張欣，杜天宇

（河北大學(xué) 電子信息工程學(xué)院，河北 保定 071002）

光照條件，包括光源的方向、明暗和色彩等都會對采集到的圖像產(chǎn)生很大影響，有效克服光照影響是圖像處理中不可缺少的環(huán)節(jié)，也是計(jì)算機(jī)視覺中尚未有效解決的技術(shù)難點(diǎn)之一［1－3］.同態(tài)濾波是把頻率過濾和灰度變換結(jié)合起來的一種圖像處理方法，其優(yōu)點(diǎn)是兼顧了圖像的頻域和空域，使濾波后的圖像既消除了光照不均勻的影響而又不損失圖像的細(xì)節(jié)；缺點(diǎn)是最優(yōu)濾波參數(shù)需要大量實(shí)驗(yàn)才能確定，當(dāng)成像條件發(fā)生變化時，選定的最優(yōu)參數(shù)又達(dá)不到理想的效果.形態(tài)學(xué)中開運(yùn)算能平滑圖像的輪廓，消除尺寸較小的亮細(xì)節(jié).Top－h(huán)at變換定義為圖像與圖像開運(yùn)算之差，可以消除背景［4］，突出細(xì)節(jié)，缺點(diǎn)是會降低圖像整體的灰度，以致降低圖像的對比度.綜上所述，考慮到同態(tài)濾波和Top－h(huán)at變換的優(yōu)勢與不足，以及兩者都可以解決圖像背景不勻均、突出細(xì)節(jié)等共同點(diǎn)，兩者結(jié)合使用，這樣不僅同態(tài)濾波提升對比度的優(yōu)勢可以很好地彌補(bǔ)Tophat變換降低對比度的不足，同時Top－h(huán)at變換消除背景的作用又有效降低了同態(tài)濾波對參數(shù)的依賴性，還可以使圖像細(xì)節(jié)更加突出.

本文選取航拍遙感圖像為實(shí)驗(yàn)對象.使用不同的同態(tài)濾波參數(shù)處理圖像，進(jìn)行對比，各自經(jīng)過結(jié)構(gòu)元素相同的Top－h(huán)at變換后，再進(jìn)行對比，根據(jù)Matlab仿真的幾種客觀評價(jià)結(jié)果，驗(yàn)證了即使同態(tài)濾波參數(shù)選取有所偏差，再經(jīng)Top－h(huán)at變換改善后，也能得到理想的結(jié)果.

1 算法原理

1.1 同態(tài)濾波

用f（x，y）二維函數(shù)形式表示圖像，其值是非零有限的，0＜f（x，y）＜∞.可由2個分量表示：i（x，y）表示入射光（低頻分量），r（x，y）表示反射光（高頻分量），f（x，y）＝i（x，y）r（x，y）.同態(tài)濾波的流程如圖1所示.改善同態(tài)濾波的主要方法為采用改進(jìn)的二階巴特沃斯濾波器［5－8］來優(yōu)化濾波函數(shù)H（u，v），雖然此方法可改善濾波效果，但是對濾波參數(shù)的要求同樣苛刻，參數(shù)選擇有所偏差，濾波效果同樣不佳.本文選用常規(guī)的改進(jìn)型高斯濾波函數(shù)，避免濾波函數(shù)的優(yōu)化對同態(tài)濾波的影響，來驗(yàn)證本文中方法的作用.濾波函數(shù)為

圖像的入射分量i（u，v）通常表示空間域緩慢變化的背景，而反射分量r（u，v）往往表示細(xì)節(jié)，特別在不同物體的連接部分.這些特性導(dǎo)致圖像對數(shù)的傅里葉變換后的低頻成分與照度相聯(lián)系，高頻成分與反射相聯(lián)系.所以同態(tài)濾波器的傳遞函數(shù)在高頻部分應(yīng)大于1，低頻部分應(yīng)小于1，即rH＞1，rL＜1，這樣可以減小低頻和增強(qiáng)高頻，使得圖像整體灰度范圍壓縮，而對比度增強(qiáng).其中D（u，v）表示截止頻率，D0為u0，v0為0時的D（u，v）的值.D0的選擇則與i（x，y）和r（x，y）有關(guān)，需要大量實(shí)踐比較選擇合適的值.c為銳化系數(shù)，影響rL到rH過渡段的斜率，c越大，斜率越大，反之斜率越小.其中D0，rH，rL，c等4個參數(shù)需要盡可能設(shè)置最優(yōu)，否則濾波效果就會不理想.

