CN109636745A - 基于分数阶微分图像增强算法的最佳阶图像增强方法 - Google Patents
基于分数阶微分图像增强算法的最佳阶图像增强方法 Download PDFInfo
- Publication number
- CN109636745A CN109636745A CN201811430036.8A CN201811430036A CN109636745A CN 109636745 A CN109636745 A CN 109636745A CN 201811430036 A CN201811430036 A CN 201811430036A CN 109636745 A CN109636745 A CN 109636745A
- Authority
- CN
- China
- Prior art keywords
- image
- brightness
- human eye
- fractional order
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000035945 sensitivity Effects 0.000 claims abstract description 20
- 230000003044 adaptive effect Effects 0.000 claims abstract description 7
- 238000012512 characterization method Methods 0.000 claims abstract description 7
- 230000002708 enhancing effect Effects 0.000 claims description 17
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims 1
- 238000010606 normalization Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 241000208293 Capsicum Species 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000001390 capsicum minimum Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000003389 potentiating effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于分数阶微分图像增强算法的最佳阶图像增强方法，包括：计算图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数，以判断图像的特点；对图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数进行归一化计算，得到值S；将表征图像纹理信息、亮度、人眼视觉感觉的数值S放入对数压缩曲线进行压缩，得到对应的最佳分阶数；在图像的分数阶微分算法中使用最佳分阶数，实现自适应图像增强。本发明通过构造出能够表征图像特点的归一化局部统计信息，建立了分阶数与归一化局部统计信息的函数关系，以归一化局部信息为自变量根据对数函数求出最佳分阶数的分数阶微分算法，进行图像增强。
Description
技术领域
本发明具体涉及图像处理技术领域，尤其涉及一种基于分数阶微分图像增强算法的最佳阶图像增强方法。
背景技术
图像增强是对图像的加工，用于改善图像质量，便于更好地分析处理。传统的基于微分的图像增强方法是基于整数阶的微分增强算法，如Sobel、Roberts、Prewitt算法和基于二阶整数微分的Laplacian算法等。这些算法可以很好的提取图像边缘信息，但是会极大地衰减图像的中低频信息，使图像平滑区域轮廓信息丢失。在现有技术中，很多学者对整数阶微分算法作出改进，但没有取得本质突破，通过对分数阶微分的频率特性分析，发现分数阶微分运算可以在增强高频信息的同时，保留中、低频信息，因此使用分数阶微分运算处理图像可以在增强图像边缘纹理信息的同时保留图像平滑区域轮廓信息。近年来，很多学者根据分数阶微分的数学理论结合图像处理的方法，构造了分数阶微分图像增强算法，验证了分数阶微分在图像增强中应用的优势，但有一个问题成为技术瓶颈：在算法的应用中，该如何选取最佳的分阶数，实现对图像的增强，成为技术难题，在现有的应用中分阶数为人为设定，不能通过定量的分析来自适应确定最佳分阶数，取得最佳增强效果。
因此，现有技术需要改进。
发明内容
为了解决现有技术中存在的问题，本发明提供一种基于分数阶微分图像增强算法的最佳阶图像增强方法和系统，以通过定量的分析来自适应确定最佳分阶数，取得最佳增强效果，本发明公开一种基于分数阶微分图像增强算法的最佳阶的图像增强方法包括：
计算图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数，以判断图像的特点；
对图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数进行归一化计算，得到归一化值S；
