅对像素点的像素值进行一个简单的幂次变换，本发明实施例图像增强后的图像比较细致。
图9是本发明实施例提供的另一种图像增强设备的结构示意图，如图9所示，包括：第一计算模块41、第二计算模块42和图像增强模块43，第二计算模块包括第一计算子模块421、第二计算子模块422和第三计算子模块423，其中：
第一计算模块41，用于基于目标像素点的原像素值计算所述目标像素点的中心响应值，所述中心响应值大于所述原像素值。
第一子计算子模块421，用于分别计算每个所述邻域像素点的第二总抑制值，所述邻域像素点的第二总抑制值是指其它邻域像素点对该邻域像素点的抑制值的总和，所述其它邻域像素点是指所述所有邻域像素点中除该邻域像素点之外的所有邻域像素点。
可选的，假设目标像素点的邻域像素包括8个，计算其中一个邻域像素点的第二抑制值，就是计算其它7个邻域像素点对该邻域像素点的抑制值的总和，其它7个对该邻域像素点的抑制值的总和，也可以是理解为是其它7个邻域像素点对该邻域像素点的总的抑制作用所表示的值。
第二子计算子模块422，用于基于每个所述邻域像素点的第二总抑制值计算该邻域像素点对所述目标像素点的抑制值；所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点的抑制差值的T倍，所述邻域像素点的抑制差值为该邻域像素点的原像素值减去该邻域像素点的第二总抑制值所得到的差值，或者所述邻域像素点的抑制差值为0，所述T为预先基于该邻域像素点的原像素值，以及该邻域像素点与所述目标像素点之间的距离值而计算出的值。
可选的，第一子计算子模块421就计算每个邻域像素点的第二总抑制值，这样第二子计算子模块422就可以通过第二总抑制值计算出每个邻域像素点的抑制差值，再根据预先基于该邻域像素点的原像素值，以及该邻域像素点与所述目标像素点之间的距离值而计算出的T，得到每个邻域像素点对所述目标像素点的抑制值。其中，上述T可以一个函数，或者一个实数值。
第三子计算子模块423，用于将所有邻域像素点对所述目标像素点的抑制值的总和作为所述目标像素点的第一总抑制值。
图像增强模块43，用于当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；以及用于当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值。
可选的，图像增强模块43还可以用于通过如下公式实现对目标像素点的图像增强：
T＝max(Tc-TN，0)＝δ(Tc-TN)
其中，T表示图像增强后所述目标像素点的像素值，Tc表示步骤201计算出的中心响应值，TN表示步骤204计算出的第一总抑制值。上述max操作使总响应为非负值，并且暗含了一种非线性作用，δ(·)为克罗内克函数。
作为一种可选的实施方式，第二子计算子模块422还可以包括：
第一计算单元(附图中未出来)，用于计算出每个所述邻域像素点的势函数，所述邻域像素点的势函数为该邻域像素点的原像素值减去所述目标像素点的原像素值的差值的范数值；
第二计算单元(附图中未出来)，用于计算出每个所述邻域像素点的势函数的变化率，所述势函数的变化率是指该势函数的幂函数与所有势函数的幂函数的比值，所述势函数的幂函数的指数为该势函数，所述势函数的幂函数的底数为预先设定的底数；
第三计算单元(附图中未出来)，用于计算出每个所述邻域像素点的核值，所述邻域像素点的核值是基于该邻域像素点的势函数的变化率，以及该邻域像素点与所述目标像素点之间的距离值而计算出的值；
第四计算单元(附图中未出来)，用于基于每个所述邻域像素点的第二总抑制值计算该邻域像素点对所述目标像素点的抑制值；所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点的抑制差值的T倍，所述邻域像素点的抑制差值为该邻域像素点的原像素值减去该邻域像素点的第二总抑制值所得到的差值，或者所述邻域像素点的抑制差值为0，所述T为预先基于该邻域像素点的原像素值，以及该邻域像素点高斯函数核而计算出的值。
可选的，上述势函数可以如下式所示：
