基于改进MSR的小波变换图像增强算法

针对采集的触摸屏图片存在图片整体偏暗、对比度低，背景噪声较多，难以分割图像中缺陷的问题，提出一种基于改进MSR (多尺度Retinex滤波)的小波变换图像增强算法。该算法首先对图像进行小波分解，得到图像的低频分量使用以中值滤波模板代替高斯滤波模板的改进MSR处理以增强低频系数，对高频分量进行同态滤波以限制噪声，最后通过小波逆变换重建图像。本文将改进的算法应用于采集的触摸屏表面缺陷图片，通过VS2017软件进行仿真实验，并与同态滤波算法、MSR算法进行对比。实验结果表明，使用改进MSR算法提高了算法的运行速度，该算法优于传统的MSR算法，对图像的增强、噪声的抑制有良好的效果，改善了图像的整体视觉效果且大大缩短了算法的运行时间。

随着社会的发展和人们生活水平的提高，手机，平板电脑等电子产品等移动通讯设备的占有率不断上升，电子触摸屏需求随之日益加大。在触摸屏生产检测系统中，针对采集的图像清晰度低、边缘细节模糊不清、对比度低等问题，需要对图像进行图像增强处理，以利于后续的图像处理。目前针对低对比度的图像增强的方法主要包括变换域法(频域法) [1]、空间域处理法(空域法)和融合法[2]。空间域处理法主要包括直方图法[3]、灰度变换法[4]、Retinex 算法[5]等，其中Retinex 理论是基于人眼视觉光亮度和色彩感知模型建立的一种图像增强方法， 能够很好的改善图像降质现象， 因此被广泛用于图像增强的领域。

常见的Retinex 图像增强算法包括：单尺度Retinex 算法(Single Scale Retinex—SSR)， 多尺度Retinex 算法[6] (Multi-ScaleRetinex—MSR)，McCann’s Retinex 算法等。由于多尺度Retinex 利用了大、中、小三种不同尺度的优势，其增强效果要优于传统的单尺度Retinex 算法。

小波变换[7]是典型的变换域图像增强算法，具有在频率域内噪声谱与图像信号不重叠，低熵性、多分辨率、去相关性和选基灵活性等优点，被广泛应用于图像处理领域。

基于多尺度Retinex 算法在计算的过程中存在大量的卷积运算， 降低了算法的运行效率， 同时在增强过程中加大了噪声，针对上述问题，本文提出一种基于MSR 的小波变换图像增强算法，低频部分采用均值模板来替代高斯卷积模板的MSR 算法进行增强，高频成分使用同态滤波降噪，该算法在提高MSR 算法运行速度的同时抑制了噪声，提高图像的对比度。

2. 小波变换 2.1. 小波函数选取 在小波选取上， 选择光滑的、正交的、对称的小波来处理图像的优点是速度快、图像重构精确性高、可以避免图像处理中发生相移。满足上述条件的有db 小波系与sym 小波系，同db 小波系相比，sym 小