将表征图像纹理信息大小、亮度、人眼视觉感觉的数值S放入对数压缩曲线进行计算，得到对应的最佳分阶数；
在图像的最佳分数阶微分算法中使用最佳分阶数，实现自适应图像增强。
基于本发明上述基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例中，所述在图像的最佳分数阶微分算法中使用最佳分阶数，实现自适应图像增强包括：
由Gumumwald—letnikow分数阶微分定义导出图像一维信号的差分表达式；
由差分表达式导出的微分模板，计算x轴正方向坐标系数值、x轴负方向坐标系数值、y轴正方向坐标系数值、y轴负方向坐标系数值，得到水平、对角、垂直八个方向模板系数值；
分数阶微分的图像增强运算，根据空间滤波器的图像处理原理，将待处理的图像像素点置于模板的正中心，将给出的八个方向模板遍历整个图像后，得到增强图像。
基于本发明上述基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例中，所述计算图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数，以判断图像的特点中，所述计算图像的梯度的表达式为：
G[I(x,y)]＝(G0° 2+G45° 2+G90° 2+G135° 2+G180° 2+G225° 2+G270° 2+G315° 2)1/2 (1)
式中，
G0°＝I(x-1,y)-I(x,y)；
G45°＝I(x-1,y-1)-I(x,y)；
G90°＝I(x,y-1)-I(x,y)；
G135°＝I(x+1,y-1)-I(x,y)；
G180°＝I(x+1,y)-I(x,y)；
G225°＝I(x+1,Y+1)-I(x,y)；
G270°＝I(x,y+1)-I(x,y)；
G315°＝I(x-1,y+1)-I(x,y)；
I(x,y)代表图像在(x,y)处的像素，G0°是图像在0°方向的一阶差分，G45°是图像在45°方向的一阶差分；G90°是图像在90°方向的一阶差分；G135°是图像在135°方向的一阶差分；G180°是图像在180°方向的一阶差分；G225°是图像在225°方向的一阶差分；G270°是图像在270°方向的一阶差分；G315°是图像在315°方向的一阶差分，图像梯度越大，表示该区域图像的纹理信息越丰富，图像梯度越小，表示该区域图像越平滑；
所述计算图像的信息熵的表达式为：
H＝-∑pi,jlognpi,j，图像的信息熵值越大，表示该区域图像的纹理信息越丰富，图像的信息熵值越小，表示该区域图像越平滑；
所述计算图像的亮度的表达式为：
所述计算图像的人眼感觉亮度的表达式为：
Lry＝klnL+k0；
图像的亮度及人眼感觉亮度值越大，表示该区域图像的纹理信息越丰富，图像的亮度及对比度值越小，表示该区域图像越平滑；
所述计算图像的人眼对比度敏感度函数的表达式为：
式中，图像空间频率为频率为分别是图像水平方向和垂直方向的梯度。
基于本发明上述基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例中，所述对图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数进行归一化计算，得到归一化值S包括：
式中：α,β,ε,γ,η，0≤s≤1，α,β,ε,γ,η的系数值根据图像的特点选取，这些值分别代表图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数的权重。
基于本发明上述基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例中，所述将表征图像纹理信息大小、的数值s放入对数压缩曲线进行压缩，得到对应的最佳分阶数包括：
将表征图像纹理信息大小、亮度、人眼视觉感觉的数值s放入对数压缩曲线进行压缩，得到对应的最佳分阶数：
式中：μ是调节系数，μ取值越大，压缩效果越好，μ为0时，没有压缩；
对数压缩曲线与分数阶微分的频率特性曲线一致，由对数特性曲线反映分数阶微分的频率特性，以反映图像纹理信息大小、亮度、人眼视觉感觉的归一化值s为自变量，分阶数v为对数压缩曲线的函数值，v随着s的增大而增大。
基于本发明上述基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例中，所述调节系数μ的取值为100。
基于本发明上述基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例中，所述由Gumumwald—letnikow分数阶微分定义导出图像一维信号的差分表达式包括：
Gumumwald—letnikow分数阶微分定义为：
其中Gamma函数为：
若一维函数f(t)在区间[a,t]上有定义，则对其按单位h＝1等分，得到则一维信号的差分表达式为：
基于本发明上述基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例中，所述由差分表达式导出的微分模板，计算x轴正方向坐标系数值、x轴负方向坐标系数值、y轴正方向坐标系数值、y轴负方向坐标系数值，得到水平、对角、垂直八个方向模板系数值包括：
