[發明專利]基于金字塔分解的圖像增強方法、裝置、設備和存儲介質

在審

• 申請號: 202011018633.7
• 申請日: 2020-09-24
• 公開（公告）號: CN112365431A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 李鍵紅;翁若儀;劉思玲;鐘瑞瓊
• 申請（專利權）人: 廣東外語外貿大學
• 主分類號: G06T5/20
• 分類號: G06T5/20;G06T5/00;G06T7/90
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 常柯陽

1.基于金字塔分解的圖像增強方法，其特征在于，包括：

構建待處理圖像的高斯金字塔；

建立空的拉普拉斯金字塔；

遍歷所述高斯金字塔中的每一層像素數據，根據每一層像素數據確定所述拉普拉斯金字塔中對應層的像素數據；

根據所述拉普拉斯金字塔，生成細節增強后的最終圖像。

2.根據權利要求1所述的基于金字塔分解的圖像增強方法，其特征在于，所述構建待處理圖像的高斯金字塔，包括：

根據待處理圖像，通過高斯低通濾波生成高斯金字塔。

3.根據權利要求1所述的基于金字塔分解的圖像增強方法，其特征在于，所述遍歷所述高斯金字塔中的每一層像素數據，根據每一層像素數據確定所述拉普拉斯金字塔中對應層的像素數據，包括：

遍歷所述高斯金字塔中每一層像素數據作為目標像素，確定所述目標像素在所述待處理圖像上對應位置的原始像素；

計算所述目標像素與所述原始像素之間的差值；

計算所述目標像素與所述原始像素之間的布爾值；

根據所述差值和所述布爾值，確定目標像素屬于邊緣像素或者細節像素；

根據遍歷所述高斯金字塔中每一層像素數據的結果，生成拉普拉斯金字塔中對應層的像素數據。

4.根據權利要求3所述的基于金字塔分解的圖像增強方法，其特征在于，所述根據所述差值和所述布爾值，確定目標像素屬于邊緣像素或者細節像素，包括：

當所述差值大于設定閾值，確定當前目標像素為邊緣像素，則根據邊緣映射函數、所述布爾值以及所述差值，得到對應于所述拉普拉斯金字塔中的邊緣像素的像素數據；

當所述差值小于或者等于所述設定閾值，確定當前目標像素為細節像素，則根據細節映射函數、所述布爾值以及所述差值，得到對應于所述拉普拉斯金字塔中的細節像素的像素數據。

5.根據權利要求4述的基于金字塔分解的圖像增強方法，其特征在于，

所述根據邊緣映射函數、所述布爾值以及所述差值，得到對應于所述拉普拉斯金字塔中的邊緣像素的像素數據中，生成所述拉普拉斯金字塔中的像素數據的表達式為：

Inew-re＝g₀+dsgn×(fe(dnrm-sigma_r)+sigma_r)，

其中，Inew-re代表所述拉普拉斯金字塔中對應的邊緣像素的像素數據；g₀代表所述高斯金字塔中的目標像素；dsgn代表所述布爾值；fe()代表從[0,1]到[0,1]的平滑函數，用于細節的放大或衰減，fe(x)＝β*x，其中β為用戶可調參數；dnrm代表所述差值；sigma_r代表設定閾值；

所述根據細節映射函數、所述布爾值以及所述差值，得到對應于所述拉普拉斯金字塔中的細節像素的像素數據中，生成所述拉普拉斯金字塔中的像素數據的表達式為：

Inew-rd＝g₀+dsgn×sigma_r×fd(dnrm/sigma_r)；

其中，Inew-rd代表所述拉普拉斯金字塔中對應的細節像素的像素數據；g₀代表所述高斯金字塔中的目標像素；dsgn代表所述布爾值；fd()是定義在[0，∞]上的光滑非負函數，用于控制邊緣振幅的放大或衰減，當α≥1，fd(x)＝x^α，當α1,fd(x)＝t*x^α+(1-t)x，其中當x0.01時t＝0,當x0.02時t＝1,x介于兩者之間時使用一個修正函數計算：t＝(100*x*sigma_r-1)^2*(100*x*sigma_r-3)^2，α是用戶可調參數，當α1可以平滑細節，越大平滑效果越明顯，α1則增強細節，越小細節越明顯；dnrm代表所述差值；sigma_r代表設定閾值。

6.根據權利要求4所述的基于金字塔分解的圖像增強方法，其特征在于，所述根據所述差值和所述布爾值，確定目標像素屬于邊緣像素或者細節像素，還包括：

增加邊緣映射函數和細節映射函數之間的約束，所述約束用于保持邊緣像素和細節像素的連續；

通過調整所述目標像素周圍的擺動因素，對正向細節和負向細節進行對稱處理。