精华内容
下载资源
问答
  • 【绘芯滑轨屏推荐】为了减小传统的反锐化掩模算法对噪声的敏感性,提出了一种新的反锐化掩模图像增强算法,该算法在图像的平坦区域进行去噪处理,并依据人眼视觉特性对图像的不同细节区域做不同程度的增强。...

    【绘芯滑轨屏推荐】为了减小传统的反锐化掩模算法对噪声的敏感性,提出了一种新的反锐化掩模图像增强算法,该算法在图像的平坦区域进行去噪处理,并依据人眼视觉特性对图像的不同细节区域做不同程度的增强。通过几种算法的实验结果比较,表明本算法不仅增强效果较好,且抑制了噪声的增强。

    关键词:图像增强;反锐化掩模;噪声抑制;算法

    An Unsharp Masking

    Technique for Image Enhancement with Noise S uppression

    XIE Mingguo,HE

    Jianguang,XU Zhongyou,ZHANG Yanchen

    (Xiamen University,Xiamen,361005,China)

    Abstract:A new method for unsharp masking technique for imag e enhancement is

    presented in order to reduce noise sensitivity of traditional u nsharp masking

    technique. Denoising operation is performed in smooth areas of images. The

    sharpening depth varies automatically in different contrast areas of images

    based on human visual properties. Experimental results show a much impr oved

    enhancement and noise suppressing  Keywords:image

    enhancement; unsharp masking; noise suppressi on;alorithm

    1引言反锐化掩模(Unsharp

    Masking,UM)[1]最早应用于摄影暗室中,处理时,将一张模糊的负片与正片卷和在一起,然后冲洗混和胶片得到更为清晰的照片。原理是将胶片的模糊形式从原始胶片中减去,达到增强照片细节的目的。在数字图像处理中,为了增强图像的边缘和细节,常采用反锐化掩模技术,经典的线性反锐化掩模技术组成框图如图1所示,原始图像经过线性高通滤波器后,乘以一个比例因子后与原始图像相加,得到增强的图像。尽管这种方法简单,增强效果也相对较好,但他却有2个重大的缺点:  (1)系统对噪声非常敏感由于采用了线性高通滤波器,图像的细节和噪声同时被增强,尤其是在图像的平坦区域,即使很小的噪声也非常明显。  (2)过冲(overshoot)现象由于图像的高细节区域相对于其他区域增强更大,处理后的图像会呈现明显的人工处理痕迹。为了克服线性反锐化掩模技术的缺点,尤其是对噪声的敏感性,人们提出了各种各样的方法。这些方法大部分是用非线性滤波器代替线性高通滤波器,对减小噪声和增强细节进行折中考虑。SK Mitra提出了基于Teager算法的非线性算子[2],这种非线性算子可近似为局部均值权重高通滤波器。根据Weber定律,人眼对图像黑色区域的细节更敏感,因此这种算子能减小噪声。G.Ramponi提出了立方反锐化掩模技术[3],这种技术的实质是用一个对边缘敏感的平方滤波器算子乘以拉普拉斯算子,仅增强局部亮度变化区域的图像细节,相对较小噪声。Y H Lee提出了基于序列统计拉普拉斯算法的算子[4],这个算子的输出和局部均值与局部中值之差成比例,他能有效地去除高斯白噪声。A Polesel提出了自适应反锐化掩模技术[5],这种技术采用自适应滤波器对图像的细节增强程度大一些,而对图像的平坦区域几乎不增强,因而能减小平坦区域的噪声。  上面提到的方法虽然相对于线性反锐化掩模技术减小了噪声,但在平坦区域,噪声仍然比较明显,而且,为了使图像的中细节区域达到较好的增强效果,图像的高细节区域往往增强过大,导致过冲现象的出现。虽然文献[5]的方法效果较好,但算法较复杂,计算量较大,且有过渡噪声的问题。另一类解决办法是对图像先进行去噪处理,再进行增强处理,但去噪往往导致图像的模糊,使增强难以达到较优化的效果。  本文针对反锐化掩模技术的缺点,提出了一种新的解决方法。首先,把图像根据细节程度分为低、中、高三个区域,只对低细节区域进行去噪处理。其次,在增强时,对低细节区域不做增强或增强很小,对高细节区域做中等程度的增强,对中细节区域增强程度最大。这样,避免了去噪带来的图像模糊问题,而且,对图像的增强符合人眼视觉特性,既改善了噪声的敏感程度,又不会出现过冲现象。

