CN110796626B - 图像锐化方法及装置 - Google Patents

图像锐化方法及装置 Download PDF

Info

Publication number
CN110796626B
CN110796626B CN201911107130.4A CN201911107130A CN110796626B CN 110796626 B CN110796626 B CN 110796626B CN 201911107130 A CN201911107130 A CN 201911107130A CN 110796626 B CN110796626 B CN 110796626B
Authority
CN
China
Prior art keywords
image
brightness
component
luminance
calculating
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.)
Active
Application number
CN201911107130.4A
Other languages
English (en)
Other versions
CN110796626A (zh
Inventor
高原原
张峰
王子玮
刘灵芝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC Information Science Research Institute
Original Assignee
CETC Information Science Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CETC Information Science Research Institute filed Critical CETC Information Science Research Institute
Priority to CN201911107130.4A priority Critical patent/CN110796626B/zh
Publication of CN110796626A publication Critical patent/CN110796626A/zh
Application granted granted Critical
Publication of CN110796626B publication Critical patent/CN110796626B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明实施例的一种图像锐化方法及装置，包括：将待锐化的图像帧从RGB彩色空间转换到YUV彩色空间，并对Y亮度分量进行高斯低通滤波得到Y亮度低通分量，对Y亮度分量和Y亮度低通分量求差得到Y亮度高频分量；根据预设的滤波算子对Y亮度分量进行滤波处理，得到Y亮度图像背景；根据预设的梯度算子计算Y亮度分量的图像梯度图，并根据图像梯度图得到Y亮度分量的图像纹理图；根据Y亮度图像背景和Y亮度图像纹理图，计算得到Y亮度最小可觉差图像；基于Y亮度最小可觉差图像和Y亮度高频分量，计算增益系数；根据增益系数计算锐化后的图像。本发明的图像锐化方法可以增强图像细节并避免噪声增强；所获取的增益系数更加符合人眼视觉特性。

