专利名称：一种图像增强方法
技术领域：
本发明属于数字图像处理技术领域，特别涉及一种图像增强方法。
背景技术：
图像信息是传递信息的重要媒体和手段，但是由于各种原因，获得的图像常常不够清晰或存在其它方面的不足。为了研究和分析图像，需要对图像进行必要的处理。对于数字图像，常用图像增强技术来改善图像的质量。李朝义等提出了三高斯图像增强方法，具体可参见文献:Role of the extensive area outside the X-cell receptive field in brightness information transmission，VisionRes，Vol. 31，No. 9，1529-1540，1991。用三高斯模型模拟视网膜细胞感受野对图像进行处理，在有效地对图像边缘轮廓进行增强的同时，又能保持图像亮度梯度信息的传递。但是由于在对图像进行处理的过程中，三高斯模板的参数选取是固定的，因此三高斯图像增强方法存在不足，即在在低对比度处增强效果不明显，而在高对比度处存在过增强。
发明内容
本发明的目的是为了解决现有的图像增强中应用三高斯感受野模型对低质量灰度图像进行直接增强时，在低对比度处增强效果不明显而在高对比度处过增强的问题，提出了一种图像增强方法。本发明的技术方案是一种图像增强方法，具体包括如下步骤Si.平滑处理，具体为对原始目标图像进行平滑滤波；S2.制取归一化的放大图，具体为对平滑滤波后的原始目标图像先进行灰度归一化处理，再进行放大处理，得到归一化的放大图像，记作图像L ；S3.制取滤波模板，具体为通过对三高斯模型中兴奋区半径和抑制区敏感度取不同的值，得到η个滤波模板；S4.制取对比度图，具体为对步骤S2得到的图像L进行计算得到对比度图，然后对得到的对比度图进行归一化处理，得到最终的对比度图；S5.选取模板进行滤波处理，具体为将对比度区间
分成η个相等的子区间 H^tvm3. . . . mn，根据对比度图中每个像素点对应的子区间得到图像L中每个像素点对应的滤波模板，将图像L中每个像素点与其对应的滤波模板进行滤波处理，进而得到增强图像， 将得到增强图像缩小为原始目标图像大小，得到最终的增强图像。进一步的，步骤S4中所述的计算具体过程如下对于图像L依次计算以每个像素为中心的邻域内的像素值的标准差，将这个标准差作为该像素的对比度值，得到对比度图。本发明的有益效果本发明的图像增强方法利用非经典感受野的动态特性，根据图像的像素点对比度值的不同，选取不同的滤波模板进行处理，而不同的滤波模板具有不同的参数值，因而应用本发明方法对图像进行增强，可以避免三高斯增强方法模板固定的缺陷，使图像在低对比度处的增强效果得到显著提升的同时，在高对比度处的过增强也得到有效的抑制。
图1是本发明一种图像增强方法的流程示意图。图2是实例中采用本发明方法进行实际测试时，在最低对比度处和最高对比度处应用的滤波模板二维图。图3是实例中采用本发明方法对Lerma图像进行实际测试的结果同直接增强结果的对比图组。
具体实施例方式下面结合附图和具体的实例对本发明做进一步的阐述。测试图像是从美国南加州大学USI-SIPI image database上下载的Lenna图像， 其大小为512X512，对其增强的具体流程如图1所示，具体过程如下Si.平滑处理，选取滑动窗口大小为3X3的维纳滤波器对原始目标Lerma图像进行平滑滤波，这样的平滑处理能够降低原始图像中噪声对最终处理结果的影响。S2.制取归一化的放大图，具体为先对平滑滤波后的原始目标Lerma图像进行放大处理，再对得到的图像进行灰度归一化处理，得到放大的归一化图像，记作图像L。为更好的模拟视网膜细胞感非经典受野的去抑制特性，本实施例中三高斯模板的大小选择为23X23。因此，需要将原始图像进行放大，以适应三高斯模板的滤波处理。本实例中，具体放大倍数为3，即放大为原图的3倍。