CN113256532A - 一种低对比度字符图像增强方法 - Google Patents
一种低对比度字符图像增强方法 Download PDFInfo
- Publication number
- CN113256532A CN113256532A CN202110657621.7A CN202110657621A CN113256532A CN 113256532 A CN113256532 A CN 113256532A CN 202110657621 A CN202110657621 A CN 202110657621A CN 113256532 A CN113256532 A CN 113256532A
- Authority
- CN
- China
- Prior art keywords
- image
- low
- character image
- contrast
- character
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001914 filtration Methods 0.000 claims abstract description 35
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 22
- 238000012937 correction Methods 0.000 claims abstract description 13
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 235000002566 Capsicum Nutrition 0.000 abstract description 4
- 239000006002 Pepper Substances 0.000 abstract description 4
- 235000016761 Piper aduncum Nutrition 0.000 abstract description 4
- 235000017804 Piper guineense Nutrition 0.000 abstract description 4
- 235000008184 Piper nigrum Nutrition 0.000 abstract description 4
- 150000003839 salts Chemical class 0.000 abstract description 4
- 244000203593 Piper nigrum Species 0.000 abstract 1
- 229910000831 Steel Inorganic materials 0.000 description 21
- 239000010959 steel Substances 0.000 description 21
- 230000006870 function Effects 0.000 description 14
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000005286 illumination Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 241000722363 Piper Species 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 101100498818 Arabidopsis thaliana DDR4 gene Proteins 0.000 description 1
- 241001051118 Garcinia nigrolineata Species 0.000 description 1
- 102220554267 Protein dispatched homolog 1_K68S_mutation Human genes 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06T5/80—Geometric correction
-
- 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
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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