    2算法介绍线性反锐化掩模算法的计算公式如下:  式中,x(m,n)是输入图像信号;z(m,n)是线性高通滤波器的输出;λ是一个正比例因子,可以控制图像增强的强度;y(m,n)是增强后的图像,如图1所示。

    线性反锐化掩模最大的缺点是对噪声非常敏感。很自然的解决方法是在增强前先进行去噪处理,去噪多采用平均或插值的方法,但去噪一般会使图像变模糊,损失图像的细节,而使去噪和增强二者之间难以达到较优化的效果。为了避免图像细节的损失,可以把图像根据细节程度分为低、中、高三个区域,只在图像的低细节区域(亦即平坦区域)进行去噪处理,因为根据人眼视觉特性,人眼对图像平坦区域的噪声比细节部分的噪声更敏感,且一般情况下图像的大部分区域是平坦的。这样图像的噪声被相对“去除”了,而细节区域被完好的保留。而且,在平坦区域对去噪算法的要求较低,有利于实时处理。为了对图像的细节程度进行判断,我们采用了局部方差的方法,即在一个象素的3×3邻域内进行如下运算:  式中,x(m,n)是象素点(m,n)3×3邻域的亮度平均值。  通过式(2)的计算,D(m,n)就代表了象素点(m,n)的细节程度。假设有两个阈值T1和T2,且T1T2则为高细节区。  在图像的平坦区域,如当D(m,n)  另一方面,在图像的低细节区域,由于人眼对噪声很敏感,所以可以只做很小的增强或不进行增强;在图像的高细节区域,为了避免出现过冲现象,可进行中等程度的增强;而在图像的中细节区域,则进行较大程度的增强。为此,可将式(1)中的λ定义为图像细节的非线性函数λ(m,n),且:  式中,z(m,n)为增强算子,本文采用了增强效果较好的二阶拉普拉斯算子,掩模采用3×3的模板,如图2所示。这样,图像的平坦区域进行了去噪处理,低、中、高不同细节区域也得到了不同程度的增强。

    算法框图如图3所示。经过大量的图像实验,算法中的参数选取范围如下:  

    3实验结果图4(a)是图像增强处理经常采用的“lena”原图;(b)是线性反锐化掩模的处理结果;(c)是立方反锐化掩模(SCUM)的结果;(d)是本文算法处理的结果。

    各种算法使用的参数如表1所示,这些参数的取值都是按照相应文献中的建议取值的。为 了进行对比,本文算法参数的取值使增强效果和线性反锐化掩模算法的增强效果接近。  图像增强效果没有统一的判断标准,最好的判断方法还是由人眼进行对比观察。图4(b) 中,明显可见到细小的噪声,尤其是在右脸颊部分;(c)中虽然噪声得到了很好的抑制,

    但有很明显的人工处理痕迹,比如头发和眼睛;(d)中不仅噪声得到了很好的抑制,同时 ,图像的细节也得到了很好的增强,达到了非常理想的总体增强效果。

    4结语本文提出了一种新的图像增强算法,根据人眼视觉特性,对图像的平坦区域进行均值滤波,并对图像的低、中、高细节区域做不同程度的反锐化掩模增强。与其他增强方法相比,既抑

    制了噪声,又达到了很好的增强效果。

    参考文献

    [1]Rafael C. Gonzalez, Richard E WoodsDigital Image

    Process ing, Second Edition.Englewood Cliffs,NJ: Prentice Hall,2002.[2]Mitra S K,LiH, Lin I S,et al.A New Class

    of Nonlinear Filters for Image Enhancement in Proc Intl

    Conf.Acoust,Speech, Signal P rocessing,Toronto, Canada,1991,(4):2525-2528.[3]Ramponi G.A Cubic Unsharp

    Masking Technique for Contrast En hancement.

