基于自適應(yīng)小波域處理的彩色圖像對(duì)比度增強(qiáng)算法
【專利摘要】本發(fā)明公開了一種基于自適應(yīng)小波域處理的彩色圖像對(duì)比度增強(qiáng)算法，其包括如下步驟：步驟1、彩色圖像RGB三層數(shù)據(jù)分別進(jìn)行小波分解；步驟2、根據(jù)RGB三通道低頻小波系數(shù)分布特性對(duì)其進(jìn)行非線性變換，實(shí)現(xiàn)自適應(yīng)增強(qiáng)對(duì)比度；步驟3、根據(jù)RGB三通道高頻小波系數(shù)不同尺度、方向以及噪聲特性，構(gòu)造高斯型閾值濾波函數(shù)進(jìn)行去噪，實(shí)現(xiàn)抑制噪聲和偽像；步驟4：小波逆變換，重構(gòu)RGB圖像。本發(fā)明適用于彩色圖像的對(duì)比度增強(qiáng)，使圖像更加清晰、色調(diào)更加鮮明，同時(shí)抑制噪聲放大、提高信噪比，有效地改善圖像的視覺效果。
【專利說明】
基于自適應(yīng)小波域處理的彩色圖像對(duì)比度増強(qiáng)算法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，設(shè)及一種基于自適應(yīng)小波域處理的彩色圖像對(duì)比 度增強(qiáng)算法。
【背景技術(shù)】
[0002] 由于受到光照、天候等成像條件及光學(xué)傳感器退化因素的影響，實(shí)際圖像可能存 在著對(duì)比度下降、動(dòng)態(tài)范圍偏窄、有效量化不足W及目標(biāo)局部細(xì)節(jié)信息分辨力不強(qiáng)等問題， 運(yùn)將影響人眼對(duì)目標(biāo)精細(xì)判讀解譯或機(jī)器自動(dòng)識(shí)別的能力。在實(shí)際應(yīng)用中，通常采用圖像 對(duì)比度增強(qiáng)技術(shù)來解決上述問題，并已被廣泛應(yīng)用于醫(yī)學(xué)圖像診斷、視頻監(jiān)視、故障檢測(cè)、 計(jì)算機(jī)視覺W及光學(xué)遙感圖像增強(qiáng)與目標(biāo)識(shí)別等領(lǐng)域。
[0003] 目前的灰度圖像對(duì)比度增強(qiáng)算法主要分為灰度變換法、直方圖調(diào)整法和反銳化掩 模。其中，灰度變換法可分為對(duì)數(shù)變換、指數(shù)變換等，該類方法僅是通過調(diào)整圖像灰度動(dòng)態(tài) 范圍來提高對(duì)比度，對(duì)視覺效果提升不夠明顯，而且會(huì)帶來噪聲放大、偽像等問題。直方圖 調(diào)整可分為直方圖均衡化、直方圖規(guī)定化等，該類方法是通過重新調(diào)整圖像直方圖分布的 方式實(shí)現(xiàn)對(duì)比度的增強(qiáng)，也存在噪聲放大的問題，特別是在處理彩色圖像時(shí)可能導(dǎo)致色彩 失真。反銳化掩模僅僅增強(qiáng)圖像邊緣能量，即增強(qiáng)高頻信息，同樣會(huì)導(dǎo)致噪聲放大，而且計(jì) 算繁雜，處理效率低。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是針對(duì)現(xiàn)有彩色圖像對(duì)比度增強(qiáng)算法存在的圖像增強(qiáng)效果不佳、適 應(yīng)性不足、易出現(xiàn)噪聲放大W及計(jì)算復(fù)雜等問題，提出一種基于自適應(yīng)小波域處理的彩色 圖像對(duì)比度增強(qiáng)算法，適用于自適應(yīng)地增強(qiáng)彩色圖像對(duì)比度，使圖像更加清晰、色調(diào)鮮明， 并能夠有效地抑制噪聲放大，增強(qiáng)圖像視覺效果。
[0005] 本發(fā)明的目的是通過W下技術(shù)方案實(shí)現(xiàn)的：
[0006] -種基于自適應(yīng)小波域處理的彩色圖像對(duì)比度增強(qiáng)算法，包括如下步驟：
[0007] 步驟1、RGB彩色圖像Ξ通道分別進(jìn)行小波變換：
[000引（1)將彩色圖像動(dòng)態(tài)范圍調(diào)整到[0，1 ]區(qū)間：
