CN114627030A - 一种自适应的图像锐化方法及系统 - Google Patents

Abstract

本发明公开了一种自适应的图像锐化方法及系统，涉及图像处理领域。本发明包括以下步骤：利用sobel算子提取图像边缘；对图像边缘的不同锐化系数的处理结果进行信息量的计算，选择最大信息量对应的锐化系数；根据锐化系数，使用分颜色通道计算锐化强度图。本发明通过自适应调整锐化级别，可以实时达到最佳锐化效果。

Description

一种自适应的图像锐化方法及系统

技术领域

本发明涉及图像处理领域，更具体的说是涉及一种自适应的图像锐化方法及系统。

背景技术

锐化算法是图像处理过程中的常用的图像增强算法，主流常用的分两类：

1.基于简单滤波的细节增强算法，如USM的优化版本，该算法先对输入图像I进行一种或多种滤波，得到模糊图像G，然后两者相减得到细节图像D=I-G，根据预设参数w将输入图像I与细节图像D相加得到输出图像O=I+wD。此方法在ISP等实时图像处理功能中较为常用。

2.基于深度学习神经网络的方法，将输入图像I经过一个或者多个CNN网络进行处理后得到输出图像O。此方法一般被用于后期美图等非实时的图像处理功能。

现有的基于简单滤波的细节增强算法，往往需要根据环境进行预设参数w，无法实时适应特殊环境；现有的基于简单滤波的细节增强算法的输入一般是质量不错、噪声较小的图像，需要在锐化前后进行降噪等处理，在输入图像的本身质量较差时，会将图像质量变得更差，对前处理的依赖性较强；基于深度学习神经网络的方法，对算力要求较高，难以实时化。

因此，如何解决上述问题是本领域技术人员亟需解决的。

发明内容

有鉴于此，本发明提供了一种自适应的图像锐化方法及系统。

为了实现上述目的，本发明采用如下技术方案：

一种自适应的图像锐化方法，包括以下步骤：

利用sobel算子提取图像边缘Edge；

对图像边缘的不同锐化系数的处理结果进行信息量的计算，选择最大信息量对应的锐化系数w；

根据锐化系数，计算锐化强度图E。

可选的，还包括进一步在V通道进行锐化，计算方法如下：

；

其中，V是指每个像素上取R、G、B通道的最大值所组成的强度通道，+、 * 、/ 分别为按像素进行的加法、乘法、除法运算。

可选的，利用sobel算子提取图像边缘具体步骤如下：

使用sobel算子分别提取RGB三个通道的梯度，取其中最大的梯度作为最终梯度，得到图像边缘提取结果。

可选的，利用sobel算子提取图像边缘具体算法如下：

其中，

、

、

为利用sobel算子分别计算R、G、B通道的边缘图像。

可选的，信息量的计算方法如下：以信息熵大小作为锐化后图片中想要的信息强度，以超过[0,255]范围的像素的比率作为锐化图片中不需要的信息的强度，两者综合得到当前图像信息量。

可选的，定义图像img的信息量Info的计算公式如下：

通过对不同锐化系数w的输出图O的信息量进行建模，得到Info(O)与锐化系数w的数学关系，从而选取能使输出图O的信息量最大化的锐化系数w。

可选的，分颜色通道计算锐化强度图具体公式如下：

其中，

为输入图像的R通道图，

为输入图像的G通道图，

为输入图像的B通道图，

为R通道计算的图像边缘，

为G通道计算的图像边缘，

为B通道计算的图像边缘，

为根据上述方法所计算的R通道的锐化系数，

为根据上述方法所计算的B通道的锐化系数，

为根据上述方法所计算的G通道的锐化系数，+、*、/分别为按像素进行的加法、乘法、除法运算，上述公式的应用，是按照逐点进行判断选择，而不是整图的判断选择。

一种自适应的图像锐化系统，包括：

图像便于提取模块：用于利用sobel算子提取图像边缘；

锐化系数计算模块：用于对图像边缘的不同锐化系数的处理结果进行信息量的计算，选择最大信息量对应的锐化系数；

图像增强模块：用于根据锐化系数，使用分颜色通道计算锐化强度图。

可选的，所述锐化系数计算模块还用于在V通道进行进一步锐化。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种自适应的图像锐化方法及系统，通过自适应调整锐化级别，可以实时达到最佳锐化效果；使用多通道（RGB）联合边沿信息，分通道计算锐化级别，以自适应锐化同图上不同像素。

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为本发明的流程示意图。

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。

本发明实施例公开了一种自适应的图像锐化方法，如图1所示，包括以下步骤：

图像边缘提取：在传统的锐化算法中，一般选择在原始图像的V灰度图上提取梯度。然而图像梯度并不只存在与V域上，色度域上同样有梯度，而选择单一V会导致某些原本图像上的梯度无法锐化。为综合各个通道的梯度特点，提取到最全的梯度。本发明使用以下方式提取边缘：使用sobel算子分别提取RGB三个通道的梯度，然后取其中最大梯度作为最终梯度

其中，

、

、

为利用sobel算子分别计算R、G、B通道的边缘图像。

经对比实验，将RGB三边缘结合，对边缘信息的提取更全。

计算锐化系数：为了自适应确定锐化强度，本发明对当前输入图像的不同锐化系数的处理结果进行信息量的估计，选择最大信息量所对应的锐化系数。其中信息量的计算方法如下：以信息熵大小作为锐化后图片中想要的信息强度，以超过[0,255]范围的像素的比率(over range)作为锐化图片中不需要的信息的强度，两者综合得到当前图像信息量。

