本申請主要涉及圖像處理領(lǐng)域，更具體地說是涉及一種圖像處理方法及系統(tǒng)。
背景技術(shù)：
：在實際應(yīng)用中，為了改善圖像的視覺效果，通常會針對圖像的應(yīng)用場合，有目的地強調(diào)圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強調(diào)某些感興趣的特征，擴大圖像中不同物體特征之間的差異，抑制不感興趣的特征，從而改善圖像質(zhì)量、豐富信息量，加強圖像判讀和識別效果，滿足某些特殊分析的需求。對于低照度圖像來說，為了滿足上述需求，目前通常采用直方圖均衡化處理方法，實現(xiàn)對低照度圖像全局的增強，從而使低照度圖像的亮度得到整體提升，但是采用這種方法得到的增強圖像中不能突出局部細節(jié)。而當(dāng)采用局部對比度的增強方法對低照度圖像進行增強處理后，雖然能夠突出低照度圖像的局部細節(jié)，但整體增強效果不明顯，無法滿足用戶視覺要求。技術(shù)實現(xiàn)要素：有鑒于此，本發(fā)明提供了一種圖像增強方法及系統(tǒng)，既突出了圖像的局部細節(jié)，又對整體圖像進行了去噪處理，得到了更好了增強效果，滿足了用戶對圖像的視覺要求。為了實現(xiàn)上述目的，本申請?zhí)峁┝艘韵录夹g(shù)方案：一種圖像增強方法，所述方法包括：利用預(yù)設(shè)灰度直方圖算法對原始圖像的灰度級別進行修正，得到修正圖像；對所述修正圖像進行小波分解，提取所述修正圖像包含的低頻信息，并對所述原始圖像進行小波分解，提取所述原始圖像包含的高頻信息；對所述原始圖像包含的高頻信息進行半軟閾值濾波增強處理，得到目標(biāo)高頻信息；將所述低頻信息與所述目標(biāo)高頻信息進行融合處理，得到所述原始圖像的目標(biāo)增強圖像。優(yōu)選的，所述利用預(yù)設(shè)灰度直方圖算法，對原始圖像的灰度級別進行修正，得到修正圖像，包括：對原始圖像進行灰度直方圖均衡化處理，得到處理后圖像的各灰度級別的灰度值；利用原始圖像的各灰度級別的灰度值以及所述處理后圖像的各灰度級別的灰度值，構(gòu)造灰度映射表；利用所述灰度映射表對所述原始圖像的各灰度級別進行修正，得到修正圖像。優(yōu)選的，所述對所述原始圖像包含的高頻信息進行半軟閾值濾波增強處理，得到目標(biāo)高頻信息，包括：當(dāng)選取的小波系數(shù)閾值滿足第一條件，對所述原始圖像包含的高頻信息進行硬閾值濾波增強處理，得到目標(biāo)高頻信息；當(dāng)選取的小波系數(shù)閾值滿足第二條件，對所述原始圖像包含的高頻信息進行軟閾值濾波增強處理，得到目標(biāo)高頻信息。優(yōu)選的，所述對原始圖像進行灰度直方圖均衡化處理，得到處理后圖像的各灰度級別的灰度值，包括：獲取原始圖像的各灰度級別的灰度值以及所述各灰度級別包含的像素點個數(shù)；利用所述原始圖像的像素點總個數(shù)以及所述各灰度級別包含的像素點個數(shù)，計算所述各灰度級別的概率；利用所述原始圖像的任意一個灰度級別的左右兩側(cè)灰度級別的概率之比，確定所述任意一個灰度級別經(jīng)直方圖均衡化處理后的灰度值；利用所述原始圖像的相鄰兩個灰度級別的概率的比值，獲得所述相鄰兩個灰度級別的灰度值。