一种非线性图像增强方法及边缘检测方法
【专利摘要】本发明公开了一种非线性图像增强及边缘检测方法，图像增强方法包括以下步骤：图像转换、图像滤波、图像均衡化。边缘检测方法还包括图像去噪、梯度计算、标记非边缘像素和边缘精细化处理步骤。本发明采用非线性的图像滤波和均衡化方法，有效消除图像噪声及增强图像效果，克服了线性方法的局限性，具有更强的实用性，并在图像增强后进行边缘提取，采用的边缘提取算法具有更好的检测性、定位性以及最小响应，使图像轮廓被更清楚地提取出来。
【专利说明】
一种非线性图像増强方法及边缘检测方法
技术领域
[0001] 本发明涉及一种图像增强方法及边缘检测方法，尤其是一种非线性图像增强方法 及边缘检测方法，属于图像处理技术领域。
【背景技术】
[0002] 近年来，随着多媒体技术和因特网的迅速发展与普及，图像处理技术愈发重要，已 广泛用于办公自动化、工业机器人、地理数据处理、地球资源监测、遥感、医学、通信、交互式 计算机辅助设计等领域，已经逐渐走进人们的日常生活中。但由于受灯光不均匀、环境噪声 等条件影响，图像的效果往往不如意，影响着对事物特征的正确认知，因此，对图像进行增 强以及边缘提取等深入细致的处理非常必要。
[0003]图像增强的线性方法在传统的图像与信息处理中一直都占据着基础的、核心的地 位，而实际的物理过程往往是非线性的，利用线性近似的方法在很多情况下是无法解析其 主要性质的，因而用系统的线性特征对图像的形态特征和几何结构等非线性因素的分析和 描述就难免有其局限性。
[0004] -阶微分算子如Sobel算子、Roberts算子、Prewitt算子、Kirsch算子，在求边缘的 梯度时，需要对每个像素进行计算，且一般都需要事先设定阈值，得到的边缘较"厚"，定位 不准确。二阶微分的边缘检测算子如拉普拉斯算子和LoG算子，对噪声相当敏感，而且由于 零交叉点并非与边缘点一一对应，因而常会产生一些虚假边缘，从而限制了其应用。
【发明内容】
[0005] 针对上述现有技术的缺陷或不足，本发明提出一种非线性图像增强方法及边缘检 测方法。
[0006] 为实现上述发明目的，本发明采用的技术方案如下：
[0007] 技术方案一：
[0008] -种非线性图像增强方法，包括以下步骤：
[0009] 步骤1:图像转换:将获取的彩色图像转换成灰度图像；
[0010]步骤2:图像滤波:采用中值滤波方法对所述灰度图像滤波：
[0011] g(x,y)=Med{f(x-k,y-l)} ,(k,lGff) (1)
[0012] 其中，f(x,y)为原始图像，g(x,y)为中值滤波后的图像，W为二维模板，Med为提取 中值运算操作符号；
[0013] 步骤3:图像均衡化：由以下子步骤组成：
[0014] 步骤3-1:计算均衡化处理前图像第k个灰度级出现的频率：
[0015] Ps(sk) =nk/n, l^k^N (2)
[0016] 其中，nk为第k个灰度级像素数，n为像素总数，N为灰度级总数；
[0017]步骤3-2:计算均衡化处理前灰度图像的灰度值累积分布函数：
[0018] ^=X/^(-v(. } ()</<；V ( 3 } k=Q
[0019] 步骤3-3:调整灰度图像中像素取值，使均衡化处理后灰度图像的灰度值累积分布 函数满足：
(4)
[0021 ]其中，M为灰度图像的像素总数。
[0022] 所述中值滤波方法采用的二维模板W为5x5大小的模板。
[0023] 技术方案二：
[0024] -种采用技术方案一所述非线性图像增强方法的边缘检测方法，还包括边缘检测 步骤，所述边缘检测步骤包括以下子步骤：
[0025] 步骤a:图像去噪:将灰度图像与二维高斯滤波模板进行卷积运算，消除噪声；
[0026] 步骤b:梯度计算:利用导数算子计算灰度图像中各边缘像素的梯度|G|及其方向 角度9:
