基于ＨＳＶ空間的簡(jiǎn)牘圖像增強(qiáng)算法研究

摘 要：針對(duì)簡(jiǎn)牘圖像存在對(duì)比度低、噪聲大、文字模糊等問(wèn)題，采用了一種適合簡(jiǎn)牘的彩色圖像增強(qiáng)算法。該方法按人的視覺特性選擇了HSV空間，并將線性變換、中值濾波、高斯—拉普拉斯級(jí)聯(lián)作用于圖像的亮度分量，同時(shí)也對(duì)飽和度做了相應(yīng)的拉伸處理。理論分析和實(shí)驗(yàn)結(jié)果均表明，增強(qiáng)后的簡(jiǎn)牘圖像更清晰，文字信息更突出，增加了可讀信息，達(dá)到了令人滿意的結(jié)果，有利于后期信息提取工作的開展。

關(guān)鍵詞：色度空間；線性變換；中值濾波；高斯—拉普拉斯

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-3695(2007)06-0204-03

簡(jiǎn)牘是20世紀(jì)我國(guó)繼甲骨卜辭、居延漢簡(jiǎn)、敦煌文書之后在古文獻(xiàn)領(lǐng)域的又一重大發(fā)現(xiàn)。它是在紙未出現(xiàn)以前的文檔材料，即書寫在竹片或木片上的文書。可見簡(jiǎn)牘是我國(guó)古文化的重要載體，大量重要的歷史信息均存于簡(jiǎn)牘上，其可靠程度大大超過(guò)文獻(xiàn)記載。如何挖掘簡(jiǎn)牘所蘊(yùn)涵的豐富信息是目前考古學(xué)家所關(guān)注的焦點(diǎn)問(wèn)題。但大多數(shù)簡(jiǎn)牘實(shí)物長(zhǎng)期埋存地下，出土?xí)r重疊、黏連，有的腐蝕、朽爛，文字信息出現(xiàn)脫落，墨跡擴(kuò)散，根本難以識(shí)別簡(jiǎn)牘上的文字符號(hào)。這大大增加了簡(jiǎn)牘信息提取的難度。

通常采用圖像增強(qiáng)技術(shù)來(lái)改善圖像的視覺效果，提高圖像的可懂度。但現(xiàn)有的圖像增強(qiáng)方法，如線性變換、中值濾波、圖像銳化等，對(duì)于灰度圖像而言是很好的方法，但將它們應(yīng)用于彩色圖像卻有一定的局限性。這主要是由于彩色圖像還存在色彩信息。常見的彩色圖像增強(qiáng)算法［1，2］是將彩色圖像經(jīng)過(guò)色度空間轉(zhuǎn)換，將密切相關(guān)的三個(gè)分量的空間轉(zhuǎn)變到基本不相關(guān)的色度空間，最常見的是HSV空間；然后對(duì)V分量和S分量進(jìn)行處理，保持H分量不變。但是一些增強(qiáng)方法往往帶有針對(duì)性，以致對(duì)某些圖像效果好的增強(qiáng)方法未必一定適用于另一些圖像。本文結(jié)合簡(jiǎn)牘圖像自身的特點(diǎn)，提出一種新的彩色圖像增強(qiáng)方法。在色調(diào)分量不改變的前提下，將幾種增強(qiáng)技術(shù)組合起來(lái)作用于簡(jiǎn)牘的亮度分量，不僅可以調(diào)節(jié)動(dòng)態(tài)范圍，還可以去除圖像的噪聲并使目標(biāo)輪廓得到增強(qiáng)，而對(duì)于飽和度進(jìn)行適當(dāng)?shù)幕叶壤欤淖兤渲狈綀D分布。實(shí)驗(yàn)證明，增強(qiáng)后的簡(jiǎn)牘圖像對(duì)比度明顯提高了，文字細(xì)節(jié)信息更加清晰，色彩信息也更符合人眼的視覺心理特性。

1 簡(jiǎn)牘增強(qiáng)算法［2］

簡(jiǎn)牘屬于彩色圖像，對(duì)它的增強(qiáng)處理不能局限于灰度圖像處理技術(shù)，應(yīng)重視其色彩信息。其主要算法步驟如下：

原始簡(jiǎn)牘圖像 → RGB空間轉(zhuǎn)換到HSV空間 →

線性變換飽和度亮度 → 中值濾波 →

高斯—拉普拉斯 → HSV空間轉(zhuǎn)換到RGB空間 →輸出結(jié)果

1.1 色度空間［1， 2］

彩色空間［3］是以數(shù)值方式描述色彩的模型，如RGB、YIQ、HSV空間等。彩色圖像在計(jì)算機(jī)中一般采用RGB空間來(lái)表示。在圖像增強(qiáng)中，三基色之間彼此有很強(qiáng)的相關(guān)性。如果對(duì)RGB分量直接采用灰度圖像的增強(qiáng)方法，可以增強(qiáng)圖中的可視亮度細(xì)節(jié)，但得到的圖像中的色調(diào)可能完全沒有意義，圖中對(duì)應(yīng)同一個(gè)像素的RGB這三個(gè)分量均發(fā)生了較大的改變。而在HSV模型中，亮度分量和色度分量是分開的，色度和飽和度的概念與人的感知是緊密相連的。因此可以先把彩色圖像的RGB轉(zhuǎn)換到HSV模型。其中H是色調(diào)(Hue)，又稱色相；S是飽和度(Saturation)；V是亮度值(Value)。在圖像處理和計(jì)算機(jī)視覺中，大量算法均可在HSV色彩空間中方便地使用；它們可以分開處理而且是相互獨(dú)立的，可以大大簡(jiǎn)化圖像分析和處理的工作量。

