李鴻燕
(上海工程技術大學數理與統計學院,上海 201620)
由于光照不足,夜間圖像存在著圖像對比度、亮度偏低,細節丟失的現象。如何對夜間圖像進行增強,在圖像處理領域具有重要意義。目前常用的夜間圖像增強方法主要有基于直方圖均衡化的灰度變化算法及對比度增強算法,其中灰度變換算法因具有高效、易實現的特點,而得到了廣泛應用,但存在增強過度導致圖像失真,細節不明顯的缺點。
針對灰度變換算法存在著對比度低、細節不明顯的特點,本文提出了一種夜間圖像處理算法,該算法首先采用拉普拉斯(Laplace)算子對圖像進行銳化,增強圖像細節;然后比較局部灰度均值與全局灰度均值、局部灰度方差與全局灰度方差,確定夜間圖像暗色背景區域,并將暗色背景區域分割出來,對分割后的區域使用局部對比度增強的直方圖均衡化算法進行灰度調整,提升圖像的對比度;最后用Gamma變換柔和圖像亮度。與傳統的均衡直方圖增強算法相比,該算法在增強夜間圖像對比度時具有更高的信息熵值,更加有效地保護了圖像細節。
本研究主要算法流程如圖1所示。

圖1 夜間圖像增強算法流程圖
對圖像采用拉普拉斯算子二階微分操作,可突出圖像邊緣,增強圖像細節與紋理。拉普拉斯算子定義為:

式中:(,)為圖像在點(,)處的灰度值。采用3×3拉普拉斯算子的鄰域模板如圖2所示。

圖2 拉普拉斯算子模板
其對應的計算公式為:

將拉普拉斯變換的結果按照一定比例加入到原灰度圖像中,可得銳化公式:

式中:(,)是銳化后的圖像在點(,)處的灰度值;(,)為原始圖像在點(,)處的灰度值;為增強系數,代表邊緣細節在增強圖像中的比重,若值過小,則圖像紋理沒有清楚顯示出來;若值過大,則圖像噪聲過強。因此需選擇合適的,本文取=1。
設大小為的圖像具有(為8位灰度級)級灰度,n表示灰度級為r(0≤r≤1)的像素點個數,則灰度級為r(0≤r≤1)的歸一化直方圖(r)(∈[ 0,1…-1])定義為:

夜間圖像的主要特點是暗色背景區域占據了圖像的主要部分,其中暗色背景區域不需要增強,需要增強的是對比度較大、有重要細節的區域。將夜間圖像暗色背景區域分割出來,做忽略處理。
圖像的灰度均值可度量圖像的亮度,而灰度方差可以度量圖像的對比度。暗色背景區域的特點是亮度和對比度均較低,比較局部灰度均值與全局灰度均值,局部灰度方差與全局灰度方差,可檢測出夜間圖像暗色區域,具體算法如下:
全局灰度均值E及全局灰度方差 分別定義為:

設圖像以點(,)為中心的×的鄰域為,則該鄰域的局部灰度均值E及局部灰度方差分別定義為:

比較該區域局部灰度均值、全局灰度均值及局部灰度方差、全局灰度方差,若滿足:

則該區域為亮度較暗且對比度較低的區域,即為暗色背景區域。
檢測出圖像的暗色背景區域后,對暗色背景區域保持不變;為了提升圖像的對比度,對非暗色背景區域,采用局部對比度增強的直方圖均衡化算法調整灰度范圍。直方圖均衡化算法的轉換函數定義為:

局部直方圖均衡化圖像中各灰度級呈現均勻分布,在保留細節的同時增強了圖像局部范圍的對比度,改善了圖像質量。局部圖像直方圖均衡化后,再用Gamma變換修正整體圖像,柔和圖像的亮度。
為了檢測本文算法的改進之處,使用MatLab軟件進行圖像編程處理,采用一張亮度較暗的黃昏時間街景和一張亮度很暗的夜間公園灰色圖像作為夜間圖像輸入,圖像尺寸為800×600。分別采用MatLab內置的均衡直方圖增強算法及本文算法進行圖像增強處理,處理后的圖像及對應的直方圖如圖2和圖3所示。

圖2 黃昏時間街景增強圖像(上排)及直方圖(下排)

圖3 夜間公園圖像增強圖像(上排)及直方圖(下排)
從實驗結果可以看出,傳統均衡直方圖增強算法對圖像的暗色區域亮度增強過大,特別是對有大量暗背景的夜間圖像,出現了較為明顯的細節丟失和圖像失真。本文的算法將暗色區域分割出來,進行了單獨處理,與傳統的均衡直方圖圖像增強算法相比,在增強夜間圖像的對比度同時,充分保留了暗色區域夜間圖像的特點,從而更好地保護了圖像細節。
圖像信息熵是圖像增強質量評價的常用指標,它從信息論的角度反映圖像信息豐富程度,通常情況下,圖像信息熵越大,其信息量就越豐富,質量越好。分別計算原始圖像及增強處理后的圖像信息熵,結果見表1。

表1 圖像信息熵
從圖像信息熵指標對比可以看出,本算法熵值優于均衡直方圖增強算法,具有更加豐富的細節。
本文提出了一種夜間圖像處理算法,該算法首先采用拉普拉斯(Laplace)算子對圖像進行銳化,增強圖像細節;然后比較局部灰度均值與全局灰度均值、局部灰度方差與全局灰度方差,確定夜間圖像暗色背景區域,將暗色背景區域分割出來;對分割后的區域使用局部對比度增強的直方圖均衡化算法進行灰度調整,提升圖像的對比度。