Description

图像锐化方法及装置
技术领域
本发明属于数字图像处理技术领域，具体涉及一种图像增强方法及装置，尤其涉及一种图像锐化方法及装置。
背景技术
由于成像设备、外界条件或传输过程的影响，不可避免的经常会出现获取的图像质量下降的问题，图像呈现对比度低、边缘细节模糊的特点。这给基于图像分析的应用带来了困难。图像锐化采用图像处理技术来改善图像视觉效果，提升细节与图像对比度，能将更可能多的信息量传递给计算机视觉系统，以完成对感兴趣区域的准确识别与检测，同时减少观察者的疲劳感。
图像锐化的目的是增强图像边缘和细节的清晰度，其中一种常用方法是基于微分的锐化方法。基于微分的锐化方法利用微分算子求解信号的变化率，可使图像的高频细节部分得到增强。微分算子可以对图像进行锐化处理，使得图像细节得到增强。但是微分算子对噪声较敏感，其在增强细节时不可避免的会放大噪声，影响处理效果。
另一种常用图像锐化方法是反锐化掩模方法。反锐化掩模法先对输入图像进行低通滤波，得到一个模糊图像，再用原图减去这个模糊图像得到高频部分的图像，然后，将高频图像进行放大，再将处理后的高频部分与原图像叠加，就得到一个细节增强的图像。传统的反锐化掩模法中，增益系数设置为常数，即图像不同细节被无区别同程度的增强，这会导致部分区域过增强。因此，有研究者提出基于增益系数改进的反锐化掩模方法，即增益系数可随着图像灰度值的变换而变换，在低亮度区域，增益值小；而在高亮度区域，增益值大。但是无论是传统的反锐化掩模方法还是基于增益系数改进的反锐化掩模方法，都未利用人眼视觉特性，其锐化增强的增益不能符合人眼视觉特性的增强函数，因此不能从主观上提高图像的视觉效果。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一，提供一种图像锐化方法及装置。
本发明的一个方面提供一种图像锐化方法，包括：
将待锐化的图像帧从RGB的彩色空间转换到YUV的彩色空间，并对Y亮度分量进行高斯低通滤波得到Y亮度低通分量，对所述Y亮度分量和所述Y亮度低通分量求差得到Y亮度高频分量；
根据预设的滤波算子对所述Y亮度分量进行滤波处理，得到Y亮度图像背景；
根据预设的梯度算子计算所述Y亮度分量的图像梯度图，并根据所述图像梯度图得到Y亮度图像纹理图；
根据所述Y亮度图像背景和所述Y亮度图像纹理图，计算得到Y亮度最小可觉差图像；
基于所述Y亮度最小可觉差图像和所述Y亮度高频分量，计算增益系数；
根据所述增益系数计算锐化后的图像。
可选地，所述对Y亮度分量进行高斯低通滤波得到Y亮度低通分量，包括：
利用预设的一维高斯滤波器G对Y亮度分量按行滤波处理；
利用所述一维高斯滤波器G的转置GT对Y亮度分量按列进行滤波处理。
可选地，所述滤波算子为：
Figure BDA0002271648640000021
可选地，所述根据预设的梯度算子计算所述Y亮度分量得到Y亮度分量的图像梯度图，并根据所述图像梯度图得到Y亮度图像纹理图，包括：
根据预设的n个梯度算子，分别计算所述Y亮度分量沿n个方向的图像梯度图，其中，n为大于等于1的正整数；
逐像素求取n个图像梯度图的最大值，得到所述Y亮度图像纹理图。
可选地，所述根据所述Y亮度图像背景和所述Y亮度图像纹理图，计算得到所述Y亮度分量的Y亮度最小可觉差图像，包括：
分别计算所述Y亮度图像背景和所述Y亮度图像纹理图的最小可觉差图像；
逐像素求取所述Y亮度图像背景的最小可觉差图像和所述Y亮度图像纹理图的最小可觉差图像的最大值，得到所述Y亮度最小可觉差图像。
可选地，采用下述关系式(1)计算所述图像背景Y亮度分量的最小可觉差图像：
Figure BDA0002271648640000031
