圖像通信中一種低照度彩色圖像增強(qiáng)算法*

程 新，劉一博，張 紅*

（1.西安郵電大學(xué)電子工程學(xué)院，西安710121；2.國(guó)防信息學(xué)院四系作戰(zhàn)訓(xùn)練教研室，武漢430010）

圖像通信中一種低照度彩色圖像增強(qiáng)算法*

程 新1，劉一博2，張 紅2*

（1.西安郵電大學(xué)電子工程學(xué)院，西安710121；2.國(guó)防信息學(xué)院四系作戰(zhàn)訓(xùn)練教研室，武漢430010）

針對(duì)低照度彩色圖像細(xì)節(jié)模糊、亮度不高等問(wèn)題，提出一種新的彩色圖像增強(qiáng)算法。首先引入新傳遞函數(shù)改進(jìn)傳統(tǒng)同態(tài)濾波，然后，在RGB色彩空間上，分別對(duì)R、G、B分量用改進(jìn)的同態(tài)濾波和對(duì)比度受限自適應(yīng)直方圖均衡（CLAHE）進(jìn)行增強(qiáng)。接著，轉(zhuǎn)換到HSV色彩空間，用非線性函數(shù)對(duì)亮度進(jìn)行光照補(bǔ)償，對(duì)飽和度進(jìn)行1.5倍拉伸。最后恢復(fù)圖像色彩信息。實(shí)驗(yàn)結(jié)果表明，新算法在保持圖像細(xì)節(jié)的同時(shí)能夠增強(qiáng)圖像對(duì)比度，使圖像清晰度更高。

低照度彩色圖像；圖像增強(qiáng)；空間轉(zhuǎn)換；同態(tài)濾波TP751.1

圖像是人類(lèi)獲取信息的重要來(lái)源，圖像通信系統(tǒng)所傳輸?shù)闹饕侨祟?lèi)視覺(jué)可以感知到的視覺(jué)信息。但大多數(shù)圖像獲取設(shè)備在采集圖像時(shí)，通常會(huì)受到周?chē)鷱?fù)雜光照條件的影響，使得圖像出現(xiàn)整體偏暗、局部細(xì)節(jié)不清晰、圖像質(zhì)量較差等問(wèn)題［1］，嚴(yán)重影響了計(jì)算機(jī)對(duì)圖像的讀取和識(shí)別。針對(duì)此類(lèi)問(wèn)題，圖像增強(qiáng)技術(shù)通過(guò)對(duì)圖像進(jìn)行不同的處理，可以改善圖像視覺(jué)效果，增強(qiáng)圖像亮度信息，使圖像細(xì)節(jié)突出，方便人機(jī)識(shí)別讀取。其中，屬于頻域增強(qiáng)方法的同態(tài)濾波算法在增強(qiáng)圖像時(shí)，不僅能消除光照不均問(wèn)題，還能突出圖像細(xì)節(jié)，使圖像更為清晰。傳統(tǒng)的同態(tài)濾波算法主要有高斯型、巴特沃斯型、指數(shù)型3種，其主要區(qū)別在于傳遞函數(shù)的不同［2］。而傳遞函數(shù)較多的參數(shù)設(shè)置，也常常使同態(tài)濾波在增強(qiáng)圖像時(shí)，需要多次嘗試，才能確定最佳的參數(shù)取值。屬于空域增強(qiáng)方法的對(duì)比度受限自適應(yīng)直方圖增強(qiáng)（CLAHE）算法，能夠通過(guò)限制局部直方圖高度來(lái)限制局部對(duì)比度出現(xiàn)過(guò)增強(qiáng)，可以克服傳統(tǒng)自適應(yīng)直方圖均衡化算法過(guò)度放大噪音和丟失細(xì)節(jié)的缺點(diǎn)［3］。圖像增強(qiáng)方法多種多樣，在實(shí)際應(yīng)用中也常將各類(lèi)方法相結(jié)合，以達(dá)到最佳的圖像增強(qiáng)效果。

不同于灰度圖像的增強(qiáng)處理，增強(qiáng)彩色圖像時(shí)，不僅要消除光照不均，突出圖像的細(xì)節(jié)輪廓，還需要增強(qiáng)圖像的亮度和色彩，使圖像清晰生動(dòng)，保證顏色無(wú)失真［4］。最常用的方法有兩種，一種是在RGB色彩空間內(nèi)對(duì)R、G、B各分量分別進(jìn)行增強(qiáng)處理，另一種是將彩色圖像進(jìn)行空間轉(zhuǎn)換，將圖像轉(zhuǎn)換到HSV或者其他色彩空間，再對(duì)各分量進(jìn)行增強(qiáng)處理。后者增強(qiáng)效果明顯，可以較好地保持圖像色彩的一致性。

