CN108648155A - 基于压缩域的图像增强方法及终端设备 - Google Patents

Abstract

本发明涉及图像处理技术领域，公开了一种基于压缩域的图像增强方法及终端设备，包括根据预设置的第一误差限Δ，将源图像矩阵D1进行完全分解，得到第一高频分量和一个第一低频分量c₁₁；将c₁₁乘以权值λ，得到c′₁₁，其中，当源图像曝光不足时，λ＞1，当源图像曝光过度时，0＜λ＜1，当源图像曝光适度时，λ＝1；将c′₁₁和第一高频分量组成系数矩阵，得到第一压缩矩阵D2。通过对压缩后的低频分量修正处理，既达到了压缩的效果，又保证了依据第一压缩矩阵重构所获得的重构图像的质量。

Description

基于压缩域的图像增强方法及终端设备

技术领域

本发明涉及图像处理技术领域，特别是涉及一种基于压缩域的图像增强方法及终端设备。

背景技术

图像增强的基本方法按作用域可分为两大类：空间域图像增强和频率域图像增强。其第一类主要有灰度变换、直方图处理、图像锐化等方法，这些方法是直接通过对图像像素点进行直接处理；第二类主要由频率域低通滤波、高通滤波、同态滤波等方法，这些方法是主要是在图像的某个变换域内对图像变换系数进行运算，然后通过逆变换以获得图像增强效果。

以上方法中最常用的方法是直方图均衡化。该方法是通过平均化或者拉伸直方图动态范围，使输出的图像直方图近似服从均匀分布的变换算法。通过把图像分为几个区域分别对其均衡化，或者只对图像的局部进行均衡化，可以实现自适应直方图均衡化。该方法适用于灰度级分布不均的图像。经过直方图均衡化的图像，其细节更加清晰，各灰度级的比例更加均衡，图像能够得到显著的提高。但通过直方图均衡化方法有时会使得图像过亮或者过暗。

另一种常用的方法是基于变换域的频率处理法。通过余弦变换，傅里叶变换和小波变换等使图像的频率有规律的分布，然后通过构造滤波器来提升某些频率分量，压低或者去除另一些分量，从而达到图像增强的目的。然而低通滤波器的功能是让低频分量通过而滤掉高频或者削弱高频，其作用是过滤掉包含在高频中的噪声。所以低通滤波器的效果是图像的去噪平滑增强，但是同时也抑制了图像的边界，造成图像不同程度上的模糊。而高通滤波器是衰减或者抑制低频分量，让高频分量通过，其作用是使图像得到了锐化处理，突出边界。但是经过高频滤波后图像丰富的低频信息会丢失，若简单使用高通滤波器，图像质量会由于噪声严重而难以达到满意的改善效果，为了既增强图像的细节又抑制噪声，可采用高频加强滤波。实际上该滤波器是由一个全通滤波器是和一个高通滤波器构成的。该方法对于有噪声的图像信号来说，可以去除噪声，具有较好的效果。但相对于直方图均衡化方法，其效果还有不足。

除此之外，无论是基于空间域图像的直方图均衡化方法，还是基于频率域的低通滤波、高通滤波还是高频滤波方法对图像进行增强处理，除了其增强效果差强人意外，还存在信息量庞大，占用大量内存空间的问题。

