一種非線性圖像增強方法及邊緣檢測方法
【專利摘要】本發明公開了一種非線性圖像增強及邊緣檢測方法，圖像增強方法包括以下步驟：圖像轉換、圖像濾波、圖像均衡化。邊緣檢測方法還包括圖像去噪、梯度計算、標記非邊緣像素和邊緣精細化處理步驟。本發明采用非線性的圖像濾波和均衡化方法，有效消除圖像噪聲及增強圖像效果，克服了線性方法的局限性，具有更強的實用性，并在圖像增強后進行邊緣提取，采用的邊緣提取算法具有更好的檢測性、定位性以及最小響應，使圖像輪廓被更清楚地提取出來。
【專利說明】
一種非線性圖像増強方法及邊緣檢測方法
技術領域
[0001] 本發明涉及一種圖像增強方法及邊緣檢測方法，尤其是一種非線性圖像增強方法 及邊緣檢測方法，屬于圖像處理技術領域。
【背景技術】
[0002] 近年來，隨著多媒體技術和因特網的迅速發展與普及，圖像處理技術愈發重要，已 廣泛用于辦公自動化、工業機器人、地理數據處理、地球資源監測、遙感、醫學、通信、交互式 計算機輔助設計等領域，已經逐漸走進人們的日常生活中。但由于受燈光不均勻、環境噪聲 等條件影響，圖像的效果往往不如意，影響著對事物特征的正確認知，因此，對圖像進行增 強以及邊緣提取等深入細致的處理非常必要。
[0003]圖像增強的線性方法在傳統的圖像與信息處理中一直都占據著基礎的、核心的地 位，而實際的物理過程往往是非線性的，利用線性近似的方法在很多情況下是無法解析其 主要性質的，因而用系統的線性特征對圖像的形態特征和幾何結構等非線性因素的分析和 描述就難免有其局限性。
[0004] -階微分算子如Sobel算子、Roberts算子、Prewitt算子、Kirsch算子，在求邊緣的 梯度時，需要對每個像素進行計算，且一般都需要事先設定閾值，得到的邊緣較"厚"，定位 不準確。二階微分的邊緣檢測算子如拉普拉斯算子和LoG算子，對噪聲相當敏感，而且由于 零交叉點并非與邊緣點一一對應，因而常會產生一些虛假邊緣，從而限制了其應用。

【發明內容】

[0005] 針對上述現有技術的缺陷或不足，本發明提出一種非線性圖像增強方法及邊緣檢 測方法。
[0006] 為實現上述發明目的，本發明采用的技術方案如下：
[0007] 技術方案一：
[0008] -種非線性圖像增強方法，包括以下步驟：
[0009] 步驟1:圖像轉換:將獲取的彩色圖像轉換成灰度圖像；
[0010]步驟2:圖像濾波:采用中值濾波方法對所述灰度圖像濾波：
[0011] g(x,y)=Med{f(x-k,y-l)} ,(k,lGff) (1)
[0012] 其中，f(x,y)為原始圖像，g(x,y)為中值濾波后的圖像，W為二維模板，Med為提取 中值運算操作符號；
[0013] 步驟3:圖像均衡化：由以下子步驟組成：
[0014] 步驟3-1:計算均衡化處理前圖像第k個灰度級出現的頻率：
[0015] Ps(sk) =nk/n, l^k^N (2)
[0016] 其中，nk為第k個灰度級像素數，n為像素總數，N為灰度級總數；
[0017]步驟3-2:計算均衡化處理前灰度圖像的灰度值累積分布函數：
[0018] ^=X/^(-v(. } ()</<；V ( 3 } k=Q
[0019] 步驟3-3:調整灰度圖像中像素取值，使均衡化處理后灰度圖像的灰度值累積分布 函數滿足：
(4)
[0021 ]其中，M為灰度圖像的像素總數。
[0022] 所述中值濾波方法采用的二維模板W為5x5大小的模板。
[0023] 技術方案二：
[0024] -種采用技術方案一所述非線性圖像增強方法的邊緣檢測方法，還包括邊緣檢測 步驟，所述邊緣檢測步驟包括以下子步驟：
[0025] 步驟a:圖像去噪:將灰度圖像與二維高斯濾波模板進行卷積運算，消除噪聲；
[0026] 步驟b:梯度計算:利用導數算子計算灰度圖像中各邊緣像素的梯度|G|及其方向 角度9:
