CN1980321A - 一种图像增强处理系统和处理方法 - Google Patents

Abstract

本发明涉及一种图像处理系统和处理方法，该系统包括：图像缓存器；多尺度图像分析器，与图像缓存器相连接；模糊逻辑控制器，与多尺度图像分析器相连接；边缘增强处理器，与图像缓存器和模糊逻辑控制器相连接；去噪处理器，与图像缓存器和模糊逻辑控制其相连接；合成器，与图像缓存器、去噪处理器、边缘增强处理器和模糊逻辑控制器相连接。该方法包括：根据读取的原始图像数据，得出原始图像的边缘信息；根据原始图像的边缘信息，得出原始图像的增益和噪声的方差；根据计算出经过边缘增强的图像数据和去噪后的图像数据得出最后的处理数据。本发明利用多尺度的边缘分析，在模糊逻辑的控制下实现了自适应的降噪处理和图像的边缘增强处理。

Description

一种图像增强处理系统和处理方法

技术领域

本发明涉及一种图像处理系统和处理方法，尤其是一种利用模糊逻辑自适应控制去噪和边缘增强的图像增强处理系统和处理方法。

背景技术

在视频信号处理中，需要进行去噪处理和边缘增强处理。通常，利用某个频段的低通滤波器进行降噪，在大多数情况下，这些频段还是包含有用信息的，因此在去噪处理后，会损失很多边缘细节信息。在图像压缩处理和视频信号带宽受限的情况下，也会损失图像的边缘信息。图像边缘的锐化要求用高通滤波器补偿图像边缘的损失。降噪要求降低信号中的高频成分，而边缘增强要求增加信号中的高频成分。因此，降噪和边缘锐化是两个矛盾的处理。

现有的处理装置和处理方法是在原图像上进行边缘检测和去噪。然后在去噪的结果上，用高通率波器来进行增强图像处理，但是因为采用串行的结构，因此经过去噪装置的去噪处理后会损失掉小的细节。均是将降噪和边缘锐化处理进行串行处理，即：低通滤波视频信号降噪，然后高通滤波来锐化边缘。第一个降噪过程损失边缘信息而第二个锐化边缘过程放大了噪声，因此此方法不能同时使得去噪和图像增强达到最优。

