基于多尺度分解的双边滤波图像增强

柏顺陈樵，范文涛

(中国人民解放军91245部队， 辽宁 葫芦岛125000)



基于多尺度分解的双边滤波图像增强

柏顺陈樵，范文涛

(中国人民解放军91245部队， 辽宁 葫芦岛125000)

线条是刻画物体形状的最强的条件之一，因此可以通过调节线条的灰度值，达到增强物体表面细节的目的。基于以上操作并结合图像处理技术实现了图像增强。通过输入一组不同光照强度的图像，利用双边滤波进行迭代分解，并进行图像重组，输出图像即可实现图像的增强。

双边滤波；图像增强

双边滤波是最主要的图像去噪方法之一。基于算法的非线性特征，较之传统的高斯滤波，其滤波后的图像保留了大量的细节信息，增强了图像的可读性及清晰程度[1-10]。根据该算法在处理图像过程中保留边缘信息的特点，结合图像本身特征及合成技术，可以得到一种增强图像边缘信息、提高图像边缘信息清晰度的图像增强技术。

考虑到线条是刻画物体形状的最强条件之一，通过调节线条亮度的明暗对比，可以实现用不同图像表现不同边缘信息的目的。基于以上情况，在同一角度不同光照强度下拍摄的物体图像(MLIC)为一组包含不同边缘信息的图像组。将每一幅图像作为原始图像进行双边滤波迭代分解，提炼出边缘信息，再进行图像重组，即可实现增强图像边缘信息的目的。

1 双边滤波器

双边滤波器类似于高斯滤波器，是一种基于局部、非线性、非迭代的滤波方法，进而达到在保持图像边缘信息的同时去除噪声的效果。不同于高斯滤波器，该滤波器在2维领域内的加权系数由两部分乘积组成，一部分由像素空间距离决定，另一部分由像素灰度差值决定[2]。

BF[·]表示双边滤波算法，定义为

(1)

其中因数Wp保持权重之和为1。

(2)

2 双边滤波器多尺度分解

双边滤波将图像分解为基本信息层IBase及图像边缘信息层IDetail，其中基本图像层包含原图像中低频部分，而边缘信息层包含了原图像的高频部分。利用双边滤波器对图像进行多尺度分解，不断分解出边缘信息。令I0=I为原图像，输入图像I在尺度j上得到Ij，最优尺度为j=0，按式(3)计算即可得到双边滤波器对图像的多尺度分解[3]。

(3)

其中

(4)

对于边缘截止函数，为在双边滤波迭代分解中保留边缘信息，令σr, j=σr/2j，其中σr=R/10，这里R是图像的强度范围[4]。

令Dj=Ij-Ij-1(j=1,…,m)，得到一组边缘信息层图像，保留了边缘信息，并利用分解图像重组图像I：

(5)

3 离散算法设计

首先，进行双边滤波离散化处理。考虑空间域范围为m×n，则对于图像I的每一个像素点p，进行双边滤波的结果[5]为

(6)

其中

(7)

根据本文分析，每一组边缘信息层由式(8)得到。

(8)

将式(8)的离散算法代入，得到边缘信息层为

(9)

基本信息层为

(10)

则边缘信息增强后的图像为

(11)

4 图像边缘信息合成

选取3幅在同一角度、不同光照条件下拍摄的图像作为输入图像，如图1所示。可以发现：在不同光照条件下，图像的边缘信息表现的不相同。第1幅图像对于叶子整体的轮廓信息表现较强，但褶皱较深的部分较为模糊；第2幅图像仅仅对叶茎、叶子整体轮廓表现明显，对于叶子整体边缘信息基本没有体现；第3幅图像深入表现了叶、茎及分枝，但对于整体轮廓信息存在部分缺失。

(16)

(17)

得到合成信息后，则可得到边缘信息增强后的图像。

(18)

