[發明專利]融合邊緣灰度直方圖與人眼視覺感知特性的圖像增強方法

有效

• 申請號: 201911036351.7
• 申請日: 2019-10-29
• 公開（公告）號: CN110852977B
• 公開（公告）日: 2023-04-11
• 發明（設計）人: 曾明;盧向哲;李祺;王湘暉
• 申請（專利權）人: 天津大學
• 主分類號: G06T5/40
• 分類號: G06T5/40;G06T5/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 杜文茹

一種融合邊緣灰度直方圖與人眼視覺感知特性的圖像增強方法：分別計算圖像中每一個像素位置的行方向的梯度和列方向的梯度，以及該像素位置總的梯度；將所有像素位置總的梯度進行排序，找出其中最大的總的梯度，并設定梯度閾值；將所有像素位置總的梯度與梯度閾值進行比較，標記出像素位置總的梯度大于梯度閾值的所有圖像邊緣像素，并統計標記出的所有圖像邊緣像素中灰度級相同的邊緣像素的數量，得到邊緣灰度直方圖；計算邊緣灰度級小于設定值的累積概率分布；考慮人眼視覺非線性特性，計算人眼在不同亮度背景下的感知敏感度因子，并做歸一化處理，得到最佳的灰度級調整參考值；從而得到增強圖像。本發明顯著提升圖像的視覺效果。

技術領域

本發明涉及一種圖像增強方法。特別是涉及一種融合邊緣灰度直方圖與人眼視覺感知特性的圖像增強方法。

背景技術

在現實生活中，由于受拍照環境光照不佳和成像設備性能不足等因素的影響，所獲得的圖像易出現細節模糊、顏色失真、對比度低、噪聲較多等現象，這些降質圖像對于圖像分析與理解帶來極大的困難。例如醫學影像分析上，出于對患者安全檢查的考慮，加之醫療設備圖像信息采集能力的限制，所獲取的各類醫學影像的清晰度和對比度并不理想，直接影響醫生病理診斷的準確性。顯然，借助圖像增強技術對大量降質圖像進行增強處理具有重要的實際意義。一方面可以顯著改善圖像的視覺效果。另一方面增強的結果更有利于后續的圖像分析與辨識處理。

在現有的圖像增強算法中，直方圖均衡方法(Global?Histogram?Equalization，GHE)是最經典且應用最廣泛的增強算法，該算法將灰度累積概率分布作為灰度的調整函數，算法設計簡單，易于編程實現，對于大多數降質圖像的增強有一定的效果。后續很多研究人員針對GHE算法的灰度調整策略存在的問題做了一系列改進。改進的亮度保留雙直方圖均衡(BPBHE)算法首先根據輸入圖像亮度的均值將輸入圖像的直方圖分解為兩個子圖，然后對這兩個子直方圖進行獨立均衡。為了克服GHE這種全局算法對局部區域細節增強的不足，提出了改進的自適應直方圖均衡(AHE)算法，該算法依據局部區域直方圖計算灰度的映射關系，因此該算法的計算復雜度較大。另外，也有一些科研人員嘗試將直方圖均衡思想推廣到頻率域，提出了多尺度自適應直方圖均衡(MAHE)，該算法首先使用小波變換將輸入圖像分解成子帶，然后用自適應直方圖均衡處理高頻子帶，最后將處理后的高頻子帶與低頻子帶合并得到增強圖像。

盡管改進后的算法圖像增強效果有所改善，但這些算法仍存在兩方面的共性問題，影響了算法的增強性能。首先是分析數據存在的問題，GHE及其系列改進算法的分析數據都是圖像的直方圖，圖像直方圖僅僅是圖像中各灰度簡單的數量統計結果，并未真實反映各灰度對信息刻畫的作用大小，因此依據灰度數量的概率分布進行灰度調整不能保證對信息刻畫重要的灰度級動態范圍進行有效拉伸。其次，人眼視覺感知研究發現，人眼對不同亮度背景的信息敏感程度存在明顯差異，對亮度背景較暗的灰度偏差感知能力較弱，對亮度背景適中或較亮環境的灰度偏差感知能力較強。而GHE及其系列改進算法都是基于人眼不同亮度背景敏感度相同的假設，使得大量暗背景下的細節信息不能得到有效增強。

發明內容

本發明所要解決的技術問題是，提供一種能夠顯著改善圖像的視覺增強效果的融合邊緣灰度直方圖與人眼視覺感知特性的圖像增強方法。

本發明所采用的技術方案是：一種融合邊緣灰度直方圖與人眼視覺感知特性的圖像增強方法，包括如下步驟：

1)分別計算圖像中每一個像素I(x,y)位置的行方向的梯度和列方向的梯度，以及該像素位置總的梯度；

2)將所有像素位置總的梯度G進行排序，找出其中最大的總的梯度G_max，并將0.15*G_max設定為梯度閾值；

3)將所有像素位置總的梯度與梯度閾值進行比較，標記出像素位置總的梯度大于梯度閾值的所有圖像邊緣像素，并統計標記出的所有圖像邊緣像素中灰度級相同的邊緣像素的數量，得到邊緣灰度直方圖；