趙 娟

(溫州大學(xué)數(shù)學(xué)與信息學(xué)院，浙江溫州 325035)

一種結(jié)合曝光閾值的低照度圖像增強(qiáng)算法

趙 娟

(溫州大學(xué)數(shù)學(xué)與信息學(xué)院，浙江溫州 325035)

低照度圖像整體較暗、對(duì)比度低，為此在直方圖裁剪結(jié)合保持亮度雙直方圖均衡化的BHEPL方法基礎(chǔ)上，提出了基于曝光閾值劃分直方圖的適合低照度圖像的圖像算法，并結(jié)合低照度圖像的灰度直方圖特點(diǎn)對(duì)直方圖裁剪方法加以改進(jìn)．實(shí)驗(yàn)結(jié)果表明：該方法對(duì)低照度圖像有較好的增強(qiáng)效果，解決了過(guò)分增強(qiáng)的問(wèn)題，并且能較好的保持圖像細(xì)節(jié)．

雙直方圖均衡化；直方圖裁剪；低照度；曝光閾值；熵

圖像增強(qiáng)是圖像處理的基本手段．圖像增強(qiáng)旨在提高圖像視覺(jué)質(zhì)量，增強(qiáng)人們感興趣的或那些光照不足的暗域的細(xì)節(jié)．圖像增強(qiáng)法主要可分為兩大類：空間域方法和頻率域方法．對(duì)于低照度圖像，圖像主要視覺(jué)特點(diǎn)是灰暗區(qū)域較大，整幅圖像的灰度值大部分處于較低水平，視覺(jué)上分不清圖像灰暗區(qū)域的細(xì)節(jié)．傳統(tǒng)的直方圖均衡化方法進(jìn)行增強(qiáng)易把圖像的平均灰度值變換成灰度變化范圍里的中間灰度值，進(jìn)而導(dǎo)致圖像失真或密度過(guò)飽和，不僅降低了圖像的顯示效果，而且會(huì)導(dǎo)致一些信息的丟失．針對(duì)低照度圖像，全局灰度均衡化雖然能夠提高圖像的亮度，但也會(huì)產(chǎn)生圖像過(guò)分增強(qiáng)、質(zhì)量降低的現(xiàn)象．局部直方圖算法[1]是結(jié)合圖像像素鄰域的灰度值進(jìn)行均衡，對(duì)于低照度圖像其均衡化的結(jié)果不能很好地調(diào)整圖像亮度范圍．Kim[2]提出了保持亮度的雙直方圖均衡化方法（BBHE），其利用亮度平均值將圖像分為兩個(gè)部分，再對(duì)兩個(gè)子直方圖分別進(jìn)行均衡化，這種方法可以減少過(guò)分增強(qiáng)現(xiàn)象．由直方圖均衡化方法可知圖像的灰度概率密度函數(shù)會(huì)影響圖像增強(qiáng)的速率，那些概率較大的灰度級(jí)會(huì)被過(guò)分增強(qiáng)，Yang等人[3]提出了在圖像直方圖均衡化之前修改圖像的灰度直方圖，減少那些密度過(guò)大灰度級(jí)，增加密度較小的灰度級(jí)．Chen等人[4]提出了將兩者結(jié)合在一起的BHEPL方法．

本文提出了一種基于曝光閾值[5]和直方圖裁剪的保持圖像亮度的雙直方圖均衡化方法．在Chen[4]的基礎(chǔ)上，通過(guò)曝光域值將灰度直方圖像分為兩個(gè)部分，并結(jié)合低照度圖像特點(diǎn)對(duì)圖像的灰度直方圖進(jìn)行裁剪．實(shí)驗(yàn)表明，該方法對(duì)于低照度圖像有較好的增強(qiáng)效果．

