CN106169181A - 一种图像处理方法及系统 - Google Patents

Abstract

本申请提供了一种图像增强方法及系统，先利用利用预设灰度直方图算法对原始图像的灰度级别进行修正，从而实现了对原始图像的局部细化，之后，通过对从原始图像提取的高频信息进行去噪处理，并将处理后得到的目标高频信息与从修正图像提取的低频信息重新融合，得到目标增强图像。其中，本申请采用半软阈值法对高频信息进行处理，在保护没有受到污染的图像的同时保证了处理后小波系统的连续性。由此可见，本申请通过将小波的高频和低频信号分开处理，既实现了对原始图像的局部细化处理，又对原始图像进行了整体去噪处理，保证了所得增强图像的整体增强效果。

Description

一种图像处理方法及系统

技术领域

本申请主要涉及图像处理领域，更具体地说是涉及一种图像处理方法及系统。

背景技术

在实际应用中，为了改善图像的视觉效果，通常会针对图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差异，抑制不感兴趣的特征，从而改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需求。

对于低照度图像来说，为了满足上述需求，目前通常采用直方图均衡化处理方法，实现对低照度图像全局的增强，从而使低照度图像的亮度得到整体提升，但是采用这种方法得到的增强图像中不能突出局部细节。

而当采用局部对比度的增强方法对低照度图像进行增强处理后，虽然能够突出低照度图像的局部细节，但整体增强效果不明显，无法满足用户视觉要求。

发明内容

有鉴于此，本发明提供了一种图像增强方法及系统，既突出了图像的局部细节，又对整体图像进行了去噪处理，得到了更好了增强效果，满足了用户对图像的视觉要求。

为了实现上述目的，本申请提供了以下技术方案：

一种图像增强方法，所述方法包括：

利用预设灰度直方图算法对原始图像的灰度级别进行修正，得到修正图像；

对所述修正图像进行小波分解，提取所述修正图像包含的低频信息，并对所述原始图像进行小波分解，提取所述原始图像包含的高频信息；

对所述原始图像包含的高频信息进行半软阈值滤波增强处理，得到目标高频信息；

将所述低频信息与所述目标高频信息进行融合处理，得到所述原始图像的目标增强图像。

优选的，所述利用预设灰度直方图算法，对原始图像的灰度级别进行修正，得到修正图像，包括：

对原始图像进行灰度直方图均衡化处理，得到处理后图像的各灰度级别的灰度值；

利用原始图像的各灰度级别的灰度值以及所述处理后图像的各灰度级别的灰度值，构造灰度映射表；

利用所述灰度映射表对所述原始图像的各灰度级别进行修正，得到修正图像。

优选的，所述对所述原始图像包含的高频信息进行半软阈值滤波增强处理，得到目标高频信息，包括：

当选取的小波系数阈值满足第一条件，对所述原始图像包含的高频信息进行硬阈值滤波增强处理，得到目标高频信息；

当选取的小波系数阈值满足第二条件，对所述原始图像包含的高频信息进行软阈值滤波增强处理，得到目标高频信息。

优选的，所述对原始图像进行灰度直方图均衡化处理，得到处理后图像的各灰度级别的灰度值，包括：

获取原始图像的各灰度级别的灰度值以及所述各灰度级别包含的像素点个数；

利用所述原始图像的像素点总个数以及所述各灰度级别包含的像素点个数，计算所述各灰度级别的概率；

利用所述原始图像的任意一个灰度级别的左右两侧灰度级别的概率之比，确定所述任意一个灰度级别经直方图均衡化处理后的灰度值；

利用所述原始图像的相邻两个灰度级别的概率的比值，获得所述相邻两个灰度级别的灰度值。

优选的，所述低频信息包括修正图像中的低频系数，所述高频信息包括所述原始图像中的高频系数，则目标高频信息包括目标高频系数；

相应地，所述将所述低频信息与所述目标高频信息进行融合处理，得到所述原始图像的目标增强图像，包括：

将所述修正图像中的低频系数以及所述原始图像中的目标高频系数进行融合，获得目标小波变换系数；

利用所述目标小波变换系数，按照预设小波逆变换算法进行图像重构，得到所述原始图像的目标增强图像。