也有利用并行结构进行降噪和边缘增强的，但是仅用水平和竖直两个方向来增强边缘；只是经过简单的相加处理，没有灵活的模糊逻辑来控制模块内部以及模块间的交互。

发明内容

本发明的目的是针对现有图像增强处理系统和处理方法的不足，提供一种图像处理系统和处理方法，利用模糊逻辑来自适应的实现良好的降噪处理，和实现良好的边缘增强。

为实现上述目的，本发明提供了一种图像增强处理系统，包括：

一图像缓存器；

一多尺度图像分析器，与所述图像缓存器相连接，用于提取原始图像的边缘信息；

一模糊逻辑控制器，与所述多尺度图像分析器相连接，用于根据原始图像的边缘信息计算图像的增益，和计算噪声的方差；

一边缘增强处理器，与所述图像缓存器和模糊逻辑控制器相连接，用于根据图像的增益计算输出边缘增强后的信号；

一去噪处理器，与所述图像缓存器和模糊逻辑控制其相连接，用于根据噪声的方差计算去噪后的信号；

一合成器，与所述图像缓存器、去噪处理器、边缘增强处理器和模糊逻辑控制器相连接，用于根据所述边缘增强后的信号、去噪后的信号和图像信号得出最后的输出信号。

上述多尺度图像分析器包括：

一高斯滤波模块，与所述图像缓存器相连接；

一第一水平和竖直索贝尔滤波模块，与所述高斯滤波模块相连接；

一第一幅值检测模块，与所述第一水平和竖直索贝尔滤波模块和模糊逻辑控制器相连接；

一第二水平和竖直索贝尔滤波模块，与所述图像缓存器相连接；

一方向检测模块，与所述第二水平和竖直索贝尔滤波模块和模糊逻辑控制器相连接；

一第二幅值检测模块，与所述第二水平和竖直索贝尔滤波模块和模糊逻辑控制器相连接；

一水平和竖直高通滤波模块，与所述图像缓存器相连接；

一第三幅值检测模块，与所述水平和竖直高通滤波模块和模糊逻辑控制器相连接。

上述方案中的模糊逻辑控制器可以包括：

一边缘类型分类模块，与所述多尺度图像分析器相连接；

一边缘增益控制模块，与所述边缘类型分类模块和边缘增强处理器相连接；

一噪声均值和方差统计模块，与所述多尺度图像分析器和去噪处理器相连接。

另外，上述边缘增强处理器可以包括：

一高通滤波模块，与所述图像缓存器相连接；

一第一乘法器，与所述高通滤波模块和边缘增益控制模块相连接；

一中带通滤波模块，与所述图像缓存器相连接；

一第二乘法器，与所述中带通滤波模块和边缘增益控制模块相连接；

一低带通滤波模块，与所述图像缓存器相连接；

一第三乘法器，与所述低带通滤波器模块边缘增益控制模块相连接；

一第一加法器，与所述第一乘法器和第二乘法器相连接；

一第二加法器，与所述第三乘法器和第一加法器相连接。

本发明还提供了一种图像增强处理方法，包括以下步骤：

步骤1、多尺度图像分析器从图像缓存器中读取原始图像数据，得出原始图像的边缘信息，输入模糊逻辑控制器中；

步骤2、所述模糊逻辑控制器根据原始图像的边缘信息，得出原始图像的增益，输入边缘增强处理器中，并得出噪声的方差，输入去噪处理器中；

步骤3、边缘增强处理器根据原始图像的增益和从图像缓存器中读取的原始图像数据，得出经过边缘增强的图像数据，输入合成器中；去噪处理器根据噪声的方差和从图像缓存器中读取的原始图像数据，得出去噪后的图像数据；

步骤4、合成器根据所述经过边缘增强的图像数据、去噪后的图像数据和原始图像数据得出最后的处理数据。

上述步骤1可以具体为：原始图像数据经过高斯滤波模块的卷积处理，然后经过第一水平和竖直索贝尔率波模块的卷积处理得到水平梯度和竖直梯度，第一幅值检测模块计算出水平梯度和竖直梯度的模的和，即大边的幅值；原始图像数据经过第二水平和竖直索贝尔滤波模块的卷积处理，得到水平梯度和竖直梯度，方向检测模块根据水平梯度和竖直梯度得到边的方向，第二幅值检测模块得到中边的幅值；原始图像数据经过水平和竖直高通滤波模块的卷积处理，得到水平梯度和竖直梯度，第三幅值检测模块得到小边的幅值，并且均输入到模糊逻辑控制器中。

并且，上述步骤2可以具体为：

步骤21、所述模糊逻辑控制器中的边缘类型分类模块根据所述大边的幅值、中边的幅值和小边的幅值，得到每个象素大边、中边和小边的概率，输入边缘增益控制模块中；所述模糊逻辑控制器中的噪声均值和方差统计模块根据所述边的方向得到噪声的方差和阈值，输入到去噪处理器中；

步骤22、所述边缘增益控制模块根据所述大边、中边和小边的概率，得到原始图像的大边的增益、中边的增益和小边的增益，并输入到所述边缘增强处理器中。

而且，上述步骤3中边缘增强其根据原始图像的增益和从图像缓存器中读取的原始图像数据，得出经过边缘增强的图像数据具体为：

步骤31、原始图像数据经过高通滤波模块的处理后，与小边的增益相乘积得到小边处理数据，经过中带通滤波模块的处理后，与中边的增益相乘积得到中边的处理数据，经过低带通滤波模块的处理后，与大边的增益相乘积得到大边的处理数据；

步骤32、所述小边处理数据、中边的处理数据和大边的处理数据求和得到经过边缘增强的图像数据。

并且各个技术方案中的步骤4可以具体为：

步骤41、所述合成器根据所述去噪后的图像数据和原始图像数据得出噪音数据；

步骤42、计算所述经过边缘增强的图像数据与边缘增益的积，和噪音数据与噪音增益的积的差，再与所述原始图像求和得到最后的处理数据。

因此，本发明利用多尺度的边缘分析，在模糊逻辑的控制下实现了自适应的降噪处理和图像的边缘增强处理。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明图像增强处理系统的结构示意图。

