一種圖像邊緣自適應(yīng)增強方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)，尤其涉及一種圖像邊緣自適應(yīng)增強方法及裝置。
【背景技術(shù)】
[0002] 圖像的邊緣是指圖像的局部特征(如亮度、紋理結(jié)構(gòu)等）發(fā)生變化的地方。圖像邊 緣含有豐富的信息，對圖像分割、特征提取、識別等圖像處理領(lǐng)域有著重要的意義。
[0003] 圖像邊緣增強是圖像增強處理的一種。它是將圖像相鄰像元(或區(qū)域）的亮度值 (或色調(diào))相差較大的邊緣（即影像色調(diào)突變或地物類型的邊界線)處加以突出強調(diào)的技術(shù)方 法。經(jīng)圖像邊緣增強后的圖像能更清晰地顯示出不同地物類型或現(xiàn)象的邊界或線形影像的 行跡，以便于不同地物類型的識別及其分布范圍的圈定。
[0004] 現(xiàn)有技術(shù)中，有很多方法實現(xiàn)圖像邊緣增強，例如相關(guān)掩膜技術(shù)以及反銳化模板 法等，相關(guān)掩膜技術(shù)為：將原圖像(影像）拷制成一張正膜片和一張負膜片，并使兩張不同性 質(zhì)的膜片精確重疊，在曝光沖印時，將兩張膜片相互錯動很小的距離，這樣得到一張相應(yīng)影 像有稍許錯位"鑲邊"的圖像，其大部分影像正負抵消，而其邊緣部分出現(xiàn)一亮線(或暗線)， 達到從背景中突出影像邊界線的顯示效果，使圖像達到增強。反銳化模板法的原理為：首先 將原圖像低通濾波后產(chǎn)生一個鈍化模糊圖像，將原圖像與這模糊圖像相減得到保留高頻成 份的圖像，再將高頻圖像用一個參數(shù)放大后與原圖像疊加，這就產(chǎn)生一個增強了邊緣的圖 像。
[0005] 傳統(tǒng)的圖像邊緣增強技術(shù)，增強效果一般，需要用戶干預(yù)圖像邊緣技術(shù)過程，往往 存在增強邊緣同時，也增強了不希望增強的區(qū)域和噪聲，這是許多邊緣增強方法的通病。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明實施例提供一種圖像邊緣自適應(yīng)增強方法及裝置，用以解決現(xiàn)有技術(shù)中存 在增強效果一般，增強邊緣同時，也增強了不希望增強的區(qū)域和噪聲。
[0007] 本發(fā)明實施例提供的具體技術(shù)方案如下：
[0008] 第一方面，一種圖像邊緣自適應(yīng)增強方法，包括：
[0009] 根據(jù)圖像中每一個像素點對應(yīng)的鄰域像素點，獲得所述每一個像素點的細節(jié)指 數(shù)，其中，所述細節(jié)指數(shù)為衡量圖像邊緣強度的指標；
[0010] 根據(jù)所述每一個像素點的細節(jié)指數(shù)和預(yù)設(shè)的細節(jié)指數(shù)閾值，得到所述每一個像素 點的低細節(jié)隸屬度；
[0011] 對所述圖像中低細節(jié)隸屬度為1的像素點進行降噪處理，對所述圖像中低細節(jié)隸 屬度小于1的像素點進行邊緣增強處理，得到最終的目標圖像。
[0012] 通過根據(jù)圖像中的每個像素的細節(jié)指數(shù)劃分隸屬度，并將低細節(jié)隸屬度為1的像 素點進行濾波，將其它的像素點進行邊緣增強處理，這種隸屬度模糊劃分方法使圖像過渡 位置處理的更自然，且能有效的去除噪聲，增強需要增強的區(qū)域，增強圖像的銳利度，并保 證了不會出現(xiàn)過沖現(xiàn)象。
[0013] 結(jié)合第一方面，在第一種可能的實現(xiàn)方式中，當(dāng)所述圖像為彩色圖像時，在根據(jù)圖 像中每一個像素點對應(yīng)的鄰域像素點，獲得所述每一個像素點的細節(jié)指數(shù)之前，還包括：
[0014] 對所述彩色圖像進行色彩空間轉(zhuǎn)換處理，將所述彩色圖像轉(zhuǎn)換為亮度色度YUV空 間圖像；
[0015] 以及得到最終的目標圖像之后，還包括：
[0016] 運用如下公式將經(jīng)過色彩空間轉(zhuǎn)換處理后的YUV空間圖像，恢復(fù)為彩色圖像：
[0017]
【主權(quán)項】
1. 一種圖像邊緣自適應(yīng)增強方法，其特征在于，包括： 根據(jù)圖像中每一個像素點對應(yīng)的鄰域像素點，獲得所述每一個像素點的細節(jié)指數(shù)，其 中，所述細節(jié)指數(shù)為衡量圖像邊緣強度的指標； 根據(jù)所述每一個像素點的細節(jié)指數(shù)和預(yù)設(shè)的細節(jié)指數(shù)閾值，得到所述每一個像素點的 低細節(jié)隸屬度； 對所述圖像中低細節(jié)隸屬度為1的像素點進行降噪處理，對所述圖像中低細節(jié)隸屬度 小于1的像素點進行邊緣增強處理，得到最終的目標圖像。
2. 如權(quán)利要求1所述的方法，其特征在于，當(dāng)所述圖像為彩色圖像時，在根據(jù)圖像中每 一個像素點對應(yīng)的鄰域像素點，獲得所述每一個像素點的細節(jié)指數(shù)之前，還包括： 對所述彩色圖像進行色彩空間轉(zhuǎn)換處理，將所述彩色圖像轉(zhuǎn)換為亮度色度YUV空間圖 像； 以及得到最終的目標圖像之后，還包括： 運用如下公式將經(jīng)過色彩空間轉(zhuǎn)換處理后的YUV空間圖像，恢復(fù)為彩色圖像：