其中，Ybg-jnd为Y亮度图像背景的最小可觉差图像，(x,y)表示像素的坐标，Ybg为Y亮度分量图像背景，T0和γ分别为固定值17和3/127；
采用下述关系式(2)计算所述Y亮度图像纹理图的最小可觉差图像：
Ytext-jnd(x,y)＝α·Ytext(x,y)+β，
α(x,y)＝0.0001×Ybg(x,y)+0.115，
β(x,y)＝λ-Ybg(x,y)×0.01，
其中，Ytext-jnd为Y亮度图像纹理图的最小可觉差图像，Ytext为Y亮度图像纹理图，λ为常数0.5。
可选地，所述增益系数采用如下计算公式：
Figure BDA0002271648640000041
其中，E为增益系数，Yjnd为Y亮度分量的最小可觉差图像，Yhig为Y亮度高频分量，(x,y)表示像素的坐标，k用于控制曲线的曲率。
可选地，所述根据所述增益系数计算锐化后的图像，包括：
采用如下公式计算：
Yenhanced(x,y)＝Y(x,y)+Amout·E(x,y)·Yhig(x,y)
其中，Y为Y亮度分量，E为增益系数，Yhig为Y亮度高频分量，Amout为一个常量，用于控制整幅图像细节的最大增益力度。
可选地，所述的图像锐化处理方法还包括：
将锐化后的图像、U、V分量合并，得到锐化后的YUV图像；
将所述锐化后的YUV图像进行空间转换得到锐化后的RGB图像。
本发明的另一方面提供一种图像锐化处理装置，包括：
高频分量获取模块，用于将待锐化的图像帧从RGB的彩色空间转换到YUV的彩色空间，并对Y亮度分量进行高斯低通滤波得到Y亮度低通分量，对所述Y亮度分量和所述Y亮度低通分量求差得到Y亮度高频分量；
图像背景分量获取模块，用于根据预设的滤波算子对所述Y亮度分量进行滤波处理，得到Y亮度图像背景；
图像纹理图分量获取模块，用于根据预设的梯度算子计算所述Y亮度分量的图像梯度图，并根据所述图像梯度图得到Y亮度图像纹理图；
最小可觉差图像分量获取模块，用于根据所述Y亮度图像背景和所述Y亮度图像纹理图，计算得到Y亮度最小可觉差图像；
增益系数计算模块，用于基于所述Y亮度最小可觉差图像和所述Y亮度高频分量，计算增益系数；
锐化图像处理模块，用于根据所述增益系数计算锐化后的图像。
本发明实施例的一种图像锐化方法及装置，包括：将待锐化的图像帧从RGB的彩色空间转换到YUV的彩色空间，并对Y亮度分量进行高斯低通滤波得到Y亮度低通分量，对Y亮度分量和Y亮度低通分量求差得到Y亮度高频分量；根据预设的滤波算子对Y亮度分量进行滤波处理，得到Y亮度图像背景；根据预设的梯度算子计算Y亮度分量的图像梯度图，并根据图像梯度图得到Y亮度图像纹理图；根据Y亮度图像背景和Y亮度图像纹理图，计算得到Y亮度最小可觉差图像；基于Y亮度最小可觉差图像和Y亮度高频分量，计算增益系数；根据增益系数计算锐化后的图像。本发明的图像锐化方法可以增强图像细节并避免噪声的增强；获取的增益系数更加符合人眼视觉特性，图像增强后主观效果会更好。
附图说明
图1为本发明的一种图像锐化方法的流程示意图；
图2为本发明的一种图像锐化处理装置的组成示意框图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。
如图1所示，一种图像锐化方法S100，包括：
步骤S110、将待锐化的图像帧从RGB的彩色空间转换到YUV的彩色空间，并对Y亮度分量进行高斯低通滤波得到Y亮度低通分量Ylow，对Y亮度分量和Y亮度低通分量Ylow求差得到Y亮度高频分量Yhig；
步骤S120、根据预设的滤波算子对Y亮度分量进行滤波处理，得到Y亮度图像背景Ybg；
步骤S130、根据预设的梯度算子计算Y亮度分量的图像梯度图，并根据图像梯度图得到Y亮度图像纹理图Ytext；
步骤S140、根据Y亮度图像背景Ybg和Y亮度图像纹理图Ytext，计算得到Y亮度最小可觉差图像Yjnd；
