一种提升图像质量的方法与流程

本发明涉及图像处理领域。更具体地，涉及一种提升图像质量的方法。

背景技术：

在实际生产生活中产生的数据即使实验环境较为良好，也很可能出现模糊、变形、噪声等问题，这给工程人员后续工作带来许多不便。于是，提高图像质量，将低质量图像转变为高质量图像显得十分必要。

本发明融合了增加影响因子和彩色配图的方法，在mfc平台下，采用opencv计算机视觉库进行图像质量提升，方便用户人眼对检测图像内容进行分辨，提高辨识度，为工程人员后续工作如图像标注打好基础。

技术实现要素：

本发明的目的在于提供一种提升图像质量的方法，可以有效地滤除噪声，保留原图细节，并且增强图像轮廓，使图像更加清晰。

为达到上述目的，本发明采用下述技术方案：

本发明提供一种提升图像质量的方法，其特征在于，包括以下步骤：

s1、将待处理图像进行非局部均值滤波得到图像a；

s2、将所述图像a进行拉普拉斯算子变换成图像b；

s3、将所述图像a利用sobel算法突出其图形边缘得到图像c；

s4、将所述图像c掩蔽所述图像b，形成掩蔽图像，将掩蔽图像乘以影响因子k完成图像增强；

s5、将所述增强过的图像通过映射函数转化为伪彩色图像e。

优选地，所述步骤s5包括在增强过的图像转换为所述图像e中融合引用因子用于保留灰度图上的信息。

优选地，所述增强过的图像通过映射函数转化为伪彩色图像e中融合引用因子包括

利用拉普拉斯变换得：

介入引用因子

其中和是拉普拉斯变换得来的g在α和β两个方向上的偏导数，其梯度幅值和方向角如下所示：

这里，分别通过发明中的滤波器后，即可将原始图像f(x,y)变换为引导图像：

其中，r(x,y)、g(x,y)、b(x,y)为输入图像，p、q为图像任一像素，σ为空间平滑参数，

通过变换，将r(x,y)、g(x,y)、b(x,y)变换为gr(x,y)、gg(x,y)、gb(x,y)，将这三个分向再合成，得到最终结果：

优选地，所述步骤s1具体包括对所述待处理图像的待去噪像素点使用搜索窗口进行非局部均值滤波，所述搜索窗口优选7×7或9×9。

优选地，其特征在于，所述步骤s2具体包括对所述图像a使用拉普拉斯算子计算用于突出图像细节，所述拉普拉斯算子参数优选为1。

优选地，所述步骤s3具体包括对所述图像a选取sobel算子内核计算用于突出图像边缘，所述sobel算子内核优选为3。

优选地，所述步骤s4具体包括选取所述影响因子k用于控制所述掩蔽图像的强弱，所述影响因子k优选为0.55。

本发明的有益效果如下：

本发明使用多种互补的图像增强技术，对复杂图像进行处理，能够有效去除图像噪声、调节图像的亮度和对比度、保持图片纹理，并增强图像的轮廓边界信息，能够在很好进行伪彩色增强基础上，剔除一些不好的纹理毛刺，图片平整整洁；在提升整理美感同时，保持图面细窄的细节结构。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本发明提升图像质量的方法的流程图。

具体实施方式

为使本发明的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

需要说明的是，本发明术语【本发明实施例不对步骤a至e的执行顺序进行限制，例如，可依次执行步骤c、步骤a】

【本发明所有数值指定(例如温度、时间、浓度及重量等，包括其中每一者的范围)通常可是适当以0.1或1.0的增量改变(+)或(-)的近似值。所有数值指定均可理解为前面有术语“约”。】

实施例

如图1示出的一种提升图像质量的方法，采用了sobel梯度算法与laplacian算子共同作用的方式，将图像边缘轮廓增强，再利用滑动窗口增强图像细节；将灰度图转变为彩色，使得某些在灰度图中不能被捕捉的信息可以被获取，包括以下步骤：