图2为本发明图像增强处理系统中的多尺度图像分析器和模糊逻辑控制器的详细结构示意图。

图3为本发明图像增强处理系统中的边缘增强处理器的详细结构示意图。

图4为本发明图像增强处理系统中水平和竖直索贝尔滤波模块和高通滤波模块的滤波系数示意图。

图5为本发明图像增强处理系统的边缘方向划分的示意图。

图6为本发明图像增强处理系统的小边、中边和大边的示意图。

图7为本发明图像增强处理系统的不同频带的示意图。

图8为本发明图像增强处理系统的边缘增强函数示意图。

图9为本发明图像增强处理系统的窗口像素的示意图。

图10为本发明图像增强处理系统的低带通滤波模块，中带通滤波模块和高通滤波模块的频谱特性示意图。

图11为本发明图像增强处理系统的去噪示意图。

图12为本发明图像增强处理方法的流程图。

具体实施方式

本发明利用多尺度的边缘分析，在模糊逻辑的控制下进行自适应的降噪处理和图像的边缘增强处理。

如图1所示，为本发明图像增强处理系统的结构示意图，包括图像缓存器1，与图像缓存器1连接的去噪处理器2、边缘增强处理器3和多尺度图像分析器4，还包括模糊逻辑控制器5，与去噪处理器2、边缘增强处理器3和多尺度图像分析器4相连接，以及合成器6，与图像缓存器1、去噪处理器2、边缘增强处理器3和模糊逻辑控制器5相连接。

各个装置功能如下：

图像缓存器1，用于存储原始图像数据；

去噪处理器2，用于根据噪声的方差计算去噪后的信号；

边缘增强处理器3，用于根据图像的增益计算输出边缘增强后的信号；

多尺度图像分析器4，用于提取原始图像的边缘信息；

模糊逻辑控制器5，用于根据原始图像的边缘信息计算图像的增益，和计算噪声的方差；

合成器6，用于根据所述边缘增强后的信号、去噪后的信号和图像信号得出最后的输出信号。

如图2所示，为本发明图像增强处理系统中的多尺度图像分析器和模糊逻辑控制器的详细结构示意图，多尺度图像分析器4包括：高斯滤波模块40，与图像缓存器1相连接，第一水平和竖直索贝尔滤波模块41，与高斯滤波模块40相连接，第一幅值检测模块42，与第一水平和竖直索贝尔滤波模块41和模糊逻辑控制器5中的边缘类型分类模块50相连接；第二水平和竖直索贝尔滤波模块43，与图像缓存器1相连接，方向检测模块44，与第二水平和竖直索贝尔滤波模43块和模糊逻辑控制器5中的噪声均值和方差统计模块52相连接，第二幅值检测模块45，与第二水平和竖直索贝尔滤波模块43和模糊逻辑控制器5中的边缘类型分类模块50相连接；水平和坚直高通滤波模块46，与图像缓存器1相连接，第三幅值检测模块47，与所述水平和竖直高通滤波模块43和模糊逻辑控制器5中的边缘类型分类模块50相连接。模糊逻辑控制器5包括，边缘类型分类模块50、边缘增益控制模块51，与边缘类型分类模块50和边缘增强处理器3相连接；噪声均值和方差统计模块52，与多尺度图像分析器4中的方向检测模块44和去噪处理器2相连接。

如图3所示，为本发明图像增强处理系统中的边缘增强处理器的详细结构示意图，包括高通滤波模块30，与图像缓存器1相连接，第一乘法器31，与高通滤波模块30和模糊逻辑控制器5中的边缘增益控制模块51相连接，中带通滤波模块32，与图像缓存器1相连接，第二乘法器33，与中带通滤波模块32和边缘增益控制模块51相连接；低带通滤波模块34，与图像缓存器1相连接；第三乘法器35，与低带通滤波模块34和边缘增益控制模块51相连接；第一加法器36，与第一乘法器31和第二乘法器33相连接；第二加法器37，与第三乘法器35和第一加法器36相连接。

多尺度图像分析器4，对原始图像进行预处理得到各种信息，包括：边的位置，方向，强弱，噪声程度，图像内容的成分等等。记：Iorg为原始图像信息，Gau为高斯率波模块40，SH和SV为第一水平和竖直方向的索贝尔滤波模块41，Hf和Vf为水平和竖直方向的高通滤波模块46，第一路处理为首先是原图像与高斯滤波模块40卷积，然后与第一水平和竖直索贝尔率波模块41进行卷积得到水平的梯度Gh和竖直的梯度Gv，计算公式如下：

