细节增强

细节增强（精选三篇）

细节增强 篇1

电视新闻中的细节指的是在新闻现场中那些富含新闻价值、人物情感和意义特征的、能够在传播过程中引起受众特别注意的语言符号与非语言符号, 能够具体突出体现新闻的五个W和一个H的要素特征。它不仅指具有冲击力的图像, 还包括富有感染力的现场语言、播音、屏幕文字等要素。

一、电视新闻细节的作用

细节在电视节目中起着刻画人物性格、提示人物情感、增强感染力、深化主题等作用, 具体地讲, 主要有以下几个方面的作用。

1. 画龙点睛, 深化主题

面对纷繁杂乱、不断变化的生活, 如何透过这些表面现象去反映事物的本质, 是采访中经常会面对的问题, 而电视画面细节的运用, 就是解决这一问题非常有效的方法。人们总是相信自己的亲眼所见、亲耳所闻, 而细节对受众来说, 本身具有一种暗示的、带有指向性的感染力, 正是这种感染力, 可以将受众引向对作品主题的关注。所以细节的作用比单靠解说词来介绍要可信得多, 生动得多, 使节目有血有肉, 形成电视报道的兴奋点, 提高了节目的可视性。

2. 扩大信息量, 增强观众记忆深度

细节的本质就是“放大”, 通过细节的刻画, 可以将人物和事件的特点加以突出, 从而愈加显示出形象的生动性和真实性, 揭示出生活的本质, 以达到提高信息传递效率, 增强观众记忆深度的目的。一个感人的细节能够调动人们大脑中原有储存的记忆和感受, 令人浮想联翩, 难以忘怀。一些生动的、有冲击力的细节画面, 如人的面部表情, 如大笑、大怒、流泪, 会议的气氛, 如鼓掌、标语、鲜花, 主持人的特征, 如手势、声调等。这些画面对信息都有增值作用, 有时这些非新闻主体的非语言符号比新闻主体的语言符号传播的信息还要多。它能使观众在不知不觉中产生心理参与感, 使记者的所见、所知、所感, 通过观众共鸣作用, 变成观众的共见、共知、共感。

3. 增加真实感和现场感受

电视节目细节的可感性和鲜活性在生动反映生活本质的同时, 也增强了节目的真实感和现场感受。细节越细腻、越精彩, 其反映生活的真实程度就越高。央视焦点访谈《罚要依法》中有这样一个细节:一辆货车在公路上行驶, 一个戴墨镜的交警拦车。离车数十米就举起一张罚款单。当时有一段精彩的对话。

交警刘代江:20 (一张没有罚款理由的罚单)

记者:给10块算了 (刘一把抢过10元钱)

记者:这是什么钱?

刘代江:来来来, 下来我告诉你!

记者:照顾一下吧?

刘代江: (用舌头舔了一下手指, 又撕一张罚单) 再来20!

记者:照顾一下算了, 空车———

刘代江: (提高嗓门) 40!

司机算了, 再说就揍你了。

这一细节真实地再现了部分交警乱罚款的恶劣行径。

4. 克服了电视新闻中声画两张皮的现象

在平常的新闻素材拍摄中, 特别是消息类新闻往往不重视画面细节 (如特定画面) 的运用。因为在一般情况下, 新闻都配有解说词, 即便完全不用特写, 全景和中景也勉强可以满足新闻画面的需要, 同时拍摄中景和全景要相对容易些, 而抓拍“细节”则需要具备一定的观察能力, 相对较难。然而, 合理地运用细节尤其是“细节蒙太奇” (即不同细节画面相互组合) 却能大大提高新闻的可看性。相反, 如果不运用细节或运用细节不到位, 就无法很好地用镜头说话, 新闻的感染力也会被大打折扣。

二、巧用新闻细节应注意的几个问题

细节用得“巧”, 能使新闻散发活力与光彩, 细节用得不“巧”反而导致新闻画蛇添足、弄巧成拙。笔者认为, 巧用新闻细节应注意以下几个问题。

1. 细节应简洁精练, 突出主题

电视节目中细节的运用不是简单的罗列、堆砌, 而要与节目形成有机的整体。繁杂过多的细节, 往往会因为枝节蔓延, 分散新闻的主题, 结果是画蛇添足。因此新闻细节应简洁精练, 紧紧围绕主题, 否则, 就会影响节目新闻价值的体现。

2. 细节必须真实准确

新闻的真实性, 要求新闻所反映的事实必须做到现象真实和本质真实相一致, 局部真实和整体真实相一致, 微观真实和宏观真实相一致。这要求新闻细节必须真实准确。细节一旦掺假, 就完全失去了它的生命力。

