CN105243647A - 一种基于线性空间滤波的图像增强方法 - Google Patents

Abstract

本发明涉及一种图像增强种基于线性空间滤波的图像增强方法，包括的步骤为：输入原始图像，进行拉普拉斯锐化处理；将原始图像与拉普拉斯锐化处理结果相叠加，获得叠加图像；对叠加图像进行sobel滤波，获得sobel滤波图像；对sobel滤波图像进行窗口下的均值滤波，获得均值滤波图像；将叠加图像与均值滤波图像叠加,得到最终结果图像。<!-- 2 -->

Description

一种基于线性空间滤波的图像增强方法

技术领域：

本发明涉及数字图像处理技术领域，尤其涉及一种基于线性空间滤波的图像增强方法。

背景技术：

图像增强作为图像处理中的基础技术，是确保后续图像处理顺利实现的重要前提，其目的是通过改善给定图像质量，解决实际中图像产生的降质问题。通过采用各种技术手段提高图像的直观视觉质量以及客观评价指标，更好地体现出图像信息。图像增强的目的是提高图像的可读性，从广义的角度可以认为，图像增强是一种用于抑制噪声、清晰轮廓、突出细节的图像处理技术，而这一技术的处理结果直接影响人眼主观对于一幅图像的理解以及计算机的后续诸多处理。

现有技术中，图像增强技术主要包括两类处理方法：一类是直接作用于像素值本身进行增强处理，称为空间域方法，空间域处理是指对图像的像素进行直接处理而增强；另一类则是将图像转换到变换域，通过对变换域系数的处理达到增强目的，一般是对图像进行变换(如傅里叶变换，余弦变换等)后通过改变频谱达到增强的效果，称为变换域方法。图像增强技术主要包括灰度级映射变换，直方图修改技术、图像平滑和锐化、彩色图像增强处理等，实际中可以采用单一方法或者几种方法的结合。通过目前常用的图像增强技术可以在一定范围内改善图像整体对比度，但存在着过增强或者增强不足无法突出边缘纹理细节的问题。

发明内容

本发明的发明目的在于提供一种基于线性空间滤波的图像增强方法，能够在保持图像边缘和目标特性的同时实现图像增强，为后续处理提供准确的目标特性和边缘保持度。

实现本发明目的的技术方案：

一种基于线性空间滤波的图像增强方法，其特征在于：

步骤1：输入原始图像，进行拉普拉斯锐化处理；

步骤2：将原始图像与拉普拉斯锐化处理结果相叠加，获得叠加图像；

步骤3：对叠加图像进行sobel滤波，获得sobel滤波图像；

步骤4：对sobel滤波图像进行窗口下的均值滤波，获得均值滤波图像；

步骤5：将叠加图像与均值滤波图像叠加,得到最终结果图像。

步骤1中，拉普拉斯锐化处理通过如下方法实现，

以3×3大小的拉普拉斯模板对图像进行锐化处理；针对中心像素，将其上下左右四邻域内像素相加，减去中心像素灰度值的5倍，所得结果即为拉普拉斯锐化结果。

步骤3中，sobel滤波通过如下方法实现，

步骤3.1：以3×3大小的sobel算子对图像进行锐化处理；

步骤3.2：使用横向掩膜对图像进行滤波，再使用纵向掩膜对图像进行滤波，

步骤3.3：计算每个滤波后图像中像素的平方，将两幅图像结果相加，计算相加结果的平方根；通过遍历计算图像中所有像素得到增强结果。

步骤4中，对sobel滤波图像进行5×5窗口下的均值滤波。

步骤4中，均值滤波通过如下方法实现，

以5×5大小的模板对图像进行均值滤波处理；对模板内像素求和后取平均值，代替中心像素值，遍历整幅图像完成滤波

本发明具有的有益效果：

本发明通过拉普拉斯模板进行锐化，sobel滤波，均值滤波进行平滑，同时结合原始图像信息，获得增强后的图像。本发明通过线性空间滤波方法的结合，保持图像边缘和目标特性的同时实现图像增强，为后续处理提供准确的目标特性和边缘保持度，应用本发明增强的图像能实现更好的视觉体验且利于进一步处理操作。

附图说明

图1为本发明基于线性空间滤波的图像增强方法的流程图；

图2为本发明实施例中原始测试图像；

图3为本发明实施例增强后结果图像。

具体实施方式

如图1所示，本发明基于线性空间滤波的图像增强方法包括如下步骤：

步骤1：输入原始图像，进行拉普拉斯锐化处理；具体包括如下步骤：

步骤1.1：以3×3大小的拉普拉斯模板对图像进行锐化处理；

步骤1.2：针对中心像素，将其上下左右四邻域内像素相加，减去中心像素灰度值的5倍，所得结果即为拉普拉斯锐化结果。

在图像锐化中，被增强的像素点应该是与邻域内其他像素有较大差异的，因此原始图像中灰度差异不大的区域不应受到锐化处理的影响。图像的拉普拉斯锐化是通过拉普拉斯模板进行边缘增强的一种方法。拉普拉斯模板以图像邻域内的像素灰度差分为基础，通过二阶微分推导出图像邻域增强方法。其基本思想为：当邻域中心像素值低于其所在邻域内其他像素的灰度平均值时，此中心像素的灰度应当进一步被降低；反之当中心像素灰度值高于其所在邻域内其他像素的灰度平均值时，此中心像素灰度值应被进一步提高，以此实现图像的锐化。

