CN101710415B - 图像增强系数的调节方法和装置以及图像增强方法和装置 - Google Patents

Abstract

本发明公开了一种图像增强系数的调节方法和装置以及图像增强方法和装置。本发明首先依据输入图像中各像素与其相邻像素的灰度值差异程度，将各像素识别为不同的图像结构类别，然后，再分别针对不同图像结构类别的像素的图像增强系数进行调节，使得增强后的图像中，离散噪声被滤除、平坦区域得到适当的增强、而细节区域则能够较之平坦区域得到更大幅度的增强，从而能够提高增强后的图像质量。

Description

图像增强系数的调节方法和装置以及图像增强方法和装置

技术领域

本发明涉及图像增强技术，特别涉及一种图像增强系数的调节方法和一种图像增强系数的调节装置、以及可随图像结构自适应调节增强系数的一种图像增强方法和一种图像增强装置。

背景技术

现有针对空间域的一种图像增强处理，首先需要计算出输入图像中各像素点的高频分量，再利用预定图像增强系数与各像素高频分量的乘积进行图像增强处理、即将各像素灰度值与其对应的乘积分别进行累加操作，从而得到增强后的输出图像。

然而，无论输入图像中的各像素是属于离散噪声、平坦区域、或是细节区域中的哪一种图像结构类别，上述图像增强处理均采用统一的预定图像增强系数，即该图像增强系数为一恒定的常数，由此就会导致离散噪声会随着图像的增强而被放大、且细节区域较之平坦区域的增强效果也不高，从而使增强后的图像质量不高。

发明内容

有鉴于此，本发明提供了一种图像增强系数的调节方法和一种图像增强系数的调节装置、以及一种图像增强方法和一种图像增强装置，能够提高增强后的图像质量。

本发明提供的一种图像增强系数的调节方法，包括：

a1、分别依据输入图像中各像素与其相邻像素的灰度值差异程度，识别出各像素所属的图像结构类别，所述图像结构类别包括离散噪声、平坦区域、以及细节区域；

a2、将属于离散噪声的所有像素的图像增强系数均设置为可使该像素经图像增强处理后被滤除高频分量的值，并在第一预定范围内分别调节属于平坦区域的各像素的图像增强系数、在第二预定范围内分别调节属于细节区域的各像素的图像增强系数，第二预定范围的下限等于第一预定范围的上限。

所述步骤a1包括：

a11、分别计算输入图像中各像素与其每个相邻像素灰度值之差的绝对值、以及各像素与其所有相邻像素灰度值的均值；

a12、对于任意像素：

如果其对应的所有绝对值中取值最小的一个大于等于预定第一阈值，则确定该像素属于离散噪声；

如果其对应的所有绝对值中取值最小的一个小于预定第一阈值、但其灰度值与其对应的平均值之差的绝对值小于等于预定第二阈值，则确定该像素属于平坦区域；

如果其对应的所有绝对值中取值最小的一个小于预定第一阈值、且其灰度值与其对应的平均值之差的绝对值大于预定第二阈值，则确定该像素属于细节区域。

可使像素经图像增强处理后被滤除高频分量的值为-1；

第一预定范围为预定图像增强系数标准值的0～1倍；

第二预定范围为预定图像增强系数标准值的1～2倍。

所述步骤a2中，对属于平坦区域和细节区域的像素，具体的图像增强系数调节过程包括：

分别计算输入图像中各像素与其所有相邻像素的灰度值均方差；

对属于平坦区域的任意像素，计算该像素对应的灰度值均方差与最大灰度值均方差的比例、并将计算得到的比例与预定图像增强系数标准值的乘积设置为该像素的图像增强系数；

对属于细节区域的任意像素，如果该像素对应的比例小于第三阈值，则将预定图像增强系数标准值设置为该像素的图像增强系数，如果该像素对应的比例大于等于第三阈值，则计算该像素的灰度值均方差与最大灰度值均方差对应的比例、以及该比例与预定图像增强系数标准值的乘积，再将该乘积与预定图像增强系数标准值之和设置为该像素的图像增强系数。

本发明提供的一种图像增强系数的调节装置，包括：

结构分类模块，分别依据输入图像中各像素与其相邻像素的灰度值差异程度，识别出各像素所属的图像结构类别，所述图像结构类别包括离散噪声、平坦区域、以及细节区域；

分类调整模块，将属于离散噪声的所有像素的图像增强系数均设置为可使该像素经图像增强处理后被滤除高频分量的值，并在第一预定范围内分别调节属于平坦区域的各像素的图像增强系数、在第二预定范围内分别调节属于细节区域的各像素的图像增强系数，第二预定范围的下限等于第一预定范围的上限。

结构分类模块包括：

第一计算子模块，分别计算输入图像中各像素与其每个相邻像素灰度值之差的绝对值、以及各像素与其所有相邻像素灰度值的均值；

分类判别子模块，如果像素对应的所有绝对值中取值最小的一个大于等于预定第一阈值，则确定该像素属于离散噪声；如果像素对应的所有绝对值中取值最小的一个小于预定第一阈值、但其灰度值与其对应的平均值之差的绝对值小于等于预定第二阈值，则确定该像素属于平坦区域；如果像素对应的所有绝对值中取值最小的一个小于预定第一阈值、且其灰度值与其对应的平均值之差的绝对值大于预定第二阈值，则确定该像素属于细节区域。

分类调整模块中，可使像素经图像增强处理后被滤除高频分量的值为-1、第一预定范围为预定图像增强系数标准值的0～1倍、第二预定范围为预定图像增强系数标准值的1～2倍。

