CN104715453A - 一种分区域处理的图像增强方法及电路 - Google Patents

Abstract

本发明涉及一种分区域处理的图像增强方法，尤其涉及一种既符合人眼视觉特性，又改善了噪声的敏感程度的图像增强方法，以及适合于该方法的电路。本发明采用分区域处理的方式完成图像的增强，依据细节程度分别对不同区域进行不同程度的增强，增强因子的计算以正态曲线为基础，依据细节因子获取，即对低细节区域增强程度最小，随着细节程度的增加逐渐加大增强程度，当到达曲线顶点之后，逐渐减小图像增强的程度。分区域处理很大程度上避免了去噪带来的图像模糊问题。该方法对图像的增强处理符合人眼视觉特性，既改善了噪声的敏感程度，也不会出现过冲现象。

Description

一种分区域处理的图像增强方法及电路

技术领域

本发明涉及一种分区域处理的图像增强方法，尤其涉及一种既符合人眼视觉特性，又改善了噪声的敏感程度的图像增强方法，以及适合于该方法的电路。

背景技术

图像增强就是通过对图像的某些特征如边缘、轮廓和对比度等进行强调或锐化，同时减弱或去除不需要的信息，它的目的主要是改善图像的视觉效果，提高图像成分的清晰度，将原图像转换成一种更适合于人眼观察的形式。

常规的图像增强方法有灰度映射、直方图均衡等，由于是一种全局对比度调整技术，这些基本的方法容易导致图像中一些地方对比度增强过大，而另一些地方的对比度增强不够。人们自然希望一种局部对比度增强方法，反锐化掩模便是其中最常用的方法之一。

线性反锐化掩模算法组成框图如图1所示，原始图像经过线性高通滤波器，乘以一个比例因子后与原始图像相加，得到增强的图像。

线性反锐化掩模算法可以用如下的方程来描述：

y(m，n)-x(m,n)+λe(m,n)    (1)

式中，x(m,n)是输入图像信号，e(m,n)为线性高通滤波器的输出，λ是一个正的比例因子，用来控制图像增强的强度，y(m,n)是增强之后的图像。

尽管这种方法简单，增强效果也相对较好，但它却有两个不足：第一，对噪声非常敏感。由于采用了线性高通滤波器，图像的细节和噪声同时被增强，尤其是在图像的平坦区域，即使很小的噪声也显而易见；第二，过冲现象。由于图像的高细节区域相对于其它区域增强更大，处理后的图像会呈现过增强现象。为了克服线性反锐化掩模技术的缺点，尤其是对噪声的敏感性，人们提出了各种各样的方法。

这些方法大部分是用非线性滤波器代替线性高通滤波器，对减小噪声和细节增强进行折中考虑。如A.Polesel等人提出了自适应反锐化掩模技术[A.Polesel，G.Ramponi，and V.J.Mathews.Image enhancement via adaptive unsharp masking[J].IEEE Trans.On ImageProcessing，9：505-510，2000]，这种技术采用自适应滤波器对图像的细节增强程度大一些，而对图像的平坦区域几乎不增强，实现了很好的噪声抑制效果，然而缺少对过冲的控制。

现有技术的图像增强方法大多较复杂，运算量非常大，虽然相对于线性反锐化掩模技术而言减小了噪声，但在平坦区域，噪声仍然较明显，而且，为了使图像的中细节区域达到较好的增强效果，图像的高细节区域往往增强过大，导致过冲现象的出现。另外一类解决办法是对图像先进行去噪处理，再对图像进行增强处理，但去噪往往导致图像的模糊，使增强难以达到较优化的效果。

