一種基于小波變換的圖像主觀視覺效果增強(qiáng)方法
【專利摘要】本發(fā)明提供一種基于小波變換的圖像主觀視覺效果增強(qiáng)方法，該方法包括：一、圖像小波分解：對(duì)輸入圖像進(jìn)行小波變換，得到低頻圖像和高頻圖像；然后對(duì)得到的高頻圖像中其中三幅分別進(jìn)行歸一化，再求和得到細(xì)節(jié)圖像。二、低頻和高頻圖像修正：統(tǒng)計(jì)第一步得到的低頻圖像中對(duì)應(yīng)細(xì)節(jié)圖像中幅值較大點(diǎn)的灰度分布，得到細(xì)節(jié)信息加權(quán)灰度直方圖。三、小波逆變換：對(duì)第二步增強(qiáng)后的低頻圖像和校正后的高頻圖像進(jìn)行小波逆變換得到重構(gòu)圖像。四、加權(quán)融合：將重構(gòu)圖像和輸入圖像進(jìn)行加權(quán)融合得到最終增強(qiáng)后圖像。通過(guò)以上步驟，能夠解決圖像過(guò)增強(qiáng)問(wèn)題，并有效突出圖像的細(xì)節(jié)信息、改善圖像的亮度分布、提高圖像的對(duì)比度，進(jìn)而增強(qiáng)圖像的主觀視覺效果。
【專利說(shuō)明】一種基于小波變換的圖像主觀視覺效果増強(qiáng)方法 【技術(shù)領(lǐng)域】
[0001] 本發(fā)明提供一種基于小波變換的圖像主觀視覺效果增強(qiáng)方法，屬于數(shù)字圖像處理
技術(shù)領(lǐng)域， 【【背景技術(shù)】】
[0002] 圖像增強(qiáng)是圖像處理中的重要預(yù)處理步驟。它可以有效改善圖像的質(zhì)量，提高圖 像主觀視覺效果，并突出其有用特征。其中直方圖均衡化是應(yīng)用最為廣泛的圖像增強(qiáng)算法 之一。直方圖均衡化首先對(duì)圖像直方圖概率密度進(jìn)行累加得到映射函數(shù)，然后采用該映射 對(duì)圖像進(jìn)行增強(qiáng)。由于增強(qiáng)后圖像各灰度級(jí)對(duì)應(yīng)的對(duì)比度增量正比于直方圖中其對(duì)應(yīng)的像 素個(gè)數(shù)，直方圖均衡化面臨過(guò)增強(qiáng)過(guò)問(wèn)題。為了控制圖像對(duì)比度的增強(qiáng)程度，研究者提出了 大量基于直方圖均衡化的改進(jìn)算法。但這些算法不能從根本上解決過(guò)增強(qiáng)問(wèn)題。當(dāng)原始圖 像直方圖中峰值較大時(shí)，過(guò)增強(qiáng)現(xiàn)在依然普遍存在。另一方面，基于直方圖均衡化的增強(qiáng)算 法，不能夠有效增強(qiáng)圖像的細(xì)節(jié)信息和改善圖像的亮度分布，進(jìn)而不能充分提高圖像的主 觀視覺效果。 【
【發(fā)明內(nèi)容】
】
[0003] 本發(fā)明的目的是提供一種基于小波變換的圖像主觀視覺效果增強(qiáng)方法，它能夠解 決圖像過(guò)增強(qiáng)問(wèn)題，并有效突出圖像的細(xì)節(jié)信息、改善圖像的亮度分布、提高圖像的對(duì)比 度，進(jìn)而增強(qiáng)圖像的主觀視覺效果。
[0004] 為實(shí)現(xiàn)上述目的，本發(fā)明的基于小波變換的圖像主觀視覺效果增強(qiáng)方法，其步驟 如下：
[0005] -種基于小波變換的圖像主觀視覺效果增強(qiáng)方法，其步驟如下：
[0006] 第一步:圖像小波分解；
[0007] 第二步:低頻和高頻圖像修正；
[0008] 第三步:小波逆變換；
[0009] 第四步:加權(quán)融合。
[0010] 所述的圖像小波分解步驟中，是對(duì)輸入圖像進(jìn)行小波變換，得到低頻圖像和高頻 圖像;然后對(duì)得到的三幅高頻圖像分別進(jìn)行歸一化，再求和得到細(xì)節(jié)圖像。
[0011] 所述的圖像小波分解步驟中，計(jì)算細(xì)節(jié)圖像D的方法如下：
[0012] D = Norm( | Norm( | Ih | ) | )+Norm( | Iv | )+Norm( | Id |)
