matlab计算局部图像对比度,一种基于局部对比度的图像锐化方法与流程

本发明涉及图像锐化方法，具体涉及一种基于局部对比度的图像锐化方法。

背景技术：

：真实的亮度图像需要经过很多步骤才能转化为可以直接显示的数字灰度图像。由于电子器件设计不够精密，材料存在缺陷等问题，造成这些成像步骤会为生成的灰度图像引入一定程度的图像模糊现象。典型的引起图像模糊的成像步骤包括：图像传感器CCD或者CMOS对一定区域内的光子的数量做积分，从而模糊了原本清晰的模拟亮度信号；颜色重建过程的差值方法降低了图像色彩的清晰度等。由于图像锐化技术能够抑制由成像过程引入的图像模糊问题，因此该技术被越来越多地应用于数字图像处理领域中。现今较为流行的图像锐化方法是锐化掩模(unsharpmask,USM)算法。USM存在的主要问题是在图像高对比度的边缘，过度地增强图像的对比度，从而造成锐化图像的边缘附近存在严重的灰度跳变区域。这一区域降低了锐化图像的图像质量，影响了锐化图像的主观效果。技术实现要素：本发明的目的是为了解决现有的锐化掩模算法在图像高对比度的边缘会过度增强图像的对比度，从而造成锐化图像的边缘附近存在严重的灰度跳变区域，进而影响锐化图像主观效果的缺点，而提出一种基于局部对比度的图像锐化方法。一种基于局部对比度的图像锐化方法，包括：步骤一、输入RGB图像；步骤二、将所述RGB图像转换为YUV数据；步骤三、对所述YUV数据其中的Y通道数据进行高斯滤波并计算出所述Y通道数据的Weber对比度u(x,y)；步骤四、构建一个用于对所述Weber对比度进行拉伸变换处理的分段函数f(u(x,y))；步骤五、通过如下公式将所述Y通道数据进行处理：其中，I(x,y)为处理后的数据；F(x,y)为Y通道数据；ωc为高斯矩形窗中心像素的权重；G为高斯核函数，表达式为：其中σ2是高斯核的尺度；F*G表示原始图像与高斯核函数进行卷积运算；步骤六、将经过步骤五处理后的Y通道数据对应的YUV数据转换为RGB图像并输出。本发明的有益效果为：1、抑制了伪边缘的情况，即避免出现图形轮廓附近产生明暗对比剧烈的过渡区域；2、提升了图像整体的清晰度；3、本发明相比于锐化掩模算法，信息熵提高了6.3％，标准差提高了4.9％，平均欧式距离提高了9.4％。附图说明图1为本发明的基于局部对比度的图像锐化方法的流程图；图2为本发明中对比度拉伸函数的曲线图；图3为本发明仿真实验中的原始图像；图4为仿真实验中通过USM算法对图3进行锐化后的图像；图5为仿真实验中通过本发明的方法对图3进行锐化后的图像。具体实施方式具体实施方式一：本实施方式的基于局部对比度的图像锐化方法，如图1所示，包括：步骤一、输入RGB图像。步骤二、将RGB图像转换为YUV数据。步骤三、对YUV数据其中的Y通道数据进行高斯滤波并计算出Y通道数据的Weber对比度u(x,y)。步骤四、构建一个用于对Weber对比度进行拉伸变换处理的分段函数f(u(x,y))。步骤五、通过如下公式将Y通道数据进行处理。其中，I(x,y)为处理后的数据；F(x,y)为Y通道数据；ωc为高斯矩形窗中心像素的权重；(x,y)是像素点的平面坐标；G为高斯核函数，表达式为：其中σ2是高斯核的尺度。F*G表示原始图像与高斯核函数进行卷积运算。一个卷积窗尺寸5×5的尺度为1.5的高斯矩形窗函数下表所示：0.01440.02810.03510.02810.01440.02810.05470.06830.05470.02810.03510.06830.08530.06830.03510.02810.05470.06830.05470.02810.01440.02810.03510.02810.0144步骤六、将经过步骤五处理后的Y通道数据对应的YUV数据转换为RGB图像并输出。从上述步骤可以看出，本发明提供一种能够抑制这一伪轮廓的图像锐化算子。首先通过RGB转YUV方法提取不包含彩色成分的亮度图像(Y通道)。其次提出一种图像锐化模型，这种算子需要对Y通道数据进行高斯滤波并且计算Y通道的Weber对比度；再次利用一个具有S形状的分段函数对Weber对比度进行拉伸，从而增强了图像的局部细节和纹理特性；最后，利用YUV转RGB方法，将锐化后的Y通道与未经处理的U、V通道数据转换为RGB图像，从而实现图像锐化。具体实施方式二：本实施方式与具体实施方式一不同的是：步骤二具体为：通过公式将RGB图像转换为YUV数据。