CN104915936A - 基于小波变换的图像去色和增强 - Google Patents
基于小波变换的图像去色和增强 Download PDFInfo
- Publication number
- CN104915936A CN104915936A CN201510349063.2A CN201510349063A CN104915936A CN 104915936 A CN104915936 A CN 104915936A CN 201510349063 A CN201510349063 A CN 201510349063A CN 104915936 A CN104915936 A CN 104915936A
- Authority
- CN
- China
- Prior art keywords
- wavelet coefficient
- amplitude
- image
- wavelet
- enhancing
- 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.)
- Granted
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像处理。更具体地,本发明提供了一种用于有效地进行图像去色和彩色图像增强的方法。本发明的该方法包括频域去色、增强灰度图像的自适应亮度控制和彩色图像增强。本发明能够改进增强灰度和彩色图像的清晰度和微细节。
Description
技术领域
本发明涉及图像处理。更具体地,本发明提供了一种用于图像去色和彩色图像增强的方法。
背景技术
近年来,图像去色广泛应用于各种领域,例如,单色打印、单色医疗显示器和模式识别。另一方面,在医学图像增强、缺陷检测、目视检查和目视判断中通常会发现彩色图像增强。市场上的这种需求推动了大量研究人员致力于这些有关图像处理的应用领域内的各种研究。
US7151858提供了一种在校正图像信号的清晰度同时减少在信号边缘发生过冲和下冲的设备和方法,其使用哈尔小波变换和与要被校正的图像信号边缘相邻的像素值之间的差。所述设备包括:通过对图像信号执行多级哈尔小波变换来检测图像信号边缘上的数据的边缘检测器,检测增益以校正图像边缘的增益检测器,通过对边缘数据、至少一个与边缘数据相邻的像素以及增益执行操作来检测与要被校正的位置处的边缘数据有关的校正后的像素值的像素值检测器,以及用于产生图像的图像信号发生器,其中,基于校正后的像素形成所述图像的边缘。
US20060013504公开了一种用于图像增强的方法,包括:对输入图像执行多分辨率分解,从而产生与不同像标(至少包括第一和第二像标)相关联的多分辨率变换分量。执行多分辨率重建,以通过对多分辨率转换分量应用滤波系数以便使得不同的第一和第二滤波系数分别应用于与第一和第二像标相关的多分辨率变换分量,来产生增强图像。通常使用正向变换滤波器执行分解,并且重建使用反向变换滤波器,所述反向变换滤波器不一定是所述正向变换滤波器的反转。US7295695公开了一种使用小波变换检测光掩膜板或晶片中的缺陷以区分实际缺陷和图形噪声的方法。将第一图像和第二图像的采样对准。获得图像之间的差分的小波变换。对小波变换后的差分图像进行滤波以区分实际缺陷和图形缺陷。
然而,在传统的图像处理方法中,经常发现彩色对比度和亮度细节的丢失。
因此,需要一种能够有效地恢复彩色对比度和亮度细节的图像处理方法,以改进与增强灰度和彩色图像中的清晰度与微细节。
发明内容
当前要求保护的发明提供了一种能够改进与增强灰度和彩色图像中的清晰度和微细节的方法。
相应地,当前要求保护的发明的第一方面是提供一种能够改进灰度图像的清晰度和微细节的方法。
根据当前要求保护的发明的实施例,一种用于图像去色的方法,包括:将具有多个像素的输入彩色图像分解为红色图像、绿色图像和蓝色图像;分别对所述红色图像、绿色图像和蓝色图像执行小波变换以获得红色小波系数、绿色小波系数和蓝色小波系数,其中,所述红色小波系数、所述绿色小波系数和所述蓝色小波系数中的每一个都包括幅度和符号;对于每个像素,将所述红色小波系数、绿色小波系数和蓝色小波系数的幅度分类为第一幅度ML、第二幅度MM和第三幅度MS,其中,所述第一幅度大于或等于所述第二幅度,并且所述第二幅度大于或等于所述第三幅度;对于每个像素,选择具有所述第一幅度的小波系数的符号作为增强小波系数的符号;对于每个像素,通过下述等式计算所述增强小波系数的幅度ME:ME=ML+(a*MM–b*MS),其中,a表示第一调整参数,并且b表示第二调整参数;对于每个像素,基于计算的增强小波系数的幅度和选择的增强小波系数的符号,确定所述增强小波系数;以及对确定的增强小波系数执行逆小波变换以获得增强灰度图像。
当前要求保护的发明的第二方面提供了一种用于调节增强灰度图像的亮度的方法。