[0014] Iinput為輸入圖像，Ih、Iv和Id為圖像小波分解后的三幅高頻圖像。N〇rm(I input)表示 對(duì)圖像進(jìn)行歸一化操作。
[0015]所述的低頻和高頻圖像修正步驟中，是利用第一步得到細(xì)節(jié)圖像的信息，統(tǒng)計(jì)低 頻圖像的細(xì)節(jié)信息加權(quán)灰度直方圖；然后，對(duì)該直方圖進(jìn)行直方圖均衡化，對(duì)第一步得到的 低頻圖像進(jìn)行增強(qiáng)，對(duì)高頻圖像進(jìn)行伽馬校正，得到修正后的三幅高頻圖像。
[0016] 圖像經(jīng)過(guò)小波變換以后得到一幅低頻圖像和三幅高頻圖像。基于三幅高頻圖像求 出細(xì)節(jié)圖像。低頻圖像和細(xì)節(jié)圖像是大小一樣，一一對(duì)應(yīng)的。低頻圖像描述圖像的近似信 息，細(xì)節(jié)圖像描述圖像對(duì)應(yīng)的細(xì)節(jié)信息。在該步驟中，結(jié)合了細(xì)節(jié)圖像中包含的細(xì)節(jié)信息對(duì) 低頻圖像進(jìn)行直方圖統(tǒng)計(jì):統(tǒng)計(jì)直方圖對(duì)象是低頻圖像，只不過(guò)利用了細(xì)節(jié)圖像的信息。
[0017] 所述的低頻和高頻圖像修正步驟中，統(tǒng)計(jì)第一步得到的低頻圖像中對(duì)應(yīng)細(xì)節(jié)圖像 中幅值較大點(diǎn)的灰度分布，得到細(xì)節(jié)信息加權(quán)灰度直方圖。
[0018] 所述的低頻和高頻圖像修正步驟中，細(xì)節(jié)信息灰度加權(quán)直方圖h的求取方法如下： 對(duì)低頻圖像中的每個(gè)像素點(diǎn)(X，y)(x=l，2, . . .，M，y = l，2, . . .，N)進(jìn)行遍歷，如果其對(duì)應(yīng)的 細(xì)節(jié)圖像幅值大于某一給定閾值時(shí)(D (x，y )> T )，則在該像素點(diǎn)灰度值對(duì)應(yīng)的直方圖個(gè)數(shù) 加1(11(14&，7))=11(1 4&，7)) + 1)。其中14為低頻圖像，其大小為1\10為步驟一中獲取的 細(xì)節(jié)圖像，M、N為自然數(shù)，h為細(xì)節(jié)信息灰度加權(quán)直方圖。
[0019]所述的低頻和高頻圖像修正步驟中，高頻圖像的伽瑪校正步驟如下：
[0022] Ih、Iv和Id為圖像小波分解后的二幅尚頻圖像，Gamma( Iinput)表不對(duì)輸入圖像進(jìn)行 伽瑪校正操作，Gamma(lH)、Gamma(Iv)和Gamma(lD)分別表示對(duì)Ih、Iv和Id三幅高頻圖像所有 像素點(diǎn)進(jìn)行伽馬校正。a(0<a<l)和K為伽馬校正兩參數(shù)，K取300。
[0023] 所述的小波逆變換步驟中，對(duì)第二步增強(qiáng)后的低頻圖像和校正后的高頻圖像進(jìn)行 小波逆變換得到重構(gòu)圖像。
[0024] 所述的加權(quán)融合步驟中，將重構(gòu)圖像和輸入圖像進(jìn)行加權(quán)融合得到最終增強(qiáng)后圖 像。
[0025] 所述的加權(quán)融合步驟中，對(duì)重構(gòu)圖像和原始圖像的加權(quán)方法如下：
[0026] Ienhance(x,y) = I〇(x,y)*ff(x,y) + Iconstructed(x,y)*(l-ff(x,y))*A
[0027] 其中，1(叉，7) = (1〇(叉，7)/255){!，（叉=1，2，...，]/[，7=1，2，...少）；1()為原始輸入圖 像，I_structed為第三步中得到的重構(gòu)后圖像，Ienhance為最終融合圖像。0( 0 <0< 1 )參數(shù)用于 控制原始圖像保留度，MA>1)參數(shù)用于補(bǔ)償由于加權(quán)而降低的圖像亮度，P取0.8。
[0028] 基于上述步驟，本發(fā)明的基于小波變換的圖像主觀視覺效果增強(qiáng)方法可以達(dá)到以 下目的：
