Способ автоматического улучшения полутонового изображения

 

Изобретение относится к цифровой обработке изображений. Его использование позволяет получить технический результат в виде повышения надежности и помехоустойчивости процесса улучшения изображения и исключения из него человека. Способ заключается в определении унимодального или бимодального типа исходной яркости гистограммы и порогового уровня яркости, обладающего свойством разделения бимодальной гистограммы на два унимодальных фрагмента, с последующей обработкой фрагментов гистограммы, а также в обратном переходе от фрагментов гистограммы к сегментам изображения. Технический результат достигается благодаря тому, что автоматически аппроксимируют ступенчатую исходную яркостную гистограмму аппроксимирующей кривой, строят кривую динамики центра гистограммы, определяют яркостные интервалы, для которых значения яркости аппроксимирующей кривой меньше или равны соответствующим значениям яркости для кривой динамики центра гистограммы, вычисляют вес области разделения для каждого яркостного интервала, идентифицируют яркостный интервал области разделения с максимальным весом, сравнивают его с нормативным весом, принимают решение о бимодальном типе исходной яркостной гистограммы при превышении первого из этих значений над вторым, находят область разделения и эквализируют оставшиеся фрагменты под нормальное распределение и фильтруют их. 4 ил.

Изобретение относится к способам цифровой обработки изображений.

В настоящее время в процедуре улучшения изображений с целью приведения его к виду, удобному для восприятия или машинного анализа, могут применяться различные способы цифровой обработки изображений.

Известен способ - сегментация (см., например, Прэтт У. Цифровая обработка изображений: Пер. с англ. - М: Мир, 1982. - Кн.2. - С. 555-570; Фу К. Структурные методы в распознавании образов: Пер с англ. - М.: Мир, 1977. - С. 20-25; патент США N 4574393 (G 06 K 9/00, 04.03.1986; всего 25 с.)). Суть последнего заключается в определении унимодального или бимодального типа исходной яркостной гистрограммы и порогового уровня яркости, обладающего свойством разделения бимодальной гистограммы на два унимодальных фрагмента, с последующей обработкой фрагментов гистограммы, а также в обратном переходе от фрагментов гистограммы к сегментам изображения.

Существует также способ автоматического улучшения полутонового изображения, в котором фрагменты полутонового изображения эквализируют под нормальное распределение под управлением бинарной маски и проводят их высокочастотную фильтрацию (патент США N 5854851, G 06 K 9/00, 29.12.1998; всего 35 с.: см. столбцы 24-26 и фиг. 8D).

Недостатком данных способов улучшения изображения является остающееся негативное влияние отдельных сегментов на результаты обработки изображения в целом и отсутствие гарантированного качества результатов, в значительной степени зависящих от содержания изображения и цели наблюдателя, свидетельствующие о том, что гарантированное улучшение невозможно без реализации аппарата понимания наблюдаемой сцены в аспекте решаемой наблюдателем задачи.

Задачей настоящего изобретения является повышение надежности и помехоустойчивости улучшения изображения и исключение из процесса улучшения человека.

Указанная задача решается тем, что с исходным полутоновым изображением последовательно производятся автоматическая сегментация по форме яркостной гистограммы, эквализация под нормальное распределение каждого из сегментов исходного изображения под управлением бинарной маски и высокочастотная фильтрация эквализированного изображения под управлением бинарной маски.

Сущность изобретения заключена в автоматическом улучшении качества визуального восприятия полутонового изображения в результате использования сегментации, нормальной эквализации и высокочастотной фильтрации. При этом весь процесс улучшения полутонового изображения заключается в: аппроксимировании ступенчатой исходной яркостной гистограммы соответствующей аппроксимирующей кривой на основе аппроксимирующего полинома, построении кривой динамики центра гистограммы, определении тех яркостных интервалов, для всех точек которых значения яркости для аппроксимирующей кривой меньше или равны соответствующим значениям яркости для кривой динамики центра гистограммы, вычислении веса области разделения для каждого из найденных яркостных интервалов как суммы разностей, вычисленных на каждом яркостном интервале, между соответствующими значениями ординат кривой динамики центра гистограммы и аппроксимирующей кривой, идентифицировании яркостного интервала, соответствующего области разделения с максимальным весом, сравнения значения максимального веса области разделения и нормативного веса, при превышении первого из этих значений над вторым принимается решение о бимодальном типе исходной яркостной гистрограммы и находится глобальный минимум аппроксимирующего полинома на яркостном интервале с максимальным весом области разделения, который и принимают в качестве упомянутого порогового уровня яркости для обеспечения операции порогового среза исходного изображения управляющей бинарной маской, из которой при обратном переходе от фрагментов гистрограммы к сегментам изображения удаляют шум, разделение (декомпозиция) исходного изображения на определенные части (сегменты), различающиеся по своему содержанию, последующей эквализации под нормальное распределение полученных сегментов под управлением бинарной маски и высокочастотной фильтрации эквализированного изображения под управлением бинарной маски.