1 直方圖均衡化

1.1 傳統(tǒng)的直方圖均衡化方法

直方圖均衡化方法是將輸入圖像的灰度級(jí)的概率密度函數(shù)經(jīng)過(guò)一定的變換生成一幅灰度級(jí)分布均勻的圖像．具體方法如下：

設(shè)整幅圖像可能的灰度級(jí)總數(shù)為L(zhǎng)，n為圖像中像素的總和，nk是灰度級(jí)第k個(gè)灰度級(jí)rk所對(duì)應(yīng)的像素個(gè)數(shù)，則整幅圖像中rk出現(xiàn)的概率Pr(rk)近似為：

其中，sk為變換時(shí)灰度級(jí)rk對(duì)應(yīng)的灰度級(jí)．

通過(guò)變換函數(shù)將輸入圖像中灰度級(jí)為rk的各像素映射為灰度級(jí)為sk的像素產(chǎn)生輸出圖像，圖像經(jīng)變換后的灰度直方圖基本成均勻分布，但易產(chǎn)生過(guò)分增強(qiáng)的現(xiàn)象．

1.2 BHEPL方法

BHEPL方法首先通過(guò)計(jì)算圖像X平均灰度Xm，將圖像分成兩個(gè)子部分X1和X2，其中：

其次，對(duì)兩個(gè)子部分分別計(jì)算裁剪閾值T1和T2，進(jìn)行直方圖裁剪．

其中，L為圖像的所有灰度級(jí)，h(k)為圖像中k級(jí)灰度所對(duì)應(yīng)的像素點(diǎn)數(shù)．

裁剪完成后，再對(duì)兩個(gè)子圖分別進(jìn)行直方圖均衡化，最后輸出變換后的圖像．

2 改進(jìn)算法

保持亮度的雙直方圖均衡化各種方法[2,6-7]的主要不同點(diǎn)在于分解圖像的灰度閾值選取不同．本文提出的算法，首先，在選取圖像劃分的指標(biāo)灰度Xm時(shí)加以改進(jìn)；其次，針對(duì)低照度圖像特點(diǎn)，灰度直方圖大多呈單峰，并且主要處于灰度級(jí)較低范圍，采用先對(duì)圖像的直方圖進(jìn)行裁剪，再進(jìn)行區(qū)域分解，減少了算法的復(fù)雜程度．具體算法如下：

2.1 直方圖裁剪

2.1 直方圖分解

由曝光參數(shù)可以計(jì)算出曝光閾值X：X=L(1-exposure)．利用曝光閾值可以將原圖象灰度直方圖分為兩個(gè)部分X1和X2．

2.3 直方圖均衡化

首先，分別計(jì)算兩個(gè)子圖對(duì)應(yīng)的概率密度函數(shù)P1( k)和P2( k)：

其中，N1,N2分別為子圖X1,X2的像素總數(shù)．

對(duì)應(yīng)的累積分布函數(shù)C1(k),C2(k )計(jì)算公式為：

其次，對(duì)X1,X2分別進(jìn)行均衡化，直方圖變換公式分別為F1,F2，則：

3 實(shí)驗(yàn)結(jié)果與分析

圖像的信息熵是衡量圖像中灰度級(jí)的不確定性的一個(gè)指標(biāo)，在一定程度上可以衡量圖像的細(xì)節(jié)豐富度，信息熵越大細(xì)節(jié)越豐富．

選取2幅低照度圖像（a）和（b），分別采用傳統(tǒng)全局直方圖均衡化方法，局部直方圖均衡化算法，BBHE方法，BHEPL方法和本文方法進(jìn)行了處理，處理后各圖像及其熵值如下：

表1 幾種直方圖均衡化方法熵值比較

從實(shí)驗(yàn)結(jié)果上看，本文方法對(duì)低照度圖像增強(qiáng)效果較好，有效的解決了過(guò)分增強(qiáng)的問(wèn)題，整幅圖片亮度適中，并較好的保持了圖像的細(xì)節(jié)．

4 結(jié) 語(yǔ)

本文算法通過(guò)選取曝光閾值為圖像直方圖分割指標(biāo)值，對(duì)低照度圖像增強(qiáng)有較好的處理效果，但其也存在一定的局限性，對(duì)于過(guò)曝光圖像處理效果較差．

[1] 危疆樹. 結(jié)合局部對(duì)比度增強(qiáng)的直方圖均衡化圖像增強(qiáng)方法[J]. 計(jì)算機(jī)與信息技術(shù), 2005, (10): 23-25.

