CN111415317A - 图像处理方法及装置、电子设备、计算机可读存储介质 - Google Patents

Abstract

本申请实施例提供了一种图像处理方法及装置、电子设备、计算机可读存储介质，该方法包括：对原始灰度图像进行灰度变化幅度的扩大，得到第一图像；对第一图像进行空间域滤波处理，得到第二图像；根据原始灰度图像的频域滤波图像，计算第二图像与频域滤波图像之间对应像素点的灰度差值；根据对应像素点的像素差值，得到原始灰度图像处理后的结果图像。此方案可以增强对比度，且不会增加噪点，得到更加清晰的图像。

Description

图像处理方法及装置、电子设备、计算机可读存储介质

技术领域

本申请涉及目标检测技术领域，特别涉及一种图像处理方法及装置、电子设备、计算机可读存储介质。

背景技术

图像增强技术是图像预处理技术的一种，它可以显著改善图像质量，突出需要增强的图像细节。

在工业缺陷检测领域，工业相机采集的图像质量往往达不到预期，需要通过图像增强算法，将拍摄的检测样品图像进行增强，以去除干扰，增强对比度。

常用的对比度增强方法：有直方图均衡(Histogram Equalization)与伽马校正，其中伽马校正方法将伽马函数作为映射函数使用，从而提高图像对比度，该方法在用于对比度增强时，很难设置一个适合于每幅图像的伽马值，且当设置了错误的伽马值时，原始色彩可能会发生变化。

直方图均衡方法是通过压缩像素数较少的灰阶并扩展像素数较多的灰阶，从而使得处理后图像获得较高的对比度。直方图均衡方法又分为：全局直方图均衡(GlobalHistogram Equalization，GHE)及局部直方图均衡(Local Histogram Equalization，LHE)，全局直方图均衡主要通过修改图像直方图分布达到对比度增强的目的；而局部直方图均衡是预先定义一个局部对比度，然后增强该局部对比度达到增强图像细节的效果。