    Signal Process,1998,67:211-222.[4]Lee.Y H,Park S Y.A Study of Convex/Concave Edges and Edge enhancing

    Operators Based on the Laplacian.IEEE Trans Circuits Syst,1990,37 :940-946.[5]Polesel A,Ramponi. G,Mathews

    V J.Image Enhancement Via Adapt ive.Unsharp Masking.IEEE Trans. Image

    Processing, 2000,9:505-510.

    专业设计制作滑屏,互动滑轨屏,滑轨屏,推拉屏等数字展厅解决方案,联系QQ956693667,13329706647「绘芯科技」

    展开全文
  • 中北大学课 程 设 计 说 明 书学生姓名: xxx 学 号: 11xxxxxxxx学 院: 信息与通信工程学院专 业: 电子信息工程题 目: 图像反锐化掩膜算法研究指导教师: 田秀荣 职称: 讲师2015 年 01月 16日中北大学课程设计...

    中北大学

    课 程 设 计 说 明 书

    学生姓名: xxx 学 号: 11xxxxxxxx

    学 院: 信息与通信工程学院

    专 业: 电子信息工程

    题 目: 图像反锐化掩膜算法研究

    指导教师: 田秀荣 职称: 讲师

    2015 年 01月 16日

    中北大学

    课程设计任务书

    14/15 学年第 1 学期

    学 院: 信息与通信工程学院

    专 业: 电子信息工程

    课程设计题目: 专业综合实践之多维信息处理部分:

    图像反锐化掩膜增强

    起 迄 日 期: 2015年1月5日~2015年1月16日

    课程设计地点: 201,503,510实验室

    指 导 教 师: xxx

    系 主 任: xxx

    下达任务书日期: 2015 年 1 月5 日

    课 程 设 计 任 务 书

    1.设计目的:

    对一幅灰度图像,进行反锐化掩膜增强处理。

    2.设计内容和要求(包括原始数据、技术参数、条件、设计要求等):掌握反锐化掩膜增强方法;

    用MATLAB方法实现此过程;

    (3)要求三位同学协调配合,共同完成任务。

    3.设计工作任务及工作量的要求〔包括课程设计计算说明书(论文)、图纸、实物样品等〕:

    课程设计说明书一份

    程序仿真结果

    课 程 设 计 任 务 书

    4.主要参考文献:要求按国标GB 7714—87《文后参考文献著录规则》书写,例:

    1 傅承义,陈运泰,祁贵中.地球物理学基础.北京:科学出版社,19855.设计成果形式及要求:课程设计说明书

    仿真结果6.工作计划及进度:2015年1月5日----2015年1月16日

    1月5日-9日 查找资料,上机调试程序;

    1月12日-16日 写设计报告,并答辩。系主任审查意见:

    签字:

    年 月 日

    目录

    第一章 绪论2

    1.1反锐化掩模概述2

    1.2反锐化掩模算法2

    1.3常见的图像反锐化掩模增强方法2

    第二章 设计目的及方案简介3

    2.1设计目的3

    2.2设计内容和要求3

    第三章 线性反锐化掩模方法3

    3.1方法简要介绍3

    3.2 主要设计程序4

    3.3 实验结果4

    第四章 基于均值滤波的非线性反锐化掩模5

    4.1方法简要介绍5

    4.2主要程序6

    4.3实验结果7

    第五章 基于小波变换的非线性反锐化掩膜7

    5.1方法简要介绍7

    5.2主要程序8

    5.3实验结果9

    第六章 实验结果评测10

    第七章 本次课设的收获体会11

    第八章 参考文献11

    绪论

    1.1反锐化掩模概述

    英文:unsharp masking / 中文:反锐化掩模法;将原图像通过反锐化掩模进行模糊预处理(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。

