基于对数图像处理模型的改进的反锐化掩模图像增强方法

摘要

一种基于对数图像处理模型的改进的反锐化掩模图像增强方法，属于图像处理领域，方法为：将在传统模型下基于灰度的输入图像转换成对数图像处理模型下基于灰色调的图像；对图像进行改进的反锐化掩模增强：将反锐化掩模增强图像转换为传统模型下基于灰度的图像；本发明在对数图像处理模型下实现反锐化掩模图像增强方法，克服了传统模型下反锐化方法出现灰度“溢出”的不足；本发明利用对数图像处理模型的操作与传统处理模型的操作间的同构关系，通过同构变换和反同构变换，实现更简单、高效；本发明利用图像的梯度信息对图像的边缘区域和平滑区域实施不同程度增强，弥补了传统方法利用常数因子对整个图像进行相同强度增强的不足，所得结果更好。

主权项

1.一种基于对数图像处理模型的改进的反锐化掩模图像增强方法，其特征在于：包括以下步骤：步骤1：将在传统模型下基于灰度的输入图像转换成对数图像处理模型下基于灰色调的图像，公式为：$I=M_1-\bar{I}$式中，I表示灰色调图像，M₁表示最大灰度值矩阵，表示灰度图像；步骤2：对图像进行改进的反锐化掩模增强，方法为：步骤2-1：计算图像的梯度因子g，首先利用高斯平滑算子对传统模型下基于灰度的图像进行滤波，公式为：I_s＝I*G_σ式中，I_s为对传统模型下基于灰度的输入图像进行高斯滤波以后的图像，G_σ为方差为σ的高斯滤波器；然后，利用差分方法计算图像的梯度信息Gray；最后，计算图像的梯度因子g，公式为：$g=\frac{1}{1+\mathrm{Gray}/m}$对图像进行反锐化掩模增强，公式为：I_um＝I+g×(I-I_us)式中，I_us表示经低通滤波后的图像，公式为：$I_{\mathrm{us}}(x,y)=\frac{1}{M\times N}\times \underset{i=x-(M-1)/2}{\overset{x+(M-1)/2}{\Sigma }}\underset{j=y-(N-1)/2}{\overset{y+(N-1)/2}{\Sigma }}I(i,j)$式中，N，M为图像的高和宽，I(i，j)表示原始图像，x，y分别表示当前所处理图像像素点的横纵坐标；最后，利用反同构变换对上述图像进行处理，公式如下：$I={\phi }^{-1}\left(\bar{I}\right)=M_1(1-e^{-\bar{I}/M_1})$式中，表示对灰色调图像进行反同构变换后的图像；步骤2-2：对图像进行改进的反锐化掩模增强：首先，根据同构变换对灰色调图像进行处理，变换公式为：$\bar{I}=\phi \left(I\right)=-M_1\ln (1-\frac{I}{M_1})$式中，φ(I)表示对灰色调图像进行同构变换后的图像；然后，利用均值滤波器对传统模型下基于灰度的输入图像进行低通滤波处理，公式为：$I_{\mathrm{us}}(x,y)=\frac{1}{M\times N}\times \underset{i=x-(M-1)/2}{\overset{x+(M-1)/2}{\Sigma }}\underset{j=y-(N-1)/2}{\overset{y+(N-1)/2}{\Sigma }}I(i,j)$式中，N，M为图像的高和宽，I(i，j)表示原始图像；之后，利用边缘信息作为权重因子对原图像进行反锐化掩模增强处理，此时的操作运算为传统的线性运算，其公式为：I_um＝I+g×(I-I_us)最后，利用反同构变换对上述图像进行处理，公式如下：$I={\phi }^{-1}\left(\bar{I}\right)=M_1(1-e^{-\bar{I}{/M}_1})$式中，表示对灰色调图像进行反同构变换后的图像；所述的步骤2-1和步骤2-2同时执行；步骤3：将步骤2得到的反锐化掩模增强图像转换为传统模型下基于灰度的图像，公式为：${\bar{I}}_{\mathrm{um}}=M_1-I_{\mathrm{um}}$式中，表示增强结果的灰度图像，M₁表示最大灰度值矩阵，该矩阵与图像矩阵大小相同而且每一位的值都是图像的最大灰度值，I_um表示增强结果的灰色调图像；