通过实验测试可知，当锐化强度增强时，

的变化为一个增长缓慢的对数函数。

可以通过直方图计算，一次遍历得到所有所需的数值。

本发明通过三次信息熵计算估算信息熵函数，一次直方图计算over range，可以比较准确的估算所有锐化值图像信息量。

其中，a、b、c是我们通过实验得到的固定参数，hist(img)为图像img的统计直方图，hist(img)[m, n]为图像img的值在[m, n]之间的像素点的个数

细节增强：一般经验表明，分颜色通道进行锐化的效果比V通道锐化效果明显，但在锐化边缘处会出现彩色边缘现象。本发明使用分颜色通道计算锐化强度图，再在V通道进行锐化，可以得到更好的锐化效果，同时避免彩色边缘现象。

；

其中， V是指每个像素上取R、G、B通道的最大值所组成的强度通道，+ * / 分别为按像素进行的加法、乘法、除法运算。

分颜色通道计算锐化强度图具体公式如下：

其中，

为输入图像的R通道图，

为输入图像的G通道图，

为输入图像的B通道图，

为R通道计算的图像边缘，

为G通道计算的图像边缘，

为B通道计算的图像边缘，

为根据上述方法所计算的R通道的锐化系数，

为根据上述方法所计算的B通道的锐化系数，

为根据上述方法所计算的G通道的锐化系数，+、*、/分别为按像素进行的加法、乘法、除法运算，上述公式的应用，是按照逐点进行判断选择，而不是整图的判断选择。

本实施例还公开了一种自适应的图像锐化系统，包括：

图像便于提取模块：用于利用sobel算子提取图像边缘；

锐化系数计算模块：用于对图像边缘的不同锐化系数的处理结果进行信息量的计算，选择最大信息量对应的锐化系数；

图像增强模块：用于根据锐化系数，使用分颜色通道计算锐化强度图。

其中，锐化系数计算模块还用于在V通道进行进一步锐化。

在另一实施例中，梯度提取也可以使用canny等方法，可以带来效果的提升但计算复杂度也会增加；也可不使用RGB三个通道，而是计算Y、L、V之类的单一通道梯度进行使用，但增强效果会稍弱；

因在实际测试中图像的信息熵数值上升趋势非常平缓，对信息量函数的影响远不如over range大，而且信息熵计算算力要求较大，可以考虑做如下优化：以over range作为唯一的自适应算法参考变量；

也可以采取USM等其他锐化方法进行锐化增强，也能达到自适应的效果。

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。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，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 (9)

1.一种自适应的图像锐化方法，其特征在于，包括以下步骤：

利用sobel算子提取图像边缘Edge；

对图像边缘的不同锐化系数的处理结果进行信息量的计算，选择最大信息量对应的锐化系数w；

根据锐化系数计算锐化强度图E。

2.根据权利要求1所述的一种自适应的图像锐化方法，其特征在于，利用分通道的锐化强度图对输入图像I进行锐化，还包括进一步利用V通道进行锐化，计算方法如下：

；

其中，V是指每个像素上取R、G、B通道的最大值所组成的强度通道，+、*、/分别为按像素进行的加法、乘法、除法运算。

3.根据权利要求1所述的一种自适应的图像锐化方法，其特征在于，利用sobel算子提取图像边缘具体步骤如下：

使用sobel算子分别提取RGB三个通道的梯度，取其中最大的梯度作为最终梯度，得到图像边缘提取结果。

4.根据权利要求3所述的一种自适应的图像锐化方法，其特征在于，利用sobel算子提取图像边缘具体算法如下：

其中，

、

、

为利用sobel算子分别计算R、G、B通道的边缘图像。

5.根据权利要求1所述的一种自适应的图像锐化方法，其特征在于，信息量的计算方法如下：以信息熵大小作为锐化后图片中想要的信息强度，以超过[0,255]范围的像素的比率作为锐化图片中不需要的信息的强度，两者综合得到当前图像信息量。

6.根据权利要求5所述的一种自适应的图像锐化方法，其特征在于，信息量的计算公式如下：

通过对不同锐化系数w的输出图O的信息量进行建模，得到Info(O)与锐化系数w的数学关系，从而选取能使输出图O的信息量最大化的锐化系数w。

7.根据权利要求1所述的一种自适应的图像锐化方法，其特征在于，分颜色通道计算锐化强度图具体公式如下：

其中，

为输入图像的R通道图，

为输入图像的G通道图，

为输入图像的B通道图，

为R通道计算的图像边缘，

为G通道计算的图像边缘，

为B通道计算的图像边缘，

为根据上述方法所计算的R通道的锐化系数，

为根据上述方法所计算的B通道的锐化系数，

为根据上述方法所计算的G通道的锐化系数，+、*、/分别为按像素进行的加法、乘法、除法运算。

8.一种自适应的图像锐化系统，其特征在于，包括：

图像便于提取模块：用于利用sobel算子提取图像边缘；

锐化系数计算模块：用于对图像边缘的不同锐化系数的处理结果进行信息量的计算，选择最大信息量对应的锐化系数；

图像增强模块：用于根据锐化系数，使用分颜色通道计算锐化强度图。

9.根据权利要求8所述的一种自适应的图像锐化系统，其特征在于，所述锐化系数计算模块还用于在V通道进行进一步锐化。

Images