基于二代小波整数变换的图像增强方法及图像增强系统的制作方法
【技术领域】
[0001] 本发明涉及一种图像增强技术，属于图像处理领域，特别涉及一种基于二代小波 整数变换的图像增强方法及系统。
【背景技术】
[0002] 图像增强的目的是为改善图像的视觉效果，提供直观、清晰、适合于分析的图像。 图像增强方法较多，其中直方图均衡化是一种经典、有效的图像增强方法之一。虽直方图均 衡化算法具有运算速度快、增强效果明显等诸多优点，但仍存在以下明显缺陷：（1)在原始 图像灰度动态范围小、质量比较差、直方图分布极不均匀时，经传统直方图均衡化后的图像 层次感会变的很差；（2)原始图像中叠加的噪声在经传统直方图增强后，噪声放大明显；（3) 若一幅图像中灰度范围接近〇时，在进行均衡化算法时，把非常窄的暗像素区间映射到输出 图像，结果就会得到一个亮的冲淡了的图像，导致图像的基本特征如平均亮度改变、细节丢 失，影响了增强图像的视觉效果，从而使得直方图算法应用范围有限。
[0003] 而同态滤波是一种在频域中同时将图像亮度范围压缩和对比度增强的方法。其基 本思想是将非线性问题转化成线性问题处理，同态滤波增强的缺点是在噪声图像的增强过 程中会损失了大量的图像细节。
[0004] 在小波变换过程中，传统小波变换的滤波器输出是浮点数，而图像的像素值均为 整数，小波提升格式对小波的构造提出了 一种新的观点，即小波提升方案（lifting scheme)，也称之为第二代小波变换。小波提升格式具有真正意义上的可逆性，可以不用考 虑边界效应。与传统小波变换相比，提升方案主要有如下优点:a)继承了第一代小波的多分 辨率特性，图像的恢复质量对输入序列的长度没有任何限制，具有对任意尺寸图像进行变 换的能力;b)小波的构造完全在空域内进行，无需傅里叶分析理论;c)所用到的工具相当简 单，主要为Laurent级数的Euclidean除法，所有的传统小波可以由提升方案中基本的提升 和对偶分解而成;d)运算速度快，节省存储空间；e)可以实现整数到整数的变换。
【发明内容】
[0005] 本发明的目的是提供一种算法简单、增强效果明显且对噪声抑制好、亮度与原图 保持较好，以及便于硬件实现的图像增强方法及图像增强系统。
[0006 ]为了解决上述技术问题，本发明提供了一种图像增强方法，包括如下步骤：
[0007] 步骤S1，对原始图形进行单层分解，以获得原始整数低频子图ca;
[0008] 步骤S2,对原始整数低频子图ca进行计算，以获得第一整数低频子图ca';
[0009] 步骤S3,对第一整数低频子图ca'进行计算，以获得第二整数低频子图ca〃 ；以及
[0010] 步骤S4,将第二整数低频子图ca 〃进行重构，以得到增强的新图像。
[0011] 进一步，所述步骤S1中对原始图形进行单层分解，以获得原始整数低频子图ca的 方法包括：
[0012] 利用二代小波整数变换对原始图像进行单层分解，以获得原始整数低频子图ca。
[0013] 进一步，所述步骤S2中对原始整数低频子图ca进行计算，以获得第一整数低频子 图cY的方法包括如下步骤：
[0014] 步骤S21，统计原始整数低频子图ca中各系数k的总和n(k);
[0015] 步骤S22，计算原始整数低频子图ca中系数k的最大值Kmax与最小值Kmin;
[0016] 步骤S23,对统计的总和n(k)进行累积求和，即
[0017] 步骤S24,计算原始整数低频子图ca均衡化的新系数用表达式g(k)表示，即
[0018] Kmin < k < Kmax，m、n分别为原 .， 始整数低频子图ca的行数、列数，且利用四舍五入法取整构成第一整数低频子图ca'。
[0019] 进一步，所述步骤S3中对第一整数低频子图ca'进行计算，以获得第二整数低频子 图ca"的方法包括如下步骤：
[0020] 步骤S31，计算第一整数低频子图ca'系数的最大值N与最小值M，统计第一整数低 频子图ca'各系数k'的总和n(k'），以及统计各系数级数不为零的系数总数S;
[0021 ]
在[M，N]区间对第一整数低频子图 ca'进行等间隔均衡计算，构成第二整数低频子图ca〃，其中p为第二整数低频子图ca〃的新 系数，q为递增变量，且1 < q < S。
[0022] 又一方面，本发明还提供了一种图像增强系统，其特征在于，包括：
[0023] 图像分解模块，对原始图形进行单层分解，以获得原始整数低频子图；
[0024] 与所述图像分解模块相连的第一计算模块，其适于对原始整数低频子图ca进行计 算，以获得第一整数低频子图ca';
[0025] 与所述第一计算模块相连的第二计算模块，其适于对第一整数低频子图ca'进行 计算，以获得第二整数低频子图ca〃 ；
[0026] 与第二计算模块相连的第三重构模块，其适于将第二整数低频子图ca 〃进行计算， 以得到增强的新图像。
[0027] 进一步，所述图像分解模块中对原始图形进行单层分解，以获得原始整数低频子 图;即
[0028] 利用二代小波整数变换对原始图像进行单层分解，以获得原始整数低频子图ca。
[0029] 进一步，所述第一计算模块适于对原始整数低频子图ca进行计算，以获得第一整 数低频子图ca';即
[0030] 统计原始整数低频子图ca中各系数k的总和n(k);
[0031] 计算原始整数低频子图ca中系数k的最大值Kmax与最小值Kmin;
[0032] 对统计的总和n (k)进行累积求和，