上述两种方法对图像对比度有一定提高，显示效果得以改善，但对比度仍较低，且图像中干扰点也会被增强，无法单独增强感兴趣区域对比度。

发明内容

本申请实施例提供了一种图像处理方法，用以增强图像对比度并同时减少噪点。

本申请实施例提供了一种图像处理方法，包括：

对原始灰度图像进行灰度变化幅度的扩大，得到第一图像；

对所述第一图像进行空间域滤波处理，得到第二图像；

根据所述原始灰度图像的频域滤波图像，计算所述第二图像与所述频域滤波图像之间对应像素点的灰度差值；

根据所述对应像素点的像素差值，得到所述原始灰度图像处理后的结果图像。

在一实施例中，所述对原始灰度图像进行灰度变化幅度的扩大，包括：

计算所述原始灰度图像中的最大灰度值和最小灰度值；

根据所述最大灰度值和最小灰度值，将所述原始灰度图像中每个像素点的灰度值进行缩放。

在一实施例中，所述根据所述最大灰度值和最小灰度值，将所述原始灰度图像中每个像素点的灰度值进行缩放，采用以下公式：

g':＝g×Mult+Add；

Mult＝255/(GMax-GMin)；

Add＝-Mult×GMin；

其中，g表示原始的灰度值，g'表示缩放后的灰度值，G_Max表示最大灰度值，G_Min表示最小灰度值。

在一实施例中，所述将所述原始灰度图像中每个像素点的灰度值进行缩放之后，所述方法还包括：

计算不同灰度值在缩放后图像中出现的相对频率；

针对所述缩放后图像中的每个像素点，根据所述像素点在缩放后图像中的灰度值以及不同灰度值对应的相对频率，调整所述像素点的灰度值。

在一实施例中，所述根据所述像素点在缩放后图像中的灰度值以及不同灰度值对应的相对频率，调整所述像素点的灰度值，采用以下公式：

其中，g′表示像素点在缩放后图像中的灰度值，h(x)表示灰度值x出现的相对频率，f(g′)表示灰度值g′调整后的灰度值。

在一实施例中，对所述第一图像进行空间域滤波处理，得到第二图像，包括：对所述第一图像进行中值滤波和高斯滤波，得到所述第二图像。

在一实施例中，在所述计算所述第二图像与所述频域滤波图像之间对应像素点的灰度差值之前，所述方法还包括：

对所述原始灰度图像依次经过傅里叶变换、高斯滤波以及反傅里叶变换后，得到所述频域滤波图像。

本申请实施例提供了一种图像处理装置，包括：

灰度扩大模块，用于对原始灰度图像进行灰度变化幅度的扩大，得到第一图像；

空间滤波模块，用于对所述第一图像进行空间域滤波处理，得到第二图像；

灰度相减模块，用于根据所述原始灰度图像的频域滤波图像，计算所述第二图像与所述频域滤波图像之间对应像素点的灰度差值；

结果获得模块，用于根据所述对应像素点的像素差值，得到所述原始灰度图像处理后的结果图像。

本申请实施例提供了一种电子设备，所述电子设备包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行上述任意一项所述的图像处理方法。

本申请实施例提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成上述任意一项所述的图像处理方法。

本申请实施例提供的技术方案，通过对原始灰度图像进行灰度变化幅度的扩大，可以增强对比度，进而通过空间域滤波可以消除噪点，得到第二图像，将第二图像与原始灰度图像的频域滤波图像做差，可以进一步增强对比度，且不会增加噪点，得到更加清晰的图像。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍。

图1为本申请实施例提供的图像处理方法的应用场景示意图；

图2为本申请实施例提供的图像处理方法的流程示意图；

图3为本申请另一实施例提供的图像处理方法的流程示意图；

图4为本申请一实施例提供的图像处理装置的框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

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定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

图1为本申请实施例提供的图像处理方法的应用场景示意图。如图1所示，该应用场景包括服务端110。该服务端110可以是服务器、服务器集群或者云计算中心。服务端110可以采用实施例提供的图像处理方法对图像进行处理。

在一实施例中，上述应用场景还可以包括客户端120。服务端110可以从客户端120获取图像，进而服务端110可以采用本申请实施例提供的方法，对图像进行处理。

在其他实施例中，客户端120可以包括图像采集装置121，客户端120可以采用本申请实施例提供的方法，对图像采集装置121采集的图像进行处理，客户端120还可以将图像采集装置121采集的图像发送到服务端110，由服务端110进行处理。

本申请还提供了一种电子设备。该电子设备可以是图1所示的服务端110。如图1所示，服务端110可以包括处理器111和用于存储处理器111可执行指令的存储器112；其中，该处理器111被配置为执行本申请实施例提供的图像处理方法。

存储器112可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory，简称EPROM)，可编程只读存储器(Programmable Red-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。

本申请还提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序可由处理器111执行以完成本申请实施例提供的图像处理方法。

图2为本申请实施例提供的图像处理方法的流程示意图。如图2所示，该方法包括以下步骤S210-S240。

步骤S210：对原始灰度图像进行灰度变化幅度的扩大，得到第一图像。

其中，原始灰度图像是指待处理的灰度图像。灰度变化幅度的扩大是指让原来大的灰度值更大，小的灰度值更小，从而拉大灰度值之间的差距，增强对比度。灰度值变化幅度扩大后的图像，可以称为第一图像。

在一实施例中，扩大灰度变化幅度可以包括以下步骤：先计算原始灰度图像中的最大灰度值和最小灰度值；然后根据最大灰度值和最小灰度值，将原始灰度图像中每个像素点的灰度值进行缩放。

其中，最大灰度值是指原始灰度图像中所有像素点的灰度值的最大值。最小灰度值是指原始灰度图像中所有像素点的灰度值的最小值。缩放是指一部分像素点的灰度值放大，一部分像素点的灰度值缩小。

举例来说，假设原始灰度图像中的最大灰度值是220，最小灰度值是10，则可以将最大灰度值220放大到255，最小灰度值10缩小到0。在10-220之间的灰度值，按照相应的缩放比例控制在0-255之间。

