雙通道分塊同態濾波彩色圖像增強算法

段 群，吳粉俠，李 紅

(咸陽師范學院 圖形圖像處理研究所，陜西 咸陽 712000)

雙通道分塊同態濾波彩色圖像增強算法

段 群，吳粉俠，李 紅

(咸陽師范學院 圖形圖像處理研究所，陜西 咸陽 712000)

為了有效增強由于光照不均的彩色圖像，文中在應用HSV彩色模型空間的基礎上，提出了一種基于雙通道的分塊同態濾波彩色圖像增強算法。首先將光照不均源彩色圖像從RGB色彩空間模型轉換到HSV色彩空間模型。然后為了彌補光照不足引起的圖像亮度不均，對變換后的亮度分量做分塊巴特沃斯高通同態濾波，之后會出現輕微塊效應，為了去除塊效應，對相鄰子圖像邊界處亮度值采用3×3鄰域均值的亮度值代替；接著為了提高圖像的整體對比度，對變換后的飽和度分量做全局巴特沃斯高通同態濾波以便微調增強效果。最后，再將圖像從HSV色彩空間模型還原到RGB色彩空間模型。實驗結果表明，該算法不僅增加了圖像暗區域明亮度，而且顏色保持較好，紋理更清晰。

HSV顏色模型；同態濾波；彩色圖像增強；塊效應；截至頻率

0 引 言

對彩色圖像的增強是圖像預處理中非常關鍵的一個環節，它不僅能夠很大程度上改善圖像的視覺效果，而且也能夠有效地突出圖像的特征，以便對圖像進行分割、識別、特征提取等后期處理。目前，根據處理空間的不同，圖像增強可以分為“空域增強”處理和“頻域增強”處理兩種方法[1]，前者直接對圖像的像素進行處理，而后者首先將圖像變換到頻域(如傅里葉變換)，再對其變換系數進行調整，最后做相應的反變換，以得到增強后的圖像。對彩色圖像的增強處理，文獻[2]中提出的方法是直接對彩色圖像R,G,B三個分量做直方圖均衡化處理。此方法雖然可以有效改變圖像亮度動態范圍，但使得圖像模糊，又由于在R,G,B三個分量直接處理，會造成圖像色彩嚴重偏離。文獻[2-3]采用小波變換的方法增強圖像，取得了較好的效果，此方法可以借鑒。文獻[4-7]采用的是同態濾波增強，可以有效增強圖像的亮度，但由于是對整個圖像做濾波，原來圖像中較亮部分會出現過度增強現象，丟失圖像細節。文獻[7-8]采用局部同態濾波方法，解決了文獻[4-7]的問題，但由于只是對亮度分量進行處理，色彩不豐富。文獻[9-14]對飽和度和亮度分量都做全局同態濾波。

鑒于上述問題，文中提出了在彩色圖像的HSV色彩空間，對亮度分量做自適應分塊同態濾波，對飽和度分量做自適應全局同態濾波的增強算法，同時對調節系數對巴特沃斯高通濾波器的影響做了一定的研究。經過大量實驗驗證，此方法能有效解決圖像亮度不均、色彩偏離、細節丟失等問題。

1 HSV色彩空間模型

HSV是在1978年由A.R.Smith根據顏色的直觀特性創建的一種顏色空間，也稱六角錐體模型[1]。在這個模型中顏色有3個參數：色調(H)，飽和度(S)，亮度(V)。色調H用角度度量，取值范圍為0°～360°，按逆時針方向計算，紅色為0°，綠色為120°，藍色為240°，它們的補色是：黃色為60°，青色為180°，品紅為300°。飽和度S的取值范圍為0.0～1.0，值越大，顏色越飽和。亮度V的取值范圍為0(黑色)～255(白色)。

2 同態濾波器的設計

同態濾波對圖像是在頻率域中進行處理，主要是對圖像的灰度范圍進行調整。一幅自然景物的圖像f(x,y)，在形成時由光源的照度入射分量fi(x,y)和物體的反射分量fr(x,y)組成，用數學模型表示為[1]：

f(x,y)=fi(x,y)×fr(x,y),0

(1)

式中，fi(x,y)照度分量在空間中的變化比較緩慢，而fr(x,y)反射分量在景物的交界處變化較劇烈，圖像做同態濾波后，傅里葉變換的低頻部分主要對應照度分量，而高頻部分主要對應反射分量。因此，對fi(x,y)采取壓縮低頻部分，fr(x,y)采取提高高頻的方法，就能減弱入射分量、增強反射分量，最終使圖像變得清晰。

同態濾波的巴特沃斯高通濾波器可以在傅里葉頻率域有效壓縮低頻的動態范圍，并能較好地保留更多的高頻分量。同態濾波增強圖像的流程如圖1所示。

圖1 同態濾波增強圖像流程

巴特沃斯高通濾波傳遞函數為：

(2)

