[发明专利]一种基于HPF的图像锐化算法

说明书

本发明提供一种基于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。

技术领域

本发明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。

背景技术

在图像处理的技术领域当中，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。

发明内容

有鉴于此，本发明旨在提出一种基于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，本发明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(High Pass Filter，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，本发明所述的基于HPF的图像锐化算法具有以下优势：