对于常用的RGB三通道彩色图像来说：首先，通过RGB转YUV模型分离亮度(Y通道)与两个色差信号(U通道和V通道)数据；其次，单独对Y通道数据进行锐化；最后，将锐化后的Y通道、U通道、V通道进行YUV转RGB变换得到锐化后的彩色图像。公式中Y表示YUV颜色编码方法中的Y通道数据，其含义F(x,y)相同，U表示色度信号U，V表示色度信号V；R、G、B分别为RGB色彩模式中的红、绿、蓝的分量值。其它步骤及参数与具体实施方式一相同。具体实施方式三：本实施方式与具体实施方式一或二不同的是：步骤三中，Y通道数据的Weber对比度u(x,y)的表达式为：其它步骤及参数与具体实施方式一或二相同。具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：步骤四中，用于对Weber对比度进行拉伸变换处理的分段函数f(u(x,y))的表达式为：其中k为用于表示拉伸尺度的参数。这一分段函数可以在定义域内，拉伸Weber对比度从而达到拉伸局部对比度，提高图像细节和纹理特征的目的。在k＝2的前提下，局部对比度拉伸函数示意图如图2所示。从图2可知S形状的局部对比度拉伸函数能够增强图像的局部对比度。具体来说：对比度接近0(即局部对比度最小，图像细节最模糊)的时候，函数的拉伸尺度达到最大，表现为曲线的坡度最陡峭。此时，图像的锐化尺度越大，图像细节提升越显著；对比度接近-1或者1(即局部对比度最大，图像细节最突出)的时候，函数的拉伸尺度较小。此时，图像也得到一定程度锐化，但是锐化尺度较小，图像的细节提升不显著。其它步骤及参数与具体实施方式一至三之一相同。具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：步骤六中，通过如下公式将经过步骤五处理后的Y通道数据对应的YUV数据转换为RGB图像：其中I为经过步骤五处理后的Y通道数据，其含义与I(x,y)相同。其它步骤及参数与具体实施方式一至四之一相同。一、仿真环境：1.软件环境：Matlab2010b，windows7；2.硬件环境：CPU四核i7-6700HQ，内存8GBDDR4，显卡GTX1060；3.输入输出：后缀为bmp的数字图像。二、仿真结果分析：仿真实验中，自由参数设定为k＝2，高斯核尺度σ2＝1。对于标准数字图像cameraman进行图像锐化，对比了原始图像、USM算法锐化图像、本文算法锐化图像的主观视觉效果，验证了本文算法的有效性。实验结果如图3至图5所示。从图3至图5可以看出USM算法以及本文算法都增加了图像的清晰度，提高了图像细节特征。通过USM算法得到的锐化图像在摄像师轮廓附近产生了明暗对比剧烈的过渡区域。在过渡区域较亮的一侧，存在一个延轮廓分布的，宽度极窄的，过度明亮的高亮度区域。在过渡带较暗一侧，存在一个延轮廓分布的，宽度极窄的、过度黑暗的低亮度区域。这种过渡区域严重影响了图像的主观效果。本文算法抑制了这种伪边缘现象，图像边缘附近的灰度跳变得到了有效的控制，图像的整体清晰度也好于USM算法三、客观评价指标：采用三种客观评价指标对实验结果进行评价。第一个评价指标是图像的信息熵，信息熵公式如式7所示：其中i是灰阶值，pi是灰阶值i在图像中出现的概率，H是熵值。信息熵的值决定了图像包含信息量的多少，值越大包含的信息量越多，值越小包含的信息量越少。第二个评价指标灰度的标准差，标准差公式如式8所示：其中N是图像包含的像素总数，σ是灰度的标准差。灰度标准差反映了图像的细节特征。标准差越大，图像灰度变化越剧烈，图像的细节越丰富。标准差越小，图像灰度变化越平缓，图像的细节表现力较差。第三种评价指标是图像局部对比度的欧氏距离的平均值(简称为平均欧氏距离)，公式如式9所示：其中E是平均欧氏距离。从公式9可知，平均欧氏距离反映了锐化图像的局部对比度与绝对平滑对比度(即局部对比度是0)的平均偏移程度。平均欧氏距离越大，局部对比度越高，图像细节特征较为突出。平均欧氏距离越小，局部对比度越低，图像细节特征较为不明显。标准数字图像cameraman的三种客观评价指标数据对比如表1所示：表1客观评价指标数据对比从表1可知经过图像锐化算子处理后，图像内容，细节丰富程度都得到显著提高。具体来看，本文算法在信息熵、标准差、平均欧氏距离三方面均高于传统的USM算法，因此本文算法能够有效地提高图像的纹理、细节特征。本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。当前第1页1&nbsp2&nbsp3&nbsp