一种图像增强系统，所述系统包括：

图像修正模块，用于利用预设灰度直方图算法对原始图像的灰度级别进行修正，得到修正图像；

信息提取模块，用于对所述修正图像进行小波分解，提取所述修正图像包含的低频信息，并对所述原始图像进行小波分解，提取所述原始图像包含的高频信息；

滤波增强模块，用于对所述原始图像包含的高频信息进行半软阈值滤波增强处理，得到目标高频信息；

图像重构模块，用于将所述低频信息与所述目标高频信息进行融合处理，得到所述原始图像的目标增强图像。

优选的，所述修正模块包括：

均衡化单元，用于对原始图像进行灰度直方图均衡化处理，得到处理后图像的各灰度级别的灰度值；

映射表构造单元，用于利用原始图像的各灰度级别的灰度值以及所述处理后图像的各灰度级别的灰度值，构造灰度映射表；

修正单元，用于利用所述灰度映射表对所述原始图像的各灰度级别进行修正，得到修正图像。

优选的，所述滤波增强模块包括：

第一滤波增强单元，用于当选取的小波系数阈值满足第一条件，对所述原始图像包含的高频信息进行硬阈值滤波增强处理，得到目标高频信息；

第二滤波增强单元，用于当选取的小波系数阈值满足第二条件，对所述原始图像包含的高频信息进行软阈值滤波增强处理，得到目标高频信息。

优选的，所述均衡化单元包括：

获取子单元，用于获取原始图像的各灰度级别的灰度值以及所述各灰度级别包含的像素点个数；

第一计算子单元，用于利用所述原始图像的像素点总个数以及所述各灰度级别包含的像素点个数，计算所述各灰度级别的概率；

第二计算子单元，用于利用所述原始图像的任意一个灰度级别的左右两侧灰度级别的概率之比，确定所述任意一个灰度级别经直方图均衡化处理后的灰度值；

第三计算子单元，用于利用所述原始图像的相邻两个灰度级别的概率的比值，获得所述相邻两个灰度级别的灰度值。

优选的，所述低频信息包括修正图像中的低频系数，所述高频信息包括所述原始图像中的高频系数，则目标高频信息包括目标高频系数，相应地，所述图像重构模块包括：

融合单元，用于将所述修正图像中的低频系数以及所述原始图像中的目标高频系数进行融合，获得目标小波变换系数；

图像重构单元，用于利用所述小波变换系数，按照预设小波逆变换算法进行图像重构，得到所述原始图像的目标增强图像。

由此可见，与现有技术相比，本申请提供了一种图像增强方法及系统，本申请先利用预设灰度直方图算法对原始图像的灰度级别进行修正，从而实现了对原始图像的局部细化，之后，通过对从原始图像提取的高频信息进行去噪处理，并将处理后得到的目标高频信息与从修正图像提取的低频信息重新融合，得到目标增强图像。其中，本申请采用半软阈值法对高频信息进行处理，在保护没有受到污染的图像的同时保证了处理后小波系统的连续性。由此可见，本申请通过将小波的高频和低频信号分开处理，既实现了对原始图像的局部细化处理，又对原始图像进行了整体去噪处理，保证了所得增强图像的整体增强效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请提供的一种图像增强方法实施例的流程图；

图2为本申请提供的另一种图像增强方法实施例的流程图；

图3为本申请提供的又一种图像增强方法实施例的流程图；

图4为本申请提供的一种图像增强系统实施例的结构示意图；

图5为本申请提供的又一种图像增强系统实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请提供了一种图像增强方法及系统，先利用利用预设灰度直方图算法对原始图像的灰度级别进行修正，从而实现了对原始图像的局部细化，之后，通过对从原始图像提取的高频信息进行去噪处理，并将处理后得到的目标高频信息与从修正图像提取的低频信息重新融合，得到目标增强图像。其中，本申请采用半软阈值法对高频信息进行处理，在保护没有受到污染的图像的同时保证了处理后小波系统的连续性。由此可见，本申请通过将小波的高频和低频信号分开处理，既实现了对原始图像的局部细化处理，又对原始图像进行了整体去噪处理，保证了所得增强图像的整体增强效果。