其中，Y表示一個像素的亮度，U和V表示一個像素的色度，R、G和B為一個像素中紅、 綠和藍的發(fā)光強度數(shù)值。
3. 如權(quán)利要求1或2所述的方法，其特征在于，根據(jù)所述圖像中任一個像素點對應(yīng)的鄰 域像素點，獲得所述任一個像素點的細節(jié)指數(shù)，包括： 選擇所述圖像中以所述任一個像素點為中心的（2n+l)*(2n+l)鄰域，對所述鄰域中的 所有像素點的亮度值進行算術(shù)平均值計算，得到所述任一個像素點對應(yīng)的鄰域像素亮度平 均值，其中，η為大于或等于1的正整數(shù)； 將所述鄰域中的每一個像素點的的亮度值與所述任一個像素點對應(yīng)的鄰域像素亮度 平均值的差的平方進行累加，得到所述任一個像素點的細節(jié)指數(shù)。
4. 如權(quán)利要求1或2所述的方法，其特征在于，在得到所述每一個像素點的低細節(jié)隸屬 度的同時，還包括： 根據(jù)所述圖像中每一個像素點的細節(jié)指數(shù)和預(yù)設(shè)的細節(jié)指數(shù)閾值，得到所述每一個像 素點的中細節(jié)隸屬度和高細節(jié)隸屬度。
5. 如權(quán)利要求4所述的方法，其特征在于，根據(jù)所述圖像中任一個像素點的細節(jié)指數(shù) 和預(yù)設(shè)的細節(jié)指數(shù)閾值，得到所述任一個像素點的低細節(jié)隸屬度、中細節(jié)隸屬度和高細節(jié) 隸屬度，包括： 若所述任一個像素點的細節(jié)指數(shù)小于或等于T1時，則所述任一像素點的低細節(jié)隸屬度 為1 ;若所述任一個像素點的細節(jié)指數(shù)大于T1且小于T2時，則所述任一像素點的低細節(jié)隸 屬度與T 2和所述任一個像素點的細節(jié)指數(shù)的差正相關(guān)，與T2和T1的差負相關(guān)；若所述任一 個像素點的細節(jié)指數(shù)大于或等于T 2時，則所述任一像素點的低細節(jié)隸屬度為O ; 若所述任一個像素點的細節(jié)指數(shù)小于或等于T1時，則所述任一像素點的中細節(jié)隸屬度 為〇 ;若所述任一個像素點的細節(jié)指數(shù)大于T1且小于T2時，則所述任一像素點的中細節(jié)隸 屬度與所述任一個像素點的細節(jié)指數(shù)和T1的差正相關(guān)，與T2和T1的差負相關(guān)；若所述一個 像素點的細節(jié)指數(shù)大于或等于T2且小于或等于T3時，則所述任一像素點的中細節(jié)隸屬度為 1 ;若所述任一個像素點的細節(jié)指數(shù)大于!^且小于1\時，則所述任一像素點的中細節(jié)隸屬度 與T4和所述任一個像素點的細節(jié)指數(shù)的差正相關(guān)，與T 4和T3的差負相關(guān)；若所述任一個像 素點的細節(jié)指數(shù)大于或等于T4時，則所述任一像素點的中細節(jié)隸屬度為O ; 若所述任一個像素點的細節(jié)指數(shù)小于或等于T3時，則所述任一像素點的高細節(jié)隸屬度 為O;若所述任一個像素點的細節(jié)指數(shù)大于T3且小于T4時，則所述任一像素點的高細節(jié)隸 屬度與所述任一個像素點的細節(jié)指數(shù)和T 3的差正相關(guān)，與T4和T3的差負相關(guān)；若所述任一 個像素點的細節(jié)指數(shù)大于或等于T 4時，則所述任一像素點的高細節(jié)隸屬度為1 ; 其中，1\、T2、T3和T4為預(yù)設(shè)的細節(jié)指數(shù)閾值，且滿足O < T1 < T2 < T3 < τ4。
6. 如權(quán)利要求1或2所述的方法，其特征在于，對所述圖像中任一個低細節(jié)隸屬度為1 的像素點進行降噪處理，包括： 篩選出以所述任一個低細節(jié)隸屬度為1的像素點為中心的（2η+1)*(2η+1)鄰域中，鄰 域像素亮度的最大值Maxf、最小值Minf和中間值Medf，其中， Maxf = Max ( f(x -f /\ ι? -? /)), Minf = Min ( f(x H /, y I-,/)) ? Medf = Medicm{ f(x -l·/, v -f /))； -n<ij<n -n<i,j<n -n<i,j<n 對所述任一個低細節(jié)隸屬度為I的像素點進行中值濾波處理，若所述任一個低細節(jié)隸 屬度為1的像素點的亮度值不等于Maxf，且不等于Minf，則所述任一個低細節(jié)隸屬度為1 的像素點的亮度值不變；若所述任一個低細節(jié)隸屬度為1的像素點的亮度值等于Maxf，或 者等于Minf，則所述任一個低細節(jié)隸屬度為1的像素點的亮度值等于Medf。
7. 如權(quán)利要求4所述的方法，其特征在于，對所述圖像中任一個低細節(jié)隸屬度小于1的 像素點進行邊緣增強處理，包括： 根據(jù)所述任一個低細節(jié)隸屬度小于1的像素點的中細節(jié)隸屬度和高細節(jié)隸屬度，以及 針對中細節(jié)隸屬度和高細節(jié)