对于给定的二维图像f(x,y)，通过拉普拉斯模板进行增强，在像素点(x,y)位置处的拉普拉斯模板定义为

${\&dtri;}^{2}f(x,y)=\frac{{\&part;}^{2}f(x,y)}{{\&part;}^{2}x}+\frac{{\&part;}^{2}f(x,y)}{{\&part;}^{2}y}---\left(1\right)$

该二阶导数在x方向和y方向可以分别近似表示为

$\frac{{\&part;}^{2}f(x,y)}{{\&part;}^{2}x}=f(x+1,y)+f(x-1,y)-2f(x,y)---\left(2\right)$

$\frac{{\&part;}^{2}f(x,y)}{{\&part;}^{2}y}=f(x,y+1)+f(x,y-1)-2f(x,y)---\left(3\right)$

由此可得离散拉普拉斯模板

${\&dtri;}^{2}f(x,y)=f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)-4f(x,y)---\left(4\right)$

本发明中采用如下3×3大小的拉普拉斯模板：

0	-1	0
			-1	5	-1
0	-1	0

${\&dtri;}^{2}f(x,y)=f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)-5f(x,y)---\left(4\right)$

拉普拉斯模板作为一种微分算子，强调的是图像中的灰度突变，并不强调灰度级缓慢变化的区域。这将产生把浅灰色边缘和突变点叠加到暗色背景中的图像。将原始图像和经过拉普拉斯模板处理后的图像进行叠加，可以复原背景特性并保持拉普拉斯锐化效果。

步骤2：原始图像与拉普拉斯模板处理结果相叠加，获得叠加图像。

步骤3：对于叠加图像进行sobel滤波，获得sobel滤波图像。

为了突出图像的边缘，我们通过sobel算子求取梯度的方式进行。

为了在一幅图像f(x,y)在像素点(x,y)位置处寻找边缘的强度和方向，需要定义图像的梯度梯度以向量形式表示为

$\&dtri;f(x,y)\&equiv;grad\left(f\right)\&equiv;\left[\begin{array}{c}{g}_x\\ g_y\end{array}\right]=\left[\begin{array}{c}\frac{\&part;f}{\&part;x}\\ \frac{\&part;f}{\&part;y}\end{array}\right]---\left(5\right)$

其中g_x以及表示f(x,y)对x的偏导数，g_y以及表示f(x,y)对y的偏导数。

sobel算子通过如下3×3掩膜作差分运算来近似求取偏导数值，这些掩膜考虑了中心点对端数据的性质，并携带了关于边缘方向的信息。

首先使用左侧横向掩膜对图像进行滤波，再使用右侧纵向掩膜对图像进行滤波，然后计算每个滤波后图像中像素的平方，将两幅图像结果相加，计算相加结果的平方根。通过遍历计算图像中所有像素得到增强结果。

以下图中3×3图像块为例，对于中心像素点z₅，其滤波结果可以表示为

z1	z2	z3
			z4	z5	z6
z7	z8	z9

$\begin{array}{c}g={\&lsqb;g_x^2+g_y^2\&rsqb;}^{1/2}\\ ={\{{\&lsqb;(z_7+2z_8+z_9)-(z_1+2z_2+z_3)\&rsqb;}^2+{\&lsqb;(z_3+2z_6+z_9)-(z_1+2z_4+z_7)\&rsqb;}^2\}}^{1/2}\end{array}---\left(6\right)$

综上，对于叠加图像进行sobel滤波，获得sobel滤波图像，具体按如下步骤进行：

步骤3.1：以3×3大小的sobel算子对图像进行锐化处理；

步骤3.2：使用横向掩膜对图像进行滤波，再使用纵向掩膜对图像进行滤波，

步骤3.3：计算每个滤波后图像中像素的平方，将两幅图像结果相加，计算相加结果的平方根；通过遍历计算图像中所有像素得到增强结果。

步骤4：对sobel滤波图像进行5×5窗口下的均值滤波，获得均值滤波图像；

本专利中线性平滑滤波器通过如下模板确定领域内像素的平均灰度值

假设像素点f(x,y)位于5×5模板的中心，经过均值滤波器后的结果如下所示

$\stackrel{\&OverBar;}{f}(x,y)=\frac{1}{25}\underset{x=-2}{\overset{2}{\&Sigma;}}\underset{y=-2}{\overset{2}{\&Sigma;}}f(x+i,y+j)---\left(7\right)$

