一种图像增强方法、装置、计算机设备以及介质与流程

1.本发明涉及图像处理领域。更具体地，涉及一种图像增强方法、装置、计算机设备以及介质。


背景技术：

2.图像预处理、模糊图像增强技术是近年来人工智能领域取得的最重要突破之一。它在计算机视觉、图像与视频分析、多媒体、机器视觉缺陷检测等诸多领域都取得了巨大成功。在缺陷检测在实时检测过程中，会出现图像模糊，弱化图像内感兴趣目标不利于后期图像处理，因此需要一种将模糊图像进行增强的方法。


技术实现要素：

3.本发明的目的在于提供一种图像增强方法、装置、计算机设备以及介质，以解决现有技术存在的问题中的至少一个。
4.为达到上述目的，本发明采用下述技术方案：
5.本发明第一方面提供一种图像增强方法，所述方法包括：
6.对输入的模糊图像进行卷积处理，输出卷积特征图像；
7.对所述卷积特征图像进行归一化处理，输出归一化图像；
8.对所述归一化图像进行全局处理从而得到全局图像；
9.基于预设的图像阈值对所述全局图像中的子图像进行增强，从而输出增强图像。
10.在一个可选的实施例中，利用以下二维卷积公式以预设卷积尺寸对所述模糊图像进行卷积处理，
[0011][0012]
其中，均值μ1＝μ2，全局均方差σ1＝σ2，g(x,y)为输出的卷积特征图像中x,y点位置处的子图像的卷积值。
[0013]
在一个可选的实施例中，对所述卷积特征图像进行归一化处理，输出归一化图像；包括：
[0014]
利用以下公式对所述卷积特征图像进行归一化，以得到所述归一化图像的归一化数据，
[0015][0016]
i(x,y)为所述模糊图像中x,y点位置处的子图像的灰度值，
[0017]in
(x,y)为所述模糊图像中x,y点位置处的子图像的归一化灰度值；
[0018]
基于所述归一化数据生成所述归一化图像。
[0019]
在一个可选的实施例中，对所述归一化图像进行全局处理从而得到全局图像；进
一步包括：
[0020]
根据全局均方差确定自适应参数，所述全局均方差和自适应参数满足以下公式：
[0021]
σ1为全局均方差，p为自适应参数；
[0022]
利用所述自适应参数对所述模糊图像进行全局指数处理从而生成全局图像。
[0023]
在一个可选的实施例中，利用所述自适应参数对所述模糊图像进行全局指数处理从而生成全局图像进一步包括：
[0024]
利用自适应参数、归一化数据以及卷积值得到所述全局图像的指数数据，满足以下公式：
[0025]
其中，e(x,y)是全局图像中x,y点位置处的子图像的指数值。
[0026]
在一个可选的实施例中，基于预设的图像阈值对所述全局图像中的图像画面进行增强，从而输出增强图像，进一步包括：
[0027]
基于指数数据确定全局图像数据，所述全局图像数据的公式为：
[0028]
s(x,y)＝255in(x,y)
e(x,y)
，s(x,y)为全局图像中x,y点位置处的全局图像数据；
[0029]
将预设图像阈值与任一子图像对应的全局图像数据进行比较，
[0030]
若所述全局图像数据大于等于所述预设阈值，则以预设步长对所述自适应参数进行减小，
[0031]
若所述全局图像数据小于所述预设阈值，则以预设步长对所述自适应参数进行增大。
[0032]
在一个可选的实施例中，所述方法还包括：
[0033]
以预设的协调性阈值对所述增强图像进行判断，若满足所述判断结果，则输出所述增强图像，若不满足所述判断结果，则更新所述预设卷积尺寸直至输出满足所述判断结果的增强图像。
[0034]
本发明第二方面提出一种图像增强装置，所述图像增强装置包括：
[0035]
卷积处理模块，用于对输入的模糊图像进行卷积处理，输出卷积特征图像；
[0036]
归一化处理模块，用于对所述卷积特征图像进行归一化处理，输出归一化图像；
[0037]
全局处理模块，用于对所述归一化图像进行全局处理从而得到全局图像；
[0038]
图像增强模块，用于基于预设的图像阈值对所述全局图像中的子图像进行增强，从而输出增强图像。
[0039]
本发明第三方面提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明第一方面所述的方法。
[0040]
本发明第四方面提出一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明第一方面所述的方法。
[0041]
本发明的有益效果如下：
[0042]