根據(jù)以上分析，提出一種基于色彩空間轉(zhuǎn)換和同態(tài)濾波的低照度彩色圖像增強(qiáng)算法，并借助仿真手段驗(yàn)證算法的有效性。

1 改進(jìn)傳遞函數(shù)的同態(tài)濾波

同態(tài)濾波是一種基于照射——反射模型，能夠消除圖像光照不均，增強(qiáng)局部細(xì)節(jié)的頻域增強(qiáng)方法。圖像 f(x,y)可以看作是由入射分量和反射分量組合而成，即

其中，i(x,y)為入射分量，代表光照條件，是變換緩慢的低頻成分。r(x,y)為反射分量，代表圖像細(xì)節(jié)，是變化快的高頻成分［5］。在處理低照度彩色圖像時(shí)，需要消除光照不均問(wèn)題并增強(qiáng)細(xì)節(jié)，即需要增強(qiáng)高頻并抑制低頻。

同態(tài)濾波的具體步驟如下：

首先，對(duì)式（1）兩邊同時(shí)取對(duì)數(shù)，即

對(duì)式（2）兩邊取傅立葉變換，可得到

利用函數(shù)H(u,v)對(duì)F(u,v)進(jìn)行濾波處理，分離入射和反射分量，得到

其中，H(u,v)為同態(tài)濾波的傳遞函數(shù)。濾波后，對(duì)式

（4）做傅里葉逆變換回到空間域，得

對(duì)式（5）兩邊取指數(shù)，得到

同態(tài)濾波的具體實(shí)施過(guò)程如圖1所示。

圖1 同態(tài)濾波過(guò)程

可以看到，同態(tài)濾波算法的關(guān)鍵在于傳遞函數(shù)的選擇。傳統(tǒng)的同態(tài)濾波有高斯型、巴特沃斯型和指數(shù)型3種，以高斯型同態(tài)濾波為例，其傳遞函數(shù)為：

其中，D(u,v)=[(u-u0)2+(v-v0)2]1/2，表示頻率(u,v)到濾波器中心(u0,v0)的距離。Rh為高頻增益，Rl為低頻增益，D0為截止頻率，c是控制斜面銳化的常數(shù)。參數(shù)Rh、Rl、D0、c決定了同態(tài)濾波增強(qiáng)效果，但由于參數(shù)較多，常需要進(jìn)行多次嘗試才能確定各參數(shù)的最佳取值。為了在含有較少參數(shù)的情況下，還可以獲得較好的同態(tài)濾波增強(qiáng)效果，構(gòu)造出一種新的傳遞函數(shù)來(lái)控制整個(gè)同態(tài)濾波增強(qiáng)過(guò)程。

該傳遞函數(shù)基于Sigmoid函數(shù)進(jìn)行構(gòu)造。Sigmoid函數(shù)是一個(gè)形狀類(lèi)似S的非線性函數(shù)，其方程為：

因此，構(gòu)造的傳遞函數(shù)為：

整個(gè)傳遞函數(shù)就由參數(shù)t來(lái)控制。

圖2為改進(jìn)型同態(tài)濾波的傳遞函數(shù)三維圖。從圖中可以看出，傳遞函數(shù)的取值在［0，0.9］之間，選取圖片，將改進(jìn)型同態(tài)濾波與高斯型同態(tài)濾波進(jìn)行對(duì)比。

圖2 改進(jìn)型同態(tài)濾波的傳遞函數(shù)

圖3 各圖像頻譜圖

圖4 原圖及同態(tài)濾波增強(qiáng)處理結(jié)果圖

由圖3和圖4可以看到，改進(jìn)型的同態(tài)濾波對(duì)于低頻部分的抑制能力良好，與高斯型同態(tài)濾波的增強(qiáng)效果十分接近，視覺(jué)上難以辨別優(yōu)劣。但改進(jìn)型同態(tài)濾波的參數(shù)明顯少于高斯型同態(tài)濾波，可以更快確定最佳參數(shù)值，更易于調(diào)控。經(jīng)大量實(shí)驗(yàn)驗(yàn)證，改進(jìn)型同態(tài)濾波參數(shù)t在[-0.1,0.01]范圍內(nèi)取值，可以獲得最佳的增強(qiáng)效果，在本文中選取t=0.001。

