CN112669361A - 一种海水水下图像快速分解方法 - Google Patents
一种海水水下图像快速分解方法 Download PDFInfo
- Publication number
- CN112669361A CN112669361A CN202011458901.7A CN202011458901A CN112669361A CN 112669361 A CN112669361 A CN 112669361A CN 202011458901 A CN202011458901 A CN 202011458901A CN 112669361 A CN112669361 A CN 112669361A
- Authority
- CN
- China
- Prior art keywords
- image
- transformation
- value
- pixel
- width
- 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.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明属于图像处理技术领域,涉及一种海水水下图像分解方法。一种海水水下图像快速分解方法,包括以下步骤:(1)遍历图像的高度和宽度,获得对应的像素的高度值和宽度值;(2)对图像先进行水平变换,再进行垂直变换,获得一层分解后的图像数据;其中,所述的水平变换和垂直变换包括依次进行的奇偶分离、小波变换和频带系数变换;(3)重复步骤(1)‑(2),直到所有层变换完成,即获得分解后的图像。本发明提供的海水水下图像快速分解方法,不受累积时间的限制,也不受海洋环境干扰的限制,能够快速进行海水水下图片的分解,以达到提高水下图像分析的效率和准确度的目的。
Description
技术领域
本发明属于图像处理技术领域,涉及一种海水水下图像分解方法。
背景技术
图像分解是图像处理和应用的基础之一。图像可以分解为结构和纹理两大部分,其中的结构信息体现的是图像的整体框架,包含图像的边缘等重要的描述信息,而纹理信息体现的是图像框架中的细节部分。
图像分解方法主要分为三大类:频域分解,时域分解,时频域分解。频域分解主要以传统Fourier变换[Gonzalez C R,Woods E R,Digital imageprocessing.PearsonEducation,2003,the second edition;徐伯勋等,信号处理中的数学变换和估计方法,清华大学出版社,北京,2004]为主还包括余弦变换、正弦变换等,在频率域对图像不同频率所占区域进行分割,实现不同频率图像的分解。时域分解主要以经验模式分解方法(EMD)为主,通过对当前图像的极大极小值点进行插值获取上下包络,上下包络的均值作为低频图像分量,原图像与该低频图像分量作差即为高频图像分量,依次迭代获取多尺度分解。时频域分解方法则主要是依靠小波变换,包括传统的小波变换以及最近提出的三代小波(曲波、脊波、带限波、线性调频波等新型小波)获取不同图像分量的多尺度小波系数,对不同尺度小波系数进行剥离即可实现时频域图像分解。
在海洋水下图像的分析过程中,海洋环境的变化对海洋水下图像的测量存在干扰,其现象是检测到的信号的幅度会出现无规律的变化,;利用现有的图像分解方法,很难快速找到水下图像边缘轮廓的位置等纹理信息,影响海水水下图像的分析结果。并且,现有的方法大多采用复杂的算法,其检测不具有实时性。因此,现场测量必须找到一种方法来实时对海水水下图像进行快速分解。
发明内容
为解决上述技术问题,本发明提供了一种海水水下图像快速分解方法,在测量海水水下图像的基础上,为查看局部图像的细节,进行分析细化,划分图像高频部分与低频部分,以达到提高图像分析的效率和准确度的目的。
为达到上述目的,本发明采用的技术方案如下:
一种海水水下图像快速分解方法,包括以下步骤:
(1)遍历图像的高度和宽度,获得对应的像素的高度值y和宽度值x;
(2)对图像先进行水平变换,再进行垂直变换,获得一层分解后的图像数据;其中,所述的水平变换和垂直变换包括依次进行的奇偶分离、小波变换和频带系数变换;
(3)重复步骤(1)-(2),直到所有层变换完成,即获得分解后的图像。
进一步优选地,所述水平变换中,奇偶分离为:遍历图像的宽度的1/2,奇数位置的像素移到前半段,偶数位置的像素移动到后半段。
进一步优选地,所述水平变换中,小波变换为:遍历图像的宽度的1/2,前半段增加对应的像素值,后半段减少对应的像素值。
进一步优选地,所述水平变换中,频带系数变换为:遍历图像的宽度的1/2,前半段乘以对应的频带系数,后半段除以对应的频带系数。
进一步优选地,所述垂直变换中,奇偶分离为:遍历图像的高度的1/2,奇数位置的像素移到上半段,偶数位置的像素移动到下半段。
进一步优选地,所述垂直变换中,小波变换为:遍历图像的高度的1/2,上半段增加对应的像素值,下半段减少对应的像素值。
进一步优选地,所述垂直变换中,频带系数变换为:遍历图像的高度的1/2,上半段乘以对应的频带系数,下半段除以对应的频带系数。
