基于多尺度分解的雙邊濾波圖像增強

柏順陳樵，范文濤

(中國人民解放軍91245部隊， 遼寧 葫蘆島125000)

?

基于多尺度分解的雙邊濾波圖像增強

柏順陳樵，范文濤

(中國人民解放軍91245部隊， 遼寧 葫蘆島125000)

線條是刻畫物體形狀的最強的條件之一，因此可以通過調節(jié)線條的灰度值，達到增強物體表面細節(jié)的目的?；谝陨喜僮鞑⒔Y合圖像處理技術實現了圖像增強。通過輸入一組不同光照強度的圖像，利用雙邊濾波進行迭代分解，并進行圖像重組，輸出圖像即可實現圖像的增強。

雙邊濾波；圖像增強

雙邊濾波是最主要的圖像去噪方法之一。基于算法的非線性特征，較之傳統(tǒng)的高斯濾波，其濾波后的圖像保留了大量的細節(jié)信息，增強了圖像的可讀性及清晰程度[1-10]。根據該算法在處理圖像過程中保留邊緣信息的特點，結合圖像本身特征及合成技術，可以得到一種增強圖像邊緣信息、提高圖像邊緣信息清晰度的圖像增強技術。

考慮到線條是刻畫物體形狀的最強條件之一，通過調節(jié)線條亮度的明暗對比，可以實現用不同圖像表現不同邊緣信息的目的。基于以上情況，在同一角度不同光照強度下拍攝的物體圖像(MLIC)為一組包含不同邊緣信息的圖像組。將每一幅圖像作為原始圖像進行雙邊濾波迭代分解，提煉出邊緣信息，再進行圖像重組，即可實現增強圖像邊緣信息的目的。

1 雙邊濾波器

雙邊濾波器類似于高斯濾波器，是一種基于局部、非線性、非迭代的濾波方法，進而達到在保持圖像邊緣信息的同時去除噪聲的效果。不同于高斯濾波器，該濾波器在2維領域內的加權系數由兩部分乘積組成，一部分由像素空間距離決定，另一部分由像素灰度差值決定[2]。

BF[·]表示雙邊濾波算法，定義為

(1)

其中因數Wp保持權重之和為1。

(2)

2 雙邊濾波器多尺度分解

雙邊濾波將圖像分解為基本信息層IBase及圖像邊緣信息層IDetail，其中基本圖像層包含原圖像中低頻部分，而邊緣信息層包含了原圖像的高頻部分。利用雙邊濾波器對圖像進行多尺度分解，不斷分解出邊緣信息。令I0=I為原圖像，輸入圖像I在尺度j上得到Ij，最優(yōu)尺度為j=0，按式(3)計算即可得到雙邊濾波器對圖像的多尺度分解[3]。

(3)

其中

(4)

對于邊緣截止函數，為在雙邊濾波迭代分解中保留邊緣信息，令σr, j=σr/2j，其中σr=R/10，這里R是圖像的強度范圍[4]。

令Dj=Ij-Ij-1(j=1,…,m)，得到一組邊緣信息層圖像，保留了邊緣信息，并利用分解圖像重組圖像I：

(5)

3 離散算法設計

首先，進行雙邊濾波離散化處理?？紤]空間域范圍為m×n，則對于圖像I的每一個像素點p，進行雙邊濾波的結果[5]為

(6)

其中

(7)

根據本文分析，每一組邊緣信息層由式(8)得到。

(8)

將式(8)的離散算法代入，得到邊緣信息層為

(9)

基本信息層為

(10)

則邊緣信息增強后的圖像為

(11)

4 圖像邊緣信息合成

選取3幅在同一角度、不同光照條件下拍攝的圖像作為輸入圖像，如圖1所示。可以發(fā)現：在不同光照條件下，圖像的邊緣信息表現的不相同。第1幅圖像對于葉子整體的輪廓信息表現較強，但褶皺較深的部分較為模糊；第2幅圖像僅僅對葉莖、葉子整體輪廓表現明顯，對于葉子整體邊緣信息基本沒有體現；第3幅圖像深入表現了葉、莖及分枝，但對于整體輪廓信息存在部分缺失。

(16)

(17)

得到合成信息后，則可得到邊緣信息增強后的圖像。

(18)

圖1 不同光照強度下的原始圖像

5 實驗結果與分析

1) 在算法程序實現過程中，選取雙邊濾波半寬ω=5，空間及灰度值2個高斯加權常數σs=3，σr=0.1。對3幅圖像進行4次雙邊濾波迭代，結果如圖2所示。

圖2 3幅圖像4次迭代濾波后提取的特征圖像

可以發(fā)現每一幅圖像分解出的邊緣信息不同：第1幅圖像無法體現葉子左上側較深陰影部分；第2幅圖像基本保留了整片葉子、葉莖、分枝、褶皺等所有邊緣信息，但每一部分體現不明顯；第3幅圖像體現了葉子葉莖及分枝的邊緣信息，但對于較小褶皺部分保留較少。

對保留圖像邊緣信息不同的濾波圖像再進行合成，便將圖像所有邊緣信息體現在一幅圖像中，如圖3所示，其中前3幅圖為原始圖像，最后一幅圖為處理后的圖像?？梢园l(fā)現：合成后的圖像較第一幅圖像表現出了葉子右上側陰影部分的邊緣信息，較之第2幅圖像更加明顯地表現了葉子葉莖、分枝、褶皺等邊緣信息，較之第3幅圖像更加明顯地表現了葉子左下側輪廓信息。

圖3 圖像對比效果

6 結束語

本文基于雙邊濾波器多尺度分解進行圖像增強，利用雙邊濾波的非線性性質，提取出圖像邊緣信息，最后利用該算法分別處理了3幅不同光照條件下的同一樹葉的圖像。結果表明：該技術較好地將圖像全部邊緣信息集成到一幅圖像中，表現了圖像全部的邊緣信息。

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

[2] 張志強,王萬玉.一種改進的雙邊濾波算法[J].中國圖象圖形學報，2009，14(3):443-447.

[3] 靳明,宋建中.一種自適應的圖像雙邊濾波方法[J].光電工程，2004，31(7):65-68.

[4] 王玉靈.基于雙邊濾波的圖像處理算法研究[D].西安：西安電子科技大學，2010.

[5] 沈豐,趙宇明.基于實時Retinex與雙邊濾波的圖像增強算法[J].計算機應用與軟件，2009，26(11):234-258.

[6] 王一帆,尹傳歷,黃義明,等.基于雙邊濾波的圖像去霧[J].中國圖象圖形學報,2014,19(3):420-425.

[7] 張聚,王陳,程蕓.小波與雙邊濾波的醫(yī)學超聲圖像去噪[J].中國圖象圖形學報,2014,19(1):126-132.

[8] 游謙,黎英,李玉成,等.基于雙邊濾波的RGB通道去霧算法研究[J].計算機工程與應用,2014,50(6):157-160.

[9] 姒紹輝,胡伏原,張偉,等.一種改進的雙邊濾波圖像去噪算法[J].計算機工程與應用,2015,51(2):185-189.

[10]杜明本,陳立潮,潘理虎.基于暗原色理論和自適應雙邊濾波的煤礦塵霧圖像增強算法[J].計算機應用,2015,35(5):1435-1438.

(責任編輯 楊黎麗)

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 作者簡介：柏順陳樵(1989—)，男，河北灤縣人，主要從事圖像處理、測控技術研究，E-mail：liusiliu456@sina.com。

柏順陳樵,范文濤.基于多尺度分解的雙邊濾波圖像增強[J].重慶理工大學學報(自然科學)，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