根据当前要求保护的发明的实施例,一种用于自适应的进行图像去色的方法,包括:将具有多个像素的输入彩色图像分解为红色图像、绿色图像和蓝色图像;分别对所述红色图像、绿色图像和蓝色图像执行小波变换以获得红色小波系数、绿色小波系数和蓝色小波系数,其中,所述红色小波系数、所述绿色小波系数和所述蓝色小波系数中的每一个都包括幅度和符号;对于每个像素,将所述红色小波系数、绿色小波系数和蓝色小波系数的幅度分类为第一幅度ML、第二幅度MM和第三幅度MS,其中,所述第一幅度大于或等于所述第二幅度,并且所述第二幅度大于或等于所述第三幅度;对于每个像素,选择具有所述第一幅度的小波系数的符号作为增强小波系数的符号;对于每个像素,通过第一等式计算所述增强小波系数的幅度ME:ME=ML+(a*MM–b*MS),其中,a表示第一调整参数,并且b表示第二调整参数;对于每个像素,基于计算的增强小波系数的幅度和选择的增强小波系数的符号,确定所述增强小波系数;基于确定的增强小波系数,计算其低频小波能量和高频小波能量;将所述输入彩色图像转换为灰度图像;计算所述灰度图像的能量;基于所述增强小波系数的低频小波能量、所述增强小波系数的高频小波能量和所述灰度图像的能量,计算自适应亮度控制因子;基于所述自适应亮度控制因子执行能量归一化,以归一化所述确定的增强小波系数;以及对归一化的增强小波系数执行逆小波变换,以获得具有自适应亮度控制的归一化的增强灰度图像。
当前要求保护的本发明的第三方面是提供一种用于改进彩色图像的清晰度和微细节的方法。
根据当前要求保护的方面的实施例,一种用于图像去色的方法,包括:将具有多个像素的输入彩色图像分解为红色图像、绿色图像和蓝色图像;分别对所述红色图像、绿色图像和蓝色图像执行小波变换以获得红色小波系数、绿色小波系数和蓝色小波系数,其中,所述红色小波系数、所述绿色小波系数和所述蓝色小波系数中的每一个都包括幅度和符号;对于每个像素,将所述红色小波系数、绿色小波系数和蓝色小波系数的幅度分类为第一幅度ML、第二幅度MM和第三幅度MS,其中,所述第一幅度大于或等于所述第二幅度,并且所述第二幅度大于或等于所述第三幅度;对于每个像素,选择具有所述第一幅度的小波系数的符号作为增强小波系数的符号;对于每个像素,通过第一等式计算所述增强小波系数的幅度ME:ME=ML+(a*MM–b*MS),其中,a表示第一调整参数,并且b表示第二调整参数;对于每个像素,基于计算的增强小波系数的幅度和选择的增强小波系数的符号,确定所述增强小波系数;基于确定的增强小波系数,计算其低频小波能量和高频小波能量;将所述输入彩色图像转换为灰度图像;计算所述灰度图像的能量;基于所述增强小波系数的低频小波能量、所述增强小波系数的高频小波能量和所述灰度图像的能量,计算自适应亮度控制因子;基于所述自适应亮度控制因子执行能量归一化,以归一化所述确定的增强小波系数;对归一化的增强小波系数执行逆小波变换,以获得具有自适应亮度控制的归一化的增强灰度图像;将所述彩色图像分解为Y图像、U图像和V图像;以及组合所述具有自适应亮度控制的增强灰度图像和所述U图像及V图像,以获得彩色增强图像。
本发明的方法能够显示具有更多细节和合适亮度的灰度图像,并且显示的彩色图像也具有更多细节。另外,本发明是有效、稳定和灵活的,从而适于各种场景和情形。另外,本发明是用户友好的。由于该方法可以自行执行,所以无需任何用户输入就可产生增强的灰度和彩色的图像。
附图说明
本专利或申请文件包括至少一个彩色附图。具有彩色附图的本专利或专利申请公开的副本将在收到请求并支付必要的费用时由官方机构提供。下面参考附图更详细地描述本发明的实施例,其中:
图1示出了根据当前要求保护的发明的实施例的图像去色过程的步骤的流程图;
图2示出了根据当前要求保护的发明的实施例的图像去色方法的流程图;
图3示出了根据当前要求保护的发明的实施例的计算增强小波系数的示例性的例子;
图4示出了根据当前要求保护的发明的实施例的图像去色过程的步骤的流程图,该图像去色过程具有自适应亮度控制;
图4A示出了根据当前要求保护的发明的实施例的计算图像能量的步骤;
图5示出了根据当前要求保护的发明的实施例的图像去色方法的流程图,该图像去色方法具有自适应亮度控制;
图6示出了根据当前要求保护的发明的实施例的彩色图像增强过程的步骤的流程图;
图7示出了根据当前要求保护的发明的实施例的彩色图像增强方法的流程图;
图8A是原始彩色图像;
图8B是根据现有技术从图8A的彩色图像产生的原始灰度图像;
图8C是根据当前要求保护的发明的实施例从图8A的彩色图像产生的增强灰度图像;
图9A是根据现有技术产生的灰度图像;
图9B是根据当前要求保护的发明的实施例的不具有自适应亮度控制的增强灰度图像;
图9C是根据当前要求保护的发明的实施例的具有自适应亮度控制的增强灰度图像;
图10A是原始彩色图像;
图10B是根据当前要求保护的发明的实施例从图10A的彩色图像产生的增强彩色图像;
图11示出了根据当前要求保护的发明的实施例的具有归一化互相关的试验结果的曲线图。
具体实施方式
在下面的描述中,用于图像去色和图像色彩增强的方法作为优选的例子而提出。本领域技术人员将会理解,在不脱离本发明的范围和精神的情况下,可以做出包括增加和/或取代在内的修改。为了不模糊本发明,可以忽略具体细节;然而,撰写本发明是为了使本领域技术人员无需过度地进行试验就可实行本文的教导。
