一种图像锐化及色彩增强处理方法技术

本发明专利技术公开了一种图像锐化及色彩增强处理方法，步骤为，识别原始图像，对图像进行灰度处理，并将图像分块；将原始图像进行放缩与像素归一化处理；使用深度残缺网络对图像进行静态特征提取；神经网络根据图像噪声的分布情况得到特征向量；将噪声图像和特征向量作为分类特征，对噪声进行分类，并用不同去噪模型对噪声进行处理；进行边缘细节增强，对噪声为主的弱细节区维持现有状态，强细节区得到大限度增强，中等细节区得到适当增强。本发明专利技术通过自适应的模糊控制，实现边缘增强，同时避免噪声的放大，且通过自我学习的神经网络，达到了系统对图像能够根据数据，判别图像的锐化程度并进行锐化处理和色彩增强处理。行锐化处理和色彩增强处理。行锐化处理和色彩增强处理。

【技术实现步骤摘要】
一种图像锐化及色彩增强处理方法


[0001]本专利技术涉及图像识别领域，尤其是一种图像锐化及色彩增强处理方法。

技术介绍

[0002]随着数字成像技术的快速发展，数字图像出现在我们日常生活中的各个领域，近年来,随着计算机技术的高速发展和编程软件的不断更新,计算机在数字图像处理中的应用也得到很大的发展,它已经成功的应用于几乎所有与图像处理有关的科学领域,正在发挥着不可替代的作用。人们利用计算机对数字图像进行操作和调整,从而获得某种期望的结果。在图像处理过程中,经常对图像进行锐化来增强图像的清晰度,从而改善图像的质量以满足客户的要求。
[0003]这种方法对图像有着非常好的效果，但是在处理过程中，会将图像中的噪声同时增强，使得图像中小的噪声也会非常明显，从而影响图像质量，其次传统方法不能将已识别处理的图像作为数据库，进行学习优化，从而达到一个自适应调整的图像处理方法。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对
技术介绍
的缺陷，本专利技术通过一种图像锐化及色彩增强处理方法，能够对图像进行去噪处理，再进行锐化操作，且能够通过已处理过的图像数据作为依据进行优化学习，不断的提高处理的速度及精度。
[0005]本专利技术为解决上述技术问题采用以下技术方案：
[0006]一种图像锐化及色彩增强处理方法，包括以下步骤：
[0007]步骤S1、识别原始图像，对图像进行灰度处理，并将图像分块；
[0008]步骤S2、将原始图像进行放缩与像素归一化处理；
[0009]步骤S3、使用深度残缺网络对图像进行静态特征提取；
[0010]步骤S4、神经网络根据图像噪声的分布情况得到特征向量；
[0011]步骤S5、将噪声图像和特征向量作为分类特征，对噪声进行分类，并用不同去噪模型对噪声进行处理；
[0012]步骤S6、进行边缘细节增强，对噪声为主的弱细节区维持现有状态，强细节区得到大限度增强，中等细节区得到适当增强；
[0013]步骤S7、对图像进行像素点分割；
[0014]步骤S8、进行相似度计算；
[0015]步骤S9、进行切线拟合；
[0016]步骤S10、进行图像锐化；
[0017]步骤S11、图像梯度优化，得到目标图像。
[0018]优选的，还包括，在原始图像上施加不同噪声，进行噪声识别，识别结果由系统判别，识别正确，则进行其他噪声识别，识别错误，则重新细化识别，并将错误识别过程记录在系统内，不断优化噪声识别准确率。
[0019]优选的，所述步骤S6具体算法如下：
[0020][0021]式中：F
x，y
为原始图像，Z
x，y
为增强后图像，λ为增强因子，λ大小控制增强的强度，G为平滑算子，G分区域后有选择地利用；
[0022]将图像高频成分分为
[0023]f
hp
＝f
h
(λ
max
)+f
m
[λ(μ
x，y
)]+f1[0024]λ(μ
x，y
)≤λ
max
[0025]其中f1为弱细节区高频成分，即图像平坦区域的高频成分，多由噪声引起；f
m
为中等细节区高频成分；f
h
为强细节区高频成分，f
m
和f
h
主要是图像边缘区域所包含的高频成分；λ
max
为全局最高增强系数，μ
x，y
定义为像素(x，y)的细节成分对强细节区的隶属度，μ
x，y
越大，说明该像素属于强细节区的概率越大，λ(μ
x，y
)越大，增强的力度也越大；
[0026]锐化算法为：
[0027][0028]优选的，所述步骤S8具体方法如下：
[0029]设图像上任意两点P、Q的RGB分别为(x1，y1，z1)和(x2，y2，z2)，则其绝对相似度A按下式计算：
[0030]A＝|x1‑
x2|+|y1‑
y2|+|z1‑
z2|
[0031]由每一通道的取值范围为[0，255]，得
[0032]0≤x1，y1，z1≤255
[0033]0≤x2，y2，z2≤255
[0034]得Amax＝765；
[0035]则其相对相似度R按下式计算：
[0036][0037]过图像上任意点P的切线为r，r的拟合度F按下式计算：
[0038]F＝最大相对相似度
‑
最小相对相似度＝Rmax
‑
Rmin
