本發(fā)明涉及一種基于bemd和對(duì)比度拉伸變換的圖像增強(qiáng)方法，屬于數(shù)字圖像處理技術(shù)領(lǐng)域。

背景技術(shù)：

近年來許多圖像增強(qiáng)技術(shù)被提出，但是都各有缺點(diǎn)。目前國(guó)內(nèi)外圖像增強(qiáng)技術(shù)主要有圖像灰度變換、局部直方圖構(gòu)造、基于小波圖像增強(qiáng)以及反銳化掩模。圖像灰度變換是一種很簡(jiǎn)單的圖像增強(qiáng)方法，但是該方法處理圖像時(shí)會(huì)掩蓋圖像的細(xì)節(jié)信息；局部直方圖構(gòu)造是r.cromartie等人提出的一種有約束的構(gòu)造方法，其方法雖然改變圖像對(duì)比度效果不錯(cuò)，但是在增強(qiáng)過程中可能會(huì)引入新的噪聲且增強(qiáng)效果不易控制；基于小波圖像增強(qiáng)是通過對(duì)圖像各部分進(jìn)行加權(quán)來突出細(xì)節(jié)信息，雖然不會(huì)放大噪聲，但是該方法計(jì)算量大，實(shí)時(shí)性不好；hongliu等人曾在血管圖像細(xì)節(jié)增強(qiáng)中使用反銳化掩模法，此方法雖然簡(jiǎn)單但是加大了圖像中的噪聲。因此以上方法雖然可以增強(qiáng)圖像細(xì)節(jié)信息但是也會(huì)引進(jìn)一些不利因素，從而對(duì)圖像分析、識(shí)別等領(lǐng)域的工作帶來麻煩。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是提供一種基于bemd和對(duì)比度拉伸變換的圖像增強(qiáng)方法，該方法既能夠有效地增強(qiáng)細(xì)節(jié)圖像和多目標(biāo)圖像，又可控制增強(qiáng)的效果。

本發(fā)明采用的技術(shù)方案是：一種基于bemd和對(duì)比度拉伸變換的圖像增強(qiáng)方法，包括如下步驟：首先在matlab中輸入一幅待增強(qiáng)的圖像，通過二維經(jīng)驗(yàn)?zāi)B(tài)分解算法求取圖像的極值點(diǎn)從而獲得上下包絡(luò)面，并計(jì)算出均值包絡(luò)面然后利用篩選算法獲得二維圖像信號(hào)的一系列內(nèi)稟模式函數(shù)，該系列內(nèi)稟模式函數(shù)就表示為不同頻率的子圖像，去除不能表現(xiàn)細(xì)節(jié)信息的低頻子圖像，篩選出頻率高的高頻子圖像，再利用對(duì)比拉伸變換算法對(duì)高頻子圖像進(jìn)行對(duì)比度拉伸變換，最后對(duì)變換后的子圖像相加融合即得到增強(qiáng)結(jié)果。

具體地，所述進(jìn)行二維經(jīng)驗(yàn)?zāi)B(tài)分解的具體步驟如下：

step1.1、將在matlab中輸入一幅待增強(qiáng)的圖像f(x,y)，x、y代表圖像的長(zhǎng)和寬的像素值的變量，賦初值，令i＝1,k＝1，imf表示不同頻率的子圖像，imfi表示第i個(gè)imf，k表示imfi所進(jìn)行的循環(huán)次數(shù)，余項(xiàng)的初值為rik(x,y)，rik(x,y)＝f(x,y)；

step1.2、計(jì)算rik(x,y)的極大值包絡(luò)hup(x,y)以及它的極小值包絡(luò)hlow(x,y)，獲得上下包絡(luò)面；

step1.3、計(jì)算rik(x,y)的均值曲面，獲得均值包絡(luò)面，其公式如下：

mean(x,y)＝(hup(x,y)+hlow(x,y))/2(1)

step1.4、根據(jù)rik(x,y)以及它的均值曲面mean(x,y)計(jì)算其差值函數(shù)，其差值計(jì)算公式如下：

dik(x,y)＝rik(x,y)-mean(x,y)(2)

