CN117764889A - 图像增强方法、装置及电子设备 - Google Patents
图像增强方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117764889A CN117764889A CN202311787725.5A CN202311787725A CN117764889A CN 117764889 A CN117764889 A CN 117764889A CN 202311787725 A CN202311787725 A CN 202311787725A CN 117764889 A CN117764889 A CN 117764889A
- Authority
- CN
- China
- Prior art keywords
- image
- map
- brightness
- luminance
- filtering
- 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 74
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000001914 filtration Methods 0.000 claims description 116
- 238000000605 extraction Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 230000002708 enhancing effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 19
- 230000001965 increasing effect Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000003707 image sharpening Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 241000023320 Luma <angiosperm> Species 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本申请公开了一种图像增强方法、装置及电子设备，属于图像处理技术领域。方法包括：提取输入图像的亮度信息，以将输入图像转换成为亮度图；将亮度图的轮廓与亮度图进行叠加处理，得到增强后的亮度图；将增强后的亮度图转换为输出图像。本申请通过把图像的亮度信息提取出来得到亮度图，并且对亮度图进行处理，使得图像中的颜色信息和亮度信息分离开，在保证对图像轮廓增强的同时保证图像原始色彩不会发生改变，同时避免现有技术对原始图像进行锐化处理带来的增强图像噪声的问题，从而提高图像增强的效果。
Description
技术领域
本申请属于图像处理技术领域，尤其涉及一种图像增强方法、装置及电子设备。
背景技术
近些年来，随着计算机技术的发展，影像技术被广泛的应用到现代医学的临床领域，比如核磁共振技术、计算机断层扫描技术等，这些医学影像技术给医生的诊断提供了有利的条件。通常情况下，临床医生需要对比度较好、轮廓清晰可见的图像来便于对疾病情况的判读。
但是现实生活中，光线不足、视角偏转、遮挡等因素产生往往导致图像采集的硬件设备所获得的图像质量很差，图像总是出现细节模糊的问题，这不仅影响到临床医生对图像中的信息识别能力，同时对于图像后续处理如目标识别等带来了巨大的麻烦。在这种情况下，一般需要通过对医学图像轮廓进行增强，来改善图像的视觉效果，使图像显示出更多的视觉信息。
目前医学图像处理中最广泛应用的方法是使用各种锐化方法来增强图像的轮廓，因为这种方法可以增强图像的可视性，使得工作人员可以更清晰地观察图像。然而，通过锐化方法处理图像，不仅会增强图像的轮廓，也可能会增强图像中的噪声，特别是对于微小目标，如血管、微小结节等，噪声的影响会更加显著，从而降低了图像的增强效果。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种图像增强方法、装置及电子设备，以提高图像增强效果。
第一方面，本申请提供了一种图像增强方法，包括：
提取输入图像的亮度信息，以将所述输入图像转换成为亮度图；
将所述亮度图的轮廓与所述亮度图进行叠加处理，得到增强后的亮度图；
将所述增强后的亮度图转换为输出图像。
根据本申请的图像增强方法，通过提取输入图像的亮度信息，以将所述输入图像转换成为亮度图；将所述亮度图的轮廓与所述亮度图进行叠加处理，得到增强后的亮度图；将所述增强后的亮度图转换为输出图像。本申请实施例通过把图像的亮度信息提取出来得到亮度图，并且对亮度图进行处理，使得图像中的颜色信息和亮度信息分离开，在保证对图像轮廓增强的同时保证图像原始色彩不会发生改变，同时避免现有技术对原始图像进行锐化处理带来的增强图像噪声的问题，从而提高图像增强的效果。
根据本申请的一个实施例，所述提取输入图像的亮度信息，以将所述输入图像转换成为亮度图，包括：
判断所述输入图像的色彩模式；
采用与所述输入图像的色彩模式对应的提取方式提取所述输入图像的亮度信息，以将所述输入图像转换成为亮度图。
该实施例通过对输入图像的色彩模式进行区分，使得不同色彩模式的输入图像具有不同的亮度提取方式，能够提高亮度图的转换效率。
根据本申请的一个实施例，所述提取输入图像的亮度信息，以将所述输入图像转换成为亮度图，包括：
