CN117314766B - 一种手机钢化玻璃膜表面图像增强方法和系统 - Google Patents

Abstract

本发明公开了一种手机钢化玻璃膜表面图像增强方法和系统，包括：S1：基于图像去噪算法消除手机钢化玻璃膜表面图像中的噪声，获得去噪后的图像；S2：使用阈值分割算法将去噪后的图像分为前景和背景，并保留前景部分得到背景去除后的图像；S3：基于暗通道先验算法减少背景去除后的图像中的光影，获得光影去除后的图像；S4：对光影去除后的图像进行直方图均衡化，获得处理后的图像；S5：使用融合算法，将处理后的图像与背景去除后的图像进行融合，获得增强后的图像。本发明能够提高手机钢化玻璃膜表面图像的清晰度和细节表现，为后续缺陷识别和分析提供有效支持。

Description

一种手机钢化玻璃膜表面图像增强方法和系统

技术领域

本发明涉及图像增强的技术领域，尤其涉及一种手机钢化玻璃膜表面图像增强方法和系统。

背景技术

随着智能手机的普及，钢化玻璃膜已成为保护手机屏幕的重要产品。为了检测钢化玻璃膜的表面缺陷，采用自动化检测需要对其进行图像采集和处理。但是，直接对钢化玻璃膜表面图像进行处理存在诸多问题，比如光线反射会产生强烈的光斑，影响表面细节、背景区域会对图像分析造成干扰、对比度和细节表达不足，无法突出缺陷等等。因此，为实现钢化玻璃膜表面微细结构和缺陷的自动检测，需要一种更好的图像增强方案，来提高钢化玻璃膜表面图像的质量。现有方法往往直接对整个图像进行增强处理，无法突出钢化玻璃膜区域，背景干扰较大。同时，现有方法对整体颜色和亮度的调整不够，无法很好地提升显示效果，进而影响检测判断。

发明内容

有鉴于此，本发明提供一种手机钢化玻璃膜表面图像增强方法和系统，目的在于通过图像去噪、背景去除、光影消除、直方图均衡化和图像融合等处理，提高手机钢化玻璃膜表面图像的清晰度和细节表现，为后续缺陷识别和分析提供有效支持。