对于均值滤波的操作，具体按如下步骤进行：

(1)以5×5大小的模板对图像进行均值滤波处理；

(2)对模板内像素求和后取平均值，并以所得平均值代替中心像素值，遍历整幅图像完成均值滤波；

(3)将叠加图像与均值滤波图像进行叠加。

步骤5：将叠加图像与均值滤波图像叠加,得到最终结果图像。

下面通过仿真实验进一步说明本发明的有益效果。

实验条件：实验中使用的原始图像如图2所示，其中图2(a)为测试图像lake，图2(b)为测试图像cameraman，尺寸均为256×256像素。测试图中包含丰富的边缘轮廓及细节。

实验内容：

(1)在上述实验条件下，结果如附图3所示。图3为本发明实施例增强后的结果图像。图3(a)为增强后的lake图像，图3(b)为增强后的cameraman图像。

(2)表1为利用本发明增强方法所得结果的客观评价指标。本发明采用均值，平均梯度，标准差作为增强效果的客观评价指标。

均值mean是图像中所有像素灰度值的平均，反映图像的平均亮度，一般而言平均亮度越大，图像的质量越好。假设待评价图像为尺寸大小为M×N，对应的均值mean计算表达式为：

$mean=\frac{1}{MN}\underset{x=1}{\overset{M}{\&Sigma;}}\underset{y=1}{\overset{N}{\&Sigma;}}\hat{f}(x,y)---\left(8\right)$

标准差std是图像中像素灰度值相对于均值的离散程度。一般而言标准差越大，表明图像灰度级分布越分散，清晰度越高图像质量也就越好，标准差std定义为：

$std=\sqrt{\frac{1}{MN}\underset{x=1}{\overset{M}{\&Sigma;}}\underset{y=1}{\overset{N}{\&Sigma;}}{\left(\hat{f}\right(x,y)-mean)}^2}---\left(9\right)$

标准差反映了图像中目标细节的多少。如果处理后图像的标准差大于原始图像标准差，则一般可以认为处理后的图像相比原始图像具有更多的信息。

平均梯度反映出图像中的细节反差和纹理变化，因此在某种程度上也可以代表图像的清晰程度。一般而言图像的平均梯度越大，层次感越明显，图像效果也就越清晰。其计算公式为：

$\&dtri;\stackrel{\&OverBar;}{G}=\frac{1}{MN}\underset{x=1}{\overset{M}{\&Sigma;}}\underset{y=1}{\overset{N}{\&Sigma;}}\sqrt{\mathrm{\&Delta;}x\hat{f}{(x,y)}^2+\mathrm{\&Delta;}y\hat{f}{(x,y)}^2}---\left(10\right)$

式中表示像素点(x,y)在x、y方向上的一阶差分。平均梯度的大小反映了图像中的目标细节和背景的差异性，用来度量图像中细节差异，能够代表图像的对比度和清晰度。

对图2中的测试图像分别进行增强，对上述三种客观评价指标进行比较，结果如表1所示。

表1图像客观评价指标对比

综上所述，本发明采取的线性空间滤波方法，对图像清晰度有明显地提高，在增强中能比较清晰地获得边缘和细节信息。利用本发明方法对后续的分析处理有很大帮助，根据不同的应用背景，本发明经过适当的修改同样可以适用于其他相关图像处理领域。

Claims (5)

1.一种基于线性空间滤波的图像增强方法，其特征在于：

步骤1：输入原始图像，进行拉普拉斯锐化处理；

步骤2：将原始图像与拉普拉斯锐化处理结果相叠加，获得叠加图像；

步骤3：对叠加图像进行sobel滤波，获得sobel滤波图像；

步骤4：对sobel滤波图像进行窗口下的均值滤波，获得均值滤波图像；

步骤5：将叠加图像与均值滤波图像叠加,得到最终结果图像。

2.根据权利要求1中所述的基于线性空间滤波的图像增强方法，其特征在于：步骤1中，拉普拉斯锐化处理通过如下方法实现，

以3×3大小的拉普拉斯模板对图像进行锐化处理；针对中心像素，将其上下左右四邻域内像素相加，减去中心像素灰度值的5倍，所得结果即为拉普拉斯锐化结果。

3.根据权利要求2所述的基于线性空间滤波的图像增强方法，其特征在于：步骤3中，sobel滤波通过如下方法实现，

步骤3.1：以3×3大小的sobel算子对图像进行锐化处理；

步骤3.2：使用横向掩膜对图像进行滤波，再使用纵向掩膜对图像进行滤波，

步骤3.3：计算每个滤波后图像中像素的平方，将两幅图像结果相加，计算相加结果的平方根；通过遍历计算图像中所有像素得到增强结果。

4.根据权利要求3所述的基于线性空间滤波的图像增强方法，其特征在于：步骤4中，对sobel滤波图像进行5×5窗口下的均值滤波。

5.根据权利要求4所述的基于线性空间滤波的图像增强方法，其特征在于：步骤4中，均值滤波通过如下方法实现，

以5×5大小的模板对图像进行均值滤波处理；对模板内像素求和后取平均值，代替中心像素值，遍历整幅图像完成滤波。