发明内容

针对现有技术无法在满足图像压缩效果的同时保证图像质量，本发明提供一种基于压缩域的图像增强方法及终端设备。

为解决上述技术问题，本发明所采取的技术方案是：

本发明实施例的第一方面提供了一种基于压缩域的图像增强方法，该方法包括：

根据预设置的第一误差限Δ，将源图像矩阵D1进行完全分解，得到第一高频分量和一个第一低频分量c₁₁；

将所述c₁₁乘以权值λ，得到c'₁₁，其中，当所述原图像曝光不足时，λ＞1，当所述源图像曝光过度时，0＜λ＜1，当所述源图像曝光适度时，λ＝1；

将所述c'₁₁和所述第一高频分量组成系数矩阵，得到第一压缩矩阵D2。

进一步的，所述λ的值的确定方法包括：

计算所述源图像矩阵D1的像素平均值d1，其中d1为所述源图像矩阵D1中所有像素灰度值之和与像素个数的商；

若d1＜90，则判定所述源图像曝光不足，此时λ＝1+(90-d1)/128；

若d1＞150，则判定所述源图像曝光过度，此时λ＝1-(d1-150)/128；

若90≤d1≤150，则判定所述源图像曝光适度，此时λ＝1。

进一步的，得到第一压缩矩阵D2之后该方法还包括：

将所述第一压缩矩阵D2进行逆变换，得到第一重构矩阵D3。

进一步的，在得到第一重构矩阵D3之后，该方法还包括：

根据预设值的第二误差限Δ′，对所述第一重构矩阵D3进行转换压缩，对所述第一重构矩阵D3进行前N级的行变换和列变换，得到第二低频分量和第二高频分量，其中1≤N＜log₂n，N是自然数，所述第一重构矩阵D3是n×n矩阵；

通过空间域图像增强方法对所述第二低频分量进行增强处理，得到第三低频分量；

将所述第三低频分量和所述第二高频分量组成系数矩阵，得到第二压缩矩阵D4。

进一步的，所述空间域图像增强方法为自适应直方图均衡化方法。

进一步的，在得到第二压缩矩阵D4之后，该方法还包括：

对所述第二压缩矩阵D4进行逆变换，得到第二重构矩阵D5。

进一步的，在得到第二重构矩阵D5之后，该方法还包括：

计算所述第二重构矩阵D5的像素平均值d2，其中所述d2为所述第二重构矩阵D5中所有像素灰度值之和与像素个数的商；

若90≤d2≤150，则不对所述第二重构矩阵D5做任何处理，将所述第二重构矩阵D5作为重构矩阵输出；

若d2＜90，或d2＞150，则对所述第二重构矩阵D5做自适应直方图均衡化处理，得到处理后的D5′，将所述D5′作为重构矩阵输出。

本发明实施例的第二方面提供了一种基于压缩域的图像增强装置，该装置包括：分解单元，修正单元和组成单元；

所述分解单元，用于根据预设置的第一误差限Δ，将源图像矩阵D1进行完全分解，得到第一高频分量和一个第一低频分量c₁₁；

所述修正单元，用于将所述c₁₁乘以权值λ，得到c'₁₁，其中，当所述原图像曝光不足时，λ＞1，当所述源图像曝光过度时，0＜λ＜1，当所述源图像曝光适度时，λ＝1；

所述组成单元，用于将所述c'₁₁和所述第一高频分量组成系数矩阵，得到第一压缩矩阵D2。

本发明实施例的第三方面提供了一种基于压缩域的图像增强终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述基于压缩域的图像增强方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述基于压缩域的图像增强方法的步骤。

采用本发明技术方案，通过对源图像矩阵分解后的低频分量进行修正和增强，在满足图像压缩效果的同时，也保证了图像增强的有益效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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性的前提下，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基于压缩域的图像增强方法的流程图；

图2是Δ＝2下依据本步骤的转换压缩实例，其中，(a)为源图像矩阵，(b)为数据扩展，(c)为第一级行转换压缩矩阵，(d)为第一级列转换压缩矩阵，(e)为第二级行转换压缩矩阵，(f)为第二级列转换压缩矩阵，(g)为对源图像矩阵进行完全分解，得到的压缩矩阵，(h)为对(g)中的低频分量进行修正后得到的第一压缩矩阵；

图3是本发明实施例提供的另一种基于压缩域的图像增强方法的流程图；

图4是本发明实施例提供的一种基于压缩域的图像增强装置示意图；

图5是本发明实施例提供的一种基于压缩域的图像增强终端设备示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

本发明实施例提供了一种基于压缩域的图像增强方法及终端设备，结合图1，该方法包括：

S101，根据预设置的第一误差限Δ，将源图像矩阵D1进行完全分解，得到第一高频分量和一个第一低频分量c₁₁。

优选的，采用如下方法将源图像矩阵D1进行完全分解，具体的，包括：

进行第一级行转换压缩，并存储生成近似值区间以及细节分量；对新生成的近似值区间部分进行第一级列转换压缩，同时存储相应的近似值区间和细节分量；之后交替的对新生成的近似值区间进行下一级行、列的转换压缩，直到只剩下一个近似值区间为止，得到最终的压缩矩阵。