在所述输入图像为RGB色彩模式的情况下，将所述输入图像从RGB颜色空间变换到YUV颜色空间，得到YUV图像；
提取所述YUV图像中的亮度Y分量，得到亮度图。
在该实施例中，针对RGB色彩模式的图像，可以通过将输入图像从RGB颜色空间变换到YUV颜色空间，进而提取YUV图像中的亮度Y分量，保证图像原始色度信息不会发生改变，避免处理后出现图像偏色影响后续判断，从而进一步增加图像的增强效果。
根据本申请的一个实施例，所述提取输入图像的亮度信息，以将所述输入图像转换成为亮度图，包括：
在所述输入图像为灰度图像的情况下，将所述输入图像作为亮度图。
在该实施例中，如果判断输入图像为灰度图像，由于灰度图像属于单通道图像，灰度图像的亮度图像即为灰度图像本身，不用对输入图像进行额外的处理，提高了后续图像增强的效率。
根据本申请的一个实施例，所述将所述亮度图的轮廓与所述亮度图进行叠加处理，得到增强后的亮度图，包括：
对所述亮度图进行最大值滤波处理，得到第一滤波图像；
对所述亮度图进行最小值滤波处理，得到第二滤波图像；
根据所述亮度图、所述第一滤波图像、所述第二滤波图像之间的差异计算得到第一轮廓细节图像；所述第一轮廓细节图像为增强所述亮度图的轮廓信息得到的图像；
将所述第一轮廓细节图像与所述亮度图进行叠加处理，得到增强后的亮度图。
在该实施例中，通过对亮度图分别进行最大值滤波处理和最小值滤波处理，提取轮廓信息的同时确保图像噪声不被增强，得到轮廓细节图像，进一步的，将轮廓细节图像与亮度图进行叠加处理，有效对图像增强的同时降低了图像的噪声。
根据本申请的一个实施例，所述将所述亮度图的轮廓与所述亮度图进行叠加处理，得到增强后的亮度图，包括：
对所述亮度图进行最大值滤波处理，得到第一滤波图像；
对所述亮度图进行最小值滤波处理，得到第二滤波图像；
对所述第一滤波图像进行最小值滤波处理，得到第三滤波图像；
对所述第二滤波图像进行最大值滤波处理，得到第四滤波图像；
基于所述亮度图、所述第三滤波图像、所述第四滤波图像之间的差异计算得到第二轮廓细节图像；所述第二轮廓细节图像为增强所述亮度图的轮廓信息得到的图像；
将所述第二轮廓细节图像与所述亮度图进行叠加处理，得到增强后的亮度图。
在该实施例中，由于最大值滤波和最小值滤波可能导致图像的轮廓变宽和图像噪声增大，通过二次滤波的方式，对第一次滤波图像进行最小值滤波和最大值滤波的处理，能够使提取的轮廓细节更精细同时不会增强原始的图像噪声，从而使得增强后的图像质量更高。
根据本申请的一个实施例，所述基于所述亮度图、所述第三滤波图像、所述第四滤波图像之间的差异计算得到第二轮廓细节图像，包括：
通过公式
Idetail2(x，y)＝2*Ilight(x，y)-Imax_min(x，y)-Imin_max(x，y)
计算得到第二轮廓细节图像；
其中，(x，y)为图像对应的行列值，Idetail2(x，y)表示第二轮廓细节图像Idetail2上位于行列值(x，y)处像素点的像素值，Ilight(x，y)表示亮度图位于行列值(x，y)处像素点的像素值，Imax_min(x，y)表示第三滤波图像上位于行列值(x，y)处像素点的像素值，Imin_max(x，y)表示第四滤波图像上位于行列值(x，y)处像素点的像素值。
在该实施例中，通过二次滤波的方式能够提高图像轮廓的提取精度，再根据上述公式计算亮度图与二次滤波之后的图像的差异，比对滤波前后图像的像素值，使得计算得到的轮廓细节图像更能够表示亮度图的轮廓，提高了图像轮廓的计算效率和精度。
根据本申请的一个实施例，所述将所述增强后的亮度图转换为输出图像，包括：
采用与所述输入图像的色彩模式对应的转换方式将所述增强后的亮度图转换为输出图像。
在该实施例中，由于进行图像增强时对图像进行了转换操作，通过采用与输入图像的色彩模式对应的转换方式将增强后的亮度图转换为输出图像，能够使输出的增强图像的颜色类别与输入图像一致，提高了图像的质量，加强图像判读和识别效果。
第二方面，本申请提供了一种图像增强装置，包括：
提取模块，用于提取输入图像的亮度信息，以将所述输入图像转换成为亮度图；
增强模块，用于将所述亮度图的轮廓与所述亮度图进行叠加处理，得到增强后的亮度图；
转换模块，用于将所述增强后的亮度图转换为输出图像。
根据本申请的图像增强装置，通过提取输入图像的亮度信息，以将所述输入图像转换成为亮度图；将所述亮度图的轮廓与所述亮度图进行叠加处理，得到增强后的亮度图；将所述增强后的亮度图转换为输出图像。本申请实施例通过把图像的亮度信息提取出来得到亮度图，并且对亮度图进行处理，使得图像中的颜色信息和亮度信息分离开，在保证对图像轮廓增强的同时保证图像原始色彩不会发生改变，同时避免现有技术对原始图像进行锐化处理带来的增强图像噪声的问题，从而提高图像增强的效果。
第三方面，本申请提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。
第四方面，本申请提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的方法。
第五方面，本申请提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如上述第一方面所述的方法。
第六方面，本申请提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的方法。
本申请实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：
