本發明涉及圖像處理領域,具體地說是一種基于顯著性的多尺度圖像平滑方法。
背景技術:
模糊技術是圖像處理技術領域中常用的一種圖像增強手段,多用于圖像壓縮與圖像去噪。常見的圖像模糊方法包括中值濾波、均值濾波、高斯模糊等方法。這些方法的基本原理都是通過設計不同的濾波器對圖像進行平滑達到消除噪聲或者圖像模糊的目的。
常見的圖像模糊方法往往根據實際的圖像特點或經驗選擇合適的濾波器或者濾波參數,并且參數一旦確定,整幅圖像采用相同的參數進行平滑處理,這種方式忽略了圖像本身灰度分布的差異。
技術實現要素:
本發明所要解決的技術問題是提供一種基于顯著性的多尺度圖像平滑方法,解決常見圖像平滑技術濾波器參數固化,難以實現根據圖像灰度分布自適應調整濾波參數的問題。
本發明為解決上述技術問題所采用的技術方案是:一種基于顯著性的多尺度圖像平滑方法,包括以下步驟:
(1)計算圖像i的顯著度,得到其顯著圖;
(2)根據步驟(1)得到的顯著圖確定高斯平滑濾波器尺度參數δ(i,j)和模板尺寸參數n(i,j);
(3)遍歷圖像,利用不同參數的濾波器對圖像不同區域進行濾波得到平滑圖像l(x,y,δ)。
本發明所述步驟(1)中計算圖像i的顯著度并得到其顯著圖的方法為:
a(f)=f(i(x))
l(f)=log(a(f))
r(f)=l(f)-h*l(f)
s(x)=g(x)*f-1[exp(r(f)+p(f))]2
其中,f為頻率,a(f)為圖像的傅里葉變換的幅度譜,i為輸入圖像,f為傅里葉變換,f-1為傅里葉反變換,p為相位譜,l(f)為log譜,h為均值濾波器,s為顯著圖,g為高斯函數。
本發明所述步驟(2)中根據顯著圖確定高斯平滑濾波器尺度參數δ(i,j)和模板尺寸參數n(i,j)的方法為:
δ(i,j)=-alog(norm(s(i,j)))
其中,norm(s(i,j)表示對顯著圖進行歸一化處理,a和b為常數,用以控制各參數的衰減速度。
本發明所述a和b為經驗值,取值范圍為a∈[0.1,0.3],b∈[0.1,0.5]。
本發明所述步驟(3)中利用不同參數的濾波器對圖像不同區域進行濾波得到平滑后的圖像l(x,y,δ)為:
其中g為高斯函數,l為平滑圖像。
本發明的有益效果是:本發明基于顯著性的多尺度圖像平滑方法可以有效的利用圖像本身灰度分布特性進行圖像平滑,在不同的顯著區域使用不同的平滑參數,使得結果更加符合人類視覺系統特性,在圖像壓縮和模糊應用中具有很好的效果。
附圖說明
圖1為本發明圖像平滑方法的流程圖;
圖2、圖6、圖10、圖14和圖18為實施例原始圖像;
圖3、圖7、圖11、圖15和圖19為由實施例各原始圖像得到的顯著圖;
圖4、圖8、圖12、圖16和圖20為使用本發明方法平滑后的圖像;
圖5、圖9、圖13、圖17和圖21為使用均值濾波方法得到的平滑圖像。
具體實施方式
一種基于顯著性的多尺度圖像平滑方法,包括以下步驟:
(1)對圖像i通過以下方式進行顯著性處理,得到顯著圖s:
a(f)=f(i(x))
l(f)=log(a(f))
r(f)=l(f)-h*l(f)
s(x)=g(x)*f-1[exp(r(f)+p(f))]2
其中,f為頻率,a(f)為圖像的傅里葉變換的幅度譜,i為輸入圖像,f為傅里葉變換,f-1為傅里葉反變換,p為相位譜,l(f)為log譜,h為均值濾波器,s為顯著圖,g為高斯函數。
(2)高斯濾波器參數確定
在得到顯著圖像后,根據圖像不同區域顯著程度的不同采用不同的濾波參數,高斯模糊公式為:
其中,i為原始圖像,g為高斯函數,δ為尺度參數,δ越大,圖像越模糊;在實際運算過程中,高斯函數g用一個n*n模板表示,模板中數值分布符合高斯分布,模板尺寸n也是影響模糊程度的重要參數;因此引入兩個函數δ(i,j),n(i,j)用以控制高斯平滑濾波器尺度參數和模板尺寸參數:
δ(i,j)=-alog(norm(s(i,j)))
norm(s(i,j)表示對顯著圖進行歸一化處理,a和b為常數,用以控制各參數的衰減速度。
(3)遍歷圖像,根據當前像素顯著程度確定相應的濾波參數,并進行濾波得到平滑圖像l(x,y,δ):
其中,a和b為經驗值,通過大量實驗得出,a∈[0.1,0.3],b∈[0.1,0.5]可以取得較好的處理效果,g為高斯函數;參數確定原則是對圖像中較顯著的區域采用較小的尺度參數和較小的濾波器模板尺寸;對圖像中不顯著的區域采用較大的尺度參數和較大的濾波器模板尺寸。
實施例
令a=0.15,b=0.35得到如下算法模型
根據該模型對圖像進行平滑處理效果如圖2-21所示,共5組數據,其中圖2、6、10、14、18為原始圖像,圖3、7、11、15、19為顯著圖,圖4、8、12、16、20為使用本方法平滑后的圖像,圖5、9、13、17、21為使用均值濾波方法得到的平滑圖像。