本发明实施例的图像处理方法，通过将输入的模糊图像进行卷积运算，对模糊图像进行归一化处理，后进行全局处理，最后根据预设的图像阈值对全局图像进行自适应增强，从而将模糊图像的各个子图像进行自适应的增强，呈现出感兴趣目标，能够提高应用模糊图像进行检测时的检测精度和检测稳定性。
附图说明
[0043]
下面结合附图对本发明的具体实施方式作进一步详细的说明。
[0044]
图1示出本发明一个实施例的图像增强方法的流程示意图；
[0045]
图2示出本发明实施例的输入图像的示意图；
[0046]
图3示出本发明实施例的步骤s2的流程示意图；
[0047]
图4示出本发明实施例的步骤s3的流程示意图；
[0048]
图5示出本发明实施例的步骤s4的流程示意图；
[0049]
图6示出本发明另一实施例的图像增强方法的流程示意图；
[0050]
图7示出本发明实施例的输出的增强图像的示意图；
[0051]
图8示出本发明另一个实施例的图像增强装置的框架示意图；
[0052]
图9示出本发明另一个实施例的计算机设备的框架示意图。
具体实施方式
[0053]
为了更清楚地说明本发明，下面结合实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
[0054]
本发明第一个实施例提出一种图像增强方法，如图1所示，所述方法包括：
[0055]
s1、对输入的模糊图像进行卷积处理，输出卷积特征图像；
[0056]
s2、对所述卷积特征图像进行归一化处理，输出归一化图像；
[0057]
s3、对所述归一化图像进行全局处理从而得到全局图像；
[0058]
s4、基于预设的图像阈值对所述全局图像中的子图像进行增强，从而输出增强图像。
[0059]
本发明实施例的图像增强方法，通过将输入的模糊图像进行卷积运算，对模糊图像进行归一化处理，后进行全局处理，最后根据预设的图像阈值对全局图像进行自适应增强，从而将模糊图像的各个子图像进行自适应的增强，呈现出感兴趣目标，能够提高应用模糊图像进行检测时的检测精度和检测稳定性。
[0060]
现以具体实施例对本发明实施例的图像增强方法进行说明。
[0061]
s1、对输入的模糊图像进行卷积处理，输出卷积特征图像；
[0062]
图2示出了模糊图像的示例性的图片，实际应用中，本发明实施例并不对模糊图像具体的颜色、大小等要求进行限制。
[0063]
在一个可选的实施例中，利用以下二维卷积公式以预设卷积尺寸对所述模糊图像进行卷积处理，
[0064][0065]
其中，均值μ1＝μ2，全局均方差σ1＝σ2，g(x,y)为输出的卷积特征图像中x,y点位置处的子图像的卷积值。
[0066]
本实施例中，由于输入的模糊图像为二维图像，因此，本发明实施例利用二维的正态分布实现模糊图像的二维卷积。
[0067]
并且，本实施例中，均值μ1＝μ2＝0，全局均方差σ1＝σ2，使得卷积效果最好，进一步可推导出：
[0068][0069]
本实施例中的全局均方差3≤σ1＝σ2≤10，根据图像分辨率的不同，本领域技术人员能够选择不同实施例的全局均方差进行卷积处理，本发明实施例将全局均方差的边界设置为3和10，该区间内对模糊图像具有最优的卷积效果。
[0070]
s2、对所述卷积特征图像进行归一化处理，输出归一化图像；
[0071]
在一个可选的实施例中，如图3所示，步骤s2“对所述卷积特征图像进行归一化处理，输出归一化图像”包括：
[0072]
步骤s21、利用以下公式对所述卷积特征图像进行归一化，以得到所述归一化图像的归一化数据，
[0073][0074]
i(x,y)为所述模糊图像中x,y点位置处的子图像的灰度值，
[0075]in
(x,y)为所述模糊图像中x,y点位置处的子图像的归一化灰度值。
[0076]
该步骤中，对模糊图像的位于不同位置处的子图像的灰度值进行归一化处理，能够对模糊图像的各个子图像的灰度进行分类，以归一化灰度值的方式表明不同位置处的灰度差异，通过该方式，能够抵抗后续图像处理过程中几何变换，并且能够减少光线不均匀造成的干扰。
[0077]
步骤s22，基于所述归一化数据生成所述归一化图像。
[0078]
基于上述步骤的对模糊图像的归一化处理，能够得到构成模糊图像的每一个子图像的归一化数据，将归一化数据以对应于原始模糊图像的位置处进行排布从而生成归一化图像。
[0079]
s3、对所述归一化图像进行全局处理从而得到全局图像；
[0080]
在一个可选的实施例中，如图4所示，步骤s3“对所述归一化图像进行全局处理从而得到全局图像”进一步包括：
[0081]
步骤s31，根据全局均方差确定自适应参数，所述全局均方差和自适应参数满足以下公式：
[0082]
σ1为全局均方差，p为自适应参数。