步骤S150、基于Y亮度最小可觉差图像Yjnd和Y亮度高频分量Yhig，计算增益系数；
步骤S160、根据增益系数计算锐化后的图像。
通过上述步骤，本发明实施例的图像锐化方法S100可以使得在噪声区域和细节较强的区域，获得较小的增益系数，在细节不突出的区域，获得较强的增益系数，从而增强了图像细节并避免了噪声的增强。另外，由于利用了最小可觉差来控制增益系数函数，其获取的增益系数更加符合人眼视觉特性，图像增强后主观效果会更好。
需要说明的是，由于图像边缘强弱与亮度大小紧密相关，因此，为了减小计算量，本发明将RGB图像转换为YUV图像，锐化操作只对Y亮度分量进行处理。RGB图像转YUV图像所用公式为：
Y＝0.256788×R+0.504129×G+0.097906×B+16；
U＝-0.148223×R-0.290993×G+0.439216×B+128；
V＝0.439216×R-0.367788×G-0.071427×B+128。
对Y亮度分量进行高斯滤波是为了滤除Y亮度分量的细节信息，求取Y亮度分量与Y亮度分量的整体结构信息之差，获得图像的高频细节信息作为增强的目标。在本发明的一个实施例中，对Y亮度分量进行高斯低通滤波得到Y亮度低通分量Ylow，首先利用预设的一维高斯滤波器G对Y亮度分量按行滤波处理，然后利用一维高斯滤波器G的转置GT对Y亮度分量按列进行滤波处理。其中，一维高斯滤波器G的半径优选为5，G的尺度参数优选为2。
图像的背景亮度变化比较缓慢，是一种低频信息，为了估算图像的背景亮度，采用滤波平滑的方式获取，本发明实施例中的滤波算子B为：
Figure BDA0002271648640000071
图像的纹理是一系列边缘的组合，边缘的梯度相对较大。为了获取完整的图像纹理信息，本发明利用n个梯度算子进行Y亮度分量n个方向的梯度提取，其中n个方向最大的梯度为该位置最可能的纹理值。
具体地，根据预设的梯度算子计算Y亮度分量得到Y亮度分量的图像梯度图，并根据图像梯度图得到Y亮度图像纹理图Ytext，首先根据预设的n个梯度算子，分别计算Y亮度分量沿n个方向的图像梯度图，其中，n为大于等于1的正整数，然后逐像素求取n个图像梯度图的最大值，得到Y亮度图像纹理图Ytext。
在本发明的一个实施例中，所用梯度算子为4个，算子分别为：
Figure BDA0002271648640000072
Figure BDA0002271648640000073
由于人眼的各种感知效应，人眼只能觉察超过某一阈值的变化，该阈值就是人眼的恰可觉察。本发明根据Y亮度图像背景Ybg和Y亮度图像纹理图Ytext，计算得到Y亮度最小可觉差图像Yjnd，首先分别计算Y亮度图像背景和Y亮度图像纹理图的最小可觉差图像，然后逐像素求取Y亮度图像背景的最小可觉差图像Ybg-jnd和Y亮度图像纹理图的最小可觉差图像Ytext-jnd的最大值，得到Y亮度最小可觉差图像Yjnd。
具体地，为了获得在Y亮度图像背景Ybg下的人眼可察觉最小亮度变化，采用下述关系式(1)计算Y亮度图像背景Ybg的最小可觉差图像Ybg-jnd：
Figure BDA0002271648640000081
其中，Ybg-jnd为Y亮度图像背景的最小可觉差图像，(x,y)表示像素的坐标，Ybg为Y亮度图像背景，T0和γ分别为固定值17和3/127；
为了获得在Y亮度图像纹理图Ytext上的人眼可察觉最小亮度变化，采用下述关系式(2)至(4)计算Y亮度图像纹理图的最小可觉差图像Ytext-jnd:
Ytext-jnd(x,y)＝α·Ytext(x,y)+β (2)
α(x,y)＝0.0001×Ybg(x,y)+0.115 (3)