[0033] 计算原始整数低频子图ca均衡化的新系数用表达式g(k)表示，即
[0034]
Kmin < k dx，m、n分别为原 始整数低频子图ca的行数、列数，且利用四舍五入法取整构成第一整数低频子图ca'。
[0035] 进一步，所述第二计算模块中适于对第一整数低频子图ca'进行计算，以获得第二 整数低频子图ca〃，即
[0036]计算第一整数低频子图ca'系数的最大值N与最小值M，统计第一整数低频子图ca' 各系数k'的总和n(k'），以及统计各系数级数不为零的系数总数S;
[0037]
在[M，N]区间对第一整数低频子图ca'进行等 间隔均衡计算，构成第二整数低频子图ca〃，其中p为第二整数低频子图ca〃的新系数，q为递 增变量，且1 <q<S。
[0038] 本发明的有益效果是，本发明通过二代小波整数变换，对图像进行单层分解，对低 频子图系数进行均衡化处理，在有效增强图像的同时减小了图像噪声，取得了理想的图像 处理效果。
【附图说明】
[0039]下面结合附图和实施例对本发明进一步说明。
[0040] 图1是本发明的图像增强方法流程图；
[0041] 图2(a)是本发明所涉及的原始图像；
[0042] 图2(b)是本发明所涉及的同态滤波增强图一；
[0043] 图2(c)是本发明所涉及的直方图均衡增强图一；
[0044]图2(d)是本发明处理后的效果图一；
[0045] 图3(a)是本发明所涉及的加噪图像；
[0046] 图3(b)是本发明所涉及的同态滤波增强图二；
[0047] 图3(c)是本发明所涉及的直方图均衡增强图二；
[0048]图3(d)是本发明处理后的效果图二；
[0049] 图4(a)是本发明所涉及的lena原始图像的直方图；
[0050] 图4(b)是本发明所涉及的同态滤波增强图像的直方图；
[0051] 图4(c)是本发明所涉及的直方图均衡增强图像的直方图；
[0052]图4(d)是本发明处理后的图像的直方图。
【具体实施方式】
[0053] 现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以 示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
[0054] 由于传统的基于卷积离散小波变换计算量大，计算复杂度高，对存储空间要求高， 不利于硬件实现，而第二代小波整数提升算法具有结构简单、运算量低、节省存储空间，以 及可逆的整数到整数变换的优点，便于硬件实现。故采用第二代小波整数提升算法（即二代 小波整数变换)用于图像增强。
[0055] 本实施例采用的图像增强对象为标准的lena图像，如图2(a)与加入方差为0.05高 斯噪声的lena图像，如图3(a)。（注:Lena图像是图像处理领域广泛使用的标准测试图像）。
[0056] 实施例1
[0057] 如图1所示，本实施例1提供了一种图像增强方法，包括如下步骤：
[0058] 步骤S1，对原始图形进行单层分解，以获得原始整数低频子图ca;
[0059] 步骤S2,对原始整数低频子图ca进行计算，以获得第一整数低频子图ca';
[0060] 步骤S3,对第一整数低频子图ca'进行计算，以获得第二整数低频子图ca〃 ；以及 [0061 ]步骤S4,将第二整数低频子图ca 〃进行重构，以得到增强的新图像。
[0062]本实施例需要的小波是光滑的、正交的、对称的，这样的小波处理图像具有处理速 度快、图像重构精确性高、避免图像处理中发生相移等优点。
[0063] 所述步骤S1中对原始图形进行单层分解，以获得原始整数低频子图ca的方法具体 包括：
[0064] 利用二代小波整数变换对原始图像进行单层分解，以获得原始整数低频子图ca以 及三高频子图分解系数cH，cV，cD。
[0065] 具体的，满足上述光滑的、正交的、对称条件的db小波系，本实施例通过二代小波 整数变换提升方案对dbl小波进行提升，matlab中具体提升代码如下：
[0066] LSdbint = liftwave(，dbl，，，int2int'）；
[0067] els = {'p'，[-12_1]/4,0};
[0068] LSdbintl=addlift(LSdbint,els)；
[0069]即利用代表(1131提升小波1^(113；[111:1单层离散二维小波分解函数[03，011，(^，0(1]= lwt2(I,LSdbintl)；
[0070] 注:本函数为matlab中提供的提升小波变换函数，如图2(a)进行LSdbintl小波单 层分解，得到一个原始整数低频子图ca和分别对应于水平、垂直、对角方向的三个高频子带 的分解系数cH，cV，cD。
[0071] 所述步骤S2中对原始整数低频子图ca进行计算，以获得第一整数低频子图ca'的 方法包括如下步骤：
[0072] 步骤S21，统计原始整数低频子图ca中各系数k的总和n(k);
[0073] 步骤S22，计算原始整数低频子图ca中系数k的最大值Kmax与最小值Kmin;
[0074] 步骤S23，对统计的总和n (k)进行累积求和，
[0075] 步骤S24,计算原始整数低频子图ca均衡化的新系数用表达式g(k)表示，即
[0076] Kmin《k《Kmax，rn、n分别为原 ， 始整数低频子图ca的行数、列数，且利用四舍五入法取整构成第一整数低频子图ca'。利用 二维小波