为了使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，为本申请提供的一种图像增强方法实施例的流程图，该方法可以包括：

步骤S11：利用预设灰度直方图算法对原始图像的灰度级别进行修正，得到修正图像；

在实际应用中，直方图是灰度级的函数，它表示图像中具有每种灰度级的像素的个数，反映原始图像中各种灰度值分布的情况。

需要说明的是，本申请预设灰度直方图算法与现有的灰度直方图算法不同的是，本申请利用该预设灰度直方图算法是为了保证原始图像中的最低灰度级不被合并，从而保留原始图像低照度细节部分；同时，利用该算法可以消除本灰度级别像素数占整幅图像像素总数的比例的影响，使图像增强后灰度适中，降低增强后图像过亮的现象。

可选的，本申请可以利用如图2所示的方法得到原始图像的修正图像，该方法可以包括：

步骤S21：对原始图像进行灰度直方图均衡化处理，得到处理后图像的各灰度级别的灰度值；

在本实施例中，可以利用灰度直方图获得原始图像分为多少个灰度级别，每个灰度级别包含的像素总数以及相应的灰度级别的灰度值等等，经过灰度直方图均衡化处理后，可以消除本灰度级别像素数所占比例的影响。

其中，原始图像的灰度级别k均衡化处理后的位置由其左右两侧的灰度级别的概率之比确定，但并不局限于此，本申请对原始图像的灰度直方图均衡化处理的具体方式不作限定。

步骤S22：利用原始图像的各灰度级别的灰度值以及处理后图像的各灰度级别的灰度值，构造灰度映射表；

在本实施例实际应用中，可根据上述计算均衡化处理后图像的各灰度级别的灰度值的计算过程，确定处理后图像的各灰度级级别的灰度值与原始图像的各灰度级别的灰度值之间的关系，并由两者之间的关系形成灰度映射表，本申请对该灰度映射表的具体表示方式不作限定。

步骤S23：利用该灰度映射表对原始图像的各灰度级别进行修正，得到修正图像。

本实施例可以利用灰度映射表中处理后图像的各灰度级别的灰度值，对原始图像相应的灰度级别的灰度级进行调整，从而得到具有新的灰度级别分布的修正图像，这与直方图均衡化处理过程相比，更能有效地调整原始图像的灰度直方图的动态范围，改善了最终所得增强图像的视觉效果、

步骤S12：对该修正图像进行小波分解，提取修正图像包含的低频信息，并对原始图像进行小波分解，提取原始图像包含的高频信息；

在实际应用中，由于通过灰度直方图均衡化进行增强后的图像，灰度均值较高，图像背景复杂且过亮，边缘模糊，使得图像有所失真。为了改善这一情况，申请人通过对上述处理得到的图像进行分析得知，影响视觉感受的灰度信息大多存在于低频部分，而噪声和细节部分则分布于高频部分，所以，本申请提出将图像中的高频部分和低频部分分开进行处理，之后，再将处理后的高频部分和低频部分重新融合，来得到克服上述缺陷的增强图像。

基于此，本申请利用小波分解算法分别对经上述处理得到的修正图像以及原始图像进行处理，提取出修正图像中的低频信息以及原始图像中的高频信息。

此时，由于经上述处理得到的修正图像的灰度范围与原始图像的灰度范围相比，已经得到了拉伸，保留了图像低照度细节部分，可见，从修正图像中提取的低频信息已能够满足实际需要，可以不用对其做进一步处理。

步骤S13：对原始图像包含的高频信息进行半软阈值滤波增强处理，得到目标高频信息；

在本申请中，半软阈值是一种自适应地选取软阈值函数或硬阈值函数的方法，也就是说，当选取的小波系数阈值满足第一条件时，利用硬阈值函数进行滤波增强处理；当选取的小波系数阈值满足第二条件时，利用软阈值函数进行滤波增强处理。

其中，软阈值函数和硬阈值函数这两种阈值法是图像增强中常用方法，可以对图像的边缘起到锐化作用，突出图像细节，增强图像视觉效果。但是，使用硬阈值函数进行滤波增强处理后，会使得处理后的小波系数不连续，使所得增强图像的灰度值会集中在某一个区间，从而导致增强图像的块状效应等失真；而且，在对图像进行去噪的同时，很容易在图像边缘引入一些人为的噪点，从而影响所重构增强图像的质量。

