一种基于小波变换图像分解的对比度增强方法与流程

本发明属于图像处理和计算机视觉检测领域，涉及一种基于小波变换图像分解的对比度增强方法。
背景技术：
：目前机器视觉技术是锻件尺寸测量的一种重要方法，而通过在锻件表面投射辅助激光光条并进行精确提取从而实现尺寸准确测量的方式被广泛采用。然而，由于锻件形状不一，现场环境干扰等因素，导致直接采集的光条图像极易出现局部亮度不均，致使光条提取误差增大，甚至无法完整提取，严重影响最终锻件尺寸测量的精度。因此，在进行光条特征提取之前对图像进行一定的处理，增强激光光条图像的对比度，改善光条特性具有十分重要的意义。傅志中等人发明的《一种图像对比度增强方法》，专利公开号：CN104700365A，该发明基于人眼视觉的临界可见偏差特性，设计临界可视偏差增强函数和梯度压扩函数，从增强后的梯度场重建增强图像。该方法对于改善视觉效果作用良好，但对于计算机提取图像特征的精度没有较好的改善。温亦谦等人发明的《图像对比度增强方法》，专利公开号：CN105184754A，该发明通过分别计算同一列相邻两行和同一行相邻两列的像素之间的灰阶差的绝对值，依据该绝对值分别计算第一、第二灰阶值权重，再通过第一、第二灰阶值权重进行累加计算和归一化处理，最终获得增强灰阶表，进而对各个像素的灰阶值进行重新分配，提高图像的对比度，优化显示效果。该方法操作繁琐，且同样只适用于改善视觉显示效果。技术实现要素：本发明所要解决的技术问题是克服现有技术的缺陷，发明一种基于小波变换图像分解的对比度增强方法。具体是指基于小波分解后对图像高频信息进行去噪，低频信息进行对比度增强的图像处理方法。采用小波变换方法与限制对比度自适应直方图均衡方法对图像高低频信息进行分别处理，实现光条图像对比度增强，改善光条一致均匀性，提高图像质量。本发明采取的技术方案是一种基于小波变换图像分解的对比度增强方法，其特征是，该方法首先对光条亮度不均匀的图像通过小波变换进行高低频信息分离，然后对高频部分信息通过小波变换多尺度阈值去噪方法进行噪声去除，而对于低频部分信息利用限制对比度自适应直方图均衡方法进行对比度增强，最后利用小波反变换得到增强后的图像；方法的具体步骤如下：步骤1：采用小波变换分离光条图像高低频信息使用MATLAB读入待增强图像，利用小波变换工具箱中的dwt2函数对图像进行小波变换；其中，小波基选择Harr函数，从而将图像信息分解为高频部分和低频部分，再对高低频信息分别进行处理，高频信息进行去噪，低频信息进行对比度增强；步骤2：高频信息处理激光光条图像中光条信息所占像素较少，灰度级分布稀疏，而背景所占像素多，灰度级分布密集，且图像中包含大量的图像噪声，为了同时兼顾信号部分信息的保留以及噪声成分的有效去除，采用小波变换多尺度阈值去噪法，确定不同尺度分解的高频信息噪声阈值；由于本方法需要对低频信息进行信号增强，因此选择硬阈值去噪，不改变高频信号的小波系数，避免对后续低频信息对比度增强造成干扰；处理后的高频信号小波系数为：w′(i,j)=w(i,j),|w(i,j)|≥T0,|w(i,j)|<T---(1)]]>其中，w(i,j)为原图像分离后高频信号小波系数，T为阈值；对于不同分解尺度j，高频系数的阈值Tj为：Tj=Kσn2σx=log(Lj)σn2σx---(2)]]>其中，K为修正系数，Lj为小波系数的长度，σn2为噪声方差，σx为子带小波系数标准差；通过以上公式即可对原图像高频信号小波系数进行修正，从而实现图像去噪。步骤3：低频信息处理为了避免传统直方图均衡化将图像进行灰度级合并导致图像细节信息丢失的问题，在自适应直方图均衡化的基础上采用限制对比度自适应直方图均衡方法对每个小区域都使用对比度限幅，从而有效减少了噪声的放大；在直方图均衡化中，映射曲线D与累积分布函数CDF成比例关系：D(i)=MNCDF(i)---(3)]]>其中，M为最高灰度值，N为像素个数，i为灰度级，i∈[0,255]。又因累计分布函数CDF是灰度直方图Hist的积分，即CDF(i)＝∫Hist(i)di(4)由以上公式可知，限制CDF的斜率就相当于限制Hist的幅度；因此，采用限制对比度自适应直方图均衡方法需要对子块中统计得到的直方图进行裁剪，使其幅值低于某个上限，并将这部分裁剪值均匀地分布在整个灰度区间上，以保证直方图总面积不变，最后为了避免图像的块状效应，每个像素点的值由其周围子块的映射函数值进行双线性插值获得；步骤4：小波反变换得到增强图像利用MATLAB小波变换工具箱中的idwt2函数将修正后的高低频信息进行小波反变换得到增强后的最终图像。检测光条的清晰度分布曲线，比较光条的一致均匀性，检验该方法对避免局部过曝或过暗问题的改善程度。