優(yōu)選的，所述低頻信息包括修正圖像中的低頻系數(shù)，所述高頻信息包括所述原始圖像中的高頻系數(shù)，則目標(biāo)高頻信息包括目標(biāo)高頻系數(shù)；相應(yīng)地，所述將所述低頻信息與所述目標(biāo)高頻信息進行融合處理，得到所述原始圖像的目標(biāo)增強圖像，包括：將所述修正圖像中的低頻系數(shù)以及所述原始圖像中的目標(biāo)高頻系數(shù)進行融合，獲得目標(biāo)小波變換系數(shù)；利用所述目標(biāo)小波變換系數(shù)，按照預(yù)設(shè)小波逆變換算法進行圖像重構(gòu)，得到所述原始圖像的目標(biāo)增強圖像。一種圖像增強系統(tǒng)，所述系統(tǒng)包括：圖像修正模塊，用于利用預(yù)設(shè)灰度直方圖算法對原始圖像的灰度級別進行修正，得到修正圖像；信息提取模塊，用于對所述修正圖像進行小波分解，提取所述修正圖像包含的低頻信息，并對所述原始圖像進行小波分解，提取所述原始圖像包含的高頻信息；濾波增強模塊，用于對所述原始圖像包含的高頻信息進行半軟閾值濾波增強處理，得到目標(biāo)高頻信息；圖像重構(gòu)模塊，用于將所述低頻信息與所述目標(biāo)高頻信息進行融合處理，得到所述原始圖像的目標(biāo)增強圖像。優(yōu)選的，所述修正模塊包括：均衡化單元，用于對原始圖像進行灰度直方圖均衡化處理，得到處理后圖像的各灰度級別的灰度值；映射表構(gòu)造單元，用于利用原始圖像的各灰度級別的灰度值以及所述處理后圖像的各灰度級別的灰度值，構(gòu)造灰度映射表；修正單元，用于利用所述灰度映射表對所述原始圖像的各灰度級別進行修正，得到修正圖像。優(yōu)選的，所述濾波增強模塊包括：第一濾波增強單元，用于當(dāng)選取的小波系數(shù)閾值滿足第一條件，對所述原始圖像包含的高頻信息進行硬閾值濾波增強處理，得到目標(biāo)高頻信息；第二濾波增強單元，用于當(dāng)選取的小波系數(shù)閾值滿足第二條件，對所述原始圖像包含的高頻信息進行軟閾值濾波增強處理，得到目標(biāo)高頻信息。優(yōu)選的，所述均衡化單元包括：獲取子單元，用于獲取原始圖像的各灰度級別的灰度值以及所述各灰度級別包含的像素點個數(shù)；第一計算子單元，用于利用所述原始圖像的像素點總個數(shù)以及所述各灰度級別包含的像素點個數(shù)，計算所述各灰度級別的概率；第二計算子單元，用于利用所述原始圖像的任意一個灰度級別的左右兩側(cè)灰度級別的概率之比，確定所述任意一個灰度級別經(jīng)直方圖均衡化處理后的灰度值；第三計算子單元，用于利用所述原始圖像的相鄰兩個灰度級別的概率的比值，獲得所述相鄰兩個灰度級別的灰度值。優(yōu)選的，所述低頻信息包括修正圖像中的低頻系數(shù)，所述高頻信息包括所述原始圖像中的高頻系數(shù)，則目標(biāo)高頻信息包括目標(biāo)高頻系數(shù)，相應(yīng)地，所述圖像重構(gòu)模塊包括：融合單元，用于將所述修正圖像中的低頻系數(shù)以及所述原始圖像中的目標(biāo)高頻系數(shù)進行融合，獲得目標(biāo)小波變換系數(shù)；圖像重構(gòu)單元，用于利用所述小波變換系數(shù)，按照預(yù)設(shè)小波逆變換算法進行圖像重構(gòu)，得到所述原始圖像的目標(biāo)增強圖像。由此可見，與現(xiàn)有技術(shù)相比，本申請?zhí)峁┝艘环N圖像增強方法及系統(tǒng)，本申請先利用預(yù)設(shè)灰度直方圖算法對原始圖像的灰度級別進行修正，從而實現(xiàn)了對原始圖像的局部細化，之后，通過對從原始圖像提取的高頻信息進行去噪處理，并將處理后得到的目標(biāo)高頻信息與從修正圖像提取的低頻信息重新融合，得到目標(biāo)增強圖像。其中，本申請采用半軟閾值法對高頻信息進行處理，在保護沒有受到污染的圖像的同時保證了處理后小波系統(tǒng)的連續(xù)性。