一種高效的圖像增強去霧算法

李利榮, 汪 蒙

(湖北工業大學電氣與電子工程學院， 湖北 武漢 430068)

霧對視覺系統的影像表現在使成像設備的輸出圖像對比度下降，分辨率低，這給依據圖像內容的工作如目標跟蹤、監控、監測等帶來很大的不便．霧天圖像清晰化處理有著重要的現實意義．

圖像去霧技術的主要任務是去除天氣因素對圖像質量的影響，從而增強圖像的清晰度和視見度．目前對于霧天圖像進行清晰化處理的方法主要分為兩類：霧天圖像增強(非模型的算法)和霧天圖像復原(基于模型的算法)．

圖像去霧技術是一個跨學科的前沿性課題，具有廣闊的發展前景和應用前景，它已經成為計算機視覺和圖像處理領域研究的熱點問題之一，吸引了國內外許多研究人員的興趣．本文著眼于依據圖像增強的有關理論，提出一種計算簡單但效果明顯的實用霧天圖像清晰化方法．

1 背景

圖像增強根據視覺感受來改善圖像效果，是個主觀的圖像質量改善過程．圖像增強包括直方圖處理、空間濾波等．

1.1 直方圖均衡

直方圖均衡是圖像處理領域中利用圖像的直方圖對對比度進行調整的方法．其基本思想是把原始圖的直方圖變換為均勻分布的形式，從而增加像素灰度值的動態分布范圍，實現增強圖像整體對比度的效果．它高效且易于實現，廣泛應用于圖像增強處理中．

直方圖均衡可分為全局化直方圖均衡和局部化直方圖均衡．全局化直方圖是將整個輸入圖像的直方圖做均勻分布的轉化，這雖然增加整體圖像像素灰度值的動態范圍，增強圖像整體對比度的效果，但是這對于圖像中存在深度信息多變的情況，特別是有用信息分布在深度多變的場景中時，很容易使目標淹沒在背景中，從而導致視頻系統無法滿足工作要求．局部直方圖均衡的處理對象是圖像的局部區域，將圖像的所有局部區域依次進行直方圖均衡化，增強圖像局部信息．局部直方圖均衡可分為子塊非重疊直方圖均衡和子塊重疊直方圖均衡．非重疊直方圖均衡化的基本思想是將原圖分成不重疊的子塊，然后對每個子塊進行直方圖均衡化處理，并保留處理后的結果．相鄰子塊之間不重疊，大大減小了運算量，但會不可避免的出現塊狀效應．而重疊的直方圖均衡可以大大緩解塊狀效應，但同時計算量也增加了．為了保證圖像增強的質量，考慮降低塊狀效應和減少計算量，我們選擇部分重疊直方圖均衡化．

1.2 塊狀效應

塊狀效應：圖像分塊產生時，由于相鄰子圖塊之間的灰度分布不同而產生的處理結果的差異，從而導致子塊的邊界出現突變的現象，視覺上有明顯的塊狀分界線，如圖2b所示．

1.3 空間濾波器

空間濾波器由一個像素的鄰域(典型的是一個較小的矩形)和對該鄰域包圍的圖像像素執行的預定義操作組成．濾波產生一個新像素值，新像素的坐標等于鄰域中心的像素坐標，像素的值是濾波操作的結果．如果在圖像像素上執行的是線性操作，則該濾波器稱為線性濾波器．否則，濾波器就為非線性濾波器．根據需要增強圖像的高頻和低頻特征，空間濾波器還可以分為高通濾波器(即銳化空間濾波器)和低通濾波器(即平滑空間濾波器)．

2 有霧圖像增強算法

正如1.1所述，本文采用的部分重疊局部直方圖均衡化方法，在此基礎上針對有時出現的塊狀效應，采用合適的線性濾波去除．

2.1 子塊部分重疊直方圖均衡化算法

2.1.1算法基本思想子塊部分重疊直方圖均衡化：先定義一個大小合適的移動子圖塊，以某種確定的步長來移動經直方圖均衡化處理過的子塊．例如，將移動步長設為子塊的一半，如圖1中，假設圖像平均分成3×3的9個區域，a,b,e,d4個區域構成一個處理子塊1(圖1a)，對這個子塊進行直方圖均衡化，然后向后移動半個子塊的大小，在b,c,e,f構成的子塊2里再進行直方圖均衡化(見圖1b)，該行處理完后再轉到下一行進行處理，在d,e,g,h構成的子塊3里進行直方圖均衡化，然后向后移動半個子塊的大小，在e,f,h,i構成的子塊4中進行直方圖均衡化．至此，完成了整個圖像的處理．

圖 1 部分重疊運算示意圖

下面對這9個小區域組成的部分進行分析．正中間的e區域受鄰域8個區域a,b,c,d,f,g,h,i的影響．設每個子塊1,2,3,4的直方圖均衡化函數分別為T1(rk)、T2(rk) 、T3(rk)、T4(rk)，由于區域e中的像素在整個過程中被處理了4次，所以區域e的子塊部分重疊直方圖均衡化函數為

(1)

每一個子塊的直方圖均衡化函數如

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

因為

(11)

由此可見，在用子塊部分重疊直方圖均衡化處理圖像時，從效果上來看，相當于用一個模板(見圖1(c))作用于這個圖像的小區域(不是實際處理的子塊)產生當前處理小區域的灰度概率密度函數，然后用這個概率密度函數對這個小區域進行傳統意義上的直方圖均衡化．