如本文所公开的,“R”表示红色,“B”表示蓝色,“G”表示绿色。
本发明提供了一种用于有效地进行图像去色和彩色图像增强的方法。该方法包括频域去色、增强灰度图像的自适应亮度控制和彩色图像增强。
根据小波变换理论,图像经过小波变换后,幅度较大的小波系数包含重要信息,例如,边缘和线。为了进一步改进增强灰度图像中的图像细节和对比度,本发明提供了一种包括两个最重要的颜色通道的新方案。
本方法对输入图像的每个RGB颜色分量执行小波变换,然后将每个像素的RGB小波系数按降序排序,以进行包括两个最重要的颜色通道的增强系数计算。
图1示出了根据当前要求保护的发明的实施例的图像去色过程的步骤的流程图。在步骤101,将输入的彩色图像分解成R、G和B分量。在步骤102,对每个RGB颜色分量执行小波变换以获得RGB小波系数。每个小波系数是由幅度和符号组成。在步骤103,将每个像素的RGB小波系数的幅度按降序排序,并将它们分类为大幅度ML、中幅度MM和小幅度MS,使ML≥MM≥MS。在步骤104,选择具有大幅度的小波系数的符号作为增强小波系数的符号。在步骤105,基于排序的RGB小波系数的幅度,利用下述增强小波系数等式计算每个像素的增强小波系数ME的幅度:
ME=ML+(a*MM–b*MS)其中:a≥b≥0
在步骤106,基于增强小波系数的幅度和增强小波系数的符号,确定增强小波系数。在步骤107,对增强小波系数应用逆小波变换以获得增强灰度图像。
可替换地,在步骤103,也可以将RGB小波系数的幅度按升序排序。
根据当前要求保护的发明的实施例,将尺寸为m x n的输入彩色图像分解为RGB分量。在对每个RGB彩色分量执行小波变换之后,每个小波变换系数{WRi,WGi,WBi}由幅度{MRi,MGi,MBi}和符号{SRi,SGi,SBi}定义;
其中,MRi=|WRi|并且SRi=sign(WRi),i=0,1,...,m x n-1;
MGi=|WGi|并且SGi=sign(WGi),i=0,1,...,m x n-1;
MBi=|WBi|并且SBi=sign(WBi),i=0,1,...,m x n-1。
将每个像素的RGB小波系数的幅度按降序排序,使MLi≥MMi≥Msi。存储具有最大幅度MLi的小波系数的符号Si。增强小波系数的幅度MEi计算如下:
MEi=MLi+(a*MMi–b*MSi)
其中,a≥b≥0,并且i=0,1,...,m x n–1。
优选地,参数a和b的最佳值是0.5。因此,
(i)如果MMi≈MSi,则MEi≈MLi
(ii)如果MMi>>MSi,则MEi=MLi+0.5(MMi–MSi)
在情况(i)下,意味着主要是第一通道ML对改进图像细节和对比度起作用。
在情况(ii)下,意味着第二通道MM也对改进图像细节和对比度起作用。
如下所示的获得增强小波系数:
WEi=Si*MEi
图2示出了根据当前要求保护的发明的实施例的图像去色方法的流程图。提供彩色图像201。在步骤202,将彩色图像201分解为R图像203、G图像204和B图像205。在步骤206,对R图像203、G图像204和B图像205分别执行小波变换,以获得R图像203的小波系数(R小波系数207)、G图像204的小波系数(G小波系数208)和B图像205的小波系数(B小波系数209)。在步骤210,将每个像素的RGB小波系数的幅度按照降序排序,以将它们分类为大幅度、中幅度和小幅度。大幅度大于或等于中幅度,中幅度大于或等于小幅度。选择具有大幅度的小波系数的符号作为增强小波系数的符号。在步骤211,计算增强小波系数212的幅度。基于增强小波系数的幅度和增强小波系数的符号,确定增强小波系数。在步骤213,对增强小波系数执行逆小波变换以获得增强灰度图像214。
图3示出了根据当前要求保护的发明的实施例的计算增强小波系数的例子。在对R图像、G图像和B图像执行小波变换后,分别获得R小波系数阵列301、G小波系数阵列302和B小波系数阵列303。在计算之后,得到增强小波系数阵列304。通过取RGB小波系数的绝对值,获得RGB小波系数的幅度。如果|WR0|≥|WG0|≥|WB0|,则ML0=|WR0|,S0=sign(WR0),MM0=|WG0|,并且MS0=|WB0|。于是ME0=ML0+(a*MM0–b*MS0),其中,a≥b≥0。如下式所示的计算增强小波系数:WE0=S0*ME0。
本发明还提供了一种具有亮度自适应控制的图像去色方法。该方法对低频子带应用自适应亮度控制参数,以调整增强灰度图像的亮度。
在计算增强小波系数之后,增强灰度图像的总能量高于原始灰度图像的总能量,所以EL+EH≥EG,其中,EL表示增强小波系数的低频小波能量,EH表示增强小波系数的高频小波能量,并且EG表示灰度图像的能量。因此,增强灰度图像的整体亮度明显高于原始灰度图像的整体亮度。
