Результат интеллектуальной деятельности: Устройство для улучшения качества изображений

Изобретение относится к области вычислительной техники и может быть использовано в цифровых телевизионных и фотосистемах, глобальных систем позиционирования и наблюдения.

Основная решаемая задача - повышение качества изображений.

Улучшение изображения является важным инструментом в обработке изображений с целью улучшения визуального внешнего вида изображения или обеспечения «лучшего» преобразования для будущего анализа (сегментация, определение и распознавание контуров). Во многих случаях процедура улучшения используется как шаг предварительной обработки для визуализации изображения.

Подходы к улучшению изображений можно разделить на две группы: пространственные и частотные. Первая группа использует обработку изображений в пространственной области. Такие методы улучшения изображений основаны на анализе и модификации гистограммы, или на локальном контрастном преобразовании.

Наиболее популярным методом улучшения изображения является выравнивание гистограммы. Это глобальный подход к обработке, поэтому весь тон изображения преобразуется. Во многих случаях эти методы расширяют динамический диапазон изображения в локальных областях и приводят к артефактам.

Вторая группа использует преобразование в частотной области посредством модификации и изменения частотного содержимого изображения. Эти методы улучшения используют частотное преобразование, такое как ДКП, Фурье и др. Иногда свойства изображения, такие как гистограмма, могут быть настолько плотно упакованы, что их отличать друг от друга невозможно. Логарифмическое преобразование позволяет улучшить различие между уровнями изображений.

Адаптивное выравнивание гистограммы (АНЕ) - это технология обработки изображений, используемая для улучшения контраста в изображениях. Адаптивная версия этого алгоритма называется контрастным адаптивным выравниванием гистограммы (CLAHE).

Важной составляющей любой системы цифровой обработки сигналов является подсистема оценки качества обработки, под которой понимается «мера естественности» изображения, то есть степень похожести изображения на сцену, для которой оно было получено. Наличие надежного объективного метода оценки качества изображений позволяет снизить как временные, так и материальные затраты, требуемые при использовании новых алгоритмов реконструкции изображений.

Качество системы обработки изображений в целом можно оценить по разнице в воспринимаемом качестве изображения на входе и выходе системы с помощью двух подходов: объективного и субъективного. Субъективный подход состоит в оценке качества человеком; объективный в использовании некоторого алгоритма, позволяющего оценить качество без участия человека.

К сожалению, большая часть известных подходов дает оценки качества, которые слабо коррелируют с восприятием человека. В частности, на данный момент не существует объективной метрики оценки качества изображений, дающей результаты, хорошо согласующиеся с результатами оценки качества человеком. В то же время наличие объективных методов качества изображений очень важно, так как традиционно используемый субъективный подход (экспертная оценка) требует больших финансовых и временных затрат. Это накладывает ограничение на его использование во многих сферах применения цифровой обработки сигналов.

Известно устройство улучшения изображений (image enhancement system) [Patent USA US 5218649]. Данное устройство может быть использовано при улучшении изображений. Устройство содержит блок входного изображения, блок детектора границ, блок фильтрации, блок детектора границ и два ключа переключения между фильтрами.

Недостатками известного устройства являются:

- процедура улучшения происходит только на границах объектов;

- улучшает только некоторые типы искажений

Известен способ и устройство улучшения цифровых изображений (Method and system for enhancing digital images) [Patent USA US 6771833 B1].

Устройство, реализующее способ улучшения изображений, содержит: блок измерения зернистости, блок измерения частоты зернистости, блок вычисления матрицы коррекции, блок нормирования зернистости, блок нормирования частоты зернистости, блок подавления зернистости, блок вычисления баланса для каждого канала цвета.

Недостатками известного устройства являются:

- отсутствие мелких фрагментов после улучшения;

- восстановление происходит не для всех типов дефектов;

зависимость эффективности улучшения качества от структуры изображения.

Известен способ улучшения и усиления границ цифрового изображения (method of digital image enhancement and sharpening) [Patent USA US 6879735 B1].

Устройство, реализующее способ улучшения изображений, содержит: блок первоначального восстановления изображения, блок фильтрации, блок увеличения резкости, блок инверсной фильтрации, блок штрафов, блок отмены повышения резкости.

Недостатками известного устройства являются:

- отсутствие мелких фрагментов после улучшения;

- зависимость эффективности улучшения качества от структуры изображения.

Наиболее близким к изобретению является устройство для повышения качества цифрового изображения (method and apparatus for enhancing digital image quality) [Patent USA US 7170645 B2].

Устройство для повышения качества цифрового изображения содержит блок преобразования цветных данных, блок сегментации, блок обнаружения сигнала, блок генерации опорного сигнала, блок сегментирования области, блок усиления контраста, блок усиления для темного фона, блок усиления для светлого фона, блок обратного преобразования цветовых данных.

Недостатками известного устройства-прототипа являются:

- отсутствие мелких фрагментов после улучшения;

- зависимость эффективности улучшения качества от структуры изображения.

Технический результат заявленного предложения заключается в улучшении изображения за счет разбиения изображения на блоки разных размеров и их обработки, с использованием вычисления коэффициента преобразования изображения методом «α-rooting»..

Техническая задача достигается за счет того, что устройство содержит блок преобразования цветных данных, первый блок преобразования контрастности, первый блок вычисления метрики улучшения изображения, блок усреднения, блок обратного преобразования цветных данных, блок разбиения изображения, первый блок хранения, второй блок преобразования контрастности, второй блок вычисления метрики улучшения изображения, второй блок хранения, третий блок преобразования контрастности, третий блок вычисления метрики улучшения изображения, третий блок хранения, четвертый блок преобразования контрастности, четвертый блок вычисления метрики улучшения изображения.

На Фиг. 1 изображена блок-схема устройства для улучшения качества изображений.

Устройство для улучшения качества изображений содержит блок преобразования цветных данных 1, вход которого является информационным входом устройства, первый выход которого подключен к входу первого блока преобразования контрастности 6, первый выход которого подключен к входу первого блока вычисления метрики улучшения изображения 10, выход которого подключен ко второму входу блока усреднения 14, выход которого подключен ко второму входу блока обратного преобразования цветных данных 15, выход которого является информационным выход устройства; второй выход первого блока преобразования контрастности 6 подключен к первому входу блока усреднения 14; второй выход блока преобразования цветных данных 1 подключен к входу блока разбиения изображения 2, первый выход которого подключен к входу первого блока хранения 3, выход которого подключен к входу второго блока преобразования контрастности 7, первый выход которого подключен к входу второго блока вычисления метрики улучшения изображения 11, выход которого подключен к четвертому входу блок усреднения 14; второй выход второго блока преобразования контрастности 7 подключен к третьему входу блока усреднения 14; второй выход блока разбиения изображения 2 подключен к входу второго блока хранения 4, выход которого подключен к входу третьего блока преобразования контрастности 8, первый выход которого подключен к входу третьего блока вычисления метрики улучшения изображения 12, выход которого подключен к шестому входу блока усреднения 14; второй выход третьего блока преобразования контрастности 8 подключен к пятому входу блока усреднения 14; третий выход блока разбиения изображения 2 подключен к входу третьего блока хранения 5, выход которого подключен к входу четвертого блока преобразования контрастности 9, первый выход которого подключен к входу четвертого блока вычисления метрики улучшения изображения 13, выход которого подключен к восьмому входу блока усреднения 14; второй выход четвертого блока преобразования контрастности 9 подключен к седьмому входу блока усреднения 14; третий выход блока преобразования цветных данных 1 подключен к первому входу блока обратного преобразования цветных данных 15, причем каждый блок вычисления метрики улучшения изображения предназначен для вычисления коэффициентов преобразования изображения, соответствующего размеру полученному при разбиении изображения с использованием вычисления «α-rooting».

Предлагаемое устройство для улучшения качества изображений реализует следующий алгоритм. Основная идея заключается в применении метода α-rooting с целью улучшения изображения для различных блоков изображения.

На первом шаге изображение разбивается скользящим окном на непересекающиеся блоки разных размеров (8×8, 16×16, 32×32). Для каждого блока изображения используется метод улучшения частотной области, основанный на степенном преобразовании амплитудных коэффициентов изображения. Преобразование изображений позволяет получить спектральную информацию об изображении, путем разложения изображения на спектральные коэффициенты, которые могут быть модифицированы (линейно или нелинейно) для улучшения и визуализации. После выполнения преобразования изображения с помощью изменения коэффициентов в частотной области, выполняется обратное ортогональное преобразование. В предлагаемом подходе в качестве ортогонального преобразования используется дискретное преобразование Фурье.

Для каждого блока используется модифицированный алгоритм, основанный на методе α-rooting:

где X(p,s) - амплитудные коэффициенты преобразования изображения, α - параметр (обычно равен 0,8), θ(p,s) - фазовые коэффициенты преобразования.

В качестве меры улучшения изображения используется следующая количественная мера:

где и максимум и минимум изображения для х(n, m) соответственно, внутри окна ω_k,l.

ЕМЕ вычисляется для каждого изображения:

- улучшенное изображение 1 (все изображение);

- улучшенное изображение 2 (блоки 8×8);

- улучшенное изображение 3 (блоки 16×16);

- улучшенное изображение 4 (блоки 32×32).

Эти значения позволяют рассчитать веса следующим образом:

k1 и k2 - количество неперекрывающихся блоков по строкам и столбцам соответственно.

На первом шаге изображение разбивается скользящим окном на непересекающиеся блоки разных размеров (8×8, 16×16, 32×32 и т.д.). Для каждого разбиения вычисляется своя мера ЕМЕ следующим образом: вычисляются максимальное и минимальное значение изображения для каждого из полученных блоков. Далее вычисляется сумма логарифмов отношения к в каждом их блоков. После чего вычисляется максимальное нормированное значение путем деления полученного значения на произведение количества блоков по строкам на количество блоков по столбцам изображения. Далее процедура вычисления количественной меры улучшения изображений по энтропии ЕМЕ повторяется для остальных размеров блоков (16×16, 32×32 и т.д.).

Результирующие обработанное изображения определяются как:

В результате работы устройства на выходе получается улучшенное изображение.

Устройство для улучшения качества изображений работает следующим образом. На вход блока преобразования цветных данных 1 поступает изображение RGB и преобразуется в данные, содержащие компоненты яркости и цветности, модель YCbCr, далее изображение (компонента Y) разбивается скользящим окном в блоке разбиения изображения 2 на непересекающиеся блоки разных размеров (8×8, 16×16, 32×32 и т.д.), которые сохраняются в первом блоке хранения 3, втором блоке хранения 4, третьем блоке хранения 5. Далее, исходное изображение и изображения с блоками размером 8×8, 16×16, 32×32 поступают на входы блоков преобразования контрастности 6, 7, 8 и 9 соответственно, где для каждого изображения и блока используется метод улучшения частотной области α-rooting. Для этого выполняется частотное преобразование изображения, амплитудные коэффициенты частотного преобразования преобразуются с помощью степенной функции, а затем выполняется обратное ортогональное преобразование. Далее в каждом блоке вычисления метрики улучшения изображения 10, 11, 12 и 13 вычисляются значения метрики улучшения изображения, которые используются как веса для усреднения улучшенных изображений после блоков 6, 7, 8 и 9. Усреднение происходит в блоке усреднения 14, выход которого подключен к входу блока обратного преобразования цветных данных 15 где преобразуется выходной сигнал из блока усреднения 14 и сигналы Cb и Cr, выводимые из третьего выхода блока преобразования цветных данных 1, обратно в данные RGB, выход которого является информационным выход устройства.