可选的，D(x，y)表示邻域像素点(x，y)的势函数上术p可以是等于1或等于2等，即上述可以1范数或者2范数等。上述I(x，y)表示邻域像素点(x，y)的像素值，上述表示目标像素点的像素值。
可选的，D(x，y)的变化率可以如下式所示：
其中，上述k(x，y)可以表示邻域像素点(x，y)的D(x，y)的变化率，上述exp(D(x，y))可以表示自然对数e的D(x，y)次方，上述N表示所有邻域像素点的集合，即上式中对是所有邻域像素点的exp(D(x，y))进行求和。
可选的，上述核值可以通过如下公式计算得的：
其中，上述表示邻域像素点(x，y)的核值，上述σ2为邻域像素点(x，y)与目标像素点之间的距离值的1/H倍，其中，H为预先设定的数值，例如，H可以设定为3。
这样该实施方式中的上述T就可以是基于该邻域像素点的原像素值，以及该邻域像素点的核值而计算出的值，而该核值的计算是基于不同邻域像素点之间的相互作用，而且也融合了目标像素点和邻域像素点之间的自适应交互作用，利用目标像素点与邻域像素点构成的局部对比度信息，对上述T进行更为充分的尺度调节。本发明实施例中将该实施方式实现的图像增强定义为VSNRF。而上述将上述基于该邻域像素点的原像素值，以及该邻域像素点与所述目标像素点之间的距离值而计算出的上述T的实施方式中，实现的图像增强定义为基本的BNRF。
作为一种可选的实施方式，如图10所示，所述设备还可以包括：
设置单元44，用于设置图像增强的计算模板，所述模板包含中心区域，且为每个所述中心区域设置有邻域区域；所述目标像素点指所述中心区域所覆盖的像素点，所述目标像素点的邻域像素点该中心区域的邻域区域所覆盖的像素点。
可选的，上述计算模板可以是3×3、5×5、7×7等模板，其中，不同的模板中包括的中心区域的个数可以是不同的，例如，3×3的模板包含一个中心区域，5×5的模板可以包含一个或者多个中心区域。
可选的，上述中心区域的大小可以是与图像中一个像素点的大小相同，即上述目标像素点为一个；上述中心区域的大小可以是与图像中几个像素点的大小相同，即上述目标像素点为多个。
可选的，当所述中心区域的邻域区域存在未覆盖所述目标像素点所在的图像中的像素点的未覆盖像素点邻域区域时，该中心区域所覆盖的目标像素点的邻域像素点包括：
该中心区域的邻域区域所覆盖的所述图像中的像素点，以及与所述未覆盖像素点邻域区域成镜像的邻域区域所覆盖的所述图像中像素点；或者
该中心区域的邻域区域所覆盖的所述图像中像素点。
可选的，下面以图如图4所示的3×3的模板为例进行说明，在该模板中设置有一坐标系，坐标系的原点为中心区域，即(x0，y0)，图4中的虚线显示其它邻域像素点对坐标值为(x，y)邻域像素点的抑制值，所有虚线的总和为邻域像素点(x，y)的第二总抑制值，图4中的实线表示邻域像素点(x，y)对目标像素点(x0，y0)的抑制值。
在图4所示模板中，第一计算模块41还可以通过如下公式计算目标像素点的中心响应值：
其中，Tc表示目标像素点(x0，y0)的中心响应值，G(x，y，σ)＝(1/2πσ2)×exp(-(x2+y2)/2σ2)为高斯函数。表示目标像素点(x0，y0)的原像素值。A1为预先设置的中心区域响应权值系数(例如：A1＝4)，σ1为高斯函数参数，代表高斯核函数宽度，σ1等于3×3的模板的中心区(即图4所示的圆圈中的区域)的半径的1/J倍，J为预先设置的数值，例如J为3，中心区半径就为0.5，因此σ1＝1/6。
在图4所示模板中，第一计算子模块421还可以用于通过如下公式计算每个所述邻域像素点的第二总抑制值：
其中，II(x，y)表示邻域像素点(x，y)的第二总抑制值，N\(x，y)表示除去邻域像素点(x，y)之外所有邻域点的集合；
其中，II(x，y)-(x+m，y+n)＝I(x+m，y+n)A3G(m，n，σ3)
II(x，y)-(x+m，y+n)表示邻域像素点(x+m，y+n)对邻域像素点(x，y)的抑制值，A3为邻域像素点之间的敏感系数(例如：A3＝1)，σ3等于图4所示的模板中最远两邻域像素点之间的距离的1/K倍，K为预先设置为数值，例如K为3，即σ3＝0.94。图4所示的模板最远两个邻域像素点之间的距离为因此
在图4所示模板中，第二计算子模块422通过如下公式计算每个所述邻域像素点对所述目标像素点的抑制值：
