CN1426019A - 用于增强数字图像同时抑制下冲和过冲的方法 - Google Patents

Abstract

提供一种方法，用于增强图像的细节同时抑制或阻止在现有技术的增强处理中将出现的冲出。所述增强处理是基于认识到冲出很可能发生在要被增强的图像的边缘，因此，如果增强被足够的减少或甚至可能在图像边缘消除，将另外发生的冲出将被抑制或甚至被消除。使用增益抑制函数以衰减图像边缘的增强。最好，该增益抑制函数本身识别要增强的图像的边缘。

Description

用于增强数字图像同时抑制下冲和过冲的方法

技术领域

本发明涉及用于增强数字图像同时抑制或防止通常由于这种增强而产生的下冲和过冲的方法。

背景技术

存在多种基于当前的技术获取数字图像的方法。例如，可以使用数字相机、扫描仪获取数字图像，或者可以从因特网下载。视频信号捕获系统也提供获取数字图像样本或视频样本的方法。数字图像也是内部可用的，并且在一些多媒体设备例如DVD播放器和数字TV系统中被处理。

由于多种原因图像趋向于退化，为了获得更好的质量，这些图像需要被增强。许多图像增强处理是公知的，并且可以根据图像的退化特性选择这些处理中的具体一个。局部对比度增强改善了所给定图像的可视信号(visualcue)，并且也被称为细节增强(detail enhancement)。支持细节增强的基本概念是加重嵌入图像中的高频成分，以便图像的视觉外观可以被加深或可以对于人显得更为生动。

最常用的细节增强方法是基于模糊掩蔽(unsharp masking)。模糊掩蔽的例子可以通过参照以下参考资料找到，这些资料在此结合作为参考：Jain，AnilK.Fundamentals of Digital Image Processing，Prentice Hall，1989.p.249；以及Lim，Jae S.Two Dimensional Signal Processing and Image Processing，PrenticeHall，1990.p.459。在Kim，Yeong-Yaeg(U.S Patent No.5，930,402)Method andDevice for Local Contrast Enhancement of Video Signal中公开了更复杂的增强方法，此文也在此结合作为参考。

大多数细节增强方法都伴有以下已知问题：由于增强的结果而产生的过冲和下冲。过冲和下冲在视觉上令人讨厌并且是不希望的。例如，图1A示出了可以表示垂直边缘或水平边缘的数字图像样值。如果在这些样值上应用一个典型的细节增强方法，其结果如图1B所示。注意斜率已经被增加了，因此在边缘中心附近的边缘被加深。然而，同样可以观察到过冲和下冲(圆圈区域)也出现在图1B所示的增强的图像样值中，并且如前面所提及的，如果图像将用例如电视机的显示设备显示，则这种过冲和下冲在视觉上令人讨厌并且是不希望的。在下文中过冲和下冲将被称为“冲出”(Shoots)。所想要的增强结果可能是图1C中所示，其中冲出已经减轻。这种冲出的视觉影响示于图2A和2B中。图2A显示了退化的输入图像，图2B显示了使用基于水平高通滤波器的模糊掩蔽的细节增强的结果。在图2B所示的图像中总体细节和清晰度已经显著提高，但是该图像清晰地显示出由细节增强处理所导致的冲出在视觉上是不希望的并令人讨厌。通常，如果图像显示在大的显示设备例如大屏幕电视机上，则影响变得更为可见和讨厌。

因此，非常希望在增强图像细节的同时抑制或阻止引起视觉不舒服的冲出的产生。

发明内容

本发明的目的是提供一种用于增强图像的细节同时抑制或阻止在现有技术的增强处理中将产生的冲出。

增强方法是基于认识到冲出可能产生在要增强的图像的边缘，因此，如果增强被充分地减少或者甚至在图像边缘尽可能的被消除，可能出现的冲出将被抑制甚至可能被消除。增益抑制函数被用以衰减图像边缘的增强。最好，增益抑制函数本身识别所要增强的图像的边缘。

