CN105894459A - 基于梯度值及梯度方向的图像锐化方法及装置 - Google Patents

Abstract

本发明实施例提供一种基于梯度值及梯度方向的图像锐化方法及装置。逐个扫描图像中的像素点并计算所述像素点的梯度；当判定所述梯度大于预设的梯度阈值，则对所述像素点进行锐化，以所述锐化操作得到的像素值更新所述像素点的像素值。有效消除了明显的视觉上的灰度突变,同时可以自适应地调节图像锐化的程度。

Description

基于梯度值及梯度方向的图像锐化方法及装置

技术领域

本发明实施例涉及图像处理领域，尤其涉及一种基于梯度值及梯度方向的图像锐化方法及装置。

背景技术

图像锐化(image sharpening)就是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，亦分空域处理和频域处理两类。

USM(非锐化掩膜)算法是常用的图像锐化算法，可将图像中较模糊的边缘变得相对清晰。其原理是将原图像与进一步模糊的图像的差作为掩膜，将原图像根据设定的比例加上掩膜图像中的值即可实现图像边缘的锐化。但是这种算法存在一定的缺陷，锐化后的最大最小值会超过原始图片的范围，造成在边缘的两侧出现易被察觉的灰度突变。

因此，一种新的锐化算法亟待提出。

发明内容

本发明实施例提供一种基于梯度值及梯度方向的图像锐化方法及装置，用以解决现有技术中图像锐化后像素值的最大值和最小值超过原始值而出现明显灰度突变的缺陷。

本发明实施例提供一种基于梯度值及梯度方向的图像锐化方法，包括：

逐个扫描图像中的像素点并计算所述像素点的梯度；

当判定所述梯度大于预设的梯度阈值，则对所述像素点进行锐化，以所述锐化操作得到的像素值更新所述像素点的像素值。

本发明实施例提供一种基于梯度值及梯度方向的图像锐化装置，包括：

计算模块，用于逐个扫描图像中的像素点并计算所述像素点的梯度；

锐化模块，用于，当判定所述梯度大于预设的梯度阈值，对所述像素点进行锐化，以所述锐化操作得到的像素值更新所述像素点的像素值。

本发明实施例提供的基于梯度值及梯度方向的图像锐化方法及装置，通过自动限定锐化后的像素值范围，改变了现有技术中进行图像锐化时，图像锐化后像素值的最大值和最小值超过原始值的缺陷，有效消除了明显的视觉上的灰度突变。此外，还可以自适应地调节图像锐化的程度。

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一简单地介绍，显而易见地，下面描述中的附图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为本发明实施例一的技术流程图；

图2为本发明实施例一的另一技术流程图；

图3为本发明实施例梯度方向与邻域像素点的示例图；

图4为本发明实施例高斯函数示例图；

图5为本发明实施例二的装置结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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。

实施例一

图1是本发明实施例一的技术流程图，结合图1，本发明实施例一种基于梯度值及梯度方向的图像锐化方法，主要由两个大的步骤实现：

步骤110：逐个扫描图像中的像素点并计算所述像素点的梯度；

梯度的在图像处理中的意义表征的是像素值在哪个方向上变化最快，即图像灰度的最大变化率。图像的边缘部分，像素值的波动较为明显，故这种波动的检测可以过对图像进行梯度运算来实现。

逐行逐列扫描待处理图像中的每一像点素，对于所述像素点，先计算其梯度。由于图像在计算机中以数字图像的形式进行存储，即图像是离散的数字信号，对数字图像的梯度使用差分来代替连续信号中的微分。

常见的图像梯度模板有以下几种：

1)Roberts梯度。Roberts梯度算子是一种最简单的算子，是一种利用局部差分算子寻找边缘的算子，采用对角线方向相邻两象素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感,无法抑制噪声的影响。

2)Prewitt梯度。

左侧是x方向的3×3Prewitt梯度模板，右侧是y方向的3×3Prewitt梯度模板。

3)Sobel梯度。Sobel梯度算子有两个，一个是检测水平边缘的；另一个是检测垂直边缘的。与Prewitt算子相比，Sobel算子对于像素的位置的影响做了加权，可以降低边缘模糊程度，因此效果更好。Sobel梯度算子的3×3模板如下所示：

左侧是x方向的3×3Sobel梯度模板，右侧是y方向的3×3Sobel梯度模板。

4)Laplacian梯度。Laplacian梯度算子具有各向同性，即与坐标轴方向无关，坐标轴旋转后梯度结果不变。

左侧为4邻域系统模板，右侧为8邻域系统模板。

5)Scharr梯度。

左侧是y方向的3×3Scharr梯度模板，右侧是x方向的3×3Scharr梯度模板。算子中正负号的位置有所变化，为计算梯度方向时，满足数学中象限的位置分配，看起来更加直观。