由此可見，本申請通過將小波的高頻和低頻信號分開處理，既實現(xiàn)了對原始圖像的局部細化處理，又對原始圖像進行了整體去噪處理，保證了所得增強圖像的整體增強效果。附圖說明為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。圖1為本申請?zhí)峁┑囊环N圖像增強方法實施例的流程圖；圖2為本申請?zhí)峁┑牧硪环N圖像增強方法實施例的流程圖；圖3為本申請?zhí)峁┑挠忠环N圖像增強方法實施例的流程圖；圖4為本申請?zhí)峁┑囊环N圖像增強系統(tǒng)實施例的結(jié)構(gòu)示意圖；圖5為本申請?zhí)峁┑挠忠环N圖像增強系統(tǒng)實施例的結(jié)構(gòu)示意圖。具體實施方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。本申請?zhí)峁┝艘环N圖像增強方法及系統(tǒng)，先利用利用預(yù)設(shè)灰度直方圖算法對原始圖像的灰度級別進行修正，從而實現(xiàn)了對原始圖像的局部細化，之后，通過對從原始圖像提取的高頻信息進行去噪處理，并將處理后得到的目標(biāo)高頻信息與從修正圖像提取的低頻信息重新融合，得到目標(biāo)增強圖像。其中，本申請采用半軟閾值法對高頻信息進行處理，在保護沒有受到污染的圖像的同時保證了處理后小波系統(tǒng)的連續(xù)性。由此可見，本申請通過將小波的高頻和低頻信號分開處理，既實現(xiàn)了對原始圖像的局部細化處理，又對原始圖像進行了整體去噪處理，保證了所得增強圖像的整體增強效果。為了使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實施方式對本發(fā)明作進一步詳細的說明。如圖1所示，為本申請?zhí)峁┑囊环N圖像增強方法實施例的流程圖，該方法可以包括：步驟S11：利用預(yù)設(shè)灰度直方圖算法對原始圖像的灰度級別進行修正，得到修正圖像；在實際應(yīng)用中，直方圖是灰度級的函數(shù)，它表示圖像中具有每種灰度級的像素的個數(shù)，反映原始圖像中各種灰度值分布的情況。需要說明的是，本申請預(yù)設(shè)灰度直方圖算法與現(xiàn)有的灰度直方圖算法不同的是，本申請利用該預(yù)設(shè)灰度直方圖算法是為了保證原始圖像中的最低灰度級不被合并，從而保留原始圖像低照度細節(jié)部分；同時，利用該算法可以消除本灰度級別像素數(shù)占整幅圖像像素總數(shù)的比例的影響，使圖像增強后灰度適中，降低增強后圖像過亮的現(xiàn)象。可選的，本申請可以利用如圖2所示的方法得到原始圖像的修正圖像，該方法可以包括：步驟S21：對原始圖像進行灰度直方圖均衡化處理，得到處理后圖像的各灰度級別的灰度值；在本實施例中，可以利用灰度直方圖獲得原始圖像分為多少個灰度級別，每個灰度級別包含的像素總數(shù)以及相應(yīng)的灰度級別的灰度值等等，經(jīng)過灰度直方圖均衡化處理后，可以消除本灰度級別像素數(shù)所占比例的影響。其中，原始圖像的灰度級別k均衡化處理后的位置由其左右兩側(cè)的灰度級別的概率之比確定，但并不局限于此，本申請對原始圖像的灰度直方圖均衡化處理的具體方式不作限定。步驟S22：利用原始圖像的各灰度級別的灰度值以及處理后圖像的各灰度級別的灰度值，構(gòu)造灰度映射表；在本實施例實際應(yīng)用中，可根據(jù)上述計算均衡化處理后圖像的各灰度級別的灰度值的計算過程，確定處理后圖像的各灰度級級別的灰度值與原始圖像的各灰度級別的灰度值之間的關(guān)系，并由兩者之間的關(guān)系形成灰度映射表，本申請對該灰度映射表的具體表示方式不作限定。