根据公式(5)得到微分模板的系数；
设定模板中心位置坐标为w(0,0)，则x轴正方向坐标为w(1,0)、w(2,0)、w(3,0)、w(4,0)；则x轴负方向坐标为w(-1,0)、w(-2,0)、w(-3,0)、w(-4,0)；则y轴正方向坐标为w(0,1)、w(0,2)、w(0,3)、w(0,4)；则y轴负方向坐标为w(0,-1)、w(0,-2)、w(0,-3)、w(0,-4)；
整理得到水平、对角、垂直八个方向模板系数值表；
将最佳分阶数v代入微分模板的系数值表，得到最佳分数阶增强图像。
基于本发明上述基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例中，所述分数阶微分的图像增强运算包括：
根据空间滤波器的图像处理原理，将待处理的图像像素点I(x,y)置于模板的正中心w(0,0)，将给出的八个方向模板遍历整个图像后，得到边缘图像
式中：w(i,j)为滤波器系数，I(x,y)为图像像素值。
与现有技术相比，本发明具有以下优点：
本发明提供的基于分数阶微分图像增强算法的最佳阶图像增强方法，通过以图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数为参数，构造出能够表征梯度、信息熵、亮度和对比度的归一化图像局部统计信息，以对数函数为原型，建立了分阶数与归一化局部统计信息的函数关系，以归一化局部信息为自变量根据对数函数求出最佳的分阶数，进行图像增强。本发明方法在保留图像低频轮廓信息的同时增强了图像高频细节信息，提升了图像的亮度，对比度和清晰度，图像增强效果得到了显著提升。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：
图1是本发明的基于分数阶微分图像增强算法的最佳阶图像增强方法的一个实施例的流程图。
图2是本发明的基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例的流程图。
图3是本发明的基于分数阶微分图像增强算法的最佳阶图像增强方法的实验效果图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术和设备可能不作详细讨论，但在适当情况下，所述技术和设备应当被视为说明书的一部分。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1是本发明的基于分数阶微分图像增强算法的最佳阶图像增强方法的一个实施例的结构示意图，如图1所示，所述基于最佳阶的分数阶微分图像增强算法的图像增强方法包括：
10，对数字图像进行分阶图像处理，计算图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数，以判断图像的特点；
20，对图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数进行归一化计算，得到归一化值s，s表征图像的特征包括：纹理信息、亮度、人眼对图像的视觉感觉；
30，将表征图像特点的数值、亮度、人眼视觉感觉s放入对数压缩曲线进行压缩，得到对应的最佳分阶数；
40，在图像的分数阶微分算法中使用最佳分阶数，实现自适应图像增强。
图2是本发明的基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例的流程图，如图2所示，所述在图像的分数阶微分算法中使用最佳分阶数，实现自适应图像增强包括：
101，由Gumumwald—letnikow分数阶微分定义导出图像一维信号的差分表达式；
102，由差分表达式导出的微分模板，计算x轴正方向坐标系数值、x轴负方向坐标系数值、y轴正方向坐标系数值、y轴负方向坐标系数值，得到水平、对角、垂直八个方向模板系数值；
103，分数阶微分的图像增强运算，根据空间滤波器的图像处理原理，将待处理的图像像素点置于模板的正中心，将给出的八个方向模板遍历整个图像后，得到增强图像。
在一个具体的实施例中，所述对数字图像进行分阶图像处理，计算图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数，以判断图像的特点中，所述计算图像的梯度的表达式为：
G[I(x,y)]＝(G0° 2+G45° 2+G90° 2+G135° 2+G180° 2+G225° 2+G270° 2+G315° 2)1/2 (1)
式中，
G0°＝I(x-1,y)-I(x,y)；
G45°＝I(x-1,y-1)-I(x,y)；
G90°＝I(x,y-1)-I(x,y)；
G135°＝I(x+1,y-1)-I(x,y)；
G180°＝I(x+1,y)-I(x,y)；
G225°＝I(x+1,Y+1)-I(x,y)；
G270°＝I(x,y+1)-I(x,y)；
G315°＝I(x-1,y+1)-I(x,y)；
I(x,y)代表图像在(x,y)处的像素，G0°是图像在0°方向的一阶差分，G45°是图像在45°方向的一阶差分；G90°是图像在90°方向的一阶差分；G135°是图像在135°方向的一阶差分；G180°是图像在180°方向的一阶差分；G225°是图像在225°方向的一阶差分；G270°是图像在270°方向的一阶差分；G315°是图像在315°方向的一阶差分，图像梯度越大，表示该区域图像的纹理信息越丰富，图像梯度越小，表示该区域图像越平滑；