s1、将待处理图像进行非局部均值滤波得到图像a，对所述待处理图像的待去噪像素点使用搜索窗口进行非局部均值滤波，所述搜索窗口优选7×7或9×9；

s2、将所述图像a进行拉普拉斯算子变换成图像b，所述拉普拉斯算子参数优选为1；

s3、将所述图像a利用sobel算法突出其图形边缘得到图像c，所述sobel算子内核优选为3；

s4、将所述图像c掩蔽所述图像b，形成掩蔽图像，将掩蔽图像乘以影响因子k完成图像增强，所述影响因子k用于控制所述掩蔽图像的强弱，所述影响因子k优选为0.55；

s5、将所述增强过的图像通过映射函数转化为伪彩色图像e。

具体地，所述步骤s5包括在增强过的图像转换为所述图像e中融合引用因子用于保留灰度图上的信息。

利用拉普拉斯变换得：

介入引用因子

其中和是拉普拉斯变换得来的g在α和β两个方向上的偏导数，其梯度幅值和方向角如下所示：

这里，分别通过发明中的滤波器后，即可将原始图像f(x,y)变换为引导图像：

其中，r(x,y)、g(x,y)、b(x,y)为输入图像，p、q为图像任一像素，σ为空间平滑参数，

通过变换，将r(x,y)、g(x,y)、b(x,y)变换为gr(x,y)、gg(x,y)、gb(x,y)，将这三个分向再合成，得到最终结果：

sobel算子是一个主要用于边缘检测的离散微分算子，它结合了高斯平滑和微分求导，用来计算图像灰度函数的近似梯度。

计算过程如下：

假设被作用图像为i然后进行如下操作：

1、分别在x和y方向求导。

a.水平变化：将i与一个奇数大小的内核进行卷积。比如，当内核大小为3时，gx的计算结果为：

b.垂直变化：将i与一个奇数大小的内核进行卷积。比如，当内核大小为3时，计算结果为：

2、在图像的每一点，结合以上两个结果求出近似梯度：

另外有时，也可用下面更简单的公式代替：

g＝|gx|+|gy|

laplacian算子是n维欧几里德空间中的一个二阶微分算子，定义为梯度grad的散度div。

之后前置网络利用滑动窗口动态扫描进行细节增强，窗口设置为3*3的孔径：

接着用sobel梯度算法来突出其图像边缘，其内核大小ksize取默认值3，其中，[xorder＝1,yorder＝0,ksize＝3]来计算图像x方向的导数，此时对应的内核为：

[xorder＝0,yorder＝1,ksize＝3]来计算图像y方向的导数，此时对应的内核为：

将平滑过的梯度图像将用于掩蔽拉普拉斯图像，形成掩蔽图像mask，将k×mask叠加到原图像上完成图像增强。

根据色彩学方面的研究成果，将灰度图像对应到red、green、blue三个通道上，最后将三个通道上颜色合成为显示的rgb颜色色值即可。

设f(x,y)为一副黑白图像，r(x,y)、g(x,y)、b(x,y)为f(x,y)映射到rgb空间的三个颜色分量，则伪彩色处理可以表示为：

r(x,y)＝fr[f(x,y)]

g(x,y)＝fg[f(x,y)]

b(x,y)＝fg[f(x,y)]

给定不同的映射函数就能将灰度图像转化为不同的伪彩色图像，

本发明在传统的灰度图-伪彩色配图的基础流程上添上了一个“融合引用因子的滤波器”，作用旨在很好的保留灰度图上的信息，折中了传统方法带来的检测精度与抗噪能力之间此消彼长的矛盾。

分下面几个步骤来进行：

1、(-s)^-β

2、(s)^α

3、利用拉普拉斯变换可得：

4、这里令g＝(-s)^-βs^α，在这里介入引用因子即g在新型级联式非因果分数阶一阶导数下的向量。

其中和是拉普拉斯变换得来的g在α和β两个方向上的偏导数。其梯度幅值和方向角如下所示：

这里，r(x,y)、g(x,y)、b(x,y)作为输入图像，分别通过发明中的滤波器后，即可将原始图像f(x,y)变换为引导图像：

其中，p、q为图像任一像素，σ为空间平滑参数。通过这一系列变换，已经将r(x,y)、g(x,y)、b(x,y)变换为gr(x,y)、gg(x,y)、gb(x,y)，将这三个分向再合成，得到最终结果：

与其他方法相比，本发明采用的方法有以下优势：能够在很好进行伪彩色增强基础上，剔除一些不好的纹理毛刺，图片平整整洁；在提升整理美感同时，保持图面细窄的细节结构。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。