以Sobel梯度模板计算为例，某一像素点及其3×3邻域内的像素值分布如下：

P1	P2	P3
			P4	P5	P6
P7	P8	P9

对于像素点P5，其梯度值可以采用如下公式进行计算：

$G=\sqrt{{\[(p3-p1)+2*(p6-p4)+(p9-p7)\]}^2+{\[(p1-p7)+2*(p2-p8)+(p3-p9)\]}^2}$

其中，G为像素点P5对应的梯度值，G的取值范围是P1～P9是3×3邻域内所有像素点的像素值。

本发明实施例并不限制采用何种梯度算子计算所述像素点的梯度值，凡是能实现本发明实施例中梯度值计算的算法都在本发明实施例的保护范围之内。

步骤120：当判定所述梯度大于预设的梯度阈值，则对所述像素点进行锐化，以所述锐化操作得到的像素值更新所述像素点的像素值。

本步骤中，首先判断所述像素点的梯度值是否超过阈值，若是超出预设的阈值，则对所述像素点进行锐化，从而避免了锐化后的最大值和最小值超出原图片的像素值范围，从而导致图像中边缘部分出现明显的灰度突变。

进一步地，结合图2，步骤120中，对所述像素点进行锐化由步骤121～步骤125实现。

步骤121：根据所述梯度，计算所述像素点的梯度方向；

根据梯度方向的定义，采用如下公式计算所述像素点的梯度方向θ：

$\mathrm{\θ}=\arctan \left(\frac{p_x}{p_y}\right)$

其中，p_x为所述像素点沿x方向的梯度值，p_y为所述像素点沿y方向的梯度值，arctan()为反正切函数。

以Sobel算子为例，p_x及p_x的计算如下所示：

Px＝(p3-p1)+2*(p6-p4)+(p9-p7)

Py＝(p1-p7)+2*(p2-p8)+(p3-p9)

本发明实施例中，梯度方向的计算可以在判断是否进行锐化之前执行，也可以是先判断是否需要进行锐化操作，再计算所述梯度方向，本发明实施例并不做限制。

步骤122：沿所述梯度方向的正向及反向，在所述像素点的邻域内寻找最大像素值以及最小像素值；

如图3所示，以所述像素点为坐标原点，水平方向为x轴，垂直方向为y轴，在所述像素点的邻域内画出所述像素点的梯度方向及其反向延长线的示意图。

所述梯度方向的正向和反向，是图像的像素值变化最明显的区域，因此沿着这个方向在所述邻域内寻找像素值的最大值和最小值，计算量小，且更加准确。记所述最大像素值为p_max，所述最小像素值为p_min。

步骤123：计算所述邻域内的像素值均值；

所述像素值均值的计算公式如下所示：

$p_{mean}=\left\{\underset{1}{\overset{N*N}{\Σ}}{p}_x\right\}/(N*N)$

其中，p_mean为所述像素值均值，N*N为所述邻域内像素点的总数，p_x是所述邻域内的每一像素点对应的像素值。

步骤124：根据所述像素值均值、所述最大像素值以及所述最小像素值计算所述锐化系数；

当p₅>p_mean时，应当将p₅的值向p_max靠拢，当p₅处于p_mean和p_max之间的时候，靠拢的程度应该最大。p₅越靠近p_mean和p_max，锐化的程度应该越小，避免出现锯齿和过度的灰度突变，参考图4所示。因此本发明实施例采用高斯函数计算所述锐化系数。

高斯函数如下所示：

f＝a×exp[-(x-b)²/c²]

其中，a、b、c为经验数值。在理想状态下，a应该等于1.0，但是为了避免锯齿等情况，一般取a＝0.85即可；b的值为b＝(p_max+p_mean)/2；c作为控制高斯宽度的参数，经过试验，把宽度映射到标准高斯函数的c为0.35的宽度最合适，因此c＝(p_max-p_mean)/0.35。

步骤125：根据所述锐化系数对所述像素点进行锐化。

采用如下公式根据所述锐化系数对所述像素点进行锐化：

p′＝p+f×(p_max-p)

其中，p′为所述像素点经锐化操作得到的像素值，p为所述像素点未经所述锐化操作时像素值，p_max为所述最大像素值，f为所述锐化系数。

本实施例中，通过梯度计算检测图像中灰度变化较大的位置，从而实现快速精确的边缘检测；通过自动限定锐化后的像素值范围，确保了进行图像锐化时，图像锐化后像素值的最大值和最小值仍在原始值范围之内，有效消除了明显的视觉上的灰度突变。

