基于近似方差和暗色块像素统计信息的图像边缘增强方法
【技术领域】
[0001] 本发明涉及数字图像处理领域，特别涉及一种基于近似方差和暗色块像素统计信 息的图像边缘增强方法。
【背景技术】
[0002] 图像是人类获取信息最重要的方式，据统计人类获取信息的80%来源于图像。 图像是三维物理世界在二维平面的映射。一般的，摄像机拍摄的图像会经过ISP(Image signalprocessing)处理流程，其大致包括以下几个步骤：传感器感光一颜色插值一图像 去噪一白平衡一颜色矫正一伽玛校正一边缘增强一图像输出。在这个过程中，图像去噪处 理是用来去除图像中的噪声，包括插值噪声、暗噪声和截断噪声等。在去除噪声的同时，也 把图像的部分细节，尤其是锐利的边缘细节一同给去除了。这样会给图像带来一定程度的 细节丢失，严重时呈现的图像会显得平滑、模糊。为了提升图像的质量，尤其是提升图像边 缘等细节程度，在ISP最后一般会进行边缘增强的处理。边缘增强是数字图像处理的一项 基本处理操作。经过边缘增强后的图像，与原图相比，会显得更为锐利，对比度更高，更能够 突出图像的细节。
[0003] 边缘增强一般采用的方法是对图像以锐化算子进行卷积，得到结果再叠加（或减 去）到原图之上。典型的锐化算子有拉普拉斯锐化算子。除了直接采用锐化算子外，一种 应用最广泛的方法是对原图像进行平滑处理，将原图像减去平滑后的图像，其结果乘以一 比例系数，再叠加到原图上。用公式可表示如下：
[0004]y=x+k* (χ-g(x；δ))
[0005] 其中y代表边缘增强后的图像，χ代表原图，g(x;δ)表示对原图像进行程度为δ 的平滑操作，k为增强比例系数。这种方法叫做unsharpmasking(USM)。USM是一种线性 处理方法，其优点是计算量小、图像增强程度可控，是很多图像处理软件采用的方法。也存 在许多基于USM的改进算法。
[0006] 上述USM及其改进方法在很多方面得到了应用，但是普遍存在的主要缺点有：第 一，在很多情况下，除了增强了图像边缘对比度外，噪声也随着被放大了，这使得图像平滑 区域的噪声明显偏大，反而对图像造成更严重的污染；图像的暗块区域通常噪声会比其他 区域要大，经边缘增强后，这些暗区的噪声显得更为严重；第二，经边缘增强后，容易在边缘 附近形成边缘走势的光晕等污染；第三，对参数非常敏感，不同的图像可能需要采用不同的 参数数值，很难调节出合适的参数。
【发明内容】
[0007] 为克服上述USM等边缘增强方法的缺陷，本发明提供了一种基于近似方差和暗色 块像素统计信息的图像边缘增强方法，其特征在于，包括以下步骤：
[0008] 1)对噪声图像进行HSV分解，取出亮度分量：
[0009] 设I(x，y)为含有噪声污染的、不经过去噪处理的实际图像，S(x，y)为对I(x，y)进 行去噪处理后的结果图像，两者均为RGB颜色格式，且大小均为MXN，本发明不限制去噪 处理方法，任何能够有效的图像去噪处理方法都可以用来对I(x，y)进行去噪处理以获得 S(x，y);将I(x，y)和S(x，y)分别转化到HSV颜色空间，分别得到在HSV颜色空间的两幅图 像Ihsv (X，y)和Shsv (X，y)，取出两者的亮度分量(U)、;
[0010] 2)计算图像像素方差：
[0011]Α)创建大小为（2w+l)X(2W+1)的矩阵模板F，w为自然数，假定矩阵第一行第一列 位置坐标为（〇,〇)，则矩阵中心位置为（w，w)，f(k，l)表示位置坐标为（k，l)的矩阵模板元 素值，k= 0, 1，…，2w，1 = 0, 1，…，2w，矩阵模板元素值均为浮点数值，矩阵模板元素值按 照各元素位置到中心点位置的距离增大而减小，且中心位置对应的元素值要比周边位置元 素要大；
[0012]B)运用矩阵模板F对7)进行卷积处理得到Q(X，y)，即：
[0014] 其中Θ为卷积运算；并对图像矩阵QUy)的每一元素（即像素）进行平方计算， 得到的新的值作为对应位置的元素值，得到一幅新的图像矩阵，设为G(x，y);
[0015]C)对图像矩阵_7)的每一元素（即像素）进行平方计算，得到的新的值作为 对应位置的元素值，得到一幅新的图像矩阵，设为P(X，y);
[0016]D)运用矩阵模板F对P(x，y)进行卷积计算，得到CP(x，y)，即：
[0018]E)计算图像矩阵CP(x，y)与G(x，y)的差，得到近似方差D(x，y)，即：
[0019]D(x,y) =CP (x,y)-G(x,y)
[0020] 3)检测单一暗色图像块：
