[发明专利]基于模糊粗糙集理论的视觉特性图像增强算法

说明书

本发明涉及一种基于模糊粗糙集理论的视觉特性图像增强算法，其主要技术特点是：首先对待增强的原始图像结合传统的Sobel梯度算子和中值滤波算法，进行基于模糊粗糙集理论的视觉特性子图划分，其次对不同视觉特性的子图，分别进行基于模糊粗糙集理论的噪声抑制和图像增强变换处理，再对所有子图的变换处理结果进行信息融合。本发明设计合理，能够显著的抑制噪声，具有优良的视觉效果，可广泛应用于数字图像处理领域。

技术领域

本发明属于数字图像处理领域，尤其是一种基于模糊粗糙集理论的视觉特性图像增强算法。

背景技术

图像增强是一种基本的图像预处理手段，通过有选择的加强图像中的有用信息而抑制无用信息，图像增强可以加大图像的对比度，削弱一定程度上的噪声信息，从而改善原始图像的视觉效果以便计算机的后续处理，其应用价值得到了广泛重视。目前，图像增强的方法很多，如基于时域空间运算的灰度变换、直方图均衡、噪声平滑、边缘锐化等，基于变换域运算的高低通滤波、小波变换等；然而由于图像信息本身的复杂性和它们之间有较强的相关性，在处理过程中的各个不同层次又可能出现不完整性和不精确性问题，使得以精确、固定和不变的算法来表达和解决问题的传统图像增强方法效果欠佳。

综上所述，现有的图像增强算法在噪声抑制以及视觉特性方面都存在很大的提升空间。

发明内容

本发明的目的在于克服现有技术的不足，提供基于模糊粗糙集理论的视觉特性图像增强算法，该算法能够显著的抑制噪声，具有优良的视觉效果。

为实现上述目的，本发明的技术方案是：基于模糊粗糙集理论的视觉特性图像增强算法，主要包括以下步骤：

步骤1：初始化图像增强变换梯度阈值p和平均灰度阈值q；

步骤2：按中值滤波算法计算各像素点周围像素的平均灰度值m(s)，并标记噪声区R_c1(s)，其计算公式如下：

其中，i为图像像素的横坐标；

为j图像像素的纵坐标；

q为图像增强变换平均灰度阈值；

s_ij为图像在(i，j)像素坐标点的3×3的像素子块；

s_i±1，j±1为s_ij的相邻图像子块；

c2为像素噪声属性，c2＝{0，1}，其中0代表子块s_ij的平均灰度值与相邻子块平均灰度值之差的绝对值均小于阈值q，1代表子块间的灰度值之差的绝对值均大于阈值q；

m(s)为图像相邻子块的平均灰度值；

int|m(s_i，j)-m(s_i±1，j±1)|为图像相邻子块的平均灰度值之差的绝对值取整；

R_c1(s)为噪声区；

步骤3：按Sobel梯度算子计算各像素点的梯度值g(x)，并标记大梯度区R_c2(x)，其计算公式如下：

R_c2(x)＝{x(i，j)|g(x(i，j))＞＝p}

其中，i为图像像素的横坐标；

j为图像像素的纵坐标；

p为图像增强变换梯度阈值；

c1为像素梯度值属性，c1＝{0，1}，其中0代表0～p梯度值，1代表p～Max梯度值(Max为最大梯度值)；

x(i，j)为图像在(i，j)坐标点的像素值；