所述计算图像的信息熵的表达式为：
H＝-∑pi,jlognpi,j，图像的信息熵值越大，表示该区域图像的纹理信息越丰富，图像的信息熵值越小，表示该区域图像越平滑；
所述计算图像的亮度的表达式为：
所述计算图像的人眼感觉亮度的表达式为：
Lry＝klnL+k0；
图像的亮度及人眼感觉亮度值越大，表示该区域图像的纹理信息越丰富，图像的亮度及对比度值越小，表示该区域图像越平滑；
所述计算图像的人眼对比度敏感度函数的表达式为：
式中，图像空间频率为频率为分别是图像水平方向和垂直方向的梯度。
在一个具体的实施例中，所述对图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数进行归一化计算，得到归一化值s包括：
式中：α,β,ε,γ,η，0≤s≤1，α,β,ε,γ,η的系数值根据图像的特点选取，这些值分别代表图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数的权重。
基于本发明上述基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例中，所述将表征图像纹理信息大小的数值放入对数压缩曲线进行压缩，得到对应的最佳分阶数包括：
将表征图像纹理信息大小的数值s放入对数压缩曲线进行压缩，得到对应的最佳分阶数：
式中：μ是调节系数，μ取值越大，压缩效果越好，μ为0时，没有压缩；
对数压缩曲线与分数阶微分的频率特性曲线一致，由对数特性曲线反映分数阶微分的频率特性，以反映图像纹理信息大小的归一化值s为自变量，分阶数v为对数压缩曲线的函数值，v随着s的增大而增大。
基于本发明上述基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例中，所述调节系数μ的取值为100。
基于本发明上述基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例中，所述由Gumumwald—letnikow分数阶微分定义导出图像一维信号的差分表达式包括：
Gumumwald—letnikow分数阶微分定义为：
其中Gamma函数为：
若一维函数f(t)在区间[a,t]上有定义，则对其按单位h＝1等分，得到则一维信号的差分表达式为：
基于本发明上述基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例中，所述由差分表达式导出的微分模板，计算x轴正方向坐标系数值、x轴负方向坐标系数值、y轴正方向坐标系数值、y轴负方向坐标系数值，得到水平、对角、垂直八个方向模板系数值包括：
根据公式(5)得到微分模板的系数；
设定模板中心位置坐标为w(0,0)，则x轴正方向坐标为w(1,0)、w(2,0)、w(3,0)、w(4,0)；则x轴负方向坐标为w(-1,0)、w(-2,0)、w(-3,0)、w(-4,0)；则y轴正方向坐标为w(0,1)、w(0,2)、w(0,3)、w(0,4)；则y轴负方向坐标为w(0,-1)、w(0,-2)、w(0,-3)、w(0,-4)；
整理得到水平、对角、垂直八个方向模板系数值表；
将最佳分阶数v代入微分模板的系数值表，得到最佳分数阶增强图像。
所述水平、对角、垂直八个方向模板系数值表如下表所示：
| (v<sup>2</sup>-v)/2 | 0 | (v<sup>2</sup>-v)/2 | 0 | (v<sup>2</sup>-v)/2 |
| 0 | -v | -v | -v | 0 |
| (v<sup>2</sup>-v)/2 | -v | 8 | -v | (v<sup>2</sup>-v)/2 |
| 0 | -v | -v | -v | 0 |
| (v<sup>2</sup>-v)/2 | 0 | (v<sup>2</sup>-v)/2 | 0 | (v<sup>2</sup>-v)/2 |
基于本发明上述基于分数阶微分图像增强算法的最佳阶图像增强方法的另一个实施例中，所述分数阶微分的图像增强运算包括：
根据空间滤波器的图像处理原理，将待处理的图像像素点I(x，y)置于模板的正中心w(0，0)，将给出的八个方向模板遍历整个图像后，得到增强图像
式中：w(i，j)为滤波器系数，I(x，y)为图像像素值。
图3是本发明的基于分数阶微分图像增强算法的最佳阶图像增强方法的实验效果图，如图3所示，图3中(a)为使用本发明方法处理前灰度图像，(b)为使用本发明方法处理后图像，该图像的纹理细节信息的到了增强，头发部分的细节信息得到了突出，同时平滑部分的信息也得到了保留，处理后图像比原图更加清晰，细节部分更加突出；
(c)为使用本发明方法处理前灰度图像，(d)为使用本发明方法处理后图像，处理后图像中钱币的纹理细节信息的到了增强，可以更加清晰地看见钱币中的字母和线条，同时平滑部分的信息也得到了保留，可以看到图像的低频轮廓。处理后图像比原图更加清晰，细节部分更加突出；
