一种基于锐化强度与灰度分布结合的图像增强方法

摘要

一种基于锐化强度与灰度分布结合的图像增强方法，先对彩色图像的亮度信息进行拉普拉斯变换，统计图像中每个像素点的突变程度即锐化强度，其次对锐化强度进行量化，并将量化值融入到图像亮度分量的灰度直方图中对其进行修正，然后进行灰度对比度拉伸，最后完成对彩色图像的增强。本发明在增强图像细节信息的同时，对整幅图像进行对比度拉伸，进而获得更好的图像增强效果。

说明书

技术领域

本发明属于数字图像增强技术领域，涉及一种基于锐化强度与灰度分布相结合的彩色图像增强方法。

背景技术

图像增强的核心就是将图像的重要内容增强突出，同时将不重要的内容进行抑制。通过图像增强，能够改善图像的显示效果，也可以有助于图像的目标识别等其他后续处理。现有基于灰度直方图的图像增强算法只是将图像中像素个数多的灰度值进行展宽，而对像素个数少的灰度值进行归并，所以对于景物的边缘细节部分，没有获得对比度的展宽，不能很好的达到使图像清晰的目的。换句话说，对于渐变且灰度级分布较为集中的部分，即使这部分的对比度不展宽，仍旧能够保持好的效果，但对于景物的边缘细节部分，如果能够获得对比度的展宽，将有助于获得好的图像增强效果。

发明内容

本发明的目的是提供一种基于锐化强度与灰度分布结合的图像增强方法，在增强图像细节信息的同时，对整幅图像进行对比度拉伸，进而获得更好的图像增强效果。

本发明所采用的技术方案是，一种基于锐化强度与灰度分布结合的图像增强方法，具体步骤如下：

步骤1、确定彩色图像亮度信息

设输入的彩色图像大小为m×n，该彩色图像的红、绿、蓝三色矩阵分量分别为R＝[r(i，j)]_m×n，G＝[g(i，j)]_m×n，B＝[b(i，j)]_m×n，则其亮度矩阵分量L＝[l(i，j)]_m×n由下式得到：

l(i，j)＝max(r(i，j)，g(i，j)，b(i，j))，i＝1，2，...，m，j＝1，2，...，n；(1)

其中，r(i，j)，g(i，j)，b(i，j)以及l(i，j)分别为该彩色图像的红、绿、蓝三色分量，以及亮度分量在点(i，j)处像素的值；

步骤2、计算锐化强度

设为采用Laplacian算子检测出的锐化强度幅值，

a.初始化${▿}^{2}L={\left[{▿}^{2}l(i,j)\right]}_{m\times n}:$

${▿}^{2}l(i,j)=0,$i＝1，2，...，m，j＝1，2，...，n；(2)

b.求解锐化强度矩阵${▿}^{2}L={\left[{▿}^{2}l(i,j)\right]}_{m\times n}:$

${▿}^{2}l(i,j)=|4l(i,j)-l(i-1,j)-l(i+1,j)-l(i,j-1)-l(i,j+1)|,$

其中，i＝2，3...，m-1，j＝2，3，...，n-1；(3)

步骤3、量化锐化强度

a.求的均值μ：

$\mu =\frac{1}{m\times n}\underset{i=1}{\overset{m}{\Sigma }}\underset{j=1}{\overset{n}{\Sigma }}{▿}^{2}l(i,j);---\left(4\right)$

b.选取k_μμ为量化单位，对进行量化，得到锐化强度矩阵W＝[w(i，j)]_m×n：

$w(i,j)={▿}^{2}l(i,j)/k_{\mu }\mu ,$i＝1，2，...，m，j＝1，2，...，n；(5)

其中，k_μ为量化因子；

步骤4、计算图像亮度分量的锐化强度融合灰度直方图

a.设图像亮度分量L＝[l(i，j)]_m×n的灰度直方图为H＝[h(i)]_256×1，并初始化H＝[h(i)]_256×1：

h(k)＝0，k＝0，1，...，255；(6)

b.求解锐化强度融合灰度直方图：

k＝l(i，j)，i＝1，2，...，m，j＝1，2，...，n；(7)

h(k)＝h(k)+1+w(i，j)；            (8)

步骤5、增强亮度分量

a.计算步骤4得到的锐化强度融合灰度直方图的概率分布

对于步骤3得到的锐化强度矩阵W＝[w(i，j)]_m×n，计算其总强度值N_w：

$N_w=\underset{i=1}{\overset{m}{\Sigma }}\underset{j=1}{\overset{n}{\Sigma }}w(i,j),$i＝1，2，...，m，j＝1，2，...，n；        (9)

