一种基于滤波差分的图像锐化方法及终端与流程

1.本发明涉及图像处理技术领域，特别涉及一种基于滤波差分的图像锐化方法及终端。


背景技术：

2.随着科学技术的飞速发展，图像处理已越来越广泛的应用在各个行业中，而成像质量的好坏将直接影响最终的图像分析结果。但在成像过程中，受拍摄环境、传感器性能等因素的影响，最终拍摄得到的图像质量大大降低，不仅包含大量噪声，而且图像的细节纹理部分较模糊，对于后续的图像信息统计、分析有很大影响。
3.图像锐化的目的是使得模糊的区域变清晰、突出图像细节、提高图像质量，目前已越来越多的应用在航空航天、医疗、显微成像等领域中。图像锐化分为空域和频域锐化算法，目前大多数算法均是根据特定的滤波算法提取图像的高频分量，然后按照不同的权重对高频信息进行增强，与原图进行叠加即可实现图像的锐化。但这些算法均存在各种各样的问题，比如噪声被放大、图像“过冲”以及计算量大等，适用性较差。


技术实现要素：

4.本发明所要解决的技术问题是：提供一种基于滤波差分的图像锐化方法及终端，能够在不放大噪声的基础上增强图像细节和边缘。
5.为了解决上述技术问题，本发明采用的技术方案为：
6.一种基于滤波差分的图像锐化方法，包括步骤：
7.接收输入的待锐化图像，将所述待锐化图像转换为yuv图像格式，并提取所述待锐化图像的y分量；
8.对所述y分量进行自适应引导滤波差分，得到所述y分量的图像高频信息；
9.基于孤立点抑制将所述图像高频信息进行分层，得到细节层和噪声层，对所述y分量的噪声层进行抑制，并对所述y分量的细节层进行增强；
10.将增强后的y分量和待锐化图像的uv分量进行合成，并转换为原始输入图像的格式。
11.为了解决上述技术问题，本发明采用的另一种技术方案为：
12.一种基于滤波差分的图像锐化终端，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
13.接收输入的待锐化图像，将所述待锐化图像转换为yuv图像格式，并提取所述待锐化图像的y分量；
14.对所述y分量进行自适应引导滤波差分，得到所述y分量的图像高频信息；
15.基于孤立点抑制将所述图像高频信息进行分层，得到细节层和噪声层，对所述y分量的噪声层进行抑制，并对所述y分量的细节层进行增强；
16.将增强后的y分量和待锐化图像的uv分量进行合成，并转换为原始输入图像的格
式。
17.本发明的有益效果在于：接收输入的待锐化图像，将待锐化图像转换为yuv图像，能够根据y分量进行后续的锐化处理；具体的，对y分量进行引导滤波差分，可提取出包含较少噪声且细节纹理丰富的高频分量，得到y分量的图像高频信息，基于孤立点抑制将图像高频信息进行分层，得到细节层和噪声层，从而对噪声层进行抑制，对细节层进行增强，将增强后的y分量和待锐化图像的uv分量进行合成。因此，可在不放大噪声的前提下对图像细节进行自适应增强，对图像的锐化处理过程中计算量小，能够比较清晰的突出图像细节，提高图像质量。
附图说明
18.图1为本发明实施例的一种基于滤波差分的图像锐化方法的流程图；
19.图2为本发明实施例的一种基于滤波差分的图像锐化终端的示意图；
20.图3为本发明实施例的一种基于滤波差分的图像锐化方法的具体步骤流程图；
21.标号说明：
22.1、一种基于滤波差分的图像锐化终端；2、存储器；3、处理器。
具体实施方式
23.为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
24.请参照图1，本发明实施例提供了一种基于滤波差分的图像锐化方法，包括步骤：
25.接收输入的待锐化图像，将所述待锐化图像转换为yuv图像格式，并提取所述待锐化图像的y分量；
26.对所述y分量进行自适应引导滤波差分，得到所述y分量的图像高频信息；
27.基于孤立点抑制将所述图像高频信息进行分层，得到细节层和噪声层，对所述y分量的噪声层进行抑制，并对所述y分量的细节层进行增强；
28.将增强后的y分量和待锐化图像的uv分量进行合成，并转换为原始输入图像的格式。