III(x，y)＝max{A2G(x，y，σ2)(I(x，y)-II(x，y))，0}＝δ(A2G(x，y，σ2)(I(x，y)-II(x，y)))
其中，III(x，y)表示邻域像素点(x，y)对目标像素点(x0，y0)的抑制值，A2为邻域像素点对目标像素点抑制敏感度，I(x，y)为邻域像素点(x，y)的像素值。σ2为高斯函数参数，σ2等于目标像素点(x0，y0)与邻域像素点(x，y)的距离值的1/H倍，其中，H为预先设定的数值，例如，H可以设定为3，σ2＝0.47。max操作使抑制作用为非负值，暗含了一种非线性作用。δ(·)为克罗内克函数。
可选的，当在上述VSNRF的实现方式，上述公式中的σ2可以为上述。在上述BNRF实施方式中，上述公式中的σ2可以为等于目标像素点(x0，y0)与邻域像素点(x，y)的距离值的1/H倍。
在图4所示模板中，第三计算子模块423还可以用于通过如下公式计算将所有邻域像素点对所述目标像素点的抑制值的总和作为所述目标像素点的第一总抑制值：
其中，TN表示第一总抑制值，N代表邻域点的集合，在此模板中共有8个邻域点。
作为一种可选的实施方式，上述设备可以仅对灰色或者黑白图像进行图像增强处理，还可以对彩色图像进行图像增强处理，但对于彩色图像可以是依次对RGB三通进行上述方法所示的图像增强处理。
上技术方案中，在上面实施例的基础上介绍了多种可选的实施方式，且每种实施方式都可以实现图像增强后的图像比较细致。
图11是本发明实施例提供的另一种图像增强设备的结构示意图，如图9所示，存储器51，以及与存储器51连接的处理器52，存储器51用于存储一组程序代码，处理器52用于调用存储器51存储的程序执行如下操作：
基于目标像素点的原像素值计算所述目标像素点的中心响应值，所述中心响应值大于所述原像素值；
计算所述目标像素点的第一总抑制值，所述第一总抑制值是所述目标像素点所有的邻域像素点对所述目标像素点的抑制值的总和，所述邻域像素点为预先指定为所述目标像素点的邻域像素点，所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点对目标像素点所起抑制作用所表示的值；
当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值。
可选的，上述目标像素点可以是需要进行图像增强的图像中的一个或者多个像素点。上述步骤中仅说明对目标像素点进行图像增强，本实施例中还可以对上述图像中其它像素点进行上述步骤所示的图像增强，即可以实现对整个图像进行上述步骤所示的图像增强。
可选的，所述设备可以是任何支持图像处理的设备，例如：计算机、手机、平板电脑等设备。
在另一个可选的实施例中，处理器52还用于执行如下操作：
基于目标像素点的原像素值计算所述目标像素点的中心响应值，所述中心响应值大于所述原像素值；
分别计算每个所述邻域像素点的第二总抑制值，所述邻域像素点的第二总抑制值是指其它邻域像素点对该邻域像素点的抑制值的总和，所述其它邻域像素点是指所述所有邻域像素点中除该邻域像素点之外的所有邻域像素点；
基于每个所述邻域像素点的第二总抑制值计算该邻域像素点对所述目标像素点的抑制值；所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点的抑制差值的T倍，所述邻域像素点的抑制差值为该邻域像素点的原像素值减去该邻域像素点的第二总抑制值所得到的差值，或者所述邻域像素点的抑制差值为0，所述T为基于该邻域像素点的原像素值，以及该邻域像素点与所述目标像素点之间的距离值而计算出的值；
将所有邻域像素点对所述目标像素点的抑制值的总和作为所述目标像素点的第一总抑制值；
当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值。
作为一种可选的实施方式，处理器52执行的基于每个所述邻域像素点的第二总抑制值计算该邻域像素点对所述目标像素点的抑制值的操作，可以包括：
计算出每个所述邻域像素点的势函数，所述邻域像素点的势函数为该邻域像素点的原像素值减去所述目标像素点的原像素值的差值的范数值；
