本发明涉及一种自适应图像增强方法，属于图像处理
技术领域：
。
背景技术：
：目前图像增强技术的主流技术是像素点的拉伸与扩展，其中，主要的方法是直方图调整法，就是将图像的灰度值(彩色图像色度值)提取下来后进行调整，主要进行直方图均衡化和直方图规范化两类处理。此外，近年来还有三维块匹配法也广泛应用起来，它主要是根据像素点相似度的高低将像素进行分组，然后在每个组内进行涉及多像素的联合滤波(KostadinDabov，AlessandroFoi，andKarenEgiazarian.VideoDenoisingbySparse3DTransform-domainCollaborativeFiltering，15thEuropeanSignalProcessingConference，Poznan，Poland，September3-7，2007:145-149)。有人运用一种将全局与局部方法相结合的图像清晰度增强法，有效提高了图像的对比度，一定程度上增强图像的效果。(SampadaSPathak，PrashantDahiwale，GaneshPadole.ACombinedEffectofLocalandGlobalMethodforContrastImageEnhancement.2015IEEEInternationalConferenceonEngineeringandTechnology，Coimbatore，TN，India)。根据图像的灰度分布，有人提出一种具有自适应性的标准来获取变换系数从而增强图像(LiWANG，ZhimingSONG，KaiYANG，ChaoyongPENG.Aself-adaptiveimageenhancingmethodbasedongrayscalepowertransformation.2011InternationalConferenceonMultimediaTechnology，Hangzhou，China)。结合图像的特征，分类提取图像的细节来进行图像增强，图像质量有一定的增强(S.Chitrakala，P.Shamini，Dr.D.Manjula.Multi-classEnhancedImageMiningofHeterogeneousTextualImagesUsingMultipleImageFeatures.2009IEEEInternationalAdvanceComputingConference.Patiala，India)。技术实现要素：为解决现有技术的不足，本发明的目的在于提供一种自适应图像增强方法，克服目前图像增强方法增强效果不显著，锐化效果不明显等不足，针对图像清晰度与视觉效果欠佳的图像进行增强处理，提高图像清晰度与视觉效果。为了实现上述目标，本发明采用如下的技术方案：一种自适应图像增强方法，其特征是，包括如下步骤：1)输入待处理的图像，计算该图像的平均像素阈值Tadaptive；2)建立增强因子并设定增强方程，增强方程为其中，v(i,j)表示增强方程处理后的像素点，d、e、f、g为增强因子；利用增强方程对待处理的图像的各像素点进行处理；3)组建新算子利用新算子对经过增强方程处理的图像的每个像素进行逐一处理，得到最终的图像；新算子的阶数a依据经验值选择。进一步地，所述步骤1)具体内容如下：读取图像，提取出图像各像素的像素灰度值x(i,j)和图像的横向像素数m与纵向像素数n，首先计算所有像素的x(i,j)之和，然后再用得到的值除以像素点总点数，得到平均像素阈值Tadaptive。进一步地，所述步骤2)中，所述增强因子d、e、f、g有e＝g＝1，且d≥1,e＞0,f∈(0,1],g＞0。进一步地，所述步骤3)中a＝3。本发明所达到的有益效果：本发明可以有效提高图像的清晰度，同时较好保留图像的细节纹理特征，整体上提高图像的视觉效果，可以根据图像实际的灰度(色度)分布进行增强处理，具有较好的自适应性，且本发明方法的平均绝对误差相对较小，对原有图像的细节保真度较好，清晰度较三维块匹配法、直方图均衡化法与直方图规定化法等方法提高较多。附图说明图1是本发明的流程图；图2是待处理原始图像；图3是直方图均衡化处理效果图；图4是直方图规定化处理效果图；图5是三维块匹配法处理效果图；图6是本发明方法处理效果图。具体实施方式下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。本发明是一种具有自适应性的图像增强方法，主要是平均像素阈值的求取，各增强因子的计算所得与新算子的提出与应用，可以提高方法增强的图像针对性与整体效能。具体步骤如下：(1)计算图像的平均像素阈值Tadaptive读取图像，提取出图像各像素的像素灰度值(色度值)x(i,j)和图像的横向像素数m与纵向像素数n，首先计算所有像素的x(i,j)之和，然后再用得到的值除以像素点总点数，得到平均像素阈值，即式中，Tadaptive为平均像素阈值。(2)设置新增强方程，处理原始图像：将Tadaptive作为阈值，根据输入像素点的x(i,j)与Tadaptive的大小关系进行分类讨论计算，有增强方程其中，v(i,j)为增强方程处理后的像素点，d、e、f、g为增强因子。定义d≥1,e＞0,f∈(0,1],g＞0为增强因子们的取值范围，设定增强因子d、e、f、g有：e＝g＝1。将增强因子们带入到增强方程中，逐个处理x(i,j)得到的m×n个v(i,j)。(3)组建新算子并计算y′(i,j)新算子的统一的处理矩阵为其中，a为处理矩阵的阶数。方阵示意图用算式表达为：y′(i,j)=(2n-1)v(i,j)-v(i-1,j-1)-...-v(i-n+12,jn+12)-v(i-1,j+1)-...-v(i-1,j+n+12)-v(i+1,j-1)-...-v(i+n+12,j-n+12)-v(i+1,j+1)-...-v(i+n+12,j+n+12).]]>上式中，y′(i,j)为方阵处理后的像素点，依据经验，取a＝3，形成了3×3处理方阵，即对应的数学表达式为：y′(i,j)＝5v(i,j)-v(i-1,j-1)-v(i-1,j+1)-v(i+1,j-1)-v(i+1,j+1),将v(i,j)逐个进行方阵处理，得到m×n个y′(i,j)。(4)输出增强后的图像将m×n个y′(i,j)进行平铺重组，即增强后的图像本发明方法的流程图如图1所示。为了验证本发明方法的效果，使用MATLAB对图像进行增强实验，并与三维块匹配法、直方图均衡化法和直方图规定化法进行了比较，图像原图如图2所示。本发明用以上几种方法对图2进行了处理，采用definition(清晰度)与MAE(平均绝对误差)评价处理的效果，各项指标的数据如表1所示。从表1可以看出，本发明法的清晰度是最高的，平均绝对误差为第二低，综合客观评价数据而言，本发明法的效果好于其它三种方法。表1各方法客观评价指标数据表为了进一步比较方法的处理效果，用本发明方法与其它三种方法(三维块匹配法、直方图均衡化与直方图规定化)对图2进行处理，分别得到直方图均衡化法增强效果图，如图3所示；直方图规定化法增强效果图，如图4所示；三维块匹配法增强效果图，如图5所示；本发明方法增强效果图，如图6所示。从图6可以看出，相对于图3、图4、图5，本发明方法增强后图像整体清晰度较好，锐化效果较好，且图像整体的灰度分布较好地保留下来，相较于其他三种方法，本发明方法的增强效能较强。综上所述，本发明法的效果优于其它现有方法，主要体现在图像的边缘处锐化效果明显，轮廓更佳凸显，图像平滑区域的细节能更好地体现出来，图像整体灰度(色度)分布更佳合理。以上所述仅是本发明的优选实施方式，应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。当前第1页1 2 3