[0029] -:通過(guò)不統(tǒng)計(jì)包含細(xì)節(jié)信息較少的點(diǎn)的像素個(gè)數(shù)，可以有效緩解傳統(tǒng)直方圖中 的峰值，避免過(guò)增強(qiáng)現(xiàn)象。
[0030] 二:通過(guò)增強(qiáng)圖像高頻部分的細(xì)節(jié)信息，可以提高增強(qiáng)圖像的清晰度。
[0031] 三:將重構(gòu)后圖像和原始圖像進(jìn)行加權(quán)融合，可以進(jìn)一步緩解過(guò)增強(qiáng)，并改善圖像 的亮度分布。
[0032] 總之，本發(fā)明能夠解決過(guò)增強(qiáng)問(wèn)題、突出圖像細(xì)節(jié)、改善圖像亮度，進(jìn)而顯著提高 圖像的主觀視覺效果。 【【附圖說(shuō)明】】
[0033] 圖1是本發(fā)明的的流程圖。
[0034] 圖2是本發(fā)明的一個(gè)實(shí)施例中處理前的原始圖像。
[0035]圖3為原始圖像灰度直方圖。
[0036] 圖4為低頻圖像細(xì)節(jié)信息加權(quán)灰度直方圖。
[0037] 圖5是應(yīng)用本發(fā)明的方法后得到的圖像。 【【具體實(shí)施方式】】
[0038] 下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明的一種本發(fā)明的一種基于小波變換的圖像 主觀視覺效果增強(qiáng)方法進(jìn)行更進(jìn)一步的介紹。
[0039] 如圖1所示，一種本發(fā)明的一種基于小波變換的圖像主觀視覺效果增強(qiáng)方法，步驟 如下：
[0040] 第一步:圖像小波分解；
[0041] 對(duì)輸入圖像進(jìn)行小波變換，得到低頻圖像和高頻圖像;然后對(duì)三幅高頻圖像分別 進(jìn)行歸一化，再求和得到細(xì)節(jié)圖像。
[0042]在本實(shí)施例中，采用現(xiàn)有的Haar小波基對(duì)輸入圖像進(jìn)行一層小波分解，得到三幅 高頻圖像;計(jì)算細(xì)節(jié)圖像D的方法如下：
[0045] Iin_為輸入圖像，In、Iv和Id為圖像小波分解后的三幅高頻圖像。Norm(Iinput)表示 對(duì)圖像進(jìn)行歸一化操作。
[0046] 歸一化方法如下：
'Iinput為輸入圖像；Inormalized輸出 歸一化圖像，min(Iinput)和max(Iinput)分別表示輸入圖像的灰度最大值和最小值。
[0047]第二步:低頻和高頻圖像修正；
[0048] 根據(jù)第一步的得到的細(xì)節(jié)圖像，計(jì)算低頻圖像的細(xì)節(jié)信息加權(quán)灰度直方圖；然后， 對(duì)該直方圖進(jìn)行直方圖均衡化，對(duì)第一步得到的低頻圖像進(jìn)行增強(qiáng)，對(duì)高頻圖像進(jìn)行伽馬 校正，得到修正后的三幅高頻圖像。
[0049] 在本實(shí)施例中，統(tǒng)計(jì)第一步得到的低頻圖像中對(duì)應(yīng)細(xì)節(jié)圖像中幅值較大點(diǎn)的灰度 分布，得到細(xì)節(jié)信息加權(quán)灰度直方圖。此處的幅值較大為細(xì)節(jié)圖像最大值的20%。該直方圖 只統(tǒng)計(jì)了對(duì)應(yīng)細(xì)節(jié)信息較強(qiáng)的像素點(diǎn)，這可以有效去除圖像中細(xì)節(jié)信息較小的像素點(diǎn)，如 天空，海洋等大范圍背景，進(jìn)而緩解直方圖峰值的出現(xiàn)。
[0050] 細(xì)節(jié)信息灰度加權(quán)直方圖h的求取方法如下:對(duì)低頻圖像中的每個(gè)像素點(diǎn)(x，y)(x =1，2, . . .，M，y = l，2,. . .，N)進(jìn)行遍歷，如果其對(duì)應(yīng)的細(xì)節(jié)圖像幅值大于某一給定閾值時(shí) (D(x，y)>T)，貝lj在該像素點(diǎn)灰度值對(duì)應(yīng)的直方圖個(gè)數(shù)加 l(h(lA(x，y))=h(lA(x，y))+l)。其 中Ia為低頻圖像，其大小為M X N，D為步驟一中獲取的細(xì)節(jié)圖像，M、N為自然數(shù)。