根据本申请的图像增强方法，通过提取输入图像的亮度信息，以将所述输入图像转换成为亮度图；将所述亮度图的轮廓与所述亮度图进行叠加处理，得到增强后的亮度图；将所述增强后的亮度图转换为输出图像。本申请实施例通过把图像的亮度信息提取出来得到亮度图，并且对亮度图进行处理，使得图像中的颜色信息和亮度信息分离开，在保证对图像轮廓增强的同时保证图像原始色彩不会发生改变，同时避免现有技术对原始图像进行锐化处理带来的增强图像噪声的问题，从而提高图像增强的效果。
进一步的，在一些实施例中，针对RGB色彩模式的图像，可以通过将输入图像从RGB颜色空间变换到YUV颜色空间，进而提取YUV图像中的亮度Y分量，保证图像原始色度信息不会发生改变，避免处理后出现图像偏色影响后续判断，从而进一步增加图像的增强效果。
更进一步的，在一些实施例中，如果判断输入图像为灰度图像，由于灰度图像属于单通道图像，灰度图像的亮度图像即为灰度图像本身，不用对输入图像进行额外的处理，提高了后续图像增强的效率。
更进一步的，在一些实施例中，通过对亮度图分别进行最大值滤波处理和最小值滤波处理，提取轮廓信息的同时确保图像噪声不被增强，得到轮廓细节图像，进一步的，将轮廓细节图像与亮度图进行叠加处理，有效对图像增强的同时降低了图像的噪声。
更进一步的，在一些实施例中，由于最大值滤波和最小值滤波可能导致图像的轮廓变宽和图像噪声增大，通过二次滤波的方式，对第一次滤波图像进行最小值滤波和最大值滤波的处理，能够使提取的轮廓细节更精细同时不会增强原始的图像噪声，从而使得增强后的图像质量更高。
再进一步的，在一些实施例中，通过二次滤波的方式能够提高图像轮廓的提取精度，再根据上述公式计算亮度图与二次滤波之后的图像的差异，比对滤波前后图像的像素值，使得计算得到的轮廓细节图像更能够表示亮度图的轮廓，提高了图像轮廓的计算效率和精度。
本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本申请实施例提供的图像增强方法的流程示意图；
图2是本申请实施例提供的图像增强装置的结构示意图；
图3是本申请实施例提供的电子设备的结构示意图。
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清楚地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
图像增强是数字图像处理常用的技术之一，通过一定手段在图像中附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，使图像与人眼视觉特性相匹配。目前应用最广泛的医学图像增强方法是各种图像锐化方法。
图像锐化是通过增强高频分量来减少图像中的模糊，增强图像细节边缘和轮廓，增强灰度反差，便于后期对目标的识别和处理。常见的图像锐化算法主要有：拉普拉斯算子锐化、高斯-拉普拉斯算子锐化、Roberts算子锐化、Sobel算子锐化、Prewitt算法、Canny算子锐化等等。这些锐化算法都有着不同的优缺点，技术人员通常可以根据不同的需求选择不同的锐化算法对图像进行图像增强。然而这些锐化算法通常都是对原始图像进行直接处理，对噪声比较敏感，在增强图像边缘的同时也增加了图像的噪声，例如在医学领域，锐化算法对于血管等微小目标的增强效果不佳。本申请考虑到如果能够提取图像的亮度信息，对图像的亮度信息进行增强处理，以实现图像的轮廓增强，则有望避免现有的图像增强方式导致图像中的噪声也会被增强的问题。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的图像增强方法、装置及电子设备进行详细地说明。
其中，图像增强方法可应用于终端，具体可由终端中的硬件或软件执行。
该终端包括但不限于具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话或平板电脑等便携式通信设备。还应当理解的是，在某些实施例中，该终端可以不是便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。
以下各个实施例中，描述了包括显示器和触摸敏感表面的终端。然而，应当理解的是，终端可以包括诸如物理键盘、鼠标和控制杆的一个或多个其它物理用户接口设备。
本申请实施例提供的图像增强方法，该图像增强方法的执行主体可以为电子设备或者电子设备中能够实现该图像增强方法的功能模块或功能实体，本申请实施例提及的电子设备包括但不限于手机、平板电脑、电脑、相机和可穿戴设备等，下面以电子设备作为执行主体为例对本申请实施例提供的图像增强方法进行说明。
如图1所示，该图像增强方法包括：步骤110、步骤120和步骤130。
步骤110、提取输入图像的亮度信息，以将输入图像转换成为亮度图。
在本申请实施例中，输入图像可以是医学图像，如X射线图像、CT(ComputerizedTomography)图像、MRI(Magnetic Resonance Imaging)图像、超声(Ultrasonic)图像，PET(Positron emission tomography)图像、SPECT(Single Photon Emission ComputedTomography)图像等。当然，输入图像还可以是人脸图像、风景图像等其他领域的图像，本说明书实施例对此不作限定。
在计算机领域中，灰度(Gray scale)数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。在本申请实施例中，图像的亮度信息可以为灰度值，可以通过最大值法、平均值法、加权平均法等方式提取输入图像的亮度信息，通过提取输入图像的亮度信息，以将输入图像转换成为亮度图，能够在视觉上增加对比，突出目标区域。