分类调整模块包括：

第一赋值子模块，将属于离散噪声的所有像素的图像增强系数均设置为-1；

第二计算子模块，分别计算输入图像中各像素与其所有相邻像素的灰度值均方差；

第二赋值子模块，对属于平坦区域的任意像素，计算该像素对应的灰度值均方差与最大灰度值均方差的比例、并将计算得到的比例与预定图像增强系数标准值的乘积设置为该像素的图像增强系数；

第三赋值子模块，对属于细节区域的任意像素，如果该像素对应的比例小于第三阈值，则将预定图像增强系数标准值设置为该像素的图像增强系数，如果该像素对应的比例大于等于第三阈值，则计算该像素的灰度值均方差与最大灰度值均方差对应的比例、以及该比例与预定图像增强系数标准值的乘积，再将该乘积与预定图像增强系数标准值之和设置为该像素的图像增强系数。

本发明提供的一种图像增强方法，包括：

a1、分别依据输入图像中各像素与其相邻像素的灰度值差异程度，识别出各像素所属的图像结构类别，所述图像结构类别包括离散噪声、平坦区域、以及细节区域；

a2、将属于离散噪声的所有像素的图像增强系数均设置为可使该像素经图像增强处理后被滤除高频分量的值，并在第一预定范围内分别调节属于平坦区域的各像素的图像增强系数、在第二预定范围内分别调节属于细节区域的各像素的图像增强系数，第二预定范围的下限等于第一预定范围的上限；

a3、分别利用输入图像中各像素的高频分量与该像素的图像增强系数的乘积进行图像增强处理，得到增强的输出图像。

所述步骤a1包括：

a11、分别计算输入图像中各像素与其每个相邻像素灰度值之差的绝对值、以及各像素与其所有相邻像素灰度值的均值；

a12、对于任意像素：

如果其对应的所有绝对值中取值最小的一个大于等于预定第一阈值，则确定该像素属于离散噪声；

如果其对应的所有绝对值中取值最小的一个小于预定第一阈值、但其灰度值与其对应的平均值之差的绝对值小于等于预定第二阈值，则确定该像素属于平坦区域；

如果其对应的所有绝对值中取值最小的一个小于预定第一阈值、且其灰度值与其对应的平均值之差的绝对值大于预定第二阈值，则确定该像素属于细节区域。

可使像素经图像增强处理后被滤除高频分量的值为-1；

第一预定范围为预定图像增强系数标准值的0～1倍；

第二预定范围为预定图像增强系数标准值的1～2倍。

所述步骤a2中，对属于平坦区域和细节区域的像素，具体的图像增强系数调节过程包括：

分别计算输入图像中各像素与其所有相邻像素的灰度值均方差；

对属于平坦区域的任意像素，计算该像素对应的灰度值均方差与最大灰度值均方差的比例、并将计算得到的比例与预定图像增强系数标准值的乘积设置为该像素的图像增强系数；

对属于细节区域的任意像素，如果该像素对应的比例小于第三阈值，则将预定图像增强系数标准值设置为该像素的图像增强系数，如果该像素对应的比例大于等于第三阈值，则计算该像素的灰度值均方差与最大灰度值均方差对应的比例、以及该比例与预定图像增强系数标准值的乘积，再将该乘积与预定图像增强系数标准值之和设置为该像素的图像增强系数。

本发明提供的一种图像增强装置，包括：

结构分类模块，分别依据输入图像中各像素与其相邻像素的灰度值差异程度，识别出各像素所属的图像结构类别，所述图像结构类别包括离散噪声、平坦区域、以及细节区域；

分类调整模块，将属于离散噪声的所有像素的图像增强系数均设置为可使该像素经图像增强处理后被滤除高频分量的值，并在第一预定范围内分别调节属于平坦区域的各像素的图像增强系数、在第二预定范围内分别调节属于细节区域的各像素的图像增强系数，第二预定范围的下限等于第一预定范围的上限；

增强处理模块，分别利用输入图像中各像素的高频分量与该像素的图像增强系数的乘积进行图像增强处理，得到增强的输出图像。

结构分类模块包括：

第一计算子模块，分别计算输入图像中各像素与其每个相邻像素灰度值之差的绝对值、以及各像素与其所有相邻像素灰度值的均值；

分类判别子模块，如果像素对应的所有绝对值中取值最小的一个大于等于预定第一阈值，则确定该像素属于离散噪声；如果像素对应的所有绝对值中取值最小的一个小于预定第一阈值、但其灰度值与其对应的平均值之差的绝对值小于等于预定第二阈值，则确定该像素属于平坦区域；如果像素对应的所有绝对值中取值最小的一个小于预定第一阈值、且其灰度值与其对应的平均值之差的绝对值大于预定第二阈值，则确定该像素属于细节区域。

分类调整模块中，可使像素经图像增强处理后被滤除高频分量的值为-1、第一预定范围为预定图像增强系数标准值的0～1倍、第二预定范围为预定图像增强系数标准值的1～2倍。

分类调整模块包括：

第一赋值子模块，将属于离散噪声的所有像素的图像增强系数均设置为-1；

第二计算子模块，分别计算输入图像中各像素与其所有相邻像素的灰度值均方差；

第二赋值子模块，对属于平坦区域的任意像素，计算该像素对应的灰度值均方差与最大灰度值均方差的比例、并将计算得到的比例与预定图像增强系数标准值的乘积设置为该像素的图像增强系数；