(e)为使用本发明方法处理前灰度图像，是辣椒的图像，(f)为使用本发明方法处理后图像，该图像的纹理细节信息的到了增强，辣椒的边缘纹理更加清晰，亮度提升，背景的纹理也得到了提升。同时平滑部分的信息也得到了保留，我们可以看到图像的轮廓。处理后图像比原图更加清晰，细节部分更加突出；
(g)为使用本发明方法处理前灰度图像，(h)为使用本发明方法处理后图像，图像的纹理细节信息的到了增强，竖条窗帘的线条更加清晰分明，窗外树叶更加清晰，室内电脑屏幕中的图像更加清晰，这都源于算法对纹理高频信息的增强。同时平滑部分的信息也得到了保留，我们依然能看到图像的低频轮廓，读懂图像所表现的物体。处理后图像比原图更加清晰，细节部分更加突出。
本发明方法在保留图像低频轮廓信息的同时增强了图像高频细节信息，提升了图像的亮度，对比度和清晰度，图像增强效果得到了显著提升。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (9)
1.一种基于分数阶微分图像增强算法的最佳阶图像增强方法，其特征在于，包括：
计算图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数，以判断图像的特点；
对图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数进行归一化计算，得到归一化值S；
将表征图像特点的数值S放入对数压缩曲线进行压缩，得到对应的最佳分阶数；
在图像的分数阶微分算法中使用最佳分阶数，实现自适应图像增强。
2.根据权利要求1所述的方法，其特征在于，所述在图像的分数阶微分算法中使用最佳分阶数，实现自适应图像增强包括：
由Gumumwald—letnikow分数阶微分定义导出图像一维信号的差分表达式；
由差分表达式导出的微分模板，计算x轴正方向坐标系数值、x轴负方向坐标系数值、y轴正方向坐标系数值、y轴负方向坐标系数值，得到水平、对角、垂直八个方向模板系数值；
分数阶微分的图像增强运算，根据空间滤波器的图像处理原理，将待处理的图像像素点置于模板的正中心，将给出的八个方向模板遍历整个图像后，得到增强图像。
3.根据权利要求1所述的方法，其特征在于，计算图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数，以判断图像的特点，所述计算图像的梯度的表达式为：
G[I(x,y)]＝(G0° 2+G45° 2+G90° 2+G135° 2+G180° 2+G225° 2+G270° 2+G315° 2)1/2 (1)
式中，
G0°＝I(x-1,y)-I(x,y)；
G45°＝I(x-1,y-1)-I(x,y)；
G90°＝I(x,y-1)-I(x,y)；
G135°＝I(x+1,y-1)-I(x,y)；
G180°＝I(x+1,y)-I(x,y)；
G225°＝I(x+1,Y+1)-I(x,y)；
G270°＝I(x,y+1)-I(x,y)；
G315°＝I(x-1,y+1)-I(x,y)；
I(x,y)代表图像在(x,y)处的像素，G0°是图像在0°方向的一阶差分，G45°是图像在45°方向的一阶差分；G90°是图像在90°方向的一阶差分；G135°是图像在135°方向的一阶差分；G180°是图像在180°方向的一阶差分；G225°是图像在225°方向的一阶差分；G270°是图像在270°方向的一阶差分；G315°是图像在315°方向的一阶差分。，图像梯度越大，表示该区域图像的纹理信息越丰富，图像梯度越小，表示该区域图像越平滑；
所述计算图像的信息熵的表达式为：
H＝-∑pi,jlognpi,j，图像的信息熵值越大，表示该区域图像的纹理信息越丰富，图像的信息熵值越小，表示该区域图像越平滑；
所述计算图像的亮度的表达式为：
所述计算图像的人眼感觉亮度的表达式为：
Lry＝klnL+k0；
图像的亮度及人眼感觉亮度值越大，表示该区域图像的纹理信息越丰富，图像的亮度及对比度值越小，表示该区域图像越平滑；
所述计算图像的人眼对比度敏感度函数的表达式为：
式中，图像空间频率为频率为 分别是图像水平方向和垂直方向的梯度。
4.根据权利要求1所述的方法，其特征在于，所述对图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数进行归一化计算，得到归一化值S包括：
式中：α,β,ε,γ,η，0≤s≤1，α,β,ε,γ,η的系数值根据图像的特点选取，这些值分别代表图像的梯度、信息熵、图像亮度和人眼感觉亮度、人眼对比度敏感度函数的权重。
5.根据权利要求4所述的方法，其特征在于，所述将表征图像纹理信息大小、亮度、人眼视觉感觉的数值S放入对数压缩曲线进行压缩，得到对应的最佳分阶数包括：
将表征图像纹理信息大小、亮度、人眼视觉感觉的数值S放入对数压缩曲线进行压缩，得到对应的最佳分阶数：
式中：μ是调节系数，μ取值越大，压缩效果越好，μ为0时，没有压缩；
对数压缩曲线与分数阶微分的频率特性曲线一致，由对数特性曲线反映分数阶微分的频率特性，以反映图像纹理信息大小、亮度、人眼视觉感觉的归一化值S为自变量，分阶数v为对数压缩曲线的函数值，v随着S的增大而增大。
6.根据权利要求5所述的方法，其特征在于，所述调节系数μ的取值为100。
7.根据权利要求2所述的方法，其特征在于，所述由Gumumwald—letnikow分数阶微分定义导出图像一维信号的差分表达式包括：
