楊 晨，張智勇，王繼紅，黃寓洋，丁 召

(1.貴州大學(xué) 貴州省微納電子與軟件技術(shù)重點(diǎn)實(shí)驗(yàn)室, 貴州 貴陽 550025;2. 中國科學(xué)院蘇州納米技術(shù)與納米仿生研究所, 江蘇 蘇州 215125)

?

紅外偽彩色圖像的去彩化研究

楊 晨1，張智勇1，王繼紅1，黃寓洋2，丁 召1

(1.貴州大學(xué) 貴州省微納電子與軟件技術(shù)重點(diǎn)實(shí)驗(yàn)室, 貴州 貴陽 550025;2. 中國科學(xué)院蘇州納米技術(shù)與納米仿生研究所, 江蘇 蘇州 215125)

為適應(yīng)人眼的感知能力，偽彩色編碼技術(shù)常被用于處理紅外探測(cè)系統(tǒng)輸出的灰度圖像。較于灰度圖像，計(jì)算機(jī)對(duì)彩色圖像處理所需的存儲(chǔ)量與計(jì)算量較大。鑒于某些紅外設(shè)備只提供偽紅外圖像的輸出，因此偽紅外圖像的去彩色化算法成為該文的主要研究目標(biāo)。除利用最大值分解、平均值與光亮度法3種常見灰度化算法對(duì)偽紅外圖像的處理外，直接對(duì)偽彩色圖像進(jìn)行解碼的方式也在文中被用于紅外圖像的去彩色化。實(shí)驗(yàn)基于上述兩類方法，對(duì)線性與正弦非線性彩虹偽彩色圖像的去彩色化進(jìn)行了研究,并對(duì)處理后圖像的質(zhì)量進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，常規(guī)灰度算法處理后的偽彩色圖像質(zhì)量較差，而線性偽彩色圖像經(jīng)解碼處理后可完全恢復(fù)出原圖，實(shí)現(xiàn)0均方差；對(duì)于正弦非線性算法，雖然存在由量化誤差引起的損失，但與原圖像比仍有非常低的均方差(0.309 4)與高的峰值信噪比(101.356 0)。

偽彩色圖像； 解碼；非線性； 量化誤差

引言

紅外成像技術(shù)利用紅外傳感器陣列將人眼不可感知的紅外光信號(hào)轉(zhuǎn)化為電信號(hào)，再經(jīng)AD轉(zhuǎn)換、編碼等環(huán)節(jié)后成像于顯示終端；是現(xiàn)代信息技術(shù)的重要組成部分，被廣泛應(yīng)用于醫(yī)療、軍事、科研、農(nóng)業(yè)、安全監(jiān)控等領(lǐng)域[1]。不同于可見光的成像器件，紅外成像器件一般只對(duì)某一波段的光譜敏感，所以常用灰度圖像或視頻來表示其輸出。較之彩色圖像，人眼對(duì)灰度圖像的敏感度較低，因此成熟的紅外成像系統(tǒng)往往利用色彩映射的方式將灰度圖像轉(zhuǎn)化為偽彩色。偽彩色編碼的方法眾多，比如彩虹編碼[2]、局部線性映射法[3]、自動(dòng)閾值法[4]等。

現(xiàn)代圖像技術(shù)的應(yīng)用包括醫(yī)藥圖像處理、衛(wèi)星圖像處理、分子圖像處理等，彩色圖像向灰度圖像轉(zhuǎn)換是最常用到的圖像處理算法之一[5]。這不僅由于計(jì)算機(jī)對(duì)灰度圖像處理所需的存儲(chǔ)量與運(yùn)算量往往要低于對(duì)彩色圖像的要求。而且有研究認(rèn)為，灰度算法的選擇對(duì)圖像的后續(xù)處理算法，如圖像識(shí)別等，有重要的影響[6]。