进一步优选地,前半段对应位置的像素调整值为:(width/2+(i-1)位置的像素值+width/2+i位置的像素值)/4;
后半段对应位置的像素调整值为:(i-1位置的像素值+i位置的像素值)/2;
其中,i=(1,2,3……width/2-1)。
进一步优选地,上半段对应位置的像素调整值为:(height/2+(i-1)位置的像素值+height/2+i位置的像素值)/4;
下半段对应位置的像素调整值为:(i-1位置的像素值+i位置的像素值)/2;
其中,i=(1,2,3……height/2-1)。
进一步优选地,所述频带系数变换中,频带系数的取值范围为(1-5]。
本发明提供的海水水下图像快速分解方法,不受累积时间的限制,也不受海洋环境干扰的限制,能够快速进行海水水下图片的分解,以达到提高水下图像分析的效率和准确度的目的。
附图说明
图1为本发明实施例所公开的一种海水水下图像快速分解方法流程示意图;
图2为本发明实施例提供的原始图像;
图3为采用本发明的方法获得的二次分解后的图像。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
本发明提供了一种海水水下图像快速分解方法,如图1所示,具体流程如下:
S101、先对图像的高度遍历,取得对应的像素的高度值y,做水平变换。所用于计算的图像为一个通道的灰度图像。
在本实施实例中,采集的水下图像的宽为640个像素,高为480个像素的单通道的灰度图像;从第0行遍历到第479行;每行的遍历值,为对应y位置的值。
水平变换的具体过程为:
(1)进行奇偶分离
在每个高度,遍历图像的宽度的1/2,重置该行元素的像素值:奇数位置移到前半段,偶数位置的像素移动到后半段。
遍历图像的宽度的1/2,重置该行元素值,也就是第0,1,2,3,……,width/2-1位置的值,为原来第0,2,4,6,……,width-2上的值,(计数方法为计算机计数,0为第一个数据);第width/2+0,width/2+1width/2+,2,width/2+3,……,width-1位置的值,为原来第1,3,5,7,……,width-1上的值。
在本实施例中,遍历从第0列到第319列,行为对应的y值。也就是列为0,2,4,……到638,行为y的元素的像素值,移动到从第0列到第319列,行为y的位置,列为1,3,5到639,行为y的元素的像素值,移动到从第320到第638,行为y的位置。
表1奇偶变换前、后的元素值
如表1所示,奇数位置的像素值,也就是0号,2号,……,放到前半段,偶数位置的像素值,1号,3号,……,放到后半段,上表显示的列号,是从0开始计数的,所以列号为0,就是第一个数据。
(2)进行小波变换
经过奇偶变换重置的像素值为小波变化的初始值,如表1中所示。遍历图像的宽度的1/2,重置该行元素的像素值:前半段增加对应的像素调整值,后半段减少对应的像素调整值。
第1个元素到第width/2-1元素的像素调整值分别为:第1个元素的像素调整值=(第width/2个元素的像素值+第width/2+1元素的像素值)/4、第2个元素的像素调整值=(第width/2+1元素的像素值+第width/2+2个元素的像素值)/4,依次类推,第width/2-1元素的调整值=(第width-2个元素的像素值+第width-1个元素的像素值)/4。
第0个元素的调整值用第1个元素的调整值。前半段也就是0位置的元素到第width/2-1位置上的元素的值为原来该位置上的值,加上该位置对应的像素调整值。
第width/2个元素到第width-2个元素的像素调整值分别为:第width/2个元素的像素调整值=(第0个元素的像素值+第1个元素的像素值)/2,第2个元素的像素调整值=(第1个元素的像素值+第2个元素的像素值)/2,依次类推,第width-2个元素的像素调整值=(第width/2-2个元素的像素值+第width/2-1个元素的像素值)/2。
第width-1位置上的元素,与第width-2个元素的调整值一样;后半段也就是width/2位置的元素到第width-1位置上的元素的值为原来该位置上的像素值,减去该位置对应的像素调整值。
在本实施实例中,遍历从第0列到第318列,行为对应的y值;取得第y行,这里比如y是第1行,y=0的时候,第0行、第0列该像素的灰度值为100;第0行、第1列的像素的灰度值为102,那么第0+width/2列,也就是第0行、第320列的像素调整值为:(100+102)/2=101;第0行320列的像素值为153,那么变换后第0行320列的像素值为153-101=52;依次完成从第320列到第638列的像素值的重置。第0行第318列的像素值为6,第0行第319列的像素值为8,那么第0行第638列的像素调整值为:(6+8)/2=7;第0行第638列的灰度值为113,那么变换后第0行第638列的像素值为:113-7=106;第639列的像素调整值与第638列的像素调整值相等,也为7;第0行第639列像素的灰度值为114,那么变换后第0行第639列的元素的像素值为114-7=107。后半段相应位置的像素调整值如表2所示,320-638的调整值是由0-319相应位置的像素值按照上述计算方法计算得到。第639列的像素调整值和第638列一样。调整后的像素值如表3所示。