    反锐化掩模技术最早是应用于摄影技术中,以增强图像的边缘和细节。光学上的操作方法是将聚焦的正片和散焦的负片在底片上进行叠加,结果是增强了正片高频成份,从而增强了轮廓,散焦的负片相当于“模糊”模板(掩模),它与锐化的作用正好相反,因此,该方法被称为反锐化掩模法。

    1.2反锐化掩模算法

    反锐化掩模(UnSharp Masking,UM)算法。首先将原图像低通滤波后产生一个钝化模糊图像,将原图像与这模糊图像相减得到保留高频成份的图像,再将高频图像用一个参数放大后与原图像叠加,这就产生一个增强了边缘的图像。最初将原图像通过低通滤波器后,因为高频成份受到抑制,从而使图像模糊,所以模糊图像中高频成份有很大削弱。将原图像与模糊图像相减的结果就会使f(x、y)的低频成份损失很多,而高频成份较完整地被保留下来。因此,再将高频成份的图像用一个参数放大后与原图像f(x、y)叠加后,就提升了高频成份,而低频成份几乎不受影响。

    1.3常见的图像反锐化掩模增强方法

    1.3.1线性反锐化掩模方法

    1.3.2非线性反锐化掩模方法

    1.3.3基于中值滤波反锐化掩模方法

    1.3.4小波变换反锐化掩模方法等

    第二章 设计目的及方案简介

    2.1设计目的

    展开全文
  • 反锐化掩膜

    2012-05-22 07:17:28
    反锐化掩膜
  • 针对传统反锐化掩膜算法对噪声敏感,不能较好地同时增强对比度和细节的问题,提出一种基于顶帽变换的反锐化掩膜算法。通过形态学中的顶帽变换增强图像的对比度,利用迭代中值滤波与原图像的差值获取图像的细节信息,采用...
  • 线性反锐化掩膜

    千次阅读 2019-09-30 12:35:37
    反锐化掩模技术最早是应用于摄影技术中,以增强图像的边缘和细节。光学上的操作方法是将聚焦的正片和散焦的负片在底片上进行叠加,结果是增强了正片高频成份,从而增强了轮廓,散焦的负片相当于“模糊”模板(掩模)...

    反锐化掩模技术最早是应用于摄影技术中,以增强图像的边缘和细节。光学上的操作方法是将聚焦的正片和散焦的负片在底片上进行叠加,结果是增强了正片高频成份,从而增强了轮廓,散焦的负片相当于“模糊”模板(掩模),它与锐化的作用正好相反,因此,该方法被称为反锐化掩模法。

     线性反锐化掩模(UnSharp Masking,UM)算法首先将原图像低通滤波后产生一个钝化模糊图像,将原图像与这模糊图像相减得到保留高频成份的图像,再将高频图像用一个参数放大后与原图像叠加,以达到提高图像中高频成分、增强图像轮廓的目的。最初将原图像通过低通滤波器后,因为高频成份受到抑制,从而使图像模糊,所以模糊图像中高频成份有很大削弱。将原图像与模糊图像相减的结果就会使f(x、y)的低频成份损失很多,而高频成份较完整地被保留下来。因此,再将高频成份的图像用一个参数放大后与原图像f(x、y)叠加后,就提升了高频成份,而低频成份几乎不受影响。

     

    代码:

    I=imread('C:\Users\Prince\Desktop\origin.bmp');
    
    subplot(2,2,1),imshow(I);
    
    f=double(I);     % 数据类型转换,MATLAB不支持图像的无符号整型的计算
    
    g=fft2(f);        % 傅立叶变换
    
    g=fftshift(g);     % 转换数据矩阵
    
    [N,M]=size(g);
    
    H = fspecial('gaussian',[M,N],0.7);
    
    Blurimage = imfilter(I,H,'replicate');
    
