像中位置為(527，49)的像素為中心的3X3模板內(nèi)的灰度值依次為0.2352，0.1137，0.1137，0.2667，0.1725，0.1725，0.2588，0.2157，0.2196，全局處理后的灰度值依次為
0.3729，0.1858，0.1858，0.4179，0.2785，0.2785，0.4068，0.3440，0.3498 ；
[0025]步驟2、計算調(diào)制函數(shù)圖，對圖像進行亮度增強，該函數(shù)基于水平細胞的調(diào)制作用的具體特性:將步驟Si所估計到的自適應(yīng)參數(shù)作為調(diào)制函數(shù)一個輸入?yún)?shù)，之后得出調(diào)制函數(shù)，每一個像素都對應(yīng)著各自的調(diào)制系數(shù)，如上述(527，49)坐標(biāo)的像素的為中心的3X3模板內(nèi)的灰度值所計算得到的調(diào)制系數(shù)值分別為1.2105，1.2043，1.2107，1.2009，1.1949，
1.1998，1.1908，1.1861，1.1901，計算亮度增強圖:根據(jù)S2中所得的調(diào)制函數(shù)分布圖，將SI結(jié)果圖與函數(shù)分布圖一一對應(yīng)相乘，得出亮度增強圖，如上述模板中的亮度增強處理后的值為 0.4514，0.2238，0.2250，0.5019，0.3328，0.3341，0.4844，0.4080，0.4163，如圖 3 所示，圖中a和c子圖均為原圖，b和d則為增強后的圖；
[0026]步驟3、計算圖像局部高斯差模型中心系數(shù)分布圖:使用RMS (Root Means Quared)算法計算出模板尺寸為3X3的圖像局部對比度分布圖，上述模板中的局部對比度依次為
0.2654,0.2683,0.1578,0.2032,0.2353,0.1751,0.1238,0.1417,0.1093，根據(jù)上述的這個局部對比度分布圖計算出對應(yīng)的二維高斯模板中心系數(shù)分布圖，本發(fā)明方法中中心系數(shù)的變化范圍為0.2至1，對比度與中心系數(shù)呈線性反比關(guān)系，由對比度計算得出相應(yīng)的高斯差中心系數(shù)，外周系數(shù)我們設(shè)為中心系數(shù)的3倍，這里中心系數(shù)直接決定了二維高斯模型的尺寸，算法中我們使用閾值來確定對二維高斯模型的采樣，凡是閾值小于0.0001的都是影響極小的部分，因此舍棄，另外最終對高斯模型進行處理，使得模型內(nèi)所有值的和為I。;
[0027]步驟4、模擬雙極細胞的感受野特性，通過高斯差模型提取邊緣對原圖進行增強:由上述的中心系數(shù)分布圖得出每個坐標(biāo)像素的外周系數(shù)，最終對圖像進行卷積差，但是由于局部模板尺寸較小，而高斯模板通常較大，直接卷積容易失真，而且重復(fù)卷積會造成計算資源的大量浪費，我們將高斯模型的系數(shù)按照一定步長改變，得到的一系列不同參數(shù)對應(yīng)的高斯模型對原圖進行卷積，得到的不同參數(shù)卷積結(jié)果作為查詢表存儲，最終每個局部算子內(nèi)計算出參數(shù)后，直接查表得出結(jié)果，將經(jīng)過高斯差卷積所得到的最終的高頻信息乘以相應(yīng)的加成系數(shù)后，此處加成系數(shù)選擇為1，最終得到邊緣增強圖，如圖4所示，a為原圖，b則是提取的邊界圖，c為最終的邊界加強圖。
[0028]本領(lǐng)域的普通技術(shù)人員將會意識到，這里所述的實施例是為了幫助讀者理解本發(fā)明的原理，應(yīng)被理解為本發(fā)明的保護范圍并不局限于這樣的特別陳述和實施例。本領(lǐng)域的普通技術(shù)人員可以根據(jù)本發(fā)明公開的這些技術(shù)啟示做出各種不脫離本發(fā)明實質(zhì)的其它各種具體變形和組合，這些變形和組合仍然在本發(fā)明的保護范圍內(nèi)。
【主權(quán)項】