β(x,y)＝λ-Ybg(x,y)×0.01 (4)
其中，Ytext-jnd为Y亮度图像纹理图的最小可觉差图像，Ytext为Y亮度图像纹理图，λ为常数0.5。
在同一像素位置，背景亮度和纹理分别拥有一个最小可察觉亮度变化值，为了引起人眼可察觉，亮度变化必须既大于Ybg-jnd又大于Ytext-jnd才能克服背景和纹理的感知影响。因此，每个像素位置求取Ybg-jnd和Ytext-jnd的最大值，就是Y亮度分量的最小可觉差值。
当图像的高频细节大于最小可觉差值时，细节信息是可察觉的，无需过多的增强细节，当图像高频细节小于最小可觉差值时，细节信息难以察觉，需要较强力度增强细节以提升细节的被察觉能力。这个特性与S函数的变化也是一致的，因此，建立关于Yjnd和Yhig的S函数对增益系数进行建模：
Figure BDA0002271648640000082
其中，E为增益系数，Yjnd为Y亮度分量的最小可觉差图像，Yhig为Y亮度高频分量，(x,y)表示像素的坐标，k用于控制曲线的曲率。在本发明的一个实施例中，k的优选值是8。本发明实施例的增益函数，当图像的高频细节大于最小可觉差值时，增益力度不明显，当图像高频细节小于最小可觉差值时，增益力度明显。
同经典的反锐化掩模算法思想类似，本发明也是将Y亮度分量的高频细节放大后与原Y亮度分量叠加实现图像的锐化。其中放大倍数与步骤上述步骤获得增益系数E相关。
具体地，根据增益系数计算锐化后的图像，可采用如下公式计算：
Yenhanced(x,y)＝Y(x,y)+Amout·E(x,y)·Yhig(x,y)
其中，Y为Y亮度分量，E为增益系数，Yhig为Y亮度高频分量。Amout为一个常量，用于控制整幅图像细节的最大增益力度，在本发明的一个实施例中，Amout优选范围为1～5。
最终，将Yenhanced、U、V分量合并就可得到锐化后的YUV图像，再通过颜色空间转换即可得到增强后RGB图像。具体地，将锐化后的图像、U、V分量合并，得到锐化后的YUV图像，然后将锐化后的YUV图像进行空间转换得到锐化后的RGB图像。
需要说明的是，为了减小计算量，本发明的实施例中锐化操作只对Y亮度分量进行处理，该方案可在R、G、B三个通道进行，或者其他颜色空间进行。也可以，将利用Y分量获取的增益系数同时用于R、G、B通道或其他颜色通道。
本发明的第二方面提供一种图像锐化处理装置100，该装置用于实现本发明第一方面提供的图像锐化方法S100，具体可参考上文记载，在此不做赘述。一种图像锐化处理装置100包括：
高频分量获取模块110，用于将待锐化的图像帧从RGB的彩色空间转换到YUV的彩色空间，并对Y亮度分量进行高斯低通滤波得到Y亮度低通分量，对Y亮度分量和Y亮度低通分量求差得到Y亮度高频分量；
图像背景分量获取模块120，用于根据预设的滤波算子对Y亮度分量进行滤波处理，得到Y亮度图像背景；
图像纹理图分量获取模块130，用于根据预设的梯度算子计算Y亮度分量的图像梯度图，并根据图像梯度图得到Y亮度图像纹理图；
最小可觉差图像分量获取模块140，用于根据Y亮度图像背景和Y亮度图像纹理图，计算得到Y亮度最小可觉差图像；
增益系数计算模块150，用于基于Y亮度最小可觉差图像和Y亮度高频分量，计算增益系数；
锐化图像处理模块160，用于根据增益系数计算锐化后的图像。
本发明的图像锐化处理装置100，可以使得在噪声区域和细节较强的区域，获得较小的增益系数，在细节不突出的区域，获得较强的增益系数，从而增强了图像细节并避免了噪声的增强。另外，由于利用了最小可觉差来控制增益系数函数，其获取的增益系数更加符合人眼视觉特性，图像增强后主观效果会更好。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (8)