Gh＝SH(IorgGau)和Gv＝SV(IorgGau)，为卷积算子，如图4所示水平和竖直索贝尔滤波模块和高通滤波模块的滤波器系数示意图。

由第一幅值检测模块42计算水平梯度和竖直梯度模的和，即大边的幅值El(LargeEdge)：El＝abs(Gh)+abs(Gv)。第二路是原始图像直接与第二水平和竖直的索贝尔率波模块43进行卷积，得到水平梯度Gx和竖直的梯度Gy，计算公式如下：

Gx＝SHGau和Gy＝SVGau，为卷积算子。

方向检测模块44根据规则：

得到边的方向Ed来确定四个方向，如图5所示，边缘方向划分的示意图，图中标明了各个方向的所包括的范围，I区域为竖直方向区域，II区域为水平方向区域，III区域为对角方向区域，IV区域为反对角方向区域。同时第二幅值检测模块45得到中边幅值Em：Em＝|Gx+|Gy|，

第三路是原始图像数据与水平和竖直的高通滤波模块46进行卷积，得到水平梯度Hx和竖直的梯度Hy：

Hx＝HfGau和Hy＝VfGau，为卷积算子。

二者模的和作为小边幅值Es，即：Es＝abs(Hx)+abs(Hy)。

边缘类型分类模块50根据边过渡的锐度，把边的类型分为三类：小边，中边和大边。如图6所示为小边、中边和大边的示意图，小边刻画的是锐度很大的边，中边刻画的是锐度略缓的边，大边刻画的是很缓的边。多尺度图像分析器4送来的Es，Em和El三个量本身就是图像每个像素在三个尺度上的分量，边缘类型分类模块50把这三个量的值作为该点属于小、中、大边的概率。

如图7所示，为不同频带的示意图，A为大边频带，B为中边频带，C为小边频带，Es，Em和El三个量分别属于不同的频带。对于每个像素点，Es，Em和El代表该点在高、中和低频带所占的比重。如图8所示为本发明图像增强处理系统的边缘增强函数示意图，用线性函数来调整最终的增益来控制三个高通率波器。

对于小边

Sg＝Ka_s*Es+Kb_s；

如果Sg＞Up_limit，那么Sg＝Up_limit；

如果Sg＜0，那么Sg＝0；

对于中边

Mg＝Ka_m*Es+Kb_m；

如果Mg＞Up_limit，那么Mg＝Up_limit；

如果Mg＜0，那么Mg＝0；

对于大边

Lg＝Ka_l*Es+Kb_l；

如果Lg＞Up_limit，那么Lg＝Up_limit；

如果Lg＜0，那么Lg＝0；

这样边缘增益控制器51把Es，Em和El转化成三个增益Sg、Mg、Lg，其中，Ka_s、Ka_m、Ka_l、Kb_s、Kb_m、Kb_l、Up_limit是用户可以调整的参数。总的增益分两部分：自适应部分和固定部分(用户手工部分)。Ka_s、Ka_m、Ka_l是来控制自适应部分。Kb_s、Kb_m、Kb_l是固定部分。这样可以很灵活的来控制总的增益。达到调整出好的图像效果。

沿着边的方向，图像的灰度变化比较小，这些小的变化主要由噪声引起的。如图9所示为本发明图像增强处理系统的窗口像素的示意图，以3*3窗口并且以45度边的方向为例，基于这个假定，噪声均值和方差的统计模块52，平均值为：

Nm＝{2*(P1+P3+P5+P7)+2*(P2+P6)+4*P4}/16，

噪声方差为：

Nv＝{abs(P1-P3)+abs(P5-P7)+abs(P4-P2)+abs(P4-P6))/4

总的阈值为：Nt＝Nm+Ng*Nv

N_g是可编程的，可以作为寄存器参数。

去噪处理器3进行非线性滤波处理，根据模糊逻辑控制器5中的噪声均值和方差的统计模块52传来的参数Nm和Nv，有

滤波结果为：

${\mathrm{PN}}_{\mathrm{out}}=\frac{\underset{i=0}{\overset{8}{\mathrm{\Σ}}}(S_i*{\mathrm{\δ}}_i)}{\underset{i=0}{\overset{8}{\mathrm{\Σ}}}{\mathrm{\δ}}_i}$