由于图像的大部分能量集中在低频子带内,而且高频小波系数表示图像中的细节,但是占有很少空间频率能量,因此,为了保留增强灰度图像的细节信息同时保持适当的图像亮度,本发明的方法减少低频子带的能量。根据帕萨瓦尔定理(Parseval's theorem),假设EL+EH=EG。由于增强小波系数的幅度相对较大,所以应用自适应亮度控制系数β和能量归一化。
通过系数β调整低频子带的能量,以使增强图像的整体亮度与原始灰度图像的整体亮度相匹配,如下述等式所示:
对于能量归一化,(β*EL+EH)≈EG
其中,β=1-((EL+EH)-EG)/EL。
图4示出了根据当前要求保护的发明的实施例的图像去色过程的步骤的流程图,该图像去色过程具有自适应亮度控制。在步骤401,将输入的彩色图像分解成R、G和B分量。在步骤402,对每个RGB颜色分量执行小波变换以获得每个像素的RGB小波系数。在步骤403,将每个像素的RGB小波系数的幅度按降序排序,并将它们分类,使ML≥MM≥MS。在步骤404,基于从排序的RGB小波系数的幅度获得的增强小波系数的幅度和符号,计算增强小波系数。在步骤405,基于增强小波系数,计算低频小波能量EL和高频小波能量EH。在步骤406,将彩色图像转换为灰度图像。在步骤407,计算灰度图像的能量EG。在步骤408,基于低频小波能量EL、高频小波能量EH和灰度图像的能量EG,计算自适应亮度控制因子β,并且基于因子β执行能量归一化,以归一化增强小波系数。在步骤409,对归一化的增强小波系数执行逆小波变换,以获得具有自适应亮度控制的归一化的增强灰度图像。
根据本发明的实施例,如图4A所示的原始彩色图像的宽度为m,高度为n。将原始彩色图像转换为灰度图像。通过下式计算其灰度图像的能量EG:
其中,I(x,y)表示通过常规的RGB到灰度转换获得的灰度图像的像素数值;(x,y)表示像素坐标,并且(m,n)表示图像的宽度和高度。
通过本发明的图像去色方法获得多个增强小波系数,并且通过以下等式计算低频小波能量EL:
其中,W(x,y)表示增强灰度图像的增强小波系数;并且(m1,n1)表示低频小波系数的宽度和高度。
相应地,通过以下等式计算高频小波能量EH:
图5示出了根据当前要求保护的发明的实施例的图像去色方法的流程图,该图像去色方法具有自适应亮度控制。提供彩色图像501。在步骤502,将彩色图像501分解为R图像503、G图像504和B图像505。在步骤506,对R图像503、G图像504和B图像505分别执行小波变换,以获得R小波系数507、G小波系数508和B小波系数509。在步骤510,将每个像素的RGB小波系数的三个幅度按照降序排序,以将它们分类,从而使ML≥MM≥MS。在步骤511,基于从排序的RGB小波系数的幅度获得的增强小波系数的幅度和符号,计算增强小波系数512。在步骤513,基于增强小波系数,计算低频小波能量和高频小波能量。在步骤514,将彩色图像转换为灰度图像515。在步骤516,计算灰度图像的能量。在步骤517,基于灰度图像的能量、低频小波能量和高频小波能量,计算自适应亮度控制因子,并且基于自适应控制因子,执行能量归一化,以归一化增强灰度图像。在步骤518,对归一化的增强小波系数应用逆小波变换,以获得具有自适应亮度控制的归一化的增强灰度图像519。
本发明还提供了一种用于彩色图像增强的方法。该方法将增强灰度图像结合到YUV空间中的亮度通道,以实现更好的彩色图像增强。
图6示出了根据当前要求保护的发明的实施例的彩色图像增强过程的步骤的流程图。在步骤601,将输入的彩色图像分解成R、G和B分量。在步骤602,对每个RGB颜色分量执行小波变换以获得每个像素的RGB小波系数。在步骤603,将每个像素的RGB小波系数的幅度按降序排序,并将它们分类,从而使ML≥MM≥MS。在步骤604,基于从排序的RGB小波系数的幅度获得的增强小波系数的幅度和符号,计算增强小波系数。在步骤605,基于增强小波系数,计算低频小波能量EL和高频小波能量EH。在步骤606,将彩色图像转换为灰度图像。在步骤607,计算灰度图像的灰度图像的能量EG。在步骤608,基于低频小波能量EL、高频小波能量EH和灰度图像的能量EG,计算自适应亮度控制因子β,并且基于因子β执行能量归一化,以归一化增强小波系数。在步骤609,对归一化的增强小波系数执行逆小波变换,以获得具有自适应亮度控制的归一化的增强灰度图像。在步骤610,将彩色图像分解为Y图像、U图像和V图像。在步骤611,将U图像、V图像和具有自适应亮度控制的归一化的增强灰度图像组合为增强彩色图像。