式中，rH、rL為調節系數，rH的值越小圖像越亮，而rL的值在不超過rH的值的情況下對增強效果影響不大；n越大，濾波函數衰減速度越快；D(u,v)為點(u,v)到傅里葉變換中心的距離，D(u,v)由式(3)計算；D0為截至頻率，值越小保留的低頻越多，圖像越暗，反之越亮。

(3)

式中，M和N為圖像行數和列數。

3 雙通道分塊同態濾波彩色圖像增強

3.1 圖像分塊

圖像做全局同態濾波處理后，會很大程度地提升圖像的亮度，但是圖像中原來清晰明亮的部分就會過度被增強，丟失了一些細節和邊緣信息。為了解決此問題，可以對圖像做分塊同態濾波[7-8]，對不同的圖像子塊分別用不同截至頻率進行濾波。文中做了大量實驗，若將圖像分成大小為8×8、16×16、32×32的子塊，圖像分塊過多，塊效應嚴重，去除效果不好；而如果將塊大小確定為128×128甚至更大時，就起不到分塊濾波的目的，反而因為少數塊效應，濾波效果不如全局濾波好。因此，文中圖像子塊大小確定為64×64。

3.2V分量分塊同態濾波增強

文中將真彩色圖像從RGB空間轉換到HSV空間中，提取圖像的亮度分量V，對V分量做分塊同態濾波，以提升圖像的亮度。

首先將圖像分成64×64大小的一系列子圖像；然后對每個子圖像塊做巴特沃斯高通同態濾波，式(2)中的rH=0.4，rL=0，n取值為10，截止頻率D0=a×median(median(D'))，其中D'為每個子塊點(u,v)到傅里葉變換中心的距離，a為調節系數，a=0.000 03～0.000 06[9]，值越大，截止頻率越大，低頻系數通過的越少，圖像細節保留的越少。文中做了大量實驗，a取值為0.000 03；最后對濾波結果圖像做伽馬校正，以微調圖像整體亮度到人眼舒適為止。

g=gr

(4)

式中，r=0.8，r值越小，圖像越亮。

3.3V分量分塊濾波后消除塊效應

對V分量做分塊局部濾波后，在塊的邊界上會出現塊效應(即子圖像塊水平、垂直方向出現白色的線條)。為了去除塊效應，文獻[7]采用了邊界均值方法，文獻[8]采用了重疊塊加權方法，均能在一定程度上去除。

文中采取相鄰塊邊界M×N鄰域均值方法，并在計算均值時不包括塊效應處的像素，能更有效地接近實際圖像。設L、R是相鄰子圖像進行濾波后水平方向上的相鄰圖像像素，U、D為垂直方向上的相鄰圖像像素，消除4個像素的塊效應如式(5)-(8)。

(5)

(6)

(7)

(8)

其中，模板大小為M×N，M=3，N=3，m0=floor(M/2)，n0=floor(N/2)。

3.4S分量同態濾波增強

在對V分量做分塊同態濾波后，圖像的亮度明顯提高了，但圖像的對比度一定程度上降低了。為了提高圖像的對比度，使得圖像更加清晰、色彩更豐富，接下來再對S分量做全局巴特沃斯高通同態濾波，進行微調，以改善圖像色彩視覺效果。

在式(2)中，rH=0.9，rL=0，n取值為10，截止頻率D0=a×median(median(D))，其中a=0.000 03。

4 文中算法流程

文中提出的算法是基于飽和度S和亮度V的雙通道分塊同態濾波彩色圖像增強算法，步驟如下：

(1)讀入光照不均的真彩色圖像。

(2)將圖像從RGB空間轉換到HSV空間。

(3)對亮度分量V，首先分為塊大小為64×64的一系列子圖像，再對每個子圖像做自適應截止頻率的巴特沃斯高通同態濾波，并進行伽馬校正，最后采用鄰域均值消除塊效應。

(4)對飽和度分量S做全局巴特沃斯高通同態濾波。

(5)得到處理后圖像HS’V’。

(6)將圖像從HSV空間還原到RGB空間。

(7)輸出增強后的真彩色圖像。

5 實驗結果分析

圖像的信息熵[10,15]是衡量圖像信息豐富程度的重要指標，其值越大，說明圖像含有的信息量越多，圖像越逼真，質量也就越好。文中采用Matlab2013軟件做模擬實驗，選取兩幅亮度不均、對比度低、細節不明顯的真彩色圖像。分別在HSV色彩空間做單通道(V分量)全局同態濾波、雙通道(V分量和S分量)全局同態濾波，以及文中算法對圖像做增強處理，以圖像的信息熵作為客觀評價指標。從表1的數據可以看出，文中算法的處理結果比全局同態濾波V分量的信息熵大，比單通道同態濾波S分量的信息熵大，說明文中算法在亮度和對比度方面都有明顯提高。