3. 细节运用要合理, 不能盲目滥用

并不是每一条新闻都需要细节。对于某一条新闻来说, 也并不是细节越多越好。比如有时候新闻需要反映全貌, 解说词说的是全局性的东西, 还有些是表现气势宏伟的大场面, 像这种情况就不需要用画面细节。但总的来说, 细节镜头不能用得太长, 因为镜头包含的信息量少, 观众短时间就能看得清楚, 太长会显得拖沓。

细节增强 篇2

关键词： 显微图像； 细节增强； 局部窗口； 极值

中图分类号： TN 911 文献标志码： A doi： 10.3969/j.issn.1005-5630.2016.05.006

文章编号： 1005-5630（2016）05-0407-05

引 言

数码显微成像技术是观察微观世界的有利工具之一[1]，但在成像过程中，经常存在一些退化因素，导致最终的显微图像细节模糊。在对焦最佳时，这种模糊主要是物镜的光学退化引入的，也有成像电路等因素的共同作用。这种固有缺陷的存在，以及人们对高质量图像信息获取的需求，都促使研究者致力于如何有效提升细节信息的工作，即细节增强技术。

显微图像细节增强技术，在硬件上需要提升物镜的成像能力，提高采集成像电路的信噪比，但考虑到成本等因素，都难以付诸实践，最佳的方式是利用软件算法的形式作为补偿。在算法实现细节增强方面，有研究者认为是去模糊工作，将其作为一个反卷积的过程。研究者们设计了诸多模型与方法，比如代数去模糊法（最小二乘等），统计法模型（贝叶斯模型法、马尔科夫随机场等），分析模型（基于各种变分的思路），还包括一些综合多特征优势的混合模型[2-3]。为了更好地获得显微去模糊图像的数学解，常常把反卷积问题转化为能量最小化问题，最普通的策略就是使用最优化理论与迭代方法求解，如RL等方法。但反卷积的方法首先需要点扩散函数的估计，其次是计算时间相对较长，作为软件后处理的方式可能会耽误整个成像过程。细节增强，主要是边缘区域，因此有研究者应用共焦空间微分显微镜系统，实现了在获得样品共焦显微图像的同时直接获取对应的边缘增强显微图像，且图像分辨率与对比度较高[4]。有作者将颜色转移技术应用到显微图像的颜色增强上，实现了显微图像的彩色化达到颜色增强的效果[5]。这些方法的效果好，但计算速度有待进一步提升。因此，为实现显微图像细节增强，本文主要考虑非反卷积式的快速细节增强的方法，以配合整个数码显微成像系统的工作。

对于数码显微成像系统中细节增强后处理算法，高对比的细节增强、高效率的运行能力是关键。针对这个问题，本文结合具体的数码显微镜，提出一种基于局部窗口与极值的细节增强方法，解决细节模糊的问题。

1 数码显微成像系统

数码显微成像系统按功能可分为光学部分、硬件电路部分和软件算法部分。光学部分即显微物镜，其主要作用是使被观察物体成像，使得其可用于人眼观察或者电子目镜CMOS感光；硬件部分即电子目镜，一般采用CMOS器件，其主要作用在于将光信号转变为电信号，并以数字方式将图像记录保存；软件算法部分一方面实现图像和视频的显示，另一方面对图像存在的失真与退化进行校准、补偿等以得到物体真实的图像。如图1所示的数码显微成像系统的典型构架，图中显微镜为宁波永新光学股份有限公司所产的液晶数码显微镜，是本文方法的应用与实验对象。系统要求细节增强效果明显，且运行速度在1 s以下。

由于成像系统的缺陷，所获取的显微图像难免细节有所模糊。而数码显微系统具有功能强大的处理器与软件集成系统，使得有机会用算法补偿提升细节，实现显微图像细节的增强，以便于后期的数据分析。本文旨在通过单幅图像的数据，构建图像的局部窗口范围内极值优选方法，实现细节的增强，弥补硬件上的缺憾。

