基于空間變換和專家模糊技術(shù)的彩色圖像對比度增強(qiáng)

陳智軒

摘 要：現(xiàn)有的圖像增強(qiáng)算法存在計算量大、實時性差、參數(shù)選擇困難、顏色漂移、無法保證收斂性等問題.圖像增強(qiáng)的效果主要考慮人眼的視覺感受程度，難以用準(zhǔn)確的標(biāo)準(zhǔn)和方法對圖像進(jìn)行處理.因此，基于不精確概念和專家經(jīng)驗的模糊技術(shù)是解決現(xiàn)有圖像增強(qiáng)算法問題的有效方法.本文提出了一種彩色圖像對比度增強(qiáng)技術(shù)，首先，從RGB顏色空間變換到色調(diào)、飽和度和灰度的顏色空間；然后，利用專家模糊技術(shù)對彩色圖像的灰度分量進(jìn)行圖像增強(qiáng)處理.該算法不改變原始彩色圖像的色調(diào)和飽和度.對比實驗表明：該方法明顯提高了圖像的視覺效果，并且計算量小、實時性好.

關(guān)鍵詞：圖像增強(qiáng)；對比度；空間變換；模糊技術(shù)；彩色圖像

中圖分類號：TP317.4 DOI：10.16375/j.cnki.cn45-1395/t.2018.03.013

0 引言

圖像增強(qiáng)技術(shù)是目前圖像處理研究的一個重要領(lǐng)域 [1].圖像對比度是視覺屬性的重要方面，它對所感知圖像的質(zhì)量起著顯著影響.兩個相鄰表面之間對比度的變化是由它們的反射亮度的差異造成的.由于人類視覺系統(tǒng)對圖像對比度的敏感性高于其絕對亮度，所以對比度被認(rèn)為是這些物體的顏色和亮度的差異.低對比度區(qū)域看起來很暗，而對比度很高的區(qū)域則呈現(xiàn)為人造照明的效果，兩者都會導(dǎo)致相關(guān)信息的丟失.如何最優(yōu)地增強(qiáng)圖像對比度，以表示出輸入圖像中的所有信息是需要解決的問題.因此，圖像增強(qiáng)是所有數(shù)字圖像處理和分析應(yīng)用中的一個基本步驟，以提高人類可理解性或信息的可讀性[2-3].圖像質(zhì)量經(jīng)常用一些基本參數(shù)客觀地表示[4]，其中對比度是確定圖像客觀質(zhì)量的最重要的定量指標(biāo)[5].圖像增強(qiáng)主要包括兩個方面：一是直方圖的校正；二是突出或重建圖像細(xì)節(jié)[6].圖像增強(qiáng)技術(shù)包括很多方法：基于灰度變換的圖像增強(qiáng)方法[7]；空間濾波一類增強(qiáng)算法[8]；小波變換與改進(jìn)脈沖耦合神經(jīng)網(wǎng)絡(luò)融合的圖像增強(qiáng)算法[9]；多傳感器或單傳感器多圖像融合增強(qiáng)技術(shù)[10]；圖像去霧增強(qiáng)算法[11]；基于金字塔分解和雙向異性擴(kuò)散的自適應(yīng)圖像增強(qiáng)方法[12]；基于RETINEX模型的圖像低對比度增強(qiáng)方法[13]；采用NSCT變換和模糊對比度調(diào)整結(jié)合的方式增強(qiáng)圖像并降低噪聲和失真的技術(shù)[14]，以及其他類似技術(shù).大部分的圖像增強(qiáng)方法都是基于經(jīng)驗的，只能通過對參數(shù)的反復(fù)修改來滿足圖像視覺效果的要求.很多彩色圖像增強(qiáng)算法都難以在RGB空間中直接處理，并且經(jīng)常出現(xiàn)色彩漂移現(xiàn)象[15].如果引入智能算法對圖像增強(qiáng)過程進(jìn)行優(yōu)化，則會出現(xiàn)參數(shù)選擇和收斂性能方面的困難.一些圖像增強(qiáng)算法需要高級數(shù)學(xué)工具進(jìn)行復(fù)雜計算，計算量龐大，處理過程繁瑣，無法滿足實時性的要求.因此，優(yōu)化算法，提高圖像增強(qiáng)的效果，改進(jìn)實際最終圖像的質(zhì)量始終是研究的重點.基于上述原因，本文提出了一種基于空間變換和專家模糊技術(shù)的彩色圖像對比度增強(qiáng)算法.理論分析和仿真結(jié)果表明，該方法適應(yīng)性良好，實時性較強(qiáng)，在弱光照的條件下，彩色圖像的增強(qiáng)處理效果得到明顯改善.