非线性滤波的均值Nm和方差Nv分别根据边的方向来确定的。gain是用户根据图像的噪声程度来调整。垂直边的方向，灰度变化比较大。沿着边的方向，灰度有很好的一致性，因此在这个方向统计的方差就是噪声的局部方差。这样的非线性滤波能很好的保持边的锐度，也可以得到好的去噪效果。

边缘增强处理器3中的处理如下，原始图像数据经过低带通滤波模块(LBPF)，中带通滤波模块(BPF)和高通滤波模块(HPF)(三个二维滤波模块的频率响应示意图如图10所示)得到的值分别记为：LBP，BP和HP，原图像记为：Iorg

LBP＝IorgLBPF；

BP＝IorgLBP；

HP＝IorgHP；

这三部分分别刻划了图像由低到高的频率内容。对于每个像素，Lg，Mg和Sg表示在这三种成分所占的比重。可以根据图像自适应来调整低、中和高的图像内容，也可以根据用户所感兴趣的内容进行调整。

模糊逻辑控制器传来的增益控制三个滤波模块的输出，结果为：

PE_out＝LBP*Lg+BP*Mg+HP*Sg

根据边所含的不同频率成分，模糊逻辑控制器的三个增益比，Lg，Mg和Sg分别控制低带通滤波模块，中带通滤波模块和高通滤波模块。PEout是最终的高频输出。

去噪装置和边缘增强装置都利用原图像的内容来得到两部分结果：去噪结果PNout和图像细节结果PEout。在图像的细节丰富的区域，希望保留PEout多一些。在平滑区，噪声影响比较明显，希望去噪结果PNout多一些。

在纹理区，方向是杂乱无章的。故噪声均值和方差的统计模块52求出的方差Nv很大，此时应当抑制去噪。

去噪声的比例TNg为：

(1)TNg＝1，如果Nv＜＝NT，NT是用户根据图像总体噪声设置。

(2)TNg＝1-Ka_N*(NT-Nv)，当TNg＜＝KT，那么TNg＝KT，如果Nv＞NT；KT是用户可调的参数。

如图11所示，为去噪示意图，输出边缘增强处理后的数据的比例TEg＝1-TNg，去噪处理器3用模糊逻辑的自适应阈值输出去噪后的图象像素PNout；则图像的噪声为：(Iorg-PNout)，这部分是图像的高频成分。边缘增强处理器3输出有用的高频信息为：PEout；模糊逻辑控制器5用两个增益(TEg和TNg)来控制两部分高频成分，这两个增益是可编程的。合成器6利用：去噪处理器2的输出PNout，边缘处理器3的输出PEout以及模糊逻辑控制器5中噪声均值和方差统计处理模块52输出的增益TEg(输出边缘增强处理后的数据的比例)和TNg(去噪声的比例)；最终输出为：

Pout＝TEg*PEout-TNg*(Iorg-PNout)+Iorg。

如图11所示，为本发明图像增强处理方法的流程图。具体步骤如下：

步骤101、多尺度图像分析器从图像缓存器中读取原始图像数据，得出原始图像的边缘信息，输入模糊逻辑控制器中；

该步骤中，详细的处理可以为：

原始图像数据经过高斯滤波模块的卷积处理，然后经过第一水平和竖直索贝尔率波模块的卷积处理得到水平梯度和竖直梯度，第一幅值检测模块计算出水平梯度和竖直梯度的模的和，即大边的幅值El；原始图像数据经过第二水平和竖直索贝尔滤波模块的卷积处理，得到水平梯度Gx和竖直梯度Gy，方向检测模块根据水平梯度和竖直梯度得到边的方向Ed，第二幅值检测模块得到中边的幅值Em；原始图像数据经过水平和竖直高通滤波模块的卷积处理，得到水平梯度Hx和竖直梯度Hy，第三幅值检测模块得到小边的幅值Es，并且均输入到模糊逻辑控制器中；

步骤102、所述模糊逻辑控制器根据原始图像的边缘信息Es，Em和El，得出原始图像的增益Sg、Mg和Lg，输入到边缘增强处理器中，并得出噪声的方差Nv和阈值Nt，输入去噪处理器中；

