基于視覺感知的低對比度圖像細節增強方法

朱雪俊

（上海杉達學院，上海 201209）

0 引 言

隨著圖像技術的發展，圖像顯示設備的應用越來越廣泛，已經成為了人們生活中必備的顯示圖像工具。圖像是傳遞信息的重要媒介，細節清晰和色彩明亮的圖像是最佳的圖像效果[1]。而對于一些畫質不清晰、對比度低的圖像，無法精準獲取圖像中有價值信息，以至于無法完成后續的各項工作。因此，研究如何使低對比度圖像的細節變得更加清晰具有重要意義[2-3]。

近年來，已經有很多相關學者和部分專家對圖像增強方法進行了研究，如文獻[4]提出一種基于漸進式雙網絡模型的低對比度圖像增強方法，依據漸進式方法建立了低對比度圖像增強模型，根據圖像的亮度變化過程，在模型中引入雙向約束損失函數，使增強后的低對比度圖像結果更接近實際數據，以達到動態平衡的目的，實現低對比度圖像增強；文獻[5]提出基于MDARNet 的低對比度圖像增強方法，該方法通過卷積神經網絡中不同尺度卷積核初步提取低對比度圖像的特征，再對其通過像素注意力機制進行訓練，訓練完成后再次進行特征提取，使像素和通道兩個注意模塊對特征學習，實現低對比度圖像的增強。文獻[6]提出基于Retinex 算法和視覺感知質量評價的逆光圖像增強，根據評價結果進行圖像融合，使得圖像的紋理細節部分更加突出，整體增強效果更好，平衡了全局與局部的增強性能，實驗結果驗證了該算法的有效性。但是上述這三種方法的計算過程較復雜，并且容易受到噪聲的干擾，不易應用到實際。

人眼對圖像亮度梯度變化明顯的區域非常敏感，并且具備自適應調節圖像亮度的能力。由于低對比度圖像增強的最終結果需要符合人眼的視覺感知，因此，本文提出基于視覺感知的低對比度圖像細節增強方法，以此來提升低對比度圖像的視覺效果。

1 低對比度圖像細節增強方法

1.1 人眼視覺感知特性

針對某一亮度的刺激，人眼視覺會在任意區域內發生近似的對數關系，依據人眼視覺可以感受到不同刺激變化量的閾值與實際刺激程度成正比關系的規律，可以在圖像領域中發揮重要作用。在很多圖像應用方法中，人眼是圖像的使用和接收者，由于不同的人眼具有不同的區分能力，因此在對圖像進行增強時需要結合人眼的視覺感知特性。對于低對比度圖像，人眼視覺的敏感程度較低，人眼在刺激變化量達到一定比例時才可以感受到變化，該比例也被稱為韋伯定律，可用公式表示為：

式中：k為常數；I表示人眼感受到某一刺激變化量的起始數值；ΔI為人眼感受到某一刺激的最小可覺差（JND），JND 與I成正比，I值越大，JND 值越大。

人眼視覺感知具有的一個特性是能夠區分灰度圖像并可以描述灰度程度[7]，采用韋伯定律應用于人眼亮度視覺感知中，則有：

式中：B為人眼視覺感知的圖像背景亮度；所對應的JND 為ΔBT，說明圖像背景的亮度B越大，JND 值越大；當在一個較大的區域內，k表示常數，若圖像背景亮度非常大或者非常小時，k會顯著變大。JND 隨著圖像背景亮度的變化而發生變化的情況叫作人眼亮度掩蔽特性，依據該特性可以將圖像分為4 個范圍，如圖1 所示。

圖1 人眼視覺感知的圖像區域

由圖1 可知，人眼視覺感知圖像的4 個區域分別是：德弗里斯區域，該區域的斜率為；韋伯區域，該區域的斜率為1；飽和區域，該區域的斜率一般大于1；暗區域，該區域的斜率為0，人眼視覺無法輕易地感受到該區域圖像的亮度變化。

1.2 基于視覺感知的低對比度圖像全局增強

由于圖像在處于灰度值比較高或者比較低的條件下，人眼對該圖像的區分能力較弱，而灰度值居中時，人眼對該圖像的區分能力較強，所以在對低對比度圖像進行增強時，可以將該低對比度圖像進行線性變換，調整該低對比度圖像的灰度值在居中區域，使人眼視覺可以區分低對比度圖像內容[8]。因為人眼在接收某一圖像而受到刺激時，大腦會產生一種類似對數，所以通過類似對數變換的非線性變換方法對低對比度圖像的灰度值進行自適應調整。設計暗適應函數進行低對比度圖像暗適應的過程，延長低對比度圖像灰度值較低區域的間隔；設計明適應度函數進行低對比度圖像明適應過程，延長低對比度圖像灰度值較高區域的間隔。

1）暗適應函數

HSV 色彩空間模型符合人類視覺感受，能夠將色彩分量和亮度分量進行分離，在對亮度分量進行處理時不會造成色彩分量的失真，因此可以提取亮度分量：

式中：V表示亮度分量；r、g、b表示圖像的三個通道。

在進行圖像暗適應的過程中需模仿人眼進行瞳孔放大，使多個光線進入到人眼中完成低對比度圖像全局亮度的調整。在光線比較暗的條件下，延長圖像亮度分量V，增強低對比度圖像亮度[9]。暗適應過程主要通過中值濾波的方式將亮度分量中存在亮度較高的雜點進行刪除，獲取不含噪的亮度分量Vfilt，再將低對比度圖像中的像素點等比例延長到亮度區域中，獲取最優亮度分量Vstr。Vfilt的計算公式如下：