1 紅綠藍(lán)色彩空間到色調(diào)、飽和度和強(qiáng)度模型的空間變換

RGB色彩格式是當(dāng)前最廣泛運(yùn)用的顏色系統(tǒng)之一，它通過紅、綠、藍(lán)3個顏色通道的變化和3個通道的疊加來得到各種顏色，幾乎能夠覆蓋人類視力能夠感知的所有色彩.然而直接對RGB格式彩色圖像進(jìn)行圖像增強(qiáng)，可調(diào)參數(shù)偏多，計算過程復(fù)雜.數(shù)字圖像的另一個模型是HSI格式.當(dāng)運(yùn)用色調(diào)、飽和度、強(qiáng)度（HSI）顏色模型來描述彩色圖像時，色調(diào)表示了純色的屬性，飽和度表示顏色的鮮明程度，而強(qiáng)度（Intensity）或稱為亮度則表示顏色的明亮程度，相當(dāng)于灰度圖像中灰度的概念.強(qiáng)度是描述色彩感覺的關(guān)鍵因素，人對圖像對比度的主觀感覺是由強(qiáng)度決定的.本文在進(jìn)行圖像處理時，通過在HSI顏色空間保持色調(diào)與飽和度分量不變的方法，使圖像增強(qiáng)的結(jié)果在顏色方面和原始圖像一致，只對強(qiáng)度分量進(jìn)行運(yùn)算，相當(dāng)于直接對灰度圖進(jìn)行對比度增強(qiáng)，從而實現(xiàn)對彩色圖像進(jìn)行對比度增強(qiáng)的目的.因此，運(yùn)用空間變換的方法對RGB格式彩色圖像進(jìn)行圖像增強(qiáng)，可以減少調(diào)節(jié)的參數(shù)，使計算過程更簡潔.

2 專家模糊算法進(jìn)行灰度變換

從彩色圖像中將彩色信息即色調(diào)和飽和度分離出來，僅提取強(qiáng)度分量進(jìn)行處理.因為強(qiáng)度描述了顏色的明亮程度，因此強(qiáng)度分量可以有效地度量彩色圖像的對比度.這樣就可以直觀自然地調(diào)整彩色圖像的對比度，實現(xiàn)對比度增強(qiáng)的要求.

采用如下三條“條件-結(jié)論”規(guī)則來描述強(qiáng)度分量圖像的對比度增強(qiáng)過程：

1）如果某一個像素是暗的，那么使這個像素變得更暗；

2）如果某一個像素是灰的，那么使這個像素仍然是灰的；

3）如果某一個像素是亮的，那么使這個像素變得更亮.

在一幅彩色圖像的強(qiáng)度分量上，每一個像素的灰度值z都被從區(qū)間[0，1]映射到區(qū)間[0，255]上，根據(jù)模糊集合的理論，將每一個像素的灰度值z再映射到隸屬度區(qū)間[0，1]上來實現(xiàn)模糊化.用人的視覺感受把這些像素灰度值分為3類：暗的（dark）、灰的（gray）和亮的（bright）.

模糊化用[Σ]形隸屬度函數(shù)來表示“暗”和“亮”的模糊概念，采用三角形隸屬度函數(shù)來表示“灰”的模糊概念，從而得到如圖1所示的輸入隸屬度函數(shù).

圖像增強(qiáng)的效果主要受到3個可調(diào)參數(shù) [l]、[h]、[λ] 的影響.圖中，[λh+lλ+1=m]，[λ]是一個大于0的數(shù).根據(jù)彩色圖像的強(qiáng)度分量的直方圖，區(qū)間[l，h]應(yīng)該包含直方圖的主要形狀，3個參數(shù)可以分別進(jìn)行調(diào)節(jié)，直到獲得最佳的效果.

為了計算方便，輸出隸屬度函數(shù)選擇為單值函數(shù)，從而得到輸出隸屬度函數(shù)圖如圖2所示.

逐行從左到右對每個像素分別進(jìn)行模糊計算處理，對彩色圖像的強(qiáng)度分量作灰度變換，也就是對彩色圖像的強(qiáng)度分量進(jìn)行圖像增強(qiáng)處理，最后再把灰度變換后的結(jié)果映射回[0，1].運(yùn)用前述方法將HSI分量轉(zhuǎn)換到RGB格式進(jìn)行顯示.

3 仿真實驗

選取兩幅真實的低對比度彩色圖片檢驗上述算法，兩幅圖片均為RGB色彩模式.先進(jìn)行空間變換再執(zhí)行模糊運(yùn)算，從而得到對比度增強(qiáng)后的圖片.圖3—圖6分別顯示了運(yùn)用直方圖均衡處理和運(yùn)用標(biāo)準(zhǔn)Retinex算法[13]處理的增強(qiáng)圖像，并且將之與本文算法得到的結(jié)果進(jìn)行對比，驗證所提算法的有效性.