这里的三倍放大处理具体采用双线性插值法。S3.制取滤波模板，具体为通过对三高斯模型中兴奋区半径和抑制区敏感度取不同的值，得到η个滤波模板。η的取值可以根据实际情况具体选取，在本实施例中η取40。根据视网膜细胞感受野在生理上的动态特性，依照在低对比度时，兴奋区半径和抑制区敏感度同时增大；在高对比度时，兴奋区半径和抑制区敏感度同时减小的原则，对三高斯模型中兴奋区半径和抑制区敏感度参数组进行不同取值，得到η个滤波模板，滤波模板的制取具体可参考文献 Role of the extensive area outside the X-cell receptive field in brightness information transmission,Vision Res,Vol. 31,No. 9,1529-1540, 1991。本实施例中，可以将得到的η个滤波模板按照对图像中低对比度处进行处理到对高对比度处进行处理的顺序进行排序Oi1, n2, n3. . . . ηη)。本实施例中，滤波模板的大小具体为23X23。S4.制取对比度图，具体为对步骤S2得到的图像L进行计算得到对比度图，然后对得到的对比度图进行归一化处理，得到最终的对比度图。这里计算对比度图可以采用标准差进行，具体为对于图像L依次计算以每个像素为中心的邻域内的像素值的标准差，将这个标准差作为该像素的对比度值，得到对比度图。这里，邻域的大小具体为7X7。本领域的普通技术人员应该意识到还可以通过其它方式计算得到对比度图。制取对比度图的目的在于后续的增强处理根据图像L的对比度的不同(步骤S4中得到的对比度图)，自适应地选取步骤S3中的不同模板对图像进行滤波处理。S5.选取模板进行滤波处理，具体为将对比度区间
分成η个相等的子区间 H^tvm3. . . . mn，根据对比度图中每个像素点对应的子区间得到图像L中每个像素点对应的滤波模板，将图像L中每个像素点与其对应的滤波模板进行滤波处理，进而得到增强图像， 将得到增强图像缩小为原始目标图像大小，得到最终的增强图像。为了与步骤S3得到的排序后的(ηι，η2，η3....ηη)相对应，这里的η个相等的子区间mi; m2, m3. . . . mn具体从小到大进行排列，即Hi1具体为[0，η/1)，其它依次类推。需要说明的是，在步骤S3中，η个滤波模板可以按照任何顺序进行排序，而子区间与模板的对应关系具体为较低的子区间对应值较大的兴奋区半径和抑制区敏感度参数组的滤波模板，较高的子区间对应值较小的兴奋区半径和抑制区敏感度参数组的滤波模板， 而η个滤波模板的兴奋区半径和抑制区敏感度参数的变化趋势是一致的，因而可以与η个子区间——对应。为了减少计算复杂度，在具体实施过程中，可以采用下面的一种方法进行具体实施步骤S4中得到的对比度图中元素的取值范围是0到1，将对比度区间
分成η个相等的子区间Hi1, m2, m3. . . . mn ；用步骤S3中得到的η个滤波模板(叫，n2, n3. . . . ηη)分别与图像L进行卷积运算，得到η幅图像1^ , .... Rn ；制取与图像L大小相同的空矩阵R ；获取步骤S4中得到的对比度图中值在区间ml中的点的坐标. . . 取图像队中对应坐标a1; a2, a3——Bi的灰度值r2, r3——并将它们填入到R中对应坐标a1; a2, a3——Bi 的位置，依次处理，直到将全部η幅图像R1A2, R3. . . . Rn的对应值全部填入到R中。最后将图像R缩小为原始目标图像大小，得到最终的增强图像。图2为本实例中采用本发明方法进行实际测试时，在目标图像最低对比度处和最高对比度处应用的滤波模板二维图。其中实线是在目标图像最低对比度处应用的滤波模板二维图，虚线是在目标图像最高对比度处应用的滤波模板二维图。从对比图中可以看到 视网膜细胞感受野模型的兴奋区半径和抑制区敏感度在低对比度时的取值较大，在高对比度时的取值较小，这一取值规律符合视网膜细胞感受野的动态特性。