1.2 線性變換［4］

在HSV空間［2］，當(dāng)色度保持不變時(shí)，V和S決定了彩色圖像的總體效果，包括顏色信息和亮度信息。因此要實(shí)現(xiàn)簡(jiǎn)牘的增強(qiáng)，必須對(duì)兩者均進(jìn)行線性變換；否則將達(dá)不到滿意的增強(qiáng)效果。線性變換是用一個(gè)線性單值函數(shù)，根據(jù)某種目標(biāo)條件對(duì)圖像的每一個(gè)像素灰度作線性擴(kuò)展，有效地增強(qiáng)圖像的對(duì)比度，使圖像在逼真度和可辨識(shí)度兩個(gè)方面得到改善，以獲得用戶所需的重要信息。

根據(jù)簡(jiǎn)牘圖像的特點(diǎn)，采用截取式的線性變換，其表達(dá)式如下：

其中， f(x，y)為原圖像的灰度分布函數(shù)； [a，b]為像素灰度分布范圍；[a′，b′]為變換后的灰度范圍；g(x，y)則為增強(qiáng)后圖像的灰度分布函數(shù)。

由于原始簡(jiǎn)牘圖片的灰度范圍相當(dāng)窄，其灰度直方圖集中于一部分，使目標(biāo)圖像灰度值與背景灰度值相接近，人眼無(wú)法辨別。利用線性變換［5］，就可以使圖像的直方圖分布于整個(gè)灰度部分，圖像有較大的動(dòng)態(tài)變化范圍，視覺上增加對(duì)變換后圖像分辨的亮度差的總級(jí)數(shù)，同時(shí)也加大目標(biāo)圖像與背景間亮度差異；而且飽和度的線性處理，也使簡(jiǎn)牘的顏色信息有所改變，更符合人眼的色覺。 

圖1、2是原始簡(jiǎn)牘圖像及進(jìn)行線性變換的結(jié)果顯示。

本文實(shí)驗(yàn)中所采用的簡(jiǎn)牘是766×150，JPG格式的彩色圖片。從圖1、2可以看出，圖片對(duì)比度增強(qiáng)了，顏色信息也增強(qiáng)了，更適合人眼觀察；但是圖片上還存在著許多噪聲，需要對(duì)亮度分量再進(jìn)行中值濾波，去除圖像噪聲，提高圖像質(zhì)量。

1.3 中值濾波

中值濾波［3，6］是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)。它是一種領(lǐng)域運(yùn)算，類似于卷積，但是計(jì)算的不是加權(quán)求和，而是把鄰域中的像素按灰度級(jí)進(jìn)行排序，然后選擇改組的中間值作為輸出像素值。它能減弱或消除傅里葉空間的高頻分量。這些高頻分量對(duì)應(yīng)圖像中區(qū)域邊緣的灰度值具有較大較快變化的部分。該濾波可將這些分量濾除，從而使圖像平滑。

對(duì)于圖像的像素矩陣，取以目標(biāo)像素為中心的一個(gè)子矩陣窗口。這個(gè)窗口可以是3×3、5×5等，也可根據(jù)需要選取。窗口的形狀常用的有方形、十字形和圓形等。設(shè){xij，(i，j)∈I×I}表示數(shù)字圖像各點(diǎn)的灰度值，濾波窗口為B 的二維中值濾波［7］可定義為

中值濾波的具體實(shí)現(xiàn)步驟［8］如下：

(1)將模板在圖像中漫游，并將模板中心與圖像中某個(gè)像素的位置結(jié)合;

(2)讀取模板下各對(duì)應(yīng)像素的灰度值;

(3)將這些灰度值從小到大排成一列;

(4)找出這些值中排在中間的一個(gè);

(5)將這個(gè)中間值賦給對(duì)應(yīng)模板中心位置的像素。

可以看出，中值濾波的主要功能就是讓與周圍像素灰度值的差比較大的像素改取與周圍像素值接近的值，從而消除孤立的噪聲點(diǎn)。雖然中值濾波技術(shù)［9］在衰減噪聲的同時(shí)能較好地保護(hù)圖像的邊緣，但由于其僅考慮濾波窗內(nèi)輸入數(shù)據(jù)的排序信息，而未考慮輸入數(shù)據(jù)的時(shí)序原信息，在圖像處理中會(huì)產(chǎn)生邊緣抖動(dòng)，并會(huì)刪除一些重要的圖像細(xì)節(jié)，如細(xì)線、拐角等，使圖像的邊緣變得模糊。圖3是對(duì)圖2的亮度進(jìn)行中值濾波。

