一种基于HPF的图像锐化算法制造技术

本发明专利技术提供一种基于HPF的图像锐化算法，其过程如下：(1)对图像进行预处理；(2)对图像进行HPF卷积与处理；(3)确定Conv卷积图像参数TH、G、SHF、MAX。(4)对图像进行叠加。本算法能够充分利用图像灰度信息对经过HPF卷积后的图像进行自适应噪声虑除、边缘增强，将原图与卷积图像进行叠加，进而得到锐化后的图像，且本算法的计算方式采用全整型计算，加快了算法的运算速度，同时也适应了一些只能进行整型运算的平台，提高了算法的通用性，能够使得算法具有较好的可移植性以及较快的运算速度。

【技术实现步骤摘要】
一种基于HPF的图像锐化算法
本专利技术属于图像效果处理领域，尤其是涉及一种基于HPF的图像锐化算法。
技术介绍
在图像处理的
当中，图像锐化的运算是用来让图像中的边缘或纹理看起来更明显。传统图像边缘锐化算法(如普通HPF滤波器实现的锐化算法)无法对物体边缘和白噪声有效区分，导致在提升锐化效果的同时也放大了噪声。图像锐化过程中，对于白噪声的抑制是需要突破的地方。
技术实现思路
有鉴于此，本专利技术旨在提出一种基于HPF的图像锐化算法，本算法能够在突出物体边缘的同时抑制白噪声，达到锐化图像的目的。为达到上述目的，本专利技术的技术方案是这样实现的：一种基于HPF的图像锐化算法，其过程如下：(1)对图像进行预处理；(2)对图像进行HPF卷积与处理；(3)确定Conv卷积图像参数TH、G、SHF、MAX。(4)对图像进行叠加。进一步的，图像在获取过程中，会因为设备电路噪声和其它图像处理算法的关系，引入图像噪声，噪声会对锐化算法在边缘提取时进行干扰，为保证锐化的效果，可以先进行简单的预处理，即2D降噪处理(如中值滤波)。进一步的，在图像的HPF卷积与处理过程中，HPF(HighPassFilter，高通滤波器)设计为5*5高通滤波器S：式中Src为输入图像，Conv为收缩截止后的卷积图像，Shrink()为收缩函数，Clip()为截止函数，SHF为右移参数，MAX为卷积后最大值，G为增益，Th为阈值。进一步的，Conv卷积图像参数TH、G、SHF、MAX的确定过程如下：参数TH与增益G是整个图像锐化中的关键参数，它们共同决定了增强哪部分的边缘以及增强系数。一般来说，图像获取过程中，场景越暗，对应的图像噪声相对越大(SNR小)。场景越亮，对应的图像噪声相对越小(SNR大)。为了能够适应多种场景，保证图像的锐化效果，本算法采用动态调整参数TH与G。参数SHF：为了适应多种平台下的算法通用性和精度(如FPGA平台下不支持浮点型乘法)，这里的计算均采用整型进行计算，所以增益G是由浮点增益左移SHF后的整数，这里的SHF是为了消除增益G的放大。参数MAX：控制叠加到原图的卷积图像值上限。部分物体边缘本身就很清晰，经过卷积、放大后可能会有局部失真，这并不是我们想要的。进一步的，图像叠加为：Dst(h,v)＝Src(h,v)+Conv(h,v)；式中Dst()为最终的锐化图像。相对于现有技术，本专利技术所述的基于HPF的图像锐化算法具有以下优势：(1)一般来说白噪声分布比较均匀且幅度不大，本算法能够利用噪声的分布特性，动态的调整TH阈值对卷积图像进行Shrink操作，有效的排除了卷积图像中大部分的白噪声的放大，保证边缘锐化增强的效果。因此，本算法在提升物体边缘强度时，抑制了部分噪声，能够更加清晰的描述物体，达到比较好的图像锐化效果。(2)本算法的计算方式采用全整型计算，加快了算法的运算速度，同时也适应了一些只能进行整型运算的平台，提高了算法的通用性，能够使得算法具有较好的可移植性以及较快的运算速度。(3)Shrink与Clip操作使得本算法在处理HPF后的卷积图像时，能够自如地选择想要增强的边缘区间，用锐化参数的动态调整，使得算法更加灵活，采能够适应更多场景。附图说明构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术的流程图。具体实施方式需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。一种基于HPF的图像锐化算法，其过程如下：(1)对图像进行预处理图像在获取过程中，会因为设备电路噪声和其它图像处理算法的关系，引入图像噪声，噪声会对锐化算法在边缘提取时进行干扰，为保证锐化的效果，可以先进行简单的预处理，如2D降噪处理(如中值滤波)(2)对图像进行HPF卷积与处理HPF(HighPassFilter，高通滤波器)设计为5*5高通滤波器S：式中Src为输入图像，Conv为收缩截止后的卷积图像，Shrink()为收缩函数，Clip()为截止函数，SHF为右移参数，MAX为卷积后最大值，G为增益，Th为阈值(3)确定Conv卷积图像参数TH、G、SHF、MAX参数TH与增益G是整个图像锐化中的关键参数，它们共同决定了增强哪部分的边缘以及增强系数。一般来说，图像获取过程中，场景越暗，对应的图像噪声相对越大(SNR小)。场景越亮，对应的图像噪声相对越小(SNR大)。为了能够适应多种场景，保证图像的锐化效果，本算法采用动态调整参数TH与G。参数SHF：为了适应多种平台下的算法通用性和精度(如FPGA平台下不支持浮点型乘法)，这里的计算均采用整型进行计算，所以增益G是由浮点增益左移SHF后的整数，这里的SHF是为了消除增益G的放大。参数MAX：控制叠加到原图的卷积图像值上限。部分物体边缘本身就很清晰，经过卷积、放大后可能会有局部失真，这并不是我们想要的。(4)对图像进行叠加Dst(h,v)＝Src(h,v)+Conv(h,v)；式中Dst()为最终的锐化图像。本算法能够充分利用图像灰度信息对经过HPF卷积后的图像进行自适应噪声虑除、边缘增强，将原图与卷积图像进行叠加，在突出物体边缘的同时抑制白噪声，进而得到锐化后的图像。以上所述仅为本专利技术的较佳实施例而已，并不用以限制本专利技术，凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
一种基于HPF的图像锐化算法，其特征在于，其过程如下：(1)对图像进行预处理；(2)对图像进行HPF卷积与处理；(3)确定Conv卷积图像参数TH、G、SHF、MAX。(4)对图像进行叠加。

【技术特征摘要】
1.一种基于HPF的图像锐化算法，其特征在于，其过程如下：(1)对图像进行预处理；(2)对图像进行HPF卷积与处理；(3)确定Conv卷积图像参数TH、G、SHF、MAX。(4)对图像进行叠加。2.根据权利要求1所述的一种基于HPF的图像锐化算法，其特征在于：图像在获取过程中，会因为设备电路噪声和其它图像处理算法的关系，引入图像噪声，噪声会对锐化算法在边缘提取时进行干扰，为保证锐化的效果，可以先进行2D降噪处理。3.根据权利要求1所述的一种基于HPF的图像锐化算法，其特征在于：在图像的HPF卷积与处理过程中，HPF设计为5*5高通滤波器S：

【专利技术属性】
技术研发人员：刘琰，瞿关明，朱健立，张龙龙，
申请(专利权)人：天津英田视讯科技有限公司，
类型：发明
国别省市：天津,12