陳向奎 康牧

摘要：針對(duì)圖像增強(qiáng)算法復(fù)雜度高、對(duì)噪聲敏感等問(wèn)題，在分析對(duì)數(shù)圖像處理模型的基礎(chǔ)上，提出了一種基于正切圖像處理模型的自適應(yīng)圖像增強(qiáng)算法，該算法具有實(shí)現(xiàn)容易、運(yùn)算速度快等特點(diǎn)，對(duì)噪聲具有一定的抑制作用，可以增強(qiáng)和保留圖像細(xì)節(jié)信息。既可以增強(qiáng)灰度圖像，又可以增強(qiáng)彩色圖像，實(shí)驗(yàn)和理論分析說(shuō)明了該算法的優(yōu)越性。

關(guān)鍵詞：TIP模型；噪聲；圖像增強(qiáng)

中圖分類號(hào)：TP18文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2012)18-4482-04

An Adaptive Image Enhancement Algorithm Based on TIP Model

CHEN Xiang-kui, KANG Mu

(Academic of Information Technology, Luoyang Normal University, Luoyang 471022,China)

Abstract: For the high complexity to calculation, sensitivity to noise, under analysis of log image process model. An adaptive image en? hancement algorithm based on Tangent Image Process model is proposed. The proposed algorithm has the advantages such as easy realiza? tion and quick calculation .It play a certain part in restraining noise. It can enhance and reserve the detail signal. It can strengthen the gray images and color images. Its advantage has been demonstrated by the theory analysis and the corresponding experiment.

Key words: TIP model；Noise; image enhancement

國(guó)內(nèi)外學(xué)者提出了許多種實(shí)際有用的方法和理論來(lái)進(jìn)行圖像增強(qiáng)，其中涉及到直方圖均衡、同態(tài)增晰等；但是這些方法有的對(duì)噪聲非常敏感，有的容易丟失角點(diǎn)等細(xì)節(jié)信息，有的容易產(chǎn)生顏色失真，有的運(yùn)算復(fù)雜。該文提出了一種圖像增強(qiáng)的簡(jiǎn)單算法，該算法基于新提出的TIP（Tangent Image Process）模型，可有效抑制噪聲，增強(qiáng)和保留圖像的細(xì)節(jié)信息，而且易于實(shí)時(shí)實(shí)現(xiàn)不會(huì)引起顏色失真。

(a)原圖像（含噪聲）(b）直方圖均衡法（c）Deng方法（d）袁、王等方法(e)文中方法

圖2實(shí)驗(yàn)結(jié)果1的邊緣圖像

從圖2中可以清楚地看到，原圖像的邊緣是單像素的，而經(jīng)過(guò)增強(qiáng)后，直方圖均衡法的的邊緣和原圖像人邊緣相同，Deng方法斜線邊緣變?yōu)殡p線的，而水平和垂直的線段仍然是單像素的，袁、王等方法和文中方法的所有邊緣都是雙線的。

為了驗(yàn)證各算法對(duì)噪聲的敏感程度，對(duì)含有高斯白噪聲（均值μ=0，方差σ=20）的特別設(shè)置的圖像利用直方圖均衡法、Deng方法、袁、王等[13]方法和文中方法進(jìn)行增強(qiáng)，實(shí)驗(yàn)結(jié)果如圖3所示：

綜合上面的兩個(gè)實(shí)驗(yàn)結(jié)果可知，文中算法不但可以增強(qiáng)圖像時(shí)視覺(jué)效果，還可以有效地抑制噪聲，在增強(qiáng)圖像時(shí)視覺(jué)效果的同時(shí)，總的來(lái)說(shuō)文中方法具有一定的優(yōu)越性。