第三赋值子模块，对属于细节区域的任意像素，如果该像素对应的比例小于第三阈值，则将预定图像增强系数标准值设置为该像素的图像增强系数，如果该像素对应的比例大于等于第三阈值，则计算该像素的灰度值均方差与最大灰度值均方差对应的比例、以及该比例与预定图像增强系数标准值的乘积，再将该乘积与预定图像增强系数标准值之和设置为该像素的图像增强系数。

由上述技术方案可见，本发明首先依据输入图像中各像素与其相邻像素的灰度值差异程度，将各像素识别为不同的图像结构类别，然后，再分别针对不同图像结构类别的像素的图像增强系数进行调节，使得增强后的图像中，离散噪声被滤除、平坦区域得到适当的增强、而细节区域则能够较之平坦区域得到更大幅度的增强，从而能够提高增强后的图像质量。

而且，可选地，本发明可通过分析各像素与其每个相邻像素灰度值之差的绝对值、以及各像素与其所有相邻像素灰度值的均值来识别图像结构类别，相比于利用梯度或方差等量的方式，实现简单且行之有效。

此外，可选此，本发明可通过分析各像素与其所有相邻像素的灰度值均方差，对平坦区域和细节区域的像素进行更为细化的图像增强系数自适应调节，进一步对细节区域中的强弱边缘也采用不同的调节方式，从而能够进一步提高增强后的图像质量。

附图说明

图1为本发明实施例中图像增强方法的示例性流程示意图；

图2为本发明实施例中所提及的像素及其相邻像素的一种示意图；

图3为本发明实施例中图像增强装置的示例性结构示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。

图1为本发明实施例中图像增强方法的示例性流程示意图。如图1所示，本实施例中的图像增强方法包括如下步骤：

步骤100，分别计算输入图像中各像素的高频分量。

实现本步骤的一种可选方式为，通过对输入图像进行简单的滤波来得到输入图像中各像素的高频分量，具体可以利用如下的模版对输入图像中的各像素及该像素四周相邻的像素进行卷积：

$\mathrm{Mask}=\frac{1}{8}\left[\begin{array}{ccc}-1& -1& -1\\ -1& 8& -1\\ -1& -1& -1\end{array}\right]$

上述模版Mask仅仅是以3×3为例，即对每个像素滤波时仅考虑其3×3范围内的四周相邻像素，而实际应用中也可以利用5×5或其他尺寸的模版Mask、即m可以取任意大于1的奇数，相应地，通用的m×m的模版Mask表达式如下：

$\mathrm{Mask}=\frac{1}{m^2-1}\left[\begin{array}{c}-1,........................,-1\\ ....................................\\ -1,......,m^2-1,......,-1\\ ...................................\\ -1,........................,-1\end{array}\right]$

当然，为了便于硬件实现，较佳地还是采用3×3的模版Mask，这样在依据模版Mask中“1/(m²-1)”所表示的除法运算时，利用硬件直接右移8位即可。

步骤101，分别依据输入图像中各像素与其相邻像素的灰度值差异程度，识别出各像素所属的图像结构类别，所述图像结构类别包括离散噪声、平坦区域、以及细节区域。

由于离散噪声、平坦区域、以及细节区域之间最大的区别就在于各相邻像素间的灰度值变化规律，因此，本步骤依据输入图像中各像素与其相邻像素的灰度值差异程度，即可通过上述变化规律的区别识别出各像素所属的图像结构类别。

实现本步骤的一种可选方式为，分析各像素与其每个相邻像素灰度值之差的绝对值、以及各像素与其所有相邻像素灰度值的均值来识别图像结构类别，该可选方式相比于利用梯度或方差等量的各类方式，实现简单且行之有效，且该可选方式具体可以包括如下处理过程：

首先，分别计算输入图像中各像素与其每个相邻像素灰度值之差的绝对值abs(D_i)、以及各像素与其所有相邻像素灰度值的均值f(x，y)；

其中，abs(D_i)＝abs(f(P_i)-f(x，y))，f(P_i)为第i个相邻像素，如果以图2中示出的3×3范围内的相邻像素为例，则i为取值在1～8内的正整数，同理，如果相邻像素为n×n范围内的相邻像素，则i为取值在1～(n²-1)内的正整数，n取大于1的奇数；

相应地，如果以图2中示出的3×3范围内的相邻像素为例，则 $\stackrel{\‾}{f}(x,y)=\frac{1}{9}(f(x,y)+\underset{i=1}{\overset{8}{\mathrm{\Σ}}}f\left(P_i\right)),$ f(x，y)还可以表示为 $\stackrel{\‾}{f}(x,y)=\frac{1}{9}\underset{p=-1}{\overset{1}{\mathrm{\Σ}}}\underset{q=-1}{\overset{1}{\mathrm{\Σ}}}f(x+p,y+q);$ 同理，对于n×n范围内的相邻像素， $\stackrel{\‾}{f}(x,y)=\frac{1}{n^2}(f(x,y)+\underset{i=1}{\overset{n^2-1}{\mathrm{\Σ}}}f\left(P_i\right)),$ 或者，f(x，y)还可以表示为 $\stackrel{\‾}{f}(x,y)=\frac{1}{n^2}\underset{p=-(\frac{n}{2}-1)}{\overset{\frac{n}{2}-1}{\mathrm{\Σ}}}\underset{q=-(\frac{n}{2}-1)}{\overset{\frac{n}{2}-1}{\mathrm{\Σ}}}f(x+p,y+q);$ 其中，f(x+p，y+q)为待滤波像素空间邻域内在水平和竖直方向分别偏移p和q的像素灰度值；