被考虑的前述和其它目的，根据本发明，提供一种用于增强图像的方法，包括步骤：获得包括像素值的第一图像信号；获得具有第一图像信号的高频分量的高通图像信号；获得正非零加权因子，以控制增强的程度；选择表示第一图像中边缘边界的边缘像素值；用于抑制冲出，定义具有衰减系数的增益抑制函数，所述衰减系数乘以在位置上对应于边缘像素值的高通图像信号的具体的像素值；用加权因子和增益抑制函数乘高通图像信号以获得结果；用该结果加上第一图像信号，以获得增强图像信号，其中冲出已经被抑制。

根据本发明的附加的特性，通过估计两个独立的边界-指示函数，并且只有当两个函数都表示给定的一个像素值是在边界上时，推断第一图像的给定的一个像素值表示边缘的边界，来执行选择步骤。

附图说明

图1A示出了表示边缘的数字图像样值；

图1B示出了在进行了现有技术的细节增强处理之后，图1A的数字图像样值；

图1C示出了在进行了希望的细节增强处理之后，图1A的数字图像样值；

图2A示出了退化的图像；

图2B示出了在进行了现有技术的细节增强处理之后，图2A的图像；

图3示出了用数字像素的M×N阵列表示的数字图像；

图4示出了现有技术的细节增强电路；

图5示出了抑制或阻止冲出的细节增强电路；

图6示出了位于尖峰信号中间的输入样值；

图7A-7D示出了四种可能情况的图像样值，它们可以用来更好的理解用于检测边缘的边界的组合情况；以及

图8示出了冲出抑制增益函数β的第一实施例的图。

具体实施方式

本发明将首先描述关于用于增强数字图像同时阻止或抑制水平方向冲出的发生的方法。然而，本发明也适用于增强数字图像同时阻止或抑制垂直方向冲出的发生。

为了系统描述本发明，将引入一些数学符号。当获得数字图像样值时，典型地将数字图像作成具有其函数值对应于像素值的水平和垂直指数的二维信号。即，假设{f}_M×N代表由M×N数字像素组成的数字图像或数字图片，其中M和N分别代表高度(在垂直方向上的样值数目，或行数)和宽度(在水平方向上的样值的数目)。则f(m，n)表示输入图像的第m行的第n个像素值，{f}_M×N。这种关系示于图3中。

基于模糊掩蔽的细节增强的更详尽的描述可以通过参考在讨论本发明的背景技术时所提及的参考文献找到。模糊掩蔽处理是基于将与斜率成正比的信号，或高通信号加到给定图像上。在图4中说明了这个处理，它显示了具有提供输入信号的高通滤波图像的细节信号计算机12的现有技术的细节增强电路10。通常，模糊掩蔽运算可以写成：

                 {g}_M×N＝{f}_M×N+a·{h}_M×N其中{g}_M×N表示输出图像，{h}_M×N表示{f}_M×N的高通滤波图像，并且a是预定的非零正常数(加权因子)，用于控制增强的程度。

模糊掩蔽处理通过以下像素处理可以等价地表示：

          g(n，n)＝f(m，n)+a·h(n，n)    (1)其中对于m＝1，2，…，M和n＝1，2，…，N，g(m，n)和h(m，n)分别表示{g}_M×N和{h}_M×N的像素值。从(1)注意到输入图像的高频分量被加到其上，于是由高频分量组成的图像的细节因而被放大。模糊掩蔽处理的总体特性仅依赖于高通滤波器的设计以及作为增强增益控制参数的常数a的值。

设计和分析高通滤波器的方法在图像或视频信号处理技术中是众所周知的，因此在本文中将不对这种方法进行深入的探讨。以前所引用的文献，“Fundamentals of Digital Image Processing”和“Two Dimensional SignalProcessing and Image Processing”也可以作为这个主题的参考信息。

将给出高通滤波器的一些基本的例子。作为第一例子，高通滤波器可以表述如下：

    h(m，n)＝f(m，n)-(f(m，n-1)+f(m，n+1))/2        (2)它表示水平高通滤波器意味着仅仅考虑水平斜率。同样，垂直高通滤波器可以表示为：

    h(m，n)＝f(m，n)-(f(m-1，n)+f(n+1，n))/2        (3)2维高通滤波器可以表示为：

h(m，n)＝f(m，n)-(f(m，n-1)+f(m，n+1)+f(n-1，m)+f(n+1，m))/4  (4)它与在(m，n)样值位置附近水平和垂直方向上的信号的平均变化有关。

