基于小波變換的反銳化掩模圖像增強研究

趙曉雷，姚新宇

(1.渭南師范學院數學與信息科學學院，陜西渭南714000;2.陜西省電力公司規劃評審中心，西安710042)

圖像增強的主要目的是對圖像的視覺效果做進一步改善，在圖像處理上表現為將圖像轉換到另外一種表示形式，為后續圖像的處理提供更有意義的數據.在圖像增強中，主要目的并不是以保留圖像原來的面貌，而是在于通過對圖像做進一步的增強處理，可以獲得更多關于圖像的信息，便于機器進行分析或者便于人們去識別，對其中的無用的信息可以抑制，從而提高圖像的可用信息量.圖像增強技術一直是圖像處理領域內非常重要的基本處理技術，它可以借助各種數學方法和變換手段提高圖像中的對比度和清晰度，可以將一些有用的信息更加突出，同時也可以淡化一些無用的信息，從而可以將原本模糊不清或者對比度不好的圖像處理成清晰的、含有大量有用信息的、對比度良好的可使用圖像.

反銳化掩模技術［1］是應用于攝影技術中的一種方法，通過此方法可以有效地增強圖像的邊緣和細節信息.其在光學上的操作方法是將聚焦后的正片和散焦后的負片在底片上進行疊加，結果是增強了正片高頻成分，從而增強了輪廓，散焦的負片相當于“模糊”模板(掩模模型)，它與銳化的作用正好相反，因此，將該方法稱為反銳化掩模法，是在攝影技術中最常用的邊緣細節增強方法之一.小波變換［2］是近年來新出現的時頻分析工具，由于它具有多分辨率分析能力和時頻局部化的能力，故在圖像處理領域內應用比較廣泛.將小波變換應用在反銳化掩模方法中，可以有效地提高圖像的增強效果.

1 圖像的反銳化掩模法

在圖像的邊緣細節增強方面，可以將廣泛應用于攝影技術的反銳化掩模技術用在圖像增強上，從而構成了反銳化掩模方法在圖像增強上的應用，在反銳化掩模方法中，圖像增強實際上是由原始圖像疊加上原始圖像通過高通濾波后所得的分量而形成的.

將原圖像通過反銳化掩模進行模糊預處理［3］(相當于采用低通濾波)后與原圖逐點做差值運算，然后乘上一個修正因子再與原圖求和，以達到提高圖像中高頻成分，增強圖像輪廓的目的，這是反銳化掩模法在圖像中應用的原理.

反銳化掩模法的基本公式是:

2 基于小波變換的反銳化掩模圖像增強算法

由于小波變換是近年來新出現的時頻分析工具，它具有多分辨率分析能力和時頻局部化的能力，因此可以把傳統的反銳化掩模方法與小波分析有機地結合起來［4］，成為圖像增強的另外一種方法.

對圖像進行二維小波分解后，將產生ILL，ILH，IHL，IHH四個分量，其中分量ILL為原始圖像的低頻信息，即圖像中的輪廓信息;ILH對應著圖像中水平方向的高頻信息;IHL對應著圖像中垂直方向的高頻信息;IHH對應著圖像中45度對角線上的高頻信息.由于圖像的小波變換可以形成多分辨率、多尺度分解，從而可以將圖像按照不同的頻段分解出不同的分量，從而代表原圖像不同方向的特征.正是由于可以將圖像分解成高頻和低頻信息，因而可以在高頻和低頻上進行不同的變化，達到增強圖像的目的.

對于圖像被小波分解后的4幅子圖像中的ILL，在低頻子圖ILL中包含了原始圖像中的絕大部分信息，只失掉了一部分高頻信息，也就是圖像的細節信息丟失，這樣將圖像的絕大部分輪廓信息保留下來，由此可以構造反銳化掩模方法中的掩模模型，通常掩模模型的得到是通過擴大子圖像ILL到原圖像大小后，由于子圖像ILL含有大量的低頻信息，實際上相當于一個原始圖像的模糊圖像，可以將原圖像和2倍子圖像ILL做差作為反銳化掩模方法中的掩模模型，由于掩模模型是原圖像和2倍子圖像ILL的差，可以看出是將低頻信息削弱，實際上得到的是原圖像的大部分高頻信息，因此在反銳化掩模法［5］的基本公式中，將原始圖像加上增強因子K倍的掩模模型后，使得圖像的高頻信息得到加強，同時圖像的低頻信息也不會受到影響，從而實現對原圖像的增強.

基于小波變換的反銳化掩模增強算法［6］基本步驟如下:

(1)選擇一定的小波對圖像進行一層二維小波變換分解;

(2)保留產生的低頻系數信息，將其擴大至原圖像的大小，抑制或去掉所得的高頻系數，從而得到模糊后的圖像;

(3)用原始圖像減去模糊圖像，獲得掩模模型;

(4)用原始圖像加上增強因子K倍的掩模模型，獲得增強后的圖像.

在以上步驟中，低頻系數的保留、掩模模型以及增強因子的系數的確定，都是需要根據實際的增強效果來調整，不同的圖像、不同的應用可以選擇不同的系數.

3 實驗

下面就以常用的lean圖像為例進行基于小波變換的反銳化掩模圖像增強的實驗，如圖1所示.

在圖1中，(a)圖為lena原始圖像，(b)圖為增強因子K=0.5時增強后的圖像，(c)圖為增強因子K=0.05時增強后的圖像，(d)圖為增強因子K=0.005時增強后的圖像.從圖1中可以看出，(c)圖和(d)圖中圖像的細節部分明顯比(a)圖中更加明顯，尤其是在頭發的細節地方表現得尤為明顯;(b)圖中由于增強因子K的值比較大，其過多保留了輪廓信息，使其在疊加時的細節信息丟失，但其對比度得到了一定的改善.

通過實驗結果表明，該方法相比于傳統的圖像增強方法(直方圖均衡化)有著明顯的優越性.首先，小波變換可以使得原圖像中不同分辨率下的細節特征可以隨著小波尺度的變化進行不同級別的分離，從而避免了傳統圖像增強方法中的不斷調整濾波器窗口的大小而實現不同的圖像增強效果;其次，由于對不同尺度下的小波分量分別進行增強，原始圖像中無論較粗還是較細的邊緣都能同時得到增強;另外，由于小波多分辨率分析的特性，經小波變換處理后的圖像細節部分清晰，層次感強，可以有效地消除噪聲，具有較好的增強效果，可以明顯地增強圖像的細節信息.

4 結語

通過基于小波變換的反銳化掩模方法可以有效地對圖像的細節進行增強，同時可以選擇不同的K值來增強細節的表現程度，從而實現圖像的增強.

圖1 基于小波的反銳化掩模增強前后的圖像

［1］楊詞銀，黃廉卿，賈晨光，等.基于區域分割的自適應反銳化掩模算法［J］.光學精密工程，2003，11(2):188-192.

［2］陳武凡.小波分析及其在圖像處理中的應用［M］.北京:科學出版社，2003.

［3］Pizer S M，Amburn E P，Austin J D，et al.Adaptive histogram equalization and its variations［J］.Comp Vis Graph Image Process，1987，39(3):355.

［4］劉勁，康志偉，何怡剛.基于小波變換的反銳化掩模圖像增強新算法［J］.計算機工程，2007，33(21):179-180.

［5］高河偉，張麗，陳志強，等.基于反銳化掩模的輻射圖像信息增強算法［J］.核電子學與探測技術，2005，25(5):481-483.

［6］秦文學.用于邊緣檢測的圖像增強技術研究［D］.北京:北京機械工業學院碩士學位論文，2008.