图7示出了根据当前要求保护的发明的实施例的彩色图像增强方法的流程图。提供彩色图像701。在步骤702,将彩色图像701分解为R图像703、G图像704和B图像705。在步骤706,对R图像703、G图像704和B图像705分别执行小波变换,以获得R小波系数707、G小波系数708和B小波系数709。在步骤710,将每个像素的RGB小波系数的三个幅度按照降序排序,以将它们分类,使ML≥MM≥MS。在步骤711,基于从排序的RGB小波系数的幅度获得的增强小波系数的幅度和符号,计算增强小波系数712。在步骤713,基于增强小波系数,计算低频小波能量和高频小波能量。在步骤714,将彩色图像转换为灰度图像715。在步骤716,计算灰度图像的能量。在步骤717,基于灰度图像的能量、低频小波能量和高频小波能量计算自适应亮度控制因子,并且基于自适应控制因子执行能量归一化,以归一化增强灰度图像。在步骤718,对归一化的增强小波系数应用逆小波变换,以获得具有自适应亮度控制的归一化的增强灰度图像719。在步骤720,将彩色图像701转换为Y图像721、U图像722和V图像723。在步骤724,将具有自适应亮度控制的归一化的增强灰度图像719、U图像722和V图像723组合到一起以形成增强彩色图像725。
试验结果
关于图像去色的试验结果如下所示。图8A是原始彩色图像。图8B是根据现有技术(传统的从RGB转换为灰度技术)从图8A的彩色图像产生的原始灰度图像。图8C是根据当前要求保护的发明的实施例从彩色图像8A产生的增强灰度图像。比较图8B和图8C,如圆圈标注的,图8C能够显示图像的更多细节。因此,本发明提供了具有更多细节的灰度图像。
关于具有自适应亮度控制的图像去色的试验结果如下所示。图9A是根据现有技术(传统的从RGB转换为灰度技术)产生的灰度图像。图9B是根据当前要求保护的发明的实施例的不具有自适应亮度控制的增强灰度图像。图9C是根据当前要求保护的发明的实施例的具有自适应亮度控制的增强灰度图像。如圆圈标注的,图9B和图9C都可以比图9A显示更多细节。然而,图9C显示的灰度图像的亮度接近于图9A的参考图像。因此,本发明的方法提供的灰度图像具有更多细节,并且在自适应亮度控制下具有更合适的亮度。
关于彩色图像增强的试验结果如下所示。图10A是原始彩色图像。图10B是根据当前要求保护的发明的实施例从图10A的彩色图像产生的增强彩色图像。如圆圈标注的,图10B能够比图10A显示更多细节。因此,本发明的方法提供的彩色图像具有更多细节。
对本发明和现有技术的图像去色进行客观的性能评价。为了能够客观的量化去色方法的性能,采用得到的灰度图像和原始输入图像的R、G、B颜色通道之间的归一化互相关(NCC)。NCC计算如下所示:
其中,Ii表示彩色输入图像的三个通道中的一个(即,R、G或B通道)的强度;Ig表示增强灰度图像的强度;并且(x,y)表示图像坐标。
24个标准测试图像用于性能测试。图11示出了根据当前要求保护的发明的实施例的归一化互相关的试验结果的曲线图。颜色较浅的线示出了通过现有技术的方法获得的结果,而颜色较重的线示出了通过本发明的方法获得的结果。如图11所示,通过本发明修改的大多数图像比通过现有技术修改的图像具有更高的NCC值。另外,本发明的24个测试图像的平均NCC值为0.946,而现有技术仅为0.930,这表示本发明能够在图像去色之后保持更好的清晰度和细节。
根据本发明,用于图像去色的方法适用于单色打印、在单色医疗显示器上显示彩色图像以及模式识别。另一方面,用于彩色图像增强的方法适用于医疗图像增强、缺陷检测、目视检查和目视判断。
可以使用通用或专用计算设备、计算机处理器或包括但不限于数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)的电子电路系统、和根据本公开的教导配置或编程的其他可编程逻辑设备来实现本文公开的实施例。软件或电子技术领域的从业者基于本公开的教导,可以容易地编写运行在通用或专用计算设备、计算机处理器或可编程逻辑设备上的计算机指令或软件代码。
在某些实施例中,本发明包括计算机存储介质,计算机指令或软件代码存储在所述计算机存储介质中,所述计算机指令或软件代码可用于将计算机或微处理器编程为执行本发明的任何一个进程。所述存储介质可以包括但不限于,软盘、光盘、蓝光光盘、DVD、CD-ROM以及磁光盘、ROM、RAM、闪存设备或适于存储指令、代码和/或数据的任何类型的介质或设备。提供的本发明的前述说明是为了举例说明和描述的目的。穷尽或将本发明限制到公开的具体形式都不是本发明的本意。很多修改和变化对本领域技术人员来说是显而易见的。
选择并描述实施例是为了最好地解释本发明的原理及其实际应用,从而使得本领域技术人员能够理解本发明的各种实施例以及适于预期的特定应用的各种修改。本发明的范围旨在由下述权利要求书及其等价物限定。
Claims (19)
1.一种用于图像去色的方法,包括:
将具有多个像素的输入彩色图像分解为红色图像、绿色图像和蓝色图像;
分别对所述红色图像、绿色图像和蓝色图像执行小波变换以获得红色小波系数、绿色小波系数和蓝色小波系数,其中,所述红色小波系数、所述绿色小波系数和所述蓝色小波系数中的每一个都包括幅度和符号;
对于每个像素,将所述红色小波系数、绿色小波系数和蓝色小波系数的幅度分类为第一幅度ML、第二幅度MM和第三幅度MS,其中,所述第一幅度大于或等于所述第二幅度,并且所述第二幅度大于或等于所述第三幅度;
对于每个像素,选择具有所述第一幅度的小波系数的符号作为增强小波系数的符号;