1.一種基于視網(wǎng)膜機制的灰度圖像增強方法，其特征在于包括下列步驟: 步驟1、模擬水平細胞感受野的大范圍特性，確定自適應(yīng)參數(shù)，進行一次全局亮度增強處理，該處理函數(shù)與視錐細胞響應(yīng)特性相符:根據(jù)閾值確定圖像的較暗區(qū)域，由該區(qū)域的平均亮度變換得出自適應(yīng)參數(shù)，參數(shù)與平均亮度呈反比，該變換函數(shù)的定義域是[1，128]，值域是[10，25]，之后對整體圖像進行全局映射處理，該全局映射函數(shù)整體形狀是一個S形，定義域是[1，255]，值域是[1，255];其中有三個參數(shù)來影響函數(shù)形狀的中心點的橫縱坐標(biāo)以及曲線中心部分的斜率，影響斜率的參數(shù)范圍是3?7，數(shù)值越小，黑暗區(qū)域的函數(shù)斜率就越大，而對明亮部分細節(jié)的壓縮就越強； 步驟2、計算調(diào)制函數(shù)圖，對圖像進行亮度增強，該函數(shù)基于水平細胞調(diào)制作用的具體特性:將步驟I所得到的自適應(yīng)參數(shù)輸入調(diào)制函數(shù)，自適應(yīng)參數(shù)越大，調(diào)制函數(shù)的斜率絕對值越大，調(diào)制的亮度范圍越窄；調(diào)制函數(shù)是水平細胞對于視錐細胞負反饋作用特性的量化函數(shù)，反饋函數(shù)所輸出的反饋值與亮度成反比，調(diào)制函數(shù)是一個單調(diào)遞減的連續(xù)函數(shù)，最小值是1，函數(shù)的定義域是[1，255]，值域是[1，35];最終將上述計算所得的調(diào)制函數(shù)分布圖與圖像像素一一對應(yīng)相乘，得出亮度增強圖； 步驟3、計算圖像的局部高斯差中心系數(shù)分布圖:使用RMS(Root Means Quared)方法計算出模板尺寸是3X3的圖像局部對比度分布圖，根據(jù)分布圖計算出對應(yīng)的二維高斯模板中心系數(shù)分布圖，中心系數(shù)的范圍是0.2?1，中心系數(shù)與對比度呈線性反比關(guān)系，對比度越大，中心系數(shù)越小，高斯差模型的外周系數(shù)是中心系數(shù)的3倍；對比度與中心系數(shù)之間的轉(zhuǎn)換函數(shù)，對比度值是自變量，定義域是[0，1]，值域是[0.2，I];對于二維高斯模板的計算，使用0.0001作為閾值，小于閾值的部分作為無用成分丟棄，整個模板除以模板元素的總和，保證處理后的模板元素和是I; 步驟4、模擬雙極細胞的感受野特性，通過高斯差模型提取邊緣對原圖進行增強:使用步驟3對應(yīng)的不同中心系數(shù)，計算出相應(yīng)外周系數(shù)，將不同參數(shù)的高斯差模型與原圖卷積，得出邊緣信息；最終將提取出的邊緣信息乘以系數(shù)與原圖相加，系數(shù)范圍是0.5?I。2.如權(quán)利要求1所述基于視網(wǎng)膜機制的灰度圖像增強方法，其特征在于:所述步驟3中，中心系數(shù)值以較小的步長選取，建立相應(yīng)的高斯模板。
【專利摘要】本發(fā)明屬于計算機視覺技術(shù)領(lǐng)域，特別涉及灰度圖像的亮度增強和邊緣增強。具體流程包括估計全局亮度確定算法自適應(yīng)參數(shù)、生成圖像的亮度映射圖、計算亮度增強圖像和邊緣加強處理。首先通過全局暗區(qū)域的亮度分布情況，對自適應(yīng)參數(shù)進行估計；然后分別對圖像進行全局的亮度增強處理，并由調(diào)制函數(shù)得出整幅圖片的調(diào)制映射圖，計算得出亮度增強的結(jié)果；最后基于自適應(yīng)尺度的高斯差模型來實現(xiàn)邊緣的增強，模型尺度由對比度所影響，最終可以在明亮區(qū)域加強更細小的紋理信息，黑暗區(qū)域則加強比較大的輪廓信息。本發(fā)明能夠有效增強灰度圖像的整體亮度和對比度，并且自身的自適應(yīng)特性對于明暗區(qū)域的邊緣加強都能起到很好的作用。
【IPC分類】G06T5/00
【公開號】CN104915934
【申請?zhí)枴緾N201510329457
【發(fā)明人】李永杰, 王沖, 李朝義
【申請人】電子科技大學(xué)
【公開日】2015年9月16日
【申請日】2015年6月15日