CN109785230A - 一种模拟人眼的图像中心增强处理方法 - Google Patents

Abstract

本发明提供一种模拟人眼的图像中心增强处理方法，突出图像中心区域，具有更强的视觉冲击。该方法利用非线性函数调制重采样率，对图像进行重采样处理，以给与图像中心区域更多像素分配，以此来凸显图像中间区域，削弱边缘细节，模拟人眼的非线性视神经分配机制，从而使得照片呈现更接近人眼感受。

Description

一种模拟人眼的图像中心增强处理方法

技术领域

本发明涉及图像处理。

背景技术

人类通过眼睛获取自然界的图像信息，但是由于人类眼睛由眼球、晶状体、中间凹等一系列特殊的结构组成，人脑中接收到的信息是倒置的、扭曲的、非线性的。得益于人类强大的大脑，通过人眼获取的图像经过大脑的处理，其方向以及图像扭曲得到修正，同时对人眼的盲点区域进行脑补。人脑在处理视觉信息时，往往优先处理视场的中间区域，这是由于中间区域往往是人想要关注的区域，故在视觉处理中，中间区域会得到适当的强调(例如视场中心被分配更多的神经元)，而图像边缘区域则被一定程度削弱。

相机在工作时，感光/成像单元没有类似人眼的非线性视神经分配机制，会对中心与非中心区域给与较一致的感光处理。从直观感受来说，就是人通过双眼感受外界时，视场中心的景物会形成更强大的视觉冲击，而拍成照片则大大减少了这种中心的影响力，例如未经处理的风景照，很难形成人眼带来的宏伟感受。

另一方面，人类在获取外界的视觉信息时会对不同图像信息进行分配加工，这一过程可以称之为视觉注意机制^[1]，它是减小大脑处理信息负担的一种重要的调节机制。通过对视觉注意机制的研究，不但有助于探索人类大脑视觉信息的处理机制，而且对图像处理也有一定的指导意义。

现实中，人眼能看到的信息是庞大的，但是，人眼却不能像相机那样，在不调整焦距和观察角度的前提下，清晰的观察视野范围内的大量细节，而只能对感兴趣的某个物体进行细致的观察，但是这并不影响人类认识世界。可以理解为，大脑只对输送过来的视觉信息中感兴趣的部分进行了感知处理，而其他部分只进行了粗糙的处理，显然这样的处理方式可以降低大脑的工作负担，集中注意力。通过对人眼视觉注意机制的分析，可以得知，在大多数场景下，人脑只对看到的一部分图像进行感知处理，而其他部分的信息往往是模糊的、粗略的、不重要的。

相机工作时，如能将视觉注意机制引入到图像处理，则可以实现强调图像某一部分，简化冗余信息的作用，将计算资源优先分配给那些观察者更想注意的图像区域，必将极大地提高现有图像分析方法的工作效率^[2]。

现在已经有一种图像处理技术称之为背景虚化，即通过将拍摄物背后的远景焦外虚化，削弱远景的细节信息，使得近景与远景呈现出一种层次感，以达到视觉冲击力，并有效突出感兴趣的观察物，但是该技术没有实现人类视觉中重点区域与非重点区域的比例大小不同的问题，故本发明提供一种模拟人眼视觉处理的图像中心增强的算法，为此种问题提供一种解决思路，以期更好的模拟人类眼中的世界。

鉴于上述问题，从原始的相机照片中凸显感兴趣区域，模拟视觉注意机制，从而使得照片呈现更接近人眼感受，具有一定的现实意义，也对后续图像处理提供了一种优化资源分配的思路。

发明内容

发明目的

本发明的目的在于模拟人眼的视神经分配机制，提供一种对图像中心区域敏感的算法，能够突出、增强图像中心区域，削弱边缘。

技术方案

本发明的目的是这样实现的：

设原始数码照片有M行(高)N列(宽)像素点。对这个M×N像素的图像首先进行升采样处理，即对原始图像进行二维插值，升采样或插值倍数为K，得到KM×KN像素的放大图像，可记作D₁。

进一步，将图D₁沿宽度方向由两侧向中心对称按窗宽w进行分割，得到n个小窗口，其中表示向下取整。如n为偶数，则分割完成后，窗高保持不变，除第和个窗口窗宽大于等于w外，其余窗口窗宽均为w；如n为奇数，则除第个窗口窗宽大于等于w外，其余窗口窗宽均为w。

进一步，将由D₁分割出的KM×w像素的窗口沿宽度方向进行重采样处理，重采样率从中心往两侧递减，从而完成D₁图像在宽度方向上的图像中心增强处理。

对图像中心增强，特征表现为中部区域分配更多像素，非中心区域分配更少像素。模拟视觉神经分配的非线性，以非线性函数(例如高斯函数)调制重采样率。

重采样率由非线性函数f(x)决定，f(x)是以图像中心为对称轴的对称函数，且中心到两侧非线性递减，例如可以选择：

其中，x∈[0，KN]是图D₁中的横坐标，即宽度方向坐标，σ为参数。至此图像在宽度方向的总体重采样率为：

K×f(x)

进一步，第i个窗口重采样后窗宽变为：

w_i＝f(x_i)·w

进一步，对处理后的分割窗口进行合并，生成像素宽度为∑_if(x_i)·w的图D₂。

进一步，按类似流程沿图像高度方向进行重采样处理。同样，需要将高度方向分为m份。设计h像素为高度，∑_if(x_i)·w像素为宽度的窗口，以窗高h为单位沿高度方向上下两侧对称向中间移动，其中其中表示向下取整。如m为偶数，则分割完成后，窗宽保持不变，除第和个窗口窗高大于等于h外，其余窗口窗高均为h；