需要说明的是，所述完全分解，是指将源图像矩阵进行逐级转换压缩，直至压缩至只有一个低频分量为止。

具体的，压缩矩阵的生成步骤如下：

第一步，进行第一级行转换压缩：

(1)、源图像矩阵D1是n×n个像素构成的n阶矩阵：

根据预设的第一误差限Δ，将每个像素数据扩展成数据区间的形式，对源图像矩阵D1每一点的像素点d_ij进行数据扩展，得到数据区间按照这种方法获得源图像矩阵D1的第i行数据[d_i1…d_ij…d_in]扩展后变为其中d _ij＝d_ij-Δ，其中i为行数，j为列数；

需要说明的是，本发明中的第一误差限Δ可以根据实际情况进行调整，本发明实施例对此不做限制。

(2)、判断每一行中相邻的两个数据区间与是否具有交集，j为奇数，如果数据区间不存在交集，则按照下式计算细节分量b：

如果数据区间存在交集，则令细节分量b＝0,

然后按照下式计算出近似值的区间

其中max表示求最大值，min表示求最小值；

(3)、将计算出的近似值区间存储于原始矩阵的处，将细节分量b存储于原始矩阵的处，其中m₁代表原始矩阵中每一行的数据个数，此处m₁＝n，

对原始矩阵的每一行进行转换压缩并存储，得到第一级行转换压缩矩阵；

第二步，第一级列转换压缩

(1)、判断第一级行转换压缩矩阵中近似值区间部分每一列相邻的两个近似值区间与是否有交集，i为奇数，如果数据区间不存在交集，则按照下式计算细节分量b：

如果数据区间存在交集，则令细节分量b＝0，

然后按照下式计算出近似值区间

(2)、将计算出的近似值区间存放于本级行转换压缩矩阵的处，将计算出的细节分量b存储于本级行转换压缩矩阵的位置，m₂代表本级行转换压缩矩阵中每一列近似值区间的个数，

对第一级行转换压缩矩阵的近似值区间部分的每一列完成列转换压缩和存储，得到第一级列转换压缩矩阵；

(3)、交替的对新生成矩阵的近似值区间部分进行行、列转换压缩，并且在接下来的行转换压缩过程中，需要将细节分量b存储于前一级列转换压缩矩阵的处，其中m′₁代表前一级列转换压缩矩阵中每一行近似值区间的个数，直到只剩下一个近似值区间为止。此时可以取近似值区间内的任意一个值作为最终的近似值，生成的最终矩阵即为压缩矩阵。此最终的近似值即为本步骤中将源图像矩阵D1进行完全分解得到的第一低频分量c₁₁，优选的，将最后得到的一个近似值区间两个端点的数值求平均值，将该平均值作为c₁₁。

举例来说，图2是Δ＝2下依据本步骤的转换压缩实例，其中，(a)为源图像矩阵，(b)为数据扩展，(c)为第一级行转换压缩矩阵，(d)为第一级列转换压缩矩阵，(e)为第二级行转换压缩矩阵，(f)为第二级列转换压缩矩阵，(g)为对源图像矩阵进行完全分解，得到的压缩矩阵，(h)为对(g)中的低频分量进行修正后得到的第一压缩矩阵。

如图2所示，当进行完第二级列转换之后，得到的压缩矩阵如图2中的(f)所示，该矩阵中只有一个近似值区间[7,7.5]，c₁₁可以是[7,7.5]内的任意值，优选的，c₁₁为该区间两端点值7和7.5的平均值7.25。

除此之外，如图2中的(g)为对源图像矩阵进行完全分解，得到的最终的压缩矩阵，该矩阵中位于(1,1)位置的量，即7.25为本步骤中的第一低频分量，该矩阵中其他位置的非零值为本步骤中的第一高频分量。