- G06T2207/20172—Image enhancement details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种低对比度字符图像增强方法,用于实现低对比度字符图像增强,该方法包含如下步骤:第1步,字符图像小波分解;第2步,字符图像低频分量Gamma校正;第3步,字符图像高频分量中值滤波;第4步,字符图像各分量图像重构;第5步,重构后的字符图像二次中值滤波。本发明方法利用小波变换将图像分解为含有噪声的高频部分和包含主要信息的低频部分,采用Gamma校正提升低频部分的对比度、采用中值滤波滤除高频部分中存在的椒盐噪声,将各分量通过小波重构得到新的图像,并通过二次中值滤波完成低对比度字符图像的增强,有效提升低对比度字符图像中字符与背景的对比度和图像的整体显示效果。
Description
技术领域
本发明涉及一种低对比度字符图像增强方法,尤其是涉及一种基于小波变换的低对比度字符图像增强方法,属于图像增强领域。
背景技术
通过图像进行信息获取的在各个行业应用越来越广泛,而往往得到的原始图像质量参差不齐,需要经过处理后才能准确地从提取信息。在工业现场采集到的原始图像往往对比度较低,需要对采集到的原始图像进行增强处理,使图像的视觉效果得到提升,以便于从图像中获取关键信息。
特钢棒材是建筑、机械、汽车等行业不可或缺的材料,我国作为钢铁产量第一大国,特钢棒材年产量在1500万吨以上。特钢棒材的型号和种类多样,产品入库时的生产信息标记是以捆为单位,而特钢棒材在诸多领域有着重大的需求,国家科技部提出了在特钢棒材精整生产中实现单根棒材全流程可追溯的战略要求。随着机器视觉技术的快速发展,其在钢铁生产行业的应用也越来越多。钢铁生产厂家在棒材精整生产时,在棒材端面进行编码标记并通过机器视觉技术完成编码的识别,进而获取每根特钢棒材的生产日期、炉批号、型号等具体生产信息。然而由于棒材的生产车间光照条件较为复杂,导致图像采集系统得到的棒材端面图像对比度较低,字符识别难度较大,因此需要对棒材端面字符图像进行增强。
发明内容
基于以上原因,本发明旨在提出一种低对比度字符图像增强方法,用于实现低对比度字符图像增强,为最终的字符图像识别奠定基础。
本发明是针对复杂光照环境下低对比度字符图像提出的增强方法。字符图像增强方法思想是通过小波分解得到图像的各分量,针对低频分量采用Gamma校正调整字符与背景之间的对比度,针对高频分量采用中值滤波去除存在的椒盐噪声,将处理完成的各分量通过图像重构得到新的图像并对该图像进行二次中值滤波得到增强以后的字符图像。
本发明一种低对比度字符图像增强方法包括如下步骤:
(1)字符图像小波分解;
(2)字符图像低频分量Gamma校正;
(3)字符图像高频分量中值滤波;
(4)字符图像各分量图像重构;
(5)重构后的字符图像二次中值滤波。
本发明的有益技术效果:
利用小波变换将图像分解为含有噪声的高频部分和包含主要信息的低频部分,采用Gamma校正提升低频部分的对比度、采用中值滤波滤除高频部分中存在的椒盐噪声,将各分量通过小波重构得到新的图像,并通过二次中值滤波完成低对比度字符图像的增强,有效提升低对比度字符图像中字符与背景的对比度和图像的整体显示效果。
附图说明
图1是本发明一种低对比度字符图像增强方法的流程图;
图2是待处理原图(对其进行灰度拉伸,便于观察图像内容);
图3是原图使用本发明方法处理后的效果图。
具体实施方式
结合附图1-3说明本发明的具体操作。
本发明是针对复杂光照环境下低对比度字符图像提出的增强方法。字符图像增强方法思想是通过小波分解得到图像的各分量,针对低频分量采用Gamma校正调整字符与背景之间的对比度,针对高频分量采用中值滤波去除存在的椒盐噪声,将处理完成的各分量通过图像重构得到新的图像并对该图像进行二次中值滤波得到增强以后的字符图像。
本发明一种低对比度字符图像增强方法包括如下步骤:
(1)字符图像小波分解;
(2)字符图像低频分量Gamma校正;
(3)字符图像高频分量中值滤波;
(4)字符图像各分量图像重构;
(5)重构后的字符图像二次中值滤波。
以特钢棒材精整生产线棒材端面标记字符图像增强处理为例介绍本发明一种低对比度字符图像增强方法。
本发明所采用图像采集系统由型号为MER-500-14GM/C的大恒千兆网相机、型号为M0814-MP2的镜头、型号为CST-RS12090-B的蓝色环形光源、型号为CST-DPS24120C-4TD的光源控制器和研华工控机(CORE I5-6500(65W)处理器、AIMB-505G2工控主板、256G2.5"SATA固态硬盘以及8G DDR4内存)构成。
本发明采用康迪牌型号为K68S的油墨喷码仪进行喷码,该喷码仪所用油墨颜色为白色,在特钢棒材端面进行字符喷印,所喷印字符由方形标志点、百位数字、十位数字、个位数字及圆形标志点从左向右依次排列组成。
本发明为验证图像增强方法的可行性,在实验室模拟钢厂光照条件,通过图像采集系统得到多张特钢棒材端面图像,采用本发明图像增强方法对特钢棒材端面图像进行处理。