Результатом является получаемое улучшение качества визуального восприятия изображения.

Изобретение поясняется чертежом. Способ автоматического улучшения полутонового изображения. На чертеже представлены: Фото 1 (слева, вверху) - исходное изображение без применения способа автоматического улучшения полутонового изображения, а под ним показана гистрограмма 1, показывающая внешний вид исходной яркостной бимодальной гистограммы.

Фото 2 (справа) - изображение, получаемое при применении способа автоматического улучшения полутонового изображения, а также гистограмма 2, дающая представление о повышении удельного веса высокочастотных составляющих в пространственно-частотном спектре изображения (после применения способа автоматического улучшения полутонового изображения).

Задача разделения (декомпозиции) исходного изображения на определенные части (сегменты) по сходству своих точек осуществляется посредством сегментации (см., например, Прэтт У. Цифровая обработка изображений: Пер. с англ. - М. : Мир, 1982. - Кн. 2. - С. 555-570; Фу К. Структурные методы в распознавании образцов: Пер. с англ. - М.: Мир, 1977. - С. 20-25; Положительное решение по заявке N 98113421/09 от 10.07.98). В ее результате получается разделение (декомпозиция) исходного изображения на определенные части (сегменты), различающиеся по своему содержанию.

Для решения задачи исключения необходимо сначала выделить на изображении сегменты "местность" и "небо". Исследования показали, что такую сегментацию можно осуществить посредством визуального анализа внешнего вида исходной яркостной бимодальной гистограммы на два унимодальных фрагмента. Оценка точки (на оси абсцисс), расположенной между модальными образованиями и максимально удаленной от обоих, позволяет назначить яркостный уровень, разделяющий с приемлемой точностью пикселы разных сегментов. Если по этому уровню осуществить пороговый срез исходного изображения, то в результате получим бинарную маску, в которой пикселы сегментов "небо" и "местность" отмаркированы соответственно нулем и единицей.

В случае унимодального исходного яркостного распределения и увеличения яркостного диапазона информативно значимого фрагмента (например, сегмент: "местность"), после исключения из обработки присутствующего в кадре информативно незначимого фрагмента повышенной яркости, соответствующего небесному своду (например, сегмент: "небо"), необходимо воспользоваться преимуществами нормальной эквализации.

Процедура эквализации (см., например, Прэтт У. Цифровая обработка изображений. - М.: Мир, 1982. - Кн. 2. - С. 555-570; Структурные методы в распознавании образов; Пер. с англ. - М.: Мир, 1977. - С. 20-25) рассматривается как монотонное поэлементное преобразование b = z(a), (1.1) где a = [0,255] - исходное значение яркости; b = [0,255] - выходное значение яркости.

Распределение относительных частот h_a(a) переходит в распределение относительных частот h_b(b).

Кроме того, вероятность того, что яркость элементов исходного изображения меньше или равна a, должна равняться вероятности того, что яркость элементов выходного изображения будет меньше или равна b = z(a): где i, j - уровни яркости элементов соответственно исходного и выходного изображений.

Если дискретное распределение для b заменить плотностью непрерывного, получаем приближенную форму записи для (1.3)
где a - исходное значение яркости,
b - получаемое значение яркости,
h_a(i) - исходная гистограмма,
P_b(b) - плотность требуемого распределения.

В случае эквализации под нормальное распределение имеем

где m и σ - задаваемые параметры требуемого нормального распределения (математическое ожидание и среднее квадратическое отклонение).

Тогда:

где erf(τ) = -erf(-τ)- табулированная функция ошибок (Г. Корн. Справочник по математике для научных работников и инженеров. - М.: Наука, 1984, - 831 с.).

