基于小波变换的反锐化掩模图像增强研究

赵晓雷，姚新宇

(1.渭南师范学院数学与信息科学学院，陕西渭南714000;2.陕西省电力公司规划评审中心，西安710042)

图像增强的主要目的是对图像的视觉效果做进一步改善，在图像处理上表现为将图像转换到另外一种表示形式，为后续图像的处理提供更有意义的数据.在图像增强中，主要目的并不是以保留图像原来的面貌，而是在于通过对图像做进一步的增强处理，可以获得更多关于图像的信息，便于机器进行分析或者便于人们去识别，对其中的无用的信息可以抑制，从而提高图像的可用信息量.图像增强技术一直是图像处理领域内非常重要的基本处理技术，它可以借助各种数学方法和变换手段提高图像中的对比度和清晰度，可以将一些有用的信息更加突出，同时也可以淡化一些无用的信息，从而可以将原本模糊不清或者对比度不好的图像处理成清晰的、含有大量有用信息的、对比度良好的可使用图像.

反锐化掩模技术［1］是应用于摄影技术中的一种方法，通过此方法可以有效地增强图像的边缘和细节信息.其在光学上的操作方法是将聚焦后的正片和散焦后的负片在底片上进行叠加，结果是增强了正片高频成分，从而增强了轮廓，散焦的负片相当于“模糊”模板(掩模模型)，它与锐化的作用正好相反，因此，将该方法称为反锐化掩模法，是在摄影技术中最常用的边缘细节增强方法之一.小波变换［2］是近年来新出现的时频分析工具，由于它具有多分辨率分析能力和时频局部化的能力，故在图像处理领域内应用比较广泛.将小波变换应用在反锐化掩模方法中，可以有效地提高图像的增强效果.

1 图像的反锐化掩模法

在图像的边缘细节增强方面，可以将广泛应用于摄影技术的反锐化掩模技术用在图像增强上，从而构成了反锐化掩模方法在图像增强上的应用，在反锐化掩模方法中，图像增强实际上是由原始图像叠加上原始图像通过高通滤波后所得的分量而形成的.

将原图像通过反锐化掩模进行模糊预处理［3］(相当于采用低通滤波)后与原图逐点做差值运算，然后乘上一个修正因子再与原图求和，以达到提高图像中高频成分，增强图像轮廓的目的，这是反锐化掩模法在图像中应用的原理.

反锐化掩模法的基本公式是:

2 基于小波变换的反锐化掩模图像增强算法

由于小波变换是近年来新出现的时频分析工具，它具有多分辨率分析能力和时频局部化的能力，因此可以把传统的反锐化掩模方法与小波分析有机地结合起来［4］，成为图像增强的另外一种方法.

对图像进行二维小波分解后，将产生ILL，ILH，IHL，IHH四个分量，其中分量ILL为原始图像的低频信息，即图像中的轮廓信息;ILH对应着图像中水平方向的高频信息;IHL对应着图像中垂直方向的高频信息;IHH对应着图像中45度对角线上的高频信息.由于图像的小波变换可以形成多分辨率、多尺度分解，从而可以将图像按照不同的频段分解出不同的分量，从而代表原图像不同方向的特征.正是由于可以将图像分解成高频和低频信息，因而可以在高频和低频上进行不同的变化，达到增强图像的目的.

对于图像被小波分解后的4幅子图像中的ILL，在低频子图ILL中包含了原始图像中的绝大部分信息，只失掉了一部分高频信息，也就是图像的细节信息丢失，这样将图像的绝大部分轮廓信息保留下来，由此可以构造反锐化掩模方法中的掩模模型，通常掩模模型的得到是通过扩大子图像ILL到原图像大小后，由于子图像ILL含有大量的低频信息，实际上相当于一个原始图像的模糊图像，可以将原图像和2倍子图像ILL做差作为反锐化掩模方法中的掩模模型，由于掩模模型是原图像和2倍子图像ILL的差，可以看出是将低频信息削弱，实际上得到的是原图像的大部分高频信息，因此在反锐化掩模法［5］的基本公式中，将原始图像加上增强因子K倍的掩模模型后，使得图像的高频信息得到加强，同时图像的低频信息也不会受到影响，从而实现对原图像的增强.

基于小波变换的反锐化掩模增强算法［6］基本步骤如下:

(1)选择一定的小波对图像进行一层二维小波变换分解;

(2)保留产生的低频系数信息，将其扩大至原图像的大小，抑制或去掉所得的高频系数，从而得到模糊后的图像;

(3)用原始图像减去模糊图像，获得掩模模型;

(4)用原始图像加上增强因子K倍的掩模模型，获得增强后的图像.

在以上步骤中，低频系数的保留、掩模模型以及增强因子的系数的确定，都是需要根据实际的增强效果来调整，不同的图像、不同的应用可以选择不同的系数.

3 实验

下面就以常用的lean图像为例进行基于小波变换的反锐化掩模图像增强的实验，如图1所示.

在图1中，(a)图为lena原始图像，(b)图为增强因子K=0.5时增强后的图像，(c)图为增强因子K=0.05时增强后的图像，(d)图为增强因子K=0.005时增强后的图像.从图1中可以看出，(c)图和(d)图中图像的细节部分明显比(a)图中更加明显，尤其是在头发的细节地方表现得尤为明显;(b)图中由于增强因子K的值比较大，其过多保留了轮廓信息，使其在叠加时的细节信息丢失，但其对比度得到了一定的改善.

通过实验结果表明，该方法相比于传统的图像增强方法(直方图均衡化)有着明显的优越性.首先，小波变换可以使得原图像中不同分辨率下的细节特征可以随着小波尺度的变化进行不同级别的分离，从而避免了传统图像增强方法中的不断调整滤波器窗口的大小而实现不同的图像增强效果;其次，由于对不同尺度下的小波分量分别进行增强，原始图像中无论较粗还是较细的边缘都能同时得到增强;另外，由于小波多分辨率分析的特性，经小波变换处理后的图像细节部分清晰，层次感强，可以有效地消除噪声，具有较好的增强效果，可以明显地增强图像的细节信息.

4 结语

通过基于小波变换的反锐化掩模方法可以有效地对图像的细节进行增强，同时可以选择不同的K值来增强细节的表现程度，从而实现图像的增强.

图1 基于小波的反锐化掩模增强前后的图像

［1］杨词银，黄廉卿，贾晨光，等.基于区域分割的自适应反锐化掩模算法［J］.光学精密工程，2003，11(2):188-192.

［2］陈武凡.小波分析及其在图像处理中的应用［M］.北京:科学出版社，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］刘劲，康志伟，何怡刚.基于小波变换的反锐化掩模图像增强新算法［J］.计算机工程，2007，33(21):179-180.

［5］高河伟，张丽，陈志强，等.基于反锐化掩模的辐射图像信息增强算法［J］.核电子学与探测技术，2005，25(5):481-483.

［6］秦文学.用于边缘检测的图像增强技术研究［D］.北京:北京机械工业学院硕士学位论文，2008.