在一实施例中，对每个像素点的灰度值进行缩放可以采用以下公式计算每个像素点缩放后的灰度值：

g':＝g×Mult+Add； (1)

Mult＝255/(GMax-GMin)； (2)

Add＝-Mult×GMin； (3)

其中，g表示原始的灰度值，g'表示缩放后的灰度值，G_Max表示最大灰度值，G_Min表示最小灰度值。

举例来说，假设最大灰度值是151，最小灰度值是100，则公式(2)中Mult值为5，公式(3)中Add值为-500，如果某个像素点原始的灰度值是120，代入上式(1)可以得到缩放后的灰度值为100，对于原始灰度值100，缩放后的灰度值为0，对于原始灰度151，缩放后的灰度值为255。同理，对于其他像素点，也可参照相同的方式计算缩放后的灰度值。

在一实施例中，将原始灰度图像中每个像素点的灰度值进行缩放之后，本申请实施例提供的方法还可以包括以下步骤：计算不同灰度值在缩放后图像中出现的相对频率；针对缩放后图像中的每个像素点，根据此像素点在缩放后图像中的灰度值以及不同灰度值对应的相对频率，调整所述像素点的灰度值。

举例来说，灰度值x的相对频率是指灰度值为x的像素点个数占总像素点个数的比例，灰度值x的相对频率可以用h(x)表示。

h(x)＝N_x/N； (4)

N_x表示灰度值为x的像素点个数，N为总的像素点个数。

基于上述公式(4)，可以分别计算出h(0)、h(1)、h(2)……h(255)，即分别针对灰度值0、1、2…..255的相对频率。

在一实施例中，假设某个像素点在缩放后图像中的灰度值为g′，则可以基于h(0)、h(1)、h(2)……h(255)，进一步调整此像素点的灰度值。

具体公式如下：

其中，g′表示像素点在缩放后图像中的灰度值，h(x)表示灰度值x出现的相对频率，f(g′)表示灰度值g′调整后的灰度值。

举例来说，假设某个像素点在缩放后图像中的灰度值3，则此像素点调整后的灰度值为255×(h(0)+h(1)+h(2)+h(3))，从而可以让出现频率越高的灰度值，其调整后的灰度值更大一些，进一步增强对比度。

采用上述公式(5)，可以分别对缩放后图像的每个像素点的灰度值调整，调整后的图像作为第一图像。

步骤S220:对所述第一图像进行空间域滤波处理，得到第二图像。

其中，空间域滤波是指以像元与周围邻域像元的空间关系为基础，通过卷积运算实现图像滤波的一种方法。

在一实施例中，对第一图像进行空间域滤波处理可以包括：对第一图像进行中值滤波和高斯滤波。

举例来说，中值滤波可以是在第一图像每一点建立3×3掩膜，里面有9个像素点，将这9个像素点的灰度值进行排序，最后将这九个像素点灰度值的中值作为掩膜中心像素点的灰度值。从而消除孤立的噪声点。

对中值滤波处理后的图像再次进行高斯滤波，高斯滤波是指对整幅图像的灰度值进行加权平均，针对每一个像素点的灰度值，都由其自身灰度值和邻域内的其他像素点的灰度值经过加权平均后得到。

高斯滤波的具体操作是：通过生成一个3×3高斯滤波器(或称模板、卷积或掩膜)，去扫描图像中的每一个像素点，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

而权值可以通过高斯函数计算得到，即以模板中心位置为坐标原点取样，将各位置的点带入到高斯函数，得到各位置的权值。二维高斯函数如下公式所示。

其中，f(x,y)为点坐标，σ是标准差。

步骤S230：根据所述原始灰度图像的频域滤波图像，计算所述第二图像与所述频域滤波图像之间对应像素点的灰度差值。

其中，图像的平滑除了在空间域中进行外，也可以在频率域中进行。由于噪声主要集中在高频部分，为去除噪声改善图像质量，滤波器采用高频低通滤波器，然后再进行逆傅里叶变换获得滤波图像，从而达到平滑图像的目的。频域滤波图像是指对原始灰度图像在频率域进行滤波处理后的图像。

