基于對比度受限直方圖均衡法的牛羊眼部圖像增強方法

趙靜　韋海成

摘要：針對牛羊眼部紋理信息提取前需要對牛羊眼部圖像進行增強處理的問題，采用對比度受限直方圖均衡化方法對牛羊眼部圖像進行增強處理。算法首先將原始圖像分割成若干個大小相同的子區域，再計算截取值對每個子區域的直方圖進行截取，并將截取下的像素均勻分配到每個灰度級，得到限定對比度直方圖，根據限定對比度直方圖對原圖進行灰度雙線性插值生成增強圖像。實驗結果表明，使用對比度受限直方圖均衡化方法對牛羊眼部圖像進行增強處理，增強后的圖像具有更高的圖像細節和層次感，同時減少了圖像的失真，具有較高的理論和實用價值。

關鍵詞： 圖像增強；直方圖均衡；對比度受限直方圖均衡化；牛羊眼部圖像；

中圖分類號： TP391.4 文獻標識碼：A 文章編號：1672-3791（2016）05（a）-0000-00

1.

1 基金項目：寧夏高等學校科學技術研究項目（NGY2014052）

2. 引言

肉類食品的可溯源性已成為嚴重制約清真牛羊肉食品出口的一個重要環節，將眼部特征識別技術應用在畜牧業生產及牲畜產品溯源過程中，將成為一個新的研究方向。由于牛羊眼部結構和人類眼部結構不同，對牛羊眼部紋理信息提取前需要對牛羊眼部圖像進行增強處理。圖像增強處理方法有很多種，如直方圖處理方法[1]、Retinex[2]、同態濾波[3]、空域彩色圖像增強方法[4]和暗通道先驗[5]等算法。

圖像增強是根據特定的需要通過增加圖像灰度對比度的方法突出圖像中的重要信息，同時減弱或去除不需要的信息，從而有目的的強調圖像的整體或局部特征。直方圖均衡化是圖像增強算法中最常用、最重要的算法之一，但是在圖像增強過程中會出現噪聲的放大及局部對比度的過度增強問題。為了解決牛羊眼部圖像增強過程中的這些問題，本文提將對比度受限自適應直方圖均衡法應用于牛羊眼部圖像增強處理。仿真實驗結果證明，對比度受限自適應直方圖均衡化算法拉伸圖像灰度的動態范圍，突出部分圖像細節，同時可有效限制噪聲放。將該算法應用于牛羊眼部圖像增強處理，增強后的圖像具有更高的圖像細節和層次感，同時減少了圖像的失真，具有較高的理論和實用價值。

3. 直方圖均衡法

直方圖均衡化是圖像增強算法中最常用、最重要的算法之一。直方圖均衡化的基本思想是把原始直方圖變換為均勻分布的形式，從而增加象素灰度值的動態范圍達到增強圖像整體對比度的效果。

離散的灰度等級作直方圖均衡化時，很難得到完全平坦均勻的結果，而且處理后的圖像灰度級有所減少，致使某些細節消失。某些圖像，如直方圖有高峰等，經處理后其對比度易產生不自然的過分增強。

4. 對比度受限自適應直方圖均衡法

對比度受限自適應直方圖均衡法又稱為CLAHE算法，是由直方圖均衡算法演化發展而來。為了克服上述自適應直方圖均衡算法的局限，Reza A等人提 出 了 對 比 度 受 限 自 適 應 直 方 圖 均 衡 化（Contrast Limited？Adaptive histogram equalization CLAHE） 算法。對比度受限自適應直方圖均衡法（CLAHE）通過限制局部直方圖的高度來限制局部對比度的增強幅度，從而限制噪聲的放大及局部對比度的過增強。該方法通過將圖像分為若干子區域； 然后對每個子區域進行直方圖“剪切”。然后對每個子區域進行直方圖均衡，再對每個像素通過插值運算得到變換后的灰度值， 從而實現對比度受限自適應圖像增強。

