[发明专利]一种融合多模糊算子的数字图像模糊增强方法

说明书

技术领域

本发明涉及一种芯片设计领域中的图像处理技术，尤其涉及一种融合多模糊算子的数字图像模糊增强方法，即用模糊集理论实现一种图像增强的方法，可用于处理黑白和彩色图像。

背景技术

目前，在芯片设计中图像处理的应用越来越广泛，比如：数码照相机、数码摄像机、手机、视频会议系统等等。而图像处理一般包括预处理、压缩和后处理几个部分。图像增强技术是图像预处理中一种常用的手段，其目的是按照特定的需要，针对给定的图像，有选择地突出或削弱图像中的某些信息，以提高人眼的视觉效果，或将图像转换成适合人眼的观察或机器的分析与处理。

由于彩色图像可能被噪声污染，如传感器振动、背景光分布不均、光照条件不足、图像采集过程中光圈设置不当或快门速度调节不当引起曝光不足或曝光过度等，上述不确定因素都会使图像质量下降。此时的图像已经不适合后续的分析与处理，因此对图像进行增强处理已经成为必要。图像增强是数字图像预处理中的一种重要手段，通过图像增强可以改善视觉效果，或易于机器分析。图像的模糊增强是利用图像中存在的某种不确定性，即模糊性，将模糊集理论用于图像增强的一种方法。传统的图像增强方法分为空域法和频域法。空域法如图像均衡、对比度拉伸等。传统的面向具体问题的图像增强方法当图像亮度分布不均匀时(如图像中有大部分区域很白、小部分区域偏黑或大部分区域很黑，小部分区域很白的情况)会处理失效，具有很大局限性。由于图像被噪声污染的原因的不确定性，以及图像的某些模糊特性，难以用统计信息进行描述，而模糊数学的理论能够很好地解决这些不确定的、具有模糊性的问题。利用模糊集合的概念和逻辑推理方式处理图像因多灰度所造成的不确定性问题比用普通集合的思维更加合理。将模糊集理论用于图像增强领域，可以取得比传统图像增强方法更好的视觉效果。

1965年，美国加利福尼亚大学著名控制论专家L.A.Zadeh教授发表了论文“fuzzy sets”，文中明确提出了模糊性的问题，给出了模糊概率的定量描述方法，从而诞生了模糊数学。模糊数学的产生不仅拓宽了经典数学的数学基础，而且为数学更好地运用到具体模糊现象和模糊概念的各个领域作出了重要贡献。目前，模糊集理论已经广泛用于人工智能、模式识别等领域中，并取得了明显成效。1981年，S.K Pal等人提出了图像的模糊增强方法，将模糊理论引入到图像增强技术中。模糊性是指客观事物的差异在中间过渡时所呈现的“亦此亦彼”的不分明性，比如“高与低”，“冷与热”，“暗与亮”等。由于图像在成像过程中存在许多不确定性，即模糊性，针对图像的模糊性将模糊理论运用到图像处理，往往能够取得比传统图像增强方法更好的视觉效果。Pal模糊图像增强算法有以下基本步骤：(1)对原图像按一定变换公式进行模糊特征提取，得到图像的模糊特征平面；即：首先将一幅M×N维且具有L个灰度级(一般L取值为0～255)的图像X看作一个模糊点阵X=∪i=1M∪j=1Npij/xij,pij/xij]]>表示图像(i，j)个象素x_ij具有的某种特征的程度，p_ij称为隶属函数。隶属函数可以是非线性指数型或倒数型函数，也可以为线性函数。简记为：p_ij＝T(x_ij)。T为从空域图像变换到模糊域的变换因子，T变换中包括指数型和倒数型因子，它们的取值将直接影响到模糊性的大小。(2)在模糊特征平面上，对模糊特征按一定的模糊增强算子进行增强处理，得到增强后的模糊增强平面；即：模糊增强算子定义为：p_ij′＝I_r(p_ij)＝I₁(I_r-1(p_ij))，r为迭代次数。传统的模糊增强算法中，模糊增强算子为：指数型因子、对数型因子、双曲函数型因子或多项式因子中的一种。(3)对新的模糊增强平面按照(1)的逆变换，得到相应的增强后的输出图像；即：对已增强的模糊特征p_ij′进行T^-1变换，得出已增强的空域图像X′，记为：X′＝T^-1(p_ij′)，T^-1为(1)中T的反变换，主要目的是将增强后的模糊域图像反变换回空域，以得到增强后的空域图像。