此外，利用高斯函数根据所述像素点邻域内的像素值大小计算锐化系数，实现了自适应地调节图像锐化的程度，提升了图像质量。

实施例二

图5是本发明实施例二的装置结构示意图，结合图5，本发明实施例一种基于梯度值及梯度方向的图像锐化装置，主要包括两个大的模块：计算模块510以及锐化模块520。

所述计算模块510，用于逐个扫描图像中的像素点并计算所述像素点的梯度；

所述锐化模块520，用于，当判定所述梯度大于预设的梯度阈值，对所述像素点进行锐化，以所述锐化操作得到的像素值更新所述像素点的像素值。

具体地，所述锐化模块520进一步用于：根据所述梯度，计算所述像素点的梯度方向；沿所述梯度方向的正向及反向，在所述像素点的邻域内寻找最大像素值以及最小像素值。

具体地，所述锐化模块520进一步用于：计算所述邻域内的像素值均值；

根据所述像素值均值、所述最大像素值以及所述最小像素值计算所述锐化系数；根据所述锐化系数对所述像素点进行锐化。

具体地，所述锐化模块520进一步用于：采用如下公式计算所述锐化系数：

f＝a×exp[-(x-b)²/c²]

其中，a、b、c为经验数值，b、c根据所述最大像素值和所述平均像素值进行计算。

具体地，所述锐化模块520进一步用于：采用如下公式根据所述锐化系数对所述像素点进行锐化：

p′＝p+f×(p_max-p)

其中，p′为所述像素点经锐化操作得到的像素值，p为所述像素点未经所述锐化操作时像素值，p_max为所述最大像素值，f为所述锐化系数。

图5所示装置可以执行图1～图4所示实施例的方法，实现原理和技术效果参考图1～图4所示实施例，不再赘述。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于梯度值及梯度方向的图像锐化方法，其特征在于，包括如下的步骤：

逐个扫描图像中的像素点并计算所述像素点的梯度；

当判定所述梯度大于预设的梯度阈值，则对所述像素点进行锐化，以所述锐化操作得到的像素值更新所述像素点的像素值。

2.根据权利要求1所述的方法，其特征在于，对所述像素点进行锐化，进一步包括：

根据所述梯度，计算所述像素点的梯度方向；

沿所述梯度方向的正向及反向，在所述像素点的邻域内寻找最大像素值以及最小像素值。

3.根据权利要求2所述的方法，其特征在于，对所述像素点进行锐化，进一步包括：

计算所述邻域内的像素值均值；

根据所述像素值均值、所述最大像素值以及所述最小像素值计算所述锐化系数；

根据所述锐化系数对所述像素点进行锐化。

4.根据权利要求3所述的方法，其特征在于，计算所述锐化系数，进一步包括：

采用如下公式计算所述锐化系数：

f＝a×exp[-(x-b)²/c²]

其中，a、b、c为经验数值，b、c根据所述最大像素值和所述平均像素值进行计算。

5.根据权利要求3或4所述的方法，其特征在于，采用如下公式根据所述锐化系数对所述像素点进行锐化：

p′＝p+f×(p_max-p)

其中，p′为所述像素点经锐化操作得到的像素值，p为所述像素点未经所述锐化操作时像素值，p_max为所述最大像素值，f为所述锐化系数。

6.一种基于梯度值及梯度方向的图像锐化装置，其特征在于，包括如下的模块：

计算模块，用于逐个扫描图像中的像素点并计算所述像素点的梯度；

锐化模块，用于，当判定所述梯度大于预设的梯度阈值，对所述像素点进行锐化，以所述锐化操作得到的像素值更新所述像素点的像素值。

7.根据权利要求6所述的装置，其特征在于，所述锐化模块进一步用于：

根据所述梯度，计算所述像素点的梯度方向；

沿所述梯度方向的正向及反向，在所述像素点的邻域内寻找最大像素值以及最小像素值。

8.根据权利要求7所述的装置，其特征在于，所述锐化模块进一步用于：

计算所述邻域内的像素值均值；

根据所述像素值均值、所述最大像素值以及所述最小像素值计算所述锐化系数；

根据所述锐化系数对所述像素点进行锐化。

9.根据权利要求8所述的装置，其特征在于，所述锐化模块进一步用于：

采用如下公式计算所述锐化系数：

f＝a×exp[-(x-b)²/c²]

其中，a、b、c为经验数值，b、c根据所述最大像素值和所述平均像素值进行计算。

10.根据权利要求8或9所述的装置，其特征在于，所述锐化模块进一步用于：

采用如下公式根据所述锐化系数对所述像素点进行锐化：

p′＝p+f×(p_max-p)

其中，p′为所述像素点经锐化操作得到的像素值，p为所述像素点未经所述锐化操作时像素值，p_max为所述最大像素值，f为所述锐化系数。