计算出每个所述邻域像素点的势函数的变化率，所述势函数的变化率是指该势函数的幂函数与所有势函数的幂函数的比值，所述势函数的幂函数的指数为该势函数，所述势函数的幂函数的底数为预先设定的底数；
计算出每个所述邻域像素点的核值，所述邻域像素点的核值是基于该邻域像素点的势函数的变化率，以及该邻域像素点与所述目标像素点之间的距离值而计算出的值；
基于每个所述邻域像素点的第二总抑制值计算该邻域像素点对所述目标像素点的抑制值；所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点的抑制差值的T倍，所述邻域像素点的抑制差值为该邻域像素点的原像素值减去该邻域像素点的第二总抑制值所得到的差值，或者所述邻域像素点的抑制差值为0，所述T为基于该邻域像素点的原像素值，以及该邻域像素点的核值而计算出的值。
可选的，上述势函数可以如下式所示：
可选的，D(x，y)表示邻域像素点(x，y)的势函数上术p可以是等于1或等于2等，即上述可以1范数或者2范数等。上述I(x，y)表示邻域像素点(x，y)的像素值，上述表示目标像素点的像素值。
可选的，D(x，y)的变化率可以如下式所示：
其中，上述k(x，y)可以表示邻域像素点(x，y)的D(x，y)的变化率，上述exp(D(x，y))可以表示自然对数e的D(x，y)次方，上述N表示所有邻域像素点的集合，即上式中对是所有邻域像素点的exp(D(x，y))进行求和。
可选的，上述核值可以通过如下公式计算得的：
其中，上述表示邻域像素点(x，y)的核值，上述σ2为邻域像素点(x，y)与目标像素点之间的距离值的1/H倍，其中，H为预先设定的数值，例如，H可以设定为3。
这样该实施方式中的上述T就可以是基于该邻域像素点的原像素值，以及该邻域像素点的核值而计算出的值，而该核值的计算是基于不同邻域像素点之间的相互作用，而且也融合了目标像素点和邻域像素点之间的自适应交互作用，利用目标像素点与邻域像素点构成的局部对比度信息，对上述T进行更为充分的尺度调节。本发明实施例中将该实施方式实现的图像增强定义为VSNRF。而上述将上述基于该邻域像素点的原像素值，以及该邻域像素点与所述目标像素点之间的距离值而计算出的上述T的实施方式中，实现的图像增强定义为BNRF。
作为一种可选的实施方式，处理器52执行的当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值的操作，可以包括：
通过如下公式实现：
T＝max(Tc-TN，0)＝δ(Tc-TN)
其中，T表示图像增强后所述目标像素点的像素值，Tc表示计算出的中心响应值，TN表示计算出的第一总抑制值。上述max操作使总响应为非负值，并且暗含了一种非线性作用，δ(·)为克罗内克函数。
作为一种可选的实施方式，处理器52在执行基于目标像素点的原像素值计算所述目标像素点的中心响应值的操作之前，还用于执行如下操作：
设置图像增强的计算模板，所述模板包含中心区域，且为每个所述中心区域设置有邻域区域；所述目标像素点指所述中心区域所覆盖的像素点，所述目标像素点的邻域像素点该中心区域的邻域区域所覆盖的像素点。
可选的，上述计算模板可以是3×3、5×5、7×7等模板，其中，不同的模板中包括的中心区域的个数可以是不同的，例如，3×3的模板包含一个中心区域，5×5的模板可以包含一个或者多个中心区域。
可选的，上述中心区域的大小可以是与图像中一个像素点的大小相同，即上述目标像素点为一个；上述中心区域的大小可以是与图像中几个像素点的大小相同，即上述目标像素点为多个。
可选的，当所述中心区域的邻域区域存在未覆盖所述目标像素点所在的图像中的像素点的未覆盖像素点邻域区域时，即上述目标像素点为图像的边缘像素点时，该中心区域所覆盖的目标像素点的邻域像素点包括：
该中心区域的邻域区域所覆盖的所述图像中的像素点，以及与所述未覆盖像素点邻域区域成镜像的邻域区域所覆盖的所述图像中的像素点；或者
该中心区域的邻域区域所覆盖的所述图像中像素点。即将上述未覆盖像素点邻域区域都设置为0。
下面以3×3的模板为例进行举例说明：
在图4所示模板中，处理器52执行的基于目标像素点的原像素值计算所述目标像素点的中心响应值的操作，可以包括：
通过如下公式计算目标像素点的中心响应值：