本文根據牛羊眼部圖像的特點，將對比度受限自適應直方圖均衡法部分改進后，應用于牛羊眼部圖像的增強處理。

處理基本流程：

（1） 將原圖分割為 k個大小為mn 的連續不重疊的子區域。跟據牛羊眼部圖像情況動態調整m，n值大小。

（2） 計算每個子區域的灰度直方圖。

（3） 確定每個子區域灰度直方圖“剪切”值。

（5） 設經過以上重新分配后， 剪切下來像 素點剩余數為。用灰度范圍長度除以剩余像素數（8）， 求出“分配像素”步長S。

從最小灰度級開始按步長搜索， 遇到像素數小于“剪切”值的位置， 則分配一個像素， 完成從最小灰度級到最大灰度級的循環后， 如果還有剩余的像素沒有分配完， 則利用式（8）計算新的步長， 再開始新的循環，直到剩余的像素“分配”完為止。從而得到新的灰度直方圖。

（6） 對每個子區域內對比度“剪切”后的灰度直方圖進行均衡化。

（7） 按照新的直方圖分布，對圖像進行灰度雙線性插值，生成增強后的結果圖像。

5. 實驗結果分析

本實驗采用500萬像素虹膜采集儀為奶牛和山羊提取眼部圖像。在Matlab R2010b版本上對其進行仿真，驗證CLAHE算法對牛羊眼部圖像的增強效果。

本實驗分別采用奶牛和山羊眼部圖像進行直方圖均衡化變換及CLAHE變換增強處理，其處理效果如圖1所示。

圖1中a為奶牛和山羊眼部圖像的灰度圖，b為經過直方圖均衡化處理后的增強圖像，c為經過CLAHE處理后的增強圖像。

分析上述圖像發現，經過直方圖均衡化處理的會引起過度增強，引入大量噪聲的情況，如奶牛眼部圖像中虹膜左上角增強及山羊眼部圖像中虹膜內部增強，均出現了該情況。而CLAHE方法則適當的彌補了該缺陷，從實驗結果可以看出，經過CLAHE處理后的增強圖像沒有過度增強，也沒有出現失真現象，同時突出部分細節。

實驗結果表明，使用CLAHE方法對牛羊眼部圖像進行增強處理，具有更高的圖像細節和層次感，同時減少了圖像的失真，具有較高的理論和實用價值。

6. 結論

本文為解決將眼部特征識別技術應用在畜牧業生產及牲畜產品溯源過程中，對牛羊眼部紋理信息提取前需要對牛羊眼部圖像進行增強處理的問題，將對比度受限自適應直方圖均衡法應用于牛羊眼部圖像的增強處理。

仿真實驗結果證明，對比度受限自適應直方圖均衡算法拉伸圖像灰度的動態范圍，突出部分圖像細節，同時可有效限制噪聲放大，避免引入更多噪聲。在對牛羊眼部圖像進行增強處理時，對比度受限自適應直方圖均衡算法比直方圖均衡化算法在保持圖像增強效果和保留圖像細節方面表現出更好的性能，具有更高的圖像細節和層次感，同時減少了圖像的失真，具有較高的理論和實用價值。

參考文獻

[1]. 李利榮，汪蒙. 一種高效的圖像增強去霧算法[J]. 湖北工業大學學報. 2013 （05）.2013：72-75

[2]. 林笑君，梁鳳梅. 基于Retinex的一種圖像去霧算法[J]. 電視技術. 2013 （17）.2013：155-158.

[3]. 康艷梅，陳名松，何志毅. 基于LED輔助照明的水下圖像增強算法研究[J]. 電視技術. 2013 （15）.2013：211-214.

[4]. 王小鵬， 陳璐， 魏沖沖， et al. 一種改進的 Retinex 彩色圖像增強方法[J]. 蘭州交通大學學報， 2015， 1： 259-270.

[5]. He K， Sun J， Tang XO. Single image haze removal using dark channel prior [C] PPProc of IEEE CVPRp09.Washington： IEEE Computer Society， 2009： 1956-1963.