本发明的有益效果是利用小波变换和限制对比度自适应直方图均衡方法，对图像的高低频信息分别进行处理，从而在很大程度上去除了噪声，增强了信号的强度，有效改善了光条的一致均匀性，为后续精确提取光条中心奠定良好的基础。附图说明图1a)为原图像各子块中统计得到的直方图，图1b)为按照一定阈值将直方图进行裁剪重分布后的直方图。图2为对比度增强前后光条清晰度变化曲线，1-增强前曲线，2-增强后曲线。具体实施方式下面结合技术方案和附图详细说明本发明的具体实施方式。图1a)为原图像各子块中统计得到的直方图，图1b)为按照一定阈值将直方图进行裁剪重分布后的直方图。将原图中幅值高于设定阈值的部分裁剪，并等量地均匀分布到图像整个灰度区间上，保证总面积不变。此处由于裁剪部分的加入，会使图像分布整体上移一小部分，导致上方超出原有裁剪处阈值，如图(b)上方所示。但由于影响很小，因此可以忽略不计。在锻件测量中由于待测物体表面与摄像机之间的距离、待测物表面粗糙度和表面曲率不同以及噪声干扰等，导致在同一投影表面激光光条图像亮度不均匀，进一步影响特征提取及测量精度的问题。特别是当激光光条投射在轴类锻件表面，会出现在锻件径向的激光光条中间处较亮，而在两侧则比较暗的情况，较大的亮暗差导致无法获取特征完整的激光光条图像。该方法是利用小波变换和限制对比度自适应直方图均衡方法，对图像的高低频信息分别进行处理，从而在很大程度上去除了噪声，同时增强了信号的强度，首先对光条亮度不均匀的图像通过小波变换进行高低频信息分离，然后对高频部分信息通过小波变换多尺度阈值去噪方法进行噪声去除，而对于低频部分信息利用限制对比度自适应直方图均衡方法进行对比度增强，最后利用小波反变换得到增强后的图像。具体步骤如下：步骤1：小波变换分离光条图像高低频信息使用MATLAB读入待增强图像，利用小波变换工具箱中的dwt2函数对图像进行小波变换，其中小波基选择Harr函数，从而将图像信息分解为高频部分和低频部分，再对高低频信息分别进行处理。高频信息进行去噪，低频信息进行对比度增强。步骤2：高频信息处理激光光条图像中光条信息所占像素较少，灰度级分布稀疏，而背景所占像素多，灰度级分布密集，且图像中包含大量的图像噪声，为了同时兼顾信号部分信息的保留以及噪声成分的有效去除，本发明采用小波变换多尺度阈值去噪法，确定不同尺度分解的高频信息噪声阈值。由于本方法需要对低频信息进行信号增强，因此选择硬阈值去噪，不改变高频信号的小波系数，避免对后续低频信息对比度增强造成干扰。利用MATLAB中wavedec2函数对图像进行二层分解，得到四个915×657的矩阵，其中第一个矩阵为图像低频信息系数，其余三个矩阵分别为图像在水平、竖直以及对角方向上的高频信息矩阵。按照公式(2)对不同尺度下的阈值进行计算，求得高频部分三个矩阵的阈值分别为1.3322、2.4614和1.7066，再利用公式(1)对高频信号小波系数进行处理，从而实现图像去噪。步骤3：低频信息处理为了避免传统直方图均衡化将图像进行灰度级合并导致图像细节信息丢失的问题，本发明在自适应直方图均衡化的基础上采用限制对比度自适应直方图均衡方法对每个小区域都使用对比度限幅，从而有效减少了噪声的放大。由公式(3)、(4)可知，限制CDF的斜率就相当于限制Hist的幅度。计算图像中低频信息部分矩阵的平均数、中位数以及众数分别为36.7857、12和11.5，作为处理的阈值，利用MATLAB中histeq函数，根据低频信息矩阵的系数的大小选择不同的阈值进行直方图均衡化，对子块中统计得到的直方图的幅值进行裁剪，并将这部分裁剪值均匀地分布在整个灰度区间上，以保证直方图总面积不变，其原理如图1所示。最后为了避免图像的块状效应，每个像素点的值由其周围子块的映射函数值进行双线性插值获得。步骤4：小波反变换得到增强图像利用MATLAB小波变换工具箱中的idwt2函数将修正后的高低频信息进行小波反变换得到增强后的最终图像。检测光条的清晰度分布曲线，比较光条的一致均匀性，检验该方法对避免局部过曝或过暗问题的改善程度。图2为对比度增强前后光条清晰度变化曲线，可以看出，增强前曲线1清晰度差别很大，分布很散，光条均匀一致性不好，光条清晰度曲线分布范围较广，最大值与最小值差异较大，因此会导致光条清晰度较高部分的过曝问题与光条清晰度较低部分的过暗问题难以协调，增强前经过本方法处理后光条清晰度较高部分得到了明显的抑制，增强后曲线2容易过曝的部分清晰度显著降低，分布更加平滑，光条一致均匀性得到了有效的改善，光条均匀度明显改善。本发明利用小波变换和限制对比度自适应直方图均衡方法，对图像的高低频信息分别进行处理，在很大程度上去除了噪声，增强了信号的强度，有效改善了光条的一致均匀性。当前第1页1 2 3