Gumumwald—letnikow分数阶微分定义为：
其中Gamma函数为：
若一维函数f(t)在区间[a,t]上有定义，则对其按单位h＝1等分，得到则一维信号的差分表达式为：
8.根据权利要求7所述的方法，其特征在于，所述由差分表达式导出的微分模板，计算x轴正方向坐标系数值、x轴负方向坐标系数值、y轴正方向坐标系数值、y轴负方向坐标系数值，得到水平、对角、垂直八个方向模板系数值包括：
根据公式(5)得到微分模板的系数；
设定模板中心位置坐标为w(0,0)，则x轴正方向坐标为w(1,0)、w(2,0)、w(3,0)、w(4,0)；则x轴负方向坐标为w(-1,0)、w(-2,0)、w(-3,0)、w(-4,0)；则y轴正方向坐标为w(0,1)、w(0,2)、w(0,3)、w(0,4)；则y轴负方向坐标为w(0,-1)、w(0,-2)、w(0,-3)、w(0,-4)；
整理得到水平、对角、垂直八个方向模板系数值表；
将最佳分阶数v代入微分模板的系数值表，得到最佳分数阶微分增强图像。
9.根据权利要求2所述的方法，其特征在于，所述分数阶微分的图像增强运算包括：
根据空间滤波器的图像处理原理，将待处理的图像像素点I(x,y)置于模板的正中心w(0,0)，将给出的八个方向模板遍历整个图像后，得到增强图像
式中：w(i,j)为滤波器系数，I(x,y)为图像像素值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811430036.8A CN109636745B (zh) | 2018-11-28 | 2018-11-28 | 基于分数阶微分图像增强算法的最佳阶图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811430036.8A CN109636745B (zh) | 2018-11-28 | 2018-11-28 | 基于分数阶微分图像增强算法的最佳阶图像增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109636745A true CN109636745A (zh) | 2019-04-16 |
| CN109636745B CN109636745B (zh) | 2023-03-14 |
Family
ID=66070008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811430036.8A Active CN109636745B (zh) | 2018-11-28 | 2018-11-28 | 基于分数阶微分图像增强算法的最佳阶图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109636745B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110992370A (zh) * | 2019-11-19 | 2020-04-10 | 东软医疗系统股份有限公司 | 一种胰腺组织的分割方法、装置及终端设备 |
| CN112053300A (zh) * | 2020-09-01 | 2020-12-08 | 国交空间信息技术（北京）有限公司 | 一种光照不均匀图像的矫正方法、装置和设备 |
| CN112435195A (zh) * | 2020-12-02 | 2021-03-02 | 湖南优象科技有限公司 | 一种基于自适应分数阶微分的图像增强方法及系统 |
| CN113155747A (zh) * | 2021-01-15 | 2021-07-23 | 西安科技大学 | 一种构建分数阶微分光谱指数及其监测小麦条锈病的方法 |
| CN114565523A (zh) * | 2022-02-18 | 2022-05-31 | 成都飞机工业（集团）有限责任公司 | 一种基于分数阶导数的航拍图像数据增强方法 |
| CN112435195B (zh) * | 2020-12-02 | 2024-06-04 | 湖南优象科技有限公司 | 一种基于自适应分数阶微分的图像增强方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016000331A1 (zh) * | 2014-06-30 | 2016-01-07 | 京东方科技集团股份有限公司 | 一种图像增强方法、图像增强装置及显示装置 |
| CN106097274A (zh) * | 2016-06-20 | 2016-11-09 | 陕西理工学院 | 一种自适应分数阶微分图像增强算法 |
-
2018
- 2018-11-28 CN CN201811430036.8A patent/CN109636745B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016000331A1 (zh) * | 2014-06-30 | 2016-01-07 | 京东方科技集团股份有限公司 | 一种图像增强方法、图像增强装置及显示装置 |
| CN106097274A (zh) * | 2016-06-20 | 2016-11-09 | 陕西理工学院 | 一种自适应分数阶微分图像增强算法 |