如m为奇数，则除第个窗口窗高大于等于h外，其余窗口窗高均为h。

根据D₁图像在宽度方向上的处理，可通过类似的方法得到D₂图像在高度方向上的处理，最后合并高度方向的窗口，得到像素高度为∑_jg(y_j)·h的图D₃。

最后，对图像D₃进行总体重采样，使图像D₃恢复到原图像像素M×N大小，即得到目标图D_st。目标图D_st在保持原图比例的基础上，完成了图像中部区域的增强。

附图说明

附图1本发明的操作流程图。

附图2非线性重采样流程图。

附图3窗口重采样函数与图像对应关系示意图。

附图4重采样后的像素分配结果示意图。

附图5一个图片实例

附图6对图5利用本算法处理后的结果实例。

具体实施方式

为了更了解本发明的技术内容，特举以正态分布函数作为重采样非线性函数为具体实施方式并配合所附图示说明如下。

图1是本发明一种模拟人眼的图像中心增强处理算法的总体操作流程图。图2是其中生成图像中心增强效果的非线性重采样流程图。图3是窗口重采样函数与图像对应关系示意图。图 4为对图像进行重采样之后的结果示意图。图5是实例原始图片。图6是将图5用本发明算法处理后的图片。

一种增强图像中心显示效果算法的具体实施方法，其步骤包括：

S1：读取需要处理的原图像；

S2：对原图像进行升采用处理，例如采用三次样条插值法(cubic interpolationmethod)，处理后的图像像素大小为原图像的2倍，得到图像D₁；

S3：对步骤S2中获得图像D₁，例如以50像素为单位，从D₁图像两侧向中心将其对称分割为 n份，如n为偶数，则分割完成后，窗高保持不变，除第和个窗口窗宽大于等于50像素外，其余窗口窗宽均为w；如n为奇数，则除第个窗口窗宽大于等于50外，其余窗口窗宽均为50像素。基于上述规则，得到D₁图像窗宽分割序列；

S4：取重采样函数函数其中的σ由具体图片像素大小决定，得到宽度方向重采样系数；

S5：将x在定义域上分割为n个窗口，分割方法与S3相同，取窗口窗宽的中点在图D₁中的横坐标，得到坐标序列x_i，其中i＝1，2，3，…，n。可得重采样系数序列f(x_i)，其与窗宽的对应关系如图3所示；

S6：由重采样函数可以得到新的窗宽序列为w_i＝f(x_i)·w；

S7：利用重采样函数对n个窗口进行重采样处理并沿宽度方向合并n个窗口，得到图像D₂。

S8：进一步，对步骤S3中获得图像D₂，采用上述操作流程，将其高度方向分割为m个窗口，对其高度方向的像素比例进行重新分布，使得中部区域占据较大比例，这样即可得到中心区域显示增强效果的图像，记作图像D₃，可以得到如图4所示的重采样结果示意图；

S9：利用步骤S4获得的处理后得到的图像D₃，对D₃进行重采样处理，例如采用三次样条插值法(cubic interpolation method)，使得图像D₃恢复原图像素大小，得到最终的处理结果图 D_st；

S10：将步骤S5获得的处理结果图D_st进行保存。

下面以本方法的实际应用，结合附图对本发明作进一步说明。

参考附图1，是本发明的总体操作流程图。

参考附图2，是对图像应用非线性重采样的流程图。

参考附图3，是窗口重采样函数与图像对应关系示意图。

参考附图4，是重采样后的像素分配结果示意图。

参考附图5，是一个原始图片实例。

参考附图6，是对附图5利用本算法处理后的结果实例。经过本发明方法处理后，图像的中心区域经过放大，使得中间区域在整张图片中更加显眼，突出了中间区域的显示效果，同时边缘区域由于中间区域的挤压，抑制其显示细节，使边缘区域的显示效果得到削弱。

上述图示结果说明，本发明提出的一种增强图像中心显示效果的算法，可以有效增强图像中心区域的显示，在不引起图像产生明显扭曲的前提下，将图像中心区域更好的展现了出来。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (2)

1.一种模拟人眼的图像中心增强处理方法，其特征在于：对给定图像进行非线性重采样，所述方法包括如下步骤：

1.1)对原始图像进行升采样处理，得到图像记为D₁；

1.2)利用步骤1中获得的升采样图像，对其进行非线性重采样处理；

2.如权利要求1所述的一种模拟人眼的图像中心增强处理方法，其特征在于：所述步骤1.2)中对升采样图像的非线性重采样处理，主要包括：

2.1)将升采样图像D₁沿宽度方向由两侧对称向中心按窗宽w进行分割，得到n个小窗口，允许中心的一个或两个窗口窗宽大于w；

2.2)对图像中心增强，特征表现为中部区域分配更多像素，非中心区域分配更少像素。模拟视觉神经分配的非线性，以非线性函数调制重采样率。将分割出的窗口沿宽度方向进行非线性重采样处理，采样率由中心往两侧递减，从而完成升采样图像D₁图像在宽度方向上的图像中心增强处理；

2.3)进一步，对重采样处理后的窗口进行合并，得到图像D₂。

2.4)进一步，按类似流程沿图像高度方向进行重采样处理。将图像D₂沿高度方向由上下两侧向中心对称按窗高h进行分割，得到m个小窗口，允许中心一个或两个窗口窗高大于h；

2.5)进一步，将分割出的窗口沿高度方向进行非线性重采样处理，采样率从中心往上下两侧递减，从而完成图像D₂在高度方向上的图像中心增强处理；

2.6)进一步，对重采样处理后的窗口进行合并，得到图像D₃。

2.7)最后，对图像D₃进行总体重采样，使图像D₃恢复到原图像像素大小，即得到目标图D_st。目标图D_st在保持原图比例的基础上，完成了图像中部区域的增强。