step1.5、判斷差值函數(shù)dik(x,y)是否滿足sd＜ε，即迭代終止參數(shù)ε＝0.3，sd表示標(biāo)準(zhǔn)差，di(k-1)(x，y)表示上次循環(huán)的差值函數(shù)，x、y代表x、y的最大值，當(dāng)滿足時(shí)，得到內(nèi)稟模式函數(shù)：imfi(x,y)＝dik(x,y)，令r(i+1)1(x,y)＝ri1(x,y)-imfi(x,y)，并且i＝i+1,k＝1，r(i+1)1(x，y)表示一次循環(huán)后的余項(xiàng)，重復(fù)step1.2～step1.4計(jì)算下一個(gè)內(nèi)稟模式函數(shù)，直到余項(xiàng)沒有極值點(diǎn)；當(dāng)不滿足時(shí)，令ri(k+1)(x,y)＝dik(x,y)，并且令k＝k+1，重復(fù)step1.2～step1.4直到差值函數(shù)滿足sd＜ε；

綜上所述，對(duì)于圖像f(x,y)通過二維經(jīng)驗(yàn)?zāi)B(tài)分解分解為n個(gè)內(nèi)稟模式函數(shù)imfi及其余項(xiàng)函數(shù)r(x,y)可以用下式來表示：

具體地，所述篩選出高頻子圖像具體步驟如下：

step2.1、對(duì)原圖像f(x,y)通過二維經(jīng)驗(yàn)?zāi)B(tài)分解后得到的子圖像進(jìn)行篩選，其中保留高頻子圖像imf1,imf2,···imfi，舍去低頻子圖像imfi+1,imfi+2,···,imfn,ref，n為不含余項(xiàng)部分的子圖像總個(gè)數(shù),ref為圖像分解后的余項(xiàng)部分。具體地，所述篩選出高頻子圖像具體步驟如下：

step2.1、對(duì)原圖像f(x,y)通過二維經(jīng)驗(yàn)?zāi)B(tài)分解后得到的子圖像進(jìn)行篩選，其中保留高頻子圖像imf1,imf2,···imfi，舍去低頻子圖像imfi+1,imfi+2,···,imfn,ref，n為不含余項(xiàng)部分的子圖像總個(gè)數(shù),ref為圖像分解后的余項(xiàng)部分。

具體地，所述利用對(duì)比度拉伸變換算法對(duì)高頻子圖像進(jìn)行對(duì)比度拉伸變換，然后相加圖像融合的具體步驟如下：

step3.1、分別對(duì)高頻子圖像進(jìn)行對(duì)比度拉伸變換，其對(duì)比度拉伸變換公式如下：

s＝t(r)＝1/(1+(m/r)^e)(4)

其中r表示輸入圖像的亮度，s是輸出圖像中的相應(yīng)亮度值，e控制該函數(shù)的斜率，m為輸入圖像的像素平均值，t(r)表示輸出圖像的亮度；

step3.2、確定m和e的取值；

step3.3、進(jìn)行對(duì)比度拉伸變換，從而得到拉伸變換后的高頻子圖像；

step3.4、把拉伸變換后的高頻子圖像進(jìn)行相加融合，其公式如下：

h＝t(imf1)+t(imf2)+···+t(imfi)(5)

其中h為增強(qiáng)后的圖像，t(imf1)是imf1對(duì)比度拉伸變換后的圖像，t(imf2)是imf2對(duì)比度拉伸變換后的圖像，t(imfi)是imfi是對(duì)比度拉伸變換后的圖像。

本發(fā)明的有益效果是：

在增強(qiáng)效果方面，相對(duì)于不加區(qū)分地直接對(duì)圖像進(jìn)行對(duì)比度拉伸變換，細(xì)節(jié)增強(qiáng)效果更好，細(xì)節(jié)信息更清晰。