3 实验结果与分析

应用于显微成像系统的本方法具有一些参数，窗口L1的尺寸初始选择为[9，13，17]，对应L2的尺寸为[5，9，13]。 利用三套双窗口系统，获得最终的增强结果。

显微图像的仿真与实拍实验的结果如图3所示。图3中，第一行（a）（b）（c）为原图，第二行（d）（e）（f）为增强的结果。其中，图（a）为仿真显微灰度图（来自百度图片），图（b）（c）为novel （sw82）拍摄实物（椴树年轮切面与木本双子叶植物茎横切），（d）（e）（f）分别为对应的增强结果。在实拍实验中，采用的物镜为永新所产的novel （sw82），电子目镜CMOS分辨率为2 048×1 536，像元尺寸为2.2 μm，图像为彩色，实验物体对象包括木本双子叶植物茎横切和椴树年轮切面。由于实拍图像尺寸太大，本文截取了图像的部分内容作为实验结果的展示。从实验结果观察，经过本文方法的处理，细节层次得到增强，对比相对提升，实现了较好地效果。另外，根据计算速度监测，对于2 048×1 536的图像，本方法计算时间约为0.5 s，完全适用于永新光学的显微成像系统。

此外，为衡量细节增强的程度，引入了三种图像客观评价方法，包括结合视觉注意机制与边缘展宽衡量的显微图像清晰度评价方法[6]，简称为视觉清晰度法；灰度平均梯度GMG（Gray Mean Gradient）法与拉普拉斯算子和LS（Laplacian Sum）法[6]。视觉清晰度法越小越好，灰度平均梯度GMG与拉普拉斯算子和LS越大越好。对于原图与细节增强图的客观评价结果如表1所示。相比于原图，增强后的结果的视觉清晰度指标更低，GMG与LS指标更高，表明增强结果非常有效。以原图作为基准，以视觉清晰度指标、GMG与LS指标作衡量，通过本文方法的增强，评价指标提升的平均百分比分别为20.9%、71.2%与81.8%，也从一定程度上说明了细节增强的有效性。

4 结 论

本文针对显微成像系统成像退化补偿的要求，提出使用双窗口局部极值的手段实现显微图像细节的增强方法。根据数码光学显微镜固有的细节模糊的缺陷，一方面考虑了细节增强方法的效果要求，另一方面是方法的高效运行速度，鉴于数码显微系统的强大处理器与软件集成能力，提出使用局部双窗口去提取不同尺寸的细节，并用极值的选择加强亮细节与暗细节区域的对比，最终快速实现细节的对比增强。通过实验，给出了仿真与实拍数据的结果，利用客观评价手段论证了细节增强的有效性，且运行速度皆满足显微成像系统要求。未来，更多的工作需要投入到参数的自适应选择上。目前认为自适应参数有两个重点：一是对不同场景数据的训练，得出经验数据，而后自动判别选择相应参数；二是可根据大量数据获取普适应的初始参数，而后根据具体的应用场景设计收敛公式实现参数的最优化。

参考文献：

[1] 李艳军，左洪福，吴振锋，等.显微观测技术的新进展及其应用[J].光学仪器，2002，24（2）：37-42.

[2] RICHARDSON W H.Bayesian-based iterative method of image restoration[J].Journal of the Optical Society of America，1972，62（1）：55-59.

[3] CHAN T F，WONG C K.Total variation blind deconvolution[J].IEEE Transactions on Image Processing，1998，7（3）：370-375.

[4] 吴丽如，唐志利，吴泳波，等.应用共焦空间微分显微镜获取边缘增强显微图像[J].光学学报，2014，34（3）：317001.

[5] 朱美娇.低对比度显微图像的颜色增强方法研究[D].杭州：浙江理工大学，2014.

[6] 赵巨峰，毛磊，刘承，等.视觉注意机制与边缘展宽衡量相结合的显微成像清晰度评价[J].光子学报，2015，44（7）：711002.

细节增强 篇3

红外图像反映了目标和背景的红外辐射的空间分布,其辐射亮度的分布主要是由所观测景物的温度和发射率所决定的。所观测景物温度高的部分表现在红外图像直方图上为灰度值大的部分,所观测景物温度低的部分表现在红外图像直方图上为灰度值小的部分。因此,红外视频图像近似反映了所观测景物的红外辐射空间分布、景物温差或辐射差。

由图1红外成像系统框图所示,所观测景物的红外辐射需经过大气传输、光学成像、光电转换和预处理等过程才被转换为红外视频图像。因此红外图像一般表现为信噪比低、背景、目标对比度低,边缘模糊及细节表现差等特点。随着对红外图像增强效果要求的提高,保持原有红外图像细节信息以便更好地适应计算机分析和处理。

直方图均衡化在增强对比度的同时,也放大了噪声,并且造成图像信息的丢失;小波变换能将红外图像的高、低频信号很好地进行分离,而高频信号往往表示的是红外图像的细节信息和噪声;Retinex理论是基于特征的对比度增强方法,能将红外图像的目标部分进行增强处理且能有效抑制噪声。