[2] Kim Y T. Contrast enhancement using brightness preserving bi-histogram equalization [J]. IEEE Transactions on Consumer Electronics, 2002, 43(1), 1-8.

[3] Yang S J, Oh J H, Park Y J. Contrast enhancement using histogram equalization with bin underflow and bin overflow [J]. Image Processing, 2003, 1: 881-884.

[4] Chen H O, Kong N S P, Ibrahim H. Bi-histogram equalization with a plateau limit [J]. IEEE Transactions on Consumer Electronics, 2009, 55(4): 2072-2080.

[5] Hanmandlu M, Verma O P, Kumar N K, et al. A novel optimal fuzzy system for color image enhancement using bacterial foraging [J]. IEEE Transactions on Instrumentation and Measurement, 2009, 58(8): 2867-2879.

[6] Wang Y, Chen Q, Zhang B M . Image enhancement based on equal area dualistic sub image histogram equalization method [J]. IEEE Trans Consumer Electronics, 1999, 45(1): 68-75.

[7] Chen S D, Ramli A R. Minimum mean brightness error bi-histogram equalization in contrast enhancement [J]. IEEE Trans Consumer Electronics, 2003, 49(4): 1310-1319.

[8] 武英. 保持圖像亮圖的改進(jìn)雙直方圖均衡算法[J]. 計(jì)算機(jī)應(yīng)用, 2010, 30(6): 1632-1634.

[9] 彭波, 王一鳴. 低照度圖像增強(qiáng)算法的研究與實(shí)現(xiàn)[J]. 計(jì)算機(jī)應(yīng)用, 2007, 27(8): 2001-2003.

[10] 王萍, 張春, 羅穎昕. 一種霧天圖像低對(duì)比度增強(qiáng)的快速算法[J]. 計(jì)算機(jī)應(yīng)用, 2006, 26(1): 152-156.

[11] 黃華, 王孝通, 蔣永馨, 等. 暗區(qū)域分割算法在夜間圖像增強(qiáng)中的應(yīng)用[J]. 激光與紅外, 2009, 39(4): 443-446.

[12] 江巨浪, 張佑生, 薛峰, 等. 保持圖像亮度的局部直方圖均衡算法[J]. 電子學(xué)報(bào), 2006, (5): 861-866.

An Image Intensification Algorithm with Exposure Threshold Value for Low-illumination Image

ZHAO Juan
(Mathematics and Information College, Wenzhou University, Wenzhou, China 325035)

The low-illumination image almost has a low gray level and low contrast. A new image intensification algorithm with exposure threshold value for low-illumination image is introduced in this paper, which is based on the BHEPL algorithm that is combined the histogram clipping method and brightness preservation bi-histogram equalization method together. The histogram clipping method in the BHEPL based on the character of the gray level histogram of the low-illumination image is improved. The experiment results demonstrate that such a method has a better enhancement effect on low-illumination image, which not only solves the over-enhancement problem but also preserves the detail of the image.

Bi-histogram Equalization; Histogram Clipping; Low-illumination; Exposure Threshold Value; Entropy

TP391.41

A

1674-3563(2015)02-0008-05

10.3875/j.issn.1674-3563.2015.02.002 本文的PDF文件可以從xuebao.wzu.edu.cn獲得

(編輯：封毅)

2014-04-21

趙娟(1989- )，女，安徽阜陽(yáng)人，碩士研究生，研究方向：數(shù)字圖像處理，計(jì)算機(jī)與復(fù)雜系統(tǒng)控制