其中，Tc表示目标像素点(x0，y0)的中心响应值，G(x，y，σ)＝(1/2πσ2)×exp(-(x2+y2)/2σ2)为高斯函数。表示目标像素点(x0，y0)的原像素值。A1为预先设置的中心区域响应权值系数(例如：A1＝4)，σ1为高斯函数参数，代表高斯核函数宽度，σ1等于3×3的模板的中心区(即图4所示的圆圈中的区域)的半径的1/J倍，J为预先设置的数值，例如J为3，中心区半径就为0.5，因此σ1＝1/6。
在图4所示模板中，处理器52执行的分别计算每个所述邻域像素点的第二总抑制值的操作可以包括：
通过如下公式计算每个所述邻域像素点的第二总抑制值：
其中，II(x，y)表示邻域像素点(x，y)的第二总抑制值，N\(x，y)表示除去邻域像素点(x，y)之外所有邻域点的集合；
其中，II(x，y)-(x+m，y+n)＝I(x+m，y+n)A3G(m，n，σ3)
II(x，y)-(x+m，y+n)表示邻域像素点(x+m，y+n)对邻域像素点(x，y)的抑制值，A3为邻域像素点之间的敏感系数(例如：A3＝1)，σ3等于图4所示的模板中最远两邻域像素点之间的距离的1/K倍，K为预先设置为数值，例如K为3，即σ3＝0.94。图4所示的模板最远两个邻域像素点之间的距离为因此
在图4所示模板中，处理器52执行的基于每个所述邻域像素点的第二总抑制值计算该邻域像素点对所述目标像素点的抑制值的操作，可以包括：
通过如下公式计算每个所述邻域像素点对所述目标像素点的抑制值：
III(x，y)＝max{A2G(x，y，σ2)(I(x，y)-II(x，y))，0}＝δ(A2G(x，y，σ2)(I(x，y)-II(x，y)))
其中，III(x，y)表示邻域像素点(x，y)对目标像素点(x0，y0)的抑制值，A2为邻域像素点对目标像素点抑制敏感度，I(x，y)为邻域像素点(x，y)的像素值。σ2为高斯函数参数，σ2等于等于目标像素点(x0，y0)与邻域像素点(x，y)的距离值的1/H倍，其中，H为预先设定的数值，例如，H可以设定为3，σ2＝0.47。max操作使抑制作用为非负值，暗含了一种非线性作用。δ(·)为克罗内克函数。
可选的，当在上述VSNRF的实现方式，上述公式中的σ2可以为上述。在上述BNRF实施方式中，上述公式中的σ2可以为等于等于目标像素点(x0，y0)与邻域像素点(x，y)的距离值的1/H倍。
在图4所示模板中，处理器52执行的将所有邻域像素点对所述目标像素点的抑制值的总和作为所述目标像素点的第一总抑制值的操作，可以包括：
通过如下公式计算将所有邻域像素点对所述目标像素点的抑制值的总和作为所述目标像素点的第一总抑制值：
其中，TN表示第一总抑制值，N代表邻域点的集合，在此模板中共有8个邻域点。
作为一种可选的实施方式，上述方法中可以仅对灰色或者黑白图像进行图像增强处理，还可以对彩色图像进行图像增强处理，但对于彩色图像可以是依次对RGB三通进行上述方法所示的图像增强处理。
上述技术方案中，基于目标像素点的原像素值计算所述目标像素点的中心响应值，所述中心响应值大于所述原像素值；计算所述目标像素点的第一总抑制值，所述第一总抑制值是所述目标像素点所有的邻域像素点对所述目标像素点的抑制值的总和，所述邻域像素点为预先指定为所述目标像素点的邻域像素点，所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点对目标像素点所起抑制作用所表示的值；当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值。这样由于目标像素点的图像增强决定于目标像素点的原像素值和其它邻域像素点的原像素值，从而比起现有技术仅对像素点的像素值进行一个简单的幂次变换，本发明实施例图像增强后的图像比较细致。
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流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(Random AccessMemory，简称RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (6)