在(1)中的h(m，n)的基本作用是估计图像的局部对比度或局部细节。可以使用更复杂的方法来估计图像的细节，例如，在U.S.专利号5,930,402中公开的方法。换言之，当前的发明并不限于任何具体的获得h(m，n)的方法，因为本发明的主要目的是抑制或阻止细节增强方法本身引起的过冲/下冲。为了更好的细节增强，当前的抑制或阻止冲出的细节增强方法可以结合任意获得图像高频分量的可能的方法而被使用。

图5示出了用于执行抑制或阻止冲出的本发明的细节增强方法的细节增强电路20。该增强的输出信号由下式给出：

        g(n，n)＝f(n，n)+β(n，n)·a·h(m，n)       (5)其中β(m，n)是冲出抑制增益函数(0≤β(m，n)≤1)，它根据在(m，n)的信号的特性从像素到像素而改变，并且其中a·h(m，n)是普通增强项。图5示出了冲出抑制增益电路22，用于以以下将要讨论的方法产生冲出抑制增益函数β(m，n)。细节信号计算机12已经结合图4讨论。

在(5)中的冲出抑制增益函数的作用是调节增强的程度，以便当需要时抑制冲出。即，当估计冲出可能发生时，β(m，n)的值变小以便增强的影响可以最小。注意如果β(m，n)＝0，则在图5中显示的输出信号简化为g(m，n)＝f(m，n)，这意味着对于输入图像没有改变或增强。反之，当估计冲出不会发生时，β(m，n)的值变大以便输入图像被增强。注意如果β(m，n)＝1，则在图5中处理的输出信号简化为g(m，n)＝f(m，n)+a·h(m，n)，在这种情况下，输入图像被完全增强了a·h(m，n)。因此，(5)后面的基本处理以及图5中所示的增强电路是根据估计冲出是否可能发生，使用冲出抑制增益函数来调节增强的程度的。

现在，在引入输入样值以便实现(5)中的冲出抑制的细节增强运算时，我们转向计算冲出抑制增益函数β(m，n)的问题。因此，基本问题是当执行增强处理时，如何估计冲出可能发生的可能性。进一步的观察冲出的发生使人们得出结论：如图1B和图2B所示冲出通常发生在边缘的边界。

因此，我们转向以下问题：研究一种用于检测边缘的边界并产生相关的冲出抑制增益函数β(m，n)的方法，该β(m，n)可被用于执行(5)所描述和图5中所示的增强处理。为了得到这种冲出抑制增益函数β(m，n)，计算以下量：

         d(m，n)＝min(f_L(m，n)，f_R(m，n))    (6)其中

         f_L(m，n)＝|f(m，n)-f(m，n-1)|       (7)

         f_R(m，n)＝|f(m，n)-f(m，n+1)|       (8)

为了标准化d，计算以下量：

如果d(m，n)≤D      (9)其它其中D和J是预定的正非零常数。注意，可能当x(m，n)的值接近0时，样值f(m，n)是可能位于边缘的边界。然而，同样要注意以下事实，x(m，n)的值接近0并不必然意味着样值f(m，n)位于边缘的边界。x(m，n)的一个小值也可以在常数区附近获得，其中f_L(m，n)和f_R(m，n)的值都小。因此，仅基于x(m，n)，并不足以确定当前输入样值f(m，n)是否位于边缘的边界。

为了补偿用于确定当前输入样值f(m，n)是否位于边缘的边界的不充足的条件，按照如下调查水平斜率信号的幅值。如下定义水平拉普拉斯信号的标准化幅值：如果|Δ(m，n)|≤H       (10)其它其中H是用于标准化的预定的正非零常数值，K是预定的正非零常数，并且Δ(m，n)指示离散水平拉普拉斯信号，它可以近似为：Δ(m，n)＝(f(m，n+1)-f(m，n))-(f(m，n)-f(m，n-1))