在一实施例中，可以对原始灰度图像依次经过傅里叶变换、高斯滤波以及逆傅里叶变换后，得到上述频域滤波图像。

其中，傅里叶变换可以采用以下傅里叶变换公式进行变换处理：

其中，f(x,y)表示一幅大小为M×N像素的数字图像，x＝0，1，2······M-1,y＝0，1，2······N-1，则F(u，v)表示f(x，y)的二维离散傅里叶变换；

参见上文高斯滤波方式，可以通过公式(6)所示的高斯函数生成高斯滤波器，将傅里叶变换后图像与滤波器做卷积：

之后可以利用以下公式(8)进行逆傅里叶变换：

公式(8)中的f(x,y)代表卷积后的结果，f(u,v)表示逆傅里叶变换后的结果。

由于空间卷积滤波和频域卷积滤波对特征区域相对于背景的亮度作用相反，如空间卷积滤波使得特征区域比背景亮而频域卷积滤波使得特征区域比背景暗，故两张图像做差后特征区域与背景的对比度会进一步增大，由于滤波后的图像消除了噪点，图像更加平滑，因此增强对比度的同时对噪声进行了抑制。

步骤S240：根据所述对应像素点的像素差值，得到所述原始灰度图像处理后的结果图像。

针对每个像素点，均可得到此像素点在第二图像的灰度值s和频域滤波图像中的灰度值d，通过计算灰度值s和灰度值d之间的灰度差，作为此像素点处理后的灰度值，由此可以计算出所有像素点处理后的灰度值，所有像素点处理后的灰度值构成结果图像。

下述为本申请装置实施例，可以用于执行本申请上述基于图像处理方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请图像处理方法实施例。