实现上述目的，本发明提供的一种手机钢化玻璃膜表面图像增强方法，包括以下步骤：

S1：基于图像去噪算法消除手机钢化玻璃膜表面图像中的噪声，获得去噪后的图像；

S2：使用阈值分割算法将去噪后的图像分为前景和背景，并保留前景部分得到背景去除后的图像；

S3：基于暗通道先验算法减少背景去除后的图像中的光影，获得光影去除后的图像；

S4：对光影去除后的图像进行直方图均衡化，获得处理后的图像；

S5：使用融合算法，将处理后的图像与背景去除后的图像进行融合，获得增强后的图像。

作为本发明的进一步改进方法：

可选地，所述S1步骤中基于图像去噪算法消除手机钢化玻璃膜表面图像中的噪声，获得去噪后的图像，包括：

S11：计算5×5窗口内像素的均值和方差：

其中，I表示手机钢化玻璃膜表面图像；(m,n)表示像素位置；和/>表示像素的偏移；

S12：根据去噪阈值输出去噪后的像素值：

计算去噪阈值τ：

其中，Δ为5×5窗口内像素与窗口中心像素的差值；

基于去噪阈值计算去噪后的像素值，计算方法为：

其中，I′₁,I′₂,…,I′_τ为满足去噪阈值条件的5×5窗口内像素；ean(·)和Median(·)分别计算均值和中值；为去噪后的图像；

可选地，所述S2步骤中使用阈值分割算法将去噪后的图像分为前景和背景，并保留前景部分得到背景去除后的图像，包括：

基于S1获得的去噪后的图像，使用阈值分割算法将去噪后的图像分为前景和背景，并保留前景部分得到背景去除后的图像，该步骤的流程为：

S21：计算分割阈值：

其中，和/>分别为去噪后的图像的最小值和最大值；

S22：计算分割后前景和背景的均值：

利用分割阈值T将去噪后的图像分为前景和背景：

其中，表示去噪后的图像在像素位置(m,n)处的像素值。进一步计算前景和背景的均值：

其中，Num_Front和Num_Back分别为前景和背景的像素数目；

S23：分割阈值更新：

基于前景和背景的均值更新分割阈值，阈值的更新方式为：

重复S22与S23直至分割阈值不再变化，分割出前景和背景，保留前景部分得到背景去除后的图像

可选地，所述S3步骤中基于暗通道先验算法减少背景去除后的图像中的光影，获得光影去除后的图像，包括：

基于S2获得的背景去除后的图像，使用暗通道先验算法减少背景去除后的图像中的光影，获得光影去除后的图像，该步骤的流程为：

S31：计算暗通道：

对于每个背景去除后的像素位置(x,y)，通过滑动的3×3窗口找到该窗口内红、绿、蓝通道的最小值作为暗通道Dark：

其中，Red、Green和Blue分别代表背景去除后的图像的红、绿和蓝通道；min函数用于获得最小值；

S32：计算环境光：

通过在暗通道中选择像素值较大的位置，并从对应的背景去除后的图像中获取该位置的像素值，用于计算环境光：

其中，是使暗通道达到最大值的位置；

S33：计算透射率：

建立透射率与暗通道的关系，表达方式为：

S34：计算光影去除后的图像：

使用透射率来计算光影去除后的图像。对于每个像素位置(x,y)，使用以下公式计算光影去除后的图像像素值：

Red′、Green′和Blue′分别代表光影去除后的红、绿和蓝通道；max(·)获得最大值；

光影去除后的图像I′为：

I′＝[Red′,Green′,Blue′]

可选地，所述S4步骤中对光影去除后的图像进行直方图均衡化，获得处理后的图像，包括：

基于S3获得的光影去除后的图像，对其进行直方图均衡化，获得处理后的图像，该步骤的流程为：

S41：颜色空间变换：

将光影去除后的图像所在的红-绿-蓝空间变换为色调-饱和度-明度空间，获得明度V和饱和度分量S，所述变换方式为：

V＝max(I′)

S42：明度分量均衡化

对明度分量每一个灰度级进行映射，获得均衡化后的明度分量，所述映射方式为：

其中，v_i和v_max分别表示明度分量第i个灰度级和最大灰度级，i＝0,1,2,…,255；α为映射系数，通过优化以下目标得到：

其中，表示明度分量映射后的第i个灰度级；H表示信息熵，计算方式为：

其中，获得灰度级为/>的像素个数；N表示像素总数；

随机生成α计算L，选取使得L达到最大值的α作为映射系数；获得均衡化后的明度分量：

S43：饱和度分量拉伸：

拉伸后的饱和度分量由下式计算得到：

S′＝max(S_Red′,S_Green′,S_Blue′)

其中，S_Red′,S_Green′,S_Blue′分别代表Red′、Green′、Blue′通道的饱和度；

基于均衡化后的明度分量和拉伸后的饱和度分量，将色调-饱和度-明度空间逆变换为红-绿-蓝空间，获得处理后的图像

可选地，所述S5步骤中使用融合算法，将处理后的图像与背景去除后的图像进行融合，获得增强后的图像，包括：

基于S4获得的处理后的图像，将其与背景去除后的图像进行融合，获得增强后的图像，该步骤的流程为：

S51：计算处理后的图像与背景去除后的图像的局部能量：

其中，和/>分别是处理后的图像与背景去除后的图像的局部能量；和/>(x+a,y+b)分别表示处理后的图像和背景去除后的图像在像素位置(x+a,y+b)处的值；a＝-1,0,1，b＝-1,0,1；