而利用软阈值函数的滤波增强处理方法与上述方式相比，可以较好地保持原始图像的细节部分，同时抑制图像噪声，然而，采用这种方法滤波增强处理后的小波系数虽然是连续的，但与原始图像的小波系数存在很大偏差，将会操作原始图像的高频信息的丢失，使得图像边缘模糊。

针对上传硬阈值和软阈值函数在对图像的滤波增强处理中的问题，本申请提出了半软阈值滤波增强处理方法，当选取的小波系数阈值满足第一条件，可以对原始图像包含的高频信息进行硬阈值滤波增强处理，得到目标高频信息；当选取的小波系数阈值满足第二条件，可以对原始图像包含的高频信息进行软阈值滤波增强处理，得到目标高频信息。

可选的，本申请所用半软阈值算法可以是：

$\stackrel{\&OverBar;}{w(m,n)}=\left\{\begin{array}{c}w*W(m,n),\left|W(m,n)\right|\&GreaterEqual;{\mathrm{\&lambda;}}_1\\ sgn\left(W\right(m,n\left)\right)w*{\mathrm{\&lambda;}}_1\left(\frac{|W(m,n)-{\mathrm{\&lambda;}}_2|}{{\mathrm{\&lambda;}}_1-{\mathrm{\&lambda;}}_2}\right),{\mathrm{\&lambda;}}_2\&le;\left|W(m,n)\right|<{\mathrm{\&lambda;}}_2\\ 0,\left|W(m,n)\right|<{\mathrm{\&lambda;}}_2\end{array}\right.;$

其中，λ₁和λ₁是预设的两个小波系数阈值，具体可以利用小波变换的相关算法计算得到，而在计算过程中所用的小波系数可以是上述原始图像或修改图像的小波系数，本申请对此不作具体限定。

基于此，在实际应用中，可以根据计算得到的λ₁和λ₁的具体数值大小，确定是要选择硬阈值滤波方法进行处理，还是软阈值滤波方法进行处理。

可选的，当λ₁＝λ₁，即为上述第一条件，可以采用硬阈值函数实现滤波增强处理方法，若取λ₁→∞，即为上述第二条件，可以采用软阈值函数实现滤波增强处理方法。可见，本申请可以通过选取合适的阈值可在软阈值方法与硬阈值方法之间取折中，不仅能够保护没有受污染的原始图像，同时也具有与软阈值函数相同的连续性。

步骤S14：将低频信息与目标高频信息进行融合处理，得到原始图像的目标增强图像。

在本实施例实际应用中，从修正图像中提取的低频信息包括该修正图像的低频系数，从原始图像中提取的高频信息包括该原始图像的高频系数，按照上述步骤S13所示的方式对高频信息进行的处理，会使得原始图像的高频系数有所改变，从而得到目标高频系数。

此时，本申请可以对得到的低频系数和目标高频系数进行融合，从而得到目标小波变换系数，进而利用该目标小波变换系数，按照预设的小波逆变换算法进行图像重构，将得到的图像作为原始图像的目标增强图像。

综上所述，本申请先利用灰度直方图算法对原始图像进行处理，实现对其灰度级别的修正，以保证原始图像中的最低灰度级不被合并，从而保留了原始图像的细节部分；之后，由于噪声和细节多分布在图像的高频部分，所以，本申请分别提取了所得修正图像的低频信息以及原始图像的高频信息，并仅对该高频信息进行滤波增强处理，得到去噪后的目标高频信息后，将提取的低频信息与该目标高频信息融合处理，从而得到满足实际需要的原始图像的目标增强图像。由此可见，本申请提供的图像增强方法既实现了对原始图像的局部细化处理，又实现了对原始图像的整体去噪，且保证了所得增强图像的整体增强效果。

作为本申请另一实施例，在上述实施例的基础上，如图3所示，本申请可以采用以下方式实现对原始图像的均衡化处理，但并局限于下文描述的这一种方式。其中，关于该另一实施例中实现图像增强的方法步骤可以参照上述实施例对应描述，在此仅对原始图像的均衡化处理过程进行描述，具体可以包括：

