基于HVS模型及边缘检测点扩散算法.docVIP

基于HVS模型及边缘检测点扩散算法 　　摘要：针对传统点扩散算法在处理图像时会产生人工纹理且对于图像的边缘轮廓细节处理不够完善的缺陷，提出了一种基于HVS模型及边缘检测的点扩散算法，借鉴迭代法的思想，考虑人眼的视觉特点，减少输出图像的人工纹理，保留图像轮廓细节信息，获得了更好的图像质量。 　　 　　关键词：数字半色调；点扩散算法；边缘检测；图像纹理；HVS模型 　　中图分类号：TP312文献标识码：A文章编号：1672-7800（2012）003-0052-03 　　 　　 　　作者简介：宋鹏程（1984-），男，河南濮阳人，河南大学计算机与信息工程学院硕士研究生，研究方向为计算机图像处理；路娜（1985-），女，河南安阳人，河南大学计算机与信息工程学院硕士研究生，研究方向为计算机图像处理；傅慧明（1987-），男，河南郑州人，河南大学计算机与信息工程学院硕士研究生，研究方向为计算机网络安全。 　　 　　1点扩散算法、边缘检测及HVS模型 　　1.1传统点扩散算法 　　点扩散法（Dot Diffusion）最早由Knuth提出，该方法具有阈值抖动和误差扩散的优点。它使用一个参数矩阵C（设该矩阵的大小I×J是,元素的值从1―I×J，I、J是正整数常量）来决定处理像素的顺序。其具体步骤如下： 　　（1）对于一个连续调图像，设(n1,n2)是其中的像素点，将所有像素点按照(n1modI,n2modJ)的方法分成I×J个等级。 　　（2）设x(n1,n2)是对连续调图像像素进行的阈值操作，取阈值为0.5，k为像素点的等级，当k=1时，对所有等级为1的像素点进行处理： 　　x(n1,n2)∈0,1(1) 　　对于一个固定的等级k，让所有等级为k的像素点通过公式进行半色调处理： 　　h(n1,n2)=1 ifx(n1,n2)≥0.5 　　0ifx(n1,n2)σ (4)?? 　　经过对处于边缘位置的点和其8邻域点的均值进行比较，确定二值输出，最后得到半色调图像?b(m,n)?，将其暂时保存。? 　　（4）将半色调图像?b(m,n)?通过HVS模型，得到?(m,n)?：? 　　?(m,n)=IFFTB(s,t)?H??HVS?(s,t) (5)?? 　　（5）考察?(m,n)?和?(m,n)?之间的误差，进行像素矫正，在这里做稍微的改动，不进行迭代运算以节省计算成本，计算两者的均方误差MSE，利用代价函数进行矫正，设代价函数为：? 　　?F(m,n)=n?1C?1(m,n)+n?2C?2(m,n)? ?n?1,n?2∈?Ζ?+? (6)? 　　设?g?1(m,n)表示g(m,n)在(m,n)?处8邻域的像素均值，考察其邻域的理论依据是熵掩盖特征，即失真信号在平滑区域易被察觉，在纹理区域易被掩盖。通过考察?(m,n)?8邻域的像素点均值，使当前点的二值输出不易成为局部噪声。设：? 　　?C?1(m,n)=1,b(m,n)=0g?1(m,n)T??low??∩b(m,n)=1g?1(m,n)≤T??hig??0 (7)?? 　　 式(7)表示，如果初始图像当前像素值为“0”且?g?1大于T??low?或初始图像当前像素值为“1”且g?1小于等于T??hig?，则此点成为考察对象。这样可使中色调区域的点成为主要被矫正的对象。本文将中色区域设定为256个灰度等级的中间部分，为96~192，所以T??low?和T??hig??分别取96和192。? 　　设人眼可接受的最小视觉差为??，因此有：? 　　?C?2(m,n)=1,MSE≥?0 (8)?? 　　当且仅当以上两个条件都满足时，将初始图像在?(m,n)?处得像素取反，否则直接输出初始图像。? 　　?(m,n)=二进制取反，F(m,n)=n?1+n?2?b(m,n),else (9)?? 　　3 实验结果? 　　 　　在MATLAB2009环境下，分别用原始点扩散算法及本文算法算法对256级灰度的Lena图像和Barbara图像进行仿真实验。对比实验结果：? 　　（1）保持了高光区和暗调区的处理效果，在对大块没有细节变化的图像区域的处理效果与传统算法效果基本相同，如Barbara人物头部左侧的部分和Lena右侧镜子部分。? 　　（2）对细节变化明显的边缘区域，如Lena帽子上的? 　　 　　图5 传统算法（h,i）与改进算法（j,k）? 　　羽毛、头发等部位，Barbara的头巾和书架部分，改进算法的处理效果要明显高于传统算法。? 　　（3）改善了中色调区域的结构性纹理，如传统算法产生的Lena帽顶向上区域的纹理，Lena右侧的背景部分的纹理，Barbara裤子平展部分，中间地面部分等区域