式中medfilt(V)為中值濾波函數，表示對V進行中值濾波處理。

根據Vfilt的計算結果，計算最優亮度分量Vstr：

根據最優亮度分量，采用非線性映射方法獲取人眼視覺感知低對比度圖像的暗適應函數：

式中：a為自適應調整參數，a影響暗適應函數VD的增強能力。隨著a不斷增加時，暗適應函數在圖像暗區的增強能力也隨之增加。

對于低對比度圖像的光照情況，將通過低對比度圖像的亮度均值進行估計，若低對比度圖像亮度均值比較高，說明低對比度圖像中暗區占比較少，可以增加較少的增強力度；反之，若低對比度圖像亮度均值比較低，說明低對比度圖像中暗區占比較多，則增加較多的增強力度。

2）明適應函數

因為求取暗適應函數是對低對比度圖像的暗區域進行增強，所以對于低對比度圖像的高亮區域，則需要通過暗適應函數對其進行反圖像處理，再取反，就是對低對比度圖像中的高亮區域進行抑制，明適應函數可用公式表達為：

通過非線性調整將低對比度圖像的高亮區和暗區進行調節，提升了圖像的全局對比度。

1.3 低對比度圖像局部增強

在對圖像全局進行對比度增強時[10]，低對比度圖像的局部細節通常不能很好的增強，甚至還會被削弱。因此，引入加權自適應局部低對比度圖像增強方法。要想使低對比度圖像細節更加清晰，就需要對圖像進行銳化，梯度法是銳化的方式之一。通常情況下，圖像的梯度上具有較高的噪聲[11]。通過空域噪聲限幅策略，噪聲的產生會使任意一門限大于幅度，梯度處理圖像后，在幅值不大于閾值梯度ε時令細節強度參數等于0，由于在對低對比度圖像進行細節增強時，梯度較大的區域較清晰，而梯度較小的區域較模糊[12-13]。因此，需要對梯度小的圖像區域進行細節增強，設一增強參數s，s與梯度成正比。

低對比度圖像的加權自適應局部增強表達式為：

式中：H(xi,j)表示均衡化灰度值；xi,j表示灰度圖像值；mi,j表示以xi,j為中心的鄰域均值；?xi,j表示經梯度處理后圖像在(i,j)時的梯度值；ε表示噪聲梯度閾值；x′i,j表示通過加權自適應局部增強后的低對比度圖像的灰度值；=，λ為放大系數。可以使低對比度圖像的增強結果更加柔和，降低視覺感知的銳化程度，增強了低對比度圖像中不易感受到的細節，也抑制了圖像中超過閾值ε的噪聲，具備較好的低對比度圖像局部增強效果。

2 實驗分析

為了驗證本文方法的低對比度圖像細節增強的有效性，以大小為240×524 的低對比度圖像為實驗對象，如圖2a）所示。設置操作實驗環境為Matlab 2008 編程，系統為Windows 7，內存為8 GB，CPU 為酷睿i5 處理器，基于以上操作環境，通過本文方法對低對比度圖像的增強結果如圖2b）所示。

圖2 本文方法的低對比度圖像增強結果

由圖2a）可以看出，未經處理前的圖像顯示效果較暗，對比度較低。由圖2b）可以看出，通過本文方法進行低對比度圖像細節增強后，不僅保留了低對比度圖像的邊緣及細節，并且能夠使圖像更加清晰，提升了圖像的視覺效果。

為了進一步驗證本文低對比度圖像細節增強方法的性能，選取圖像大小為269×455 的低對比度圖像，并通過文獻[4]基于漸進式雙網絡模型增強方法和文獻[5]基于MDARNet 增強方法以及本文方法對該圖像進行增強，對比三種方法的低對比度圖像細節增強能力，對比結果如圖3 所示。

圖3 不同方法的低對比度圖像增強結果

由圖3b）可以看出，通過文獻[4]方法進行低對比度圖像的細節增強后，圖像仍然較暗，并且亮度細節被削弱，圖像增強效果較差；在圖3c）中可以看出，通過文獻[5]方法對低對比度圖像的細節增強效果優于文獻[4]方法，整體圖像亮度有所提升，但是該圖像的細節較模糊；而通過本文方法對圖3a）進行增強后，不僅增強了低對比度圖像細節，并且使增強后的圖像更加明亮清晰。

為了進一步驗證不同方法對低對比度圖像細節增強的效果，將文獻[4]方法和文獻[5]方法作為本文方法的對比方法，采用均方誤差（MSE）、信息熵（Entropy）和峰值信噪比（PSNR）作為這三種方法對低對比度圖像細節增強的評價指標。其中，MSE 值越小，表示圖像增強效果越好；Entropy 值越大，表示增強效果越好；PNSR 值越大，表示圖像的失真程度越小。對比不同方法的低對比度圖像細節增強能力，結果如表1 所示。

表1 不同方法的增強效果質量評價

分析表1 中的數據可以得出：文獻[4]方法對低對比度圖像細節增強后，三個評價指標的數值均為最不理想值，說明該方法增強后的圖像失真程度較大，增強效果較差；文獻[5]方法進行低對比度圖像細節增強后，除了Entropy 值與本文方法較接近，其余兩個評價指標均低于本文方法；而本文方法對低對比度圖像細節增強后，三個評價指標均為最理想值，說明本文方法增強后的低對比度圖像噪聲含量和失真程度較小，圖像質量較高。

3 結 論

本文通過人眼視覺感知特性將低對比度圖像進行區域劃分，并將其中的暗區域結合全局低對比度圖像增強方法和局部低對比度圖像增強方法實現低對比度圖像細節的增強。通過實驗證明，本文方法對低對比度圖像細節增強后，不僅可以保留低對比度圖像的邊緣及細節，還提升了圖像的視覺效果，圖像增強能力較強。