    Iq=imsubtract(I,Blurimage); 
    
    subplot(2,2,2),imshow(Blurimage);   % 显示滤波处理后的图像
    
    subplot(2,2,3),imshow(Iq);
    
    aa=I+2*Iq;
    
     
    
    subplot(2,2,4),imshow(aa);

    1)使用一个均值滤波器(低通)用于图像的模糊;

    2)原图像与模糊图像做差得到图像细节(高频信号);

    3)原图像与放大后的高频信号进行相加。

    function [Iout] = LaplaceSharpenFunc(I,Para)
    [m,n]= size(I);
    Iout = zeros(m,n);
    
    for i =1:m-2
        for j = 1:n-2
            Round9 = uint8(I(i:i+2,j:j+2));
            Array9=double(Round9(:));
            Array9(5) = [];
            Av = sum(Array9)/8;
            Iout(i+1,j+1) = double(I(i+1,j+1))+Para*(double(I(i+1,j+1))-Av);
        end
    end
    展开全文
  • 反锐化掩模

    千次阅读 2012-05-17 11:42:45
    英文:unsharp masking / 中文:反锐化掩模法  将原图像通过反锐化掩模进行模糊预处理(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...

    英文:unsharp masking / 中文:反锐化掩模法


           将原图像通过反锐化掩模进行模糊预处理(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. 


            反锐化掩模技术最早是应用于摄影技术中,以增强图像的边缘和细节。光学上的操作方法是将聚焦的正片和散焦的负片在底片上进行叠加,结果是增强了正片高频成份,从而增强了轮廓,散焦的负片相当于“模糊”模板(掩模),它与锐化的作用正好相反,因此,该方法被称为反锐化掩模法。 


           线性反锐化掩模(UnSharp Masking,UM)算法。首先将原图像低通滤波后产生一个钝化模糊图像,将原图像与这模糊图像相减得到保留高频成份的图像,再将高频图像用一个参数放大后与原图像叠加,这就产生一个增强了边缘的图像。最初将原图像通过低通滤波器后,因为高频成份受到抑制,从而使图像模糊,所以模糊图像中高频成份有很大削弱。将原图像与模糊图像相减的结果就会使f(x、y)的低频成份损失很多,而高频成份较完整地被保留下来。因此,再将高频成份的图像用一个参数放大后与原图像f(x、y)叠加后,就提升了高频成份,而低频成份几乎不受影响。 

    转:http://fengrui835350.blog.163.com/blog/static/14089075920102180653509/

    ····


    展开全文
  • 分析了反锐化掩膜法的增强问题,针对传统算法的噪声敏感,易在强边缘处过冲,且对灰度变化较小的微弱细节锐度不足的缺陷,提出了一种改进的基于灰度变化强度和频率的自适应图像增强算法。利用非线性形态学重构滤波器获得...
  • 反锐化掩没处理方法

    2016-03-20 19:21:02
    反锐化掩膜的运算中最终应该是uint8形式,因为是图像减去平滑滤波图像构成反锐化模板,最终也应该是uint8形式
  • 线性反锐化掩模处理过程中对噪声极其敏感,从而导致噪声加大,细节丢失,图像质量降低,针对线性反锐化掩模的局限性和缺点,提出了根据灰度特性来调节具有增强作用的加权因数,可非线性地增强图像的边缘细节,即为非...
  • end end 反锐化掩模和高提升滤波的计算函数:unsharp.m function w = unsharp(A,m) a = imread('Fig3.43(a).jpg'); aa = im2double(a); d = lap(aa,m); [sq sq] = size(m); if m(ceil(sq/2),ceil(sq/2)) *aa - d; ...
  • 锐化使用unsharp mask的原理:结果 = (a * 原图) + (b * 原图的高斯模糊),其中a >= 1 && b <= 0 && a + b == 1用opencv的GaussianBlur和addWeighted即可def someblur(src, blursize = 5):# ...
  • 图像增强处理中反锐化掩膜算法的研究,经典算法与改进算发给。
  • 锐化滤波Sharpen filter clc;close all;I = imread('图片11.jpg');set(figure(1), 'name','不同梯度合成效果', 'numbertitle', 'off');subplot(221),imshow(I);title('原图');I = rgb2gray(I);%% Roberts operatorH1...
  • 遥感掩模计算,数据分析有帮助,遥感掩模计算,数据分析有帮助
  • 7个解决方案147 votes关于反锐化掩蔽的维基百科文章中列出了一个通用程序:您使用高斯平滑滤波器并从原始图像中减去平滑后的版本(以加权方式,以便恒定区域的值保持不变)。要获得frame的锐化版本image :(均为cv::Mat...
  • 提出一种反锐化掩模(USM)锐化检验方法。采用局部二值模式方法(LBP)检测图像边缘特征,利用支持向量机进行分类,然后检测图像是否被锐化。针对不同的锐化强度,对比不同LBP检测模式,筛选出最优检测方式。实验结果表明,...
  • 图像锐化