1.一种图像增强方法，其特征在于，包括：
基于目标像素点的原像素值计算所述目标像素点的中心响应值，所述中心响应值大于所述原像素值；
计算所述目标像素点的第一总抑制值，所述第一总抑制值是所述目标像素点所有的邻域像素点对所述目标像素点的抑制值的总和，所述邻域像素点为预先指定为所述目标像素点的邻域像素点，所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点对目标像素点所起抑制作用所表示的值；
当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；
当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值；
其中，所述计算所述目标像素点的第一总抑制值，包括：
分别计算每个所述邻域像素点的第二总抑制值，所述邻域像素点的第二总抑制值是指其它邻域像素点对该邻域像素点的抑制值的总和，所述其它邻域像素点是指所述所有邻域像素点中除该邻域像素点之外的所有邻域像素点；
基于每个所述邻域像素点的第二总抑制值计算该邻域像素点对所述目标像素点的抑制值；所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点的抑制差值的T倍，所述邻域像素点的抑制差值为该邻域像素点的原像素值减去该邻域像素点的第二总抑制值所得到的差值，或者所述邻域像素点的抑制差值为0；
将所有邻域像素点对所述目标像素点的抑制值的总和作为所述目标像素点的第一总抑制值；
其中，所述基于每个所述邻域像素点的第二总抑制值计算该邻域像素点对所述目标像素点的抑制值，包括：计算出每个所述邻域像素点的势函数，所述邻域像素点的势函数为该邻域像素点的原像素值减去所述目标像素点的原像素值的差值的范数值；
计算出每个所述邻域像素点的势函数的变化率，所述势函数的变化率是指该势函数的幂函数与所有势函数的幂函数的比值，所述势函数的幂函数的指数为该势函数，所述势函数的幂函数的底数为预先设定的底数；
计算出每个所述邻域像素点的核值，所述邻域像素点的核值是基于该邻域像素点的势函数的变化率，以及该邻域像素点与所述目标像素点之间的距离值而计算出的值；
基于每个所述邻域像素点的第二总抑制值计算该邻域像素点对所述目标像素点的抑制值；所述T为基于该邻域像素点的原像素值，以及该邻域像素点的核值而计算出的值。
2.如权利要求1所述的方法，其特征在于，所述基于目标像素点的原像素值计算所述目标像素点的中心响应值之前，所述方法还包括：
设置图像增强的计算模板，所述模板包含中心区域，且为每个所述中心区域设置有邻域区域；所述目标像素点指所述中心区域所覆盖的像素点，所述目标像素点的邻域像素点该中心区域的邻域区域所覆盖的像素点。
3.如权利要求2所述的方法，其特征在于，当所述中心区域的邻域区域存在未覆盖像素点邻域区域时，其中，所述未覆盖像素点邻域区域为所述中心区域的邻域区域中的未覆盖所述目标像素点所在的图像中的像素点的区域，该中心区域所覆盖的目标像素点的邻域像素点包括：
该中心区域的邻域区域所覆盖的所述图像中的像素点，以及与所述未覆盖像素点邻域区域成镜像的邻域区域所覆盖的所述图像中的像素点；或者
该中心区域的邻域区域所覆盖的所述图像中像素点。
4.一种图像增强设备，其特征在于，包括：第一计算模块、第二计算模块和图像增强模块，其中：
所述第一计算模块，用于基于目标像素点的原像素值计算所述目标像素点的中心响应值，所述中心响应值大于所述原像素值；
所述第二计算模块，用于计算所述目标像素点的第一总抑制值，所述第一总抑制值是所述目标像素点所有的邻域像素点对所述目标像素点的抑制值的总和，所述邻域像素点为预先指定为所述目标像素点的邻域像素点，所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点对目标像素点所起抑制作用所表示的值；
所述图像增强模块，用于当所述中心响应值大于所述第一总抑制值时，将所述中心响应值减去所述第一总抑制值得到差值，并将所述差值作为图像增强后所述目标像素点的像素值；以及用于当所述中心响应值小于所述第一总抑制值时，将0值作为图像增强后所述目标像素点的像素值；
其中，所述第二计算模块包括：
第一子计算子模块，用于分别计算每个所述邻域像素点的第二总抑制值，所述邻域像素点的第二总抑制值是指其它邻域像素点对该邻域像素点的抑制值的总和，所述其它邻域像素点是指所述所有邻域像素点中除该邻域像素点之外的所有邻域像素点；
第二子计算子模块，用于基于每个所述邻域像素点的第二总抑制值计算该邻域像素点对所述目标像素点的抑制值；所述邻域像素点对所述目标像素点的抑制值是指该邻域像素点的抑制差值的T倍，所述邻域像素点的抑制差值为该邻域像素点的原像素值减去该邻域像素点的第二总抑制值所得到的差值，或者所述邻域像素点的抑制差值为0；
第三子计算子模块，用于将所有邻域像素点对所述目标像素点的抑制值的总和作为所述目标像素点的第一总抑制值；
其中，所述第二子计算子模块包括：
第一计算单元，用于计算出每个所述邻域像素点的势函数，所述邻域像素点的势函数为该邻域像素点的原像素值减去所述目标像素点的原像素值的差值的范数值；
第二计算单元，用于计算出每个所述邻域像素点的势函数的变化率，所述势函数的变化率是指该势函数的幂函数与所有势函数的幂函数的比值，所述势函数的幂函数的指数为该势函数，所述势函数的幂函数的底数为预先设定的底数；
第三计算单元，用于计算出每个所述邻域像素点的核值，所述邻域像素点的核值是基于该邻域像素点的势函数的变化率，以及该邻域像素点与所述目标像素点之间的距离值而计算出的值；
第四计算单元，用于基于每个所述邻域像素点的第二总抑制值计算该邻域像素点对所述目标像素点的抑制值；所述T为预先基于该邻域像素点的原像素值，以及该邻域像素点高斯函数核而计算出的值。
5.如权利要求4所述的设备，其特征在于，所述设备还包括：
设置单元，用于设置图像增强的计算模板，所述模板包含中心区域，且为每个所述中心区域设置有邻域区域；所述目标像素点指所述中心区域所覆盖的像素点，所述目标像素点的邻域像素点该中心区域的邻域区域所覆盖的像素点。
6.如权利要求5所述的设备，其特征在于，当所述中心区域的邻域区域存在未覆盖像素点邻域区域时，其中，所述未覆盖像素点邻域区域为所述中心区域的邻域区域中的未覆盖所述目标像素点所在的图像中的像素点的区域，该中心区域所覆盖的目标像素点的邻域像素点包括：
该中心区域的邻域区域所覆盖的所述图像中的像素点，以及与所述未覆盖像素点邻域区域成镜像的邻域区域所覆盖的所述图像中像素点；或者
该中心区域的邻域区域所覆盖的所述图像中像素点。
CN201310143064.2A 2013-04-23 2013-04-23 一种图像增强方法及设备 Expired - Fee Related CN104123697B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201310143064.2A CN104123697B (zh) 2013-04-23 2013-04-23 一种图像增强方法及设备
EP13883013.8A EP2983130A4 (en) 2013-04-23 2013-12-13 METHOD AND DEVICE FOR IMPROVING IMAGE
PCT/CN2013/089404 WO2014173145A1 (zh) 2013-04-23 2013-12-13 一种图像增强方法及设备
US14/920,669 US9704225B2 (en) 2013-04-23 2015-10-22 Image enhancement method and device based on non-classical receptive field suppression