步驟S23：利用該灰度映射表對原始圖像的各灰度級別進行修正，得到修正圖像。本實施例可以利用灰度映射表中處理后圖像的各灰度級別的灰度值，對原始圖像相應(yīng)的灰度級別的灰度級進行調(diào)整，從而得到具有新的灰度級別分布的修正圖像，這與直方圖均衡化處理過程相比，更能有效地調(diào)整原始圖像的灰度直方圖的動態(tài)范圍，改善了最終所得增強圖像的視覺效果、步驟S12：對該修正圖像進行小波分解，提取修正圖像包含的低頻信息，并對原始圖像進行小波分解，提取原始圖像包含的高頻信息；在實際應(yīng)用中，由于通過灰度直方圖均衡化進行增強后的圖像，灰度均值較高，圖像背景復(fù)雜且過亮，邊緣模糊，使得圖像有所失真。為了改善這一情況，申請人通過對上述處理得到的圖像進行分析得知，影響視覺感受的灰度信息大多存在于低頻部分，而噪聲和細節(jié)部分則分布于高頻部分，所以，本申請?zhí)岢鰧D像中的高頻部分和低頻部分分開進行處理，之后，再將處理后的高頻部分和低頻部分重新融合，來得到克服上述缺陷的增強圖像?；诖?，本申請利用小波分解算法分別對經(jīng)上述處理得到的修正圖像以及原始圖像進行處理，提取出修正圖像中的低頻信息以及原始圖像中的高頻信息。此時，由于經(jīng)上述處理得到的修正圖像的灰度范圍與原始圖像的灰度范圍相比，已經(jīng)得到了拉伸，保留了圖像低照度細節(jié)部分，可見，從修正圖像中提取的低頻信息已能夠滿足實際需要，可以不用對其做進一步處理。步驟S13：對原始圖像包含的高頻信息進行半軟閾值濾波增強處理，得到目標(biāo)高頻信息；在本申請中，半軟閾值是一種自適應(yīng)地選取軟閾值函數(shù)或硬閾值函數(shù)的方法，也就是說，當(dāng)選取的小波系數(shù)閾值滿足第一條件時，利用硬閾值函數(shù)進行濾波增強處理；當(dāng)選取的小波系數(shù)閾值滿足第二條件時，利用軟閾值函數(shù)進行濾波增強處理。其中，軟閾值函數(shù)和硬閾值函數(shù)這兩種閾值法是圖像增強中常用方法，可以對圖像的邊緣起到銳化作用，突出圖像細節(jié)，增強圖像視覺效果。但是，使用硬閾值函數(shù)進行濾波增強處理后，會使得處理后的小波系數(shù)不連續(xù)，使所得增強圖像的灰度值會集中在某一個區(qū)間，從而導(dǎo)致增強圖像的塊狀效應(yīng)等失真；而且，在對圖像進行去噪的同時，很容易在圖像邊緣引入一些人為的噪點，從而影響所重構(gòu)增強圖像的質(zhì)量。而利用軟閾值函數(shù)的濾波增強處理方法與上述方式相比，可以較好地保持原始圖像的細節(jié)部分，同時抑制圖像噪聲，然而，采用這種方法濾波增強處理后的小波系數(shù)雖然是連續(xù)的，但與原始圖像的小波系數(shù)存在很大偏差，將會操作原始圖像的高頻信息的丟失，使得圖像邊緣模糊。針對上傳硬閾值和軟閾值函數(shù)在對圖像的濾波增強處理中的問題，本申請?zhí)岢隽税胲涢撝禐V波增強處理方法，當(dāng)選取的小波系數(shù)閾值滿足第一條件，可以對原始圖像包含的高頻信息進行硬閾值濾波增強處理，得到目標(biāo)高頻信息；當(dāng)選取的小波系數(shù)閾值滿足第二條件，可以對原始圖像包含的高頻信息進行軟閾值濾波增強處理，得到目標(biāo)高頻信息?？