[00511高頻圖像的伽瑪校正步驟如下：
[0054] Ih、Iv和Id為圖像小波分解后的二幅尚頻圖像。Gamma( Iinput)表不對(duì)輸入圖像進(jìn)tx 伽瑪校正操作。a(0<a<l)和K為伽馬校正兩參數(shù)。K取300。伽瑪校正可以有效提高圖像的 高頻信息，進(jìn)而增強(qiáng)圖像的細(xì)節(jié)。
[0055]第三步:小波逆變換；
[0056] 對(duì)第二步增強(qiáng)后的低頻圖像和校正后的高頻圖像采用現(xiàn)有技術(shù)進(jìn)行小波逆變換 得到重構(gòu)圖像。
[0057] 第四步:加權(quán)融合；
[0058]將重構(gòu)圖像和輸入圖像進(jìn)行加權(quán)融合得到最終增強(qiáng)后圖像。
[0059] 在本實(shí)施例中，對(duì)重構(gòu)圖像和原始圖像的加權(quán)方法如下：
[0060] Ienhance(x,y) = I〇(x,y)*ff(x,y) + Iconstructed(x,y)*(l-ff(x,y))*A
[0061] 其中，1(叉，7) = (1〇(叉，7)/255){!，（叉=1，2，...，]/[，7 = 1，2，...少)。原始圖像中灰度 值較大的點(diǎn)，其加權(quán)系數(shù)W(x，y)也較大，這樣增強(qiáng)后圖像保留了更多原始圖像。由于原始圖 像中兩度較大的點(diǎn)，其增強(qiáng)的必要性越小，通過(guò)該加權(quán)進(jìn)行融合，可以緩解過(guò)增強(qiáng)。10、 I?nstrUc^d和Ienhanm分別為原始輸入圖像、第三步中得到的重構(gòu)后圖像和最終融合圖像，0(0 <0<1)參數(shù)用于控制原始圖像保留度，MA>1)參數(shù)用于補(bǔ)償由于加權(quán)而降低的圖像亮 度。0-般取0.8 A根據(jù)輸入圖像的亮度確定，亮度越低，A越大。通過(guò)該加權(quán)融合操作可以進(jìn) 一步避免過(guò)增強(qiáng)，保留原始圖像中較亮區(qū)域的細(xì)節(jié)信息。同時(shí)，通過(guò)亮度補(bǔ)償可以提高圖像 的亮度值。
[0062] 為驗(yàn)證本專利提出算法的有效性、合理性、可行性及科學(xué)性，對(duì)圖2中原始圖像采 用該算法進(jìn)行增強(qiáng)。圖3是原始圖像灰度直方圖；圖4是步驟2.1)中得到的細(xì)節(jié)信息加權(quán)灰 度直方圖；圖5是應(yīng)用本發(fā)明的方法處理后的增強(qiáng)圖像。試驗(yàn)中各參數(shù)設(shè)置如下:T = 0.423， a = 0.6，K = 300，P = 0.8，A=1.6〇
[0063] 由試驗(yàn)結(jié)果可以看出，本文算法可以有效改善圖像的主觀視覺效果:坦克部分的 細(xì)節(jié)得到有效增強(qiáng)；圖像的整體對(duì)比度得到有效提升；圖像的亮度分布得到改善;從圖3和 圖4可以看出，細(xì)節(jié)信息加權(quán)灰度直方圖可以有效緩解傳統(tǒng)灰度直方圖中的峰值，進(jìn)而避免 過(guò)增強(qiáng)。
【主權(quán)項(xiàng)】
1. 一種基于小波變換的圖像主觀視覺效果增強(qiáng)方法，其特征在于:步驟如下： 第一步：圖像小波分解； 所述的圖像小波分解步驟中，是對(duì)輸入圖像進(jìn)行小波變換，得到低頻圖像和高頻圖像； 然后對(duì)得到的三幅高頻圖像分別進(jìn)行歸一化，再求和得到細(xì)節(jié)圖像； 第二步:低頻和高頻圖像修正； 所述的低頻和高頻圖像修正步驟中，是利用第一步得到細(xì)節(jié)圖像的信息，統(tǒng)計(jì)低頻圖 像的細(xì)節(jié)信息加權(quán)灰度直方圖；然后，對(duì)該直方圖進(jìn)行直方圖均衡化，對(duì)第一步得到的低頻 圖像進(jìn)行增強(qiáng)，對(duì)高頻圖像進(jìn)行伽馬校正，得到修正后的三幅高頻圖像； 第三步:小波逆變換； 所述的小波逆變換步驟中，是對(duì)第二步增強(qiáng)后的低頻圖像和校正后的高頻圖像進(jìn)行小 波逆變換得到重構(gòu)圖像； 第四步:加權(quán)融合； 所述的加權(quán)融合步驟中，是將重構(gòu)圖像和輸入圖像進(jìn)行加權(quán)融合得到最終增強(qiáng)后圖 像。