S102，将c₁₁乘以权值λ，得到c'₁₁，其中，当所述原图像曝光不足时，λ＞1，当源图像曝光过度时，0＜λ＜1，当源图像曝光适度时，λ＝1。

可选的，c'₁₁可称为修正后的第一低频分量。

可选的，λ的值的确定方法包括：

计算所述源图像矩阵D1的像素的平均值d1，其中d1为所述源图像中所有像素灰度值之和与像素个数的商；

若d1＜90，判定所述源图像曝光不足，此时λ＝1+(90-d)/128；

若d1＞150，判定所述源图像曝光过度，此时λ＝1-(d-150)/128；

若90≤d1≤150，判定所述源图像曝光适度，此时λ＝1。

通过对分解后的低频分量进行曝光度的调整，可以提高重构图像的质量。

具体的，图2中的(a)为源图像矩阵，通过本步骤的方法计算源图像像素的平均值d1＝6.4375＜90，判定源图像曝光不足，此时λ＝1+(90-d1)/128＝1.652832，c'₁₁＝1.652832×c₁₁＝1.652832×7.25＝11.983032，保留两位小数取c'₁₁＝11.98。

需要说明的是，图2所示的矩阵只是为方便理解本发明实施例所举的一个简单的示例，不代表真实的图像数据，任何依据本发明思路进行数据处理的其他图像数据，都在本发明的保护范围之内。

S103，将c'₁₁和第一高频分量组成系数矩阵，得到第一压缩矩阵D2。

具体的，用c'₁₁替代步骤S101中对源图像矩阵D1完全分解后得到压缩矩阵中的第一低频分量c₁₁，得到第一压缩矩阵D2如图2中的(h)所示。

在本发明中，压缩率定义为：压缩率＝(原始数据个数-压缩矩阵非零个数)/原始数据个数×100％。

结合图2中的(h)，通过本发明实施例提供的方法可以得到很高的压缩率，且通过对源图像完全分解后的低频分量进行修正，提高了重构图像的质量。

本发明实施例提供了一种基于压缩域的图像增强方法，包括：将源图像矩阵D1进行完全分解，得到1个第一低频分量c₁₁和第一高频分量；将c₁₁乘以权值λ，得到c'₁₁，其中，当源图像曝光不足时，λ＞1，当源图像曝光过度时，0＜λ＜1，当源图像曝光适度时，λ＝1；将c₁'₁和第一高频分量组成系数矩阵，得到第一压缩矩阵D2，通过依据源图像曝光情况对完全分解后的低频分量进行修正，既满足了压缩效果，保证了重构图像的质量，解决了现有技术中压缩效果和图像重构效果无法同时满足的问题。

进一步的，结合图3，本发明实施例还包括：

S104，将第一压缩矩阵D2进行逆变换，得到第一重构矩阵D3。

具体的，步骤S104是步骤S101压缩过程的逆过程，具体的，通过下述方式进行数据的重构：

对于步骤S101-S103得到的第一压缩矩阵：

按照与步骤S101转换压缩的过程相反的顺序，从左上角开始交替进行列还原和行还原，直至对n×n个像素进行行还原后就实现了数据的重构，所述列还原和行还原的具体方法如下：

(1)、每一级列还原的计算重构数据的通式如下：

式中，和分别为本级列还原矩阵中存放位置为(i,j)、((i+1)，j)的重构数据，i为奇数，为在前一级行还原矩阵中存放位置在j)的重构数据，当进行第一级列还原时，为压缩矩阵中存放位置为的数据，为在前一级行还原矩阵中位置为的数据，当进行第一级列还原时，为在压缩矩阵中位置为的数据，m₃为前一级行还原矩阵中需要还原的矩阵部分中每一列的数据个数，当进行第一级列还原时，m₃为压缩矩阵中需要还原的矩阵部分每一列的数据个数；

(2)、每一级行还原的计算重构数据的通式如下：

式中，分别为在本级行还原矩阵中存放位置为(i,j)、(i，(j+1))的重构数据，j为奇数；为在本级列还原矩阵中存放位置为处的重构数据；为在本级列还原矩阵中存放位置为处的数据，m₄为本级列还原矩阵中需要还原的矩阵部分每一行的数据个数。