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310143064.2A CN104123697B (zh) 2013-04-23 2013-04-23 一种图像增强方法及设备

Publications (2)

Publication Number Publication Date
CN104123697A CN104123697A (zh) 2014-10-29
CN104123697B true CN104123697B (zh) 2017-11-17

Family

ID=51769097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310143064.2A Expired - Fee Related CN104123697B (zh) 2013-04-23 2013-04-23 一种图像增强方法及设备

Country Status (4)

Country Link
US (1) US9704225B2 (zh)
EP (1) EP2983130A4 (zh)
CN (1) CN104123697B (zh)
WO (1) WO2014173145A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017219962A1 (en) 2016-06-21 2017-12-28 Zhejiang Dahua Technology Co., Ltd. Systems and methods for image processing
CN108154478B (zh) * 2016-12-02 2019-10-08 中科星图股份有限公司 一种遥感图像处理方法
CN106908791B (zh) * 2017-03-03 2020-02-21 中国科学院电子学研究所 基于全极化圆迹sar数据的输电线提取方法
CN111512341A (zh) * 2018-09-17 2020-08-07 华为技术有限公司 一种图像处理方法和装置
CN109636755B (zh) * 2018-12-12 2023-03-28 电子科技大学 一种通过加权估计实现红外热图像增强的方法
CN109919945B (zh) * 2019-02-01 2022-03-25 广西科技大学 基于非经典感受野非线性两侧亚单元响应的轮廓检测方法
CN110175964B (zh) * 2019-05-30 2022-09-30 大连海事大学 一种基于拉普拉斯金字塔的Retinex图像增强方法
CN114693707B (zh) * 2020-12-31 2023-09-26 北京小米移动软件有限公司 物体轮廓模板获取方法、装置、设备及存储介质
CN114298916B (zh) * 2021-11-11 2023-04-18 电子科技大学 一种基于灰度拉伸和局部增强的X-Ray图像增强方法
CN115082438B (zh) * 2022-07-22 2022-11-25 裕钦精密拉深技术(苏州)有限公司 一种基于计算机视觉的拉深零件质检系统
CN116883270B (zh) * 2023-07-04 2024-03-22 广州医科大学附属第四医院(广州市增城区人民医院) 一种碎石手术软镜清晰化成像系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1605403A1 (en) * 2004-06-08 2005-12-14 STMicroelectronics S.r.l. Filtering of noisy images
CN1892696A (zh) * 2005-07-08 2007-01-10 深圳迈瑞生物医疗电子股份有限公司 超声图像边缘锐化与斑点抑制方法
CN101930592A (zh) * 2009-09-23 2010-12-29 电子科技大学 一种基于视觉非经典感受野模型的图像去噪方法
CN102306378A (zh) * 2011-09-14 2012-01-04 电子科技大学 一种图像增强方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7428333B2 (en) * 2004-01-23 2008-09-23 Old Dominion University Visibility improvement in color video stream
US7433086B2 (en) * 2004-09-27 2008-10-07 General Electric Company Edge detection and correcting system and method
US8594975B2 (en) * 2010-03-04 2013-11-26 Kla-Tencor Corporation Systems and methods for wafer edge feature detection and quantification
CN102682432A (zh) 2012-05-11 2012-09-19 中国科学院半导体研究所 基于三高斯滤波的低质指纹灰度图像增强方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1605403A1 (en) * 2004-06-08 2005-12-14 STMicroelectronics S.r.l. Filtering of noisy images
CN1892696A (zh) * 2005-07-08 2007-01-10 深圳迈瑞生物医疗电子股份有限公司 超声图像边缘锐化与斑点抑制方法
CN101930592A (zh) * 2009-09-23 2010-12-29 电子科技大学 一种基于视觉非经典感受野模型的图像去噪方法
CN102306378A (zh) * 2011-09-14 2012-01-04 电子科技大学 一种图像增强方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Contour Detection Based on Nonclassical Receptive Field Inhibition";Cosmin Grigorescu et al;《Image Processing》;20030731;第12卷(第7期);公式(5)，公式(14) *