    千次阅读 2012-03-31 23:13:28
    今天我们其道行之, 我们看看锐化是怎么做的。 这里的锐化, 还是的从平滑谈开去。我们先来观察原来的图像和平滑图像的区别: 原图 raw   减去模糊图 blur   ______________________
  • 在这里,我们抛开细节,把思路理一下:定性的思考方向是:既然可以通过积分的思想来做图像的模糊,是不是可以通过积分的操作微分来实现模糊的操作-锐化?定量的思考方向是:我们把微分的过程当分别求x, y方向上...
  • 图像锐化算法

    万次阅读 2015-01-28 17:09:37
    图像锐化可以实现边缘增强,凸显细节。 常用的方法有拉普拉斯算子和掩膜法,两者都可以通过滤波模板实现,非常方便简单。说到滤波模板,也就是空域滤波了,这个PPT对空域滤波的原理阐述得比较清晰:...
  • 实验环境:1,Linux操作系统2,QT3编程开发环境3,C++编程语言傅立叶变换和傅立叶变换1.1. 主要源代码readImage() 从图像中读取数据writeImage() 往图像中写入数据fft() 快速傅立叶变换ifft() 快速傅立叶变换...
  • From: ... 实验环境: 1,Linux操作系统 2,QT3编程开发环境 3,C++编程语言 ...傅立叶变换和傅立叶变换 1.1. 主要源代码 readImage() 从图像中读取数据 writeImage() 往图像中写入数据 fft() 快速傅
  • 实验环境:1,Linux操作系统2,QT3编程开发环境3,C++编程语言傅立叶变换和傅立叶变换1.1. 主要源代码readImage() 从图像中读取数据writeImage() 往图像中写入数据fft() 快速傅立叶变换ifft() 快速傅立叶变换...
  • 之前一段我们提到的算法都是和... 今天我们其道行之, 我们看看锐化是怎么做的。 这里的锐化, 还是的从平滑谈开去。我们先来观察原来的图像和平滑图像的区别:   原图 raw   减去模糊图 blur  
  • Sharp------锐化

    2020-02-26 20:58:54
    CMOS输入的图像将引入各种噪声,有随机噪声、量化噪声、固定模式噪声等。ISP降噪处理过程中,势必将在降噪的同时,把...如下图所示,左图是未锐化的原始图像,右图是经过锐化之后的图像。 反面就是“图像平滑” ...
  • Focus Magic 采用先进的法庭褶技术真正“撤销”模糊和恢复丢失的细节。也是许多法学家使用的唯一的照片锐化软件,它可以修复图像的失焦模糊和运动模糊(相机抖动),修补及强化模糊不清的图像。不像其他的锐化软件...
  • 之前一段我们提到的算法都是和平滑有关, 经过... 今天我们其道行之, 我们看看锐化是怎么做的。 这里的锐化, 还是的从平滑谈开去。我们先来观察原来的图像和平滑图像的区别: 原图 raw: 模糊图 blur: ...

空空如也

空空如也

1 2 3 4 5 ... 7
收藏数 122
精华内容 48
关键字:

反锐化