带有去噪功能的实时数字图像处理增强方法

摘要

本发明是一种数字图像技术领域的全自动带有去噪功能的实时数字图像处理增强方法。首先读入一张数字图像，将每个像素的颜色和灰度值保存到分配的内存区域中，其次将输入图像分解为光照图像和反射图像两部分，接下来对两个部分分别处理，最后再将处理后的光照图像和反射图像合并为输出图像输出到输出设备上。本发明有效改善了图像质量，还可增加更多图像的有效特征。本发明在不同光照条件下获得的图像在数码相机的动态范围(通常为0-255)内根据局部图像的信息自动调整到可见度最佳的亮度范围。

说明书

技术领域

本发明涉及的是一种数字图像技术领域的图像处理方法，具体地说，是一种带有去噪功能的实时数字图像处理增强方法。

背景技术

随着数码相机的普及，数字图像在生产和生活中占有了越来越重要的地位。特别是在生产自动化中，数字图像在目标识别和目标跟踪等方面起到了重要作用。然而由于成像技术本身的缺陷，影响了数字图像的质量，使数字图像的应用受到了限制。

现实生活中的亮度动态范围非常大，主要受环境光照的影响，阳光直射下和阴影中的亮度往往相差几个数量级。相比之下数码相机的动态范围则小得多，最长用的8位图像深度只能表示256个亮度阶数。在不同光照条件下，人类的视觉系统可以通过调整瞳孔大小以及视网膜与大脑皮层的处理消除光照的影响，以正确识别物体。而照相机不具备这种自我调节的功能，因此在光照条件不佳的情况下(过暗或过亮)，感兴趣的物体在图像上难以识别，图像的质量也就下降了很多。

针对这个问题一般的处理方法往往是灰度均衡化或者伽马校正，然而这两种处理方法都是一种全局的处理方法，而忽视了局部的信息，因此用上述方法增强图像后虽然光照得到了改善，局部图像的细节却可能丢失。相比之下，本发明基于Retinex模型，通过将图像分解为光照图像和反射图像将光照的影响从原图中剥离，在改善输出图像中光照效果的同时较好地保护了原图中局部的图像细节。

经对现有技术的文献检索发现，Ron.Kimmel，Michael Elad等在《International Journal of Computer Vision》(计算机视觉国际期刊，2003年第52期第1卷第7～23页)上发表的“A Variational Framework for Retinex”(Retinex的一种变分架构)，该文中提出一种基于Retinex模型的图像增强方法，具体的说，首先读取一张输入图像，然后将输入图像分解为光照图像和反射图像。这个图像分解的方法是通过以下方式完成的：根据Retinex模型，任何图像可以分解为光照图像和反射图像的乘积，图像分解的核心为光照图像的估计，即对环境光照的预测。环境光照的预测基于Retinex变分模型中提到的3个约束：光照图像在空间域平滑、光照图像的像素值大于输入图像的像素值、以及光照图像和输入图像足够接近，对环境光照成分加以估算，得到一幅很平滑的图像作为光照图像的预测，然后由输入图像与光照图像、反射图像的关系推得反射图像。将图像分解为光照图像和反射图像以后，对输入图像的光照成分进行单独处理，通过伽马校正改善原图中光照不佳区域的可见度，提高图像质量。

上述方法的不足在于：虽然以上方法可以改善输入图像的光照效果，但是在图像细节内容得到了增强的同时输入图像中的噪声也被增强了，因此对含原本包含较多噪声的输入图像，输出图像的质量有可能比输入图像还要差。不能解决在增强图像细节的同时，避免噪声对输出图像质量的影响。

发明内容

本发明的目的在于克服现有技术中对于环境光照条件对数字图像的影响的技术存在不足，提供一种带有去噪功能的实时数字图像处理增强方法，使在不同光照条件下获得的图像在数码相机的动态范围(通常为0-255)内根据局部图像的信息自动调整到可见度最佳的亮度范围，可以应用于提高数码相机的成像质量以及基于数字图像的工业自动化的图像预处理阶段。

本发明是通过以下技术方案实现的，本发明首先读入一张数字图像，将每个像素的颜色和灰度值保存到分配的内存区域中，其次将输入图像分解为光照图像和反射图像两部分，接下来分别对光照图像处理和对反射图像处理，最后再将处理后的光照图像和反射图像合并为输出图像输出到输出设备上。

所述的将输入图像保存到分配的内存区域中，是指：申请一块和图像尺寸大小相当的内存区域，将输入图像的每个像素值按顺序存入内存区域对应的内存单元中。如果输入图像是彩色图像，则彩色图像将分为R、G、B三个通道分别保存。

所述的将输入图像分解为光照图像和反射图像，是指：根据Retinex模型，任何图像可以分解为光照图像和反射图像的乘积，图像分解的核心为光照图像的估计，即对环境光照的预测。环境光照的预测基于Retinex变分模型中提到的3个约束：光照图像在空间域平滑、光照图像的像素值大于输入图像的像素值、以及光照图像和输入图像足够接近，对环境光照成分加以简化，应用多解析度技术，即在每个解析度层应用高斯平滑得到图像的低频信息，应用拉普拉斯锐化得到图像的高频信息，通过不断地去除图像中的高频信息，保留低频信息，得到一幅很平滑的图像作为光照图像的预测，然后由输入图像与光照图像、反射图像的关系推得反射图像。

所述的对光照图像的处理，是指：对初始的光照图像进行伽马校正，以伽马曲线作为映射曲线，拉升输入图像中过暗区域和过量区域的对比度，提高这两部分光照不佳区域的光照效果和可见度。