[0083]
本实施例中，自适应参数p与模糊图像的对比度有关，示例性的，如果原始图像的对比度比较差，p取值会比较大，从而提高模糊图像的整体对比度。
[0084]
步骤s32，利用所述自适应参数对所述模糊图像进行全局指数处理从而生成全局图像。
[0085]
本发明可选的实施例中，所述模糊图像的全局均方差与所述模糊图像的对比度呈反比，示例性的，当全局均方差σ1小于3时，说明输入的模糊图像的对比度很差，此时p值取值较大，例如p值为3；当全局均方差σ1大于10时，说明输入的模糊图像的对比度较好，增强程度较少，此时p值取值较小，例如p值为1；当全局均方差σ1介于3和10之间，则说明原输入图像的对比度一般，则适当线性增强，本发明实施例通过构建全局均方差与输入的模糊图像的自适应参数的关系，对于不同对比度的模糊图像均能够实现最优的自适应调节。
[0086]
在一个可选的实施例中，步骤s32“利用所述自适应参数对所述模糊图像进行全局指数处理从而生成全局图像”进一步包括：
[0087]
利用自适应参数、归一化数据以及卷积值得到所述全局图像的指数数据，满足以下公式：
[0088]
其中，e(x,y)是全局图像中x,y点位置处的子图像的指数值。
[0089]
经上述步骤可知，当某一位置处的卷积值小于该位置处的输入的模糊图像的原始数值时，由于模糊图像同样经过归一化处理，归一化值是小于或等于1的，此时自适应对比度的值必然大于原始亮度值，此时该位置处的指数数据小于1，也就是说，经自适应调节后，该位置处的亮度会较原始位置处的亮度更亮，同理，如果某一位置处的卷积值大于该位置处的模糊图像的原始数值时，此时自适应对比度的值小于原始亮度值，此时该位置处的指数数据大于1，也就是说，经自适应调节后，该位置处的亮度会较原始位置处的亮度更暗，从而起到将模糊图像的对比度增强的目的，进一步提高利用上述方法得到的增强图像进行检测的检测精度和检测稳定性。
[0090]
s4、基于预设的图像阈值对所述全局图像中的子图像进行增强，从而输出增强图像。
[0091]
在一个可选的实施例中，如图5所示，步骤s4“基于预设的图像阈值对所述全局图像中的图像画面进行增强，从而输出增强图像”，进一步包括：
[0092]
s41、基于指数数据确定全局图像数据，所述全局图像数据的公式为：
[0093]
s(x,y)＝255in(x,y)
e(x,y)
，s(x,y)为全局图像中x,y点位置处的全局图像数据；
[0094]
s42、将预设图像阈值与任一子图像对应的全局图像数据进行比较，
[0095]
若所述全局图像数据大于等于所述预设阈值，该情况下，则说明前述步骤得到的自适应参数对该位置处的子图像的全局图像数据增强过大，可能出现极亮的情况，因此，需以预设步长对所述自适应参数进行减小，降低增强效果。
[0096]
若所述全局图像数据小于所述预设阈值，该情况下，则说明前述步骤得到的自适应参数对该位置处的子图像的全局图像数据增强较小，可能出现极暗的情况，需以预设步
长对所述自适应参数进行增加，提高增强效果。
[0097]
该步骤中，对基于前述步骤自适应调整后的全局图像数据进一步进行判定，避免自适应调整后出现增强过强或增强过小，导致增强的图像整体效果较差的问题出现。
[0098]
在一个可选的实施例中，如图6所示，所述方法还包括：
[0099]
以预设的协调性阈值对所述增强图像进行判断，若满足所述判断结果，则输出所述增强图像，若不满足所述判断结果，则更新所述预设卷积尺寸直至输出满足所述判断结果的增强图像。
[0100]
考虑到以不同卷积尺寸对模糊图像的增强效果存在差异，因此，本发明在该步骤中提出对增强图像进行判断，以得到更好的对比度增强效果。
[0101]
在一个可选的实施例中，预设卷积尺寸较小，增强图像的对比度越大，但是可能增强图像的整体看起来不是很协调，而预设卷积尺寸较大时，增强图像的图像信息多，但是增强图像的整体对比度较小，因此，本发明使用多卷积尺寸的卷积后进行图像增强，利用不同的卷积尺寸从而确定实现不同的增强图像，利用预设的协调性阈值对不同的增强图像进行协调性的判断，使得增强图像既具有协调性，又具有较好的增强效果。
[0102]
本发明实施例中，预设卷积尺寸的数值可根据模糊图像的尺寸进行自适应调整，示例性的，输入的模糊图像尺寸越大，预设卷积尺寸越大，例如5,21,121等，本领域技术人员能够根据实际应用进行设计，在此不再赘述。
[0103]
如图7所示，经本发明实施例的图像增强方法得到的增强图像，较图2所示的输入的原始图像来说，整个图像的对比度有所增加，即亮的区域更亮，暗的区域更暗，并且，在对比度增加的基础上，通过对自适应参数进行调整以及对协调性进行调整，能够进一步保证增强图像的整体协调性。