15) (6)
[0029] 其中，GjPGy分别为像素在x方向和y方向的导数；
[0030] 步骤c:标记非边缘像素:依据梯度方向，以各像素为中心，确定其两侧的邻接像 素;若当前像素的灰度值与它的两个邻接像素的灰度值相比不是最大的，则所述边缘图中 当前像素标记为非边缘像素；
[0031] 步骤d:边缘精细化处理:逐一检测灰度图像中各边缘像素;若当前像素的灰度值 小于低阈值，则将边缘图中相应像素标记为非边缘像素;若当前像素的灰度值小于等于高 阈值且大于等于低阈值，并其不存在大于高阈值的邻接像素，则将边缘图中相应像素标记 为非边缘像素。
[0032] 所述步骤d中的高阈值和低阈值由累计直方图确定。
[0033]本发明的有益效果在于：
[0034]本发明采用非线性的图像滤波和均衡化方法，有效消除图像噪声及增强图像效 果，克服了线性方法的局限性，具有更强的实用性，并在图像增强后进行边缘提取，采用的 边缘提取算法具有更好的检测性、定位性以及最小响应，使图像轮廓被更清楚地提取出来。
【附图说明】
[0035]图1是本发明实施例1的流程图；
[0036] 图2是本发明实施例1中的灰度图像；
[0037] 图3是本发明实施例1中经过中值滤波的灰度图像；
[0038] 图4是本发明实施例1中均衡化处理前灰度图像的直方图；
[0039]图5是本发明实施例1中经过均衡化处理的灰度图像的直方图；
[0040]图6是本发明实施例1中经过均衡化处理的灰度图像；
[0041 ]图7是本发明实施例2的流程图；
[0042]图8是本发明实施例2的边缘图。
【具体实施方式】 [0043] 实施例1:
[0044]如图1所示，一种非线性图像增强方法，包括以下步骤：
[0045] 步骤1:图像转换:将获取的彩色图像转换成灰度图像；
[0046] 步骤2:图像滤波:采用中值滤波方法对所述灰度图像滤波；
[0047] 步骤3:图像均衡化：由以下子步骤组成：
[0048]步骤3-1:计算均衡化处理前图像第k个灰度级出现的频率：
[0049] ps(sk) =nk/n, l^k^N (1)
[0050] 其中，nk为第k个灰度级像素数，n为像素总数，N为灰度级总数；
[0051]步骤3-2:计算均衡化处理前灰度图像的灰度值累积分布函数： i
[0052] /,=[/，、(.、)，0</<~ (2 ) .純
[0053]步骤3-3:调整灰度图像中像素取值，使均衡化处理后灰度图像的灰度值累积分布 函数满足：
(3 )
[0055]其中，M为灰度图像的像素总数。
[0056]处理彩色图像时，要分别对RGB三种分量进行处理。但实际上RGB并不能反映图像 的形态特征，只是从光学的原理上进行颜色的调配，因此，对图像进行灰度化以减少计算 量，转换后的灰度图像如图2所示。
[0057] 输入图像若含有噪声，将影响图像的效果以及边缘检测的结果，因此，需要对图像 进行滤波，中值滤波方法是一种对图像进行非线性处理的方法，它把数字图像中一点的值 用该点的一个邻域中各点值的中值替代，让周围的像素值接近真实值，从而消除孤立的噪 声点，中值滤波处理过的图像如图3所示。
[0058] 中值滤波的具体实现方法是用特定结构的二维滑动模板，将模板内像素值按大小 进行排序，提取排序居中的数值作为滤波输出值，其数学表达式为：
[0059] g(x,y)=Med{f(x-k,y-l)} ,(k,lGff) (4)
[0060]其中，f(x,y)为原始图像，g(x,y)为中值滤波后的图像，W为二维模板，Med为提取 中值运算操作符号。所述中值滤波方法采用窗口为5x5大小的矩形模板。
[0061]将均衡化处理前灰度图像中第k个灰度级出现的频率拟合为曲线，得到均衡化处 理前灰度图像的直方图，如图4所示;通过均衡化处理的灰度图像的直方图变成均匀分布， 如图5所示;均衡化处理后的灰度图像中图像灰度值的动态范围增加，从而达到增强图像整 体对比度、使图像变清晰的效果，如图6所示。