2. 根據(jù)權(quán)利要求1所述的一種基于小波變換的圖像主觀視覺效果增強(qiáng)方法，其特征在 于:在第一步中，計(jì)算細(xì)節(jié)圖像D的方法如下： D = Norm( | Norm( | Ih |) | )+Norm( | Iv | )+Norm( | Id | )I input為輸入圖像，Ih、Iv和Id為圖像小波分解后的三幅高頻圖像;Norm (I input)表示對(duì)圖 像進(jìn)行歸一化操作。3. 根據(jù)權(quán)利要求1所述的一種基于小波變換的圖像主觀視覺效果增強(qiáng)方法，其特征在 于:在第二步中，統(tǒng)計(jì)第一步得到的低頻圖像中對(duì)應(yīng)細(xì)節(jié)圖像中幅值較大點(diǎn)的灰度分布，得 到細(xì)節(jié)信息加權(quán)灰度直方圖。4. 根據(jù)權(quán)利要求1所述的一種基于小波變換的圖像主觀視覺效果增強(qiáng)方法，其特征在 于:在第二步中，細(xì)節(jié)信息灰度加權(quán)直方圖h的求取方法如下:對(duì)低頻圖像中的每個(gè)像素點(diǎn) (x，y)進(jìn)行遍歷，如果其對(duì)應(yīng)的細(xì)節(jié)圖像幅值大于某一給定閾值時(shí)，即D(x，y)>T，則在該像 素點(diǎn)灰度值對(duì)應(yīng)的直方圖個(gè)數(shù)加1，即h(I A(X，y))=h(IA(X，y))+l;其中，Ia為低頻圖像，其 大小為MXN，D為步驟一中獲取的細(xì)節(jié)圖像，M、N為自然數(shù)，h為細(xì)節(jié)信息灰度加權(quán)直方圖；X = l，2，...，M，y = l，2，...，N〇5. 根據(jù)權(quán)利要求1所述的一種基于小波變換的圖像主觀視覺效果增強(qiáng)方法，其特征在 于:在第二步中，所述的低頻和高頻圖像修正步驟，高頻圖像的伽瑪校正步驟如下：Ih、IV和Id為圖像小波分解后的二幅尚頻圖像，Gamma (I input)表不對(duì)輸入圖像進(jìn)彳丁伽瑪 校正操作，Gamma (Ih)、Gamma (Iv)和Gamma (Id)分別表示對(duì)Ih、IV和Id三幅高頻圖像所有像素 點(diǎn)進(jìn)行伽馬校正;α和K為伽馬校正兩參數(shù)，K取300,0<α<1。6. 根據(jù)權(quán)利要求1所述的一種基于小波變換的圖像主觀視覺效果增強(qiáng)方法，其特征在 于:在第四步中，對(duì)重構(gòu)圖像和原始圖像的加權(quán)方法如下： Ienhance(x,y) = I〇(x,y)*ff(x,y) + Iconstructed(x,y)*(l-ff(x,y) )*λ 其中，w(x，y) = (1(^,7)/255)'Io為原始輸入圖像，Instructed為第三步中得到的重構(gòu) 后圖像，Ie3nhar^為最終融合圖像;β參數(shù)用于控制原始圖像保留度，λ參數(shù)用于補(bǔ)償由于加權(quán) 而降低的圖像亮度，x = l，2, ...，Mj = IJ,...，Ν;0<β<1 ;λ>1。7. 根據(jù)權(quán)利要求6所述的一種基于小波變換的圖像主觀視覺效果增強(qiáng)方法，其特征在 于:β取0.8。
【文檔編號(hào)】G06T5/00GK105931201SQ201610248817
【公開日】2016年9月7日
【申請(qǐng)日】2016年4月20日
【發(fā)明人】孫澤斌, 趙琦, 馮文全, 趙洪博, 張博學(xué), 張文峰, 黃立東
【申請(qǐng)人】北京航空航天大學(xué)