[0104]
本发明另一个实施例提出一种图像增强装置，如图8所示，所述图像处理增强装置包括：
[0105]
卷积处理模块，用于对输入的模糊图像进行卷积处理，输出卷积特征图像；
[0106]
归一化处理模块，用于对所述卷积特征图像进行归一化处理，输出归一化图像；
[0107]
全局处理模块，用于对所述归一化图像进行全局处理从而得到全局图像；
[0108]
图像增强模块，用于基于预设的图像阈值对所述全局图像中的子图像进行增强，从而输出增强图像。
[0109]
本发明实施例的图像处理装置，通过将输入的模糊图像进行卷积运算，对模糊图像进行归一化处理，后进行全局处理，最后根据预设的图像阈值对全局图像进行自适应增强，从而将模糊图像的各个子图像进行自适应的增强，呈现出感兴趣目标，能够提高应用模糊图像进行检测时的检测精度和检测稳定性。
[0110]
本发明的另一个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现：对输入的模糊图像进行卷积处理，输出卷积特征图像；对所述卷积特征图像进行归一化处理，输出归一化图像；对所述归一化图像进行全局处理从而得到全局图像；基于预设的图像阈值对所述全局图像中的子图像进行增强，从而输出增强图像。
[0111]
在实际应用中，所述计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算
机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0112]
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0113]
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0114]
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0115]
如图9所示，本发明的另一个实施例提供的一种计算机设备的结构示意图。图9显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0116]
如图9所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
[0117]
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
[0118]
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
[0119]
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图9未显示，通常称为“硬盘驱动器”)。尽管图9中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性
光盘(例如cd-rom，dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
[0120]
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
[0121]
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图9所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图9中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0122]
处理器单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种图像增强方法。
[0123]
值得说明的是，本发明实施例的图像增强装置的具体实施例可参见前述实施例的图像增强方法，在此不再赘述。
[0124]
在本发明的描述中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0125]
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，对于本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。