2 本文圖像增強(qiáng)算法

針對(duì)低照度彩色圖像清晰度低，光照不均勻，感興趣的細(xì)節(jié)部分不突出等問(wèn)題，本文提出一種基于色彩空間轉(zhuǎn)換和同態(tài)濾波的圖像增強(qiáng)新算法，首先改進(jìn)同態(tài)濾波的傳遞函數(shù)，使控制參數(shù)減少。然后，在RGB色彩空間內(nèi)，用改進(jìn)型同態(tài)濾波和CLAHE算法對(duì)R、G、B 3個(gè)分量分別進(jìn)行增強(qiáng)。接著，將增強(qiáng)圖像轉(zhuǎn)換到HSV色彩空間，保持色度H不變，用構(gòu)造的非線性函數(shù)對(duì)亮度V進(jìn)行光照補(bǔ)償，對(duì)飽和度進(jìn)行1.5倍拉伸，最后進(jìn)行信息融合，恢復(fù)圖像彩色信息。算法的基本流程圖如圖5所示。

圖5 本文算法基本流程圖

2.1 基于RGB空間的同態(tài)濾波和CLAHE

直方圖均衡化是一種依靠灰度映射使圖像灰度值分布均衡、像素灰度值動(dòng)態(tài)范圍增加的方法，分為全局直方圖均衡和局部直方圖均衡AHE（Adaptive Histogram Equalization）兩類(lèi)［6］。全局直方圖均衡化算法能夠?qū)崿F(xiàn)對(duì)整幅圖進(jìn)行調(diào)整，但在彩色圖像增強(qiáng)中較易使圖像出現(xiàn)顏色失真［7］。局部直方圖均衡能夠改善全局直方圖均衡算法不能適應(yīng)局部灰度分布的缺點(diǎn)，但其運(yùn)算量大且常出現(xiàn)“馬賽克”效應(yīng)［8］。有限對(duì)比度適應(yīng)性直方圖均衡化CLAHE（Contrast Limited Adaptive）是對(duì)這兩種算法的一個(gè)有效的改進(jìn)，處理圖像時(shí)能夠兼顧兩種算法各自的特性，不僅適應(yīng)不同區(qū)域灰度差異，而且整個(gè)圖像灰度分布均衡協(xié)調(diào)［9］。

圖像增強(qiáng)方法種類(lèi)繁多，可以將不同種類(lèi)的增強(qiáng)方法相結(jié)合，常常能獲得質(zhì)量更好的增強(qiáng)圖像。同態(tài)濾波算法可以實(shí)現(xiàn)壓縮亮度范圍的效果，但濾波后各分量灰度值較為集中，動(dòng)態(tài)范圍也較小。CLAHE算法增強(qiáng)后圖像灰度范圍較寬，可以強(qiáng)化細(xì)節(jié)，增強(qiáng)圖像對(duì)比度。因此，本文將改進(jìn)傳遞函數(shù)的同態(tài)濾波算法和CLAHE算法相結(jié)合，在RGB色彩空間內(nèi)對(duì)R、G、B 3個(gè)分量分別進(jìn)行增強(qiáng)處理。

2.2 色彩空間轉(zhuǎn)換

HSV彩色空間是基于人類(lèi)視覺(jué)對(duì)于色彩的感知以色調(diào)（Hue）、飽和度（Saturation）、亮度（Value）來(lái)定義的，并且3個(gè)分量之間互不正交，變量之間的改變也不會(huì)對(duì)其他變量進(jìn)行干擾，因此可以通過(guò)調(diào)節(jié)這三個(gè)分量得到我們想要的增強(qiáng)效果。亮度V表示色彩的明亮程度，對(duì)V分量進(jìn)行增強(qiáng)處理可以使圖像更加明亮；飽和度S表示色彩的鮮艷程度，增強(qiáng)S分量可以使圖像色彩更為飽滿。文獻(xiàn)［10］給出了HSV色彩空間與RGB色彩空間的轉(zhuǎn)換關(guān)系，在此不再贅述。

2.3 基于HSV空間的光照補(bǔ)償和顏色恢復(fù)

用改進(jìn)型同態(tài)濾波和CLAHE增強(qiáng)RGB空間內(nèi)各分量后，圖像對(duì)比度有了明顯提升，細(xì)節(jié)也更為突出，但整個(gè)圖像亮度明顯不足，色彩也不明亮鮮艷。所以，將圖像轉(zhuǎn)換到HSV空間，通過(guò)構(gòu)造非線性函數(shù)對(duì)亮度分量V進(jìn)行光照補(bǔ)償，可以達(dá)到增強(qiáng)圖像亮度的目的。具體過(guò)程如下：