发明内容

本发明的目的：针对线性反锐化掩模技术的缺点，本发明提出了一种分区域处理的图像增强方法。

本发明的技术方案：

一种分区域处理的图像增强方法，其包括如下步骤：

步骤1：对输入图像信息进行窗口缓冲处理；

步骤2：计算每一个窗口区域的用于表述图像平坦信息的细节因子D(m,n)；

步骤3：确定图像区域增强因子并只对低细节区域进行去噪处理；

其中，确定图像不同区域的增强因子，如公式（1）所示，

$\mathrm{\λ}(m,n)=\mathrm{cons}\tan t\×N\left[D(m,n)\right]=\mathrm{cons}\tan t\×\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}{\mathrm{\θ}}^{-\frac{{(D(m,n)-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}}---\left(1\right)$

其中，N[.]为正态分布概率密度函数,constant为常量；

对低细节区域进行去噪处理，得到图像M_x(m,n)，即

其中，T₁为细节因子的阈值;

步骤4：对图像进行分区域增强处理

将步骤3获得的区域增强因子与2阶拉普拉斯掩模计算结果进行乘法处理，并将得到结果加载在步骤3滤波处理后的图像M_x(m,n)上，实现对图像的分区域增强处理。

所涉及的窗口区域大小为3×3。

进行3×3窗口缓冲时，缓冲连续的两行数据。

步骤2计算细节因子时，首先，每一个像素值减去窗口内像素平均值，然后对差值取绝对值之后求和，即在一个像素的3×3邻域内进行如下运算：

$D(m,n)=\underset{i=m-1}{\overset{m+1}{\mathrm{\Σ}}}\underset{j=n-1}{\overset{n+1}{\mathrm{\Σ}}}|x(i,j)-\hat{x}(m,n)|---\left(3\right)$

其中，是象素点(m,n)在3×3邻域的亮度平均值。

对低细节区域的去噪处理利用空域均值滤波器进行滤波处理。

所述细节因子D(m,n)的阈值取值如下：T₁:30～60。

一种分区域处理的图像增强电路，其包括行缓冲模块、窗口缓冲模块、均值计算模块、细节因子计算模块、增强因子选择模块、拉普拉斯掩模计算模块、增强结果计算模块，其中，行缓冲模块与窗口缓冲模块相连后分成三路，第一路经相互串联的均值计算模块、细节因子计算模块、增强因子计算模块后连接在增强结果计算模块上，第二路直接与增强结果计算模块相连，第三路经拉普拉斯掩模计算模块与增强结果计算模块相连，其中，所述图像不同区域的增强因子，如公式（4）所示，

$\mathrm{\λ}(m,n)=\mathrm{cons}\tan t\×N\left[D(m,n)\right]=\mathrm{cons}\tan t\×\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}{e}^{-\frac{{(D(m,n)-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}}---\left(4\right)$

其中，N[.]为正态分布概率密度函数，D(m,n)为细节因子。

所述均值计算模块计算均值时只计算中心像素周围的8个像素的均值，并用简单的移位来实现除以8，均值计算可由公式（5）表示：

$\hat{x}=\frac{1}{8}\underset{i=m-1}{\overset{m+1}{\mathrm{\Σ}}}\underset{j=n-1}{\overset{n+1}{\mathrm{\Σ}}}x(i,j),(i,j)\∈\backslash {(m,n)}_m---\left(5\right).$

本发明的有益效果：

与现有技术相比，本发明的实施例采用分区域处理的方式完成图像的增强，依据细节程度分别对不同区域进行不同程度的增强，增强因子采用正态曲线，依据细节因子获取，即对低细节区域增强程度最小，随着细节程度的增加逐渐加大增强程度，当到达曲线顶点之后，逐渐减小图像增强的程度。通过对传统的局部方差计算进行简化，完成了细节因子的计算，极大的提高了运算速度，同时通过对行缓冲单元进行改进，达到了行缓冲单元的最优设计，降低了硬件开销。