然后，对于每个像素分别进行分析：

如果该像素对应的所有绝对值中取值最小的一个min(abs(D_i))大于等于预定第一阈值T1，即min(abs(D_i))≥T1，则表示该像素与其所有相邻像素的灰度值之差均过大，因而确定该像素属于离散噪声；

如果该像素对应的所有绝对值中取值最小的一个min(abs(D_i))小于预定第一阈值T1、但该像素灰度值f(x，y)与其对应的平均值f(x，y)之差的绝对值小于等于预定第二阈值T2，即min(abs(D_i))＜T1、abs(f(x，y)-f(x，y))≤T2，则表示该像素虽然并未与其所有相邻像素的灰度值之差均过大、但该像素的灰度值水平接近其所有相邻像素范围内的灰度值平均值，因而确定该像素属于平坦区域；

如果该像素对应的所有绝对值中取值最小的一个min(abs(D_i))小于预定第一阈值T1、且该像素灰度值f(x，y)与其对应的平均值f(x，y)之差大于预定第二阈值T2，即min(abs(D_i))＜T1、abs(f(x，y)-f(x，y))＞T2，则表示该像素不但并未与其所有相邻像素的灰度值之差均过大、且该像素的灰度值水平相比于其所有相邻像素范围内的灰度值平均值具有足够大的差异，因而确定该像素属于细节区域。

实际应用中，预定第一阈值可以取15～25、较佳地取20，预定第二阈值取8～16、较佳地取12。

步骤102，将属于离散噪声的所有像素的图像增强系数均设置为可使该像素经图像增强处理后被滤除高频分量的值、例如-1，并在第一预定范围内分别调节属于平坦区域的各像素的图像增强系数、在第二预定范围内分别调节属于细节区域的各像素的图像增强系数，且，第二预定范围的下限等于第一预定范围的上限、以确保分属于不同图像结构的像素的图像增强系数调节范围连续，例如，第一预定范围可以为预定图像增强系数标准值λ₀的0～1倍、则第二预定范围可以为预定图像增强系数标准值λ₀的1～2倍。

具体说：

1)对于属于离散噪声的所有像素，其λ(x，y)＝-1，使后续增强处理过程中本应累加的高频分量变为负值、即实现像素高频分量的滤除。

2)对属于平坦区域的像素，具体的图像增强系数调节过程包括：

分别计算输入图像中各像素与其所有相邻像素的灰度值均方差d(x，y)，其中，如果以图2中示出的3×3范围内的相邻像素为例，则 $d(x,y)={\left\{\frac{1}{9}\underset{p=-1}{\overset{1}{\mathrm{\Σ}}}\underset{q=-1}{\overset{1}{\mathrm{\Σ}}}{[f(x+p,y+q)-\stackrel{\‾}{f}(x,y)]}^2\right\}}^{\frac{1}{2}};$ 同理，对于n×n范围内的相邻像素， $d(x,y)={\left\{\frac{1}{n^2}\underset{p=-(\frac{n}{2}-1)}{\overset{\frac{n}{2}-1}{\mathrm{\Σ}}}\underset{q=-(\frac{n}{2}-1)}{\overset{\frac{n}{2}-1}{\mathrm{\Σ}}}{[f(x+p,y+q)-\stackrel{\‾}{f}(x,y)]}^2\right\}}^{\frac{1}{2}};$

计算该像素对应灰度值均方差d(x，y)与最大灰度值均方差d_max的比例并将该比例与预定图像增强系数标准值λ₀的乘积设置为该像素的图像增强系数，由于d(x，y)一定大于等于0、且小于等于d_max，因而实现了在0～1倍λ₀范围内对属于平坦区域像素的图像增强系数的调节；

其中，d_max可以是从当前输入图像中所有像素的灰度值均方差d(x，y)中选择出的最大的一个，或者，由于在利用硬件芯片实现本步骤时，有可能由于硬件限制而无法得到当前输入整帧图像中的d_max，针对该情况，即可利用之前若干帧的d_max，但在利用利用之前若干帧中的d_max时，有可能出现大于1的情况，此时就需要将钳位至1。

3)对属于细节区域的任意像素：

按照与平坦区域相同的方式，分别计算输入图像中各像素与其所有相邻像素的灰度值均方差d(x，y)；

如果该像素对应的比例小于第三阈值T3，则表示该任意像素所述细节区域内包含弱边缘，因而将预定图像增强系数标准值λ₀设置为该像素的图像增强系数，即λ(x，y)＝λ₀；

如果该像素对应的比例大于等于第三阈值，则表示该任意像素所述细节区域内包含强边缘，因而将该像素对应的比例与预定图像增强系数标准值λ₀的乘积再与预定图像增强系数标准值λ₀之和设置为该像素的图像增强系数，即 $\mathrm{\λ}(x,y)=[1+\frac{d(x,y)}{d_{\max }}]{\mathrm{\λ}}_0;$

这样，即实现了在1～2倍λ₀范围内对属于细节区域像素的图像增强系数的调节，且对于强边缘的调节幅度大于弱边缘。

此外，对属于平坦区域和细节区域的任意像素进行图像增强系数调节时，可以将计算得到的所有灰度值均方差d(x，y)左移8位，此时，上述的比例就可表示为 $d^{\′}(x,y)=\frac{d(x,y)}{d_{\max }}\×256,$ 如此一来，小于等于1的变为了整数d′(x，y)，因而即可便于硬件查找表；相应地，就替换表示为 就替换为

上述步骤101～102即可实现本实施例中图像增强系数的调节方法，且步骤100不一定在步骤101之前执行、其可以与步骤101～步骤102同时执行或在步骤102之后执行。