图3是本申请一实施例示出的图像处理方法的流程示意图。如图3所示，该方法包括以下步骤。

步骤S301：采集原始灰度图像；

步骤S302：计算原始灰度图像中的最大灰度值和最小灰度值；

步骤S303：根据最大灰度值和最小灰度值，对原始灰度图像进行灰度拉伸；

步骤S304：会拉伸后图像进行直方图均衡化，得到第一图像；

步骤S305：对第一图像进行中值滤波和高斯滤波，得到第二图像；

步骤S306：对原始灰度图像进行傅里叶变换；

步骤S307：对傅里叶变换后图像进行高斯滤波；

步骤S308：对高斯滤波后图像进行傅里叶反变换，得到频域滤波图像；

步骤S309：对第二图像和频域滤波图像做差，得到结果图像。

图4为本申请一实施例示出的图像处理装置的框图。如图4所示，所述装置包括：灰度扩大模块410、空间滤波模块420、灰度相减模块430以及结果获得模块440。

灰度扩大模块410，用于对原始灰度图像进行灰度变化幅度的扩大，得到第一图像。

空间滤波模块420，用于对所述第一图像进行空间域滤波处理，得到第二图像。

灰度相减模块430，用于根据所述原始灰度图像的频域滤波图像，计算所述第二图像与所述频域滤波图像之间对应像素点的灰度差值。

结果获得模块440，用于根据所述对应像素点的像素差值，得到所述原始灰度图像处理后的结果图像。

在一实施例中，上述灰度扩大模块410包括：灰度计算单元和灰度缩放单元。

灰度计算单元，用于计算所述原始灰度图像中的最大灰度值和最小灰度值；

灰度缩放单元，用于根据所述最大灰度值和最小灰度值，将所述原始灰度图像中每个像素点的灰度值进行缩放。

在一实施例中，所述灰度计算单元采用以下公式：

g':＝g×Mult+Add；

Mult＝255/(GMax-GMin)；

Add＝-Mult*GMin；

其中，g表示原始的灰度值，g'表示缩放后的灰度值，G_Max表示最大灰度值，G_Min表示最小灰度值。

在一实施例中，上述灰度扩大模块410包括：频率计算单元和灰度调整单元。

频率计算单元，用于计算不同灰度值在缩放后图像中出现的相对频率；

灰度调整单元，用于针对所述缩放后图像中的每个像素点，根据所述像素点在缩放后图像中的灰度值以及不同灰度值对应的相对频率，调整所述像素点的灰度值。

在一实施例中，灰度调整单元采用以下公式：

其中，g′表示像素点在缩放后图像中的灰度值，h(x)表示灰度值x出现的相对频率，f(g′)表示灰度值g′调整后的灰度值。

在一实施例中，空间滤波模块420具体用于：对所述第一图像进行中值滤波和高斯滤波，得到所述第二图像。

在一实施例中，上述装置还包括：频域滤波模块，用于对所述原始灰度图像依次经过傅里叶变换、高斯滤波以及反傅里叶变换后，得到所述频域滤波图像。

上述装置中各个模块的功能和作用的实现过程具体详见上述图像处理方法中对应步骤的实现过程，在此不再赘述。

在本申请所提供的几个实施例中，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

功能如果以软件功能模块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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种图像处理方法，其特征在于，包括：

对原始灰度图像进行灰度变化幅度的扩大，得到第一图像；

对所述第一图像进行空间域滤波处理，得到第二图像；

根据所述原始灰度图像的频域滤波图像，计算所述第二图像与所述频域滤波图像之间对应像素点的灰度差值；

根据所述对应像素点的像素差值，得到所述原始灰度图像处理后的结果图像。

2.根据权利要求1所述的方法，其特征在于，所述对原始灰度图像进行灰度变化幅度的扩大，包括：

计算所述原始灰度图像中的最大灰度值和最小灰度值；

根据所述最大灰度值和最小灰度值，将所述原始灰度图像中每个像素点的灰度值进行缩放。

3.根据权利要求2所述的方法，其特征在于，所述根据所述最大灰度值和最小灰度值，将所述原始灰度图像中每个像素点的灰度值进行缩放，采用以下公式：

g':＝g×Mult+Add；

Mult＝255/(GMax-GMin)；

Add＝-Mult×GMin；

其中，g表示原始的灰度值，g'表示缩放后的灰度值，G_Max表示最大灰度值，G_Min表示最小灰度值。

4.根据权利要求2所述的方法，其特征在于，所述将所述原始灰度图像中每个像素点的灰度值进行缩放之后，所述方法还包括：

计算不同灰度值在缩放后图像中出现的相对频率；

针对所述缩放后图像中的每个像素点，根据所述像素点在缩放后图像中的灰度值以及不同灰度值对应的相对频率，调整所述像素点的灰度值。

5.根据权利要求4所述的方法，其特征在于，所述根据所述像素点在缩放后图像中的灰度值以及不同灰度值对应的相对频率，调整所述像素点的灰度值，采用以下公式：

其中，g′表示像素点在缩放后图像中的灰度值，h(x)表示灰度值x出现的相对频率，f(g′)表示灰度值g′调整后的灰度值。

6.根据权利要求1所述的方法，其特征在于，对所述第一图像进行空间域滤波处理，得到第二图像，包括：

对所述第一图像进行中值滤波和高斯滤波，得到所述第二图像。

7.根据权利要求1所述的方法，其特征在于，在所述计算所述第二图像与所述频域滤波图像之间对应像素点的灰度差值之前，所述方法还包括：

对所述原始灰度图像依次经过傅里叶变换、高斯滤波以及反傅里叶变换后，得到所述频域滤波图像。

8.一种图像处理装置，其特征在于，包括：

灰度扩大模块，用于对原始灰度图像进行灰度变化幅度的扩大，得到第一图像；

空间滤波模块，用于对所述第一图像进行空间域滤波处理，得到第二图像；

灰度相减模块，用于根据所述原始灰度图像的频域滤波图像，计算所述第二图像与所述频域滤波图像之间对应像素点的灰度差值；

结果获得模块，用于根据所述对应像素点的像素差值，得到所述原始灰度图像处理后的结果图像。

9.一种电子设备，其特征在于，所述电子设备包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行权利要求1-7任意一项所述的图像处理方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成权利要求1-7任意一项所述的图像处理方法。

Images