1.4 高斯—拉普拉斯算子

高斯—拉普拉斯算子［4，8］即LOG（Laplacian of Gaussian）算子，它可以加強(qiáng)圖像的目標(biāo)邊界和圖像細(xì)節(jié)，減弱并消除模糊，是效果較好的圖像銳化方法。LOG算子先用高斯低通濾波器將圖像進(jìn)行預(yù)先平滑；然后用拉普拉斯算子找出圖像中的陡峭邊緣；最后用零灰度值進(jìn)行二值化，產(chǎn)生閉合的、連通的輪廓，消除了所有的內(nèi)部點(diǎn)。其中拉普拉斯算子是一個(gè)線性的、移不變的算子，其傳遞函數(shù)在頻域空間的原點(diǎn)是零。因此經(jīng)拉普拉斯濾波過(guò)的圖像具有零平均灰度。

行卷積運(yùn)算后提取的零交叉點(diǎn)為邊緣點(diǎn)。

圖4在圖3的基礎(chǔ)上，對(duì)圖像亮度再進(jìn)行了圖像銳化處理，即高斯—拉普拉斯變換。從圖4可以看出，采用本文提出的彩色圖像增強(qiáng)方法有效地提高了簡(jiǎn)牘圖像成分的清晰度，達(dá)到了圖像增強(qiáng)的目的。

圖5直接將灰度變換擴(kuò)展到彩色圖像增強(qiáng)中，即對(duì)R、G、B三色通道分別采用線性變換方法，并未進(jìn)行色度空間轉(zhuǎn)換。從圖5可以看出，文字的顏色已經(jīng)被改變了。該方法帶來(lái)了色彩的失真，不適用于簡(jiǎn)牘圖像的增強(qiáng)處理。

從視覺效果上來(lái)看（圖4），本文方法不僅使圖像的動(dòng)態(tài)范圍提高了，而且在細(xì)節(jié)信息上具有明顯的改善，使文字信息凸顯出來(lái)，其增強(qiáng)效果也可以從對(duì)應(yīng)的直方圖看出。該方法具有很大的實(shí)用價(jià)值，提高了圖像的可讀性，有利于考古學(xué)家提取簡(jiǎn)牘圖片上的文字信息。對(duì)圖1、4的亮度分量直方圖如圖6、7所示；對(duì)圖1、4飽和度分量直方圖如圖8、9所示。

對(duì)圖像增強(qiáng)結(jié)果的評(píng)價(jià)還可以利用圖像的統(tǒng)計(jì)參數(shù)［1，10］進(jìn)行客觀判斷，如均值、標(biāo)準(zhǔn)差、信息熵、清晰度和亮度的改變比例。利用圖像的亮度值，分別統(tǒng)計(jì)出各圖像的均值、標(biāo)準(zhǔn)差、信息熵和清晰度，并求出整個(gè)圖像采用不同方法得到的亮度的改變比例。其結(jié)果如表1所示。

表1 簡(jiǎn)牘性能統(tǒng)計(jì)參數(shù)

從表1的統(tǒng)計(jì)參數(shù)可以看出：本文算法的清晰度是四種方法中最高的，其均值、信息熵與其他方法相差不多，但標(biāo)準(zhǔn)差大，說(shuō)明該方法得到的簡(jiǎn)牘灰度級(jí)比較分散，灰度級(jí)出現(xiàn)的概率最趨于相等，包含的信息量最大。各種情況下的亮度改變比例值也充分表明該方法的性能相對(duì)較好，能夠得到相對(duì)較高的亮度。通過(guò)客觀評(píng)價(jià)與視覺判斷，均可以說(shuō)明本文所采用的方法是十分有效的。

2 結(jié)束語(yǔ)

在數(shù)字圖像增強(qiáng)處理中，無(wú)論是灰度還是彩色圖像，單獨(dú)使用一種或兩種增強(qiáng)技術(shù)，均難以達(dá)到較好的視覺效果。根據(jù)在灰度圖像增強(qiáng)中，線性變換、中值濾波、高斯—拉普拉斯各自的特點(diǎn)，本文提出了在HSV空間中將線性變換、中值濾波、高斯—拉普拉斯級(jí)聯(lián)作用于簡(jiǎn)牘圖片中的亮度信息，同時(shí)，對(duì)飽和度分量也做了簡(jiǎn)單的拉伸處理。實(shí)驗(yàn)表明，這種方法是有效的，增強(qiáng)后的彩色圖像不僅更清晰，圖像特征更明顯，而且色彩信息也更鮮艷了，提高了簡(jiǎn)牘圖像識(shí)別的可靠性、科學(xué)性，為進(jìn)一步處理簡(jiǎn)牘圖像做好了鋪墊。

本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文。