Для каждого значения правой части соотношения (1.6) с помощью таблиц erf можно определить значение аргумента функции ошибок Z_erf(a), при котором выполняется данное равенство. Итоговое выражение, связывающее входные и выходные уровни яркости при нормальной эквализации, имеет вид

В соответствии с правилом "трех сигма" при m = 128 и σ = 42 обеспечивается максимальное использование яркостной чувствительности глаза. В принципе, равномерную эквализацию можно рассматривать как частный случай нормальной при соответствующей регулировке σ.

При тестировании высокочастотных фильтров было установлено, что наиболее значительное и стабильное повышение качества изображений наблюдается в результате действия фильтра, дискретная аппроксимация импульсного отклика которого определяется маской

Данную маску можно записать в виде

где K₁ = 1/2.

Здесь первое слагаемое представляет импульсный отклик, не изменяющий исходных яркостей, а второе - учитываемую с весом K₁ дискретную аппроксимацию лапласиана. Таким образом, повышение качества достигается операцией
G₁(n_x,n_y) = G(n_x,n_y) + K₁ • L₁(n_x,n_y), (1.10)
где n_x, n_y - дискретные пространственные координаты,
G(n_x,n_y) - исходное изображение,
G₁(n_x,n_y) - результат обработки,
L₁(n_x,n_y) - дискретная аппроксимация лапласиана,
K₁ - весовой коэффициент.

Т. е. благодаря данной операции повышается удельный вес высокочастотных составляющих в пространственно-частотном спектре изображения, т.к. известно, что оператор Лапласа выделяет высокочастотные перепады яркости без учета их ориентации (см. , например, Прэтт У. Цифровая обработка изображений. - М.: Мир, 1982. - С. 20). Следует отметить, что используемая маска

является оптимальной дискретной аппроксимацией лапласиана на квадратной решетке (см. , например, Хорн Б.К.П. Зрение роботов. - М.: Мир, 1989. - 487 с. ), наиболее предпочтительной для систем цифровой обработки изображений. Применение гексагональной и других видов решеток двумерной дискретизации вызывает значительные трудности при реализации операции свертки и унитарных преобразований. Что касается весового коэффициента K₁, то, как следует из (1.9) и (1.10), операция (1.11) наиболее результативна при K₁=1/2. В принципе, в реальных системах цифровой обработки изображений вес K₁ может быть управляемым параметром. В простейшем случае это ручная настройка значения K₁ оператором, ведущим наблюдение. Также следует отметить, что на значение K₁ оказывает влияние размер зерна разрушения конкретной отображающей системы, т. к. точная запись маски (1.10) содержит коэффициент не 1/6, а 1/6e², где e - расстояние между центрами соседних пикселов.

Предложенный способ позволяет получить положительный эффект, заключающийся в полной автоматизации процесса улучшения полутонового изображения.

Апробирование этого способа показало его высокую эффективность при обработке изображений объектов на естественных фонах.

Формула изобретения

Способ автоматического улучшения полутонового изображения, заключающийся в определении унимодального или бимодального типа исходной яркостной гистограммы и порогового уровня яркости, обладающего свойством разделения бимодальной гистограммы на два унимодальных фрагмента, с последующей обработкой фрагментов гистограммы, а также в обратном переходе от фрагментов гистограммы к сегментам изображения, отличающийся тем, что в процессе улучшения изображения автоматически производят аппроксимирование ступенчатой исходной яркостной гистограммы соответствующей аппроксимирующей кривой на основе аппроксимирующего полинома, построение кривой динамики центра гистограммы, определение тех яркостных интервалов, для всех точек которых значения яркости для аппроксимирующей кривой меньше или равны соответствующим значениям яркости для кривой динамики центра гистограммы, вычисление веса области разделения для каждого из найденных яркостных интервалов как суммы разностей, вычисленных на каждом яркостном интервале, между соответвующими значениями ординат кривой динамики центра гистограммы и аппроксимирующей кривой, идентифицирование яркостного интервала, соответствующего области разделения с максимальным весом, сравнение значения максимального веса области разделения и нормативного веса, принятие решения о бимодальном типе исходной яркостной гистограммы при превышении первого из этих значений над вторым, нахождение глобального минимума аппроксимирующего полинома на яркостном интервале с максимальным весом области разделения, который принимают в качестве порогового уровня яркости для обеспечения операции порогового среза исходного изображения управляющей бинарной маской, и после исключения из обработки информативно незначимых фрагментов эквализируют полученные фрагменты под нормальное распределение и проводят их высокочастотную фильтрацию.

РИСУНКИ

Рисунок 1