对于每个像素,通过下述等式计算所述增强小波系数的幅度ME:
ME=ML+(a*MM–b*MS)
其中,a表示第一调整参数,并且b表示第二调整参数;
对于每个像素,基于计算的增强小波系数的幅度和选择的增强小波系数的符号,确定所述增强小波系数;以及
对确定的增强小波系数执行逆小波变换以获得增强灰度图像。
2.根据权利要求1所述的方法,其中,通过分别取所述红色小波系数、所述绿色小波系数和所述蓝色小波系数的绝对值,获得所述红色小波系数、所述绿色小波系数和所述蓝色小波系数的幅度。
3.根据权利要求1所述的方法,其中,对于每个像素,在将所述红色小波系数、所述绿色小波系数和所述蓝色小波系数的幅度分类为所述第一幅度、所述第二幅度和所述第三幅度的步骤之前,将所述红色小波系数、所述绿色小波系数和所述蓝色小波系数的幅度按降序或升序排序。
4.根据权利要求1所述的方法,其中,所述第一调整参数等于或大于所述第二调整参数,并且所述第二调整参数等于或大于0。
5.根据权利要求1所述的方法,其中,所述第一调整参数和所述第二调整参数等于0.5。
6.一种用于自适应的图像去色的方法,包括:
将具有多个像素的输入彩色图像分解为红色图像、绿色图像和蓝色图像;
分别对所述红色图像、绿色图像和蓝色图像执行小波变换以获得红色小波系数、绿色小波系数和蓝色小波系数,其中,所述红色小波系数、所述绿色小波系数和所述蓝色小波系数中的每一个都包括幅度和符号;
对于每个像素,将所述红色小波系数、绿色小波系数和蓝色小波系数的幅度分类为第一幅度ML、第二幅度MM和第三幅度MS,其中,所述第一幅度大于或等于所述第二幅度,并且所述第二幅度大于或等于所述第三幅度;
对于每个像素,选择具有所述第一幅度的小波系数的符号作为增强小波系数的符号;
对于每个像素,通过第一等式计算所述增强小波系数的幅度ME:
ME=ML+(a*MM–b*MS)
其中,a表示第一调整参数,并且b表示第二调整参数;
对于每个像素,基于计算的增强小波系数的幅度和选择的增强小波系数的符号,确定所述增强小波系数;
基于确定的增强小波系数,计算其低频小波能量和高频小波能量;
将所述输入彩色图像转换为灰度图像;
计算所述灰度图像的能量;
基于所述增强小波系数的低频小波能量、所述增强小波系数的高频小波能量和所述灰度图像的能量,计算自适应亮度控制因子;
基于所述自适应亮度控制因子执行能量归一化,以归一化所述确定的增强小波系数;以及
对归一化的增强小波系数执行逆小波变换,以获得具有自适应亮度控制的归一化的增强灰度图像。
7.根据权利要求6所述的方法,其中,通过分别取所述红色小波系数、所述绿色小波系数和所述蓝色小波系数的绝对值,获得所述红色小波系数、所述绿色小波系数和所述蓝色小波系数的幅度。
8.根据权利要求6所述的方法,其中,对于每个像素,在将所述红色小波系数、所述绿色小波系数和所述蓝色小波系数的幅度分类为所述第一幅度、所述第二幅度和所述第三幅度的步骤之前,将所述红色小波系数、所述绿色小波系数和所述蓝色小波系数的幅度按降序或升序排序。
9.根据权利要求6所述的方法,其中,所述第一调整参数等于或大于所述第二调整参数,并且所述第二调整参数等于或大于0。
10.根据权利要求6所述的方法,其中,所述第一调整参数和所述第二调整参数等于0.5。
11.根据权利要求6所述的方法,其中,通过第二等式计算所述自适应亮度控制因子β:
β=1-((EL+EH)-EG)/EL
其中,EL表示所述增强小波系数的低频小波能量,EH表示所述增强小波系数的高频小波能量,并且EG表示所述灰度图像的能量。
12.根据权利要求6所述的方法,其中,通过第三等式执行能量归一化:
(β*EL+EH)≈EG
其中,EL表示所述增强小波系数的低频小波能量,EH表示所述增强小波系数的高频小波能量,并且EG表示所述灰度图像的能量。
13.一种用于彩色图像增强的方法,包括:
将具有多个像素的输入彩色图像分解为红色图像、绿色图像和蓝色图像;
分别对所述红色图像、绿色图像和蓝色图像执行小波变换以获得红色小波系数、绿色小波系数和蓝色小波系数,其中,所述红色小波系数、所述绿色小波系数和所述蓝色小波系数中的每一个都包括幅度和符号;
对于每个像素,将所述红色小波系数、绿色小波系数和蓝色小波系数的幅度分类为第一幅度ML、第二幅度MM和第三幅度MS,其中,所述第一幅度大于或等于所述第二幅度,并且所述第二幅度大于或等于所述第三幅度;
对于每个像素,选择具有所述第一幅度的小波系数的符号作为增强小波系数的符号;
对于每个像素,通过第一等式计算所述增强小波系数的幅度ME:
ME=ML+(a*MM–b*MS)
其中,a表示第一调整参数,并且b表示第二调整参数;
对于每个像素,基于计算的增强小波系数的幅度和选择的增强小波系数的符号,确定所述增强小波系数;
基于确定的增强小波系数,计算其低频小波能量和高频小波能量;
将所述输入彩色图像转换为灰度图像;
计算所述灰度图像的能量;
基于所述增强小波系数的低频小波能量、所述增强小波系数的高频小波能量和所述灰度图像的能量,计算自适应亮度控制因子;