蛇x的，本申請所用半軟閾值算法可以是：w(m,n)‾=w*W(m,n),|W(m,n)|≥λ1sgn(W(m,n))w*λ1(|W(m,n)-λ2|λ1-λ2),λ2≤|W(m,n)|<λ20,|W(m,n)|<λ2;]]>其中，λ1和λ1是預(yù)設(shè)的兩個小波系數(shù)閾值，具體可以利用小波變換的相關(guān)算法計算得到，而在計算過程中所用的小波系數(shù)可以是上述原始圖像或修改圖像的小波系數(shù)，本申請對此不作具體限定?；诖耍趯嶋H應(yīng)用中，可以根據(jù)計算得到的λ1和λ1的具體數(shù)值大小，確定是要選擇硬閾值濾波方法進行處理，還是軟閾值濾波方法進行處理?？蛇x的，當(dāng)λ1＝λ1，即為上述第一條件，可以采用硬閾值函數(shù)實現(xiàn)濾波增強處理方法，若取λ1→∞，即為上述第二條件，可以采用軟閾值函數(shù)實現(xiàn)濾波增強處理方法?？梢姡旧暾埧梢酝ㄟ^選取合適的閾值可在軟閾值方法與硬閾值方法之間取折中，不僅能夠保護沒有受污染的原始圖像，同時也具有與軟閾值函數(shù)相同的連續(xù)性。步驟S14：將低頻信息與目標(biāo)高頻信息進行融合處理，得到原始圖像的目標(biāo)增強圖像。在本實施例實際應(yīng)用中，從修正圖像中提取的低頻信息包括該修正圖像的低頻系數(shù)，從原始圖像中提取的高頻信息包括該原始圖像的高頻系數(shù)，按照上述步驟S13所示的方式對高頻信息進行的處理，會使得原始圖像的高頻系數(shù)有所改變，從而得到目標(biāo)高頻系數(shù)。此時，本申請可以對得到的低頻系數(shù)和目標(biāo)高頻系數(shù)進行融合，從而得到目標(biāo)小波變換系數(shù)，進而利用該目標(biāo)小波變換系數(shù)，按照預(yù)設(shè)的小波逆變換算法進行圖像重構(gòu)，將得到的圖像作為原始圖像的目標(biāo)增強圖像。綜上所述，本申請先利用灰度直方圖算法對原始圖像進行處理，實現(xiàn)對其灰度級別的修正，以保證原始圖像中的最低灰度級不被合并，從而保留了原始圖像的細節(jié)部分；之后，由于噪聲和細節(jié)多分布在圖像的高頻部分，所以，本申請分別提取了所得修正圖像的低頻信息以及原始圖像的高頻信息，并僅對該高頻信息進行濾波增強處理，得到去噪后的目標(biāo)高頻信息后，將提取的低頻信息與該目標(biāo)高頻信息融合處理，從而得到滿足實際需要的原始圖像的目標(biāo)增強圖像。由此可見，本申請?zhí)峁┑膱D像增強方法既實現(xiàn)了對原始圖像的局部細化處理，又實現(xiàn)了對原始圖像的整體去噪，且保證了所得增強圖像的整體增強效果。作為本申請另一實施例，在上述實施例的基礎(chǔ)上，如圖3所示，本申請可以采用以下方式實現(xiàn)對原始圖像的均衡化處理，但并局限于下文描述的這一種方式。其中，關(guān)于該另一實施例中實現(xiàn)圖像增強的方法步驟可以參照上述實施例對應(yīng)描述，在此僅對原始圖像的均衡化處理過程進行描述，具體可以包括：步驟S31：獲取原始圖像的各灰度級別的灰度值以及各灰度級別包含的像素點個數(shù)；步驟S32：利用原始圖像的像素點總個數(shù)以及各灰度級別包含的像素點個數(shù)，計算各灰度級別的概率；在本實施例中，若原始圖像共有z個灰度級別，且原始圖像的像素點總數(shù)為n，第k個灰度級別的灰度值為rk，那么，該第k個灰度級別的概率Pr(rk)可以是第k個灰度級別包含的像素點個數(shù)nk占原始圖像的像素點總數(shù)n的比例，即Pr(rk)＝nk/n。步驟S33：利用原始圖像的任意一個灰度級別的左右兩側(cè)灰度級別的概率之比，確定該灰度級別經(jīng)直方圖均衡化處理后的灰度值。步驟S34：利用得到的原始圖像的相鄰兩個灰度級別的概率的比值，獲得所述相鄰兩個灰度級別的灰度值。繼上述舉例，原始圖像的第k個灰度級別均衡化后的灰度級別的位置s與其相鄰的灰度級別的位置z-(s+1)的概率之比可以表示為：s:(z-(s+1))=Σj=0k-1Pr(rj):Σj=k+1z-1Pr(rj);]]>對上述概率之比的公式進行數(shù)學(xué)運算可求解第k個灰度級別均衡化后的灰度級別位置s的表達式，之后，將上述給出的第k個灰度級別的概率的計算公式Pr(rk)＝nk/n代入其均衡化后的位置s的表達式，可得：s=(z-1)Σj=0k-1Pr(rj)1-Pr(rk)=(z-1)Σj=0k-1njn-nk;]]>之后，由于通過上述方式已經(jīng)得到原始圖像的各灰度級別的位置及其灰度值的對應(yīng)關(guān)系，所以，對于原始圖像的灰度級別的任意位置來說，對其灰度級別均衡化處理后，均衡化后的位置s的灰度級可以根據(jù)原始圖像的上述位置與其灰度值的對應(yīng)關(guān)系，來確定均衡化后的位置s的灰度值，之后，再利用該均衡化后的位置s的灰度值，以及該灰度級別的位置s均衡化之前對應(yīng)的原始圖像的灰度級別的灰度值，構(gòu)建這兩種灰度值之間的灰度映射表，從而利用該灰度映射表，對原始圖像的各灰度級別進行修正，即利用均衡化后的位置s的灰度值，替換該灰度級別的位置s均衡化之前對應(yīng)的原始圖像的灰度級別的灰度值，作為該灰度級別的位置s均衡化之前對應(yīng)的原始圖像的灰度級別的新灰度值，從而得到原始圖像的一個新的灰度級別分布圖。由此可見，本申請是利用對原始圖像的灰度直方圖均衡化處理結(jié)構(gòu)構(gòu)造灰度映射表，來對原始圖像的灰度級別進行修正，以便利用得到的修正圖像的低頻信息得到目標(biāo)增強圖像，而不是直接利用灰度直方圖均衡化處理來得到目標(biāo)增強圖像，更加有效地調(diào)節(jié)了直方圖的動態(tài)范圍，進一步改善了目標(biāo)增強圖像的視覺效果。如圖4所示，為本申請?zhí)峁┑囊环N圖像增強系統(tǒng)實施例的結(jié)構(gòu)示意圖，該系統(tǒng)可以包括：圖像修正模塊41，用于利用預(yù)設(shè)灰度直方圖算法對原始圖像的灰度級別進行修正，得到修正圖像；可選的，如圖5所示，在實際應(yīng)用中，該圖像修正模塊41可以包括：均衡化單元411，用于對原始圖像進行灰度直方圖均衡化處理，得到處理后圖像的各灰度級別的灰度值；其中，關(guān)于獲得處理后圖像的各灰度級別的灰度值的過程可以參照上述方法實施例對應(yīng)部分的描述，該均衡化單元411可以包括：獲取子單元，用于獲取原始圖像的各灰度級別的灰度值以及各灰度級別包含的像素點個數(shù)；第一計算子單元，用于利用原始圖像的像素點總個數(shù)以及各灰度級別包含的像素點個數(shù)，計算各灰度級別的概率；第二計算子單元，用于利用所述原始圖像的任意一個灰度級別的左右兩側(cè)灰度級別的概率之比，確定所述任意一個灰度級別經(jīng)直方圖均衡化處理后的灰度值。第三計算子單元，用于利用所述原始圖像的相鄰兩個灰度級別的概率的比值，獲得所述相鄰兩個灰度級別的灰度值。映射表構(gòu)造單元412，用于利用原始圖像的各灰度級別的灰度值以及處理后圖像的各灰度級別的灰度值，構(gòu)造灰度映射表；修正單元413，用于利用該灰度映射表對原始圖像的各灰度級別進行修正，得到修正圖像。信息提取模塊42，用于對修正圖像進行小波分解，提取修正圖像包含的低頻信息，并對原始圖像進行小波分解，提取原始圖像包含的高頻信息；濾波增強模塊43，用于對原始圖像包含的高頻信息進行半軟閾值濾波增強處理，得到目標(biāo)高頻信息；其中，本申請?zhí)岢龅陌胲涢撝捣ㄊ且环N自適應(yīng)選擇軟閾值法或硬閾值法的閾值法，所以，該濾波增強模塊43可以包括：第一濾波增強單元，用于當(dāng)選取的小波系數(shù)閾值滿足第一條件，對原始圖像包含的高頻信息進行硬閾值濾波增強處理，得到目標(biāo)高頻信息；第二濾波增強單元，用于當(dāng)選取的小波系數(shù)閾值滿足第二條件，對原始圖像包含的高頻信息進行軟閾值濾波增強處理，得到目標(biāo)高頻信息。圖像重構(gòu)模塊44，用于將上述提取的低頻信息與目標(biāo)高頻信息進行融合處理，得到原始圖像的目標(biāo)增強圖像。在本實施例實際應(yīng)用中，提取的低頻信息實際上可以包括修正圖像中的低頻系數(shù)，高頻信息可以包括原始圖像的高頻系數(shù)，所以，目標(biāo)高頻信息包括目標(biāo)高頻系數(shù)，需要說明的是，該低頻系數(shù)、高頻系數(shù)以及目標(biāo)高頻系數(shù)可以是小波系數(shù)，基于此，該圖像重構(gòu)模塊44可以包括：融合單元，用于將修正圖像中的低頻系數(shù)以及原始圖像中的目標(biāo)高頻系數(shù)進行融合，獲得目標(biāo)小波變換系數(shù)；圖像重構(gòu)單元，用于利用小波變換系數(shù)，按照預(yù)設(shè)小波逆變換算法進行圖像重構(gòu)，得到原始圖像的目標(biāo)增強圖像。綜上所述，本申請先利用灰度直方圖算法對原始圖像進行處理，實現(xiàn)對其灰度級別的修正，以保證原始圖像中的最低灰度級不被合并，從而保留了原始圖像的細節(jié)部分；之后，由于噪聲和細節(jié)多分布在圖像的高頻部分，所以，本申請分別提取了所得修正圖像的低頻信息以及原始圖像的高頻信息，并僅對該高頻信息進行濾波增強處理，得到去噪后的目標(biāo)高頻信息后，將提取的低頻信息與該目標(biāo)高頻信息融合處理，從而得到滿足實際需要的原始圖像的目標(biāo)增強圖像。由此可見，本申請?zhí)峁┑膱D像增強方法既實現(xiàn)了對原始圖像的局部細化處理，又實現(xiàn)了對原始圖像的整體去噪，且保證了所得增強圖像的整體增強效果。最后，需要說明的是，關(guān)于上述各實施例中，諸如第一、第二等之類的關(guān)系術(shù)語僅僅用來將一個操作、單元或模塊與另一個操作、單元或模塊區(qū)分開來，而不一定要求或者暗示這些單元、操作或模塊之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法或者系統(tǒng)不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法或者系統(tǒng)所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法或者系統(tǒng)中還存在另外的相同要素。本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的設(shè)備而言，由于其與實施例公開的方法對應(yīng)，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。對所公開的實施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對這些實施例的多種修改對本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。當(dāng)前第1頁1 2 3