S52：计算局部匹配度：

根据S51获取的局部能量计算处理后的图像与背景去除后的图像的局部匹配度：

S53：图像加权融合：

设置匹配度判断阈值ε，若Score(x,y)＜0.6，则加权融合的结果为：

若Score(x,y)≥0.6，则加权融合的结果为：

其中，γ₁和γ₂为加权系数，计算方式为：

γ₂＝1-γ₁

本发明还公开了一种手机钢化玻璃膜表面图像增强系统，包括：

图像去噪模块：消除手机钢化玻璃膜表面图像中的噪声，获得去噪后的图像；

前景提取模块：将去噪后的图像分为前景和背景，并保留前景部分得到背景去除后的图像；

光影去除模块：基于暗通道先验算法减少背景去除后的图像中的光影，获得光影去除后的图像；

均衡化模块：对光影去除后的图像进行直方图均衡化，获得处理后的图像；

融合模块：使用融合算法，将处理后的图像与背景去除后的图像进行融合，获得增强后的图像。

有益效果：

采用图像去噪算法，本发明能够消除手机钢化玻璃膜表面图像中的噪声，使得图像更加平滑，细节更加清晰。这有助于提高图像的可视性和识别准确性。

通过采用暗通道先验算法，本发明能够减少图像中的光影反射，使得手机钢化玻璃膜表面图像的显示更为清晰。该算法能够有效地将光影部分降低，突出图像的细节，提高图像质量。

采用阈值分割算法，本发明能够将图像准确地分割为前景和背景部分。这有助于保留关键的前景信息，且避免背景信息干扰，使得增强后的图像更具焦点和清晰度。

通过优化的直方图均衡化算法，本发明能够在增强图像的同时，保持图像的细节信息。相比传统直方图均衡化，改进的方法能够更好地保留原始图像中的细节，使得图像更加自然。

本发明采用融合算法将处理后的图像与背景去除后的图像进行融合，避免了传统融合算法可能导致的边界不连续和伪影问题。这样，增强后的图像在整体效果上更为平滑和自然。

综上所述，本发明的手机钢化玻璃膜表面图像增强方法通过多个步骤的处理，能够显著地减少光影反射、去除噪声、准确分割前景背景、保留图像细节，并通过优化的图像融合得到高质量的增强图像，提升了手机钢化玻璃膜表面图像的可视性。

附图说明

图1为本发明一实施例的一种手机钢化玻璃膜表面图像增强方法的流程示意图；

具体实施方式

下面结合附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。

实施例1：一种手机钢化玻璃膜表面图像增强方法，如图1所示，包括以下步骤：

S1：基于图像去噪算法消除手机钢化玻璃膜表面图像中的噪声，获得去噪后的图像：

S11：计算5×5窗口内像素的均值和方差：

其中，I表示手机钢化玻璃膜表面图像；(m,n)表示像素位置；和/>表示像素的偏移；

S12：根据去噪阈值输出去噪后的像素值：

计算去噪阈值τ：

其中，Δ为5×5窗口内像素与窗口中心像素的差值；

基于去噪阈值计算去噪后的像素值，计算方法为：

其中，I′₁,I′₂,…,I′_τ为满足去噪阈值条件的5×5窗口内像素；Mean(·)和Median(·)分别计算均值和中值；为去噪后的图像；

在实际拍摄和传输过程中，图像常常会受到各种因素的干扰，例如传感器噪声、摄像头抖动、信号干扰等，这些因素都会导致图像中出现噪点和颗粒，影响图像的观感和识别准确性。通过图像去噪算法，可以有效地消除这些噪声，使得图像更加清晰和可视。去噪后的图像在视觉上更加舒适，细节更加明确，有助于提高图像的识别和分析效果。此步骤为后续的图像增强和处理提供了更好的基础，使得手机钢化玻璃膜表面图像增强方法能够在更干净的图像上进行后续处理，从而获得更好的增强效果。

