提出一种多算法融合的图像增强方法, 用于工程应用中的复杂降质图像的细节特征恢复.该方法汲取了Laplacian变换法、Sobel梯度法、盒状滤波法、非锐化掩蔽法及灰度幂律法等算法的优点, 可对模糊图像进行自适应增强.通过拉普拉斯滤波器和梯度滤波器将原始图像分为基础层、细节层及边缘特征层;对微小细节信息及边缘特征信息进行增强,对基础信息进行压缩;然后采用盒装滤波器对图像的三个分层进行平滑过度及噪音过滤,最后使用非锐化掩蔽法和灰度变换来增加图像灰度的动态范围,从而得到增强后的图像.在相同的工况下, 该方法分别与直方图均衡法、自适应伽马矫正法及小波变换的图像增强法实验结果进行对比,结果表明,该方法将图像的清晰度提高了13.1%~126.1%, 能有效地处理复杂型感染的图像, 避免图像过度增强, 可以获得适合人眼的最佳视觉细节内容的增强效果.
图像处理 图像增强 多方法融合 自适应 非锐化掩模 Image processing Image enhancement Multiple methods-fusion Self-adaption Unsharp 光子学报
2016, 45(12): 1210002