圖1 同態(tài)濾波流程Fig.1 Flow chat of Homomorphic filtering

1.2 Top－h(huán)at變換

開運(yùn)算可去除較小的細(xì)節(jié)，同時相對保持整體的灰度級和較大的明亮區(qū)域不變，產(chǎn)生對整個圖像背景的合理估計(jì)，故Top－h(huán)at變換可消除背景，突出細(xì)節(jié).令f 表示灰度圖像，S 為結(jié)構(gòu)元素.對于灰度圖像而言，S（x，y）是二維函數(shù)，其定義域指明了結(jié)構(gòu)元素的形狀，函數(shù)值指明了結(jié)構(gòu)元素的高度信息.本文使用平坦（高度為0）的結(jié)構(gòu)元素，這種結(jié)構(gòu)元素只由0和1組成，為1的區(qū)域指明了運(yùn)算涉及的范圍［9］.

灰度開運(yùn)算

Top－h(huán)at變換

2 實(shí)驗(yàn)及對比分析

2.1 同態(tài)濾波參數(shù)選取

同態(tài)濾波參數(shù)選取的方法一般是：首先根據(jù)參考值選取濾波參數(shù)，其次根據(jù)客觀實(shí)驗(yàn)數(shù)據(jù)評價(jià)所選參數(shù)，再根據(jù)D0，rH，rL，c的作用調(diào)整所選參數(shù)，反復(fù)上述步驟，經(jīng)過幾次或多次調(diào)整，最后得到合適的濾波參數(shù).根據(jù)文獻(xiàn)［10］略作調(diào)整，選取D0，rH，rL，c不盡相同的5組數(shù)據(jù)如表1所示.

表1 同態(tài)濾波參數(shù)Tab.1 Homomorphic filtering parameters

按照表1所列參數(shù)經(jīng)同態(tài)濾波后圖像效果如圖2所示.

圖2 采用不同濾波參數(shù)經(jīng)同態(tài)濾波后的圖像Fig.2 Image by homomorphic filtering with different parameters

圖2a為原圖，對比各圖發(fā)現(xiàn)：D0偏小，則有些入射分量無法衰減，同時rH＞1，這些分量還會加強(qiáng)，不能很好地解決圖像背景不均勻的問題，由圖像三維可視化效果圖4c可以很直觀的說明圖2c這一現(xiàn)象.D0偏大，背景衰減嚴(yán)重，圖像對比度不高.c值偏小，會使背景衰減嚴(yán)重，不能很好地提升圖像的對比度，如圖2d所示.c值偏大，會使圖像變得不夠平滑.當(dāng)rH，rL較高時，入射分量衰減小，反射分量提升大，圖像的整體灰度較高，如圖2b，c所示.當(dāng)rH，rL較低時，入射分量衰減大，反射分量提升小，圖像的整體灰度較低，如圖2e，f所示.圖像成像時，其入射分量的灰度值要比反射分量的灰度值高，背景衰減小的圖像要比背景衰減大的圖像灰度值高，故圖2c比圖2b灰度值高，圖2e比圖2f灰度值高.圖2各圖的效果驗(yàn)證了同態(tài)濾波參數(shù)選擇對濾波效果的決定作用，而且同態(tài)濾波各參數(shù)相互影響作用，想要找到一個理想的平衡點(diǎn)，有效地解決圖像背景不均勻的問題，開銷很大.由于Top－h(huán)at變換和同態(tài)濾波都有平滑背景、突出細(xì)節(jié)的作用，而且Top－h(huán)at變換的參數(shù)選擇要比同態(tài)濾波簡便.因此，在進(jìn)行1次同態(tài)濾波的基礎(chǔ)上再進(jìn)行1次Top－h(huán)at變換，這樣既能改善同態(tài)濾波的效果，又能降低同態(tài)濾波對參數(shù)的依賴性.