其中，IV為原圖像的V分量，IV′為變換后的V分量，IR,IG,IB為經(jīng)過(guò)同態(tài)濾波和CLAHE后圖像的3個(gè)分量，IR′,IG′,IB′為光照補(bǔ)償后圖像的3分量。α是可以控制圖像亮度的常數(shù)系數(shù)，其值過(guò)大，圖像高亮度區(qū)域丟失細(xì)節(jié)，其值過(guò)小，圖像較暗，效果不佳。經(jīng)過(guò)多次實(shí)驗(yàn)驗(yàn)證，α取2.2～2.4，可以使圖像增強(qiáng)效果最佳。構(gòu)造的非線性函數(shù)為 f(x)，可以實(shí)現(xiàn)對(duì)圖像暗區(qū)域和亮區(qū)域灰度級(jí)的拉伸，表達(dá)式為：

其中，0≤m≤1，經(jīng)過(guò)多次實(shí)驗(yàn)驗(yàn)證，當(dāng)m取0.3時(shí)，增強(qiáng)效果最為明顯。

將亮度V進(jìn)行非線性拉伸后，對(duì)飽和度再進(jìn)行增強(qiáng)，使其變?yōu)樵瓉?lái)的1.5倍，完成整個(gè)增強(qiáng)過(guò)程。

最后，將原色度分量H和補(bǔ)償后的亮度分量V、拉伸后的飽和度分量S進(jìn)行信息融合，將其轉(zhuǎn)換到RGB彩色空間，實(shí)現(xiàn)顏色恢復(fù)，得到最終的增強(qiáng)圖像。

3 實(shí)驗(yàn)結(jié)果與分析

選取低照度彩色圖像驗(yàn)證本文算法的有效性，并將高斯型同態(tài)濾波、改進(jìn)型同態(tài)濾波、直方圖均衡、CLAHE算法和本文算法進(jìn)行對(duì)比驗(yàn)證。各算法增強(qiáng)結(jié)果分別如圖6、圖7所示。

圖6 歐式建筑圖及其增強(qiáng)結(jié)果

圖7 水果圖及其增強(qiáng)結(jié)果

可以看到，圖6、圖7原圖顏色偏暗，細(xì)節(jié)不明顯，圖像對(duì)比度也極低。采用高斯型同態(tài)濾波后，圖像亮度增強(qiáng)但整體較為模糊，如蒙上一層云霧，云層等細(xì)節(jié)信息模糊不清。改進(jìn)型同態(tài)濾波與高斯型同態(tài)濾波增強(qiáng)效果極為相似，肉眼很難區(qū)分優(yōu)劣。直方圖均衡算法在增強(qiáng)彩色圖像時(shí)出現(xiàn)了色彩偏差，圖像顏色失真極為嚴(yán)重。CLAHE算法可以突出圖像的細(xì)節(jié)，但圖像整體亮度較低，圖片整體偏暗，增強(qiáng)效果一般。本文算法不僅很好地增強(qiáng)了圖像的亮度和對(duì)比度，對(duì)于細(xì)節(jié)的保持效果也極佳，圖像背景中天空的云彩等局部信息清晰可辨。并且，本文算法可以很好地增強(qiáng)圖像的飽和度，藍(lán)天白云、水果鮮花等色彩豐富，圖像整體的色澤均勻，顏色艷麗，更生動(dòng)形象，也更符合人眼的視覺(jué)特性，在所有算法中增強(qiáng)效果最佳。

從客觀評(píng)價(jià)角度，以圖像熵值、平均梯度和對(duì)比度的值來(lái)對(duì)比幾種算法。圖像熵值越大，圖像所含信息量越多；平均梯度越大，圖像的層次就越多，圖像也就越清晰；對(duì)比度越大，圖像色彩越鮮艷，圖像也越亮。

比較表1、表2中數(shù)據(jù)可以看出，本文算法在增強(qiáng)圖像對(duì)比度和清晰度上效果顯著，可以使圖像包含更多信息，更利于人機(jī)進(jìn)行圖像識(shí)別和分析。

表1 歐式建筑圖像各算法對(duì)比結(jié)果

表2 水果圖像各算法對(duì)比結(jié)果

5 結(jié)論

為了解決彩色圖像因光照不足而產(chǎn)生的圖像昏暗、細(xì)節(jié)嚴(yán)重丟失的問(wèn)題，提出一種基于色彩空間轉(zhuǎn)換和同態(tài)濾波的圖像增強(qiáng)新算法。經(jīng)試驗(yàn)驗(yàn)證，新算法可以使圖像包含更多有用信息，在突出細(xì)節(jié)的同時(shí)，亮度和清晰度得到了進(jìn)一步提升，并且圖像色澤艷麗，生動(dòng)形象，更利于人機(jī)讀取識(shí)別。

［1］Shahamat H，Pouyan A A.Face Recognition Under Large Illumi?nation Variations Using Homomorphic Filtering in Spatial Domain［J］.Journal of Visual Communication&Image Representation，2014，25（5）：970-977.