所述的对反射图像的处理，是指：从光照图像中识别出输入图像的过暗区域，对输入图像的反射图像相应的区域进行局部双边滤波处理。所述的局部双边滤波处理，是指：由于反射图像包含的是原图中的高频信息，同时输入图像的过暗区域信息和噪声的可见度都较低，图像的噪声在经过图像分解后大部分集中到了反射图像中对应输入图像中过暗的区域，从光照图像中识别输入图像的过暗区域，应用双边滤波器对与过暗区域相对应的反射图像区域进行去噪处理。

所以原图经过分解后大部分噪声都集中到了反射图像中。一般的去噪方法如均值滤波、中值滤波和高斯滤波都会使原图变得模糊，一些重要的信息如物体边缘和特征点有可能会丢失。同时这些方法都是全图的滤波，本发明相比它们要节省更多的处理时间，达到实时处理的要求。实验分析可以确定输出图像的绝大部分噪声对应于输入图像的过暗区域，通过在反射图像上对这些区域进行滤波，而非整个图像，不仅可以有效去除大部分的噪声，还可以节省大量的处理时间，以满足实时处理的要求。需要滤波的区域，即输入图像的黑暗区域，可以由光照图像上的信息动态地确定。同时根据光照图像上识别出的过暗区域在反射图像中做双边滤波去噪，边缘信息可以得到完整的保留，同时边缘两侧的噪声由高斯滤波去除。

所述的从光照图像中找到输入图像中的过暗区域，是指：根据实验选取一个效果最佳的阈值，针对光照图像的像素灰度做二值化处理，灰度小于阈值的标1，  灰度大于阈值的标0，这样标1的区域即是需要做去噪处理的过暗区域。

所述的双边滤波，是指：一种分别在图像空间域和图像灰度域进行去噪处理的技术，它能在保护图像边缘信息不受损害的基础上消除图像中的噪声，达到改善图像质量的目的。当遇到物体边缘时，受值域滤波的影响，边缘两侧的像素值不会相互影响，而是分别在自己的一侧做空间域的高斯滤波。

所述的光照图像和反射图像合并为输出图像，是指：根据任何图像可以分解为光照图像和反射图像的乘积，将分别处理后的新的光照图像和反射图像对应像素的像素值相乘得到输出图像。输出图像和输入图像的格式一致，可以输出到一般的输出设备如数字照片打印机以及计算机显示器等等。

本发明首先输入一幅数字图像，将每个像素的颜色和灰度值保存到分配的内存区域中；其次根据Retinex模型将输入图像分解为两个部分：光照图像和反射图像；接下来对两个部分分别处理，光照图像经过伽马校正改善光照效果，反射图像根据从光照图像上获取的去噪区域进行局部双边滤波，以去除噪声；最后再将处理后的光照图像和反射图像合并为一幅输出图像输出到输出设备上。

本发明不仅能够改善在光照不佳的环境下拍摄图像的质量，调整输入图像中的光照效果，提高输入图像内容的可见度，而且能够满足实时处理的要求。与一般的全局图像增强方法如伽马校正和灰度均衡化方法相比，能够更好地保留局部的图像细节，增加图像中有效的特征点个数，使其在日常生活和生产中都有广泛的应用前景。并且本发明在基于Retinex模型的图像增强系统的基础上加入了对反射图像噪声集中区域的去噪操作，在不影响系统实时性的条件下大大改善了Retinex算法在图像增强过程中造成噪声量提高的问题。

附图说明

图1本发明实施例的处理流程图

图2本发明应用实例示意图

具体实施方式

下面对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式，但本发明的保护范围不限于下述的实施例。

本实施例首先读取输入图像；之后，将输入图像分解为两个部分：光照图像和反射图像；然后，对光照图像做伽马校正，并从校正前的光照图像中提取过暗区域，对反射图像的相应区域已用双边滤波器做去噪处理；最后，将处理后的光照图像和反射图像相乘合并为输出图像，输出该图像。整个过程是实时的并且是自适应的，不需要用户设定任何参数。

如图1所示，本实施例首先用户启动实时图像增强系统，点击文件选择按钮选择打开待增强的图像，点击增强按钮开始对输入图像进行增强。

接下来，图像增强程序根据Retinex模型对输入图像进行分解，将输入图像分解为光照图像和反射图像。程序对光照图像进行伽马校正得到处理后的光照图像。程序根据实验选取阈值对光照图像进行二值化，灰度大于阈值的像素标0，即为输入图像亮的区域，不需要进行滤波，而灰度小于阈值的像素标1，即为输入图像的过暗区域，需要对之进行去噪处理。

对于反射图像处理时，逐个选取反射图像中的像素，对照之前由光照图像获取的二值图像，如果对应位置的像素在二值图像中为0，则不作处理；如果对应位置的像素在二值图像中为1，则对该像素进行双边滤波。然后判断是否反射图像中的每个像素都已经遍历过，如果没有，则继续选择下一个像素。

当反射图像的每一个像素都遍历过之后，经过处理的光照图像和反射图像最后重新相乘合并为输出图像，显示在程序窗口中。

如图2所示，本实施例输入图像根据Retinex模型被分解为光照图像和反射图像。在做去噪处理前，由于过暗区域的图像噪声被增强了，反射图像上对应过暗区域的地方信噪比很低。从光照图像中识别出这些过暗区域作为去噪区域，在反射图像上做局部的双边滤波去噪处理，在保留边缘的条件下使高噪声的区域得到了平滑。然后将经过伽马校正的光照图像和去噪处理后的反射图像合并为输出图像。输出图像与输入图像相比，光照效果得到了明显改善，图像细节的对比对得到显著提高，同时噪声得到有效抑制。以上处理是在实时条件下完成的。