Also Published As

Publication number Publication date
WO2014173145A1 (zh) 2014-10-30
CN104123697A (zh) 2014-10-29
US20160042502A1 (en) 2016-02-11
EP2983130A1 (en) 2016-02-10
US9704225B2 (en) 2017-07-11
EP2983130A4 (en) 2016-05-18

Similar Documents

Publication Publication Date Title
CN104123697B (zh) 一种图像增强方法及设备
Shi et al. Normalised gamma transformation‐based contrast‐limited adaptive histogram equalisation with colour correction for sand–dust image enhancement
Singh et al. Dehazing of remote sensing images using improved restoration model based dark channel prior
CN107451999A (zh) 基于图像识别的异物检测方法和装置
Wang et al. Fast single haze image enhancement
CN106157273B (zh) 生成合成图片的方法及装置
CN104978715A (zh) 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法
Sun A new single-image fog removal algorithm based on physical model
CN103530848A (zh) 一种非均匀光照图像二次曝光的实现方法
CN103258334B (zh) 彩色图像的场景光源颜色估计方法
Tsai Adaptive local power-law transformation for color image enhancement
CN102306378B (zh) 一种图像增强方法
CN101930597A (zh) 一种基于数学形态学的图像边缘检测方法
Yi-Fei Fractional differential analysis for texture of digital image
Bai et al. Edge enhanced morphology for infrared image analysis
CN106127209A (zh) 一种基于局部边缘特征整合的目标物体轮廓提取方法
CN107194896A (zh) 一种基于邻域结构的背景抑制方法和系统
Pulfer Different approaches to blurring digital images and their effect on facial detection
Schmittwilken et al. Fixational eye movements enable robust edge detection
CN113052923A (zh) 色调映射方法、装置、电子设备和存储介质
CN104700372B (zh) 基于边缘保护的加权各向异性扩散滤波方法
Kutsenko et al. An approach to quality evaluation of embryos based on their geometrical parameters
CN104217403B (zh) 一种将彩色图像转换为灰度图像的方法
Wang et al. Image haze removal using a hybrid of fuzzy inference system and weighted estimation
CN105072341A (zh) 一种可用于机器视觉的高动态范围现实场景信息重构方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20171206

Address after: 510640 Guangdong City, Tianhe District Province, No. five, road, public education building, unit 371-1, unit 2401

Patentee after: Guangdong Gaohang Intellectual Property Operation Co., Ltd.

Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen

Patentee before: Huawei Technologies Co., Ltd.

CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Yang Xinghua

Inventor after: Yang Yikun

Inventor before: Du Xinyu

Inventor before: Wang Dong

TR01 Transfer of patent right

Effective date of registration: 20171220

Address after: 519000 Guangdong city of Zhuhai province Hengqin Baohua Road No. 6, room 105, -22013 (central office)

Patentee after: Zhuhai Bai Si Di Software Technology Co., Ltd.

Address before: 510640 Guangdong City, Tianhe District Province, No. five, road, public education building, unit 371-1, unit 2401

Patentee before: Guangdong Gaohang Intellectual Property Operation Co., Ltd.

TR01 Transfer of patent right
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Du Xinyu

Inventor after: Wang Dong

Inventor before: Yang Xinghua

Inventor before: Yang Yikun

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171117

Termination date: 20200423