［2］Ein-Shoka A A，Kelash H M.Enhancement of IR Images Using Ho?momorphic Filtering in Fast Discrete Curvelet Transform（FDCT）［J］.International Journal of Computer Applications，2014，96（8）：22-25.

［3］Okuboyejo D A，Olugbara O O，Odunaike S A.CLAHE Inspired Segmentation of Dermoscopic Images Using Mixture of Methods［J］.IEEE Transactions on Engineering Technologies，2014，12（3）：355-365.

［4］張亞飛，謝明鴻.基于HSI和局部同態(tài)濾波的彩色圖像增強(qiáng)算法［J］.計(jì)算機(jī)應(yīng)用與軟件，2013，27（12）：303-307.

［5］焦竹青，徐保國(guó).基于同態(tài)濾波的彩色圖像光照補(bǔ)償方法［J］.光電子·激光，2010，9（4）：602-605.

［6］周衛(wèi)星，廖歡.基于高頻強(qiáng)調(diào)濾波和CLAHE的霧天圖像增強(qiáng)方法［J］.電視技術(shù)，2010，34（7）：38-40.

［7］尹立敏，劉艷瀅，賀琳，等.基于多尺度灰度直方圖的圖像增強(qiáng)研究［J］.電子器件，2006，29（2）：431-433.

［8］Yousuf M A.An Effective Image Contrast Enhancement Method Using Global Histogram Equalization［J］.Journal of Scientific Re?search，2011，3（1）：43-50.

［9］Kurt B，Nabiyev V V，Turhan K.Medical Images Enhancement by Using Anisotropic Filter and CLAHE［C］//2012 International Sym?posium on Innovations in Intelligent Systems and Applications（INISTA）.Trabzon：IEEE，2012：1-4.

［10］秦緒佳，王慧玲，杜軼誠(chéng)，等.HSV色彩空間的Retinex結(jié)構(gòu)光圖像增強(qiáng)算法［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2013，25（4）：488-493.

程 新（1990-），女，漢，陜西西安，碩士研究生，西安郵電大學(xué)，研究方向?yàn)閳D形圖像與視頻處理技術(shù)，13659186995@ 163.com；

劉一博（1983-），男，漢，河南洛陽(yáng)，講師，國(guó)防信息學(xué)院，研究方向?yàn)檐娛掠?xùn)練，liuyibo0123456789@163.com；

張 紅（1977-），男，湖北武漢，副教授，國(guó)防信息學(xué)院，研究方向?yàn)檐娛掠?xùn)練，wanglongfei-wang@163.com。

A Low Illumination Color Image Enhancement Algorithm in Image Communication*

CHENG Xin1，LIU Yibo2，ZHANG Hong2*
（1.School of Electrical Engineering，Xian University of Posts and Telecommunications，Xian 710121，China；2.Four Department of Combat Training，College of National Defense Information Science，Wuhan 430010，China）

In order to solve the problem of fuzzy and low brightness in color image，a new color image enhancement algorithm is proposed.First，a new transfer function is introduced to improve the traditional filtering.Then，in the RGB color space，the R，B and G components are enhanced by using the improved algorithm of the improved filter?ing algorithm and the adaptive histogram equalization algorithm（CLAHE）.The color space is converted to HSV，and the brightness is compensated by the nonlinear function，the saturation is drawn out to a intensity level of 1.5 times of the original.Finally，the image color information are restored.Experimental results show that the new algo?rithm can enhance the image contrast，and make the image more high resolution.

low illumination color image；image enhancement；space conversion；homomorphic filtering

TP752；TN919.8

A

1005-9490（2016）06-1338-05

6430J

10.3969/j.issn.1005-9490.2016.06.012

項(xiàng)目來(lái)源：國(guó)家自然科學(xué)基金項(xiàng)目（61136002）；陜西省自然科學(xué)基金項(xiàng)目（2014JM8331，2014JQ5183）

2015-11-20 修改日期：2015-12-15