[发明专利]一种基于小波变换的融合高低频信息的图像增强算法

说明书

本发明公开了一种基于小波变换的融合高低频信息的图像增强算法，主要用于医学、摄影、安防领域中解决光照不均的问题，综合利用图像增强方法，依次包括如下步骤：步骤S1:将彩色图片输入电脑并转换为灰度图，对灰度图片进行二维信号的2层小波分解，将图像从空域转换为频域；步骤S2:提取图像低频分量，并采用同态滤波提高低频分量中的高频响应；步骤S3:将滤波后的低频图像变换到空域进行灰度变换增强图像对比度和亮度；步骤S4:根据增强后的低频分量与高频分量系数重构图像，对重构后的图像进行基于小波变换的阈值去噪，最后获得增强后的图像。利用本发明上述技术方案，有效地增强了图像的低频信息即图像整体亮度，同时又抑制了高频信息中的噪声干扰。

技术领域

本发明是设计一种基于小波变换的融合高低频信息的图像增强算法，具体地说是设计一种基于小波变换的融合阈值去噪、同态滤波和灰度变换的图像增强算法。

背景技术

在数字图像处理领域，图像增强技术是针对特定场景改善图像视觉效果的重要手段。图像增强可以依据图像具体特点及影响视觉感观的问题，针对特定应用目的从而采取针对增强图像某种特征及质量的措施。而进行图像增强主要解决的问题包括：1.提高图像整体与局部的对比度；2.增强图像同时，避免噪声干扰；3.增强图形的视觉效果。由于图像质量受多种因素综合影响，目前还没有通用的算法。

传统的图像增强算法主要分为两大类：频域增强和空域增强。基于空域的图像增强技术直接处理图形像素，改变图像灰度值分布和变化规律，从而实现像素灰度值水平的图像增强。基于频域的图像增强技术采用可逆的图像变换，将在原始空间定义的图像转换到频域，并在频域空间对图像进行增强处理后再转换到原始空间。

随着如今图像增强技术在不同应用领域如医学领域、安防领域以及摄影领域的广泛应用，研究者提出了许多不同的图像增强算法，其中应用最广泛的主要有小波变换算法、直方图均衡算法、偏微分方程算法以及Retinex算法等。目前上述的方法无法使评价指标同时达到最优因此需要根据特定的需求选择最适合的图像增强算法。

发明内容

本发明的目的是基于小波变换技术，在采用同态滤波以及灰度变换算法增强低频图像信息的同时实现对高频噪声的抑制，从而得到更好的视觉效果。

为了实现上述技术问题，本发明可以通过以下研究方案实现：

本发明的一种融合高低频信息的图像增强算法，依次包括以下几个步骤：

步骤S1:将彩色图片输入电脑并转换为灰度图，对灰度图片进行二维信号的2层小波分解，将图像从空域转换为频域；

步骤S2:提取图像低频分量，并采用同态滤波提高低频分量中的高频响应；

步骤S3:将滤波后的低频图像变换到空域进行灰度变换增强图像对比度和亮度；

步骤S4:根据增强后的低频分量与高频分量系数重构图像，对重构后的图像进行基于小波变换的阈值去噪，最后获得增强后的图像。

在本发明所述的图像增强方法中，通过对图像进行小波变换，将图像从空域转换为频域，然后提取图像低频分量，在实际处理中对原图像小波分解为一个低频信号CL1和三个高频信号CH1、CH2、CH3，接着又从低频分量中分解相对低频的一个信号CLL和三个相对高频的信号CLH1、CLH2、CLH3。采用MATLAB小波工具箱中的wavedec2函数来对图像进行小波分解，调用格式为[c,s]＝wavedec2(X，N，’sym4’)。其中X表示原图像信号，N表示对信号进行N层分解，sym4是用来做小波变换的一个母函数，c为各层分解系数,s为各层分解系数长度，也就是大小。

在本发明所述的图像增强方法中，通过以下公式构建同态滤波器函数，实现对图像小波分解后的低频分量进行同态滤波，提升图像的反射光分量从而提升图像的亮度、细节及边缘信息等高频分量，改善图像的质量：