29.从上述描述可知，本发明的有益效果在于：接收输入的待锐化图像，将待锐化图像转换为yuv图像，能够根据y分量进行后续的锐化处理；具体的，对y分量进行引导滤波差分，可提取出包含较少噪声且细节纹理丰富的高频分量，得到y分量的图像高频信息，基于孤立点抑制将图像高频信息进行分层，得到细节层和噪声层，从而对噪声层进行抑制，对细节层进行增强，将增强后的y分量和待锐化图像的uv分量进行合成。因此，可在不放大噪声的前提下对图像细节进行自适应增强，对图像的锐化处理过程中计算量小，能够比较清晰的突出图像细节，提高图像质量。
30.进一步地，对所述y分量进行自适应引导滤波差分，得到所述y分量的图像高频信息包括：
31.对引导图像进行图像均值、方差和协方差计算，所述引导图像为所述待锐化图像的y分量；
32.根据引导图像的方差分别计算高、低正则化参数，并基于高、低正则化参数、所述
引导图像的方差和协方差计算出高滤波系数和低滤波系数；
33.根据所述低滤波系数的引导滤波结果和所述高滤波系数的引导滤波结果计算出所述待锐化图像的y分量的图像高频信息。
34.由上述描述可知，根据自适应选取的高低正则化参数，将低正则化参数的引导滤波结果减去高正则化参数的引导滤波结果，因此通过自适应引导滤波差分提取出的高频信息中包含的噪声将大大减少。
35.进一步地，所述基于孤立点抑制将所述图像高频信息进行分层之前包括：
36.对所述待锐化图像的y分量进行拉普拉斯梯度变换。
37.由上述描述可知，对y分量进行梯度变换，便于后续基于梯度和孤立点抑制原理进行图像高频信息的分层及其处理。
38.进一步地，所述基于孤立点抑制将所述图像高频信息进行分层，得到细节层和噪声层包括：
39.基于孤立点抑制、预设的细节阈值和噪声阈值，通过图像高频信息中每一个像素点与其邻域的梯度绝对值判断所述像素点是否为椒盐噪声，若是，则将所述像素点列入噪声层，否则，则将所述像素点列入细节层。
40.由上述描述可知，根据某一像素点与其8邻域像素点的梯度关系以及孤立点抑制原理将高频信息分为细节层和噪声层，能够提高分层准确性。
41.进一步地，对所述y分量的噪声层进行抑制，并对所述y分量的细节层进行增强包括：
42.对所述y分量的噪声层进行高斯滤波，得到噪声抑制后的图像；
43.根据梯度信息将所述细节层中的像素点分为白色边缘和黑色边缘，使用第一增益曲线对所述白色边缘进行增强，使用第二增益曲线对所述黑色边缘进行增强。
44.由上述描述可知，基于孤立点抑制的图像分层可筛选出图像中包含的椒盐噪声并对其进行抑制，自适应增强可根据人眼特性对黑白边缘进行不同程度的自适应增强，因此该锐化方法可在不放大噪声的前提下对图像细节进行自适应增强，能够比较清晰的突出图像细节，提高图像质量。
45.请参照图2，本发明另一实施例提供了一种基于滤波差分的图像锐化终端，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
46.接收输入的待锐化图像，将所述待锐化图像转换为yuv图像格式，并提取所述待锐化图像的y分量；
47.对所述y分量进行自适应引导滤波差分，得到所述y分量的图像高频信息；
48.基于孤立点抑制将所述图像高频信息进行分层，得到细节层和噪声层，对所述y分量的噪声层进行抑制，并对所述y分量的细节层进行增强；
49.将增强后的y分量和待锐化图像的uv分量进行合成，并转换为原始输入图像的格式。
50.由上述描述可知，接收输入的待锐化图像，将待锐化图像转换为yuv图像，能够根据y分量进行后续的锐化处理；具体的，对y分量进行引导滤波差分，可提取出包含较少噪声且细节纹理丰富的高频分量，得到y分量的图像高频信息，基于孤立点抑制将图像高频信息
进行分层，得到细节层和噪声层，从而对噪声层进行抑制，对细节层进行增强，将增强后的y分量和待锐化图像的uv分量进行合成。因此，可在不放大噪声的前提下对图像细节进行自适应增强，对图像的锐化处理过程中计算量小，能够比较清晰的突出图像细节，提高图像质量。
51.进一步地，对所述y分量进行自适应引导滤波差分，得到所述y分量的图像高频信息包括：
52.对引导图像进行图像均值、方差和协方差计算，所述引导图像为所述待锐化图像的y分量；
53.根据引导图像的方差分别计算高、低正则化参数，并基于高、低正则化参数、所述引导图像的方差和协方差计算出高滤波系数和低滤波系数；
54.根据所述低滤波系数的引导滤波结果和所述高滤波系数的引导滤波结果计算出所述待锐化图像的y分量的图像高频信息。
55.由上述描述可知，根据自适应选取的高低正则化参数，将低正则化参数的引导滤波结果减去高正则化参数的引导滤波结果，因此通过自适应引导滤波差分提取出的高频信息中包含的噪声将大大减少。
56.进一步地，所述基于孤立点抑制将所述图像高频信息进行分层之前包括：
57.对所述待锐化图像的y分量进行拉普拉斯梯度变换。
58.由上述描述可知，对y分量进行梯度变换，便于后续基于梯度和孤立点抑制原理进行图像高频信息的分层及其处理。
59.进一步地，所述基于孤立点抑制将所述图像高频信息进行分层，得到细节层和噪声层包括：
60.基于孤立点抑制、预设的细节阈值和噪声阈值，通过图像高频信息中每一个像素点与其邻域的梯度绝对值判断所述像素点是否为椒盐噪声，若是，则将所述像素点列入噪声层，否则，则将所述像素点列入细节层。
61.由上述描述可知，根据某一像素点与其8邻域像素点的梯度关系以及孤立点抑制原理将高频信息分为细节层和噪声层，能够提高分层准确性。
62.进一步地，对所述y分量的噪声层进行抑制，并对所述y分量的细节层进行增强包括：
63.对所述y分量的噪声层进行高斯滤波，得到噪声抑制后的图像；
64.根据梯度信息将所述细节层中的像素点分为白色边缘和黑色边缘，使用第一增益曲线对所述白色边缘进行增强，使用第二增益曲线对所述黑色边缘进行增强。
65.由上述描述可知，基于孤立点抑制的图像分层可筛选出图像中包含的椒盐噪声并对其进行抑制，自适应增强可根据人眼特性对黑白边缘进行不同程度的自适应增强，因此该锐化方法可在不放大噪声的前提下对图像细节进行自适应增强，能够比较清晰的突出图像细节，提高图像质量。
66.本发明上述的一种基于滤波差分的图像锐化方法及终端，适用于在不放大噪声的前提下对图像细节进行自适应增强，从而突出图像细节，实现图像锐化，以下通过具体的实施方式进行说明：
67.实施例一
68.请参照图1和图3，一种基于滤波差分的图像锐化方法，包括步骤：
69.s1、接收输入的待锐化图像，将所述待锐化图像转换为yuv图像格式，并提取所述待锐化图像的y分量。
70.在本实施例中，通过相机采集得到原始的rgb格式的待锐化图像，将待锐化图像转为yuv格式图像，并提取y分量。
71.s2、对所述y分量进行自适应引导滤波差分，得到所述y分量的图像高频信息。
72.s21、对引导图像进行图像均值、方差和协方差计算，所述引导图像为所述待锐化图像的y分量。
73.具体的，计算引导图像的均值：
74.meani＝mean
p
＝f
mean
(p)
75.corri＝corr
ip
＝f
mean
(p*p)；
76.式中，p表示输入的待锐化图像的y分量，i表示引导图像，i＝p，meani、mean
p
分别表示引导图像i和y分量p的均值，corri、corr
ip
分别表示i的自相关均值和i与p的互相关均值，p*p表示两图像中相同位置像素值的乘积，f
mean
表示滤波核大小为5的方框滤波，滤波矩阵为：
77.0.040.040.040.040.040.040.040.040.040.040.040.040.040.040.040.040.040.040.040.040.040.040.040.040.04
78.计算引导图像的方差vari和引导图像与y分量的互相关方差cov
ip
：
79.vari＝corr
i-meani*meani80.cov
ip
＝corr
ip-meani*mean
p
。
81.s22、根据引导图像的方差分别计算高、低正则化参数，并基于高、低正则化参数、所述引导图像的方差和协方差计算出高滤波系数和低滤波系数。