该步骤中的处理方法很多，本实施例具体为：

步骤1021、所述模糊逻辑控制器中的边缘类型分类模块根据所述大边的幅值El、中边的幅值Em和小边的幅值Es，得到每个象素大边、中边和小边的概率Lg，Mg和Sg，输入边缘增益控制模块中；所述模糊逻辑控制器中的噪声均值和方差统计模块根据所述边的方向得到噪声的方差Nv和阈值Nt，输入到去噪处理器中；

步骤1022、所述边缘增益控制模块根据所述大边、中边和小边的概率Lg，Mg和Sg，得到原始图像的大边的增益Lg、中边的增益Mg和小边的增益Sg，并输入到所述边缘增强处理器中；

步骤103、边缘增强处理器根据原始图像的增益Lg，Mg和Sg和从图像缓存器中读取的原始图像数据，得出经过边缘增强的图像数据PEout，输入合成器中；去噪处理器根据噪声的方差Nv和从图像缓存器中读取的原始图像数据，得出去噪后的图像数据PNout；

本步骤中的边缘增强器根据原始图像的增益Lg，Mg和Sg和从图像缓存器中读取的原始图像数据，得出经过边缘增强的图像数据方法也很多，在本实施例中详细为：

步骤1031、原始图像数据经过高通滤波模块的处理后，与小边的增益相乘积得到小边处理数据，经过中带通滤波模块的处理后，与中边的增益相乘积得到中边的处理数据，经过低带通滤波模块的处理后，与大边的增益相乘积得到大边的处理数据；

步骤1032、所述小边处理数据、中边的处理数据和大边的处理数据求和得到经过边缘增强的图像数据PEout；

步骤104、合成器根据所述经过边缘增强的图像数据、去噪后的图像数据和原始图像数据得出最后的处理数据。

本方法中的该步骤详细为：

步骤1041、所述合成器根据所述去噪后的图像数据和原始图像数据得出噪音数据(Iorg-PNout)；

步骤1042、计算所述经过边缘增强的图像数据与边缘增益的积TEg*PEout，和噪音数据与噪音增益的积TNg*(Iorg-PNout)的差TEg*PEout-TNg*(Iorg-PNout)，再与所述原始图像求和得到最后的处理数据TEg*PEout-TNg*(Iorg-PNout)+Iorg。

因此，本发明利用多尺度的边缘分析，在模糊逻辑的控制下实现了自适应的降噪处理和图像的边缘增强处理。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1、一种图像增强处理系统，其中包括：

