[发明专利]一种基于小波变换图像分解的对比度增强方法

摘要

本发明一种基于小波变换图像分解的对比度增强方法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。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。该方法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。

主权项

1.一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：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；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，不改变低频信号的小波系数，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：其中，w(m,n)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：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，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：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。