2 红外图像的小波分解与Retinex基本理论

2.1 红外图像的小波分解

在小波域中,噪声主要存在于小尺度信号中,且随着分析尺度的不断增大而快速下降;而边缘细节部分,随着分析尺度的增大其下降速度比噪声慢。因此,采用多尺度多分辨率小波变换,提取红外图像多个维度上的小波系数,低频小波系数表征图像的轮廓信息,而图像不同维度上的细节、边缘以及噪声等信息则由其余的高频小波系数表征。

小波变换将图像分解成4个子带图像,水平与垂直方向皆为低频成分的LL;水平方向低频、垂直方向高频成分的LH;水平方向高频、垂直方向低频成分的HL;水平与垂直方向均为高频的HH。如图2所示。高频信号表示红外图像的细节信息及噪声信息。

2.2 Retinex基本理论

Retinex(视网膜Retina和大脑皮层Cortex的缩写)理论是于1971年提出的一种色彩理论。根据Edwin Land提出的Retinex理论,一幅给定的图像S(x,y)分解成两幅不同的图像:反射物体图像R(x,y)和入射光图像L(x,y)。用公式表示为:

D Jobson等人提出了多尺度Retinex算法,其公式为:

其中,Ri(x,y)是Retinex的输出,i∈R,G,B表示3个颜色谱带,红外图像由于是灰度图像i只取其灰度值。Fn(x,y)是高斯滤波函数,Wn表示尺度的权重因子,N表示使用尺度的个数,N=1表示灰度图像即红外图像。

3 保持细节的Retinex红外图像增强算法

红外图像是展现物体的热量分布状态明暗交替的灰度图像,具有信噪比低、背景、目标对比度低,边缘模糊及细节表现差等特点。根据红外图像的这些特点以及对直方图均衡、小波变换和Retinex算法的分析,本文的保持细节的Retinex红外图像增强算法综合三种算法的优点。

由于小波变换可以将红外图像分解为低频子带图像和高频子带图像,红外图像的细节部分保留在高频子带图像中,在Retinex算法中可以将噪声有效过滤,因此可以用Retinex算法对高频部分进行增强,获得能够保留红外图像原始细节信息的高频部分增强图像,且能够有效的过滤噪声。对于低频部分图像,将用直方图均衡算法进行对比度增强,以使红外图像的对比度相较于完全使用Retinex算法或小波变换算法增强的红外图像较高。

低频部分采用直方图均衡化的过程如下:

(1)列出低频部分原始红外图像的灰度级rk;

(2)统计低频部分原始红外图像直方图灰度级像素数nk;

(3)计算低频部分原始直方图个概率:pk=nk/N(k=0,1,2,...,L-1);

(6)确定映射对应关系:rk→sk;

(7)统计新直方图各灰度级像素n'k;

(8)用pk(sk)=n'k/N计算新直方图。

高频部分采用Retinex算法的过程如下:

(1)利用取对数的方法将照射光分量和反射光分量分离

(2)用高斯模板对原始图像做卷积,得到低通滤波后的图像D(x,y),F(x,y)表示高斯滤波函数

(3)在对数域中用原始图像减去低通滤波后的图像,得到高频增强图像G(x,y)

(4)对G(x,y)取反对数,得到增强后的图像R(x,y)

(5)对R(x,y)做对比度增强,得到最终的高频部分增强后的图像。

原始红外图像与直方图均衡红外增强图像、小波分解红外增强图像和本文算法红外增强图像效果图如图3、图4、图5和图6所示。

4 结论

本文针对红外图像对比度低、细节部分表现差等特点,利用小波变换将红外图像分解为高、低频部分,对包含红外图像细节部分的高频部分进行Retinex算法增强,可以有效的保留原始红外图像的细节信息,且能够有效的抑制噪声;对红外图像的低频部分进行直方图均衡化增强,保留直方图对红外图像的对比度增强的优点。因此,本文算法一定程度地使红外图像的对比度增强,且有效抑制噪声的同时可以保留原始红外图像的细节信息。

摘要：本文首先讨论红外图像的特征,针对单一的直方图均衡的红外图像增强方法存在红外图像细节部分不能很好的保持甚至丢失的缺点,针对此缺点,对小波变换理论及Retinex算法进行了深入研究,提出一种保持红外图像细节的Retinex算法,并对其算法的实现过程和思路作了详细的描述,进一步通过MATLAB仿真,结果显示,该算法可以有效提升红外视频图像的细节信息。