S2：使用阈值分割算法将去噪后的图像分为前景和背景，并保留前景部分得到背景去除后的图像：

基于S1获得的去噪后的图像，使用阈值分割算法将去噪后的图像分为前景和背景，并保留前景部分得到背景去除后的图像，该步骤的流程为：

S21：计算分割阈值：

其中，和/>分别为去噪后的图像的最小值和最大值；

S22：计算分割后前景和背景的均值：

利用分割阈值T将去噪后的图像分为前景和背景：

其中，表示去噪后的图像在像素位置(m,n)处的像素值。进一步计算前景和背景的均值：

其中，Num_Front和Num_Back分别为前景和背景的像素数目；

S23：分割阈值更新：

基于前景和背景的均值更新分割阈值，阈值的更新方式为：

重复S22与S23直至分割阈值不再变化，分割出前景和背景，保留前景部分得到背景去除后的图像

使用阈值分割算法将去噪后的图像分为前景和背景，并保留前景部分得到背景去除后的图像，能够去除图像中不需要的背景部分，突出图像中的主体信息，使得后续处理更加专注于前景区域的增强。手机钢化玻璃膜表面图像通常包含背景和前景，背景是图像中不需要强调的部分，而前景则包含了关键的信息和细节。通过阈值分割算法，本发明可以将图像中的像素根据其灰度值与设定的阈值进行比较，并将像素分为前景和背景。

S3：基于暗通道先验算法减少背景去除后的图像中的光影，获得光影去除后的图像：

基于S2获得的背景去除后的图像，使用暗通道先验算法减少背景去除后的图像中的光影，获得光影去除后的图像，该步骤的流程为：

S31：计算暗通道：

对于每个背景去除后的像素位置(x,y)，通过滑动的3×3窗口找到该窗口内红、绿、蓝通道的最小值作为暗通道Dark：

其中，Red、Green和Blue分别代表背景去除后的图像的红、绿和蓝通道；min函数用于获得最小值；

S32：计算环境光：

通过在暗通道中选择像素值较大的位置，并从对应的背景去除后的图像中获取该位置的像素值，用于计算环境光：

其中，是使暗通道达到最大值的位置；

S33：计算透射率：

建立透射率与暗通道的关系，表达方式为：

S34：计算光影去除后的图像：

使用透射率来计算光影去除后的图像。对于每个像素位置(x,y)，使用以下公式计算光影去除后的图像像素值：

Red′、Green′和Blue′分别代表光影去除后的红、绿和蓝通道；max(·)获得最大值；

光影去除后的图像I′为：

I′＝[Red′,Green′,Blue′]

手机钢化玻璃膜表面图像在拍摄过程中，可能受到光照条件的影响，导致图像中出现光影现象，例如部分区域过亮或过暗。这些光影反射会掩盖图像中的细节信息，降低图像的质量和可视性。通过暗通道先验算法，可以计算图像中的光影分布，并根据计算的信息对图像进行处理，将过亮或过暗的部分进行补偿，从而减少光影的影响，使得图像中的细节更加清晰可见。光影去除后的图像能够更好地展示手机钢化玻璃膜表面的细节和纹理，使得图像增强效果更加有效。同时，光影去除后的图像为后续的图像增强步骤提供了更好的基础，使得接下来的处理更加精确和有效。

S4：对光影去除后的图像进行直方图均衡化，获得处理后的图像：

基于S3获得的光影去除后的图像，对其进行直方图均衡化，获得处理后的图像，该步骤的流程为：

S41：颜色空间变换：

将光影去除后的图像所在的红-绿-蓝空间变换为色调-饱和度-明度空间，获得明度v和饱和度分量S，所述变换方式为：

V＝max(I′)

S42：明度分量均衡化

对明度分量每一个灰度级进行映射，获得均衡化后的明度分量，所述映射方式为：

其中，v_i和v_max分别表示明度分量第i个灰度级和最大灰度级，i＝0,1,2,…,255；α为映射系数，通过优化以下目标得到：

其中，表示明度分量映射后的第i个灰度级；H表示信息熵，计算方式为：

其中，获得灰度级为/>的像素个数；N表示像素总数；

随机生成α计算L，选取使得L达到最大值的α作为映射系数；获得均衡化后的明度分量：

S43：饱和度分量拉伸：

拉伸后的饱和度分量由下式计算得到：

S′＝max(S_Red′,S_Geen′,S_Blue′)