[0039]以每个像素点为中心，过该点以相等间隔向n个方向做切线，每点的切线方向均为[0，π)之内的数，在切线上取若干个点，计算其相对相似度R和拟合度F，求取拟合切线；
[0040]具体算法步骤如下：
[0041]步骤S81、任取一像素点P；
[0042]步骤S82、设：过点P的切线方向i＝0，最佳拟合率Rb＝0,最差拟合率Rw＝1，最佳拟合角度Ab＝0，F＝0，最佳拟合度Fb＝1；
[0043]步骤S83、取角度i
[0044]取切线上一样本点Q，计算Q点和P点的相对相似度R
[0045]IF R＞Rb则Rb＝R
[0046]IF R＜Rw则Rw＝R；
[0047]取下一个样本点Q，直至没有下一个样本点；
[0048]F＝Rb
‑
Rw，
[0049]保存F，如果F＜Fb，则Fb＝F，
[0050]步骤S84、重复步骤S83，直至i≥π，得到所有像素点的拟合度F以及拟合度为Fb的拟合切线。
[0051]优选的，所述步骤S10具体方法如下：
[0052]步骤S101、输入原图像；
[0053]步骤S102、每线程处理若干像素点；
[0054]步骤S103、参考切线向量场计算，得到目标像素点向量场；
[0055]步骤S104、判断目标点取色偏移方向及大小；
[0056]步骤S105、得到目标点取色，生成目标图。
[0057]优选的，具体算法如下：
[0058](1)首先用原图像像素点P邻近的s条切线通过线性插值求出目标点的切线方向以及拟合切线；
[0059](2)依据拟合切线方向，求出其发现方向n，然后通过拟合度，确定取样距离，在经过目标点的法线上，找到距离目标点取样距离最近的两个点r1和r2，通过线性插值分别求得其颜色，取目标点通过线性插值后的颜色为Pc；
[0060](3)求出未知像素点到颜色渐变分界点距离arc：
[0061][0062]其中：点C为原图像像素点；H为放大后图像的未知像素点；
[0063](4)用未知像素点A到颜色渐近分界点距离，以及r1、r2与Pc的颜色相似度，可以判断出目标点取色偏移方向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像锐化及色彩增强处理方法，其特征在于，包括以下步骤：步骤S1、识别原始图像，对图像进行灰度处理，并将图像分块；步骤S2、将原始图像进行放缩与像素归一化处理；步骤S3、使用深度残缺网络对图像进行静态特征提取；步骤S4、神经网络根据图像噪声的分布情况得到特征向量；步骤S5、将噪声图像和特征向量作为分类特征，对噪声进行分类，并用不同去噪模型对噪声进行处理；步骤S6、进行边缘细节增强，对噪声为主的弱细节区维持现有状态，强细节区得到大限度增强，中等细节区得到适当增强；步骤S7、对图像进行像素点分割；步骤S8、进行相似度计算；步骤S9、进行切线拟合；步骤S10、进行图像锐化；步骤S11、图像梯度优化，得到目标图像。2.根据权利要求1所述的一种图像锐化及色彩增强处理方法，其特征在于，还包括，在原始图像上施加不同噪声，进行噪声识别，识别结果由系统判别，识别正确，则进行其他噪声识别，识别错误，则重新细化识别，并将错误识别过程记录在系统内，不断优化噪声识别准确率。3.根据权利要求1所述的一种图像锐化及色彩增强处理方法，其特征在于，所述步骤S6具体算法如下：式中：F
x，y
为原始图像，Z
x，y
为增强后图像，λ为增强因子，λ大小控制增强的强度，G为平滑算子，G分区域后有选择地利用；将图像高频成分分为f
hp
＝f
h
(λ
max
)+f
m
[λ(μ
x，y
)]+f1λ(μ
x，y
)≤λ
max
其中f1为弱细节区高频成分，即图像平坦区域的高频成分，多由噪声引起；f
m
为中等细节区高频成分；f
h
为强细节区高频成分，f
m
和f
h
主要是图像边缘区域所包含的高频成分；λ
max
为全局最高增强系数，μ
x，y
定义为像素(x，y)的细节成分对强细节区的隶属度，μ
x，y
越大，说明该像素属于强细节区的概率越大，λ(μ
x，y
)越大，增强的力度也越大；锐化算法为：4.根据权利要求1所述的一种图像锐化及色彩增强处理方法，其特征在于，所述步骤S8具体方法如下：
设图像上任意两点P、Q的RGB分别为(x1，y1，z1)和(x2，y2，z2)，则其绝对相似度A按下式计算：A＝|x1‑
x2|+|y1‑
y2|+|z1‑
z2|由每一通道的取值范围为[0,255]，得0≤x1，y1，z1≤2550≤x2，y2，z2≤255得Amax＝765；则其相对相似度R按下式计算：过图像上任意点P的切线为r，r的拟合度F按下式计算：F＝最大相对相似度
‑
最小相对相似度＝Rmax
‑
Rmin以每个像素点为中心，过该点以相等间隔向n个方向做切线，每点的切线方向均为[0，π)之内的数，在切线上取若干个点，计算其相对相似度R和拟合度F，求取拟合切线；具体算法步骤如下：步骤S81、任取一像素点P；步骤S8...

【专利技术属性】
技术研发人员：张赛，
申请(专利权)人：南京傲速致力信息技术有限公司，
类型：发明
国别省市：