步骤103，分别利用输入图像中各像素的高频分量与该像素的图像增强系数的乘积进行图像增强处理，得到增强的输出图像。

本步骤的处理过程可以表示为f′(x，y)＝f(x，y)+λ(x，y)f_h(x，y)。其中，f′(x，y)表示输出图像中(x，y)分别取不同值的各像素增强后的灰度值，f(x，y)表示输入图像中(x，y)分别取不同值的各像素的灰度值，f_h(x，y)表示步骤100得到的输入图像中(x，y)分别取不同值的各像素的灰度值高频分量，λ(x，y)为步骤102得到的输入图像中(x，y)分别取不同值的各像素所对应的图像增强系数。

至此，本流程结束。

如上可见，本实施例中图像增强系数的调节方法、以及图像增强方法首先依据输入图像中各像素与其相邻像素的灰度值差异程度，将各像素识别为不同的图像结构类别，然后，再分别针对不同图像结构类别的像素的图像增强系数进行调节，使得增强后的图像中，离散噪声被滤除、平坦区域得到适当的增强、而细节区域则能够较之平坦区域得到更大幅度的增强，从而能够提高增强后的图像质量。

以上是对本实施例中图像增强系数的调节方法、以及图像增强方法的详细说明，下面，再对本实施例中图像增强系数的调节装置、以及图像增强装置进行说明。

图3为本发明实施例中图像增强装置的示例性结构示意图。如图3所示，本实施例中的图像增强装置包括：高频计算模块、结构分类模块、分类调整模块、以及增强处理模块。

高频计算模块，分别计算输入图像中各像素的高频分量。

实际应用中，高频计算模块的一种可选处理方式为，通过对输入图像进行简单的滤波来得到输入图像中各像素的高频分量，具体可以利用如下的模版对输入图像中的各像素及该像素四周相邻的像素进行卷积：

$\mathrm{Mask}=\frac{1}{8}\left[\begin{array}{ccc}-1& -1& -1\\ -1& 8& -1\\ -1& -1& -1\end{array}\right]$

上述模版Mask仅仅是以3×3为例，即对每个像素滤波时仅考虑其3×3范围内的四周相邻像素，而实际应用中也可以利用5×5或其他尺寸的模版Mask、即m可以取任意大于1的奇数，相应地，通用的m×m的模版Mask表达式如下：

$\mathrm{Mask}=\frac{1}{m^2-1}\left[\begin{array}{c}-1,........................,-1\\ ....................................\\ -1,......,m^2-1,......,-1\\ ...................................\\ -1,........................,-1\end{array}\right]$

当然，为了便于硬件实现，较佳地还是采用3×3的模版Mask，这样在依据模版Mask中“1/(m²-1)”所表示的除法运算时，利用硬件直接右移8位即可。

结构分类模块，分别依据输入图像中各像素与其相邻像素的灰度值差异程度，识别出各像素所属的图像结构类别，所述图像结构类别包括离散噪声、平坦区域、以及细节区域。

由于离散噪声、平坦区域、以及细节区域之间最大的区别就在于各相邻像素间的灰度值变化规律，因此，结构分类模块依据输入图像中各像素与其相邻像素的灰度值差异程度，即可通过上述变化规律的区别识别出各像素所属的图像结构类别。

实际应用中，结构分类模块的一种可选处理方式为，分析各像素与其每个相邻像素灰度值之差的绝对值、以及各像素与其所有相邻像素灰度值的均值来识别图像结构类别，该可选方式相比于利用梯度或方差等量的各类方式，实现简单且行之有效，且结构分类模块可以具体包括：第一计算子模块和分类判别子模块(图3中均未示出)。

第一计算子模块，分别计算输入图像中各像素与其每个相邻像素灰度值之差的绝对值abs(D_i)、以及各像素与其所有相邻像素灰度值的均值f(x，y)；

其中，abs(D_i)＝abs(f(P_i)-f(x，y))，f(P_i)为第i个相邻像素，如果以图2中示出的3×3范围内的相邻像素为例，则i为取值在1～8内的正整数，同理，如果相邻像素为n×n范围内的相邻像素，则i为取值在1～(n²-1)内的正整数，n取大于1的奇数；

相应地，如果以图2中示出的3×3范围内的相邻像素为例，则 $\stackrel{\‾}{f}(x,y)=\frac{1}{9}(f(x,y)+\underset{i=1}{\overset{8}{\mathrm{\Σ}}}f\left(P_i\right)),$ f(x，y)还可以表示为 $\stackrel{\‾}{f}(x,y)=\frac{1}{9}\underset{p=-1}{\overset{1}{\mathrm{\Σ}}}\underset{q=-1}{\overset{1}{\mathrm{\Σ}}}f(x+p,y+q);$ 同理，对于n×n范围内的相邻像素， $\stackrel{\‾}{f}(x,y)=\frac{1}{n^2}(f(x,y)+\underset{i=1}{\overset{n^2-1}{\mathrm{\Σ}}}f\left(P_i\right)),$ 或者，f(x，y)还可以表示为 $\stackrel{\‾}{f}(x,y)=\frac{1}{n^2}\underset{p=-(\frac{n}{2}-1)}{\overset{\frac{n}{2}-1}{\mathrm{\Σ}}}\underset{q=-(\frac{n}{2}-1)}{\overset{\frac{n}{2}-1}{\mathrm{\Σ}}}f(x+p,y+q);$ 其中，f(x+p，y+q)为待滤波像素空间邻域内在水平和竖直方向分别偏移p和q的像素灰度值；