其中，S_Red′,S_Green′,S_Blue′分别代表REd′、Green′、Blue′通道的饱和度；

基于均衡化后的明度分量和拉伸后的饱和度分量，将色调-饱和度-明度空间逆变换为红-绿-蓝空间，获得处理后的图像

在进行光影去除后，图像中的光照分布可能变得较为均匀，但有些区域仍然可能存在亮度不足或过度的问题。这会导致图像中一些细节仍然不够明显，图像整体视觉效果仍不够理想。通过直方图均衡化，可以重新分布图像像素的灰度级，使得图像的灰度值范围更广泛地分布在整个灰度级范围内。这样，原本过亮或过暗的像素值会被拉伸到适当的范围内，增加图像的对比度，使得图像中的细节更加突出。

S5：使用融合算法，将处理后的图像与背景去除后的图像进行融合，获得增强后的图像：

基于S4获得的处理后的图像，将其与背景去除后的图像进行融合，获得增强后的图像，该步骤的流程为：

S51：计算处理后的图像与背景去除后的图像的局部能量：

其中，和/>分别是处理后的图像与背景去除后的图像的局部能量；和/>(x+a,y+b)分别表示处理后的图像和背景去除后的图像在像素位置(x+a,y+b)处的值；a＝-1,0,1，b＝-1,0,1；

S52：计算局部匹配度：

根据S51获取的局部能量计算处理后的图像与背景去除后的图像的局部匹配度：

S53：图像加权融合：

设置匹配度判断阈值ε，若Score(x,y)＜0.6，则加权融合的结果为：

若Score(x,y)≥0.6，则加权融合的结果为：

其中，γ₁和γ₂为加权系数，计算方式为：

γ₂＝1-γ₁

在前面的步骤中，本发明对图像进行了光影去除和直方图均衡化等处理，分别针对图像的不同部分进行优化，以减少光影、增强细节和对比度。然而，这些处理可能导致图像在某些区域出现边界不连续或明显的伪影，因为处理后的图像和背景去除后的图像之间可能存在差异。通过融合算法，本发明将处理后的图像和背景去除后的图像进行融合，将它们的优点结合起来，以得到更平滑、连续且自然的增强图像。融合算法可以根据图像的特点和像素之间的差异，将两幅图像进行加权平均或逐像素融合，使得图像在融合区域内过渡更加自然，避免突兀的边界和伪影。

实施例2：本发明还公开了一种手机钢化玻璃膜表面图像增强系统，包括以下五个模块：

图像去噪模块：消除手机钢化玻璃膜表面图像中的噪声，获得去噪后的图像；

前景提取模块：将去噪后的图像分为前景和背景，并保留前景部分得到背景去除后的图像；

光影去除模块：基于暗通道先验算法减少背景去除后的图像中的光影，获得光影去除后的图像；

均衡化模块：对光影去除后的图像进行直方图均衡化，获得处理后的图像；

融合模块：使用融合算法，将处理后的图像与背景去除后的图像进行融合，获得增强后的图像。

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (2)