該文針對(duì)現(xiàn)有的圖像增強(qiáng)算法對(duì)噪聲敏感，運(yùn)算復(fù)雜，容易產(chǎn)生顏色失真等問(wèn)題，在分析對(duì)數(shù)圖像處理（LIP）模型的基礎(chǔ)上，提出了一種基于正切圖像處理（TIP）模型的自適應(yīng)圖像增強(qiáng)算法，它算法簡(jiǎn)單，不需要計(jì)算像素梯度等信息，可以根據(jù)圖像內(nèi)容自適應(yīng)地生成參數(shù)α，既可以用于增強(qiáng)灰度圖像，該算法可以用于增強(qiáng)彩色圖像，視覺(jué)效果好且不會(huì)引起顏色失真，可以有效地抑制噪聲，又可以增強(qiáng)和保留圖像的細(xì)節(jié)信息，是一種比較好的圖像增強(qiáng)算法。

[1] Jourlin M,Pinoli J C.A model for logarithmic image processing[J].Microscopy,1988,149(1):21-35.

[2] Jourlin M,Pinoli J C.Contrast definition and contour detection for logarithmic image[J].Microscopy,1989,156(10):33-40.

[3] Deng G,Cahill L W,Tobin G R. The study of logarithmic image processing model and its application to image enhancement[J].IEEE Trans. on Image Processing,1995(4):506-512.

[4]許欣,陳強(qiáng),王平安,等.消除光暈現(xiàn)象的快速Retinex圖像增強(qiáng)[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào).2008,20(10):1325-1331.

[5]付樹(shù)軍,阮秋琦,穆成坡,等.基于雙向耦合擴(kuò)散的保持特征的邊緣銳化和圖像增強(qiáng)[J].計(jì)算機(jī)學(xué)報(bào),2008,31(3):529-536.

[6]王剛,肖亮,賀安之,等.脊小波變換域模糊自適應(yīng)圖像增強(qiáng)算法[J].光學(xué)學(xué)報(bào),2007,27(7):1183-1190.

[7]李琦,姚睿,單紀(jì)鑫.基于熱像儀的太赫茲成像及圖像增強(qiáng)初步研究[J].光學(xué)學(xué)報(bào).2008,28(s2):275-277.

[8]康牧,王寶樹(shù).基于人眼視覺(jué)特性的彩色圖像自適應(yīng)增強(qiáng)算法[J].光學(xué)學(xué)報(bào), 2009,29(11):3018-3024.

[9]黃凱奇，王橋，吳鎮(zhèn)揚(yáng),等.基于人眼視覺(jué)特性的多尺度彩色圖像增強(qiáng)算法[J].中國(guó)圖像圖形學(xué)報(bào).2003,8A(11):1242-1247

[10]黃凱奇,王橋,吳鎮(zhèn)揚(yáng),等.基于視覺(jué)特性的多尺度彩色圖像增強(qiáng)算法[J].電路與系統(tǒng)學(xué)報(bào),2003,8(6):113-117.

[11]黃凱奇,王橋,吳鎮(zhèn)揚(yáng),等.基于視覺(jué)特性和彩色空間的多尺度彩色圖像增強(qiáng)算法[J].電子學(xué)報(bào).2004,32(4):673-676.

[12]冷寒冰,王先,劉上乾,等.基于人眼視覺(jué)特性的鄰域自適應(yīng)模糊增強(qiáng)算法[J].光電工程,2004,31(1): 62-65.

[13]袁曉松，王秀壇，王希勤,等.基于人眼視覺(jué)特性的自適應(yīng)的圖像增強(qiáng)算法的研究[J].電子學(xué)報(bào),1999，27（4）:63-65.

[14]劉金根,劉興建,周燦.基于人眼視覺(jué)特性和模糊集的自適應(yīng)圖像增強(qiáng)算法[J].武漢理工大學(xué)學(xué)報(bào),2006,28(12): 1-4.

[15]吳穎謙,方濤,李聰亮,等.一種基于小波分析和人眼視覺(jué)特性的圖像增強(qiáng)方法[J].數(shù)據(jù)采集與處理.2003,(18):17-21.

[16]何東健,耿楠,張義寬,等.數(shù)字圖像處理[M].西安:西安電子科技大學(xué)出版社,2003:29-33.

[17] Canny J. A computational approach to edge detection [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1986,8(6): 679-698.