基于所述自适应亮度控制因子执行能量归一化,以归一化所述确定的增强小波系数;
对归一化的增强小波系数执行逆小波变换,以获得具有自适应亮度控制的归一化的增强灰度图像;
将所述彩色图像分解为Y图像、U图像和V图像;以及
组合具有自适应亮度控制的增强灰度图像和所述U图像及V图像,以获得彩色增强图像。
14.根据权利要求13所述的方法,其中,通过分别取所述红色小波系数、所述绿色小波系数和所述蓝色小波系数的绝对值,获得所述红色小波系数、所述绿色小波系数和所述蓝色小波系数的幅度。
15.根据权利要求13所述的方法,其中,对于每个像素,在将所述红色小波系数、所述绿色小波系数和所述蓝色小波系数的幅度分类为所述第一幅度、所述第二幅度和所述第三幅度的步骤之前,将所述红色小波系数、所述绿色小波系数和所述蓝色小波系数的幅度按降序或升序排序。
16.根据权利要求13所述的方法,其中,所述第一调整参数等于或大于所述第二调整参数,并且所述第二调整参数等于或大于0。
17.根据权利要求13所述的方法,其中,所述第一调整参数和所述第二调整参数等于0.5。
18.根据权利要求13所述的方法,其中,通过第二等式计算所述自适应亮度控制因子β:
β=1-((EL+EH)-EG)/EL
其中,EL表示所述增强小波系数的低频小波能量,EH表示所述增强小波系数的高频小波能量,并且EG表示所述灰度图像的能量。
19.根据权利要求13所述的方法,其中,通过第三等式执行能量归一化:
(β*EL+EH)≈EG
其中,EL表示所述增强小波系数的低频小波能量,EH表示所述增强小波系数的高频小波能量,并且EG表示所述灰度图像的能量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510349063.2A CN104915936B (zh) | 2015-06-23 | 2015-06-23 | 基于小波变换的图像去色和增强 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510349063.2A CN104915936B (zh) | 2015-06-23 | 2015-06-23 | 基于小波变换的图像去色和增强 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104915936A true CN104915936A (zh) | 2015-09-16 |
CN104915936B CN104915936B (zh) | 2017-10-03 |
Family
ID=54084975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510349063.2A Active CN104915936B (zh) | 2015-06-23 | 2015-06-23 | 基于小波变换的图像去色和增强 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104915936B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106067164A (zh) * | 2016-05-26 | 2016-11-02 | 哈尔滨工业大学 | 基于自适应小波域处理的彩色图像对比度增强算法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7295695B1 (en) * | 2002-03-19 | 2007-11-13 | Kla-Tencor Technologies Corporation | Defect detection via multiscale wavelets-based algorithms |
CN101201937A (zh) * | 2007-09-18 | 2008-06-18 | 上海医疗器械厂有限公司 | 基于小波重构与分解的数字图像增强方法及其装置 |
CN101882305A (zh) * | 2010-06-30 | 2010-11-10 | 中山大学 | 一种图像增强处理的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100403601B1 (ko) * | 2001-12-21 | 2003-10-30 | 삼성전자주식회사 | 영상의 윤곽선 보정 장치 및 방법 |
-
2015
- 2015-06-23 CN CN201510349063.2A patent/CN104915936B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7295695B1 (en) * | 2002-03-19 | 2007-11-13 | Kla-Tencor Technologies Corporation | Defect detection via multiscale wavelets-based algorithms |