1.一种手机钢化玻璃膜表面图像增强方法，其特征在于，包括以下步骤：

S1：基于图像去噪算法消除手机钢化玻璃膜表面图像中的噪声，获得去噪后的图像；

S2：基于S1获得的去噪后的图像，使用阈值分割算法将去噪后的图像分为前景和背景，并保留前景部分得到背景去除后的图像；

S3：基于S2获得的背景去除后的图像，通过暗通道先验算法减少背景去除后的图像中的光影，获得光影去除后的图像；

S4：基于S3获得的光影去除后的图像，对光影去除后的图像进行直方图均衡化，获得处理后的图像；

S5：基于S4获得的处理后的图像，使用融合算法，将处理后的图像与背景去除后的图像进行融合，获得增强后的图像；

所述步骤S1包括以下步骤：

S11：计算窗口内像素的均值和方差：

；

；

其中，表示手机钢化玻璃膜表面图像；/>表示像素位置；/>和/>表示像素的偏移；

S12：根据去噪阈值输出去噪后的像素值：

计算去噪阈值：

；

其中，为/>窗口内像素与窗口中心像素的差值；

基于去噪阈值计算去噪后的像素值，计算方法为：

；

其中，为满足去噪阈值条件的/>窗口内像素；/>和/>分别计算均值和中值；/>为去噪后的图像；

所述步骤S2包括以下步骤：

S21：计算分割阈值：

；

其中，和/>分别为去噪后的图像的最小值和最大值；

S22：计算分割后前景和背景的均值：

利用分割阈值将去噪后的图像分为前景和背景：

；

其中，表示去噪后的图像在像素位置/>处的像素值，进一步计算前景和背景的均值：

；

其中，和/>分别为前景和背景的像素数目；

S23：分割阈值更新：

基于前景和背景的均值更新分割阈值，阈值的更新方式为：

；

重复S22与S23直至分割阈值不再变化，分割出前景和背景，保留前景部分得到背景去除后的图像；

所述步骤S3包括以下步骤：

S31：计算暗通道：

对于每个背景去除后的像素位置，通过滑动的/>窗口找到该窗口内红、绿、蓝通道的最小值作为暗通道/>：/>；

其中，、/>和/>分别代表背景去除后的图像的红、绿和蓝通道；

S32：计算环境光：

通过在暗通道中选择像素值较大的位置，并从对应的背景去除后的图像中获取该位置的像素值，用于计算环境光：

；

其中，是使暗通道达到最大值的位置；

S33：计算透射率：

建立透射率与暗通道的关系，表达方式为：

；

S34：计算光影去除后的图像：

使用透射率来计算光影去除后的图像，对于每个像素位置，使用以下公式计算光影去除后的图像像素值：

；

、/>和/>分别代表光影去除后的红、绿和蓝通道；/>获得最大值；

光影去除后的图像为：

；

所述步骤S4包括以下步骤：

S41：颜色空间变换

将光影去除后的图像所在的红-绿-蓝空间变换为色调-饱和度-明度空间，获得明度和饱和度分量/>，所述变换方式为：

；

；

S42：明度分量均衡化

对明度分量每一个灰度级进行映射，获得均衡化后的明度分量，所述映射方式为：

；

其中，和/>分别表示明度分量第/>个灰度级和最大灰度级，/>；/>为映射系数，通过优化以下目标/>得到：

；

其中， 表示明度分量映射后的第/>个灰度级；H 表示信息熵，计算方式为：

；

；

其中，获得灰度级为/>的像素个数；/>表示像素总数；

随机生成计算L，选取使得L达到最大值的/>作为映射系数；获得均衡化后的明度分量：

；

S43：饱和度分量拉伸：

拉伸后的饱和度分量由下式计算得到

；

其中，分别代表/>、/>、/>通道的饱和度；

基于均衡化后的明度分量和拉伸后的饱和度分量，将色调-饱和度-明度空间逆变换为红-绿-蓝空间，获得处理后的图像；

所述步骤S5包括以下步骤：

S51：计算处理后的图像与背景去除后的图像的局部能量：

；

；

其中，和/>分别是处理后的图像与背景去除后的图像的局部能量；/>和分别表示处理后的图像和背景去除后的图像在像素位置/>处的值；，/>；

S52：计算局部匹配度：

根据S51获取的局部能量计算处理后的图像与背景去除后的图像的局部匹配度：

；

S53：图像加权融合：

设置匹配度判断阈值，若/>，则加权融合的结果为：

；

若，则加权融合的结果为：

；

其中，和/>为加权系数，计算方式为：

；

。

2.一种手机钢化玻璃膜表面图像增强系统，其特征在于，包括：

图像去噪模块：消除手机钢化玻璃膜表面图像中的噪声，获得去噪后的图像；

前景提取模块：将去噪后的图像分为前景和背景，并保留前景部分得到背景去除后的图像；

光影去除模块：基于暗通道先验算法减少背景去除后的图像中的光影，获得光影去除后的图像；

均衡化模块：对光影去除后的图像进行直方图均衡化，获得处理后的图像；

融合模块：使用融合算法，将处理后的图像与背景去除后的图像进行融合，获得增强后的图像；

以实现如权利要求1所述的一种手机钢化玻璃膜表面图像增强方法。