本发明属于图像效果处理领域，尤其是涉及一种基于hpf的图像锐化算法。
背景技术：
在图像处理的技术领域当中，图像锐化的运算是用来让图像中的边缘或纹理看起来更明显。传统图像边缘锐化算法(如普通hpf滤波器实现的锐化算法)无法对物体边缘和白噪声有效区分，导致在提升锐化效果的同时也放大了噪声。图像锐化过程中，对于白噪声的抑制是需要突破的地方。
技术实现要素：
有鉴于此，本发明旨在提出一种基于hpf的图像锐化算法，本算法能够在突出物体边缘的同时抑制白噪声，达到锐化图像的目的。
为达到上述目的，本发明的技术方案是这样实现的：
一种基于hpf的图像锐化算法，其过程如下：
(1)对图像进行预处理；
(2)对图像进行hpf卷积与处理；
(3)确定conv卷积图像参数th、g、shf、max。
(4)对图像进行叠加。
进一步的，图像在获取过程中，会因为设备电路噪声和其它图像处理算法的关系，引入图像噪声，噪声会对锐化算法在边缘提取时进行干扰，为保证锐化的效果，可以先进行简单的预处理，即2d降噪处理(如中值滤波)。
进一步的，在图像的hpf卷积与处理过程中，hpf(highpassfilter，高通滤波器)设计为5*5高通滤波器s：
式中src为输入图像，conv为收缩截止后的卷积图像，shrink()为收缩函数，clip()为截止函数，shf为右移参数，max为卷积后最大值，g为增益，th为阈值。
进一步的，conv卷积图像参数th、g、shf、max的确定过程如下：
参数th与增益g是整个图像锐化中的关键参数，它们共同决定了增强哪部分的边缘以及增强系数。一般来说，图像获取过程中，场景越暗，对应的图像噪声相对越大(snr小)。场景越亮，对应的图像噪声相对越小(snr大)。为了能够适应多种场景，保证图像的锐化效果，本算法采用动态调整参数th与g。
参数shf：为了适应多种平台下的算法通用性和精度(如fpga平台下不支持浮点型乘法)，这里的计算均采用整型进行计算，所以增益g是由浮点增益左移shf后的整数，这里的shf是为了消除增益g的放大。
参数max：控制叠加到原图的卷积图像值上限。部分物体边缘本身就很清晰，经过卷积、放大后可能会有局部失真，这并不是我们想要的。
进一步的，图像叠加为：
dst(h,v)＝src(h,v)+conv(h,v)；
式中dst()为最终的锐化图像。
相对于现有技术，本发明所述的基于hpf的图像锐化算法具有以下优势：
(1)一般来说白噪声分布比较均匀且幅度不大，本算法能够利用噪声的分布特性，动态的调整th阈值对卷积图像进行shrink操作，有效的排除了卷积图像中大部分的白噪声的放大，保证边缘锐化增强的效果。因此，本算法在提升物体边缘强度时，抑制了部分噪声，能够更加清晰的描述物体，达到比较好的图像锐化效果。
(2)本算法的计算方式采用全整型计算，加快了算法的运算速度，同时也适应了一些只能进行整型运算的平台，提高了算法的通用性，能够使得算法具有较好的可移植性以及较快的运算速度。
(3)shrink与clip操作使得本算法在处理hpf后的卷积图像时，能够自如地选择想要增强的边缘区间，用锐化参数的动态调整，使得算法更加灵活，采能够适应更多场景。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明的流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
一种基于hpf的图像锐化算法，其过程如下：
(1)对图像进行预处理
图像在获取过程中，会因为设备电路噪声和其它图像处理算法的关系，引入图像噪声，噪声会对锐化算法在边缘提取时进行干扰，为保证锐化的效果，可以先进行简单的预处理，如2d降噪处理(如中值滤波)
(2)对图像进行hpf卷积与处理
hpf(highpassfilter，高通滤波器)设计为5*5高通滤波器s：
式中src为输入图像，conv为收缩截止后的卷积图像，shrink()为收缩函数，clip()为截止函数，shf为右移参数，max为卷积后最大值，g为增益，th为阈值
(3)确定conv卷积图像参数th、g、shf、max
参数th与增益g是整个图像锐化中的关键参数，它们共同决定了增强哪部分的边缘以及增强系数。一般来说，图像获取过程中，场景越暗，对应的图像噪声相对越大(snr小)。场景越亮，对应的图像噪声相对越小(snr大)。为了能够适应多种场景，保证图像的锐化效果，本算法采用动态调整参数th与g。
参数shf：为了适应多种平台下的算法通用性和精度(如fpga平台下不支持浮点型乘法)，这里的计算均采用整型进行计算，所以增益g是由浮点增益左移shf后的整数，这里的shf是为了消除增益g的放大。
参数max：控制叠加到原图的卷积图像值上限。部分物体边缘本身就很清晰，经过卷积、放大后可能会有局部失真，这并不是我们想要的。
(4)对图像进行叠加
dst(h,v)＝src(h,v)+conv(h,v)；式中dst()为最终的锐化图像。
本算法能够充分利用图像灰度信息对经过hpf卷积后的图像进行自适应噪声虑除、边缘增强，将原图与卷积图像进行叠加，在突出物体边缘的同时抑制白噪声，进而得到锐化后的图像。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。