遍历从第1列到第319列,行为对应的y值;取得第y行,这里比如y是第1行,y=0的时候,第0行,第width/2列,也就是320列的像素灰度值为153;第0行第width/2+1列,也就是321列的像素灰度值为58;第1列的像素调整值为(153+58)/4=52.75≈53。前半段相应位置的像素调整值如表2所示,1-319的调整值是由320-639列相应位置的像素值按照上述计算方法计算得到。第0列的调整值和第1列一样。
第0行,第1列的像素值为102,那么变换后第0行第1列的像素值为102+53=155。第0行第0列的像素灰度值为100,第0列的调整值与第1列的像素调整值一样,所以为53;那么变换后第0行第0列的像素灰度值为100+53=153。第0行638列的像素值为113,第639列像素的灰度值为114,所以第0行第319列的像素调整值为(113+114)/4=56.75≈57;第0行第319列的像素值为152,那么变换后第0行第319列的像素值为152+57=180,如表4所示。
表2小波变换的像素调整值
表3后半段的变换值
表4前半段的变换值
表5经过小波变换后的所有像素值
(3)进行频带系数变换
经过小波变换后的像素值为频带系数变换的初始值,如表5所示。
遍历图像的宽度的1/2,重置该行元素的像素值:前半段乘以对应的频带系数、后半段除以对应的频带系数。
前半段也就是0位置的元素到第width/2-1位置上的元素的像素值重置为原来该位置上的像素值与对应的频带系数的乘积;后半段也就是width/2位置的元素到第width-1位置上的元素的像素值重置为原来该位置上的像素值与对应的频带系数的商值。
频带系数的取值范围为(1-5],不包含端点1。可根据实际需要在(1-5]范围内任意选择,若想使变化区别大,就选择较大的系数值。
在本实施实例中,频带系数为2的平方根,也就是1.414;第0行从第0列到第319列,每个像素的灰度值乘以1.414。上一步计算第0行第0列的像素值为153,频带系数变换后为153*1.414=216.342≈216;上一步第0行第319列像素值为180,频带系数变换后为180*1.414=254.52≈255。第0行从第320列到619列,像素的灰度值除以1.414;上一步计算第0行第320列的像素灰度值为52,频带系数变换后为52/1.414=36.775≈37;上一步计算第0行第639列的像素灰度值为107,频带系数变换后为107/1.414=75.67≈76。变换后的像素值如表6所示。
表6频带系数变换后的像素值
S105、进行垂直变换
遍历图像的宽度,取得对应的像素的宽度值x;按照步骤2-4的方法,在垂直方向上进行相应变换;得到第一层分解后的所有像素点的像素值。
在本实施实例中,采集的水下图像的宽为640个像素,高为480个像素的单通道的灰度图像;从第0列遍历到第639列;每列的遍历值,为对应位置的x值。Height/2=240;按照步骤2-4的方法原理,将宽度值x,y方向互换,width变为height;进行垂直变换。频带系数与水平变换中的频带系数相同。
经过先水平变换,再垂直变换后,得到一层分解后的所有像素点的像素值。
S106、重复步骤1到5,直到所有层数都变换完成,所得到的图像数据为分解后的图像的像素值,也就是海水水下图像分解后的数据。
在本实施实例中,层数为2层,经过两次步骤1-5的变换,得到的图像数据,为分解后图像的像素值。
本实施例中,原始图像如图2所示,经过本发明的方法处理后,得到的分解图像如图3所示。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种海水水下图像快速分解方法,其特征在于,包括以下步骤:
(1)遍历图像的高度和宽度,获得对应的像素的高度值和宽度值;
(2)对图像先进行水平变换,再进行垂直变换,获得一层分解后的图像数据;其中,所述的水平变换和垂直变换包括依次进行的奇偶分离、小波变换和频带系数变换;
(3)重复步骤(1)-(2),直到所有层变换完成,即获得分解后的图像。
2.根据权利要求1所述的海水水下图像快速分解方法,其特征在于,所述水平变换中,奇偶分离为:遍历图像的宽度的1/2,奇数位置的像素移到前半段,偶数位置的像素移动到后半段。
3.根据权利要求2所述的海水水下图像快速分解方法,其特征在于,所述水平变换中,小波变换为:遍历图像的宽度的1/2,前半段增加对应的像素调整值,后半段减少对应的像素调整值。
4.根据权利要求3所述的海水水下图像快速分解方法,其特征在于,所述水平变换中,频带系数变换为:遍历图像的宽度的1/2,前半段乘以频带系数,后半段除以频带系数。
5.根据权利要求1所述的海水水下图像快速分解方法,其特征在于,所述垂直变换中,奇偶分离为:遍历图像的高度的1/2,奇数位置的像素移到上半段,偶数位置的像素移动到下半段。
6.根据权利要求5所述的海水水下图像快速分解方法,其特征在于,所述垂直变换中,小波变换为:遍历图像的高度的1/2,上半段增加对应的像素值调整值,下半段减少对应的像素调整值。