附图说明

图1是本发明所述图像增强电路各模块之间的连接关系；

图2是本发明分区域处理的图像增强方法的原理框图；

图3是本发明分区域处理的图像增强方法的流程图；

图4是本发明采用的二阶拉普拉斯算子掩模模板；

其中，1-行缓冲模块、2-窗口缓冲模块、3-均值计算模块、4-细节因子计算模块、5-增强因

子计算模块、6-增强结果计算模块、7-拉普拉斯掩模计算模块。

具体实施方式

下面通过具体实施例对本发明做详细的说明：

请参阅图3，其是本发明分区域处理的图像增强方法的原理框图。本发明分区域处理的图像增强方法对输入图像数据采用拉普拉斯算子进行掩模计算。同时，把图像根据细节程度进行量化计算得到图像的区域细节因子，然后根据区域细节因子按照正态分布概率密度曲线确定图像增强因子。只对低细节区域进行去噪处理；然后，将拉普拉斯算子进行掩模计算和图像增强因子进行乘法处理后加载在去噪处理之后的图像信息上得到增强后的图像。

请参阅图4，其给出了本发明分区域处理的图像增强方法的流程图，其详细过程如下：步骤1：对输入图像信息进行行缓冲处理

本实施例中，该缓冲区的大小为2行图像信息，对于3×3的窗口而言已经达到最优设计。

步骤2：对缓冲区内图像信息进行窗口缓冲处理，得到3×3数据模板

本实施例中，窗口大小为3×3，当然根据实际需要，可以进行缓冲窗口大小的调节；

步骤3：计算窗口均值

计算均值时只计算中心像素周围的8个像素的均值，而除以8用简单的移位就可以实现了，均值计算可改为式（4）所示近似形式。

$\hat{x}=\frac{1}{8}\underset{i=m-1}{\overset{m+1}{\mathrm{\Σ}}}\underset{j=n-1}{\overset{n+1}{\mathrm{\Σ}}}x(i,j),(i,j)\∈\backslash (m,n)---\left(4\right)$

步骤4：计算每一个窗口区域的细节因子D(m,n)；

首先，每一个像素值减去步骤3中计算所得窗口内像素平均值，然后对差值取绝对值之后求和，即在一个像素的3×3邻域内进行如下运算：

$D(m,n)=\underset{i=m-1}{\overset{m+1}{\mathrm{\Σ}}}\underset{j=n-1}{\overset{n+1}{\mathrm{\Σ}}}|x(i,j)-\hat{x}(m,n)|---\left(3\right)$

其中，是象素点x(m,n)在3x3邻域的亮度平均值。

步骤5：只对低细节区域进行去噪处理；

采用空域均值滤波器对低细节区域进行去噪处理，得到图像M_x(m,n)，即

本实施例中的参数优先选取如下范围：

T₁:30～60从而获得较佳的图像增强效果的前提下，增加对不同图像的兼容性；

步骤6：确定图像区域增强因子

图像区域增强因子的计算，依据正态分布概率密度曲线计算获得，从而做到在图像的低细节区域，由于人眼对噪声很敏感，只做很小的增强，在图像的中细节区域，则进行较大程度的增强，而在图像的高细节区域，为了避免出现过冲现象，降低图像增强程度，为此，将

(1)式中的λ定义为图像细节的函数λ(m,n),如公式（2）所示，

$\mathrm{\λ}(m,n)=\mathrm{cons}\tan t\×N\left[D(m,n)\right]=\mathrm{cons}\tan t\×\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}{\mathrm{\θ}}^{-\frac{{(D(m,n)-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}}---\left(2\right)$

N[.]为正态分布概率密度函数，其中μ＝128,σ＝6*，

步骤7：对图像进行分区域增强处理

根据步骤5中去噪处理之后得到的图像M_x(m,n)及步骤6中计算得到的区域增强因子，图像增强的表达式可以表示为：

y(m,n)＝M_x(m,n)+λ(m,n)z(m,n)    (5)