步骤120、将亮度图的轮廓与亮度图进行叠加处理，得到增强后的亮度图。
图像轮廓提取的方式可以有多种，在本申请实施例中，可以采用任何一种方式提取亮度图像的轮廓。例如通过OpenCV进行提取，OpenCV提供了查找图像轮廓的函数cv2.findContours()，该函数能够查找图像的轮廓信息，而函数cv2.drawContours能够将轮廓绘制出来；也可以通过机器学习的方式，利用图像纹理、形状等特征训练一个轮廓提取模型，只需要将亮度图输出该模型中，即可以得到该模型输出的图像轮廓；还可以通过图像边缘检测的方式，例如通过根据图像灰度值的阈值对图像进行分割的方式提取图像轮廓。当然，还可以通过其他方式提取图像轮廓，本说明书实施例对此不做限定。
在得到亮度图的轮廓后，可以对亮度图的轮廓和亮度图进行叠加处理，得到增强后的亮度图。叠加方式可以是将图像按照一定的比例进行混合，使用加权平均、透明度混合等方式进行融合叠加；也可以是逐点的对像素值做加法的方式进行叠加，还可以根据图像的特征进行识别，判断在局部区域将轮廓图乘以系数放大后进行叠加。当然，还可以通过其他方式进行叠加，本说明书实施例对此不做限定。
步骤130、将增强后的亮度图转换为输出图像。
在通过对亮度图的处理实现图像的增强之后，可以对增强后的亮度图进行转换处理。进一步的，还可以将输出图像的色彩模式保持与输入图像的色彩模式相同，保持输入和输出的一致性，便于加强图像判读和识别效果。
根据本申请的图像增强方法，通过提取输入图像的亮度信息，以将输入图像转换成为亮度图；将亮度图的轮廓与亮度图进行叠加处理，得到增强后的亮度图；将增强后的亮度图转换为输出图像。本申请实施例通过把图像的亮度信息提取出来得到亮度图，并且对亮度图进行处理，使得图像中的颜色信息和亮度信息分离开，在保证对图像轮廓增强的同时保证图像原始色彩不会发生改变，同时避免现有技术对原始图像进行锐化处理带来的增强图像噪声的问题，从而提高图像增强的效果。
在一些实施例中，提取输入图像的亮度信息，以将输入图像转换成为亮度图，可以包括：
判断输入图像的色彩模式；
采用与输入图像的色彩模式对应的提取方式提取输入图像的亮度信息，以将输入图像转换成为亮度图。
图像的色彩模式可以包括RGB色彩模式、灰度色彩模式、HSB(Hus，Saturation，Brightness)色彩模式、HSL(Hus，Saturation，Lightness)色彩模式及YUV色彩模式等。
针对输入图像的不同，可以使用与输入图像的色彩模式对应的提取方式提取输入图像的亮度信息。例如输入图像为RGB色彩模式，则使用RGB色彩模式对应的提取方式提取输入图像的亮度信息；输入图像为灰度色彩模式，则使用灰度色彩模式对应的提取方式提取输入图像的亮度信息。
该实施例通过对输入图像的色彩模式进行区分，使得不同色彩模式的输入图像具有不同的亮度提取方式，能够提高亮度图的转换效率。
在一些实施例中，提取输入图像的亮度信息，以将输入图像转换成为亮度图，可以包括：
在输入图像为RGB色彩模式的情况下，将输入图像从RGB颜色空间变换到YUV颜色空间，得到YUV图像；
提取YUV图像中的亮度Y分量，得到亮度图。
RGB色彩模式是工业界的一种颜色标准，是通过对红(Red)、绿(Green)、蓝(Blue)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，RGB格式的图像可用三个颜色通道RGB来表示像素的像素特征。
YUV分为三个分量，Y分量表示明亮度(Luminance或Luma)，也就是灰度值；而U分量和V分量表示的是色度(Chrominance或Chroma)，作用是描述色彩及饱和度，用于指定像素的颜色。
在该实施例中，输入图像可以是相机中直接输出的RGB三通道图像，可以根据以下公式将输入图像从RGB颜色空间变换到YUV颜色空间，得到YUV图像：
Y(x，y)＝0.299R(x，y)+0.587G(x，y)+0.114B(x，y) (1)
V(x，y)＝0.713(R(x，y)-Y(x，y))+128 (2)
U(x，y)＝0.564(B(x，y)-Y(x，y))+128 (3)
其中，(x，y)为图像对应的行列值，Y(x，y)、V(x，y)、U(x，y)表示YUV图像上位于行列值(x，y)处的Y、U、V分量，R(x，y)、G(x，y)、B(x，y)表示输入图像上位于行列值(x，y)处的R、G、B分量。
在该实施例中，亮度图Ilight为YUV图像的Y分量值，即：
Ilight(x，y)＝Y(x，y) (4)
在该实施例中，针对RGB色彩模式的图像，可以通过将输入图像从RGB颜色空间变换到YUV颜色空间，进而提取YUV图像中的亮度分量，保证图像原始色度信息不会发生改变，避免处理后出现图像偏色影响后续判断，从而进一步增加图像的增强效果。
在一些实施例中，提取输入图像的亮度信息，以将输入图像转换成为亮度图，可以包括：
在输入图像为灰度图像的情况下，将输入图像作为亮度图。
在该实施例中，如果判断输入图像为灰度图像，由于灰度图像属于单通道图像，灰度图像的亮度图像即为灰度图像本身，不用对输入图像进行额外的处理，提高了后续图像增强的效率。
在一些实施例中，将亮度图的轮廓与亮度图进行叠加处理，得到增强后的亮度图，可以包括：
对亮度图进行最大值滤波处理，得到第一滤波图像；
对亮度图进行最小值滤波处理，得到第二滤波图像；
根据亮度图、第一滤波图像、第二滤波图像之间的差异计算得到第一轮廓细节图像；第一轮廓细节图像为增强亮度图的轮廓信息得到的图像；