7.根据权利要求6所述的海水水下图像快速分解方法,其特征在于,所述垂直变换中,频带系数变换为:遍历图像的高度的1/2,上半段乘以频带系数,下半段除以频带系数。
8.根据权利要求3所述的海水水下图像快速分解方法,其特征在于,前半段对应位置的像素调整值为:(width/2+(i-1)位置的像素值+width/2+i位置的像素值)/4;
后半段对应位置的像素调整值为:(i-1位置的像素值+i位置的像素值)/2;
其中,i=(1,2,3……width/2-1)。
9.根据权利要求5所述的海水水下图像快速分解方法,其特征在于,上半段对应位置的像素调整值为:(height/2+(i-1)位置的像素值+height/2+i位置的像素值)/4;
下半段对应位置的像素调整值为:(i-1位置的像素值+i位置的像素值)/2;
其中,i=(1,2,3……height/2-1)。
10.根据权利要求4或7所述的海水水下图像快速分解方法,其特征在于,所述频带系数变换中,频带系数的取值范围为(1-5]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011458901.7A CN112669361A (zh) | 2020-12-11 | 2020-12-11 | 一种海水水下图像快速分解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011458901.7A CN112669361A (zh) | 2020-12-11 | 2020-12-11 | 一种海水水下图像快速分解方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112669361A true CN112669361A (zh) | 2021-04-16 |
Family
ID=75404959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011458901.7A Pending CN112669361A (zh) | 2020-12-11 | 2020-12-11 | 一种海水水下图像快速分解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112669361A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113392597A (zh) * | 2021-06-16 | 2021-09-14 | 桂林电子科技大学 | 一种基于Helmholtz-Hodge分解的波浪重构方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW497356B (en) * | 2000-02-03 | 2002-08-01 | Nat Science Council | Architecture suitable for executing two-dimensional discrete wavelet transform |
CN103347187A (zh) * | 2013-07-23 | 2013-10-09 | 北京师范大学 | 一种基于自适应方向预测离散小波变换的遥感影像压缩方法 |
CN106228601A (zh) * | 2016-07-21 | 2016-12-14 | 山东大学 | 基于小波变换的多尺度锥束ct图像快速三维重建方法 |
CN106650600A (zh) * | 2016-10-17 | 2017-05-10 | 东南大学 | 一种基于视频图像分析的森林烟火检测方法 |
CN108810534A (zh) * | 2018-06-11 | 2018-11-13 | 齐齐哈尔大学 | 物联网下基于方向提升小波及改进spiht的图像压缩方法 |
CN110084733A (zh) * | 2019-04-19 | 2019-08-02 | 中国科学院自动化研究所 | 文本图像水印的嵌入方法及系统、提取方法及系统 |
-
2020
- 2020-12-11 CN CN202011458901.7A patent/CN112669361A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW497356B (en) * | 2000-02-03 | 2002-08-01 | Nat Science Council | Architecture suitable for executing two-dimensional discrete wavelet transform |
CN103347187A (zh) * | 2013-07-23 | 2013-10-09 | 北京师范大学 | 一种基于自适应方向预测离散小波变换的遥感影像压缩方法 |
CN106228601A (zh) * | 2016-07-21 | 2016-12-14 | 山东大学 | 基于小波变换的多尺度锥束ct图像快速三维重建方法 |