15) (6)
[0029] 其中，GjPGy分別為像素在x方向和y方向的導數；
[0030] 步驟c:標記非邊緣像素:依據梯度方向，以各像素為中心，確定其兩側的鄰接像 素;若當前像素的灰度值與它的兩個鄰接像素的灰度值相比不是最大的，則所述邊緣圖中 當前像素標記為非邊緣像素；
[0031] 步驟d:邊緣精細化處理:逐一檢測灰度圖像中各邊緣像素;若當前像素的灰度值 小于低閾值，則將邊緣圖中相應像素標記為非邊緣像素;若當前像素的灰度值小于等于高 閾值且大于等于低閾值，并其不存在大于高閾值的鄰接像素，則將邊緣圖中相應像素標記 為非邊緣像素。
[0032] 所述步驟d中的高閾值和低閾值由累計直方圖確定。
[0033]本發明的有益效果在于：
[0034]本發明采用非線性的圖像濾波和均衡化方法，有效消除圖像噪聲及增強圖像效 果，克服了線性方法的局限性，具有更強的實用性，并在圖像增強后進行邊緣提取，采用的 邊緣提取算法具有更好的檢測性、定位性以及最小響應，使圖像輪廓被更清楚地提取出來。
【附圖說明】
[0035]圖1是本發明實施例1的流程圖；
[0036] 圖2是本發明實施例1中的灰度圖像；
[0037] 圖3是本發明實施例1中經過中值濾波的灰度圖像；
[0038] 圖4是本發明實施例1中均衡化處理前灰度圖像的直方圖；
[0039]圖5是本發明實施例1中經過均衡化處理的灰度圖像的直方圖；
[0040]圖6是本發明實施例1中經過均衡化處理的灰度圖像；
[0041 ]圖7是本發明實施例2的流程圖；
[0042]圖8是本發明實施例2的邊緣圖。
【具體實施方式】 [0043] 實施例1:
[0044]如圖1所示，一種非線性圖像增強方法，包括以下步驟：
[0045] 步驟1:圖像轉換:將獲取的彩色圖像轉換成灰度圖像；
[0046] 步驟2:圖像濾波:采用中值濾波方法對所述灰度圖像濾波；
[0047] 步驟3:圖像均衡化：由以下子步驟組成：
[0048]步驟3-1:計算均衡化處理前圖像第k個灰度級出現的頻率：
[0049] ps(sk) =nk/n, l^k^N (1)
[0050] 其中，nk為第k個灰度級像素數，n為像素總數，N為灰度級總數；
[0051]步驟3-2:計算均衡化處理前灰度圖像的灰度值累積分布函數： i
[0052] /,=[/，、(.、)，0</<~ (2 ) .純
[0053]步驟3-3:調整灰度圖像中像素取值，使均衡化處理后灰度圖像的灰度值累積分布 函數滿足：
(3 )
[0055]其中，M為灰度圖像的像素總數。
[0056]處理彩色圖像時，要分別對RGB三種分量進行處理。但實際上RGB并不能反映圖像 的形態特征，只是從光學的原理上進行顏色的調配，因此，對圖像進行灰度化以減少計算 量，轉換后的灰度圖像如圖2所示。
[0057] 輸入圖像若含有噪聲，將影響圖像的效果以及邊緣檢測的結果，因此，需要對圖像 進行濾波，中值濾波方法是一種對圖像進行非線性處理的方法，它把數字圖像中一點的值 用該點的一個鄰域中各點值的中值替代，讓周圍的像素值接近真實值，從而消除孤立的噪 聲點，中值濾波處理過的圖像如圖3所示。
[0058] 中值濾波的具體實現方法是用特定結構的二維滑動模板，將模板內像素值按大小 進行排序，提取排序居中的數值作為濾波輸出值，其數學表達式為：
[0059] g(x,y)=Med{f(x-k,y-l)} ,(k,lGff) (4)
[0060]其中，f(x,y)為原始圖像，g(x,y)為中值濾波后的圖像，W為二維模板，Med為提取 中值運算操作符號。所述中值濾波方法采用窗口為5x5大小的矩形模板。
[0061]將均衡化處理前灰度圖像中第k個灰度級出現的頻率擬合為曲線，得到均衡化處 理前灰度圖像的直方圖，如圖4所示;通過均衡化處理的灰度圖像的直方圖變成均勻分布， 如圖5所示;均衡化處理后的灰度圖像中圖像灰度值的動態范圍增加，從而達到增強圖像整 體對比度、使圖像變清晰的效果，如圖6所示。