为了使低对比度字符图像得到增强,首先将特钢棒材端面图像进行小波分解,然后将图像低频分量进行Gamma校正、高频分量进行中值滤波,最后将处理后的各图像分量进行图像重构并对重构后的图像进行二次中值滤波,作为图像增强结果。
1字符图像小波分解
二维图像的小波变换是通过小波基函数表示图像,小波有多种基函数,基函数的不同会影响图像分解的效果。通过对多种小波基函数的分析,采用Harr小波对特钢棒材端面字符图像进行分解。在图像的小波分解过程中,需要由尺度函数和小波函数共同进行分解,尺度函数用于表征图像的低频分量,小波函数用于表征图像的高频分量。
Harr小波函数的定义为:
Harr尺度函数定义为:
图像在进行小波分解时需要从水平和竖直两个方向分别进行计算,图像会被分解为低频信息、水平边缘信息、垂直边缘信息和对角信息,在MATLAB环境下使用dwt2函数可完成图像的小波分解,代码为:
[cA1,cH1,cV1,cD1]=dwt2(I,'harr');%cA1为图像分解后的低频信息分量,cH1为图像分解后的水平信息分量,cV1为图像分解后的竖直水平信息分量,cD1为图像分解后的对角信息分量。
2字符图像低频分量Gamma校正
将小波变换分解出的图像低频分量进行Gamma校正,计算公式如下:
其中,Iij为输入图像i行j列像素灰度值,Oij为输出图像i行j列像素灰度值,M为图像像素的行数,N为图像像素的列数,γ为校正系数。当γ<1时,会将图像的亮度整体提高,这有助于提升较暗区域的亮度;当γ>1时,会将图像的整体亮度降低,这有助于调整亮度过强的区域。在MATLAB环境下进行图像Gamma校正的代码为:
I1=I./255.0;%将图像灰度值范围调整到0到1
Igammacorrection=imadjust(I1,[0 1.0],[0 1.0],3.5);%进行Gamma校正,经过大量试验发现,参数γ的取值为3.5时效果最好。
Igammacorrection=Igammacorrection.*255;%将图像灰度值范围调整到0到255。
I3=uint8(Igammacorrection);%转换图像格式便于观察显示。
3将图像高频分量进行中值滤波
由于特钢棒材在生产过程中需要对其切割,其端面比较粗糙,加之生产环境光照复杂,这也导致采集到的特钢棒材端面图像中会有大量的噪声影响,经过图像的小波分解可以发现高频信息分量中存在大量的噪声且大多为孤立的噪声点。而对于孤立噪声点的去除,中值滤波有着很大的优势,该方法能够在消除噪声的同时不会使边缘模糊。将小波分解出的图像高频分量进行中值滤波,将含有的噪声过滤,计算公式如下:
O(x,y)=med{I(x-m,y-n)},(m,n∈W)
其中,O(x,y)为输出图像,I(x,y)为输入图像,W为滑动窗口。MATLAB环境下使用medfilt2函数完成高频信息的中值滤波,代码为:
I_med=medfilt2(I3,[1,1]);%I3为图像高频分量图像,[1,1]为窗口大小。
4将处理以后各分量进行图像重构
图像低频分量经过Gamma校正后,字符与背景之间的对比度得到了增强;图像高频分量经过中值滤波后,图像中含有的大部分噪声得到了滤除;将处理完的各分量进行图像重构即可得到新的图像。在MATLAB环境下使用idwt函数对处理完成的图像各分量进行重构得到新的图像,代码为:
ss=idwt(cA1,cH1,cV1,cD1,′harr′);%将处理后的各图像分量进行重构。
5将重构后的图像进行二次中值滤波
重构完成的图像中仍然会存在噪声,在MATLAB环境下再次使用medfilt2函数完成重构后图像的二次中值滤波,最终完成特钢棒材字符图像的增强。
将特钢棒材低对比度图像分别使用Retinex方法、同态滤波方法、直方图均衡化方法及本发明方法进行处理,并计算各处理后图像的信息熵、峰值信噪比及平均梯度得到表1结果:
表1评价指标计算结果
评价指标 | 原图 | Retinex | 同态滤波 | 直方图均衡化 | 本发明 |
信息熵 | 3.4581 | 3.5342 | 5.6544 | 3.4908 | 4.7216 |
峰值信噪比 | - | 3.9727 | 15.7053 | 4.8981 | 17.532 |
平均梯度 | 1.7095 | 12.7748 | 6.0701 | 37.7757 | 6.9921 |
从表1可以看出,在信息熵方面,同态滤波方法和本发明的值都得到了大幅度提高,说明经过这两种方法处理的图片对比度得到了增强;在峰值信噪比方面,同态滤波方法和本发明方法的值提高幅度远远大于其他方法,说明该两种方法可以很好的抑制图像种的噪声;在平均梯度方面,四种方法相对于原图都有了大幅提高,其中Retinex方法和直方图均衡化方法的幅度过大,造成图像过增强,噪声也得到了增强,仍然不能将需要的信息很好的区分出来。
