[發(fā)明專利]一種圖像增強方法、裝置及設(shè)備

有效

• 申請?zhí)枺?/td>: 201710545556.2
• 申請日: 2017-07-06
• 公開（公告）號: CN107358586B
• 公開（公告）日: 2020-07-14
• 發(fā)明（設(shè)計）人: 黃林沖;黃帥;梁禹;陶臣園
• 申請（專利權(quán)）人: 中山大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50;G06T7/11
• 代理公司: 北京科億知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 陳正興

本發(fā)明公開了一種圖像增強方法，包括：對原圖像進行二值化處理，將原圖像分割背景類圖像和目標(biāo)類圖像；根據(jù)分割后的圖像的種類，對分割后的圖像采用相應(yīng)尺度的retinex算法計算處理；對計算處理后的圖像中包括的亮度圖像進行雙邊濾波處理，對計算處理后的圖像中包括的反射圖像進行小波去噪處理；對雙邊濾波處理后的圖像和小波去噪處理后的圖像合成并進行伽馬校正，得到增強后的圖像。通過對兩個尺度進行變換，有利于減少卷積計算量，對亮度圖像進行雙邊濾波，以及對反射圖像進行小波去噪，有利于去除圖像的噪聲且較少的損失圖像細(xì)節(jié)，通過對合成的圖像進行伽馬校正，有利于增強圖像全局。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其涉及一種圖像增強方法、裝置及設(shè)備。

背景技術(shù)

圖像增強是針對給定圖像的應(yīng)用場合，有目的地強調(diào)圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強調(diào)某些感興趣的特征，擴大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富信息量，加強圖像判讀和識別效果，滿足某些特殊分析的需要。它可以突出某些感興趣的區(qū)域，降低一些無用的信息影響，改善圖像的視覺效果，提高圖像使用價值。在醫(yī)學(xué)診斷、人臉識別、遙感圖像等領(lǐng)域，圖像識別得到了廣泛應(yīng)用。經(jīng)典的圖像增強算法主要有:直方圖均衡法、小波變換法、同態(tài)濾波法和Retinex算法等。

Retinex是Land等提出的一個關(guān)于人類視覺系統(tǒng)如何調(diào)節(jié)感知到物體的顏色和亮度的模型，它表示同樣的物體在不同的光源或光線底下顏色恒定的。它將圖像I(x,y)分為兩部分,即亮度圖像(低頻部分)和反射圖像(高頻部分),分別用L(x,y)和R(x,y)表示。通過改變亮度圖像和反射圖像在原圖像中的比例來達到增強圖像的目的。但是，現(xiàn)有的多尺度Retinex圖像增強算法由于需要多次卷積運算，導(dǎo)致運算量較大，而且假定初始光照圖像是緩慢變化的，當(dāng)實際情況的圖像邊緣存在光照變化較大時，容易產(chǎn)生圖像邊緣模糊，圖像細(xì)節(jié)增強不足。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實施例提供了一種圖像增強方法、裝置及設(shè)備，以解決現(xiàn)有技術(shù)中的圖像增強算法運算量較大，容易產(chǎn)生圖像邊緣模糊和圖像細(xì)節(jié)增強不足的問題。

本發(fā)明實施例的第一方面提供了一種圖像增強方法，所述圖像增強方法包括：

對原圖像進行二值化處理，將原圖像分割背景類圖像和目標(biāo)類圖像；

根據(jù)分割后的圖像的種類，對分割后的圖像采用相應(yīng)尺度的retinex算法計算處理；

對計算處理后的圖像中包括的亮度圖像進行雙邊濾波處理，對計算處理后的圖像中包括的反射圖像進行小波去噪處理；

對雙邊濾波處理后的圖像和小波去噪處理后的圖像合成并進行伽馬校正，得到增強后的圖像。

結(jié)合第一方面，在第一方面的第一種可能實現(xiàn)方式中，所述對原圖像進行二值化處理，將原始圖像分割背景類圖像和目標(biāo)類圖像的步驟包括：

根據(jù)灰度閾值計算公式：計算原圖像按灰度分割為背景類圖像和目標(biāo)類圖像的灰度閾值，其中：p_m是背景類圖像所占的比例，p_n是目標(biāo)類所占的比例，ω_m是背景類圖像的灰度均值，ω_n是目標(biāo)類灰度均值，ω₀是整個圖像灰度均值。

結(jié)合第一方面，在第一方面的第二種可能實現(xiàn)方式中，所述根據(jù)分割后的圖像的種類，對分割后的圖像采用相應(yīng)尺度的retinex算法計算處理的步驟包括：

對背景類圖像采用小尺度的retinex算法計算處理，對目標(biāo)類圖像采用大尺度的retinex算法計算處理，計算公式為：

r_i(x,y)＝log[R_i(x,y)]＝log[I_i(x,y)]-log[I_i(x,y)*F_i(x,y)]