1.一种图像锐化方法，其特征在于，包括：
将待锐化的图像帧从RGB的彩色空间转换到YUV的彩色空间，并对Y亮度分量进行高斯低通滤波得到Y亮度低通分量，对所述Y亮度分量和所述Y亮度低通分量求差得到Y亮度高频分量；
根据预设的滤波算子对所述Y亮度分量进行滤波处理，得到Y亮度图像背景；
根据预设的梯度算子计算所述Y亮度分量的图像梯度图，并根据所述图像梯度图得到Y亮度图像纹理图；
根据所述Y亮度图像背景和所述Y亮度图像纹理图，计算得到Y亮度最小可觉差图像；
基于所述Y亮度最小可觉差图像和所述Y亮度高频分量，计算增益系数；
根据所述增益系数计算锐化后的图像；
所述根据所述Y亮度图像背景和所述Y亮度图像纹理图，计算得到Y亮度最小可觉差图像，包括：
分别计算所述Y亮度图像背景和所述Y亮度图像纹理图的最小可觉差图像；
逐像素求取所述Y亮度图像背景的最小可觉差图像和所述Y亮度图像纹理图的最小可觉差图像的最大值，得到所述Y亮度最小可觉差图像；
其中，所述分别计算所述Y亮度图像背景和所述Y亮度图像纹理图的最小可觉差图像，包括：
采用下述关系式计算所述图像背景Y亮度分量的最小可觉差图像：
Figure FDA0003672016390000011
其中，Ybg-jnd为图像背景Y亮度分量的最小可觉差图像，(x,y)表示像素的坐标，Ybg为Y亮度图像背景，T0和γ分别为固定值17和3/127；
采用下述关系式计算所述Y亮度图像纹理图的最小可觉差图像：
Ytext-jnd(x,y)＝α·Ytext(x,y)+β，
α(x,y)＝0.0001×Ybg(x,y)+0.115，
β(x,y)＝λ-Ybg(x,y)×0.01；
其中，Ytext-jnd为Y亮度图像纹理图的最小可觉差图像，Ytext为Y亮度图像纹理图，λ为常数0.5。
2.根据权利要求1所述的图像锐化方法，其特征在于，所述对Y亮度分量进行高斯低通滤波得到Y亮度低通分量，包括：
利用预设的一维高斯滤波器G对Y亮度分量按行滤波处理；
利用所述一维高斯滤波器G的转置GT对Y亮度分量按列进行滤波处理。
3.根据权利要求1所述的图像锐化方法，其特征在于，所述滤波算子为：
Figure FDA0003672016390000021
4.根据权利要求1-3任一项所述的图像锐化方法，其特征在于，所述根据预设的梯度算子计算所述Y亮度分量的图像梯度图，并根据所述图像梯度图得到Y亮度图像纹理图，包括：
根据预设的n个梯度算子，分别计算所述Y亮度分量沿n个方向的图像梯度图，其中，n为大于等于1的正整数；
逐像素求取n个图像梯度图的最大值，得到所述Y亮度图像纹理图。
5.根据权利要求1所述的图像锐化方法，所述增益系数采用如下计算公式：
Figure FDA0003672016390000031
其中，E为增益系数，Yjnd为Y亮度分量的最小可觉差图像，Yhig为Y亮度高频分量，(x,y)表示像素的坐标，k用于控制曲线的曲率。
6.根据权利要求1-3任一项所述的图像锐化方法，其特征在于，所述根据所述增益系数计算锐化后的图像，包括：
采用如下公式计算：
Yenhanced(x,y)＝Y(x,y)+Amout·E(x,y)·Yhig(x,y)
其中，Y为Y亮度分量，E为增益系数，Yhig为Y亮度高频分量，Amout为一个常量，用于控制整幅图像细节的最大增益力度。
7.根据权利要求1-3任一项所述的图像锐化方法，其特征在于，还包括：
将锐化后的图像、U、V分量合并，得到锐化后的YUV图像；
将所述锐化后的YUV图像进行空间转换得到锐化后的RGB图像。
8.一种图像锐化装置，其特征在于，包括：
高频分量获取模块，用于将待锐化的图像帧从RGB的彩色空间转换到YUV的彩色空间，并对Y亮度分量进行高斯低通滤波得到Y亮度低通分量，对所述Y亮度分量和所述Y亮度低通分量求差得到Y亮度高频分量；
图像背景分量获取模块，用于根据预设的滤波算子对所述Y亮度分量进行滤波处理，得到Y亮度图像背景；
图像纹理图分量获取模块，用于根据预设的梯度算子计算所述Y亮度分量的图像梯度图，并根据所述图像梯度图得到Y亮度图像纹理图；
最小可觉差图像分量获取模块，用于根据所述图像背景Y亮度分量和所述Y亮度图像纹理图，计算得到Y亮度最小可觉差图像；
增益系数计算模块，用于基于所述Y亮度最小可觉差图像和所述Y亮度高频分量，计算增益系数；
锐化图像处理模块，用于根据所述增益系数计算锐化后的图像；
所述根据所述Y亮度图像背景和所述Y亮度图像纹理图，计算得到Y亮度最小可觉差图像，包括：
分别计算所述Y亮度图像背景和所述Y亮度图像纹理图的最小可觉差图像；
逐像素求取所述Y亮度图像背景的最小可觉差图像和所述Y亮度图像纹理图的最小可觉差图像的最大值，得到所述Y亮度最小可觉差图像；
其中，所述分别计算所述Y亮度图像背景和所述Y亮度图像纹理图的最小可觉差图像，包括：
采用下述关系式计算所述图像背景Y亮度分量的最小可觉差图像：
Figure FDA0003672016390000041
其中，Ybg-jnd为图像背景Y亮度分量的最小可觉差图像，(x,y)表示像素的坐标，Ybg为Y亮度图像背景，T0和γ分别为固定值17和3/127；
采用下述关系式计算所述Y亮度图像纹理图的最小可觉差图像：
Ytext-jnd(x,y)＝α·Ytext(x,y)+β，
α(x,y)＝0.0001×Ybg(x,y)+0.115，
β(x,y)＝λ-Ybg(x,y)×0.01；
其中，Ytext-jnd为Y亮度图像纹理图的最小可觉差图像，Ytext为Y亮度图像纹理图，λ为常数0.5。
CN201911107130.4A 2019-11-13 2019-11-13 图像锐化方法及装置 Active CN110796626B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911107130.4A CN110796626B (zh) 2019-11-13 2019-11-13 图像锐化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911107130.4A CN110796626B (zh) 2019-11-13 2019-11-13 图像锐化方法及装置