    ＝f(m，n+1)-2·f(m，n)+f(m，n-1)。

众所周知，通过寻找拉普拉斯的零交叉点，拉普拉斯可以用于边缘检测。例如，可以参考前面引用的文献，“Fundamentals of Digital Image Processing”，和“Two Dimensional Signal Processing and Image Processing”。反之，当拉普拉斯具有大的幅值，或等价地，当y(m，n)的值接近1，这表明在样值f(m，n)附近的第一阶差信号有一个很大的变化。这意味着样值f(m，n)可能是位于边缘的边界。然而并不必然是这种情况，因为在样值f(m，n)位于尖峰信号中间的情况下，y(m，n)也将会有大的值，例如图6中所示。

现在，通过结合在(9)和(10)中解释的情况，我们有足够的条件来确定当前输入样值f(m，n)是否位于边缘的边界，现有技术的增强可能会引入的冲出问题。即，如果x(m，n)是接近0并且同时y(m，n)是接近1，则可以很容易地断言输入样值f(m，n)是位于边缘的边界。x(m，n)接近0的情况意味着至少向后或向前第一阶样值差(f_L(m，n)或f_R(m，n))之一是小的，这意味着至少一边是常数区(constant region)。因此，x(m，n)接近0的情况清楚地排除图6中所示的情况，即样值f(m，n)是在尖峰信号的中间的情况。同时，y(m，n)接近1的情况意味着样值f(m，n)或者位于边缘的边界或者在尖峰信号的中间。因此，y(m，n)接近1的情况清楚地排除常数区的情况。然而，因为x(m，n)接近0，我们还可以排除尖峰信号的情况，因此，使用两个标准，我们有足够的条件用于推论样值f(m，n)是位于边缘的边界。

图7A-7D示出了四个可能的情况，可以用来更好的理解用于检测边缘的边界的结合条件。图7A示出了表示x(m，n)和y(m，n)都是小(接近0)的常数区的图像样值。图7B示出了x(m，n)是大(接近1)且y(m，n)是小(接近0)的边缘点的样值。图7C示出了x(m，n)是小(接近0)且y(m，n)是大(接近1)的边缘边界的样值。图7D示出了x(m，n)和y(m，n)都是大(接近1)的尖峰信号。

基于结合的条件，现在有必要构造冲出抑制增益函数β(m，n)，以便满足以下边界条件：

当x→0和y→0时，β→1；

当x→0和y→1时，β→0；

当x→1和y→0时，β→1；

当x→1和y→1时，β→1；                 (11)

作为这个方程的第一实施例，冲出抑制增益函数β可以如下实现：

β(m，n)＝β(x(m，n)，y(m，n))＝1-(1-x(m，n))^p·(y(m，n))^q  (12)其中p和q是预定的常数。图8示出了β(x，y)的图，在此p＝1.75和q＝0.75。注意，此处β(x，y)的值仅当x(m，n)和y(m，n)分别收敛于0和1时收敛于0，它是输入样值f(m，n)位于边缘的边界的条件。

在(12)中给出的冲出抑制增益函数β的一些变型可以产生，也同样具有相同的如(11)中规定的汇聚特性。例如，冲出抑制增益函数β的第二实施例具有如(11)中规定的汇聚特性，并且如下表示：

β(m，n)＝1-(1-x(n，n))^p·(y(m，n))^q                        (13)

现在很明显，冲出抑制增益函数β也可以推导出以阻止或抑制在垂直方向上所发生的冲出。在(11)中定义的边界条件仍然适用，因此，方程(12)和(13)也可以用于这种情况。唯一的差别是在被代入(9)之前，方程(6)-(8)将被改变以运算在垂直方向上，并且离散垂直拉普拉斯信号在代替方程(10)之前被近似。(6)-(8)的垂直等价式如下：

         f_L(m，n)＝|f(m，n)-f(m-1，n)|；

         f_U(m，n)＝|f(m，n)-f(m+1，n)|；并且

         d(m，n)＝min(f_L(m，n)，f_U(m，n))。

离散垂直拉普拉斯信号的近似如下：Δ(m，n)＝f(m+1，n)-2·f(m，n)+f(m-1，n)。

为了增强数字图像同时在垂直和水平方向上抑制冲出，用于抑制水平方向的冲出的冲出抑制增益函数βh和用于抑制垂直方向的冲出的冲出抑制增益函数βv可以被代入方程(5)所以β＝β_v*β_h。