圖3（a）為原圖，圖3（b）為直方圖均衡處理效果，圖3（c）為本文算法處理結(jié)果，圖3（d）為Retinex算法處理結(jié)果.圖4（a）為原圖的強(qiáng)度分量的直方圖，圖4（b）為本文算法處理后的強(qiáng)度分量的直方圖.

圖5（a）為原圖，圖5（b）為直方圖均衡處理效果，圖5（c）為本文算法處理結(jié)果，圖5（d）為Retinex算法處理結(jié)果.圖6（a）為原圖的強(qiáng)度分量的直方圖，圖6（b）為本文算法處理后的強(qiáng)度分量的直方圖.

可見，直接使用直方圖均衡處理后的彩色圖像存在明顯曝光過度問題，而且還可能損失部分細(xì)節(jié).Retinex算法的處理結(jié)果存在細(xì)節(jié)和邊緣模糊以及顏色失真問題.而本文提出的方法除了在對比度增強(qiáng)方面效果顯著，色彩也比較真實.通過直方圖的前后比較，本文算法具有拓展直方圖、在一定范圍能平移整個直方圖位置、保留直方圖原來輪廓的作用.通過隸屬度函數(shù)參數(shù)的調(diào)整，根據(jù)需要改變輸出圖像效果，顯著地改進(jìn)彩色圖像的整體視覺效果.

4 結(jié)論

本文提出基于空間變換和專家模糊技術(shù)的彩色圖像對比度增強(qiáng)算法，低對比度彩色圖像的視覺效果經(jīng)過處理后得到明顯地提升，色彩真實，邊緣清晰.并且本文的算法要求的計算量較小，因此特別適合大幅圖像的增強(qiáng)處理.將所提算法同直方圖均衡算法以及Retinex算法進(jìn)行對比實驗，證明了本算法的有效性.

參考文獻(xiàn)

[1]YELMANOVA E，ROMANYSHYN Y. Histogram-based method for image contrast enhancement[C]// Experience of Designing and Application of Cad Systems in Microelectronics. IEEE：2017.

[2]張延麗，李春貴. 視頻車輛檢測中改進(jìn)的閾值分割算法研究[J]. 廣西科技大學(xué)學(xué)報，2017，28（2）：61-66，78.

[3]俞昊，林川，譚光興，等. 視覺注意機(jī)制與Canny算子結(jié)合的目標(biāo)輪廓檢測方法[J]. 廣西科技大學(xué)學(xué)報，2016，27（2）：87-92，99.

[4]WANG Z，BOVIK A. Modern image quality assessment[M]. Morgan & Claypool：2006.

[5]陳清江，張彥博，柴昱洲，等. 基于改進(jìn)對比度的有限離散剪切波圖像融合[J].應(yīng)用光學(xué)，2016，37（2）：221-228.

[6]RAO Y，CHEN L. A survey of video enhancement techniques[J]. Journal of Information Hiding & Multimedia Signal Processing，2012，3（1）：71-99.

[7]龔昌來，羅聰，楊冬濤. 一種改進(jìn)的正弦灰度變換圖像增強(qiáng)算法[J].電視技術(shù)，2012，36（13）：60-63.

[8]凡遵林，畢篤彥，馬時平，等. 亮度保持和細(xì)節(jié)增強(qiáng)的紅外圖像增強(qiáng)方法[J].中南大學(xué)學(xué)報（自然科學(xué)版），2016，47（6）：1967-1972.

[9]楊雪，劉天時，李湘眷. 融合小波變換與改進(jìn)PCNN的圖像增強(qiáng)算法研究[J]. 計算機(jī)工程與應(yīng)用，2016，52（8）：163-168.

[10]王鑰. 基于多傳感器融合的低照度視頻圖像增強(qiáng)技術(shù)[D]. 長春：長春理工大學(xué)，2016.

[11]FUCHS T，MALECOVA B，LINHART C，et al. DEFOG：a practical scheme for deciphering families of genes[J]. Genomics，2002，80（3）：295-302.

[12]白永強(qiáng)，孫騰.基于金字塔模型和各向異性濾波的分層自適應(yīng)圖像增強(qiáng)算法[J].北京理工大學(xué)學(xué)報，2012，32（3）：263-267.

[13]XU K. Retinex-based perceptual contrast enhancement in images using luminance adaptation[C]// IEEE International Conference on Acoustics，Speech and Signal Processing.IEEE：2017.

[14]周飛，賈振紅，楊杰，等. 基于NSCT和改進(jìn)模糊的遙感圖像增強(qiáng)方法[J].計算機(jī)工程與應(yīng)用，2017，53（15）：206-209，216.

[15]肖泉，丁興號，王守覺，等. 有效消除光暈現(xiàn)象和顏色保持的彩色圖像增強(qiáng)算法[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2010，22（8）：1246-1252.

[16]GONZALEZ R C，WOODS R E. Digital image processing[M].3rd ed.Prentice-Hall，Inc：2007.