表1 圖像信息熵客觀性能比較

另外從視覺上可以看出，對圖像V分量做全局同態濾波可以使得圖像整體變亮，但是圖像中原有較亮的部分會被過度增強，丟失一些細節信息，如圖2(b)中天空及其附近的樹木部分和圖3(b)左下角部分，尤其是圖2(a)天空附近的樹木部分，過度明亮，層次變得不清晰了，并且由于只對V分量進行增強，顏色也不夠艷麗，如圖2(b)車頂、女孩嘴唇和圖3(b)士兵上衣部分。因而文中對光照不均的圖像V分量做分塊同態濾波，并對S分量也做同態濾波進行微調，不僅使得圖像亮度提升，而且顏色也更明艷、豐富了，效果如圖2(d)和圖3(d)所示。

圖2 girl圖像增強效果比較

圖3 army圖像增強效果比較

6 結束語

文中方法能在提高圖像的亮度的同時保持圖像顏色基本上不偏離，適合增強光照不均或有部分暗區域的真彩色圖像，不適合雨霧圖像。下一步將繼續尋找更有效的頻域內調整函數，并且研究能適合范圍更廣的彩色圖像增強的方法。

[1] 劉 剛.MATLAB數字圖像處理[M].北京:機械工業出版社,2010.

[2] 陳守剛.基于直方圖均衡化的彩色圖像增強研究[J].重慶三峽學院學報,2011,27(3):74-77.

[3]HanmanduM,JhaD.Anoptimalfuzzysystemforcolorimageenhancement[J].IEEETransactionsonImageProcessing,2006,15(10):2956-2966.

[4] 韓麗娜,耿國華.基于小波變換的真彩圖像降噪與增強[J].計算機工程,2010,36(12):224-225.

[5]SeowMJ,AsariVK.Homomorphicprocessingsystemandratioruleforcolorimageenhancement[C]//ProceedingsoftheIEEEinternationaljointconferenceonneuralnetworks.Budapest,Hungray:IEEE,2004:2507-2511.

[6]SeowMJ,AsariVK.Ratioruleandhomomorphicfilterforenhancementofdigitalcolorimage[J].Neurocomputing,2006,69:954-958.

[7]JobsonDJ,RahmanZU,WoodellGA.Thestatisticsofvisualrepresentation[C]//ProceedingofSPIEvisualinformation.Washington:SPIEPress,2002:25-35.

[8] 張亞飛,謝明鴻.基于HSI和局部同態濾波的彩色圖像增強算法[J].計算機應用與軟件,2013,30(12):303-307.

[9] 張亞飛,謝明鴻.基于分塊DCT同態濾波的彩色圖像增強算法[J].計算機工程與設計,2013,34(5):1752-1756.

[10] 韓麗娜,熊 杰,耿國華,等.利用HSV空間的雙通道同態濾波真彩圖像增強[J].計算機工程與應用,2009,45(27):18-20.

[11] 焦竹青,徐保國.基于同態濾波的彩色圖像光照補償方法[J].光電子·激光,2010,21(4):602-605.

[12] 焦竹青,徐保國.HSV變換和同態濾波的彩色圖像光照補償[J].計算機工程與應用,2010,46(30):142-144.

[13] 鄭曉東,王永強,許增補,等.基于同態濾波彩色圖像亮度不均校正方法[J].微計算機信息,2009,25(12-1):114-116.

[14] 劉燕君,劉 奇.基于同態濾波與直方圖均衡化的超聲圖像增強[J].中國組織工程研究與臨床康復,2011,15(48):9031-9034.

[15] 周西柳,章 潔.基于聚類余弦變換的圖像增強算法研究[J].計算機仿真,2012,29(2):216-219.

An Enhanced Algorithm of Color Image Based on Block Homomorphic Filter in Two Channels

DUAN Qun,WU Fen-xia,LI Hong

(Institute of Graphics and Image Processing,Xianyang Normal University,Xianyang 712000,China)

A new enhanced method of non-uniform illumination color image based on block homomorphic filter in two channels was presented on basis of applying HSV color model space.First,a color image is transformed from RGB color space to HSV color space.Then,luminance channel is blocked and enhanced by Butterworth highpass homomorphic filter to compensate for the non-uniform illumination due to lack of light,and the block effect caused by blocking homomorphic filter process is removed by the method of averaging the 3*3 adjacent sub-images boundaries.The saturation channel is slightly enhanced by Butterworth highpass global homomorphic filter to increase image contrast.Last,the color image is transformed from HSV color space to RGB color space.Experiments illustrate that this algorithm can not only correct non-uniform illumination in images,but also maintain a good image color and the local details.

hue saturation value space;homomorphic filter;color image enhancement;block effect;cut-off frequency

2015-04-02

2015-07-15

時間：2016-01-04

陜西省教育廳項目(14JK1802)；咸陽師范學院基金項目(13XSYK058)

段 群(1980-)，女，講師，碩士，研究方向為圖像增強與降噪、并行計算。

http://www.cnki.net/kcms/detail/61.1450.TP.20160104.1608.076.html

TP301.6

A

1673-629X(2016)01-0082-04

10.3969/j.issn.1673-629X.2016.01.017