CN106650600A (zh) * | 2016-10-17 | 2017-05-10 | 东南大学 | 一种基于视频图像分析的森林烟火检测方法 |
CN108810534A (zh) * | 2018-06-11 | 2018-11-13 | 齐齐哈尔大学 | 物联网下基于方向提升小波及改进spiht的图像压缩方法 |
CN110084733A (zh) * | 2019-04-19 | 2019-08-02 | 中国科学院自动化研究所 | 文本图像水印的嵌入方法及系统、提取方法及系统 |
Non-Patent Citations (3)
Title |
---|
J88R: "opencv实现的离散小波变换结果分析", 《HTTPS://ZHIDAO.BAIDU.COM/QUESTION/685478943375142972.HTML》 * |
彭真明: "《光电图像处理及应用》", 30 April 2013 * |
易正俊,李华锋,宋瑞晶: "基于非采样提升小波变换的图像融合算法", 《数据采集与处理》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113392597A (zh) * | 2021-06-16 | 2021-09-14 | 桂林电子科技大学 | 一种基于Helmholtz-Hodge分解的波浪重构方法 |
CN113392597B (zh) * | 2021-06-16 | 2022-10-28 | 桂林电子科技大学 | 一种基于Helmholtz-Hodge分解的波浪重构方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301661B (zh) | 基于边缘点特征的高分辨率遥感图像配准方法 | |
CN109146797B (zh) | 一种基于Lp伪范数与交叠组稀疏的脉冲噪声古籍图像修复方法 | |
CN101944230B (zh) | 基于多尺度的自然图像非局部均值去噪方法 | |
Zhao et al. | Texture variation adaptive image denoising with nonlocal PCA | |
Kamble et al. | Performance evaluation of wavelet, ridgelet, curvelet and contourlet transforms based techniques for digital image denoising | |
CN106169174B (zh) | 一种图像放大方法 | |
CN111738954B (zh) | 一种基于双层空洞U-Net模型的单帧湍流退化图像去畸变方法 | |
Lyakhov et al. | A new method for adaptive median filtering of images | |
CN106296763A (zh) | 一种金属材料工业ct图像质量快速校正方法 | |
CN114966560B (zh) | 一种探地雷达后向投影成像方法及系统 | |
CN105550998B (zh) | 基于二代小波整数变换的图像增强方法及图像增强系统 | |
CN112669361A (zh) | 一种海水水下图像快速分解方法 | |
CN106803237A (zh) | 一种基于极限学习机的改进自适应加权平均图像去噪方法 | |
CN108428221A (zh) | 一种基于shearlet变换的邻域双变量阈值去噪方法 | |
CN114779343A (zh) | 一种基于曲波变换-联合双边滤波的地震数据去噪方法 | |
CN112381731B (zh) | 一种基于图像去噪的单帧条纹图像相位分析方法及系统 | |
CN105303538A (zh) | 一种基于nsct和pca的高斯噪声方差估计方法 | |
CN109447952B (zh) | 一种基于Gabor差分盒加权维数的半参考型图像质量评价方法 | |
CN109544593B (zh) | 一种基于自相似度量的通用图像噪声估计方法 | |
CN110136086A (zh) | 基于bemd的区间阈值图像去噪方法 | |
CN113506212B (zh) | 一种改进的基于pocs的高光谱图像超分辨率重建方法 | |
Das et al. | A concise review of fast bilateral filtering | |
CN112862718A (zh) | 一种基于功率谱密度约束的模式分解滤波方法 | |
Jia et al. | Fractional‐integral‐operator‐based improved SVM for filtering salt‐and‐pepper noise | |
CN114066749A (zh) | 相位相关抗噪位移估计方法、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210416 |