分类判别子模块，对于每个像素分别进行分析：

如果该像素对应的所有绝对值中取值最小的一个min(abs(D_i))大于等于预定第一阈值T1，即min(abs(D_i))≥T1，则表示该像素与其所有相邻像素的灰度值之差均过大，因而确定该像素属于离散噪声；

如果该像素对应的所有绝对值中取值最小的一个min(abs(D_i))小于预定第一阈值T1、但该像素灰度值f(x，y)与其对应的平均值f(x，y)之差的绝对值小于等于预定第二阈值T2，即min(abs(D_i))＜T1、abs(f(x，y)-f(x，y))≤T2，则表示该像素虽然并未与其所有相邻像素的灰度值之差均过大、但该像素的灰度值水平接近其所有相邻像素范围内的灰度值平均值，因而确定该像素属于平坦区域；

如果该像素对应的所有绝对值中取值最小的一个min(abs(D_i))小于预定第一阈值T1、且该像素灰度值f(x，y)与其对应的平均值f(x，y)之差大于预定第二阈值T2，即min(abs(D_i))＜T1、abs(f(x，y)-f(x，y))＞T2，则表示该像素不但并未与其所有相邻像素的灰度值之差均过大、且该像素的灰度值水平相比于其所有相邻像素范围内的灰度值平均值具有足够大的差异，因而确定该像素属于细节区域。

实际应用中，预定第一阈值可以取15～25、较佳地取20，预定第二阈值取8～16、较佳地取12。

分类调整模块，将属于离散噪声的所有像素的图像增强系数均设置为可使该像素经图像增强处理后被滤除高频分量的值、例如-1，并在第一预定范围内分别调节属于平坦区域的各像素的图像增强系数、在第二预定范围内分别调节属于细节区域的各像素的图像增强系数，且，第二预定范围的下限等于第一预定范围的上限、以确保分属于不同图像结构的像素的图像增强系数调节范围连续，例如，第一预定范围可以为预定图像增强系数标准值λ₀的0～1倍、则第二预定范围可以为预定图像增强系数标准值λ₀的1～2倍。

具体说，分类调整模块可以包括：第一赋值子模块、第二计算子模块、第二赋值子模块、第三赋值子模块(图3中均未示出)。

第一赋值子模块，对于属于离散噪声的所有像素，其λ(x，y)＝-1，使后续增强处理过程中本应累加的高频分量变为负值、即实现像素高频分量的滤除。

第二计算子模块，分别计算输入图像中各像素与其所有相邻像素的灰度值均方差d(x，y)，其中，如果以图2中示出的3×3范围内的相邻像素为例，则 $d(x,y)={\left\{\frac{1}{9}\underset{p=-1}{\overset{1}{\mathrm{\Σ}}}\underset{q=-1}{\overset{1}{\mathrm{\Σ}}}{[f(x+p,y+q)-\stackrel{\‾}{f}(x,y)]}^2\right\}}^{\frac{1}{2}};$ 同理，对于n×n范围内的相邻像素， $d(x,y)={\left\{\frac{1}{n^2}\underset{p=-(\frac{n}{2}-1)}{\overset{\frac{n}{2}-1}{\mathrm{\Σ}}}\underset{q=-(\frac{n}{2}-1)}{\overset{\frac{n}{2}-1}{\mathrm{\Σ}}}{[f(x+p,y+q)-\stackrel{\‾}{f}(x,y)]}^2\right\}}^{\frac{1}{2}};$

第二赋值子模块，对属于平坦区域的各像素，计算该像素对应灰度值均方差d(x，y)与最大灰度值均方差d_max的比例并将该比例与预定图像增强系数标准值λ₀的乘积设置为该像素的图像增强系数，由于d(x，y)一定大于等于0、且小于等于d_max，因而实现了在0～1倍λ₀范围内对属于平坦区域像素的图像增强系数的调节；

第三赋值子模块，对属于平坦区域的像素，如果该像素对应的比例小于第三阈值T3，则表示该任意像素所述细节区域内包含弱边缘，因而将预定图像增强系数标准值λ₀设置为该像素的图像增强系数，即λ(x，y)＝λ₀；

如果该像素对应的比例大于等于第三阈值，则表示该任意像素所述细节区域内包含强边缘，因而将该像素对应的比例与预定图像增强系数标准值λ₀的乘积再与预定图像增强系数标准值λ₀之和设置为该像素的图像增强系数，即 $\mathrm{\λ}(x,y)=[1+\frac{d(x,y)}{d_{\max }}]{\mathrm{\λ}}_0;$ 这样，即实现了在1～2倍λ₀范围内对属于细节区域像素的图像增强系数的调节，且对于强边缘的调节幅度大于弱边缘；

其中，d_max可以是从当前输入图像中所有像素的灰度值均方差d(x，y)中选择出的最大的一个，或者，由于在利用硬件芯片实现灰度值均方差计算时，有可能由于硬件限制而无法得到当前输入整帧图像中所有像素的灰度值均方差，针对该情况，即可利用之前若干帧的d_max，但在利用利用之前若干帧中的d_max时，有可能出现大于1的情况，此时就需要将钳位至1。

此外，对属于平坦区域和细节区域的任意像素进行图像增强系数调节时，可以将计算得到的所有灰度值均方差d(x，y)左移8位，此时，上述的比例就可表示为 $d^{\′}(x,y)=\frac{d(x,y)}{d_{\max }}\×256,$ 如此一来，小于等于1的变为了整数d′(x，y)，因而即可便于硬件查找表；相应地，就替换表示为 就替换为