将第一轮廓细节图像与亮度图进行叠加处理，得到增强后的亮度图。
最大值滤波处理是指将滤波器获得的值中找到最大值，将最大值存到中心元素位置对应的新矩阵中。最小值滤波处理是将滤波器获得的值中找到最小值，将最小值存到中心元素位置对应的新矩阵中。
在该实施例中，亮度图Ilight的最小值滤波和最大值滤波，计算方式如下：
Imax(x，y)＝Max(Ilight(x，y)) (5)
Imin(x，y)＝Min(Ilight(x，y)) (6)
其中，Imax(x，y)表示经过最大值滤波得到的第一滤波图像Imax位于行列值(x，y)处像素点的像素值，该像素值的灰度值由亮度图Ilight在像素领域内的最大值代替得到，Imin(x，y)表示经过最小值滤波得到的第二滤波图像Imax位于行列值(x，y)处像素点的像素值，该像素值的灰度值由亮度图Ilight在像素领域内的最小值代替得到，Max表示对Iligit进行最大值滤波处理，Min表示对Ilight进行最小值滤波处理，Ilight(x，y)表示亮度图位于行列值(x，y)处像素点的像素值。
在该实施例中，滤波的窗口大小可以是预设数值，也可以是根据图像的某些特征自适应生成的参数。作为预设数值，此处一般设定窗口大小为5*5，即该窗口为5行5列，两种滤波处理的窗口可以设定不同的窗口大小，也可以设置相同的窗口大小。
在得到第一滤波图像Imax和第二滤波图像Imax后，可以根据亮度图Ilight、第一滤波图像Imax、第二滤波图像Imax之间的差异计算得到第一轮廓细节图像。具体的，可以通过公式
Idetail1(x，y)＝2*Ilight(x，y)-Imax(x，y)-Imin(x，y) (7)
计算得到第一轮廓细节图像；
其中，(x，y)为图像对应的行列值，Idetail1(x，y)表示第一轮廓细节图像Idetail1上位于行列值(x，y)处像素点的像素值，Ilight(x，y)表示亮度图上位于行列值(x，y)处像素点的像素值，Imax(x，y)表示第一滤波图像上位于行列值(x，y)处像素点的像素值，Imin(x，y)表示第二滤波图像上位于行列值(x，y)处像素点的像素值。
在该实施例中，通过对亮度图分别进行最大值滤波处理和最小值滤波处理，提取轮廓信息的同时确保图像噪声不被增强，得到轮廓细节图像，进一步的，将轮廓细节图像与亮度图进行叠加处理，有效对图像增强的同时降低了图像的噪声。
在一些实施例中将亮度图的轮廓与亮度图进行叠加处理，得到增强后的亮度图，可以包括：
对亮度图进行最大值滤波处理，得到第一滤波图像；
对亮度图进行最小值滤波处理，得到第二滤波图像；
对第一滤波图像进行最小值滤波处理，得到第三滤波图像；
对第二滤波图像进行最大值滤波处理，得到第四滤波图像；
基于亮度图、第三滤波图像、第四滤波图像之间的差异计算得到第二轮廓细节图像；所述第二轮廓细节图像为增强所述亮度图的轮廓信息得到的图像；
将所述第二轮廓细节图像与所述亮度图进行叠加处理，得到增强后的亮度图。
在该实施例中，对第一滤波图像进行最小值滤波处理，得到第三滤波图像，对第二滤波图像进行最大值滤波处理，得到第四滤波图像，计算方式如下：
Imax_min(x，y)＝Min(Imax(x，y)) (8)
Imin_max(x，y)＝Max(Imin(x，y)) (9)
其中，Imax_min(x，y)经过最小值滤波得到的第三滤波图像Imax_min位于行列值(x，y)处像素点的像素值，该像素值的灰度值由第一滤波图像Imax在像素领域内的最小值代替得到，Imin_max(x，y)表示经过最大值滤波得到的第四滤波图像Imin位于行列值(x，y)处像素点的像素值，该像素值的灰度值由第二滤波图像Imin在像素领域内的最大值代替得到，Max表示对Imin进行最大值滤波处理，Min表示对Imax进行最小值滤波处理。
在该实施例中，由于最大值滤波和最小值滤波可能导致图像的轮廓变宽和图像噪声增大，通过二次滤波的方式，对第一次滤波图像进行最小值滤波和最大值滤波的处理，能够使提取的轮廓细节更精细同时不会增强原始的图像噪声，从而使得增强后的图像质量更高。
在一些实施例中，基于亮度图、第三滤波图像、第四滤波图像之间的差异计算得到第二轮廓细节图像，包括：
通过公式
Idetail2(x，y)＝2*Ilight(x，y)-Imax_min(x，y)-Imin_max(x，y) (10)
计算得到第二轮廓细节图像；
其中，(x，y)为图像对应的行列值，Idetail2(x，y)表示第二轮廓细节图像Idetail2上位于行列值(x，y)处像素点的像素值，Ilight(x，y)表示亮度图上位于行列值(x，y)处像素点的像素值，Imax_min(x，y)表示第三滤波图像上位于行列值(x，y)处像素点的像素值，Imin_max(x，y)表示第四滤波图像上位于行列值(x，y)处像素点的像素值。
在该实施例中，通过二次滤波的方式能够提高图像轮廓的提取精度，再根据上述公式计算亮度图与二次滤波之后的图像的差异，比对滤波前后图像的像素值，使得计算得到的轮廓细节图像更能够表示亮度图的轮廓，提高了图像轮廓的计算效率和精度。
在一些实施例中，将增强后的亮度图转换为输出图像，可以包括：
采用与输入图像的色彩模式对应的转换方式将增强后的亮度图转换为输出图像。
具体的，在得到增强后的亮度图之后，可以获取输入图像的色彩模式，再采用与输入图像的色彩模式对应的转换方式将增强后的亮度图转换为输出图像。例如，若输入图像的色彩模式为RGB色彩模式，则使用RGB色彩模式对应的转换方式将增强后的亮度图转换为输出图像，使得输出图像的色彩模式为RGB色彩模式；若输入图像的色彩模式为灰度色彩模式，由于灰度图像属于单通道图像，灰度图像的亮度图像即为输出图像。