一图像缓存器；

一多尺度图像分析器，与所述图像缓存器相连接，用于提取原始图像的边缘信息；

一模糊逻辑控制器，与所述多尺度图像分析器相连接，用于根据原始图像的边缘信息计算图像的增益，和计算噪声的方差；

一边缘增强处理器，与所述图像缓存器和模糊逻辑控制器相连接，用于根据图像的增益计算输出边缘增强后的信号；

一去噪处理器，与所述图像缓存器和模糊逻辑控制其相连接，用于根据噪声的方差计算去噪后的信号；

一合成器，与所述图像缓存器、去噪处理器、边缘增强处理器和模糊逻辑控制器相连接，用于根据所述边缘增强后的信号、去噪后的信号和图像信号得出最后的输出信号。

2、根据权利要求1所述的图像增强处理系统，其中所述多尺度图像分析器包括：

一高斯滤波模块，与所述图像缓存器相连接；

一第一水平和竖直索贝尔滤波模块，与所述高斯滤波模块相连接；

一第一幅值检测模块，与所述第一水平和竖直索贝尔滤波模块和模糊逻辑控制器相连接；

一第二水平和竖直索贝尔滤波模块，与所述图像缓存器相连接；

一方向检测模块，与所述第二水平和竖直索贝尔滤波模块和模糊逻辑控制器相连接；

一第二幅值检测模块，与所述第二水平和竖直索贝尔滤波模块和模糊逻辑控制器相连接；

一水平和竖直高通滤波模块，与所述图像缓存器相连接；

一第三幅值检测模块，与所述水平和竖直高通滤波模块和模糊逻辑控制器相连接。

3、根据权利要求1所述的图像增强处理系统，其中所述模糊逻辑控制器包括：

一边缘类型分类模块，与所述多尺度图像分析器相连接；

一边缘增益控制模块，与所述边缘类型分类模块和边缘增强处理器相连接；

一噪声均值和方差统计模块，与所述多尺度图像分析器和去噪处理器相连接。

4、根据权利要求3所述的图像增强处理系统，其中所述边缘增强处理器包括：

一高通滤波模块，与所述图像缓存器相连接；

一第一乘法器，与所述高通滤波模块和边缘增益控制模块相连接；

一中带通滤波模块，与所述图像缓存器相连接；

一第二乘法器，与所述中带通滤波模块和边缘增益控制模块相连接；

一低带通滤波模块，与所述图像缓存器相连接；

一第三乘法器，与所述低带通滤波器模块边缘增益控制模块相连接；

一第一加法器，与所述第一乘法器和第二乘法器相连接；

一第二加法器，与所述第三乘法器和第一加法器相连接。

5、一种图像增强处理方法，其中包括以下步骤：

步骤1、多尺度图像分析器从图像缓存器中读取原始图像数据，得出原始图像的边缘信息，输入模糊逻辑控制器中；

步骤2、所述模糊逻辑控制器根据原始图像的边缘信息，得出原始图像的增益，输入边缘增强处理器中，并得出噪声的方差，输入去噪处理器中；

步骤3、边缘增强处理器根据原始图像的增益和从图像缓存器中读取的原始图像数据，得出经过边缘增强的图像数据，输入合成器中；去噪处理器根据噪声的方差和从图像缓存器中读取的原始图像数据，得出去噪后的图像数据；

步骤4、合成器根据所述经过边缘增强的图像数据、去噪后的图像数据和原始图像数据得出最后的处理数据。

6、根据权利要求5所述的图像增强处理方法，其中所述步骤1具体为：原始图像数据经过高斯滤波模块的卷积处理，然后经过第一水平和竖直索贝尔率波模块的卷积处理得到水平梯度和竖直梯度，第一幅值检测模块计算出水平梯度和竖直梯度的模的和，即大边的幅值；原始图像数据经过第二水平和竖直索贝尔滤波模块的卷积处理，得到水平梯度和竖直梯度，方向检测模块根据水平梯度和竖直梯度得到边的方向，第二幅值检测模块得到中边的幅值；原始图像数据经过水平和竖直高通滤波模块的卷积处理，得到水平梯度和竖直梯度，第三幅值检测模块得到小边的幅值，并且均输入到模糊逻辑控制器中。

7、根据权利要求6所述的图像增强处理方法，其中所述步骤2具体为：

步骤21、所述模糊逻辑控制器中的边缘类型分类模块根据所述大边的幅值、中边的幅值和小边的幅值，得到每个象素大边、中边和小边的概率，输入边缘增益控制模块中；所述模糊逻辑控制器中的噪声均值和方差统计模块根据所述边的方向得到噪声的方差和阈值，输入到去噪处理器中；

步骤22、所述边缘增益控制模块根据所述大边、中边和小边的概率，得到原始图像的大边的增益、中边的增益和小边的增益，并输入到所述边缘增强处理器中。

8、根据权利要求5、6或7所述的图像增强处理方法，其中所述步骤3中边缘增强器根据原始图像的增益和从图像缓存器中读取的原始图像数据，得出经过边缘增强的图像数据具体为：

步骤31、原始图像数据经过高通滤波模块的处理后，与小边的增益相乘积得到小边处理数据，经过中带通滤波模块的处理后，与中边的增益相乘积得到中边的处理数据，经过低带通滤波模块的处理后，与大边的增益相乘积得到大边的处理数据；

步骤32、所述小边处理数据、中边的处理数据和大边的处理数据求和得到经过边缘增强的图像数据。

9、根据权利要求5、6或7所述的图像增强处理方法，其中所述步骤4具体为：

步骤41、所述合成器根据所述去噪后的图像数据和原始图像数据得出噪音数据；

步骤42、计算所述经过边缘增强的图像数据与边缘增益的积，和噪音数据与噪音增益的积的差，再与所述原始图像求和得到最后的处理数据。

10、根据权利要求8所述的图像增强处理方法，其中所述步骤4具体为：

步骤41、所述合成器根据所述去噪后的图像数据和原始图像数据得出噪音数据；

步骤42、计算所述经过边缘增强的图像数据与边缘增益的积，和噪音数据与噪音增益的积的差，再与所述原始图像求和得到最后的处理数据。

Images