上述结构分类模块和分类调整模块也可以组合为一个独立的图像增强系数调节装置。

增强处理模块，分别利用输入图像中各像素的高频分量与该像素的图像增强系数的乘积进行图像增强处理，得到增强的输出图像。

实际应用中，增强处理模块的处理过程可以表示为f′(x，y)＝f(x，y)+λ(x，y)f_h(x，y)。其中，f′(x，y)表示输出图像中(x，y)分别取不同值的各像素增强后的灰度值，f(x，y)表示输入图像中(x，y)分别取不同值的各像素的灰度值，f_h(x，y)表示高频计算模块得到的输入图像中(x，y)分别取不同值的各像素的灰度值高频分量，λ(x，y)为分类调整模块得到的输入图像中(x，y)分别取不同值的各像素所对应的图像增强系数。

如上可见，本实施例中图像增强系数的调节装置、以及图像增强装置首先依据输入图像中各像素与其相邻像素的灰度值差异程度，将各像素识别为不同的图像结构类别，然后，再分别针对不同图像结构类别的像素的图像增强系数进行调节，使得增强后的图像中，离散噪声被滤除、平坦区域得到适当的增强、而细节区域则能够较之平坦区域得到更大幅度的增强，从而能够提高增强后的图像质量。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种图像增强系数的调节方法，其特征在于，该方法包括如下步骤：

a1、分别依据输入图像中各像素与其相邻像素的灰度值差异程度，识别出各像素所属的图像结构类别，所述图像结构类别包括离散噪声、平坦区域、以及细节区域；

a2、将属于离散噪声的所有像素的图像增强系数均设置为使该像素经图像增强处理后被滤除高频分量的值，并在第一预定范围内分别调节属于平坦区域的各像素的图像增强系数、在第二预定范围内分别调节属于细节区域的各像素的图像增强系数，第二预定范围的下限等于第一预定范围的上限；

使像素经图像增强处理后被滤除高频分量的值为-1；

第一预定范围为预定图像增强系数标准值的0～1倍；

第二预定范围为预定图像增强系数标准值的1～2倍；

所述步骤a2中，对属于平坦区域和细节区域的像素，具体的图像增强系数调节过程包括：

分别计算输入图像中各像素与其所有相邻像素的灰度值均方差；

对属于平坦区域的任意像素，计算该像素对应的灰度值均方差与最大灰度值均方差的比例、并将计算得到的比例与预定图像增强系数标准值的乘积设置为该像素的图像增强系数；

对属于细节区域的任意像素，如果该像素对应的比例小于第三阈值，则将预定图像增强系数标准值设置为该像素的图像增强系数，如果该像素对应的比例大于等于第三阈值，则计算该像素的灰度值均方差与最大灰度值均方差对应的比例、以及该比例与预定图像增强系数标准值的乘积，再将该乘积与预定图像增强系数标准值之和设置为该像素的图像增强系数。

2.如权利要求1所述的图像增强系数的调节方法，其特征在于，所述步骤a1包括：

a11、分别计算输入图像中各像素与其每个相邻像素灰度值之差的绝对值、以及各像素与其所有相邻像素灰度值的均值；

a12、对于任意像素：

如果其对应的所有绝对值中取值最小的一个大于等于预定第一阈值，则确定该像素属于离散噪声；

如果其对应的所有绝对值中取值最小的一个小于预定第一阈值、但其灰度值与其对应的平均值之差的绝对值小于等于预定第二阈值，则确定该像素属于平坦区域；

如果其对应的所有绝对值中取值最小的一个小于预定第一阈值、且其灰度值与其对应的平均值之差的绝对值大于预定第二阈值，则确定该像素属于细节区域。

3.一种图像增强系数的调节装置，其特征在于，包括：

结构分类模块，分别依据输入图像中各像素与其相邻像素的灰度值差异程度，识别出各像素所属的图像结构类别，所述图像结构类别包括离散噪声、平坦区域、以及细节区域；

分类调整模块，将属于离散噪声的所有像素的图像增强系数均设置为使该像素经图像增强处理后被滤除高频分量的值，并在第一预定范围内分别调节属于平坦区域的各像素的图像增强系数、在第二预定范围内分别调节属于细节区域的各像素的图像增强系数，第二预定范围的下限等于第一预定范围的上限；

分类调整模块中，使像素经图像增强处理后被滤除高频分量的值为-1、第一预定范围为预定图像增强系数标准值的0～1倍、第二预定范围为预定图像增强系数标准值的1～2倍；

分类调整模块包括：

第一赋值子模块，将属于离散噪声的所有像素的图像增强系数均设置为-1；

第二计算子模块，分别计算输入图像中各像素与其所有相邻像素的灰度值均方差；

第二赋值子模块，对属于平坦区域的任意像素，计算该像素对应的灰度值均方差与最大灰度值均方差的比例、并将计算得到的比例与预定图像增强系数标准值的乘积设置为该像素的图像增强系数；

第三赋值子模块，对属于细节区域的任意像素，如果该像素对应的比例小于第三阈值，则将预定图像增强系数标准值设置为该像素的图像增强系数，如果该像素对应的比例大于等于第三阈值，则计算该像素的灰度值均方差与最大灰度值均方差对应的比例、以及该比例与预定图像增强系数标准值的乘积，再将该乘积与预定图像增强系数标准值之和设置为该像素的图像增强系数。