以输入图像的色彩模式为RGB色彩模式为例，可以通过以下公式将增强后的亮度图转换为输出图像：
Rout(x，y)＝Ilight_OUT(x，y)+1.403(V(x，y)-128) (11)
Bout(x，y)＝Ilight_OUT(x，y)+1.773(U(x，y)-128) (13)
其中，V(x，y)、U(x，y)表示YUV图像上位于行列值(x，y)处的U、V分量，Ilight_OUT表示将轮廓细节图像Idetail1或Idetail2与亮度图Ilight叠加后得到的增强后的亮度图像，Rout(x，y)、Gout(x，y)、Bout(x，y)表示输出图像上位于行列值(x，y)处的R、G、B分量。
在该实施例中，由于进行图像增强时对图像进行了转换操作，通过采用与输入图像的色彩模式对应的转换方式将增强后的亮度图转换为输出图像，能够使输出的增强图像的颜色类别与输入图像一致，提高了图像的质量，加强图像判读和识别效果。
本申请实施例提供的图像增强方法，执行主体可以为图像增强装置。本申请实施例中以图像增强装置执行图像增强方法为例，说明本申请实施例提供的图像增强装置。
本申请实施例还提供一种图像增强装置。
如图2所示，该图像增强装置包括：
提取模块210，用于提取输入图像的亮度信息，以将输入图像转换成为亮度图；
增强模块220，用于将亮度图的轮廓与亮度图进行叠加处理，得到增强后的亮度图；
转换模块230，用于将增强后的亮度图转换为输出图像。
根据本申请的图像增强装置，通过提取输入图像的亮度信息，以将输入图像转换成为亮度图；将亮度图的轮廓与亮度图进行叠加处理，得到增强后的亮度图；将增强后的亮度图转换为输出图像。本申请实施例通过把图像的亮度信息提取出来得到亮度图，并且对亮度图进行处理，使得图像中的颜色信息和亮度信息分离开，在保证对图像轮廓增强的同时保证图像原始色彩不会发生改变，同时避免现有技术对原始图像进行锐化处理带来的增强图像噪声的问题，从而提高图像增强的效果。
在一些实施例中，提取模块210，还用于：
判断输入图像的色彩模式；
采用与输入图像的色彩模式对应的提取方式提取输入图像的亮度信息，以将输入图像转换成为亮度图。
在一些实施例中，提取模块210，还用于：
在输入图像为RGB色彩模式的情况下，将输入图像从RGB颜色空间变换到YUV颜色空间，得到YUV图像；
提取YUV图像中的亮度Y分量，得到亮度图。
在一些实施例中，提取模块210，还用于：
在输入图像为灰度图像的情况下，将输入图像作为亮度图。
在一些实施例中，增强模块220，还用于：
对所述亮度图进行最大值滤波处理，得到第一滤波图像；
对所述亮度图进行最小值滤波处理，得到第二滤波图像；
根据所述亮度图、所述第一滤波图像、所述第二滤波图像之间的差异计算得到第一轮廓细节图像；所述第一轮廓细节图像为增强所述亮度图的轮廓信息得到的图像；
将所述第一轮廓细节图像与所述亮度图进行叠加处理，得到增强后的亮度图。
在一些实施例中，增强模块220，还用于：
对所述亮度图进行最大值滤波处理，得到第一滤波图像；
对所述亮度图进行最小值滤波处理，得到第二滤波图像；
对所述第一滤波图像进行最小值滤波处理，得到第三滤波图像；
对所述第二滤波图像进行最大值滤波处理，得到第四滤波图像；
基于所述亮度图、所述第三滤波图像、所述第四滤波图像之间的差异计算得到第二轮廓细节图像；所述第二轮廓细节图像为增强所述亮度图的轮廓信息得到的图像；
将所述第二轮廓细节图像与所述亮度图进行叠加处理，得到增强后的亮度图。
在一些实施例中，增强模块220，还用于：
通过公式
Idetail2(x，y)＝2*Ilight(x，y)-Imax_min(x，y)-Imin_max(x，y)
计算得到第二轮廓细节图像；
其中，(x，y)为图像对应的行列值，Idetail2(x，y)表示第二轮廓细节图像Idetail2上位于行列值(x，y)处像素点的像素值，Ilight(x，y)表示亮度图上位于行列值(x，y)处像素点的像素值，Imax_min(x，y)表示第三滤波图像上位于行列值(x，y)处像素点的像素值，Imin_max(x，y)表示第四滤波图像上位于行列值(x，y)处像素点的像素值。
在一些实施例中，转换模块230，还用于：
采用与输入图像的色彩模式对应的转换方式将增强后的亮度图转换为输出图像。
本申请实施例中的图像增强装置可以是电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(Mobile Internet Device，MID)、增强现实(augmented reality，AR)/虚拟现实(virtualreality，VR)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobile personalcomputer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等，还可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personalcomputer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。
本申请实施例中的图像增强装置可以为具有操作系统的装置。该操作系统可以为微软(Windows)操作系统，可以为安卓(Android)操作系统，可以为IOS操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