其中的z(m,n)为增强算子，本实施例采用增强效果较好的二阶拉普拉斯算子，掩模采用3×3的模板。

用公式表示如下：

z(m,n)＝8x(m,n)-x(m-1,n-1)-x(m-1,n)-x(m-1,n+1)-x(m,n-1)-x(m,n+1)-x(m+1,n-1)-x(m+1,n)-x(m+1,n+1)

另外，本发明中步骤5的对低细节区域的去噪处理和步骤6对增强因子的确定之间无特定的先后顺序，二者处理顺序可以颠倒也可以同时处理。

下面详细说明本发明提供的图像增强电路的一个实施例的组成结构图，参考图2，其是本发明提供的图像增强电路一个实施例的组成结构图。本实施例中，所述图像增强电路包括行缓冲模块、窗口缓冲模块、均值计算模块、细节因子计算模块、增强因子选择模块、拉普拉斯掩模计算模块、增强结果计算模块。其中，行缓冲模块与窗口缓冲模块相连后分成三路，第一路经相互串联的均值计算模块、细节因子计算模块、增强因子计算模块后连接在增强结果计算模块上，第二路直接与增强结果计算模块相连，第三路经拉普拉斯掩模计算模块与增强结果计算模块相连。

其中，行缓冲模块用于对视频数据进行缓冲；

从行的角度来看，每计算一个像素，需要用到它上一行的像素和它下一行的像素。从硬件设计的角度看，每一个像素时钟周期要写入一个像素值，同时还要读出8个像素值。但从运动的角度来看，窗口是以一个像素单位向右滑动的，实际上每个像素时钟周期只需要读出3个像素(每行各一个)。因此，输入缓冲模块的设计采取行缓冲+窗口缓冲的方式。进一步分析发现，随着窗口的滑动，最早的一行数据（即第i-2行，假设最新输入的数据是第i行的数据）用完一个，就不需要再用。因此，将最新输入的数据(第i行)直接写入窗口缓冲区，同时覆盖第i-2行中相应位置的数据。如图4所示。

所述窗口缓冲模块用于完成行缓冲数据的窗口移动控制。根据算法，每计算一个像素，需要用到与它相邻的8个像素。

所述均值计算模块用于计算每一个像素与相邻8个像素的均值；

求均值要计算9个像素的和，然后进行除以9的运算，除以9用乘以1／9(即0.111)，而乘采用移位加的方式，比如计算x(i,j)乘以9，可以将x(i,j)左移3位(乘8)，然后加上x(i,j)本身。计算减法时先取补码，再用加法实现。

RTL实现时，由于系统速度要求很高，而乘法器，多级加法器等又需要较长的运算时间，因此，运算模块须采用流水线设计。计算均值时可以只计算中心像素周围的8个像素的均值，而除以8用简单的移位就可以实现了。均值计算可改为式（9）所示近似形式。

$\hat{x}=\frac{1}{8}\underset{i=m-1}{\overset{m+1}{\mathrm{\Σ}}}\underset{j=n-1}{\overset{n+1}{\mathrm{\Σ}}}x(i,j),(i,j)\∈\backslash (m,n)---\left(9\right)$

所述细节因子计算模块依据上述均值计算每一个像素区域的细节程度；

首先，每一个像素值减去步骤3中计算所得窗口内像素平均值，然后对差值取绝对值之后求和，即在一个像素的3×3邻域内进行如下运算：

$D(m,n)=\underset{i=m-1}{\overset{m+1}{\mathrm{\Σ}}}\underset{j=n-1}{\overset{n+1}{\mathrm{\Σ}}}|x(i,j)-\hat{x}(m,n)|---\left(3\right)$

其中，是象素点x(m,n)在3×3邻域的亮度平均值。

所述增强因子计算模块依据上述细节因子完成增强因子的选择计算；

所述增强因子计算模块，采用查找表的方式，非常适于硬件实现。查找表的建立依据图像细节的函数λ(m,n)完成，函数表示如下：

$\mathrm{\λ}(m,n)=\mathrm{cons}\tan t\×N\left[D(m,n)\right]=\mathrm{cons}\tan t\×\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}{\mathrm{\θ}}^{-\frac{{(D(m,n)-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}}---\left(2\right)$