Non-Patent Citations (1)
| Title |
|---|
| 汪成亮等: "自适应分数阶微分在图像纹理增强中的应用", 《重庆大学学报》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110992370A (zh) * | 2019-11-19 | 2020-04-10 | 东软医疗系统股份有限公司 | 一种胰腺组织的分割方法、装置及终端设备 |
| CN110992370B (zh) * | 2019-11-19 | 2023-07-04 | 东软医疗系统股份有限公司 | 一种胰腺组织的分割方法、装置及终端设备 |
| CN112053300A (zh) * | 2020-09-01 | 2020-12-08 | 国交空间信息技术（北京）有限公司 | 一种光照不均匀图像的矫正方法、装置和设备 |
| CN112053300B (zh) * | 2020-09-01 | 2023-11-21 | 国交空间信息技术（北京）有限公司 | 一种光照不均匀图像的矫正方法、装置和设备 |
| CN112435195A (zh) * | 2020-12-02 | 2021-03-02 | 湖南优象科技有限公司 | 一种基于自适应分数阶微分的图像增强方法及系统 |
| CN112435195B (zh) * | 2020-12-02 | 2024-06-04 | 湖南优象科技有限公司 | 一种基于自适应分数阶微分的图像增强方法及系统 |
| CN113155747A (zh) * | 2021-01-15 | 2021-07-23 | 西安科技大学 | 一种构建分数阶微分光谱指数及其监测小麦条锈病的方法 |
| CN114565523A (zh) * | 2022-02-18 | 2022-05-31 | 成都飞机工业（集团）有限责任公司 | 一种基于分数阶导数的航拍图像数据增强方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109636745B (zh) | 2023-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109636745A (zh) | 基于分数阶微分图像增强算法的最佳阶图像增强方法 | |
| CN108376391B (zh) | 一种智能化红外图像场景增强方法 | |
| CN108921800A (zh) | 基于形状自适应搜索窗口的非局部均值去噪方法 | |
| CN105654436B (zh) | 一种基于前景背景分离的背光图像增强去噪方法 | |
| CN105608676B (zh) | 一种视频图像的增强方法及装置 | |
| CN104067311B (zh) | 数字化妆 | |
| WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
| CN110796626B (zh) | 图像锐化方法及装置 | |
| CN108038833B (zh) | 一种梯度相关性检测的图像自适应锐化方法和存储介质 | |
| CN105869133B (zh) | 一种基于非因果分数阶次微分的图像锐化方法 | |
| CN109584185A (zh) | 图像处理方法 | |
| CN106875353A (zh) | 超声图像的处理方法及处理系统 | |
| CN107516302A (zh) | 一种基于OpenCV的混合图像增强的方法 | |
| Sun et al. | Brightness preserving image enhancement based on a gradient and intensity histogram | |
| CN107451981A (zh) | 基于dct和梯度协方差矩阵的图像噪声水平估计方法 | |
| CN113592776A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
| CN110378893A (zh) | 图像质量评价方法、装置和电子设备 | |
| CN111127372A (zh) | 一种图像去雾方法及其系统和设备 | |
| CN110246090A (zh) | 一种图像处理的方法和设备 | |
| CN108447033A (zh) | 奇异值分解和天牛须寻优算法的灰度图像自适应增强方法 | |
| WO2017088391A1 (zh) | 视频去噪与细节增强方法及装置 | |
| CN113850744A (zh) | 基于自适应Retinex和小波融合的图像增强算法 | |
| CN111768355B (zh) | 一种针对制冷型红外传感器图像增强的方法 | |
| CN109064413A (zh) | 图像对比度增强方法及采用其的图像采集医疗设备 | |
| CN104966271B (zh) | 基于生物视觉感受野机制的图像去噪方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |