本發(fā)明涉及一種基于bemd和對比度拉伸變換的圖像增強方法，屬于數(shù)字圖像處理技術領域。

背景技術：

近年來許多圖像增強技術被提出，但是都各有缺點。目前國內(nèi)外圖像增強技術主要有圖像灰度變換、局部直方圖構(gòu)造、基于小波圖像增強以及反銳化掩模。圖像灰度變換是一種很簡單的圖像增強方法，但是該方法處理圖像時會掩蓋圖像的細節(jié)信息；局部直方圖構(gòu)造是r.cromartie等人提出的一種有約束的構(gòu)造方法，其方法雖然改變圖像對比度效果不錯，但是在增強過程中可能會引入新的噪聲且增強效果不易控制；基于小波圖像增強是通過對圖像各部分進行加權來突出細節(jié)信息，雖然不會放大噪聲，但是該方法計算量大，實時性不好；hongliu等人曾在血管圖像細節(jié)增強中使用反銳化掩模法，此方法雖然簡單但是加大了圖像中的噪聲。因此以上方法雖然可以增強圖像細節(jié)信息但是也會引進一些不利因素，從而對圖像分析、識別等領域的工作帶來麻煩。

技術實現(xiàn)要素：

本發(fā)明要解決的技術問題是提供一種基于bemd和對比度拉伸變換的圖像增強方法，該方法既能夠有效地增強細節(jié)圖像和多目標圖像，又可控制增強的效果。

本發(fā)明采用的技術方案是：一種基于bemd和對比度拉伸變換的圖像增強方法，包括如下步驟：首先在matlab中輸入一幅待增強的圖像，通過二維經(jīng)驗模態(tài)分解算法求取圖像的極值點從而獲得上下包絡面，并計算出均值包絡面然后利用篩選算法獲得二維圖像信號的一系列內(nèi)稟模式函數(shù)，該系列內(nèi)稟模式函數(shù)就表示為不同頻率的子圖像，去除不能表現(xiàn)細節(jié)信息的低頻子圖像，篩選出頻率高的高頻子圖像，再利用對比拉伸變換算法對高頻子圖像進行對比度拉伸變換，最后對變換后的子圖像相加融合即得到增強結(jié)果。

具體地，所述進行二維經(jīng)驗模態(tài)分解的具體步驟如下：

step1.1、將在matlab中輸入一幅待增強的圖像f(x,y)，x、y代表圖像的長和寬的像素值的變量，賦初值，令i＝1,k＝1，imf表示不同頻率的子圖像，imfi表示第i個imf，k表示imfi所進行的循環(huán)次數(shù)，余項的初值為rik(x,y)，rik(x,y)＝f(x,y)；

step1.2、計算rik(x,y)的極大值包絡hup(x,y)以及它的極小值包絡hlow(x,y)，獲得上下包絡面；

step1.3、計算rik(x,y)的均值曲面，獲得均值包絡面，其公式如下：

mean(x,y)＝(hup(x,y)+hlow(x,y))/2(1)

step1.4、根據(jù)rik(x,y)以及它的均值曲面mean(x,y)計算其差值函數(shù)，其差值計算公式如下：

dik(x,y)＝rik(x,y)-mean(x,y)(2)

step1.5、判斷差值函數(shù)dik(x,y)是否滿足sd＜ε，即迭代終止參數(shù)ε＝0.3，sd表示標準差，di(k-1)(x，y)表示上次循環(huán)的差值函數(shù)，x、y代表x、y的最大值，當滿足時，得到內(nèi)稟模式函數(shù)：imfi(x,y)＝dik(x,y)，令r(i+1)1(x,y)＝ri1(x,y)-imfi(x,y)，并且i＝i+1,k＝1，r(i+1)1(x，y)表示一次循環(huán)后的余項，重復step1.2～step1.4計算下一個內(nèi)稟模式函數(shù)，直到余項沒有極值點；當不滿足時，令ri(k+1)(x,y)＝dik(x,y)，并且令k＝k+1，重復step1.2～step1.4直到差值函數(shù)滿足sd＜ε；

綜上所述，對于圖像f(x,y)通過二維經(jīng)驗模態(tài)分解分解為n個內(nèi)稟模式函數(shù)imfi及其余項函數(shù)r(x,y)可以用下式來表示：

具體地，所述篩選出高頻子圖像具體步驟如下：

step2.1、對原圖像f(x,y)通過二維經(jīng)驗模態(tài)分解后得到的子圖像進行篩選，其中保留高頻子圖像imf1,imf2,···imfi，舍去低頻子圖像imfi+1,imfi+2,···,imfn,ref，n為不含余項部分的子圖像總個數(shù),ref為圖像分解后的余項部分。具體地，所述篩選出高頻子圖像具體步驟如下：

step2.1、對原圖像f(x,y)通過二維經(jīng)驗模態(tài)分解后得到的子圖像進行篩選，其中保留高頻子圖像imf1,imf2,···imfi，舍去低頻子圖像imfi+1,imfi+2,···,imfn,ref，n為不含余項部分的子圖像總個數(shù),ref為圖像分解后的余項部分。

具體地，所述利用對比度拉伸變換算法對高頻子圖像進行對比度拉伸變換，然后相加圖像融合的具體步驟如下：

step3.1、分別對高頻子圖像進行對比度拉伸變換，其對比度拉伸變換公式如下：

s＝t(r)＝1/(1+(m/r)^e)(4)

其中r表示輸入圖像的亮度，s是輸出圖像中的相應亮度值，e控制該函數(shù)的斜率，m為輸入圖像的像素平均值，t(r)表示輸出圖像的亮度；

step3.2、確定m和e的取值；

step3.3、進行對比度拉伸變換，從而得到拉伸變換后的高頻子圖像；

step3.4、把拉伸變換后的高頻子圖像進行相加融合，其公式如下：

h＝t(imf1)+t(imf2)+···+t(imfi)(5)

其中h為增強后的圖像，t(imf1)是imf1對比度拉伸變換后的圖像，t(imf2)是imf2對比度拉伸變換后的圖像，t(imfi)是imfi是對比度拉伸變換后的圖像。

本發(fā)明的有益效果是：

在增強效果方面，相對于不加區(qū)分地直接對圖像進行對比度拉伸變換，細節(jié)增強效果更好，細節(jié)信息更清晰。

附圖說明

圖1為本發(fā)明中的流程圖；

圖2為本發(fā)明中對比度拉伸變換的流程圖；

圖3為原圖；

圖4為二維經(jīng)驗模態(tài)分解一次后的結(jié)果；

圖5為二維經(jīng)驗模態(tài)分解二次后的結(jié)果；

圖6為二維經(jīng)驗模態(tài)分解三次后的結(jié)果；

圖7為二維經(jīng)驗模態(tài)分解三次后余項部分；

圖8為直接對比度拉伸變換的結(jié)果；

圖9本發(fā)明所得結(jié)果。

具體實施方式

下面結(jié)合附圖和具體實施方式，對本發(fā)明作進一步的說明。

實施例1：如圖1-9所示，一種基于bemd和對比度拉伸變換的圖像增強方法，bemd即為二維經(jīng)驗模態(tài)分解，包括如下步驟：首先在matlab中輸入一幅待增強的圖像，通過二維經(jīng)驗模態(tài)分解算法求取圖像的極值點從而獲得上下包絡面，并計算出均值包絡面然后利用篩選算法獲得二維圖像信號的一系列內(nèi)稟模式函數(shù)，該系列內(nèi)稟模式函數(shù)就表示為不同頻率的子圖像，去除不能表現(xiàn)細節(jié)信息的低頻子圖像，篩選出頻率高的高頻子圖像，再利用對比拉伸變換算法對高頻子圖像進行對比度拉伸變換，最后對變換后的子圖像相加融合即得到增強結(jié)果。

具體地，所述進行二維經(jīng)驗模態(tài)分解的具體步驟如下：

step1.1、將在matlab中輸入一幅待增強的圖像f(x,y)，x、y代表圖像的長和寬的像素值的變量，賦初值，令i＝1,k＝1，imf表示不同頻率的子圖像，imfi表示第i個imf，k表示imfi所進行的循環(huán)次數(shù)，余項的初值為rik(x,y)，rik(x,y)＝f(x,y)；

step1.2、計算rik(x,y)的極大值包絡hup(x,y)以及它的極小值包絡hlow(x,y)，獲得上下包絡面；

step1.3、計算rik(x,y)的均值曲面，獲得均值包絡面，均值曲面即為均值包絡面，其公式如下：

mean(x,y)＝(hup(x,y)+hlow(x,y))/2(1)

step1.4、根據(jù)rik(x,y)以及它的均值曲面mean(x,y)計算其差值函數(shù)，其差值計算公式如下：

dik(x,y)＝rik(x,y)-mean(x,y)(2)

step1.5、判斷差值函數(shù)dik(x,y)是否滿足sd＜ε，即迭代終止參數(shù)ε＝0.3，sd表示標準差，di(k-1)(x，y)表示上次循環(huán)的差值函數(shù)，x、y代表x、y的最大值，當滿足時，得到內(nèi)稟模式函數(shù)：imfi(x,y)＝dik(x,y)，令r(i+1)1(x,y)＝ri1(x,y)-imfi(x,y)，并且i＝i+1,k＝1，r(i+1)1(x，y)表示一次循環(huán)后的余項，重復step1.2～step1.4計算下一個內(nèi)稟模式函數(shù)，直到余項沒有極值點；當不滿足時，令ri(k+1)(x,y)＝dik(x,y)，并且令k＝k+1，重復step1.2～step1.4直到差值函數(shù)滿足sd＜ε；

綜上所述，對于圖像f(x,y)通過二維經(jīng)驗模態(tài)分解分解為n個內(nèi)稟模式函數(shù)imfi及其余項函數(shù)r(x,y)可以用下式來表示：

具體地，所述篩選出高頻子圖像具體步驟如下：

step2.1、對原圖像f(x,y)通過二維經(jīng)驗模態(tài)分解后得到的子圖像進行篩選，其中保留高頻子圖像imf1,imf2,···imfi，舍去低頻子圖像imfi+1,imfi+2,···,imfn,ref，n為不含余項部分的子圖像總個數(shù),ref為圖像分解后的余項部分。

具體地，所述利用對比度拉伸變換算法對高頻子圖像進行對比度拉伸變換，然后相加圖像融合的具體步驟如下：

step3.1、分別對高頻子圖像進行對比度拉伸變換，其對比度拉伸變換公式如下：

s＝t(r)＝1/(1+(m/r)^e)(4)

其中r表示輸入圖像的亮度，s是輸出圖像中的相應亮度值，e控制該函數(shù)的斜率，m為輸入圖像像素平均值，t(r)表示輸出圖像的亮度；

step3.2、確定m和e的取值；

step3.3、進行對比度拉伸變換，從而得到拉伸變換后的高頻子圖像；

step3.4、把拉伸變換后的高頻子圖像進行相加融合，其公式如下：

h＝t(imf1)+t(imf2)+···+t(imfi)(5)

其中h為增強后的圖像，t(imf1)是imf1對比度拉伸變換后的圖像，t(imf2)是imf2對比度拉伸變換后的圖像，t(imfi)是imfi是對比度拉伸變換后的圖像。

所述步驟3.1到3.4中初始化對比度拉伸變換參數(shù)具體的設置為控制該函數(shù)的斜率e＝0.9，輸入圖像像素平均值m＝mean2(f)。

說明書附圖中展示了本發(fā)明針對有細節(jié)信息的原圖進行二維經(jīng)驗模態(tài)分解所得的結(jié)果；結(jié)果為三個imf分量(imf1,imf2,imf3)以及一個余項函數(shù)ref。從圖4中可以看到經(jīng)過bemd分解以后得到的第1個分量即imf1含有豐富的邊界、細節(jié)信息；從圖5中可以看到經(jīng)過bemd分解以后得到的第2個分量imf2，imf2較imf1模糊，但仍然具有豐富的邊界信息；從圖6中可以看到經(jīng)過bemd分解以后得到的第3個分量imf3，imf3則包含較多的低頻成份；從圖7中可以看到經(jīng)過bemd分解以后得到的圖像的余項部分即ref，ref則比較模糊主要為低頻成份，代表圖像趨勢信息。結(jié)果可以看出隨著i的增加，不同頻率的圖像可以被分解出來。

通過matlab程序?qū)D4和圖5分別進行對比度拉伸變換，然后進行相加融合。其結(jié)果如圖9所示。結(jié)果可以看出與直接對比度拉伸變換相比，本發(fā)明的結(jié)果具有很好的細節(jié)增強效果，并且邊界清晰。

結(jié)合附圖對本發(fā)明的具體實施方式作了詳細說明，但是本發(fā)明并不限于上述實施方式，在本領域普通技術人員所具備的知識范圍內(nèi)，還可以在不脫離本發(fā)明宗旨的前提下作出各種變化。