N[.]为正态分布概率密度函数，其中μ＝128,σ＝64,

所述拉普拉斯掩模计算模块用于完成二阶拉普拉斯掩模计算；

增强结果计算单元依据上述增强因子及拉普拉斯掩模计算结果完成最终的增强运算。

本发明采用分区域处理的方式完成图像的增强，依据细节程度分别对不同区域进行不同程度的增强，增强因子的计算以正态曲线为基础，依据细节因子获取，即对低细节区域增强程度最小，随着细节程度的增加逐渐加大增强程度，当到达曲线顶点之后，逐渐减小图像增强的程度。分区域处理很大程度上避免了去噪带来的图像模糊问题。该方法对图像的增强处理符合人眼视觉特性，既改善了噪声的敏感程度，也不会出现过冲现象。

以上对本发明实施例所提供的一种分区域处理的图像处理方法进行了详细介绍。以上实施例的说明只是用于帮助理解本发明的方法极其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种分区域处理的图像增强方法，其特征在于，包括如下步骤： 

步骤1：对输入图像信息进行窗口缓冲处理； 

步骤2：计算每一个窗口区域的用于表述图像平坦信息的细节因子D(m,n)； 

步骤3：确定图像区域增强因子并只对低细节区域进行去噪处理； 

其中，确定图像不同区域的增强因子，如公式（1）所示， 

其中，N[.]为正态分布概率密度函数,constant为常量； 

对低细节区域进行去噪处理，得到图像M_x(m,n)，即 

其中，T₁为细节因子的阈值； 

步骤4：对图像进行分区域增强处理 

将步骤3获得的区域增强因子与2阶拉普拉斯掩模计算结果进行乘法处理，并将得到结果加载在步骤3滤波处理后的图像M_x(m,n)上，实现对图像的分区域增强处理。 

2.根据权利要求1所述的分区域图像增强方法，其特征在于：所涉及的窗口区域大小为3×3。 

3.根据权利要求2所述的分区域图像增强方法，其特征在于：进行3×3窗口缓冲时，缓冲连续的两行数据。 

4.根据权利要求3所述的分区域图像增强方法，其特征在于：步骤2计算细节因子时，首先，每一个像素值减去窗口内像素平均值，然后对差值取绝对值之后求和，即在一个像素的3×3邻域内进行如下运算： 

其中，是象素点（m，n）在3×3邻域的亮度平均值。 

5.根据权利要求4所述的分区域图像增强方法，其特征在于：对低细节区域的去噪处理利用空域均值滤波器进行滤波处理。 

6.根据权利要求5所述的分区域图像增强方法，其特征在于：所述细节因子D(m,n)的阈值取值如下：T₁:30～60。 

7.一种分区域处理的图像增强电路，其特征在于，包括行缓冲模块、窗口缓冲模块、均值计算模块、细节因子计算模块、增强因子选择模块、拉普拉斯掩模计算模块、增强结果计算模块，其中，行缓冲模块与窗口缓冲模块相连后分成三路，第一路经相互串联的均值计算模块、细节因子计算模块、增强因子计算模块后连接在增强结果计算模块上，第二路直接与增强结果计算模块相连，第三路经拉普拉斯掩模计算模块与增强结果计算模块相连，其中，所述图像不同区域的增强因子，如公式（4）所示， 

其中，N[.]为正态分布概率密度函数，D(m,n)为细节因子。 

8.根据权利要求7所述的分区域处理的图像增强电路，其特征在于：所述均值计算模块计算均值时只计算中心像素周围的8个像素的均值，并用简单的移位来实现除以8，均值计算可由公式（5）表示：