[0021] A)将Jfe.Cr，7)划分成HXW个nXn图像块，其中 示对a取比a小的最大的整数，对每个ηΧη图像块，计算其对应的像素平均值和方差， 由此获得图像块像素平均值集合SaTC= {1η12，…，1HXW}和图像块像素方差集合Sstd= {δ 1，δ 2,…，δHXW};
[0022] B)从集合Sstd={δδ2，…，δ_}中选出值最小的U个元素（U<0.5|Sstd|， Sstd|表示集合Sstd的元素个数），设选出的U个元素为{δ/，δ2'，···，δμ' }，计算其 平均值孑：
[0023] C)从所有HXW个ηΧη选出单一暗色图像块，满足以下条件的将被确定为单一暗 色图像块：
[0024] 込< 1 thr且式 4). +
[0025] 其中lthr，δ。，λ为预先设定的常值参数；
[0026] 4)计算噪声相关阈值：
[0027] 对所有选出来的单一暗色图像块，找到它们之间像素方差最大的图像块，设对应 的最大像素方差为Sbni;对除了单一暗色图像块剩下的图像块，计算它们图像块像素方差 的平均值，设为Sna;由此获得两个阈值：
[0029] 5)对每一像素计算边缘增强系数k:
[0030] 确定系数矩阵K，其大小与图像矩阵I(x，y)相同，对K的每一矩阵元素k(x，y)， 按照以下规则取值：
[0032] 其中kt为预设的常量参数，Dt=max{D(x，y) >T2}JPDt取集合{D(x，y) >T2} 中最大的值；
[0033] 6)对去噪图像边缘增强处理，转换到RGB格式输出：
[0034] A)对(U)的每一个像素按照以下公式进行增强处理，得到一幅新的图像矩 阵/?:,U，j，)：
[0036]B)用^替代6L.U/)，并把Shsv(x，y)转换到RGB图像颜色空间，得到新的RGB图像Γ(χ，y)，Γ(χ，y)即为本发明边缘增强方法处理后的输出结果。
[0037] 优选的，步骤2)所述的矩阵模板元素按照二元高斯分布取值：
[0039]δ为设定的常量参数，在按照上述方法获得所有元素值后，所有元素值要进行如 下归一化处理：
[0041]f(k，1)为最终矩阵模板F在（k，1)位置的元素值。
[0043] 优选的，所述参数1-取值范围为20至125，δ。取值范围为10至30,λ取值范 围为3至10。
[0044] 与现有技术相比，本技术方案具有以下有益技术效果：第一，在图像细节越丰富区 域边缘增强程度越大，在图像越平滑区域增强程度越小，对图像噪声不会同时增强；第二， 能克服图像暗区容易出现噪声斑点的问题；第三，参数根据图像相关信息自适应调节，能够 避免出现过度增强造成边缘光晕等现象。
【附图说明】
[0045] 图1为本发明的边缘增强流程图。
[0046] 图2为计算近似方差流程。
[0047] 图3为计算阈值1\和T2流程。
[0048] 图4为计算比例系数矩阵k(x，y)的函数示例。
[0049] 图5-6为进行边缘增强结果示意图，（a)为采用USM处理结果，（b)为本发明方法 处理结果。
【具体实施方式】
[0050] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明 的【具体实施方式】做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发 明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，因此本发明不受下面 公开的具体实施例的限制。
[0051] 如图1至图5所示，一种基于近似方差和暗色块像素统计信息的自适应图像边缘 增强方法（图1为流程图）：
[0052] 1)设I(x，y)为含有噪声污染的、不经过去噪处理的实际图像，S(x，y)为对I(x，y) 进行去噪处理后的结果图像；两者均为RGB颜色格式，且大小均为MXN;将I(x，y)和S(X，y)分别转化到HSV颜色空间，分别得到Ihsv (X，y)和Shsv (X，y)即在HSV颜色空间的两幅 图像；分别取出两者的亮度分量7)、*5^(4 备用。本发明不限制去噪处理方法， 任何能够有效去噪图像噪声的图像去噪处理方法都可以用来对I(X，y)进行去噪处理以获 得S(X，y)。
[0053] 2)创建大小为（2w+l) X (2w+l)的矩阵模板F，w为自然数（本实施例中w取值5)， 假定矩阵第一行第一列位置坐标为（〇,〇)，则矩阵中心位置为（w，w)，f(k，l)表示位置坐标 为（k，1)的矩阵模板元素值，k=0, 1，…，2w，1=0, 1，…，2w，矩阵模板元素值均为浮点数 值，矩阵模板元素值按照各元素位置到中心点位置的距离增大而减小，且中心位置对应的 元素值要比周边位置元素要大。例如，矩阵元素可以按照以下二元高斯分布取值：