综上所述,同态滤波方法和本发明能够达到增强图像对比度的目的,但是同态滤波方法会使图像的字符区域产生阴影,不能满足后续字符识别的要求,而本发明方法与同态滤波方法相比较,图像增强效果明显,图像也更清晰。
Claims (6)
1.一种低对比度字符图像增强方法,用于实现低对比度字符图像增强,其特征在于,该方法包含如下步骤:
第1步,字符图像小波分解;
第2步,字符图像低频分量Gamma校正;
第3步,字符图像高频分量中值滤波;
第4步,字符图像各分量图像重构;
第5步,重构后的字符图像二次中值滤波。
2.根据权利要求1所述的一种低对比度字符图像增强方法,其特征在于,方法第1步采用Harr小波对字符图像进行分解,在图像的小波分解过程中,由尺度函数和小波函数共同进行分解,尺度函数用于表征图像的低频分量,小波函数用于表征图像的高频分量,图像在进行小波分解时从水平和竖直两个方向分别进行计算,图像被分解为低频信息、水平边缘信息、垂直边缘信息和对角信息,在MATLAB环境下使用dwt2函数完成图像的小波分解。
4.根据权利要求1所述的一种低对比度字符图像增强方法,其特征在于,方法第3步中值滤波的计算公式为:O(x,y)=med{I(x-m,y-n)},(m,n∈W),其中,O(x,y)为输出图像,I(x,y)为输入图像,W为滑动窗口,MATLAB环境下使用medfilt2函数完成高频信息的中值滤波,窗口大小为[1,1]。
5.根据权利要求1所述的一种低对比度字符图像增强方法,其特征在于,方法第4步在MATLAB环境下使用idwt函数对图像各分量重构。
6.根据权利要求1所述的一种低对比度字符图像增强方法,其特征在于,方法第5步中值滤波的计算公式为:O(x,y)=med{I(x-m,y-n)},(m,n∈W),其中,O(x,y)为输出图像,I(x,y)为输入图像,W为滑动窗口,MATLAB环境下使用medfilt2函数完成高频信息的中值滤波,窗口大小为[1,1]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110657621.7A CN113256532A (zh) | 2021-06-13 | 2021-06-13 | 一种低对比度字符图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110657621.7A CN113256532A (zh) | 2021-06-13 | 2021-06-13 | 一种低对比度字符图像增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113256532A true CN113256532A (zh) | 2021-08-13 |
Family
ID=77187877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110657621.7A Pending CN113256532A (zh) | 2021-06-13 | 2021-06-13 | 一种低对比度字符图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256532A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961172A (zh) * | 2018-05-17 | 2018-12-07 | 贵州莜桔西科技有限公司 | 一种基于Gamma校正的图像对比度增强方法 |
CN110502592A (zh) * | 2019-08-27 | 2019-11-26 | 深圳供电局有限公司 | 基于大数据分析技术的项目域主题分析系统 |
CN111583123A (zh) * | 2019-02-17 | 2020-08-25 | 郑州大学 | 一种基于小波变换的融合高低频信息的图像增强算法 |
CN111768350A (zh) * | 2020-06-10 | 2020-10-13 | 中国人民解放军军事科学院国防科技创新研究院 | 一种红外图像增强方法及系统 |
CN111798396A (zh) * | 2020-07-01 | 2020-10-20 | 中通服咨询设计研究院有限公司 | 一种基于小波变换的多功能图像处理方法 |
CN112288652A (zh) * | 2020-10-30 | 2021-01-29 | 西安科技大学 | 一种基于PSO寻优的引导滤波-Retinex低照度图像增强方法 |
-
2021
