本发明涉及图像增强的,尤其涉及一种手机钢化玻璃膜表面图像增强方法和系统。
背景技术:
1、随着智能手机的普及,钢化玻璃膜已成为保护手机屏幕的重要产品。为了检测钢化玻璃膜的表面缺陷,采用自动化检测需要对其进行图像采集和处理。但是,直接对钢化玻璃膜表面图像进行处理存在诸多问题,比如光线反射会产生强烈的光斑,影响表面细节、背景区域会对图像分析造成干扰、对比度和细节表达不足,无法突出缺陷等等。因此,为实现钢化玻璃膜表面微细结构和缺陷的自动检测,需要一种更好的图像增强方案,来提高钢化玻璃膜表面图像的质量。现有方法往往直接对整个图像进行增强处理,无法突出钢化玻璃膜区域,背景干扰较大。同时,现有方法对整体颜色和亮度的调整不够,无法很好地提升显示效果,进而影响检测判断。
技术实现思路
1、有鉴于此,本发明提供一种手机钢化玻璃膜表面图像增强方法和系统,目的在于通过图像去噪、背景去除、光影消除、直方图均衡化和图像融合等处理,提高手机钢化玻璃膜表面图像的清晰度和细节表现,为后续缺陷识别和分析提供有效支持。
2、实现上述目的,本发明提供的一种手机钢化玻璃膜表面图像增强方法,包括以下步骤:
3、s1:基于图像去噪算法消除手机钢化玻璃膜表面图像中的噪声,获得去噪后的图像;
4、s2:使用阈值分割算法将去噪后的图像分为前景和背景,并保留前景部分得到背景去除后的图像;
5、s3:基于暗通道先验算法减少背景去除后的图像中的光影,获得光影去除后的图像;
6、s4:对光影去除后的图像进行直方图均衡化,获得处理后的图像;
7、s5:使用融合算法,将处理后的图像与背景去除后的图像进行融合,获得增强后的图像。
8、作为本发明的进一步改进方法:
9、可选地,所述s1步骤中基于图像去噪算法消除手机钢化玻璃膜表面图像中的噪声,获得去噪后的图像,包括:
10、s11:计算5×5窗口内像素的均值和方差:
11、
12、
13、其中,i表示手机钢化玻璃膜表面图像;(m,n)表示像素位置;和表示像素的偏移;
14、s12:根据去噪阈值输出去噪后的像素值:
15、计算去噪阈值τ:
16、
17、其中,δ为5×5窗口内像素与窗口中心像素的差值;
18、基于去噪阈值计算去噪后的像素值,计算方法为:
19、
20、其中,i′1,i′2,…,i′τ为满足去噪阈值条件的5×5窗口内像素;ean(·)和median(·)分别计算均值和中值;为去噪后的图像;
21、可选地,所述s2步骤中使用阈值分割算法将去噪后的图像分为前景和背景,并保留前景部分得到背景去除后的图像,包括:
22、基于s1获得的去噪后的图像,使用阈值分割算法将去噪后的图像分为前景和背景,并保留前景部分得到背景去除后的图像,该步骤的流程为:
23、s21:计算分割阈值:
24、
25、其中,和分别为去噪后的图像的最小值和最大值;
26、s22:计算分割后前景和背景的均值:
27、利用分割阈值t将去噪后的图像分为前景和背景:
28、
29、其中,表示去噪后的图像在像素位置(m,n)处的像素值。进一步计算前景和背景的均值:
30、
31、其中,numfront和numback分别为前景和背景的像素数目;
32、s23:分割阈值更新:
33、基于前景和背景的均值更新分割阈值,阈值的更新方式为:
34、
35、重复s22与s23直至分割阈值不再变化,分割出前景和背景,保留前景部分得到背景去除后的图像
36、可选地,所述s3步骤中基于暗通道先验算法减少背景去除后的图像中的光影,获得光影去除后的图像,包括:
37、基于s2获得的背景去除后的图像,使用暗通道先验算法减少背景去除后的图像中的光影,获得光影去除后的图像,该步骤的流程为:
38、s31:计算暗通道:
39、对于每个背景去除后的像素位置(x,y),通过滑动的3×3窗口找到该窗口内红、绿、蓝通道的最小值作为暗通道dark:
40、
41、其中,red、green和blue分别代表背景去除后的图像的红、绿和蓝通道;min函数用于获得最小值;
42、s32:计算环境光:
43、通过在暗通道中选择像素值较大的位置,并从对应的背景去除后的图像中获取该位置的像素值,用于计算环境光:
44、
45、其中,是使暗通道达到最大值的位置;
46、s33:计算透射率:
47、建立透射率与暗通道的关系,表达方式为:
48、
49、s34:计算光影去除后的图像:
50、使用透射率来计算光影去除后的图像。对于每个像素位置(x,y),使用以下公式计算光影去除后的图像像素值:
51、