Claims (12)

1.一种用于增强图像的方法，包括：

获得包括像素值的第一图像信号；

获得具有第一图像信号高频分量的高通图像信号；

获得正非零加权因子以控制增强的程度；

选择代表第一图像的边缘边界的边缘像素值；

为抑制冲出，定义增益抑制函数，所述增益抑制函数具有在位置上对应于边缘像素值的高通图像信号的具体的像素值相乘的衰减系数；

用加权因子和增益抑制函数乘高通图像信号以获得结果；以及

将结果加到第一图像信号，以获得增强的图像信号，其中冲出已经被抑制。

2.如权利要求1所述的方法，其中执行选择步骤包括通过估计两个独立的边界-指示函数，和只有两个函数都指示给定的一个像素值的是在边界上时，推论第一图像的给定的一个像素值表示边缘的边界。

3.如权利要求1所述的方法，其中：

第一图像信号的每个像素值由f(m，n)表示，其中m表示垂直位置，以及n表示水平位置；

选择边缘像素值的步骤和定义增益抑制函数的步骤的结合包括计算：

          f_L(m，n)＝|f(m，n)-f(m，n-1)|；

          f_R(m，n)＝|f(m，n)-f(m，n+1)|；

      d(m，n)＝min(f_L(m，n)，f_R(m，n))；以及

如果d(m，n)≤D其它

其中D和J是预定的非负常数；

选择边缘像素值的步骤和定义增益抑制函数的步骤的结合包括计算：

Δ(m，n)＝f(m，n+1)-2·f(m，n)+f(m，n-1)；以及如果|Δ(m，n)|≤H；其它

其中K是预定的非零常数；以及

增益抑制函数由β(m，n)表示，并且具有以下定义的特性：

当x→0和y→0时，β→1；

当x→0和y→1时，β→0；

当x→1和y→0时，β→1；以及

当x→1和y→1时，β→1；

4.如权利要求3所述的方法，其中增益抑制函数是：

β(m，n)＝β(x(m，n)，y(m，n))＝1-(1-x(m，n))^p·(y(m，n))^q；并且

p和q是预定的常数。

5.如权利要求3所述的方法，其中增益抑制函数是：

β(m，n)＝β(x(m，n)，y(m，n))＝1-(1-x(m，n))^p·(y(m，n))^q；并且

p和q是预定的常数。

6.如权利要求1所述的方法，其中边缘在水平方向延伸。

7.如权利要求1所述的方法，其中边缘在垂直方向延伸。

8.如权利要求1所述的方法，其中获得高通图像信号的步骤包括滤波第一图像信号。

9.如权利要求1所述的方法，其中增益抑制函数本身执行选择边缘像素值的步骤。

10.如权利要求1所述的方法，其中：

第一图像信号的每个像素值由f(m，n)表示，其中m表示垂直位置以及n表示水平位置；

选择边缘像素值的步骤和定义增益抑制函数的步骤的结合包括计算：

f_L(m，n)＝|f(m，n)-f(m-1，n)|；

f_U(m，n)＝|f(m，n)-f(m+1，n)|；

d(m，n)＝min(f_L(m，n)，f_U(m，n))；并且如果d(m，n)≤D；其它

其中D和J是预定的非负常数；

选择边缘像素值的步骤和定义增益抑制函数的步骤的结合包括计算：

Δ(m，n)＝f(n+1，n)-2·f(m，n)+f(m-1，n)；以及如果|Δ(m，n)|≤H；其它

其中K是预定的非零常数；以及

增益抑制函数由β(m，n)表示，并且具有以下定义的特性：

当x→0和y→0时，β→1；

当x→0和y→1时，β→0；

当x→1和y→0时，β→1；以及

当x→1和y→1时，β→1；

11.如权利要求10所述的方法，其中增益抑制函数是：

β(m，n)＝β(x(m，n)，y(m，n))＝1-(1-x(m，n))^p·(y(m，n))^q；并且

p和q是预定的常数。

12.如权利要求10所述的方法，其中增益抑制函数是：

β(m，n)＝β(x(m，n)，y(m，n))＝1-(1-x(m，n))^p·(y(m，n))^q；并且

p和q是预定的常数。

Images