[0062] 實施例2:
[0063]如圖7所示，一種采用權利要求1所述的非線性圖像增強方法的邊緣檢測方法，其 特征在于:還包括邊緣檢測步驟:所述邊緣檢測步驟包括以下子步驟：
[0064] 步驟a:圖像去噪:將灰度圖像與二維高斯濾波模板進行卷積運算，消除噪聲；
[0065] 步驟b:梯度計算:利用導數算子計算灰度圖像中各邊緣像素的梯度|G|及其方向 角度9:
(5) (6)
[0068] 其中，GjPGy分別為像素在x方向和y方向的導數；
[0069] 步驟c:標記非邊緣像素：依據梯度方向，以各像素為中心，確定其兩側的鄰接像 素;若當前像素的灰度值與它的兩個鄰接像素的灰度值相比不是最大的，則所述邊緣圖中 當前像素標記為非邊緣像素；
[0070] 步驟d:邊緣精細化處理:逐一檢測灰度圖像中各邊緣像素;若當前像素的灰度值 小于低閾值，則將邊緣圖中相應像素標記為非邊緣像素;若當前像素的灰度值小于等于高 閾值且大于等于低閾值，并其不存在大于高閾值的鄰接像素，則將邊緣圖中相應像素標記 為非邊緣像素。
[0071] 所述步驟d中的高閾值和低閾值由累計直方圖確定。
[0072] 提取到的邊緣圖如圖8所示。
[0073]需要說明的是，在未脫離本發明構思前提下，對本發明所做的任何微小變化與修 飾均屬于本發明的保護范圍。
【主權項】
1. 一種非線性圖像增強方法，其特征在于:包括以下步驟： 步驟1:圖像轉換:將獲取的彩色圖像轉換成灰度圖像； 步驟2:圖像濾波:采用中值濾波方法對所述灰度圖像濾波： g(x，y)=Med{f(x-k，y_l)}，（k，leff) (I) 其中，f(x，y)為原始圖像，g(x，y)為中值濾波后的圖像，W為二維模板，Med為提取中值 運算操作符號； 步驟3:圖像均衡化：由以下子步驟組成： 步驟3-1:計算均衡化處理前圖像第k個灰度級出現的頻率： Ps(Sk) =nk/n，KkSN (2) 其中，nk為第k個灰度級像素數，η為像素總數，N為灰度級總數； 步驟3-2:計算均衡化處理前灰度圖像的灰度值累積分布函數：(3) 步驟3-3:調整灰度圖像中像素取值，使均衡化處理后灰度圖像的灰度值累積分布函數 滿足：(4) 其中，M為灰度圖像的像素總數。2. 根據權利要求1所述的非線性圖像增強方法，其特征在于:所述中值濾波方法采用的 二維模板W為5 X 5大小的模板。3. -種采用權利要求1所述的非線性圖像增強方法的邊緣檢測方法，其特征在于:還包 括邊緣檢測步驟:所述邊緣檢測步驟包括以下子步驟： 步驟a:圖像去噪:將灰度圖像與二維高斯濾波模板進行卷積運算，消除噪聲；步驟b:梯度計算：利用導數算子計算灰度圖像中各邊緣像素的梯度I G I及其方向角度 Θ： (5) (6) 其中，GjPGy分別為像素在X方向和y方向的導數； 步驟c:標記非邊緣像素：依據梯度方向，以各像素為中心，確定其兩側的鄰接像素;若 當前像素的灰度值與它的兩個鄰接像素的灰度值相比不是最大的，則所述邊緣圖中當前像 素標記為非邊緣像素； 步驟d:邊緣精細化處理:逐一檢測灰度圖像中各邊緣像素;若當前像素的灰度值小于 低閾值，則將邊緣圖中相應像素標記為非邊緣像素;若當前像素的灰度值小于等于高閾值 且大于等于低閾值，并其不存在大于高閾值的鄰接像素，則將邊緣圖中相應像素標記為非 邊緣像素。4. 根據權利要求3所述的邊緣檢測方法，其特征在于:所述步驟d中的高閾值和低閾值 由累計直方圖確定。
【文檔編號】G06T5/00GK105894474SQ201610249024
【公開日】2016年8月24日
【申請日】2016年4月20日
【發明人】王艷飛, 王印松, 宋凱兵, 郭沁
【申請人】華北電力大學（保定）