在一些实施例中，如图3所示，本申请实施例还提供一种电子设备300，包括处理器301、存储器302及存储在存储器302上并可在处理器301上运行的计算机程序，该程序被处理器301执行时实现上述图像增强方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，本申请实施例中的电子设备包括上述的移动电子设备和非移动电子设备。
本申请实施例还提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述图像增强方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，处理器为上述实施例中的电子设备中的处理器。可读存储介质，包括计算机可读存储介质，如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述图像增强方法。
其中，处理器为上述实施例中的电子设备中的处理器。可读存储介质，包括计算机可读存储介质，如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例另提供了一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现上述基于图像增强方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是，在本文中，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、方法、物品或者装置不仅包括那些要素，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、方法、物品或者装置所固有的要素。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、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
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可以以计算机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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本申请的实施例，本领域的普通技术人员可以理解：在不脱离本申请的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本申请的范围由权利要求及其等同物限定。
Claims (10)
1.一种图像增强方法，其特征在于，包括：
提取输入图像的亮度信息，以将所述输入图像转换成为亮度图；
将所述亮度图的轮廓与所述亮度图进行叠加处理，得到增强后的亮度图；
将所述增强后的亮度图转换为输出图像。
2.根据权利要求1所述的方法，其特征在于，所述提取输入图像的亮度信息，以将所述输入图像转换成为亮度图，包括：
判断所述输入图像的色彩模式；
采用与所述输入图像的色彩模式对应的提取方式提取所述输入图像的亮度信息，以将所述输入图像转换成为亮度图。
3.根据权利要求1或2所述的方法，其特征在于，所述提取输入图像的亮度信息，以将所述输入图像转换成为亮度图，包括：
在所述输入图像为RGB色彩模式的情况下，将所述输入图像从RGB颜色空间变换到YUV颜色空间，得到YUV图像；
提取所述YUV图像中的亮度Y分量，得到亮度图。
4.根据权利要求1或2所述的方法，其特征在于，所述提取输入图像的亮度信息，以将所述输入图像转换成为亮度图，包括：
在所述输入图像为灰度图像的情况下，将所述输入图像作为亮度图。
5.根据权利要求1所述的方法，其特征在于，所述将所述亮度图的轮廓与所述亮度图进行叠加处理，得到增强后的亮度图，包括：
对所述亮度图进行最大值滤波处理，得到第一滤波图像；
对所述亮度图进行最小值滤波处理，得到第二滤波图像；
根据所述亮度图、所述第一滤波图像、所述第二滤波图像之间的差异计算得到第一轮廓细节图像；所述第一轮廓细节图像为增强所述亮度图的轮廓信息得到的图像；
将所述第一轮廓细节图像与所述亮度图进行叠加处理，得到增强后的亮度图。
6.根据权利要求1所述的方法，其特征在于，所述将所述亮度图的轮廓与所述亮度图进行叠加处理，得到增强后的亮度图，包括：
对所述亮度图进行最大值滤波处理，得到第一滤波图像；
对所述亮度图进行最小值滤波处理，得到第二滤波图像；
对所述第一滤波图像进行最小值滤波处理，得到第三滤波图像；
对所述第二滤波图像进行最大值滤波处理，得到第四滤波图像；
基于所述亮度图、所述第三滤波图像、所述第四滤波图像之间的差异计算得到第二轮廓细节图像；所述第二轮廓细节图像为增强所述亮度图的轮廓信息得到的图像；
将所述第二轮廓细节图像与所述亮度图进行叠加处理，得到增强后的亮度图。
7.根据权利要求6所述的方法，其特征在于，所述基于所述亮度图、所述第三滤波图像、所述第四滤波图像之间的差异计算得到第二轮廓细节图像，包括：
通过公式
Idetail2(x,y)＝2*Ilight(x,y)-Imax_min(x,y)-Imin_max(x,y)
计算得到第二轮廓细节图像；
其中，(x,y)为图像对应的行列值，Idetail2(x,y)表示第二轮廓细节图像Idetail2上位于行列值(x,y)处像素点的像素值，Ilight(x,y)表示亮度图上位于行列值(x,y)处像素点的像素值，Imax_min(x,y)表示第三滤波图像上位于行列值(x,y)处像素点的像素值，Imin_max(x,y)表示第四滤波图像上位于行列值(x,y)处像素点的像素值。