步骤S31：获取原始图像的各灰度级别的灰度值以及各灰度级别包含的像素点个数；

步骤S32：利用原始图像的像素点总个数以及各灰度级别包含的像素点个数，计算各灰度级别的概率；

在本实施例中，若原始图像共有z个灰度级别，且原始图像的像素点总数为n，第k个灰度级别的灰度值为r_k，那么，该第k个灰度级别的概率P_r(r_k)可以是第k个灰度级别包含的像素点个数n_k占原始图像的像素点总数n的比例，即P_r(r_k)＝n_k/n。

步骤S33：利用原始图像的任意一个灰度级别的左右两侧灰度级别的概率之比，确定该灰度级别经直方图均衡化处理后的灰度值。

步骤S34：利用得到的原始图像的相邻两个灰度级别的概率的比值，获得所述相邻两个灰度级别的灰度值。

继上述举例，原始图像的第k个灰度级别均衡化后的灰度级别的位置s与其相邻的灰度级别的位置z-(s+1)的概率之比可以表示为：

$s:(z-(s+1\left)\right)=\underset{j=0}{\overset{k-1}{\&Sigma;}}{P}_r\left(r_j\right):\underset{j=k+1}{\overset{z-1}{\&Sigma;}}{P}_r\left(r_j\right);$

对上述概率之比的公式进行数学运算可求解第k个灰度级别均衡化后的灰度级别位置s的表达式，之后，将上述给出的第k个灰度级别的概率的计算公式P_r(r_k)＝n_k/n代入其均衡化后的位置s的表达式，可得：

$s=(z-1)\frac{\underset{j=0}{\overset{k-1}{\&Sigma;}}{P}_r\left(r_j\right)}{1-P_r\left(r_k\right)}=(z-1)\frac{\underset{j=0}{\overset{k-1}{\&Sigma;}}{n}_j}{n-n_k};$

之后，由于通过上述方式已经得到原始图像的各灰度级别的位置及其灰度值的对应关系，所以，对于原始图像的灰度级别的任意位置来说，对其灰度级别均衡化处理后，均衡化后的位置s的灰度级可以根据原始图像的上述位置与其灰度值的对应关系，来确定均衡化后的位置s的灰度值，之后，再利用该均衡化后的位置s的灰度值，以及该灰度级别的位置s均衡化之前对应的原始图像的灰度级别的灰度值，构建这两种灰度值之间的灰度映射表，从而利用该灰度映射表，对原始图像的各灰度级别进行修正，即利用均衡化后的位置s的灰度值，替换该灰度级别的位置s均衡化之前对应的原始图像的灰度级别的灰度值，作为该灰度级别的位置s均衡化之前对应的原始图像的灰度级别的新灰度值，从而得到原始图像的一个新的灰度级别分布图。

由此可见，本申请是利用对原始图像的灰度直方图均衡化处理结构构造灰度映射表，来对原始图像的灰度级别进行修正，以便利用得到的修正图像的低频信息得到目标增强图像，而不是直接利用灰度直方图均衡化处理来得到目标增强图像，更加有效地调节了直方图的动态范围，进一步改善了目标增强图像的视觉效果。