附圖說明

圖1為本發(fā)明中的流程圖；

圖2為本發(fā)明中對(duì)比度拉伸變換的流程圖；

圖3為原圖；

圖4為二維經(jīng)驗(yàn)?zāi)B(tài)分解一次后的結(jié)果；

圖5為二維經(jīng)驗(yàn)?zāi)B(tài)分解二次后的結(jié)果；

圖6為二維經(jīng)驗(yàn)?zāi)B(tài)分解三次后的結(jié)果；

圖7為二維經(jīng)驗(yàn)?zāi)B(tài)分解三次后余項(xiàng)部分；

圖8為直接對(duì)比度拉伸變換的結(jié)果；

圖9本發(fā)明所得結(jié)果。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施方式，對(duì)本發(fā)明作進(jìn)一步的說明。

實(shí)施例1：如圖1-9所示，一種基于bemd和對(duì)比度拉伸變換的圖像增強(qiáng)方法，bemd即為二維經(jīng)驗(yàn)?zāi)B(tài)分解，包括如下步驟：首先在matlab中輸入一幅待增強(qiáng)的圖像，通過二維經(jīng)驗(yàn)?zāi)B(tài)分解算法求取圖像的極值點(diǎn)從而獲得上下包絡(luò)面，并計(jì)算出均值包絡(luò)面然后利用篩選算法獲得二維圖像信號(hào)的一系列內(nèi)稟模式函數(shù)，該系列內(nèi)稟模式函數(shù)就表示為不同頻率的子圖像，去除不能表現(xiàn)細(xì)節(jié)信息的低頻子圖像，篩選出頻率高的高頻子圖像，再利用對(duì)比拉伸變換算法對(duì)高頻子圖像進(jìn)行對(duì)比度拉伸變換，最后對(duì)變換后的子圖像相加融合即得到增強(qiáng)結(jié)果。

具體地，所述進(jìn)行二維經(jīng)驗(yàn)?zāi)B(tài)分解的具體步驟如下：

step1.1、將在matlab中輸入一幅待增強(qiáng)的圖像f(x,y)，x、y代表圖像的長(zhǎng)和寬的像素值的變量，賦初值，令i＝1,k＝1，imf表示不同頻率的子圖像，imfi表示第i個(gè)imf，k表示imfi所進(jìn)行的循環(huán)次數(shù)，余項(xiàng)的初值為rik(x,y)，rik(x,y)＝f(x,y)；

step1.2、計(jì)算rik(x,y)的極大值包絡(luò)hup(x,y)以及它的極小值包絡(luò)hlow(x,y)，獲得上下包絡(luò)面；

step1.3、計(jì)算rik(x,y)的均值曲面，獲得均值包絡(luò)面，均值曲面即為均值包絡(luò)面，其公式如下：

mean(x,y)＝(hup(x,y)+hlow(x,y))/2(1)

step1.4、根據(jù)rik(x,y)以及它的均值曲面mean(x,y)計(jì)算其差值函數(shù)，其差值計(jì)算公式如下：

dik(x,y)＝rik(x,y)-mean(x,y)(2)

step1.5、判斷差值函數(shù)dik(x,y)是否滿足sd＜ε，即迭代終止參數(shù)ε＝0.3，sd表示標(biāo)準(zhǔn)差，di(k-1)(x，y)表示上次循環(huán)的差值函數(shù)，x、y代表x、y的最大值，當(dāng)滿足時(shí)，得到內(nèi)稟模式函數(shù)：imfi(x,y)＝dik(x,y)，令r(i+1)1(x,y)＝ri1(x,y)-imfi(x,y)，并且i＝i+1,k＝1，r(i+1)1(x，y)表示一次循環(huán)后的余項(xiàng)，重復(fù)step1.2～step1.4計(jì)算下一個(gè)內(nèi)稟模式函數(shù)，直到余項(xiàng)沒有極值點(diǎn)；當(dāng)不滿足時(shí)，令ri(k+1)(x,y)＝dik(x,y)，并且令k＝k+1，重復(fù)step1.2～step1.4直到差值函數(shù)滿足sd＜ε；