- 2021-06-13 CN CN202110657621.7A patent/CN113256532A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961172A (zh) * | 2018-05-17 | 2018-12-07 | 贵州莜桔西科技有限公司 | 一种基于Gamma校正的图像对比度增强方法 |
CN111583123A (zh) * | 2019-02-17 | 2020-08-25 | 郑州大学 | 一种基于小波变换的融合高低频信息的图像增强算法 |
CN110502592A (zh) * | 2019-08-27 | 2019-11-26 | 深圳供电局有限公司 | 基于大数据分析技术的项目域主题分析系统 |
CN111768350A (zh) * | 2020-06-10 | 2020-10-13 | 中国人民解放军军事科学院国防科技创新研究院 | 一种红外图像增强方法及系统 |
CN111798396A (zh) * | 2020-07-01 | 2020-10-20 | 中通服咨询设计研究院有限公司 | 一种基于小波变换的多功能图像处理方法 |
CN112288652A (zh) * | 2020-10-30 | 2021-01-29 | 西安科技大学 | 一种基于PSO寻优的引导滤波-Retinex低照度图像增强方法 |
Non-Patent Citations (1)
Title |
---|
杨雪等: "融合小波变换与改进PCNN的图像增强算法研究", 《计算机工程与应用》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104063848B (zh) | 一种低照度图像增强方法和装置 | |
US10168526B2 (en) | Cell contour formation apparatus and method of the same, and non-transitory computer readable storage medium storing a cell contour formation program | |
CN111583123A (zh) | 一种基于小波变换的融合高低频信息的图像增强算法 | |
CN103093433B (zh) | 基于区域划分和字典学习的自然图像去噪方法 | |
CN104574293B (zh) | 基于有界运算的多尺度Retinex图像清晰化算法 | |
CN110930327B (zh) | 基于级联深度残差网络的视频去噪方法 | |
CN104182939B (zh) | 一种医疗影像图像细节增强方法 | |
CN110232668B (zh) | 一种多尺度图像增强方法 | |
CN112308872B (zh) | 基于多尺度Gabor一阶导数的图像边缘检测方法 | |
CN109118434A (zh) | 一种图像预处理方法 | |
CN113344810A (zh) | 基于动态数据分布的图像增强方法 | |
Gopinathan et al. | Wavelet and FFT Based Image Denoising Using Non-Linear Filters. | |
CN104881847A (zh) | 一种基于小波分析和伪彩色处理的比赛视频图像增强方法 | |
CN103700077B (zh) | 一种基于人眼视觉特性的自适应图像增强方法 | |
CN108492268A (zh) | 基于小波系数融合的低照度图像增强算法 | |
CN107169932A (zh) | 一种适用于中子成像系统图像的基于高斯‑泊松混合噪声模型的图像复原方法 | |
CN117252773A (zh) | 基于自适应颜色校正和导向滤波的图像增强方法及系统 | |
CN101889295B (zh) | 生成多尺度对比度增强的图像的方法 | |
CN108090914B (zh) | 基于统计建模与像素分类的彩色图像分割方法 | |
CN106296599A (zh) | 一种自适应图像增强方法 | |
CN113256532A (zh) | 一种低对比度字符图像增强方法 | |
CN115937302A (zh) | 结合边缘保持的高光谱图像亚像元定位方法 | |
CN109584190A (zh) | 一种基于小波变换低频直方图受限的对比度图像增强方法 | |
CN106780398A (zh) | 一种基于噪声预测的图像去噪方法 | |
CN107644226A (zh) | 有利于图像识别的图像处理方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210813 |
|
RJ01 | Rejection of invention patent application after publication |