82.具体的，计算低正则化参数ε
min
和高正则化参数ε
max
：
83.ε
min
＝average(vari)/8
84.ε
max
＝max(vari)；
85.式中，低正则化参数为i的1/8方差均值，高正则化参数为i的最大方差。
86.计算滤波系数：
87.a
min
＝cov
ip
/(vari ε
min
)
88.a
max
＝cov
ip
/(vari ε
max
)
89.b
min
＝mean
p-a
min
*meani90.b
max
＝mean
p-a
max
*meani；
91.式中，a
min
、b
min
表示根据低正则化参数计算出的低滤波系数，a
max
、b
max
表示根据高正则化参数计算出的高滤波系数。
92.计算滤波系数的均值：
93.[0094][0095][0096][0097]
式中，表示根据低正则化参数计算出的低滤波系数均值，表示根据低正则化参数计算出的低滤波系数均值，表示根据高正则化参数计算出的高滤波系数均值。
[0098]
s23、根据所述低滤波系数的引导滤波结果和所述高滤波系数的引导滤波结果计算出所述待锐化图像的y分量的图像高频信息。
[0099]
具体的，图像高频信息的计算公式为：
[0100][0101][0102]qhigh
＝q
min-q
max
；
[0103]
式中，q
min
、q
max
分别表示根据低正则化参数和高正则化参数得到的滤波结果图像，q
high
表示根据自适应引导滤波差分得到的图像高频信息。
[0104]
s3、基于孤立点抑制将所述图像高频信息进行分层，得到细节层和噪声层，对所述y分量的噪声层进行抑制，并对所述y分量的细节层进行增强。
[0105]
s31、对所述待锐化图像的y分量进行拉普拉斯梯度变换。
[0106]
具体的，对原始y分量进行拉普拉斯梯度变换，其中拉普拉斯卷积核为：
[0107]-1-1-1-18-1-1-1-1
[0108]
s32、基于孤立点抑制、预设的细节阈值和噪声阈值，通过图像高频信息中每一个像素点与其邻域的梯度绝对值判断所述像素点是否为椒盐噪声，若是，则将所述像素点列入噪声层，否则，则将所述像素点列入细节层。
[0109]
具体的，根据预设的细节阈值、噪声阈值以及canny孤立点抑制的原理筛选图像中的椒盐噪声，通过图像中某一像素点与其8邻域的梯度绝对值判断该点是否为椒盐噪声，并记录该点的梯度均值。
[0110]
在本实施例中，细节阈值thd设置为0.5，噪声阈值thn设置为0，判断g5为噪声点的依据为：
[0111]
1)abs(g5)≥thd时，8邻域的其余像素点梯度绝对值小于thd或者该点的梯度均值绝对值小于thn；
[0112]
2)g5≤0时，8邻域的其余像素点梯度值大于thd。
[0113]
其中，梯度均值为：
[0114][0115]
其中，g5表示当前像素点，g1至g4、g6至g9表示8邻域的其余像素点。
[0116]
所有噪声点组成的图像为噪声图像in，除噪声点之外的所有点组成的图像为细节图像id，所有点的梯度均值组成梯度均值图像i
gmean
。
[0117]
s33、对所述y分量的噪声层进行高斯滤波，得到噪声抑制后的图像。
[0118]
具体的，对原始y分量中提取出噪声点处的像素进行高斯滤波，得到噪声抑制后的图像i
nr
。其中，高斯滤波核大小为3，标准差为1，滤波矩阵为：
[0119]
0.07510.12380.07510.12380.20420.12380.07510.12380.0751
[0120]
s34、根据梯度信息将所述细节层中的像素点分为白色边缘和黑色边缘，使用第一增益曲线对所述白色边缘进行增强，使用第二增益曲线对所述黑色边缘进行增强。
[0121]
具体的，根据梯度信息将细节图像中的像素点分为白色边缘和黑色边缘，使用不同的增益曲线分别对白色边缘和黑色边缘进行增强。本实施例中的算法包含三个增强系数：第一增强系数e1表示用户设置的锐化强度；第二增强系数e2表示根据像素强度设置的符合高斯分布的曲线；第三增强系数e3表示根据梯度值设置的符合s分布的曲线。使用三种增强系数能够根据图像的像素强度及梯度对黑白边缘进行不同程度的增强，防止过锐化或过冲现象。