[0009]
[0010] 式中，Imin為待處理彩色圖像，Amax和Amin分別為彩色圖像矩陣中最大值和最小值；
[0011] (2)RGBS通道分別進(jìn)行小波分解：
[001引式中，φ為sym4小波基函數(shù)，j為小波分解尺度，R、G、B分別代表Ξ基色通道，WR、WG 和WB分別為RGBS通道小波系數(shù)，x、y和p、q分別表示圖像域和小波域的坐標(biāo)，Z為整數(shù)集合。
[0016] 步驟2、根據(jù)RGBS通道低頻小波系數(shù)分布特性對(duì)其進(jìn)行非線性變換，實(shí)現(xiàn)自適應(yīng) 增強(qiáng)對(duì)比度：
[0017] (1)提取Ξ通道低頻小波系數(shù)，構(gòu)成矩陣WA，并計(jì)算矩陣WA累積分布函數(shù)：
[001 引
[0019] 式中，m為WA中最小值，Ντ(ω)表示數(shù)值等于ω的小波系數(shù)數(shù)量，N為小波系數(shù)長(zhǎng) 度；
[0020] 在累積分布函數(shù)中找至I"值為1 %和99%時(shí)相應(yīng)的小波系數(shù)com和ωΜ，即：
[0021] T(t〇m) = l%，
[0022] t(c〇m) = 99%;
[0023] (2)根據(jù)低頻小波系數(shù)整體分布特性，求解非線性變換函數(shù)f( ω ):
[0024] f( ω )=aw2+bco+c;
[0025] 式中，a、b、c為待定系數(shù)，利用該變換函數(shù)將c〇m和COM分別變換到WA中最小值m和最 大值Μ處，同時(shí)WA均值ω Z變換到2^1附近，即：
[0029] (3)利用f ( ω )對(duì)WA進(jìn)行灰度變換得WAx，然后對(duì)WAx中含有的小于m或大于Μ的數(shù)據(jù) 進(jìn)行剔除：
[0030]
[0031 ]式中，WAout為低頻小波系數(shù)最終增強(qiáng)結(jié)果；
[0032] (4)從WAout中分離出Ξ層數(shù)據(jù)，替換Ξ通道低頻小波系數(shù)。
[0033] 步驟3、根據(jù)RGBS通道高頻小波系數(shù)不同尺度、方向W及噪聲特性，構(gòu)造高斯型闊 值濾波函數(shù)進(jìn)行去噪，實(shí)現(xiàn)抑制噪聲和偽像：
[0034] (1)根據(jù)RGBS通道高頻小波系數(shù)的不同尺度、方向W及噪聲特性，計(jì)算相應(yīng)濾波 闊值：
[0035]
[0036] 式中山和Οχ分別為j尺度子帶圖像小波系數(shù)的長(zhǎng)度和標(biāo)準(zhǔn)差，歷為噪聲方差；
[0037] (2)構(gòu)造高斯型闊值函數(shù)F(w)，對(duì)各通道、尺度、方向的高頻小波系數(shù)分別進(jìn)行闊 值濾波，達(dá)到抑制噪聲和偽像的目的：
[00；3 引
[0039] 步驟4、通過小波逆變換重構(gòu)RGB圖像：
[0040] 對(duì)經(jīng)過步驟2和步驟3處理后得到的小波系數(shù)進(jìn)行逆變換，重新構(gòu)成RGB圖像，即得 到最終增強(qiáng)結(jié)果。
[0041] 本發(fā)明相比于已有算法，具有W下優(yōu)點(diǎn)：
[0042] (1)本發(fā)明提出的基于自適應(yīng)小波域處理的彩色圖像對(duì)比度增強(qiáng)算法既能夠自適 應(yīng)地增強(qiáng)圖像對(duì)比度，又能夠有效地保持彩色圖像的色調(diào)并抑制噪聲和偽像，避免色彩失 真從而使得彩色圖像的色彩更加鮮明，顯著增強(qiáng)圖像的視覺效果。同時(shí)，該算法可應(yīng)用于灰 度圖像的對(duì)比度增強(qiáng)處理。
[0043] (2)本發(fā)明基于灰度變換法，根據(jù)RGBS通道低頻小波系數(shù)整體分布特性選取變換 函數(shù)，通過對(duì)Ξ通道低頻小波系數(shù)全局化非線性變換，自適應(yīng)調(diào)整小波系數(shù)分布，從而實(shí)現(xiàn) 了圖像的自動(dòng)對(duì)比度增強(qiáng)，同時(shí)有效保證了圖像色調(diào)不變、亮度適中。而且該方法具有算法 簡(jiǎn)單、適應(yīng)性強(qiáng)、處理效率高等優(yōu)點(diǎn)。