通过本步骤中的方法对压缩矩阵进行重构，得到第一重构矩阵D3，由于在步骤S102中对分解后得到的低频分量进行了修正，重构后得到的D3图像质量得到了增强。

进一步的，结合图3，为得到效果更好的重构图像，在步骤S104之后，本发明实施例还包括：

S105，根据预设值的第二误差限Δ′，对第一重构矩阵D3进行转换压缩，对第一重构矩阵D3进行前N级的行变换和列变换，得到第二低频分量和第二高频分量，其中1≤N＜log₂n，N是自然数，第一重构矩阵D3是n×n矩阵。

优选的，为提高图像增强效果，在本发明实施例中，步骤S101中的第一误差限Δ＝0，此时，除步骤S102对第一低频分量c₁₁进行修正外，重构获得的第一重构矩阵D3与源图像矩阵相比几乎没有损失。

在本步骤中，对D3的前N级的转换压缩，即对D3进行前N级行变换和列变换，得到第二低频分量和第二高频分量，其中，1≤N＜log₂n，举例来说，若D3是4×4矩阵，则进行两级分解即可将D3完全分解，若D3是8×8矩阵，则进行三级分解则可将D3完全分解，本步骤中不将第一重构接矩阵D3完全分解，只进行前N级的分解。。

优选的，N＝1。

S106，通过空间域图像增强方法对第二低频分量进行增强处理，得到第三低频分量，将第三低频分量和第二高频分量组成系数矩阵，得到第二压缩矩阵D4。

第二低频分量的获得方法为：取第二低频分量区间的任意值作为该点的低频分量值，优选的，取两个端点的数值求平均值，将该平均值作为该点的低频分量值。

优选的，对D3进行了前N级的压缩转换后，采用自适应直方图均衡化的方法对第二低频分量进行处理，既满足了压缩效果，又保证了图像增强的质量。

S107，对D4进行逆变换，得到第二重构矩阵D5。

进一步的，计算D5的像素平均值d2，其中d2为D5中所有像素灰度值之和与像素个数的商；若90≤d2≤150，则不对D5做任何处理，将D5作为重构矩阵输出；若d2＜90，或d2＞150，则对D5做自适应直方图均衡化处理，得到处理后的D5＇，将D5＇作为重构矩阵输出。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

为了展现该方法的优越性，分别给出了图像曝光过度、图像曝光适度、图像曝光不足三种情况下的图像数据。利用本发明技术方案实现增强的过程中，其参数设置如下：第二误差限Δ＇＝2，分解级数N＝1。第一组数据：两幅原始图像的均值，经过计算分别为158.9176、172.1646，对应的权值λ分别为0.9303、0.8268，得到的压缩率分别为73.85％、27.92％。第二组数据：两幅原始图像的均值，经过计算分别为132.3847、95.3887，对应的权值λ分别为1、1，得到的压缩率分别为35.18％、38.64％。第三组数据：两幅原始图像的均值，经过计算分别为32.5177、9.4154，对应的权值λ分别为1.4491、1.6296，得到的压缩率分别为55.87％、68.72％。从实验数据上看本发明技术可以实现数据的压缩，同时由于进行了低频分量的修正及增强处理，改善了图像增强效果。

本发明实施例提供了一种基于压缩域的图像增强方法，对源图像矩阵进行两次压缩和重构，第一压缩设置第一误差限Δ＝0，对源图像矩阵进行完全分解，对获得的唯一低频分量进行曝光度修正，再对压缩矩阵进行重构，获得第一重构矩阵，由于第一误差限设置为0，第一重构矩阵与源图像矩阵相比损失极小；对第一重构矩阵进行第二次压缩，此次压缩不对第一重构矩阵完全分解，只进行前N行和前N列的压缩转换，通过空间域图像增强方法对压缩得到的第二低频分量进行增强，得到第二压缩矩阵，对第二压缩矩阵进行重构，得到第二重构矩阵，最后通过对第二重构矩阵进行图像亮度的判断，对曝光不足或曝光过度的图像进行再次增强处理，既达到了保证压缩率，降低存储占用大量空间的问题，还能得到优于现有技术的图像增强效果。