Publications (2)

Publication Number Publication Date
CN110796626A CN110796626A (zh) 2020-02-14
CN110796626B true CN110796626B (zh) 2022-08-02

Family

ID=69444460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911107130.4A Active CN110796626B (zh) 2019-11-13 2019-11-13 图像锐化方法及装置

Country Status (1)

Country Link
CN (1) CN110796626B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111445419A (zh) * 2020-04-09 2020-07-24 南京图格医疗科技有限公司 一种基于数学形态学的医学内窥镜图像增强方法
CN112070848B (zh) * 2020-09-18 2024-06-21 厦门美图宜肤科技有限公司 图像色素分离方法、装置、电子设备和可读存储介质
CN112508024A (zh) * 2020-11-11 2021-03-16 广西电网有限责任公司南宁供电局 一种变压器电气铭牌钢印字体智能识别方法
CN112822343B (zh) * 2021-01-05 2022-12-20 中国电子科技集团公司信息科学研究院 一种面向夜间视频的清晰化方法及存储介质
CN114387652A (zh) * 2022-01-12 2022-04-22 北京百度网讯科技有限公司 图像识别方法、识别模型的训练方法、装置和电子设备
CN114663302A (zh) * 2022-03-04 2022-06-24 北京极感科技有限公司 图像锐化方法、电子设备、存储介质及计算机程序产品
CN114612344B (zh) * 2022-03-29 2024-03-22 上海富瀚微电子股份有限公司 图像锐化装置及方法
CN117593218B (zh) * 2024-01-19 2024-04-05 昇显微电子(苏州)股份有限公司 一种基于引导滤波的自适应增益调节图像锐化方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504664B (zh) * 2014-12-29 2017-03-15 河海大学常州校区 基于人眼视觉特性的nsct域水下图像自动增强系统及其方法
CN109118437B (zh) * 2018-06-27 2021-08-17 福建海图智能科技有限公司 一种可实时处理浑水图像的方法、存储介质
CN109658350A (zh) * 2018-11-26 2019-04-19 山东科技大学 一种夜间人脸视频图像增强与降噪方法
CN109949247A (zh) * 2019-03-26 2019-06-28 常州工学院 一种基于yiq空间光学成像模型的梯度域自适应增益水下图像增强方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Image Enhancement Based on Selective - Retinex Fusion Algorithm;Xuebo Jin et al.;《JOURNAL OF SOFTWARE》;20120630;第7卷(第6期);第1187-1194页 *

Also Published As

Publication number Publication date
CN110796626A (zh) 2020-02-14

Similar Documents

Publication Publication Date Title
CN110796626B (zh) 图像锐化方法及装置
CN104156921B (zh) 一种低照度或亮度不均图像的自适应图像增强方法
KR100403601B1 (ko) 영상의 윤곽선 보정 장치 및 방법
US7995855B2 (en) Image processing method and apparatus
EP2833317B1 (en) Image display device and/or method therefor
EP1857976B1 (en) Histogram adjustment for high dynamic range image mapping
EP1111907B1 (en) A method for enhancing a digital image with noise-dependent control of texture
US8165419B2 (en) Histogram stretching apparatus and histogram stretching method for enhancing contrast of image
EP1789921B1 (en) Image processing method and computer software for image processing
CN107730475A (zh) 图像增强方法及系统
US8406559B2 (en) Method and system for enhancing image sharpness based on local features of image
CN104574293A (zh) 基于有界运算的多尺度Retinex图像清晰化算法
CN103268598A (zh) 基于Retinex理论的低照度低空遥感影像增强方法
CN109272470B (zh) 一种图像增强方法及装置
CN109118442B (zh) 一种基于Sobel算子滤波的图像增强方法
WO2018166083A1 (zh) 一种对比度增强和视觉显著度优化方法在高尔夫球场图中的应用
JP2008148316A (ja) 映像の鮮明度向上のための装置および方法
CN111861896A (zh) 一种面向uuv的水下图像色彩补偿与恢复方法
CN110298796A (zh) 基于改进Retinex与对数图像处理的低照度图像增强方法
CN113450272B (zh) 一种基于正弦曲线变化的图像增强方法及其应用
Singh et al. Image enhancement by adaptive power-law transformations
CN101212560A (zh) 逐点提高视频图像清晰度的处理方法
CN116703789A (zh) 一种图像增强方法及系统
KR101514152B1 (ko) 특이값 분해를 이용한 화질 개선 방법 및 장치
CN102469238B (zh) 运用像素区域特性的图像锐度强化方法及系统

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