由于在圖像處理中的重要意義，去彩色化算法引起了國內(nèi)外研究者的極大興趣。有的算法旨在灰度化后維持圖像的對(duì)比度、銳度、陰影和保持圖像的結(jié)構(gòu)[5]。有的研究采用全局映射和局部彩色對(duì)比度提高相接合的方法[7]。也有研究者利用虛擬光度軸(VLA)的方法[8]。但上述研究均面向于一般的彩色圖像，而本文針對(duì)某些商用紅外成像系統(tǒng)只提供偽彩色處理后的圖像或視頻輸出這一特點(diǎn)，對(duì)圖像的去彩色化展開了研究。除了常見的最大值、平均值與加權(quán)平均值3種灰度化算法外，本文還利用紅外設(shè)備常采用線性與非線性正弦彩虹編碼進(jìn)行偽彩色處理這一特點(diǎn)，提出了利用解碼的方式對(duì)偽彩色圖像進(jìn)行灰度化。并比較了經(jīng)這兩種方法處理后的圖像質(zhì)量，并對(duì)解碼去彩色化過程中產(chǎn)生的誤差進(jìn)行了分析。

1 基本原理

1.1 偽彩色算法

灰度圖像有多種偽彩色算法，例如熱金屬算法是按圖像灰度級(jí)的由低到高映射到黑色到白色，其命名類比于金屬由低溫到高溫顏色；而彩虹編碼是按灰度級(jí)由低到高映射為藍(lán)色至紅色，類似于彩虹的顏色區(qū)間[2]。而不同偽彩色算法的基本原理可表示為[9]

(1)

其中，Γx(x=R, G, B)為將圖像的灰度映射到紅、綠、藍(lán)RGB圖像的映射函數(shù)。

按照偽彩色編碼的映射關(guān)系，可以將偽彩色變換分為線性變換與非線性變換[9]。在遵循將灰度級(jí)由低到高映射到由藍(lán)到紅這一基本原則下，彩虹編碼可以按照線性方法(圖1(a))，或以人眼對(duì)光的吸收為依據(jù)[1]按正弦(圖1(b))的非線性的關(guān)系進(jìn)行映射。線性映射與非線性映射的Γx可以分別為

Γx=kxI+bx

(2)

Fx=255sin(ωxI+φx)

(3)

圖1 彩虹偽彩色編碼的映射關(guān)系圖Fig.1 Mapping relationship of rainbow pseudo code

1.2 灰度化算法

偽彩色圖像也屬于一種RGB圖像，其灰度化也可以適用普通彩色圖像的灰度化算法。對(duì)于RGB圖像，圖像灰度化基本流程如圖2所示。

圖2 偽彩色化圖像灰度化的基本流程圖Fig.2 Basic flowchart of conversion for pseudo color image gray image

其基本思路是將圖像加載到內(nèi)存之后，按順序?qū)⒚總€(gè)像素的紅、綠、藍(lán)三通道的灰度值取出，并按特定的灰度化算法進(jìn)行處理。其灰度化算法主要以如下3種算法為代表[5-6, 10-12]：

1) 最大值法：對(duì)某一像素，取3個(gè)基色通道中的最大值：

R=G=B=max(R,G,B)

(4)

2) 平均值法：對(duì)某一像素，取3個(gè)基色通道中的平均：

R=G=B=(R+G+B)/3

(5)

3) 亮度法：根據(jù)人眼對(duì)不同色彩的敏感度來調(diào)整權(quán)值Wr、Wg和Wb：

R=G=B=WrR+WgG+WbB

(6)

式中，(Wr,Wg,Wb)的一種常用取值為0.298 9、 0.587 0、0.114 0[12]。

對(duì)于經(jīng)偽彩色算法處理后的圖像而言，這3種灰度算法沒有考慮到圖像的變換過程，因此在變換過程中可能產(chǎn)生損失。而紅外偽彩色圖像是灰度圖的變換，無論是線性還是非線性映射，偽彩色編碼都要遵行在灰度空間與彩色空間的單一映射，如圖1和(1)式所示。利用這一特點(diǎn)，可以將流程圖中灰度化算法用對(duì)偽彩色圖像解碼的方法來替換。解碼的灰度化方式可以保持偽彩色圖像和灰度圖像映射之間一一對(duì)應(yīng)的關(guān)系。但由(1)式混合后的偽彩色圖像，在灰度化解碼過程中，要考慮到不同顏色之間的相互作用，因此解編過程可以表示為

I(i,j)=Γ-1[R(i,j),G(i,j),B(i,j)]

(7)

2 實(shí)驗(yàn)結(jié)論與討論

2.1 實(shí)驗(yàn)結(jié)論

圖3(b)和(c)為經(jīng)彩紅編碼處理后的偽彩色圖像?？梢钥闯?，由于2種插值均屬于彩虹編碼，其共同之處是將低亮度的低溫區(qū)映射到藍(lán)色區(qū)、中亮度的中溫區(qū)映射到綠色區(qū)、高亮度的高溫區(qū)映射到紅色區(qū)。而從圖3(b)和(c)可以看出，線性插值在高頻細(xì)節(jié)區(qū)域顯示較為模糊，而正弦插值在高頻細(xì)節(jié)方面體現(xiàn)得更好。

圖4為利用最大值法、均值法與亮度法對(duì)圖 3 中偽彩色圖像灰度處理后的結(jié)果?？梢钥闯觯?jīng)均值法處理后的偽彩色圖像，細(xì)節(jié)損失嚴(yán)重，整體的灰度偏暗。而最大值法對(duì)于細(xì)節(jié)的保存雖然較好，但是由于總是強(qiáng)制取3個(gè)基色空間中的最大值，因此整體的圖像偏亮。權(quán)重法利用不同的權(quán)重調(diào)整人眼對(duì)不同基色的敏感度，因此在細(xì)節(jié)與亮度方面都取得了較好的效果。

對(duì)比線性和非線性偽彩色圖像的灰度化效果，可以看出，非線性插值的偽彩色圖像經(jīng)通用灰度化算法處理之后，可以獲得更好的處理效果。這與圖3中偽彩色圖像自身的質(zhì)量一致。

圖5為利用解碼法對(duì)紅外偽彩色圖像進(jìn)行處理的結(jié)果，可以看出解碼法對(duì)線性與非線性偽彩色圖像處理之后的效果無明顯區(qū)別，且處理結(jié)果與圖3(a)中的圖像原圖比較一致。

圖5 紅外偽彩色圖像的解碼算法Fig.5 Decoding algorithm for infrared pseudo color image

2.2 解碼誤差分析

均方差(MSE)與峰值信噪比(PSNR)是衡量圖像處理前后圖像質(zhì)量的重要標(biāo)準(zhǔn)[13-14]。從表 1可以看出，在通用灰度化算法中，亮度法的均方差最小，峰值信噪比最大；而最大值法的均方差最大，峰值信噪比最小。這也說明了在通用灰度算法中經(jīng)亮度法處理后的偽彩色圖像質(zhì)量最好。而非線性正弦偽彩色圖像經(jīng)通用灰度化算法處理后的圖像與對(duì)應(yīng)線性偽彩色相比，均方差低，峰值信噪比高，這與圖 4和圖 5所觀察到的效果一致。

表1 偽彩色圖像經(jīng)解碼與通用灰度化算法處理后的圖像質(zhì)量

從表 1也可以看出解碼算法的效果遠(yuǎn)好于通用算法，對(duì)線性偽彩色圖像，解碼算法可以無損恢復(fù)出原始圖像。而由于受到量化誤差的影響，正弦偽彩色圖像的解碼誤差主要來自于量化誤差。

(8)

由(2)式可以看出，線性偽彩色算法的Γx一直在將亮度值I維持在整數(shù)空間，因此編碼和解碼的過程中都不會(huì)產(chǎn)生量化誤差。

3 結(jié)論

本文研究了紅外圖像的彩虹線性與非線性偽彩色映射及將偽彩色圖像去彩色化的算法。線性映射與非線性映射相比，運(yùn)算形式較為簡(jiǎn)單、運(yùn)算量小，但偽彩色圖像質(zhì)量較差。在常見的灰度算法下，線性偽彩色圖像灰度化后的圖像質(zhì)量較差。本文還提出了以解碼的方式對(duì)偽彩色圖像進(jìn)行灰度化，線性偽彩色圖像可以通過解碼無損恢復(fù)出原圖像；而非線性偽彩色圖像由于受到2次量化誤差的影響，恢復(fù)后的圖像會(huì)產(chǎn)生損耗，但實(shí)驗(yàn)結(jié)果表示，其仍具有較低的均方差和較高的峰值信噪比。

[1]GonzalezRC,WoodsRE.Digitalimageprocessing[M]. 3rded.Indiana：PrenticeHall, 2007：29-46.