则锐化强度融合灰度的概率分布为P_H＝[p_h(i)]_256×1为：

P_H(k)＝h(k)/(m×n+N_w)；            (10)

b.计算锐化强度融合灰度直方图的累积分布设该累积分布为P_HS＝[p_hs(i)]_256×1，则

$P_{\mathrm{HS}}\left(k\right)=\underset{i=0}{\overset{k}{\Sigma }}{p}_h\left(i\right),$k＝0，1，...，255；        (11)

c.设对亮度分量进行增强处理后的结果为L*＝[l*(i，j)]_m×n，则

k＝l(i，j)，i＝1，2，...，m，j＝1，2，...，n；(12)

l*(i，j)＝255·P_HS(k)；            (13)

步骤6、对彩色图像进行增强

a.对输入的彩色图像的红、绿、蓝三个颜色分量计算其颜色比例系数矩阵A_R＝[α_R(i，j)]_m×n，A_G＝[α_G(i，j)]_m×n，A_B＝[α_B(i，j)]_m×n：

$\hat{l}(i,j)=l(i,j)+1,$i＝1，2，...，m，j＝1，2，...，n；(14)

${\alpha }_R(i,j)=r(i,j)/\hat{l}(i,j),$i＝1，2，...，m，j＝1，2，...，n；(15)

${\alpha }_G(i,j)=g(i,j)/\hat{l}(i,j),$i＝1，2，...，m，j＝1，2，...，n；(16)

${\alpha }_B(i,j)=b(i,j)/\hat{l}(i,j),$i＝1，2，...，m，j＝1，2，...，n；(17)

b.求增强后的彩色图像

设对彩色图像进行增强处理后的红、绿、蓝三个颜色分量为R*＝[r*(i，j)]_m×n，G*＝[g*(i，j)]_m×n，B*＝[b*(i，j)]_m×n，则：

r*(i，j)＝α_R(i，j)·l*(i，j)，i＝1，2，...，m，j＝1，2，...，n；(18)

g*(i，j)＝α_G(i，j)·l*(i，j)，i＝1，2，...，m，j＝1，2，...，n；(19)

b*(i，j)＝α_B(i，j)·l*(i，j)，i＝1，2，...，m，j＝1，2，...，n；(20)

即得到增强后的彩色图像。

步骤3中，量化因子k_μ优选取值范围为k_μ∈[1，5]。

本发明的一种基于锐化强度与灰度分布结合的图像增强方法，先对彩色图像提取出其亮度信息，对亮度分量进行Laplacian变换(即拉普拉斯变换)，统计图像中每个像素点的突变程度即锐化强度，并对锐化强度进行量化，将量化值融入到图像的亮度分量的灰度直方图中，对其进行修正，使具有突变部分的灰度对比度拉伸更加具有优势，由此，完成对图像的增强。本发明方法在增强图像细节信息的同时，对整幅图像进行对比度拉伸，进而获得更好的图像增强效果。

具体实施方式

下面结合具体实施方式对本发明进行详细说明。

本发明一种基于锐化强度与灰度分布结合的图像增强方法，具体步骤如下：

步骤1、确定彩色图像亮度信息

设输入的彩色图像大小为m×n(即该数字图像的大小为m行，n列)，该彩色图像的红、绿、蓝三色矩阵分量分别为R＝[r(i，j)]_m×n，G＝[g(i，j)]_m×n，B＝[b(i，j)]_m×n，则其亮度矩阵分量L＝[l(i，j)]_m×n由下式得到：

l(i，j)＝max(r(i，j)，g(i，j)，b(i，j))，i＝1，2，...，m，j＝1，2，...，n；(1)

其中，r(i，j)，g(i，j)，b(i，j)以及l(i，j)分别为该彩色图像的红、绿、蓝三色分量，以及亮度分量在点(i，j)处像素的值；

步骤2、计算锐化强度

图像锐化多用于边缘提取，与现有技术不同的是本专利选用了Laplacian算子(即拉普拉斯变换)计算图像的锐化强度，进而可以通过量化后的锐化强度修正灰度直方图达到图像增强的目的。