8.根据权利要求1所述的方法，其特征在于，所述将所述增强后的亮度图转换为输出图像，包括：
采用与所述输入图像的色彩模式对应的转换方式将所述增强后的亮度图转换为输出图像。
9.一种图像增强装置，其特征在于，包括：
提取模块，用于提取输入图像的亮度信息，以将所述输入图像转换成为亮度图；
增强模块，用于将所述亮度图的轮廓与所述亮度图进行叠加处理，得到增强后的亮度图；
转换模块，用于将所述增强后的亮度图转换为输出图像。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311787725.5A CN117764889A (zh) | 2023-12-22 | 2023-12-22 | 图像增强方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311787725.5A CN117764889A (zh) | 2023-12-22 | 2023-12-22 | 图像增强方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117764889A true CN117764889A (zh) | 2024-03-26 |
Family
ID=90321642
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311787725.5A Pending CN117764889A (zh) | 2023-12-22 | 2023-12-22 | 图像增强方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117764889A (zh) |
-
2023
- 2023-12-22 CN CN202311787725.5A patent/CN117764889A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110008969B (zh) | 图像显著性区域的检测方法和装置 | |
| Li et al. | Robust retinal image enhancement via dual-tree complex wavelet transform and morphology-based method | |
| CN110287926B (zh) | 输液监测报警方法、用户设备、存储介质及装置 | |
| CN106875391A (zh) | 皮肤图像的识别方法及电子设备 | |
| CN110796612B (zh) | 一种图像增强方法及系统 | |
| CN111223110B (zh) | 一种显微图像增强方法、装置及计算机设备 | |
| CN107123124B (zh) | 视网膜图像分析方法、装置和计算设备 | |
| CN107038704B (zh) | 视网膜图像渗出区域分割方法、装置和计算设备 | |
| CN107204034A (zh) | 一种图像处理方法及终端 | |
| CN113052923B (zh) | 色调映射方法、装置、电子设备和存储介质 | |
| CN115100226B (zh) | 一种基于单目数字图像的轮廓提取方法 | |
| CN112446880A (zh) | 图像处理方法、电子设备及可读存储介质 | |
| Su et al. | De-emphasis of distracting image regions using texture power maps | |
| CN111784686A (zh) | 一种内窥镜出血区域的动态智能检测方法、系统及可读存储介质 | |
| JP7076168B1 (ja) | リアルタイム映像における画像の物体輪郭を強調する方法 | |
| CN110473176B (zh) | 图像处理方法及装置、眼底图像处理方法、电子设备 | |
| CN111445419A (zh) | 一种基于数学形态学的医学内窥镜图像增强方法 | |
| CN113487473A (zh) | 一种添加图像水印的方法、装置、电子设备及存储介质 | |
| Nnolim | Image de-hazing via gradient optimized adaptive forward-reverse flow-based partial differential equation | |
| CN116883426A (zh) | 肺区分割、肺疾病评估方法及装置、电子设备和存储介质 | |
| CN114359030B (zh) | 一种人脸逆光图片的合成方法 | |
| Zhang | A selection of image processing techniques: from fundamentals to research front | |
| CN117764889A (zh) | 图像增强方法、装置及电子设备 | |
| CN113628148B (zh) | 红外图像降噪方法和装置 | |
| CN115880208A (zh) | 图像处理方法、图像处理装置及医疗设备 |
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 |