[2] Levkowitz H, Herman G T. The design and evaluation of color scales for image data [J]. IEEE computer Graphics and Applications, 1992, 12(1): 72-80.

[3] Wu Qiang, Wang Xinsai, Wang Weiping, et al. Infrared imaging colorizing method based on local linear embedding [M]. Journal of Applied Optics, 2012, 33(4): 733-737. 吳強(qiáng)，王新賽，王衛(wèi)平, 等. 基于LLE的紅外成像彩色化處理算法研究[M]. 應(yīng)用光學(xué)，2012，33(4): 733-737.

[4] Liu Chanlao, Tan Lixun, Li Chunyang, et al. Pseudo-color coding and processing for infrared images [J]. Jounal of Applied Optics,2006,27(5):419-422. 劉纏牢, 譚立勛, 李春燕,等. 紅外圖像偽彩色編碼和處理[J]. 應(yīng)用光學(xué)，2006, 27(5): 419-422.

[5] Saravanan C. Color image to grayscale image conversion [C]. Washington：Computer Engineering and Applications (ICCEA), 2010 Second International Conference, 2010: 196-199.

[6] Kanan C, Cottrell G W. Color-to-crayscale: does the method matter in image recognition? [J]. PLoS ONE, 2012, 7(1): e29740.

[7] Smith K, Landes P E, Thollot J, et al. Apparent greyscale: a simple and fast conversion to perceptually accurate images and video [J]. Computer Graphics Forum, 2008, 27(2): 193-200.

[8] Hua X. Human computer interactions for converting color images to gray [J]. Neurocomputing, 2012, 85: 1-5.

[9] Abidi B R, Zheng Y, Gribok A V, et al. Improving weapon detection in single energy X-Ray images through pseudocoloring [J]. IEEE,2006,36(6):748-196.

[10] Gooch A A, Olsen S C, Tumblin J, et al. Color2Gray: salience-preserving color removal [J]. ACM Transactions on Graphics, 2005, 24(3): 634-639.

[11] Reinhard E, Ashikhmin M, Gooch B, et al. Color transfer between images [J]. IEEE, 2001, 21(5): 34-41.

[12] Grundland M, Dodgson N A. Decolorize: Fast, contrast enhancing, color to grayscale conversion [J]. Pattern Recognition, 2007, 40 (11): 2891-2896.

[13] Huynh-Thu Q, Ghanbari M. Scope of validity of PSNR in image/video quality assessment [J]. Electronics Letters, 2008, 44(13): 800-801.

[14] Chikkerur S, Sundaram V, Reisslein M, et al. Objective video quality assessment methods: a classification, review, and performance comparison [J]. IEEE, 2011, 57(2): 165-182.

Decolorizing of infrared pseudo color image

Yang Chen1, Zhang Zhiyong1, Wang Jihong1, Huang Yuyang2, Ding Zhao1

(1.Guizhou Provincial Key Laboratory for Micro-Nano-Electronics and Software, Guizhou University,Guiyang 550025, China; 2.Suzhou Institute of Nano-tech and Nano-bionics, CAS, Suzhou 215125, China)

Considering the human eyes’ perception capability, the pseudo color coding technology is usually adopted to colorize the output gray image of infrared systems. Comparing to gray images, computers need more memory and calculation to process color images. Since some infrared equipments only provide pseudo color images,the grayscale conversion of pseudo color image was studied. Besides the 3 common algorithms, maximum decomposition, average and luminance, a decoding method was presented to decolorize infrared images. Based on the 2 kinds of methods above, decolorizing for both linear and sinusoidal nonlinear pseudo color images were studied in experiment; furthermore, image quality was also compared. The experiment result demonstrates that the decoding method is a kind of lossless algorithm for linear pseudo color image with 0 mean squared error. For sinusoidal nonlinear algorithm, loss due to quantization errors are inevitable, it still has a quite low mean square error (0.309 4) and high peak signal noise ratio (101.356 0).

pseudo color image; decode; nonlinear; quantization error

1002-2082(2015)03-0403-05

2014-06-23；

2015-04-01

楊晨(1982-)，男，貴州貴陽人，博士，主要從事光電系統(tǒng)與嵌入式成像技術(shù)研究。E-mail:eliot.c.yang@163.com

TN911.73

A

10.5768/JAO201536.0302004