2.2 Top－h(huán)at變換結(jié)構(gòu)元素選取

由形態(tài)學(xué)運(yùn)算原理可知，結(jié)構(gòu)元素S的選擇，是腐蝕和膨脹操作的關(guān)鍵因素，其形狀、大小和方向直接影響處理結(jié)果.若結(jié)構(gòu)元素選值較小，其尺寸小于想要突出的細(xì)節(jié)，則Top－h(huán)at變換后細(xì)節(jié)不能很好的突出，且會出現(xiàn)類似結(jié)構(gòu)元素的噪聲，若結(jié)構(gòu)元素選值較大，其尺寸大于或與背景尺寸相當(dāng)，則Top－h(huán)at變換后不能有效地消除背景.觀察原圖，圖中想要突出的細(xì)節(jié)為方形的房屋，且排列成一定的角度.在實(shí)驗(yàn)中發(fā)現(xiàn)，圓形結(jié)構(gòu)元素可以很好地包含大小相近、形狀和角度各異的細(xì)節(jié)，故實(shí)驗(yàn)中選擇高度為0，半徑為40像素的圓形結(jié)構(gòu)元素，對圖2各圖像進(jìn)行Top－h(huán)at變換，結(jié)果如圖3所示.

圖3 Top－h(huán)at變換后的圖像Fig.3 Image by Top－h(huán)at transformation

對比圖3b－f，可以看到，盡管同態(tài)濾波參數(shù)選擇不盡相同，但再經(jīng)過Top－h(huán)at變換后，效果卻很相近，細(xì)節(jié)比只使用同態(tài)濾波更為突出.對原圖直接進(jìn)行Top－h(huán)at變換的效果如圖3a所示，較低的對比度說明僅對圖像進(jìn)行Top－h(huán)at變換處理，不如本文方法效果好.

3 圖像質(zhì)量的客觀評價(jià)

使用圖像三維可視化效果、均值、標(biāo)準(zhǔn)差、信息熵、圖像對比度值客觀評價(jià)處理后的圖像，進(jìn)一步驗(yàn)證本文方法的有效性.

3.1 圖像三維可視化效果

以表1中第2組數(shù)據(jù)為例給出本文方法各階段圖像的三維可視化效果圖.橫軸表示圖像各像素點(diǎn)，縱軸表示各像素點(diǎn)對應(yīng)的灰度值.觀察圖4a可以發(fā)現(xiàn)，原圖的峰谷差小表示對比度不高，谷不位于一個平面上表示背景不均勻.圖4b是非理想?yún)?shù)下同態(tài)濾波的圖像效果，峰谷差增加表示對比度提高，但是谷仍不平坦，說明背景不均勻問題沒有得到有效解決.圖4c表示經(jīng)Top－h(huán)at變換改進(jìn)后的同態(tài)濾波圖像效果，圖像的峰谷差與圖4b圖持平，谷基本在一個平面上，這樣不僅解決了背景不勻均的問題，也使對比度得到了增加.

圖4 三維可視化效果Fig.4 Three dimensional visualization effect of image

3.2 圖像的均值、標(biāo)準(zhǔn)差、信息熵、對比度

圖像的均值m 主要反映了圖像像素的集中趨勢.圖像像素的標(biāo)準(zhǔn)差std 主要反映了圖像灰度相對于灰度均值的離散程度，反映了圖像的細(xì)節(jié)信息，該值越大，漸變層次就越多，細(xì)節(jié)表現(xiàn)越豐富.熵I［g（x，y）］是信息量的度量，圖像的熵越大，信息量越大，圖像細(xì)節(jié)越豐富［11－12］.

一般情況下，圖像對比度值CT 大的圖像要比小的圖像具有更高的清晰度.對比度的計(jì)算公式為

其中，δ（i，j）＝│i－j│即相鄰像素間灰度差的絕對值；Pδ（i，j）是灰度差絕對值為δ的像素點(diǎn)分布概率（像素相鄰可以是四鄰域或八鄰域），本文按照四鄰域計(jì)算［13］.

表2 各圖的均值、標(biāo)準(zhǔn)差、信息熵、對比度Tab.2 Mean value，standard deviation，entropy and contrast value of each image

表2中圖3b－f是采用本文方法處理圖像的計(jì)算結(jié)果，較之傳統(tǒng)的同態(tài)濾波和Top－h(huán)at變換，信息熵逐步提高，比原圖增加了46%，更有效地表現(xiàn)了圖像豐富的細(xì)節(jié)；標(biāo)準(zhǔn)差是原圖的5～6倍，圖像的層次感更強(qiáng)、細(xì)節(jié)更加突出；對比度是原圖的8～10倍，說明圖像更加清晰；均值明顯減小，說明入射分量得到有效衰減，圖像背景不均勻的問題得到改善.

