基于CLAHE 的鋁模天花樣本圖像增強算法研究

許佳琪，陳名煜

（東華理工大學 信息工程學院，江西 南昌 330000）

0 引言

在拍攝、生成、壓縮、存儲圖像過程中，圖像會受到各種各樣狀況的影響。例如在獲取圖像時會因為天氣原因，不同光照條件和圖像亮度也會出現細微的變化，而且由于儀器設備的質量、參數的設置以及人員的操作都會使圖像質量存在一定程度上的損傷，影響圖像的質量。圖像增強算法[1]正是對受損的圖像進行“修補”，以此來滿足各方面的需求。直方圖均衡化算法[2]是一種簡單且廣泛用于圖像增強的方法，因此在圖像處理中被廣泛采用。當優化鋁模天花圖像的灰度直方圖時，本文的基本思想是將其從較為集中的灰度區間拉伸至全部灰度區間，以擴大圖像的灰度值范圍并提升圖像對比度，從而突出部分細節信息效果，直方圖法無需借助外來因素的參數設置，可以自成系統的運行，能有效提高對比度，處理速度快。但是直方圖均衡化算法也存在一些缺點，如在增強處理過程中許多灰度級被合并，從而導致處理后出現圖像扭曲的情況。為了改善這一問題，采用限制對比度的自適應直方圖均衡化算法。在原圖像的直方圖基礎上設定一個閾值，假設直方圖的某個灰度級超過了閾值，就對此灰度值進行裁剪，并且對于超出閾值的部分，將其平均分配到各個灰度級，解決圖像邊緣信息缺失、AHE 過度放大噪音的問題。

1 相關工作

鋁模天花圖像的視覺質量直接決定了測量機器人[3]的檢測工作能否順利進行。近年來，圖像增強吸引了很多國內外學者的關注，并且提出了一系列方法來加強圖像的人眼識別。Barron 等人結合深度圖像，從圖像中分析出光照和陰影等信息，需要輸入圖片的信息包含主要光源，從而準確地估計出光照信息[4]。美國學者Edwin Land 提出Retinex[5]理論，Retinex 理論通過模擬人眼成像原理并創建數學模型，對圖像進行增強。Dale Jones 等人提出了局部直方圖均衡化（LHE）算法，該算法在增強圖像的整體對比度方面效果顯著。然而，LHE 經常會導致圖像中的某些內容過度增強，從而使得圖像的外觀顯得不太自然。何凱明提出了暗原色先驗理論，該理論對于圖像去霧取得了良好效果，并且算法簡單，普適性強。許多學者根據暗原色先驗理論，提出了基于該理論的圖像增強算法。文獻[6]在微光表面模型的基礎上，從任意的室內場景中的單個RGB 通道中用級聯網絡來獲得完整的場景重建。文獻[7]對低照度圖像先進行光照補償，并且增加紅綠通道的灰度值，使用灰度世界算法去除色偏問題，最后利用濾波算法[8]增強圖像的邊緣信息，從而得到優化的圖像。上述這些方法從不同方面達到提高圖像質量的效果，圖像的畫質也得到明顯的提高，但是這些方法并不是全都適用于鋁模天花圖像。因此，本文提出了一種適用于鋁模天花圖像的增強算法。該算法綜合考慮了圖像的清晰度、明亮程度、細節方面以及人眼視覺效果[9]等，以改善鋁模天花圖像存在的問題。

2 直方圖均衡化算法優化

2.1 直方圖均衡化算法

直方圖均衡化是有效的圖像增強技術[10]，通過壓縮像素較少的灰度級，并拉伸圖像直方圖中像素點多的灰度級，從而達到增大像素之間灰度值差別的動態范圍的效果。直方圖均衡化在離散圖像[11]中普及，假設一幅鋁模天花圖片中像素點數目[12]是n，圖片的灰度等級是L，圖像中的灰度級概率密度函數為P(r)，那么第m個灰度等級出現的概率為：

對圖片進行均衡化后的處理函數為：

對于8 位圖像，假設均衡化的范圍是0～255，映射圖中所有的灰度級，則得到以下函數：

直方圖均衡化處理前后對比圖如圖1 所示。

圖1 直方圖均衡化前后對比圖

從圖1 可以看出，原灰度圖紋理特征不夠明顯的是未經直方圖均衡化處理的，灰度值分布[13]較為集中，經過直方圖均衡化處理后的圖像，直觀效果相比原圖像清晰度增強了許多。當原圖像的像素數量過少時，可能會出現圖像被遮擋的情況，導致圖像細節信息損失，像素點間的灰度等級過于突出，以及對比度過度增強的問題，同時背景噪音也會增加。為了優化圖像表現，需要考慮增加原圖像的像素數，以減少遮擋情況，并避免細節信息的損失和過度灰度強化，同時適度控制對比度[14]增強，以獲得更清晰、自然的圖像效果。下面對這兩個問題進行改善。