[0044] (3)本發(fā)明通過對(duì)RGBS通道各尺度、方向的高頻小波系數(shù)進(jìn)行不同闊值濾波，達(dá) 到抑制噪聲放大的目的。同時(shí)，針對(duì)硬闊值濾波易產(chǎn)生振鈴和軟闊值濾波易出現(xiàn)能量損失 嚴(yán)重、重構(gòu)誤差大等問題，構(gòu)建了高斯型闊值濾波函數(shù)，通過該函數(shù)能夠?qū)崿F(xiàn)抑制噪聲的同 時(shí)，保持景物紋理細(xì)節(jié)信息的目的，并且能夠有效地抑制振鈴并降低重構(gòu)誤差，從而使得算 法具有較強(qiáng)的適應(yīng)性。
【附圖說明】
[0045] 圖1為基于小波變換的彩色圖像自適應(yīng)對(duì)比度增強(qiáng)算法流程；
[0046] 圖2為圖像累積分布函數(shù)示意圖；
[0047] 圖3為非線性灰度變換函數(shù)曲線示意圖；
[004引圖4為軟闊值函數(shù)和硬闊值函數(shù)示意圖；
[0049] 圖5為高斯型闊值函數(shù)曲線示意圖；
[0050] 圖6為噪聲圖像小波分解結(jié)果；
[0051 ]圖7為小波闊值濾波結(jié)果；
[0化2]圖8為彩色圖像(一）；
[0053]圖9為彩色圖像(一)處理結(jié)果；
[0化4]圖10為彩色圖像(二）；
[0化5]圖11為彩色圖像(二)處理結(jié)果；
[0056] 圖12為灰度圖像；
[0057] 圖13為灰度圖像處理結(jié)果。
【具體實(shí)施方式】
[005引下面結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步的說明，但并不局限于此，凡是對(duì)本 發(fā)明技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的精神和范圍，均應(yīng)涵蓋 在本發(fā)明的保護(hù)范圍中。
[0059] 本發(fā)明提供了一種基于自適應(yīng)小波域處理的彩色圖像對(duì)比度增強(qiáng)算法，用于彩色 圖像對(duì)比度增強(qiáng)，提高視覺效果。WRGB圖像為例，如圖1所示，其具體實(shí)施步驟如下：
[0060] 步驟1、RGB彩色圖像立通道分別進(jìn)行小波分解：
[0061] 先將彩色圖像動(dòng)態(tài)范圍調(diào)整到[0，1]區(qū)間：
[0062]
[0063] 式中，Imin為待處理彩色圖像，Amax和Amin分別為彩色圖像矩陣中最大值和最小值。
[0064] 然后，RGBS通道分別講行小掘分解：
[006引式中，Φ為sym4小波基函數(shù)，j為小波分解尺度，R、G、B分別代表Ξ基色通道，WR、WG 和WB分別為RGBS通道小波系數(shù)，x、y和p、q分別表示圖像域和小波域的坐標(biāo)，Z為整數(shù)集合。
[0069] 步驟2、根據(jù)RGBS通道低頻小波系數(shù)分布特性對(duì)其進(jìn)行非線性變換，實(shí)現(xiàn)自適應(yīng) 增強(qiáng)對(duì)比度：
[0070] 為保證圖像色調(diào)不變，對(duì)Ξ層數(shù)據(jù)按相同法則進(jìn)行處理。
[0071] (1)分別提取WR、WG和WB的低頻部分，構(gòu)成矩陣WA，并計(jì)算矩陣WA累積分布函數(shù) (CD 巧：
[0072]
[0073] 式中，m為WA中最小值，Nr( ω )表示數(shù)值等于ω的小波系數(shù)的數(shù)量，N為小波系數(shù)長(zhǎng) 度。
[0074] (2)如圖2所示，在累積分布函數(shù)中找到Τ值為1%和99%時(shí)(此數(shù)值可根據(jù)實(shí)際要 求適當(dāng)調(diào)整)相應(yīng)的小波系數(shù)ω m和ω Μ，即：
[0075] T(t〇m) = l%，
[0076] T(c〇m) = 99%。