图1 不同光照强度下的原始图像

5 实验结果与分析

1) 在算法程序实现过程中，选取双边滤波半宽ω=5，空间及灰度值2个高斯加权常数σs=3，σr=0.1。对3幅图像进行4次双边滤波迭代，结果如图2所示。

图2 3幅图像4次迭代滤波后提取的特征图像

可以发现每一幅图像分解出的边缘信息不同：第1幅图像无法体现叶子左上侧较深阴影部分；第2幅图像基本保留了整片叶子、叶茎、分枝、褶皱等所有边缘信息，但每一部分体现不明显；第3幅图像体现了叶子叶茎及分枝的边缘信息，但对于较小褶皱部分保留较少。

对保留图像边缘信息不同的滤波图像再进行合成，便将图像所有边缘信息体现在一幅图像中，如图3所示，其中前3幅图为原始图像，最后一幅图为处理后的图像。可以发现：合成后的图像较第一幅图像表现出了叶子右上侧阴影部分的边缘信息，较之第2幅图像更加明显地表现了叶子叶茎、分枝、褶皱等边缘信息，较之第3幅图像更加明显地表现了叶子左下侧轮廓信息。

图3 图像对比效果

6 结束语

本文基于双边滤波器多尺度分解进行图像增强，利用双边滤波的非线性性质，提取出图像边缘信息，最后利用该算法分别处理了3幅不同光照条件下的同一树叶的图像。结果表明：该技术较好地将图像全部边缘信息集成到一幅图像中，表现了图像全部的边缘信息。

[1] SYLVAIN P,PIERRE K,JACK T.Bilateral Filtering:Theory and Applications[J].Computer Graphics and Vision.2008，4(1):1-73.

[2] 张志强,王万玉.一种改进的双边滤波算法[J].中国图象图形学报，2009，14(3):443-447.

[3] 靳明,宋建中.一种自适应的图像双边滤波方法[J].光电工程，2004，31(7):65-68.

[4] 王玉灵.基于双边滤波的图像处理算法研究[D].西安：西安电子科技大学，2010.

[5] 沈丰,赵宇明.基于实时Retinex与双边滤波的图像增强算法[J].计算机应用与软件，2009，26(11):234-258.

[6] 王一帆,尹传历,黄义明,等.基于双边滤波的图像去雾[J].中国图象图形学报,2014,19(3):420-425.

[7] 张聚,王陈,程芸.小波与双边滤波的医学超声图像去噪[J].中国图象图形学报,2014,19(1):126-132.

[8] 游谦,黎英,李玉成,等.基于双边滤波的RGB通道去雾算法研究[J].计算机工程与应用,2014,50(6):157-160.

[9] 姒绍辉,胡伏原,张伟,等.一种改进的双边滤波图像去噪算法[J].计算机工程与应用,2015,51(2):185-189.

[10]杜明本,陈立潮,潘理虎.基于暗原色理论和自适应双边滤波的煤矿尘雾图像增强算法[J].计算机应用,2015,35(5):1435-1438.

(责任编辑 杨黎丽)

Image Enhancement Based On Multi-Scale Decomposition of Bilateral Filtering

BAISHUN Chen-qiao, FAN Wen-tao

(The No. 91245thTroop of PLA, Huludao 125000, China)

Contour line is one of the most important conditions to describ the shape of object. Then, through regulating the brightness of contour line, we can achieve the aim of image enhancement. Based on the design above, and combined with image denoising, through bilateral filtering iterative algorithm handling a group of image, which is took on different brightness, and then rebuild, we can get an enhanced image.

bilateral filtering；image enhancement

2017-02-11 作者简介：柏顺陈樵(1989—)，男，河北滦县人，主要从事图像处理、测控技术研究，E-mail：liusiliu456@sina.com。

柏顺陈樵,范文涛.基于多尺度分解的双边滤波图像增强[J].重庆理工大学学报(自然科学)，2017(5):133-136.

format：BAISHUN Chen-qiao, FAN Wen-tao.Image Enhancement Based On Multi-Scale Decomposition of Bilateral Filtering[J].Journal of Chongqing University of Technology(Natural Science)，2017(5):133-136.

10.3969/j.issn.1674-8425(z).2017.05.022

TP39

A

1674-8425(2017)05-0133-04