4 結(jié)論

使用Top－h(huán)at變換改善同態(tài)濾波，弱化了同態(tài)濾波中參數(shù)選擇不當(dāng)?shù)挠绊?，降低了解決圖像背景不均勻問題的難度.本文中的方法仍需要選擇一個合適的結(jié)構(gòu)元素，細(xì)節(jié)特征的大小、形狀、方向不盡相同，如何準(zhǔn)確選取Top－h(huán)at變換的結(jié)構(gòu)元素，能否根據(jù)圖像信息自適應(yīng)選擇理想的結(jié)構(gòu)元素是本文下一步工作重心所在.

［1］ YUAN Qiping，YANG Xiaoping，GAO Lijuan，et al.Color image single－channel encryption based on tricolor grating theory［J］.Optoelectronics Letters，2009，5（2）：147－149.

［2］ HANMANDLU M，JHA D.An optimal fuzzy system for color image enhancement［J］.IEEE Transactions on Image Processing，2006，15（10）：2956－2966.

［3］ 梁曉輝，游志勝.自適應(yīng)的彩色圖像光照補(bǔ)償新方法［J］.光電工程，2006，33（2）：94－97.LIANG Xiaohui，YOU Zhisheng.Self－adaptive illumination compensation method for color images［J］.Opto－Electronic Engineering，2006，33（2）：94－97.

［4］ 陳簫楓，潘保昌，鄭勝林，等.用頂帽變換估計(jì)并消除圖像背景［J］.微計(jì)算機(jī)信息，2008，24（3－3）：310－311.CHEN Xiaofeng，PAN Baochang，ZHENG Shenglin，et al.Estimate and eliminate background of image with Top－h(huán)at transformation［J］.Microcomputer Information，2008，24（3－3）：310－311.

［5］ 沈文水，周新志.基于同態(tài)濾波的遙感薄云去除算法［J］.強(qiáng)激光與粒子束，2010，1：45－48.

［6］ 張金泉，楊進(jìn)華，王曉坤.圖像煙霧弱化方法研究［J］.中國圖象圖形學(xué)報(bào)，2010，15（12）：1733－1737.ZHANG Jinquan，YANG Jinhua，WANG Xiaokun.Research on the weakening of smoke in images［J］.Journal of Image and Graphics，2010，15（12）：1733－1737.

［7］ 朱錫芳，吳峰，陶純堪.基于小波閾值理論的光學(xué)圖像去云處理新算法［J］.光子學(xué)報(bào)，2009，38（12）：3312－3317.

［8］ VOICU L I，MYLER H R，WEEKS A R.Practical considerations on color image enhancement using homomorphic filtering［J］.Journal of Electronic Imaging，1997，6（1）：108－113.

［9］ 張錚，倪紅霞，苑春苗，等.精通Matlab數(shù)字圖像處理與識別［M］.北京：人民郵電出版社，2013：244－250.

［10］ GONZALEZ RC，WOODS R E.數(shù)字圖像處理［M］.阮秋琦，阮宇智，譯.2版.北京：電子工出版社，2007：152－154.GONZALEZ RC，WOODS R E.Digital Image Processing［M］.RUAN Qiuqi，RUAN Yuzhi，translated.2nd ed.Beijing：China Machine Press，2007：152－154.

［11］ 范有臣，李迎春，韓意，等.提升小波的同態(tài)濾波在圖像煙霧弱化中的應(yīng)用［J］.中國圖象圖形學(xué)報(bào)，2012，17（5）：635－640.FAN Youchen，LI Yingchun，HAN Yi，et al.Weakening of smoke for homomorphic filtering［J］.Journal of Image and Graphics，2012，17（5）：635－640.

［12］ 韓麗娜.基于統(tǒng)計(jì)特性的路面圖像光照不均勻校正算法［J］.科學(xué)技術(shù)與工程，2013，13（26）：7875－7879.HAN Lina.The algorithm of correcting uneven illumination pavement image based on statistical properties［J］.Science Technology and Engineering，2013，13（26）：7875－7879.

［13］ 李慶忠，葛中峰.基于水下光照不勻均成像模型的圖像清晰化算法［J］.光電子· 激光，2011，22（12）：1862－1866.LI Qingzhong，GE Zhongfeng.A visibility improving algorithm based on underwater imaging model with non－uniform illumination［J］.Journal of Optoelectronics·Laser，2011，22（12）：1862－1866.