[0077] (3)圖像的對(duì)比度是指圖像中最亮部分與最暗部分的密度之比，圖像紋理的溝紋 越深、脊線越突出，對(duì)比度越高。因此，將ω。和ωΜ分別向兩側(cè)拉伸即可實(shí)現(xiàn)對(duì)比度增強(qiáng)；另 夕h為將小波系數(shù)分布密集區(qū)域?qū)挾葦U(kuò)展、分布稀疏區(qū)域?qū)挾葔嚎s，同時(shí)保證圖像亮度適 中，如圖3所示，本發(fā)明選取非線性變換函數(shù)為：
[007引 f( ω )=aw2+bco+c，
[0079]式中，a、b、c為待定系數(shù)。利用該變換函數(shù)將c〇m和COM分別變換到WA中最小值m和最 大值Μ處，同時(shí)WA均值ω Z變換到2^1附近，即：
[0083] (4)利用f ( ω )對(duì)WA進(jìn)行灰度變換得WAx，然后對(duì)WAx中含有的小于m或大于Μ的數(shù)據(jù) 進(jìn)行剔除：
[0084]
[0085] 式中，WAout為低頻小波系數(shù)最終增強(qiáng)結(jié)果。
[0086] (5)從WAout中分離出Ξ層數(shù)據(jù)，替換WR、WG和WB的低頻小波系數(shù)。
[0087] 步驟3:根據(jù)RGBS通道高頻小波系數(shù)不同尺度、方向W及噪聲特性，構(gòu)造高斯型闊 值濾波函數(shù)進(jìn)行去噪，實(shí)現(xiàn)抑制噪聲和偽像。
[0088] 圖像和噪聲在經(jīng)小波變換后具有不同的統(tǒng)計(jì)特性，圖像本身的能量對(duì)應(yīng)著幅值較 大的小波系數(shù)，而噪聲能量則對(duì)應(yīng)著幅值較小的小波系數(shù)。根據(jù)運(yùn)一特征，設(shè)置一個(gè)闊值口 限化，對(duì)WR、WG和WB的高頻子帶進(jìn)行濾波。認(rèn)為大于該闊值的小波系數(shù)的主要成份為有用信 號(hào)，給予保留；小于該闊值的小波系數(shù)，主要成份為噪聲，予W剔除，達(dá)到降噪目的。
[0089] 在小波變換中，不同尺度的高頻小波系數(shù)差別很大，因此闊值需要根據(jù)不同尺度 來進(jìn)行相應(yīng)的調(diào)整。
[0090]
[0091] 式中山和Οχ分別為j尺度子帶圖像小波系數(shù)的長(zhǎng)度和標(biāo)準(zhǔn)差，式為噪聲方差。
[0092] 常用的闊值濾波函數(shù)有軟闊值函數(shù)和硬闊值函數(shù)(如圖4所示），但是硬闊值函數(shù) 具有階躍特性，容易引起振鈴現(xiàn)象;軟闊值函數(shù)雖然連續(xù)性好，但會(huì)造成一定信息損失，給 重構(gòu)帶來誤差。實(shí)際應(yīng)用中，常常需要對(duì)闊值函數(shù)進(jìn)行改進(jìn)。
[0093] 此處目的在于抑制噪聲放大，而非去除噪聲，針對(duì)該需求，本發(fā)明采用高斯函數(shù)構(gòu) 造闊值濾波函數(shù)(如圖5所示），將闊值處小波系數(shù)幅值削弱1/e，幅值很小的小波系數(shù)大幅 度削弱，而幅值較大的小波系數(shù)幾乎完全保留，濾波公式如下：
[0094]
[00M]利用該濾波函數(shù)分別對(duì)WR、WG和WB中高頻小波系數(shù)進(jìn)行濾波。如圖6、圖7所示，降 噪效果良好。
[0096] 步驟4:小波逆變換，重構(gòu)RGB圖像。
[0097] 對(duì)經(jīng)過步驟2和步驟3處理后得到的小波系數(shù)進(jìn)行逆變換，重新構(gòu)成RGB圖像，即得 到最終增強(qiáng)結(jié)果。
[0098] 處理結(jié)果展示如圖8~圖13所示。
【主權(quán)項(xiàng)】