[0062] 实施例2:
[0063]如图7所示，一种采用权利要求1所述的非线性图像增强方法的边缘检测方法，其 特征在于:还包括边缘检测步骤:所述边缘检测步骤包括以下子步骤：
[0064] 步骤a:图像去噪:将灰度图像与二维高斯滤波模板进行卷积运算，消除噪声；
[0065] 步骤b:梯度计算:利用导数算子计算灰度图像中各边缘像素的梯度|G|及其方向 角度9:
(5) (6)
[0068] 其中，GjPGy分别为像素在x方向和y方向的导数；
[0069] 步骤c:标记非边缘像素：依据梯度方向，以各像素为中心，确定其两侧的邻接像 素;若当前像素的灰度值与它的两个邻接像素的灰度值相比不是最大的，则所述边缘图中 当前像素标记为非边缘像素；
[0070] 步骤d:边缘精细化处理:逐一检测灰度图像中各边缘像素;若当前像素的灰度值 小于低阈值，则将边缘图中相应像素标记为非边缘像素;若当前像素的灰度值小于等于高 阈值且大于等于低阈值，并其不存在大于高阈值的邻接像素，则将边缘图中相应像素标记 为非边缘像素。
[0071] 所述步骤d中的高阈值和低阈值由累计直方图确定。
[0072] 提取到的边缘图如图8所示。
[0073]需要说明的是，在未脱离本发明构思前提下，对本发明所做的任何微小变化与修 饰均属于本发明的保护范围。
【主权项】
1. 一种非线性图像增强方法，其特征在于:包括以下步骤： 步骤1:图像转换:将获取的彩色图像转换成灰度图像； 步骤2:图像滤波:采用中值滤波方法对所述灰度图像滤波： g(x，y)=Med{f(x-k，y_l)}，（k，leff) (I) 其中，f(x，y)为原始图像，g(x，y)为中值滤波后的图像，W为二维模板，Med为提取中值 运算操作符号； 步骤3:图像均衡化：由以下子步骤组成： 步骤3-1:计算均衡化处理前图像第k个灰度级出现的频率： Ps(Sk) =nk/n，KkSN (2) 其中，nk为第k个灰度级像素数，η为像素总数，N为灰度级总数； 步骤3-2:计算均衡化处理前灰度图像的灰度值累积分布函数：(3) 步骤3-3:调整灰度图像中像素取值，使均衡化处理后灰度图像的灰度值累积分布函数 满足：(4) 其中，M为灰度图像的像素总数。2. 根据权利要求1所述的非线性图像增强方法，其特征在于:所述中值滤波方法采用的 二维模板W为5 X 5大小的模板。3. -种采用权利要求1所述的非线性图像增强方法的边缘检测方法，其特征在于:还包 括边缘检测步骤:所述边缘检测步骤包括以下子步骤： 步骤a:图像去噪:将灰度图像与二维高斯滤波模板进行卷积运算，消除噪声；步骤b:梯度计算：利用导数算子计算灰度图像中各边缘像素的梯度I G I及其方向角度 Θ： (5) (6) 其中，GjPGy分别为像素在X方向和y方向的导数； 步骤c:标记非边缘像素：依据梯度方向，以各像素为中心，确定其两侧的邻接像素;若 当前像素的灰度值与它的两个邻接像素的灰度值相比不是最大的，则所述边缘图中当前像 素标记为非边缘像素； 步骤d:边缘精细化处理:逐一检测灰度图像中各边缘像素;若当前像素的灰度值小于 低阈值，则将边缘图中相应像素标记为非边缘像素;若当前像素的灰度值小于等于高阈值 且大于等于低阈值，并其不存在大于高阈值的邻接像素，则将边缘图中相应像素标记为非 边缘像素。4. 根据权利要求3所述的边缘检测方法，其特征在于:所述步骤d中的高阈值和低阈值 由累计直方图确定。
【文档编号】G06T5/00GK105894474SQ201610249024
【公开日】2016年8月24日
【申请日】2016年4月20日
【发明人】王艳飞, 王印松, 宋凯兵, 郭沁
【申请人】华北电力大学（保定）