图3为采用本发明方法对Lerma图像进行测试的结果同直接应用三高斯模型进行增强结果的对比图组。其中3a.原始目标图像，3b.直接增强结果图，3c.本发明方法的增强结果图。从图中可以清楚看出，采用本发明方法对图像进行自适应增强，在保证图像整体增强效果的同时，使低对比度处(帽子部分)的增强效果得到了显著提升，而高对比度处 (帽穗部分)的过增强也得到了有效抑制。对原始目标图像而言，本实施例中的方法与直接增强方法(背景技术中的方法)的定量比较如下直接增强方法得到的性能评价指标CI值和峰值信噪比(PSNR，Peak Signal to Noise Ratio)值分别为2. 7535和60. 9182 ；本实施例中的方法得到的性能评价指标CI值和PSNR值分别为2. 9429和62. 1107。性能评估指标CI反映增强后图像的对比度，PSNR反映增强后图像的峰值信噪比。CI值和PSNR值越大越好，表明增强图像的对比度越高、噪声越少。这里CI代表对比度提升指数，其定义如下CI = Cp/C。，将图像分为3X3的小块， C为所有3X3小块图像对比度的均值，小块对比度定义为(max-mirO/Oiiax+min)，其中max 为小块图像灰度值的最大值，min为小块图像灰度值的最小值，下标ο和ρ分别表示增强前
5后的图像。本发明的图像增强方法，综合利用了视网膜细胞感受野的动态特性和非经典感受野的去抑制特性，使图像在低对比度处的增强效果得到显著提升的同时，又能使高对比度处过增强得到有效的抑制。本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
权利要求
1.一种图像增强方法，具体包括如下步骤51.平滑处理，具体为对原始目标图像进行平滑滤波；52.制取归一化的放大图，具体为对平滑滤波后的原始目标图像进行灰度归一化处理和放大处理，得到归一化的放大图像，记作图像L ；53.制取滤波模板，具体为通过对三高斯模型中兴奋区半径和抑制区敏感度取不同的值，得到η个滤波模板；54.制取对比度图，具体为对步骤S2得到的图像L进行计算得到对比度图，然后对得到的对比度图进行归一化处理，得到最终的对比度图；55.选取模板进行滤波处理，具体为将对比度区间W，l]分成η个相等的子区间Hi1, m2, m3. . . . mn，根据对比度图中每个像素点对应的子区间得到图像L中每个像素点对应的滤波模板，将图像L中每个像素点与其对应的滤波模板进行滤波处理，进而得到增强图像，将得到增强图像缩小为原始目标图像大小，得到最终的增强图像。
2.根据权利要求1所述的图像增强方法，其特征在于，步骤S4所述的计算具体过程如下对于图像L依次计算以每个像素为中心的邻域内的像素值的标准差，将这个标准差作为该像素的对比度值，得到对比度图。
3.根据权利要求2所述的图像增强方法，其特征在于，所述的邻域的大小具体为7X7。
全文摘要
本发明属于数字图像处理技术领域，公开了一种图像增强方法。本发明是针对应用三高斯感受野模型对低质量灰度图像进行直接增强时，在低对比度处增强效果不明显而在高对比度处存在过增强的问题而提出的，具体包括如下步骤平滑处理，制取归一化的放大，制取滤波模板，制取对比度图，选取模板进行滤波处理。本发明的图像增强方法利用非经典感受野的动态特性，根据图像的像素点对比度值的不同，选取不同的滤波模板进行处理，而不同的滤波模板具有不同的参数值，因而可以避免三高斯增强方法模板固定的缺陷，使图像在低对比度处的增强效果得到显著提升的同时，在高对比度处的过增强也得到有效的抑制。
文档编号G06T5/10GK102306378SQ201110271200
公开日2012年1月4日 申请日期2011年9月14日 优先权日2011年9月14日
发明者李朝义, 李永杰, 许子龙 申请人:电子科技大学