设为采用Laplacian算子检测出的锐化强度幅值，

a.初始化${▿}^{2}L={\left[{▿}^{2}l(i,j)\right]}_{m\times n}:$

${▿}^{2}l(i,j)=0,$i＝1，2，...，m，j＝1，2，...，n；(2)

b.求解锐化强度矩阵${▿}^{2}L={\left[{▿}^{2}l(i,j)\right]}_{m\times n}:$

${▿}^{2}l(i,j)=|4l(i,j)-l(i-1,j)-l(i+1,j)-l(i,j-1)-l(i,j+1)|,$

其中，i＝2，3...，m-1，j＝2，3，...，n-1；(3)

步骤3、量化锐化强度

此步骤中，对进行量化，得到量化后的锐化强度矩阵W＝[w(i，j)]_m×n。具体方法如下：

a.求的均值μ：

$\mu =\frac{1}{m\times n}\underset{i=1}{\overset{m}{\Sigma }}\underset{j=1}{\overset{n}{\Sigma }}{▿}^{2}l(i,j);---\left(4\right)$

b.选取k_μμ为量化单位，对进行量化，得到最终的锐化强度矩阵W＝[w(i，j)]_m×n：

$w(i,j)={▿}^{2}l(i,j)/k_{\mu }\mu ,$i＝1，2，j＝，m，j＝1，2，...，n；(5)

其中，k_μ为量化因子，若k_μ取值过小，锐化幅度就越大，使得图像过增强；若k_μ取值过大，锐化幅度就越小，则图像的细节信息增强不明显。经实验，优选取值范围为k_μ∈[1，5]；

步骤4、计算图像亮度分量的锐化强度融合灰度直方图

a.设图像亮度分量L＝[l(i，j)]_m×n的灰度直方图为H＝[h(i)]_256×1，并初始化H＝[h(i)]_256×1：

h(k)＝0，k＝0，1，...，255；        (6)

b.求解锐化强度融合灰度直方图：

k＝l(i，j)，i＝1，2，...，m，j＝1，2，...，n；(7)

h(k)＝h(k)+1+w(i，j)；(8)

步骤5、增强亮度分量

a.计算步骤4得到的锐化强度融合灰度直方图的概率分布

对于步骤3得到的锐化强度矩阵W＝[w(i，j)]_m×n，计算其总强度值N_w：

$N_w=\underset{i=1}{\overset{m}{\Sigma }}\underset{j=1}{\overset{n}{\Sigma }}w(i,j),$i＝1，2，...，m，j＝1，2，...，n；(9)

则锐化强度融合灰度的概率分布为P_H＝[p_h(i)]_256×1为：

P_H(k)＝h(k)/(m×n+N_w)；            (10)

b.计算锐化强度融合灰度直方图的累积分布设累积分布为P_HS＝[p_hs(i)]_256×1，则

$P_{\mathrm{HS}}\left(k\right)=\underset{i=0}{\overset{k}{\Sigma }}{p}_h\left(i\right),$k＝0，1，...，255；(11)

c.设对亮度分量进行增强处理后的结果为L*＝[l*(i，j)]_m×n，则

k＝l(i，j)，i＝1，2，...，m，j＝1，2，...，n；(12)

l*(i，j)＝255·P_HS(k)；(13)

步骤6、对彩色图像进行增强

a.对输入的彩色图像的红、绿、蓝三个颜色分量计算其颜色比例系数矩阵A_R＝[α_R(i，j)]_m×n，A_G＝[α_G(i，j)]_m×n，A_B＝[α_B(i，j)]_m×n：

$\hat{l}(i,j)=l(i,j)+1,$i＝1，2，...，m，j＝1，2，...，n；(14)

${\alpha }_R(i,j)=r(i,j)/\hat{l}(i,j),$i＝1，2，...，m，j＝1，2，...，n；(15)

${\alpha }_G(i,j)=g(i,j)/\hat{l}(i,j),$i＝1，2，...，m，j＝1，2，...，n；(16)

${\alpha }_B(i,j)=b(i,j)/\hat{l}(i,j),$i＝1，2，...，m，j＝1，2，...，n；(17)

b.求增强后的彩色图像

设对彩色图像进行增强处理后的红、绿、蓝三个颜色分量为R*＝[r*(i，j)]_m×n，G*＝[g*(i，j)]_m×n，B*＝[b*(i，j)]_m×n，则：

r*(i，j)＝α_R(i，j)·l*(i，j)，i＝1，2，...，m，j＝1，2，...，n；(18)

g*(i，j)＝α_G(i，j)·l*(i，j)，i＝1，2，...，m，j＝1，2，...，n；(19)

b*(i，j)＝α_B(i，j)·l*(i，j)，i＝1，2，...，m，j＝1，2，...，n，(20)

即得到增强后的彩色图像。