CN101201937A (zh) * | 2007-09-18 | 2008-06-18 | 上海医疗器械厂有限公司 | 基于小波重构与分解的数字图像增强方法及其装置 |
CN101882305A (zh) * | 2010-06-30 | 2010-11-10 | 中山大学 | 一种图像增强处理的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106067164A (zh) * | 2016-05-26 | 2016-11-02 | 哈尔滨工业大学 | 基于自适应小波域处理的彩色图像对比度增强算法 |
CN106067164B (zh) * | 2016-05-26 | 2018-11-20 | 哈尔滨工业大学 | 基于自适应小波域处理的彩色图像对比度增强算法 |
Also Published As
Publication number | Publication date |
---|---|
CN104915936B (zh) | 2017-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100399354C (zh) | 图像信号处理方法与设备 | |
Thangadurai et al. | Computer visionimage enhancement for plant leaves disease detection | |
CN110246108B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
CN105009580B (zh) | 高动态范围视频的显示管理 | |
Ganesan et al. | Segmentation and edge detection of color images using CIELAB color space and edge detectors | |
EP3509034B1 (en) | Image filtering based on image gradients | |
CN100389597C (zh) | 用于局部适配图像处理滤波器的方法及系统 | |
CN101360250B (zh) | 沉浸产生方法和系统及因素控制、内容分析及参数预测法 | |
US20080199100A1 (en) | Image Processing Method | |
CN104052979B (zh) | 用于图像处理的装置和技术 | |
CN101854557A (zh) | 实时图像生成器 | |
CN101860653A (zh) | 图像处理装置、图像形成装置以及图像处理方法 | |
CN101860654A (zh) | 图像处理装置、图像形成装置以及图像处理方法 | |
US10620417B2 (en) | Method for generating a reflection-reduced contrast image and corresponding device | |
US9858495B2 (en) | Wavelet-based image decolorization and enhancement | |
TW525374B (en) | System and method for enhancing document images | |
CN101213574A (zh) | 静态图像、视频以及影片基于内容的高斯降噪 | |
CN105426847A (zh) | 低质量自然光虹膜图像非线性增强方法 | |
CN102484673B (zh) | 图像处理方法、图像处理装置以及程序 | |
US20140093168A1 (en) | Image processing apparatus, image processing method and non-transitory computer readable medium | |
US6449389B1 (en) | Method and apparatus for single channel color image segmentation using local context based adaptive weighting | |
CN104915936A (zh) | 基于小波变换的图像去色和增强 | |
JP2007042033A (ja) | 色補正装置および画像表示装置 | |
JP2021196451A (ja) | 画像変換装置、画像変換方法及び画像変換用コンピュータプログラム | |
KR20180002475A (ko) | 역 톤 매핑 방법 |
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 |