綜上所述，對(duì)于圖像f(x,y)通過二維經(jīng)驗(yàn)?zāi)B(tài)分解分解為n個(gè)內(nèi)稟模式函數(shù)imfi及其余項(xiàng)函數(shù)r(x,y)可以用下式來表示：

具體地，所述篩選出高頻子圖像具體步驟如下：

step2.1、對(duì)原圖像f(x,y)通過二維經(jīng)驗(yàn)?zāi)B(tài)分解后得到的子圖像進(jìn)行篩選，其中保留高頻子圖像imf1,imf2,···imfi，舍去低頻子圖像imfi+1,imfi+2,···,imfn,ref，n為不含余項(xiàng)部分的子圖像總個(gè)數(shù),ref為圖像分解后的余項(xiàng)部分。

具體地，所述利用對(duì)比度拉伸變換算法對(duì)高頻子圖像進(jìn)行對(duì)比度拉伸變換，然后相加圖像融合的具體步驟如下：

step3.1、分別對(duì)高頻子圖像進(jìn)行對(duì)比度拉伸變換，其對(duì)比度拉伸變換公式如下：

s＝t(r)＝1/(1+(m/r)^e)(4)

其中r表示輸入圖像的亮度，s是輸出圖像中的相應(yīng)亮度值，e控制該函數(shù)的斜率，m為輸入圖像像素平均值，t(r)表示輸出圖像的亮度；

step3.2、確定m和e的取值；

step3.3、進(jìn)行對(duì)比度拉伸變換，從而得到拉伸變換后的高頻子圖像；

step3.4、把拉伸變換后的高頻子圖像進(jìn)行相加融合，其公式如下：

h＝t(imf1)+t(imf2)+···+t(imfi)(5)

其中h為增強(qiáng)后的圖像，t(imf1)是imf1對(duì)比度拉伸變換后的圖像，t(imf2)是imf2對(duì)比度拉伸變換后的圖像，t(imfi)是imfi是對(duì)比度拉伸變換后的圖像。

所述步驟3.1到3.4中初始化對(duì)比度拉伸變換參數(shù)具體的設(shè)置為控制該函數(shù)的斜率e＝0.9，輸入圖像像素平均值m＝mean2(f)。

說明書附圖中展示了本發(fā)明針對(duì)有細(xì)節(jié)信息的原圖進(jìn)行二維經(jīng)驗(yàn)?zāi)B(tài)分解所得的結(jié)果；結(jié)果為三個(gè)imf分量(imf1,imf2,imf3)以及一個(gè)余項(xiàng)函數(shù)ref。從圖4中可以看到經(jīng)過bemd分解以后得到的第1個(gè)分量即imf1含有豐富的邊界、細(xì)節(jié)信息；從圖5中可以看到經(jīng)過bemd分解以后得到的第2個(gè)分量imf2，imf2較imf1模糊，但仍然具有豐富的邊界信息；從圖6中可以看到經(jīng)過bemd分解以后得到的第3個(gè)分量imf3，imf3則包含較多的低頻成份；從圖7中可以看到經(jīng)過bemd分解以后得到的圖像的余項(xiàng)部分即ref，ref則比較模糊主要為低頻成份，代表圖像趨勢(shì)信息。結(jié)果可以看出隨著i的增加，不同頻率的圖像可以被分解出來。

通過matlab程序?qū)D4和圖5分別進(jìn)行對(duì)比度拉伸變換，然后進(jìn)行相加融合。其結(jié)果如圖9所示。結(jié)果可以看出與直接對(duì)比度拉伸變換相比，本發(fā)明的結(jié)果具有很好的細(xì)節(jié)增強(qiáng)效果，并且邊界清晰。

結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式作了詳細(xì)說明，但是本發(fā)明并不限于上述實(shí)施方式，在本領(lǐng)域普通技術(shù)人員所具備的知識(shí)范圍內(nèi)，還可以在不脫離本發(fā)明宗旨的前提下作出各種變化。