进一步的，结合图4，本发明实施例还提供了一种基于压缩域的图像增强装置，该装置包括分解单元41，修正单元42和组成单元43；

分解单元41，用于根据预设置的第一误差限Δ，将源图像矩阵D1进行完全分解，得到第一高频分量和一个第一低频分量c₁₁；

修正单元42，用于将所述c₁₁乘以权值λ，得到c'₁₁，其中，当所述原图像曝光不足时，λ＞1，当所述源图像曝光过度时，0＜λ＜1，当所述源图像曝光适度时，λ＝1；

组成单元43，用于将所述c'₁₁和所述第一高频分量组成系数矩阵，得到第一压缩矩阵D2。

进一步的，所述修正单元42还用于：

计算所述源图像矩阵D1的像素平均值d1，其中d1为所述源图像矩阵D1中所有像素灰度值之和与像素个数的商；

若d1＜90，则判定所述源图像曝光不足，此时λ＝1+(90-d1)/128；

若d1＞150，则判定所述源图像曝光过度，此时λ＝1-(d1-150)/128；

若90≤d1≤150，则判定所述源图像曝光适度，此时λ＝1。

进一步的，该装置还包括，重构矩阵44，用于将所述D2进行逆变换，得到第一重构矩阵D3。

进一步的，该装置还包括增强单元45；

分解单元41还用于根据预设值的第二误差限Δ＇，对所述第一重构矩阵D3进行转换压缩，对所述第一重构矩阵D3进行前N级的行变换和列变换，得到第二低频分量和第二高频分量，其中1≤N＜log₂n，N是自然数，所述第一重构矩阵D3是n×n矩阵；

增强单元45用于通过空间域图像增强方法对第二低频分量进行增强处理，得到第三低频分量；

组成单元43，还用于将第三低频分量和第二高频分量组成系数矩阵，得到第二压缩矩阵D4。

进一步的，空间域图像增强方法为自适应直方图均衡化方法。

进一步的，重构单元44还用于对D4进行逆变换，得到第二重构矩阵D5。

进一步的，该装置还包括输出单元46，用于计算D5的像素平均值d2，其中d2为D5中所有像素灰度值之和与像素个数的商；

若90≤d2≤150，则不对D5做任何处理，将D5作为重构矩阵输出；

若d2＜90，或d2＞150，则对D5做自适应直方图均衡化处理，得到处理后的D5′，将D5＇作为重构矩阵输出。

本发明实施例提供了一种基于压缩域的图像增强装置，该装置包括分解单元41，修正单元42和组成单元43；分解单元41，用于根据预设置的第一误差限Δ，将源图像矩阵D1进行完全分解，得到第一高频分量和一个第一低频分量c₁₁；修正单元42，用于将所述c₁₁乘以权值λ，得到c'₁₁，其中，当所述原图像曝光不足时，λ＞1，当所述源图像曝光过度时，0＜λ＜1，当所述源图像曝光适度时，λ＝1；组成单元43，用于将所述c'₁₁和所述第一高频分量组成系数矩阵，得到第一压缩矩阵D2。该装置通过依据源图像曝光情况对完全分解后的低频分量进行修正，既满足了压缩效果，保证了重构图像的质量，解决了现有技术中压缩效果和图像重构效果无法同时满足的问题。

图5是本发明实施例提供的一种基于压缩域的图像增强终端设备的示意图。如图5所示，该实施例的一种基于压缩域的图像增强终端设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如一种基于压缩域的图像增强程序。所述处理器50执行所述计算机程序52时实现上述各个基于压缩域的图像增强方法实施例中的步骤，例如图1所示的步骤101至103或者例如图2所示的步骤101至107。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各单元的功能，例如图4所示模块41至46的功能。

示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述一种基于压缩域的图像增强终端设备5中的执行过程。例如，所述计算机程序52可以被分割成同步模块、汇总模块、获取模块、返回模块(虚拟装置中的模块)。

