[发明专利]基于近似方差和暗色块像素统计信息的图像边缘增强方法

说明书

本发明公开了基于近似方差和暗色块像素统计信息的自适应图像边缘增强方法，包括：对未经去噪图像，计算图像每个像素的近似方差；统计单一暗色块亮度均值和方差；根据单一暗色块亮度均值和方差确定相关阈值；计算增强系数矩阵；对经去噪图像进行边缘增强处理。本发明具有的效果是：第一，在图像细节越丰富区域边缘增强程度越大，在图像越平滑区域增强程度越小，对图像噪声不会同时增强；第二，能克服图像暗区容易出现噪声斑点的问题；第三，参数根据图像相关信息自适应调节，能够避免出现过度增强造成边缘光晕等现象。

技术领域

本发明涉及数字图像处理领域，特别涉及一种基于近似方差和暗色块像素统计信息的图像边缘增强方法。

背景技术

图像是人类获取信息最重要的方式，据统计人类获取信息的80％来源于图像。图像是三维物理世界在二维平面的映射。一般的，摄像机拍摄的图像会经过ISP(Imagesignal processing)处理流程，其大致包括以下几个步骤：传感器感光→颜色插值→图像去噪→白平衡→颜色矫正→伽玛校正→边缘增强→图像输出。在这个过程中，图像去噪处理是用来去除图像中的噪声，包括插值噪声、暗噪声和截断噪声等。在去除噪声的同时，也把图像的部分细节，尤其是锐利的边缘细节一同给去除了。这样会给图像带来一定程度的细节丢失，严重时呈现的图像会显得平滑、模糊。为了提升图像的质量，尤其是提升图像边缘等细节程度，在ISP最后一般会进行边缘增强的处理。边缘增强是数字图像处理的一项基本处理操作。经过边缘增强后的图像，与原图相比，会显得更为锐利，对比度更高，更能够突出图像的细节。

边缘增强一般采用的方法是对图像以锐化算子进行卷积，得到结果再叠加(或减去)到原图之上。典型的锐化算子有拉普拉斯锐化算子。除了直接采用锐化算子外，一种应用最广泛的方法是对原图像进行平滑处理，将原图像减去平滑后的图像，其结果乘以一比例系数，再叠加到原图上。用公式可表示如下：

y＝x+k*(x-g(x；δ))

其中y代表边缘增强后的图像，x代表原图，g(x；δ)表示对原图像进行程度为δ的平滑操作，k为增强比例系数。这种方法叫做unsharp masking(USM)。USM是一种线性处理方法，其优点是计算量小、图像增强程度可控，是很多图像处理软件采用的方法。也存在许多基于USM的改进算法。

上述USM及其改进方法在很多方面得到了应用，但是普遍存在的主要缺点有：第一，在很多情况下，除了增强了图像边缘对比度外，噪声也随着被放大了，这使得图像平滑区域的噪声明显偏大，反而对图像造成更严重的污染；图像的暗块区域通常噪声会比其他区域要大，经边缘增强后，这些暗区的噪声显得更为严重；第二，经边缘增强后，容易在边缘附近形成边缘走势的光晕等污染；第三，对参数非常敏感，不同的图像可能需要采用不同的参数数值，很难调节出合适的参数。

发明内容

为克服上述USM等边缘增强方法的缺陷，本发明提供了一种基于近似方差和暗色块像素统计信息的图像边缘增强方法，其特征在于，包括以下步骤：

1)对噪声图像进行HSV分解，取出亮度分量：

设I(x,y)为含有噪声污染的、不经过去噪处理的实际图像，S(x,y)为对I(x,y)进行去噪处理后的结果图像,两者均为RGB颜色格式，且大小均为M×N,本发明不限制去噪处理方法，任何能够有效的图像去噪处理方法都可以用来对I(x,y)进行去噪处理以获得S(x,y)；将I(x,y)和S(x,y)分别转化到HSV颜色空间，分别得到在HSV颜色空间的两幅图像I_hsv(x,y)和S_hsv(x,y),取出两者的亮度分量

2)计算图像像素方差: