CN120634935A - 一种钛金属表面检测用图像增强方法及系统 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种钛金属表面检测用图像增强方法及系统。其方法包括：将待处理的钛金属表面图像从RGB空间转换至HSI空间，获取其亮度分量，将初始反射分量分解为多个高频子带系数和一个低频子带系数，确定各像素点的各向异性程度，生成一幅各向异性显著图，对各向异性程度高于预设阈值的像素所对应的高频子带系数进行增强，反之则进行抑制，利用调整后的高频子带系数和未作处理的低频子带系数，重构出增强反射分量，得到增强亮度分量，并将其转换回RGB空间，输出最终的增强图像。即本发明的方案能够获得缺陷轮廓清晰、伪影少且保留原始色彩信息的增强图像，极大地提升后续自动化缺陷识别的准确率和可靠性。

Description

一种钛金属表面检测用图像增强方法及系统

技术领域

本发明涉及图像处理技术领域。更具体地，本发明涉及一种钛金属表面检测用图像增强方法及系统。

背景技术

现有的图像增强技术主要可分为空间域方法、变换域方法和基于Retinex理论的方法。

空间域方法如直方图均衡化（HE）及其变体（如CLAHE），虽能改善图像的整体对比度，但容易过度增强并放大噪声，且对局部细节的提升效果有限。

变换域方法如傅里叶变换、传统小波变换等，能够从频域角度处理图像，但传统小波变换缺乏平移不变性和优良的方向选择性，在处理具有特定方向性的线性缺陷时易产生振铃等伪影。

基于Retinex理论的方法通过将图像分解为光照分量和反射分量，能够有效补偿不均匀光照的影响，但在实践中，如何精确估计光照分量以避免光晕效应，以及如何对分离出的反射分量进行有效处理，仍是该类方法的核心挑战。现有基于Retinex理论的方法在增强反射分量时，通常是对所有高频细节信息进行统一处理，不能区分真实缺陷（如具有强各向异性的划痕）与随机噪声（通常呈各向同性），导致反射分量的增强缺乏针对性，难以选择性地凸显特定形态的缺陷。

发明内容

本发明的目的在于提出一种钛金属表面检测用图像增强方法及系统，用以解决现有技术中光照不均与微弱缺陷难以凸显的问题；为此，本发明在如下的两个方面中提供方案。

在第一方面中，本发明提供的一种钛金属表面检测用图像增强方法，包括：

将待处理的钛金属表面图像从RGB空间转换至HSI空间，获取其亮度分量I；基于所述亮度分量I，通过一个以多尺度高斯核函数加权融合的引导滤波器估计出初始光照分量，并根据Retinex模型分离出初始反射分量；对所述初始反射分量执行双树复小波变换，将其分解为不同尺度与方向的多个高频子带系数和一个低频子带系数；计算所述初始反射分量的梯度结构张量，并根据所述梯度结构张量的特征值分布确定各像素点的各向异性程度，生成一幅各向异性显著图；构建一个与高频子带系数幅值及各向异性显著图相关的分段非线性映射函数，对各向异性程度高于预设阈值的像素所对应的高频子带系数采用对数函数进行增强，反之则采用伽马校正函数进行抑制，获得调整后的高频子带系数；利用所述调整后的高频子带系数和未作处理的低频子带系数，执行双树复小波逆变换，重构出增强反射分量；将所述增强反射分量与所述初始光照分量相乘，得到增强亮度分量I'，并将所述增强亮度分量I'与原始的色调分量H和饱和度分量S合并，转换回RGB空间，输出最终的增强图像。

优选的，所述亮度分量I由R、G、B三个通道的平均值计算得到。

优选的，所述通过一个以多尺度高斯核函数加权融合的引导滤波器估计出初始光照分量，包括：采用三个具有不同标准差的高斯核函数对所述亮度分量I进行滤波，得到三幅不同模糊程度的图像，，；对三幅图像，，进行加权融合，得到加权高斯滤波图像：

，

其中，，为权重系数，且，为加权高斯滤波图像，表示第一图像，表示第二图像，表示第三图像；将所述加权高斯滤波图像作为引导图像，亮度分量I作为输入图像，通过引导滤波器计算得到初始光照分量。

优选的，所述加权融合采用等权重融合，权重系数，，均为。

优选的，所述双树复小波变换通过两路并行的实数离散小波变换实现，其中一路采用q-shift滤波器组，另一路采用king-shift滤波器组。

优选的，所述根据Retinex模型分离出初始反射分量，包括：通过将所述亮度分量I除以所述初始光照分量，得到所述初始反射分量。

优选的，所述生成一幅各向异性显著图，包括：计算所述初始反射分量中每个像素点的梯度结构张量J，所述梯度结构张量J通过在一个以所述像素点为中心的邻域窗口内计算其水平与垂直方向梯度的协方差矩阵得到；计算所述梯度结构张量J的两个特征值和（≥≥0）；根据所述特征值计算各向异性度量值，其中为防止分母为零的极小正常数，表示梯度张量的第一特征值，表示梯度张量的第二特征值；将所有像素点的各向异性度量值归一化至[0，1]区间，生成所述各向异性显著图。

优选的，所述构建一个与高频子带系数幅值及各向异性显著图相关的分段非线性映射函数，包括：将所述各向异性显著图中的像素值与一预设阈值T进行比较；若像素值大于所述阈值T，则其对应的高频子带系数通过函数进行调整，其中为符号函数，和为增益控制参数，为高频子带系数，为经过校正后的输出值；若像素值不大于所述阈值T，则其对应的高频子带系数通过伽马校正函数进行调整，其中为伽马校正参数，且0<<1，为高频子带系数，为经过伽马校正后的输出值。

优选的，所述双树复小波变换将初始反射分量分解为N个尺度，其中N为大于等于1的整数，从而得到6N个高频子带系数和一个低频子带系数。

在第二方面中，一种钛金属表面检测用图像增强系统，包括：

处理器和存储器，存储器存储有计算机程序，处理器执行所述计算机程序，用于实现上述的钛金属表面检测用图像增强方法。

本发明的有益效果为：与现有技术相比，本发明提出的一种钛金属表面检测图像增强方法，能够有效解决光照不均与微弱缺陷难以凸显的难题。所述方法通过一个以多尺度高斯核函数加权融合的引导滤波器，可更精确地估计并分离光照分量，有效抑制了传统Retinex方法中常见的光晕伪影。引入梯度结构张量分析，通过计算像素的各向异性程度，能够定量区分具有强方向性的线性缺陷（如划痕）与呈各向同性的背景噪声，进而构建分段非线性映射函数，对缺陷区域的高频系数进行对数增强，同时对噪声区域进行伽马抑制。这种处理方式实现了对缺陷特征的选择性凸显和对噪声的靶向抑制，最终获得的增强图像不仅缺陷轮廓清晰、对比度高，而且背景纯净、伪影少，并保留了原始色彩信息，极大地提升了后续自动化缺陷识别的准确率和可靠性。

附图说明

图1示意性示出了本实施例中的钛金属表面检测用图像增强方法的步骤流程图；

图2示意性示出了本实施例中的钛金属表面检测用图像增强系统的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案清楚、完整地描述。

如图1所示，本实施例中的一种钛金属表面检测用图像增强方法，包括以下步骤：

步骤S1，将待处理的钛金属表面图像从RGB空间转换至HSI空间，获取其亮度分量I；基于所述亮度分量I，通过一个以多尺度高斯核函数加权融合的引导滤波器估计出初始光照分量，并根据Retinex模型分离出初始反射分量。

具体地，将输入的RGB图像转换至HSI色彩空间，其中亮度分量I由R、G、B三个通道的平均值计算得到。随后，以亮度分量I自身作为引导图像和输入图像，设定三个不同尺度的高斯核函数，例如标准差分别为15、80、250，利用引导滤波器对亮度分量I进行三次滤波，得到三个不同平滑程度的滤波结果。将所述三个结果进行加权平均，权重系数可设为相等，即各三分之一，融合后的图像即为初始光照分量L。根据Retinex模型，通过将原始亮度分量I的每个像素值除以对应位置的初始光照分量L的像素值，得到初始反射分量R。

在一个可选的实施例中，通过一个以多尺度高斯核函数加权融合的引导滤波器估计出初始光照分量，包括：

S11：采用三个具有不同标准差，，的高斯核函数对所述亮度分量I进行滤波，得到三幅不同模糊程度的图像，，；

S12：对三幅图像，，进行加权融合，得到加权高斯滤波图像：

，

其中，，为权重系数，且,为加权高斯滤波图像，表示第一图像，表示第二图像，表示第三图像；

S13：将所述加权高斯滤波图像作为引导图像，亮度分量I作为输入图像，通过引导滤波器计算得到初始光照分量。

具体地，为了准确估计作为图像宏观结构的光照分量，本方法结合了多尺度分析与边缘保持滤波的优点。例如对于一幅像素的亮度图像I，设置三个高斯核的标准差分别为小尺度等于5，中尺度等于20，大尺度等于80。小尺度滤波能捕捉局部光照变化，大尺度滤波能反映全局光照趋势，中尺度则作为过渡。

对三幅模糊图像、和进行加权融合。一种简单的实施方式是采用等权重融合，即，，均设为三分之一，得到融合图像。此步骤综合了不同尺度的光照信息，但可能在物体边缘产生光晕效应。为解决此问题，将作为引导图像，原始亮度图I作为输入图像送入引导滤波器。引导滤波器利用I中的边缘信息来指导对的滤波过程，输出的初始光照分量既平滑又清晰地保持了原始图像中的重要边缘，避免了光晕伪影。

步骤S2，对所述初始反射分量执行双树复小波变换，将其分解为不同尺度与方向的多个高频子带系数和一个低频子带系数。

具体地，采用双树复小波变换对步骤S1中得到的初始反射分量R进行三层分解。所述变换通过两路并行的实数离散小波变换实现，其中一路采用q-shift滤波器组，另一路采用king-shift滤波器组。每一层分解都会产生一个低频子带和六个方向选择性强的高频子带，这六个高频子带分别对应正负15度、正负45度、正负75度的方向。经过三层分解后，共得到18个高频子带系数矩阵和一个最终的低频子带系数矩阵。

在一个可选的实施例中，双树复小波变换将初始反射分量分解为N个尺度，其中N为大于等于1的整数，从而得到6N个高频子带系数和一个低频子带系数。

具体地，双树复小波变换是一种相比传统离散小波变换性能更优的图像分解工具。它通过使用两路并行的实小波滤波器组，近似构造出解析小波变换，从而具备了近似的平移不变性和优良的方向选择性，能更有效地捕捉图像的特征信息并减少混叠失真。

在本方法的一个实施例中，选择分解层数为4。初始反射分量图像经过四级双树复小波分解后，会产生一个低频子带，它代表了图像的整体概貌。同时，在每一级分解中，都会产生六个方向的高频子带，分别对应正负15度，正负45度，正负75度的方向信息。因此总共会得到24个高频子带系数矩阵，刻画了图像在不同尺度和不同方向上的边缘与纹理细节。

步骤S3，计算所述初始反射分量的梯度结构张量，并根据所述梯度结构张量的特征值分布确定各像素点的各向异性程度，生成一幅各向异性显著图；构建一个与高频子带系数幅值及各向异性显著图相关的分段非线性映射函数，对各向异性程度高于预设阈值的像素所对应的高频子带系数采用对数函数进行增强，反之则采用伽马校正函数进行抑制，获得调整后的高频子带系数。

具体地，计算所述初始反射分量中每个像素点的梯度结构张量J，所述梯度结构张量J通过在一个以所述像素点为中心的邻域窗口内计算其水平与垂直方向梯度的协方差矩阵得到；计算所述梯度结构张量J的两个特征值和（≥≥0）；根据所述特征值计算各向异性度量值：

，其中为防止分母为零的极小正常数，表示梯度张量的第一特征值，表示梯度张量的第二特征值；

将所有像素点的各向异性度量值归一化至[0，1]区间，生成各向异性显著图。

为了区分图像中的边缘纹理与平坦区域，本方法计算各向异性显著图。对初始反射分量图像计算梯度，例如使用Sobel算子得到每个像素的水平梯度和垂直梯度。在一个以某像素为中心的邻域窗口内，计算梯度结构张量J，其元素为平方的均值，平方的均值，以及与乘积的均值。

计算矩阵J的两个特征值和。如果一个像素位于强烈的垂直边缘上，则其水平梯度会远大于垂直梯度，导致远大于，例如为5000而为10。此时各向异性度量值通过减去的差值除以、与一个极小数之和得到，其值会非常接近1。反之，在平坦区域，两个特征值均接近零，值也接近零。最后将所有像素的值线性拉伸到0到1的范围，高亮区域即对应图像中的线状结构。

构建一个与高频子带系数幅值及各向异性显著图相关的分段非线性映射函数，包括：将所述各向异性显著图中的像素值与一预设阈值T进行比较；若像素值大于所述阈值T，则其对应的高频子带系数通过函数进行调整，其中为符号函数，和为增益控制参数，为高频子带系数，为经过校正后的输出值；若像素值不大于所述阈值T，则其对应的高频子带系数通过伽马校正函数进行调整，其中为伽马校正参数，且0<<1，为高频子带系数，为经过伽马校正后的输出值。

具体地，采用一种自适应的策略来增强高频细节，所述策略依赖于各向异性显著图的指导。设定一个阈值T，例如T等于0.7。对于双树复小波变换得到的每一个高频子带系数，检查其在各向异性显著图中对应位置的像素值。

如果所述像素值大于0.7，说明所述系数对应于图像中的一个显著边缘或轮廓。此时采用对数函数进行调整以避免过度锐化。例如设增益参数为25，为0.05，对于一个值为60的系数，调整后的值等于的符号乘以再乘以1加上与绝对值乘积的对数，计算结果能适度增强边缘对比度同时抑制振铃效应。

如果所述像素值不大于0.7，说明所述系数对应于纹理区域或平坦区域。此时采用伽马校正函数调整。例如设伽马参数为0.85，对于一个值为15的系数，调整后的值等于的符号乘以其绝对值的次方。这种方式能有效提升弱纹理的可见性，使暗部细节更加清晰，同时可以避免显著放大潜在的噪声。

步骤S4，利用所述调整后的高频子带系数和未作处理的低频子带系数，执行双树复小波逆变换，重构出增强反射分量。

具体地，将步骤S3中经过分段非线性映射函数调整后的18个高频子带系数，与步骤S2中分解得到的未经任何处理的原始低频子带系数相结合，作为双树复小波逆变换的输入。执行标准的双树复小波逆变换重构算法，将所有子带系数从最粗的尺度逐级向最细的尺度进行合成，最终得到一个与原始反射分量尺寸相同的单幅图像，即为增强反射分量R'。

步骤S5，将所述增强反射分量与所述初始光照分量相乘，得到增强亮度分量I'，并将所述增强亮度分量I'与原始的色调分量H和饱和度分量S合并，转换回RGB空间，输出最终的增强图像。

具体地，将步骤S4得到的增强反射分量R'与步骤S1中估计出的初始光照分量L进行逐像素相乘，得到增强后的亮度分量I'。然后，将此增强亮度分量I'与原始图像在步骤S1中转换时保留的色调分量H和饱和度分量S重新组合，形成一个新的HSI图像。调用标准的HSI到RGB色彩空间转换算法，将新的HSI图像转换回RGB色彩空间，从而获得最终颜色保真且缺陷细节显著的增强图像。

本发明还提供了钛金属表面检测用图像增强系统。如图2所示，所述系统包括处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据本发明上述的钛金属表面检测用图像增强方法。

所述系统还包括通信总线和通信接口等本领域技术人员熟知的其他组件，其设置和功能为本领域中已知，因此在此不再赘述。

在本发明中，前述的存储器可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器RRAM（Resistive RandomAccess Memory）、动态随机存取存储器DRAM（Dynamic Random Access Memory）、静态随机存取存储器SRAM（Static Random-Access Memory）、增强动态随机存取存储器EDRAM（Enhanced Dynamic Random Access Memory）、高带宽内存HBM（High-Bandwidth Memory）、混合存储立方HMC（Hybrid Memory Cube）等等，或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。本发明描述的任何应用或模块可以由这样的计算机可读介质存储或以其他方式保持的计算机可读/可执行指令来实现。

在本说明书的描述中，“多个”的含义是至少两个，例如两个，三个或更多个等，除非另有明确具体的限定。

虽然本说明书已经示出和描述了本发明的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。

Claims (10)

1.一种钛金属表面检测用图像增强方法，其特征在于，包括以下步骤：

将待处理的钛金属表面图像从RGB空间转换至HSI空间，获取其亮度分量I；基于所述亮度分量I，通过一个以多尺度高斯核函数加权融合的引导滤波器估计出初始光照分量，并根据Retinex模型分离出初始反射分量；

对所述初始反射分量执行双树复小波变换，将其分解为不同尺度与方向的多个高频子带系数和一个低频子带系数；

计算所述初始反射分量的梯度结构张量，并根据所述梯度结构张量的特征值分布确定各像素点的各向异性程度，生成一幅各向异性显著图；构建一个与高频子带系数幅值及各向异性显著图相关的分段非线性映射函数，对各向异性程度高于预设阈值的像素所对应的高频子带系数采用对数函数进行增强，反之则采用伽马校正函数进行抑制，获得调整后的高频子带系数；

利用所述调整后的高频子带系数和未作处理的低频子带系数，执行双树复小波逆变换，重构出增强反射分量；

将所述增强反射分量与所述初始光照分量相乘，得到增强亮度分量I'，并将所述增强亮度分量I'与原始的色调分量H和饱和度分量S合并，转换回RGB空间，输出最终的增强图像。

2.根据权利要求1所述的一种钛金属表面检测用图像增强方法，其特征在于，所述亮度分量I由R、G、B三个通道的平均值计算得到。

3.根据权利要求1所述的一种钛金属表面检测用图像增强方法，其特征在于，所述通过一个以多尺度高斯核函数加权融合的引导滤波器估计出初始光照分量，包括：

采用三个具有不同标准差的高斯核函数对所述亮度分量I进行滤波，得到三幅不同模糊程度的图像，，；

对三幅图像，，进行加权融合，得到加权高斯滤波图像：

，

其中，，为权重系数，且,为加权高斯滤波图像，表示第一图像，表示第二图像，表示第三图像；

将所述加权高斯滤波图像作为引导图像，亮度分量I作为输入图像，通过引导滤波器计算得到初始光照分量。

4.根据权利要求3所述的一种钛金属表面检测用图像增强方法，其特征在于，所述加权融合采用等权重融合，权重系数，，均为。

5.根据权利要求1所述的一种钛金属表面检测用图像增强方法，其特征在于，所述双树复小波变换通过两路并行的实数离散小波变换实现，其中一路采用q-shift滤波器组，另一路采用king-shift滤波器组。

6.根据权利要求1所述的一种钛金属表面检测用图像增强方法，其特征在于，所述根据Retinex模型分离出初始反射分量，包括：通过将所述亮度分量I除以所述初始光照分量，得到所述初始反射分量。

7.根据权利要求1所述的一种钛金属表面检测用图像增强方法，其特征在于，所述生成一幅各向异性显著图，包括：

计算所述初始反射分量中每个像素点的梯度结构张量J，所述梯度结构张量J通过在一个以所述像素点为中心的邻域窗口内计算其水平与垂直方向梯度的协方差矩阵得到；

计算所述梯度结构张量J的两个特征值和（≥≥0）；

根据所述特征值计算各向异性度量值，其中为防止分母为零的极小正常数，表示梯度张量的第一特征值，表示梯度张量的第二特征值；

将所有像素点的各向异性度量值归一化至[0，1]区间，生成所述各向异性显著图。

8.根据权利要求1所述的一种钛金属表面检测用图像增强方法，其特征在于，所述构建一个与高频子带系数幅值及各向异性显著图相关的分段非线性映射函数，包括：

将所述各向异性显著图中的像素值与一预设阈值T进行比较；

若像素值大于所述阈值T，则其对应的高频子带系数通过函数进行调整，其中为符号函数，和为增益控制参数，为高频子带系数，为经过校正后的输出值；

若像素值不大于所述阈值T，则其对应的高频子带系数通过伽马校正函数进行调整，其中为伽马校正参数，且0<<1，为高频子带系数，为经过伽马校正后的输出值。

9.根据权利要求1所述的一种钛金属表面检测用图像增强方法，其特征在于，所述双树复小波变换将初始反射分量分解为N个尺度，其中N为大于等于1的整数，从而得到6N个高频子带系数和一个低频子带系数。

10.一种钛金属表面检测用图像增强系统，其特征在于，包括：

处理器和存储器，存储器存储有计算机程序，处理器执行所述计算机程序，用于实现权利要求1至9任一项所述的钛金属表面检测用图像增强方法。