如图4所示，为本申请提供的一种图像增强系统实施例的结构示意图，该系统可以包括：

图像修正模块41，用于利用预设灰度直方图算法对原始图像的灰度级别进行修正，得到修正图像；

可选的，如图5所示，在实际应用中，该图像修正模块41可以包括：

均衡化单元411，用于对原始图像进行灰度直方图均衡化处理，得到处理后图像的各灰度级别的灰度值；

其中，关于获得处理后图像的各灰度级别的灰度值的过程可以参照上述方法实施例对应部分的描述，该均衡化单元411可以包括：

获取子单元，用于获取原始图像的各灰度级别的灰度值以及各灰度级别包含的像素点个数；

第一计算子单元，用于利用原始图像的像素点总个数以及各灰度级别包含的像素点个数，计算各灰度级别的概率；

第二计算子单元，用于利用所述原始图像的任意一个灰度级别的左右两侧灰度级别的概率之比，确定所述任意一个灰度级别经直方图均衡化处理后的灰度值。

第三计算子单元，用于利用所述原始图像的相邻两个灰度级别的概率的比值，获得所述相邻两个灰度级别的灰度值。

映射表构造单元412，用于利用原始图像的各灰度级别的灰度值以及处理后图像的各灰度级别的灰度值，构造灰度映射表；

修正单元413，用于利用该灰度映射表对原始图像的各灰度级别进行修正，得到修正图像。

信息提取模块42，用于对修正图像进行小波分解，提取修正图像包含的低频信息，并对原始图像进行小波分解，提取原始图像包含的高频信息；

滤波增强模块43，用于对原始图像包含的高频信息进行半软阈值滤波增强处理，得到目标高频信息；

其中，本申请提出的半软阈值法是一种自适应选择软阈值法或硬阈值法的阈值法，所以，该滤波增强模块43可以包括：

第一滤波增强单元，用于当选取的小波系数阈值满足第一条件，对原始图像包含的高频信息进行硬阈值滤波增强处理，得到目标高频信息；

第二滤波增强单元，用于当选取的小波系数阈值满足第二条件，对原始图像包含的高频信息进行软阈值滤波增强处理，得到目标高频信息。

图像重构模块44，用于将上述提取的低频信息与目标高频信息进行融合处理，得到原始图像的目标增强图像。

在本实施例实际应用中，提取的低频信息实际上可以包括修正图像中的低频系数，高频信息可以包括原始图像的高频系数，所以，目标高频信息包括目标高频系数，需要说明的是，该低频系数、高频系数以及目标高频系数可以是小波系数，基于此，该图像重构模块44可以包括：

融合单元，用于将修正图像中的低频系数以及原始图像中的目标高频系数进行融合，获得目标小波变换系数；

图像重构单元，用于利用小波变换系数，按照预设小波逆变换算法进行图像重构，得到原始图像的目标增强图像。

综上所述，本申请先利用灰度直方图算法对原始图像进行处理，实现对其灰度级别的修正，以保证原始图像中的最低灰度级不被合并，从而保留了原始图像的细节部分；之后，由于噪声和细节多分布在图像的高频部分，所以，本申请分别提取了所得修正图像的低频信息以及原始图像的高频信息，并仅对该高频信息进行滤波增强处理，得到去噪后的目标高频信息后，将提取的低频信息与该目标高频信息融合处理，从而得到满足实际需要的原始图像的目标增强图像。由此可见，本申请提供的图像增强方法既实现了对原始图像的局部细化处理，又实现了对原始图像的整体去噪，且保证了所得增强图像的整体增强效果。

最后，需要说明的是，关于上述各实施例中，诸如第一、第二等之类的关系术语仅仅用来将一个操作、单元或模块与另一个操作、单元或模块区分开来，而不一定要求或者暗示这些单元、操作或模块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、方法或者系统不仅包括那些要素，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、方法或者系统所固有的要素。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、方法或者系统中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的设备而言，由于其与实施例公开的方法对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种图像增强方法，其特征在于，所述方法包括：