2.2 直方圖均衡化改進

對比度的自適應直方圖均衡化不僅僅優化了直方圖，也是對自適應直方圖的優化。通過設定一個閾值，然后假定直方圖某個灰度級超過了設定的這個閾值，就對其進行裁剪，并且將超出閾值的部分能夠平均分配到每個灰度級，使得映射函數的結果變得平緩。

運算公式為：

式中P(k)是圖像限制對比度的自適應直方圖均衡化修正后的值。當下，考慮下限對比度閾值TL=0時，并設上限對比度閾值PT(k)≥P(k)。基于式（4），進行直方圖均衡算法的發展。首先，對統計直方圖進行修改，然后從修正后的統計直方圖中得到圖像的累計直方圖。通過累計直方圖可以重新分布圖像的灰度值，從而得到均衡化后的圖像，采用類似直方圖的方法實現這一目標。對修正的直方圖進行累計：

式中FT(k)為圖像的累計直方圖。

對原圖中的灰度值做映射，以8 位圖像為例：

式中：FT(k)為圖像的統計直方圖；T為對比度閾值；Sk為改進后圖像的對比度統計直方圖。

2.3 圖像增強優化處理

優化后算法的核心思想是：首先對原圖進行直方圖均衡化處理，然后將得到的直方圖均衡化算法圖像作為原圖進行高斯濾波處理；將兩倍的直方圖均衡化增強圖像信息與高斯濾波后得到的低頻信息做差，得到高頻突出的鋁模天花圖像；再對鋁模天花圖像進行線性反銳化掩膜處理，使圖片整體清晰度提升，得到最終的增強圖像。

圖像增強優化處理流程如圖2 所示。

圖2 圖像增強優化處理流程

3 實驗結果與分析

3.1 實驗過程

為了證明算法的可行性，本實驗使用Matlab 2021b作為運行環境，鋁模天花數據集作為樣本。Matlab 特別適用于處理涉及矩陣計算的特殊任務。本文使用Matlab的函數imhist 來顯示圖像的直方圖，并在對鋁模天花圖片進行圖像預處理時采用his-teq 函數。圖3 展示了實驗環境界面。

圖3 實驗環境界面

3.2 實驗結果及分析

為了突出本文算法的優點，將改進后算法的實驗結果與傳統直方圖均衡化算法的結果對比。改進前后鋁模天花圖像結果如圖4 所示。從圖4 可以觀察到，在經過改進后的鋁模天花圖像中，原本存在的拼縫和龍骨變得更加清晰明了。直方圖均衡化的處理使得圖像的亮度和對比度得到了有效增強，從而消除了拼縫和龍骨朦朧模糊、圖像對比度不高，而且存在細節丟失的問題。直方圖均衡后圖像對比度增強，突出了圖片中的拼縫和成對的龍骨特征。研究結果表明，對于鋁模天花圖像處理，改進后的直方圖均衡化展現出顯著的優越效果。直方圖分布均勻平坦，動態范圍增大。該算法易于實現、經濟劃算，具有實際應用價值。

圖4 改進前后鋁模天花圖像

對圖像增強效果的客觀評價涉及各種算法，這些算法可以定量評估鋁模天花圖像質量的真實性。對鋁模天花圖像進行評價時，將采用兩種無參考評價指標，分別是信息熵、UIQM，結果如表1、表2 所示。

表1 基于評價指標信息熵結果

表2 基于評價指標UIQM 結果

由表1 可知，本文原圖像均低于改進后圖像的信息熵，說明本文提出的算法成功地保留了更多的細節信息，并顯著增強了圖像的清晰度。根據表2 的數據可以得出結論：本文改進后的算法在UIQM 值方面均優于原圖像。這表明本文算法對圖像的處理能力有所提升，其綜合性能得到了改善，使得人眼視覺擁有更加自然的感知色彩。

4 結語

經過對原始鋁模天花圖像進行直方圖均衡處理后，圖像清晰度仍然受到模糊的影響，且細節信息并未充分凸顯。為了解決這些問題，本文采用了限制對比度的自適應直方圖均衡算法，通過閾值化和均衡處理，成功改善了圖像的細節信息和清晰度。然而，該算法還存在一些不足，特別是圖像的背景噪聲明顯增加。因此，需要進一步優化這一方法，考慮對圖像進行濾波處理，以達到更好的效果。