所述一种基于压缩域的图像增强终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述一种基于压缩域的图像增强终端设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是一种基于压缩域的图像增强终端设备5的示例，并不构成对一种基于压缩域的图像增强终端设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种基于压缩域的图像增强终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器51可以是所述一种基于压缩域的图像增强终端设备5的内部存储单元，例如一种基于压缩域的图像增强终端设备5的硬盘或内存。所述存储器51也可以是所述一种基于压缩域的图像增强终端设备5的外部存储设备，例如所述一种基于压缩域的图像增强终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述基于压缩域的图像增强终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述一种基于压缩域的图像增强终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述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，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于压缩域的图像增强方法，其特征在，该方法包括：

根据预设置的第一误差限Δ，将源图像矩阵D1进行完全分解，得到第一高频分量和一个第一低频分量c₁₁；

将所述c₁₁乘以权值λ，得到c′₁₁，其中，当所述源图像曝光不足时，λ＞1，当所述源图像曝光过度时，0＜λ＜1，当所述源图像曝光适度时，λ＝1；

将所述c′₁₁和所述第一高频分量组成系数矩阵，得到第一压缩矩阵D2。

2.根据权利要求1所述的方法，其特征在于，所述λ的值的确定方法包括：

计算所述源图像矩阵D1的像素平均值d1，其中d1为所述源图像矩阵D1中所有像素灰度值之和与像素个数的商；

若d1＜90，则判定所述源图像曝光不足，此时λ＝1+(90-d1)/128；

若d1＞150，则判定所述源图像曝光过度，此时λ＝1-(d1-150)/128；

若90≤d1≤150，则判定所述源图像曝光适度，此时λ＝1。

3.根据权利要求1或2所述的方法，其特征在于，在得到第一压缩矩阵D2之后该方法还包括：

将所述第一压缩矩阵D2进行逆变换，得到第一重构矩阵D3。

4.根据权利要求3所述的方法，其特征在于，得到第一重构矩阵D3之后，该方法还包括：

根据预设值的第二误差限Δ′，对所述第一重构矩阵D3进行转换压缩，对所述第一重构矩阵D3进行前N级的行变换和列变换，得到第二低频分量和第二高频分量，其中1≤N＜log₂n，N是自然数，所述第一重构矩阵D3是n×n矩阵；

通过空间域图像增强方法对所述第二低频分量进行增强处理，得到第三低频分量；

将所述第三低频分量和所述第二高频分量组成系数矩阵，得到第二压缩矩阵D4。

5.根据权利要求4所述的方法，其特征在于，所述空间域图像增强方法为自适应直方图均衡化方法。

6.根据权利要求4或5所述的方法，其特征在于，在得到第二压缩矩阵D4之后，该方法还包括：

对所述第二压缩矩阵D4进行逆变换，得到第二重构矩阵D5。

7.根据权利要求6所述的方法，其特征在于，在得到第二重构矩阵D5之后，该方法还包括：

计算所述第二重构矩阵D5的像素平均值d2，其中所述d2为所述第二重构矩阵D5中所有像素灰度值之和与像素个数的商；

若90≤d2≤150，则不对所述第二重构矩阵D5做任何处理，将所述第二重构矩阵D5作为重构矩阵输出；

若d2＜90，或d2＞150，则对所述第二重构矩阵D5做自适应直方图均衡化处理，得到处理后的D5′，将所述D5′作为重构矩阵输出。

8.一种基于压缩域的图像增强装置，其特征在于，该装置包括：分解单元，修正单元和组成单元；

所述分解单元，用于根据预设置的第一误差限Δ，将源图像矩阵D1进行完全分解，得到第一高频分量和一个第一低频分量c₁₁；

所述修正单元，用于将所述c₁₁乘以权值λ，得到c′₁₁，其中，当所述原图像曝光不足时，λ＞1，当所述源图像曝光过度时，0＜λ＜1，当所述源图像曝光适度时，λ＝1；

所述组成单元，用于将所述c′₁₁和所述第一高频分量组成系数矩阵，得到第一压缩矩阵D2。

9.一种基于压缩域的图像增强终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。