利用预设灰度直方图算法对原始图像的灰度级别进行修正，得到修正图像；

对所述修正图像进行小波分解，提取所述修正图像包含的低频信息，并对所述原始图像进行小波分解，提取所述原始图像包含的高频信息；

对所述原始图像包含的高频信息进行半软阈值滤波增强处理，得到目标高频信息；

将所述低频信息与所述目标高频信息进行融合处理，得到所述原始图像的目标增强图像。

2.根据权利要求1所述的方法，其特征在于，所述利用预设灰度直方图算法，对原始图像的灰度级别进行修正，得到修正图像，包括：

对原始图像进行灰度直方图均衡化处理，得到处理后图像的各灰度级别的灰度值；

利用原始图像的各灰度级别的灰度值以及所述处理后图像的各灰度级别的灰度值，构造灰度映射表；

利用所述灰度映射表对所述原始图像的各灰度级别进行修正，得到修正图像。

3.根据权利要求1所述的方法，其特征在于，所述对所述原始图像包含的高频信息进行半软阈值滤波增强处理，得到目标高频信息，包括：

当选取的小波系数阈值满足第一条件，对所述原始图像包含的高频信息进行硬阈值滤波增强处理，得到目标高频信息；

当选取的小波系数阈值满足第二条件，对所述原始图像包含的高频信息进行软阈值滤波增强处理，得到目标高频信息。

4.根据权利要求2所述的方法，其特征在于，所述对原始图像进行灰度直方图均衡化处理，得到处理后图像的各灰度级别的灰度值，包括：

获取原始图像的各灰度级别的灰度值以及所述各灰度级别包含的像素点个数；

利用所述原始图像的像素点总个数以及所述各灰度级别包含的像素点个数，计算所述各灰度级别的概率；

利用所述原始图像的任意一个灰度级别的左右两侧灰度级别的概率之比，确定所述任意一个灰度级别经直方图均衡化处理后的灰度值；

利用所述原始图像的相邻两个灰度级别的概率的比值，获得所述相邻两个灰度级别的灰度值。

5.根据权利要求1-4任意一项所述的方法，其特征在于，所述低频信息包括修正图像中的低频系数，所述高频信息包括所述原始图像中的高频系数，则目标高频信息包括目标高频系数；

相应地，所述将所述低频信息与所述目标高频信息进行融合处理，得到所述原始图像的目标增强图像，包括：

将所述修正图像中的低频系数以及所述原始图像中的目标高频系数进行融合，获得目标小波变换系数；

利用所述目标小波变换系数，按照预设小波逆变换算法进行图像重构，得到所述原始图像的目标增强图像。

6.一种图像增强系统，其特征在于，所述系统包括：

图像修正模块，用于利用预设灰度直方图算法对原始图像的灰度级别进行修正，得到修正图像；

信息提取模块，用于对所述修正图像进行小波分解，提取所述修正图像包含的低频信息，并对所述原始图像进行小波分解，提取所述原始图像包含的高频信息；

滤波增强模块，用于对所述原始图像包含的高频信息进行半软阈值滤波增强处理，得到目标高频信息；

图像重构模块，用于将所述低频信息与所述目标高频信息进行融合处理，得到所述原始图像的目标增强图像。

7.根据权利要求6所述的系统，其特征在于，所述修正模块包括：

均衡化单元，用于对原始图像进行灰度直方图均衡化处理，得到处理后图像的各灰度级别的灰度值；

映射表构造单元，用于利用原始图像的各灰度级别的灰度值以及所述处理后图像的各灰度级别的灰度值，构造灰度映射表；

修正单元，用于利用所述灰度映射表对所述原始图像的各灰度级别进行修正，得到修正图像。

8.根据权利要求6所述的系统，其特征在于，所述滤波增强模块包括：

第一滤波增强单元，用于当选取的小波系数阈值满足第一条件，对所述原始图像包含的高频信息进行硬阈值滤波增强处理，得到目标高频信息；

第二滤波增强单元，用于当选取的小波系数阈值满足第二条件，对所述原始图像包含的高频信息进行软阈值滤波增强处理，得到目标高频信息。

9.根据权利要求7所述的系统，其特征在于，所述均衡化单元包括：

获取子单元，用于获取原始图像的各灰度级别的灰度值以及所述各灰度级别包含的像素点个数；

第一计算子单元，用于利用所述原始图像的像素点总个数以及所述各灰度级别包含的像素点个数，计算所述各灰度级别的概率；

第二计算子单元，用于利用所述原始图像的任意一个灰度级别的左右两侧灰度级别的概率之比，确定所述任意一个灰度级别经直方图均衡化处理后的灰度值；

第三计算子单元，用于利用所述原始图像的相邻两个灰度级别的概率的比值，获得所述相邻两个灰度级别的灰度值。

10.根据权利要求6-9任意一项所述的系统，其特征在于，所述低频信息包括修正图像中的低频系数，所述高频信息包括所述原始图像中的高频系数，则目标高频信息包括目标高频系数，相应地，所述图像重构模块包括：

融合单元，用于将所述修正图像中的低频系数以及所述原始图像中的目标高频系数进行融合，获得目标小波变换系数；

图像重构单元，用于利用所述小波变换系数，按照预设小波逆变换算法进行图像重构，得到所述原始图像的目标增强图像。