4.如权利要求3所述的图像增强系数的调节装置，其特征在于，结构分类模块包括：

第一计算子模块，分别计算输入图像中各像素与其每个相邻像素灰度值之差的绝对值、以及各像素与其所有相邻像素灰度值的均值；

分类判别子模块，如果像素对应的所有绝对值中取值最小的一个大于等于预定第一阈值，则确定该像素属于离散噪声；如果像素对应的所有绝对值中取值最小的一个小于预定第一阈值、但其灰度值与其对应的平均值之差的绝对值小于等于预定第二阈值，则确定该像素属于平坦区域；如果像素对应的所有绝对值中取值最小的一个小于预定第一阈值、且其灰度值与其对应的平均值之差的绝对值大于预定第二阈值，则确定该像素属于细节区域。

5.一种图像增强方法，其特征在于，包括：

a1、分别依据输入图像中各像素与其相邻像素的灰度值差异程度，识别出各像素所属的图像结构类别，所述图像结构类别包括离散噪声、平坦区域、以及细节区域；

a2、将属于离散噪声的所有像素的图像增强系数均设置为使该像素经图像增强处理后被滤除高频分量的值，并在第一预定范围内分别调节属于平坦区域的各像素的图像增强系数、在第二预定范围内分别调节属于细节区域的各像素的图像增强系数，第二预定范围的下限等于第一预定范围的上限；

a3、分别利用输入图像中各像素的高频分量与该像素的图像增强系数的乘积进行图像增强处理，得到增强的输出图像；

使像素经图像增强处理后被滤除高频分量的值为-1；

第一预定范围为预定图像增强系数标准值的0～1倍；

第二预定范围为预定图像增强系数标准值的1～2倍；

所述步骤a2中，对属于平坦区域和细节区域的像素，具体的图像增强系数调节过程包括：

分别计算输入图像中各像素与其所有相邻像素的灰度值均方差；

对属于平坦区域的任意像素，计算该像素对应的灰度值均方差与最大灰度值均方差的比例、并将计算得到的比例与预定图像增强系数标准值的乘积设置为该像素的图像增强系数；

对属于细节区域的任意像素，如果该像素对应的比例小于第三阈值，则将预定图像增强系数标准值设置为该像素的图像增强系数，如果该像素对应的比例大于等于第三阈值，则计算该像素的灰度值均方差与最大灰度值均方差对应的比例、以及该比例与预定图像增强系数标准值的乘积，再将该乘积与预定图像增强系数标准值之和设置为该像素的图像增强系数。

6.如权利要求5所述的图像增强方法，其特征在于，所述步骤a1包括：

a11、分别计算输入图像中各像素与其每个相邻像素灰度值之差的绝对值、以及各像素与其所有相邻像素灰度值的均值；

a12、对于任意像素：

如果其对应的所有绝对值中取值最小的一个大于等于预定第一阈值，则确定该像素属于离散噪声；

如果其对应的所有绝对值中取值最小的一个小于预定第一阈值、但其灰度值与其对应的平均值之差的绝对值小于等于预定第二阈值，则确定该像素属于平坦区域；

如果其对应的所有绝对值中取值最小的一个小于预定第一阈值、且其灰度值与其对应的平均值之差的绝对值大于预定第二阈值，则确定该像素属于细节区域。

7.一种图像增强装置，其特征在于，包括：

结构分类模块，分别依据输入图像中各像素与其相邻像素的灰度值差异程度，识别出各像素所属的图像结构类别，所述图像结构类别包括离散噪声、平坦区域、以及细节区域；

分类调整模块，将属于离散噪声的所有像素的图像增强系数均设置为使该像素经图像增强处理后被滤除高频分量的值，并在第一预定范围内分别调节属于平坦区域的各像素的图像增强系数、在第二预定范围内分别调节属于细节区域的各像素的图像增强系数，第二预定范围的下限等于第一预定范围的上限；

增强处理模块，分别利用输入图像中各像素的高频分量与该像素的图像增强系数的乘积进行图像增强处理，得到增强的输出图像；

分类调整模块中，使像素经图像增强处理后被滤除高频分量的值为-1、第一预定范围为预定图像增强系数标准值的0～1倍、第二预定范围为预定图像增强系数标准值的1～2倍；

分类调整模块包括：

第一赋值子模块，将属于离散噪声的所有像素的图像增强系数均设置为-1；

第二计算子模块，分别计算输入图像中各像素与其所有相邻像素的灰度值均方差；

第二赋值子模块，对属于平坦区域的任意像素，计算该像素对应的灰度值均方差与最大灰度值均方差的比例、并将计算得到的比例与预定图像增强系数标准值的乘积设置为该像素的图像增强系数；

第三赋值子模块，对属于细节区域的任意像素，如果该像素对应的比例小于第三阈值，则将预定图像增强系数标准值设置为该像素的图像增强系数，如果该像素对应的比例大于等于第三阈值，则计算该像素的灰度值均方差与最大灰度值均方差对应的比例、以及该比例与预定图像增强系数标准值的乘积，再将该乘积与预定图像增强系数标准值之和设置为该像素的图像增强系数。

8.如权利要求7所述的图像增强装置，其特征在于，结构分类模块包括：

第一计算子模块，分别计算输入图像中各像素与其每个相邻像素灰度值之差的绝对值、以及各像素与其所有相邻像素灰度值的均值；

分类判别子模块，如果像素对应的所有绝对值中取值最小的一个大于等于预定第一阈值，则确定该像素属于离散噪声；如果像素对应的所有绝对值中取值最小的一个小于预定第一阈值、但其灰度值与其对应的平均值之差的绝对值小于等于预定第二阈值，则确定该像素属于平坦区域；如果像素对应的所有绝对值中取值最小的一个小于预定第一阈值、且其灰度值与其对应的平均值之差的绝对值大于预定第二阈值，则确定该像素属于细节区域。