52、red′、green′和blue′分别代表光影去除后的红、绿和蓝通道;max(·)获得最大值;
53、光影去除后的图像i′为:
54、i′=[red′,green′,blue′]
55、可选地,所述s4步骤中对光影去除后的图像进行直方图均衡化,获得处理后的图像,包括:
56、基于s3获得的光影去除后的图像,对其进行直方图均衡化,获得处理后的图像,该步骤的流程为:
57、s41:颜色空间变换:
58、将光影去除后的图像所在的红-绿-蓝空间变换为色调-饱和度-明度空间,获得明度v和饱和度分量s,所述变换方式为:
59、v=max(i′)
60、
61、s42:明度分量均衡化
62、对明度分量每一个灰度级进行映射,获得均衡化后的明度分量,所述映射方式为:
63、
64、其中,vi和vmax分别表示明度分量第i个灰度级和最大灰度级,i=0,1,2,…,255;α为映射系数,通过优化以下目标得到:
65、
66、其中,表示明度分量映射后的第i个灰度级;h表示信息熵,计算方式为:
67、
68、其中,获得灰度级为的像素个数;n表示像素总数;
69、随机生成α计算l,选取使得l达到最大值的α作为映射系数;获得均衡化后的明度分量:
70、
71、s43:饱和度分量拉伸:
72、拉伸后的饱和度分量由下式计算得到:
73、s′=max(sred′,sgreen′,sblue′)
74、其中,sred′,sgreen′,sblue′分别代表red′、green′、blue′通道的饱和度;
75、基于均衡化后的明度分量和拉伸后的饱和度分量,将色调-饱和度-明度空间逆变换为红-绿-蓝空间,获得处理后的图像
76、可选地,所述s5步骤中使用融合算法,将处理后的图像与背景去除后的图像进行融合,获得增强后的图像,包括:
77、基于s4获得的处理后的图像,将其与背景去除后的图像进行融合,获得增强后的图像,该步骤的流程为:
78、s51:计算处理后的图像与背景去除后的图像的局部能量:
79、
80、
81、其中,和分别是处理后的图像与背景去除后的图像的局部能量;和(x+a,y+b)分别表示处理后的图像和背景去除后的图像在像素位置(x+a,y+b)处的值;a=-1,0,1,b=-1,0,1;
82、s52:计算局部匹配度:
83、根据s51获取的局部能量计算处理后的图像与背景去除后的图像的局部匹配度:
84、
85、s53:图像加权融合:
86、设置匹配度判断阈值ε,若score(x,y)<0.6,则加权融合的结果为:
87、
88、若score(x,y)≥0.6,则加权融合的结果为:
89、
90、其中,γ1和γ2为加权系数,计算方式为:
91、
92、γ2=1-γ1
93、本发明还公开了一种手机钢化玻璃膜表面图像增强系统,包括:
94、图像去噪模块:消除手机钢化玻璃膜表面图像中的噪声,获得去噪后的图像;
95、前景提取模块:将去噪后的图像分为前景和背景,并保留前景部分得到背景去除后的图像;
96、光影去除模块:基于暗通道先验算法减少背景去除后的图像中的光影,获得光影去除后的图像;
97、均衡化模块:对光影去除后的图像进行直方图均衡化,获得处理后的图像;
98、融合模块:使用融合算法,将处理后的图像与背景去除后的图像进行融合,获得增强后的图像。
99、有益效果:
100、采用图像去噪算法,本发明能够消除手机钢化玻璃膜表面图像中的噪声,使得图像更加平滑,细节更加清晰。这有助于提高图像的可视性和识别准确性。
101、通过采用暗通道先验算法,本发明能够减少图像中的光影反射,使得手机钢化玻璃膜表面图像的显示更为清晰。该算法能够有效地将光影部分降低,突出图像的细节,提高图像质量。
102、采用阈值分割算法,本发明能够将图像准确地分割为前景和背景部分。这有助于保留关键的前景信息,且避免背景信息干扰,使得增强后的图像更具焦点和清晰度。
103、通过优化的直方图均衡化算法,本发明能够在增强图像的同时,保持图像的细节信息。相比传统直方图均衡化,改进的方法能够更好地保留原始图像中的细节,使得图像更加自然。
104、本发明采用融合算法将处理后的图像与背景去除后的图像进行融合,避免了传统融合算法可能导致的边界不连续和伪影问题。这样,增强后的图像在整体效果上更为平滑和自然。
105、综上所述,本发明的手机钢化玻璃膜表面图像增强方法通过多个步骤的处理,能够显著地减少光影反射、去除噪声、准确分割前景背景、保留图像细节,并通过优化的图像融合得到高质量的增强图像,提升了手机钢化玻璃膜表面图像的可视性。