2.1.2算法實現及分析先對算法實現說明幾點：

1)移動步長的設定應與子塊的大小成比例，這是為了保證子塊移動能產生合理的模板算子．

2)移動步長應能整除整幅圖像的尺寸大小M,N，否則算法會遺漏部分邊界點；

3)子塊的尺寸大小與塊狀效應有關：若增大子塊，而保持步長與子塊的比例不變，則子塊的重疊面積將相應減少，這將使塊狀效應更為嚴重，這時需要用改進的算法進行局部修正．對圖像進行上述的部分重疊直方圖均衡化處理，為了便于觀察，采用不同子塊大小不同步長對同一幅圖像進程處理，觀察效果．

具體效果對比見圖2．

(a)原圖

(b)160×160子塊，1/16步長處理效果

(c)160×160子塊，1/8步長處理效果

(d) 80×80子塊，1/16步長處理效果

(e) 80×80子塊， 1/8步長處理效果圖 2 子塊部分重疊均衡化算法處理結果對比

圖2反映出了不同子塊大小和移動步長對圖像效果的影響．總體來說，部分直方圖均衡化大大提高了圖像的對比圖，增強了圖像細節，去霧效果明顯，這對于戶外監控等應用視覺系統非常有用．子塊部分重疊與塊重疊直方圖均衡化算法相比，在保證局部對比效果較好的情況下，大大減少了計算量．但此方法采用子塊部分重疊還是會因為圖像塊信息的差異產生少量的塊狀效應，且子塊重疊的多少與塊狀效應和運算量密切相關：子塊的重疊程度越小，平滑效果越差，塊狀效應越明顯，但運算量卻會急劇減小；反之亦然．

2.2 塊狀效應的平滑處理

由上一章分析及實驗知，霧天圖像經部分重疊直方圖均衡化處理后，在某些子塊的邊緣仍然會出現不同程度的塊狀效應．為消除這種塊狀效應，使處理后的圖像更清晰，需做一些平滑濾波處理．普通的線性平滑濾波器的輸出是包含在濾波器模板鄰域內的像素的簡單平均值．圖3a顯示了一個3×3平滑濾波器．

(a)3×3線性平滑濾波器

(b)對圖2(e)經線性平滑后的效果圖 3 線性平滑濾波器原理及其濾波效果

從實驗效果可以看出，圖像經線性平滑濾波器處理后，塊狀效應基本消失，且計算簡單．本章是為了達到去除方塊效應而設計的．對于方塊不太明顯的可以采用小模板的線性平滑.

3 總結與展望

本文提出一種簡單快速的圖像增強去霧方法．該方法基于圖像的直方圖均衡化原理，對于局部直方圖均衡化方法揚長避短，采用部分重疊直方圖均衡化，并可以根據需要調整步長，從而調整重疊比例來達到最好的去霧增強效果．從理論上分析子塊重疊直方圖均衡化算法處理圖像的效果相對最好，但其運算量大，運算速度慢；子塊非重疊直方圖均衡化算法運算速度快，運算量較小，但處理后的圖像會出現嚴重的塊狀效應，效果不清晰；而子塊部分重疊直方圖均衡化算法結合了前兩種算法的優缺點，能獲得與子塊重疊直方圖均衡化相當的對比度增強效果，又具有子塊非重疊局部直方圖均衡化的低運算量，并且一定程度上消除了塊狀效應．這在實驗中得到了驗證．基于本方法對于亮度區域性分布明顯的圖像仍然有微弱塊狀效應，我們設計了線性平滑步驟，進一步增強了效果．

[參考文獻]

[1] 張汗靈，MATLAB在圖像處理中的應用[M].北京：清華大學出版社，2008.

[2] 羅穎,昕霧天低對比度圖像增強方法的研究[D].天津：天津大學圖書館，2005.

[3] 朱遵尚，圖像增強技術研究[D].長沙：國防科學技術大學圖書館，2009:1 101.

[4] 禹晶，徐東彬，廖慶敏，圖像去霧技術研究進展[J].中國圖像圖形學報，2011，16(09)：1 561-1 576.

[5] 王玉靈，基于雙邊濾波的圖像處理算法研究[D].西安電子科技大學圖書館，2010.

[6] 楊萬挺，基于局部信息特征的霧天圖像增強算法研究[D].合肥工業大學圖書館，2010.

[7] 艾明晶，戴隆忠，曹慶華.霧天環境下自適應圖像增強去霧方法研究[J].計算機仿真，2009，26(07)： 244-247.

[8] 彭玉華.基于離散正交小波變換的圖像去噪方法[J].中國圖像圖形學報,1999,4(08):677-679.

[9] Rafael C. Gonzalez, Richard E. Woods, digital image processing[M].3rd Edition[S.l.]Prentice Hall ,2010.

[10] Bolet J P,Cowen A R, Launders J.Progress with an “all-wavelet” approach to image enhancement and de-noising of direct digital thorax radiographic images[J]. Image Processing and Its Applications, 1997.

[11] Economopoulos T L,Asvestas P A, Matsopoulos GK.Regional Partitioned Iterated Function Systems for digital image enhancement, Image Processing Theory[C]. Tools and Applications (IPTA), 2012 3rd International Conference on, 2012,265,269:15-18.

[12] Jong-Sen Lee.Digital Image enhancement and noise filtering by use of local statistics[J]. Pattern Analysis and Machine Intelligence, 1980,2(02):165-168.

[13] A. I. Anthis and A. P. Cracknell.Use of satellite images for fog detection (AVHRR) and forecast of fog dissipation (METEOSAT) over lowland Thessalia, Hellas[J]. Int. J. Remote Sensing, 1999,20(06):1 107-1 124.