[0122]
本实施例中的增强步骤包括：
[0123]
s341、求解梯度均值图像中的最大值g
amx
和最小值g
min
；
[0124]gmax
＝max(i
gmean
)
[0125]gmin
＝min(i
gmean
)；
[0126]
s342、判断id中每一点的像素值是否小于预设阈值d
min
，d
min
一般设置为0.5～1.5，若是，则继续判断下一点，否则跳转至步骤s343；
[0127]
s343、对图像中的过亮点和过暗点进行增强幅度的抑制，参考一幅图像中最吸引人眼睛的灰度值区间为32～192的经验，若i
nr
中该点的像素强度大于192，则认为是过亮点；
[0128]
若小于32，则认为是过暗点，此时满足的公式如下：
[0129][0130]
若像素强度处于32～192之间，则e2＝1。
[0131]
s344、判断该点的梯度均值是否大于等于0，若是则判定该点为白色边缘，继续判断梯度均值是否小于或者等于g
max
的一半：
[0132]
若小于或者等于g
max
的一半，则
[0133]
若大于g
max
的一半，则
[0134]
若该点的梯度均值小于0，则判定该点为黑色边缘，继续判断梯度均值是否小于或者等于g
min
的一半：
[0135]
若小于或者等于g
min
的一半，则
[0136]
若大于g
min
的一半，则
[0137]
s345、增强后的图像为：
[0138]
ie(i,j)＝i
nr
(i,j) e1*e2*e3*id(i,j)；
[0139]
若ie(i，j)＞255，则令ie(i，j)＝255。
[0140]
s4、将增强后的y分量和待锐化图像的uv分量进行合成，并转换为原始输入图像的格式。
[0141]
具体的，将增强后的y分量与原始uv分量合成得到增强后的yuv图像，按照常规转换公式将yuv图像转换为rgb图像，进行后续的显示及其他图像处理操作。
[0142]
实施例二
[0143]
请参照图2，一种基于滤波差分的图像锐化终端1，包括存储器2、处理器3以及存储在所述存储器2上并可在处理器3上运行的计算机程序，所述处理器3执行所述计算机程序时实现实施例一的一种基于滤波差分的图像锐化方法的各个步骤。
[0144]
综上所述，本发明提供的一种基于滤波差分的图像锐化方法及终端，包括y分量提取、自适应引导滤波差分、拉普拉斯梯度变换、基于孤立点抑制的图像分层、噪声抑制、自适应增强以及通道合成及转换。y分量提取，具体是将输入的原始图像转换为yuv图像，并提取yuv图像的y分量；自适应引导滤波差分，具体是引导图像为输入图像，根据图像的方差信息自适应选择高、低正则化参数，对滤波后的图像做差分，得到滤除了大量噪声之后的图像高频信息；拉普拉斯梯度变换，具体是设置特定的卷积核与原始图像进行卷积，得到梯度图像；基于孤立点抑制的图像分层，具体是指根据某一像素点与其8邻域像素点的梯度关系以及孤立点抑制原理将高频信息分为细节层和噪声层；噪声抑制，具体是指对原始图像中对应噪声层处的像素点进行高斯滤波，抑制噪声；自适应增强，具体是指根据用户设置的第一增强系数、根据像素强度自适应设置的第二增强系数以及根据梯度均值自适应设置的第三增强系数，分别对图像中的黑白边缘进行不同程度的增强；通道合成及转换，具体是指将增强后的y分量与uv分量进行合成，并转换为原始输入图像的格式。通过本发明的图像锐化方法，可在不放大噪声的前提下对图像细节进行自适应增强。自适应引导滤波差分可提取出包含较少噪声且细节纹理丰富的高频分量，基于孤立点抑制的图像分层可筛选出图像中包含的椒盐噪声并对其进行抑制，自适应增强可根据人眼特性对黑白边缘进行不同程度的自适应增强，且适用范围较广、计算量小，能够比较清晰的突出图像细节，提高图像质量，具有较好的应用价值。
[0145]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。