1. 一種基于自適應(yīng)小波域處理的彩色圖像對(duì)比度增強(qiáng)算法，其特征在于所述算法步驟 如下： 步驟1、彩色圖像RGB三層數(shù)據(jù)分別進(jìn)行小波分解； 步驟2、根據(jù)RGB三通道低頻小波系數(shù)分布特性對(duì)其進(jìn)行非線性變換，實(shí)現(xiàn)自適應(yīng)增強(qiáng) 對(duì)比度； 步驟3、根據(jù)RGB三通道高頻小波系數(shù)不同尺度、方向以及噪聲特性，構(gòu)造高斯型閾值濾 波函數(shù)進(jìn)行去噪，實(shí)現(xiàn)抑制噪聲和偽像； 步驟4:小波逆變換，重構(gòu)RGB圖像。2. 根據(jù)權(quán)利要求1所述的基于自適應(yīng)小波域處理的彩色圖像對(duì)比度增強(qiáng)算法，其特征 在于所述步驟1的具體步驟如下： (1) 將彩色圖像動(dòng)態(tài)范圍調(diào)整到[0，1 ]區(qū)間：式中，ΙΠΗη為待處理彩色圖像，AmajP Amin分別為彩色圖像矩陣中最大值和最小值； (2) RGB三通道分別進(jìn)行小波分解：式中，Φ為sym4小波基函數(shù)，j為小波分解尺度，R、G、B分別代表三基色通道，WR、WG和WB 分別為RGB三通道小波系數(shù)，x、y和p、q分別表示圖像域和小波域的坐標(biāo)，Z為整數(shù)集合。3. 根據(jù)權(quán)利要求1所述的基于自適應(yīng)小波域處理的彩色圖像對(duì)比度增強(qiáng)算法，其特征 在于所述步驟2的具體步驟如下： (1) 提取三通道低頻小波系數(shù)，構(gòu)成矩陣WA，并計(jì)算矩陣WA累積分布函數(shù)：式中，m為WA中最小值，Nr( ω )表示數(shù)值等于ω的小波系數(shù)數(shù)量，N為小波系數(shù)長(zhǎng)度； 在累積分布函數(shù)中找到Τ值為1 %和99 %時(shí)相應(yīng)的小波系數(shù)ω jP ω μ，即： T( 〇m) = l% , Τ(ωΜ)=99%； (2) 根據(jù)低頻小波系數(shù)整體分布特性，求解非線性變換函數(shù)f( ω ): f( ω ) = a ω 2+b ω +c; 式中，a、b、c為待定系數(shù)，利用該變換函數(shù)將ω jP ω μ分別變換到WA中最小值m和最大值 Μ處，同時(shí)WA均值ω z變換到2j-1附近，即： f(com) = aco；n+b〇Jm+c = rn / [co.) = 〇(〇'. + b(〇. + c - 2' 1， f ) = aco^ + h(0u + c - M 解方程可確定待定系數(shù)： 「. π-1 α ω? eam 1 m b = f?: mz 1 1]Λ ； P G?m 1 -魅' _ (3) 利用f( ω )對(duì)WA進(jìn)行灰度變換得WAX，然后對(duì)WAX中含有的小于m或大于M的數(shù)據(jù)進(jìn)行 剔除：式中，WAc>ut為低頻小波系數(shù)最終增強(qiáng)結(jié)果； (4) 從WAQUt中分離出三層數(shù)據(jù)，替換三通道低頻小波系數(shù)。4.根據(jù)權(quán)利要求1所述的基于自適應(yīng)小波域處理的彩色圖像對(duì)比度增強(qiáng)算法，其特征 在于所述步驟3的具體步驟如下： (1) 根據(jù)RGB三通道高頻小波系數(shù)的不同尺度、方向以及噪聲特性，計(jì)算相應(yīng)濾波閾值：式中，LjP〇x分別為j尺度子帶圖像小波系數(shù)的長(zhǎng)度和標(biāo)準(zhǔn)差，erf為噪聲方差； (2) 構(gòu)造高斯型閾值函數(shù)F(co)，對(duì)各通道、尺度、方向的高頻小波系數(shù)分別進(jìn)行閾值濾 波，達(dá)到抑制噪聲和偽像的目的：
【文檔編號(hào)】G06T5/00GK106067164SQ201610362381
【公開日】2016年11月2日
【申請(qǐng)日】2016年5月26日 公開號(hào)201610362381.7, CN 106067164 A, CN 106067164A, CN 201610362381, CN-A-106067164, CN106067164 A, CN106067164A, CN201610362381, CN201610362381.7
【發(fā)明人】智喜洋, 江世凱, 張偉, 胡建明, 孫晅, 傅斌
【申請(qǐng)人】哈爾濱工業(yè)大學(xué)