田小平， 姜　薇， 吳成茂

(西安郵電大學(xué) 電子工程學(xué)院， 陜西 西安 710121)

?

基于雙邊濾波的低亮度圖像增強(qiáng)算法

田小平， 姜薇， 吳成茂

(西安郵電大學(xué) 電子工程學(xué)院， 陜西 西安 710121)

為了改善低亮度圖像的可視性效果，給出一種基于雙邊濾波的彩色圖像增強(qiáng)算法。對圖像亮度整體作對數(shù)變換后，利用當(dāng)前點(diǎn)與其鄰域像素之間的關(guān)系，調(diào)整低亮度圖像的局部對比度，并通過線性顏色恢復(fù)算法恢復(fù)圖像色彩信息。針對隨機(jī)所選5幅彩色圖像的測試結(jié)果顯示，經(jīng)所給算法增強(qiáng)后的圖像，其信息熵、均值和平均梯度皆有相對顯著增加。

低亮度圖像；雙邊濾波；圖像增強(qiáng)；對數(shù)變換

圖像的獲取過程存在各種不確定因素，易導(dǎo)致其質(zhì)量下降或退化，常常需要利用圖像增強(qiáng)技術(shù)，改善其視覺效果。圖像增強(qiáng)是對圖像進(jìn)行分析的預(yù)處理環(huán)節(jié)，即將圖像轉(zhuǎn)換成更適合于人眼觀察和機(jī)器分析識別的形式，以突出圖像細(xì)節(jié)和對比度[1-3]。

基于空域的直接增強(qiáng)算法，可對圖像灰度進(jìn)行處理，包括Gamma校正法、對比度拉伸法、直方圖均衡化、小波變換法等[4-8]。頻域的處理方法以修改圖像的傅里葉變換為基礎(chǔ)，包括多尺度增強(qiáng)[9]、小波增強(qiáng)和巴特沃斯高通濾波等。

更高級的圖像增強(qiáng)則要利用到人眼的視覺特性，如建立在人類彩色恒常性現(xiàn)象上的Retinex理論的形式化[10],以及在此基礎(chǔ)上得出的單尺度Retinex算法(Single Scale Retinex,SSR)[11-12]、多尺度Retinex算法(Multi-Scale Retinex,MSR)和多尺度彩色恢復(fù)Retinex算法(Multi-Scale Retinex with Color Restoration,MSRCR)，這些方法可增強(qiáng)圖像對比度，但計(jì)算復(fù)雜度高，圖像顏色易失真。

為克服已有算法的局限性，一系列仿生彩色圖像增強(qiáng)方法[13]、基于視覺特性的仿生圖像增強(qiáng)(Biomimetic Image Enhancement Based on Human Visual Property, HVP_BIE)算法[14],和自適應(yīng)仿生圖像增強(qiáng)法[15]先后被提出,一些改進(jìn)和完善工作也在繼續(xù)[16]，這使得圖像增強(qiáng)算法一度成為研究熱點(diǎn)。

本文擬給出一種頻域與空域相結(jié)合的圖像增強(qiáng)算法，并引入巴特沃斯高通濾波(Butterworth High Pass Filter,BHPF)的相關(guān)特性進(jìn)行圖像處理。設(shè)定一個非線性映射模型，按對數(shù)變換方法調(diào)整圖像整體亮度水平，之后由雙邊濾波計(jì)算得到圖像區(qū)域范圍的平均亮度，并進(jìn)行局部對比度增強(qiáng)，最后采用簡單的線性方法恢復(fù)圖像彩色信息。

1　傳遞函數(shù)與雙邊濾波

1.1傳遞函數(shù)

頻域高通濾波能使圖像的邊緣、細(xì)節(jié)、輪廓變清晰，實(shí)現(xiàn)圖像的銳化處理。巴特沃斯高通濾波器在低頻和高頻之間過渡平滑，經(jīng)其處理的圖像無明顯振鈴效果，故實(shí)際應(yīng)用中大多選擇使用巴特沃斯高通濾波器進(jìn)行銳化濾波。

在大小為M×N的數(shù)字圖像中，一個截止頻率為D0的n階巴特沃斯高通濾波器的傳遞函數(shù)可表示為

其中，D(x,y)是點(diǎn)(x,y)到傅里葉頻域原點(diǎn)的距離，即

n是濾波器的階數(shù)，一般在在實(shí)際應(yīng)用中取值為2。

圖像的高頻部分對應(yīng)圖像灰度級變化較快的部分，低頻部分對應(yīng)圖像灰度級變化緩慢的區(qū)域，即圖像中的細(xì)節(jié)和邊緣部分。在頻域中，圖像在原點(diǎn)的傅里葉變換對應(yīng)圖像平均灰度級

F(0,0)也是頻率譜的直流分量，即若F(0,0)=0，則高通濾波可以濾除零頻率分量，使圖像沒有平滑的灰度細(xì)節(jié)。高通濾波可使圖像亮度降低，整體對比度下降，故在增強(qiáng)邊緣信息的同時，丟失圖像的亮度和層次。為此，考慮高頻加強(qiáng)，增加一個位移量，以改善高通濾波的缺點(diǎn)，即取

GR(x,y)=0.5+2G(x,y),

以使濾波器的零頻率分量不被完全去除，低頻分量不會過暗，從而較好地保留圖像亮度和層次。

1.2雙邊濾波

雙邊濾波(Bilateral filtering, BF)[17]方法基于高斯濾波方法而得，旨在解決高斯濾波帶來的圖像邊緣模糊問題，利用強(qiáng)度的變化來保存邊緣信息。雙邊濾波可定義為

其中，Ω表示圖像的所有像素集合，Bs表示點(diǎn)s的雙邊濾波結(jié)果，f和g分別是巴特沃斯高頻加強(qiáng)濾波函數(shù)和高斯函數(shù)，用于計(jì)算點(diǎn)p空間域和亮度域的權(quán)值貢獻(xiàn)。Ip表示點(diǎn)p的亮度值。k(s)是一個標(biāo)準(zhǔn)化因子，滿足

可見，點(diǎn)s的亮度值主要被空間鄰域并且有相似亮度的像素所影響。

2　低亮度圖像增強(qiáng)方法

2.1整體亮度對數(shù)變換

對圖像整體明暗程度進(jìn)行非線性變換，利用對數(shù)變換壓縮亮區(qū)灰度范圍，擴(kuò)展暗區(qū)灰度范圍。因人眼視覺系統(tǒng)具有對數(shù)特性，故此法通常能獲得較好的視覺效果。

定義彩色圖像的亮度分量I(x,y)是三原色R,G,B中的最大值，如

I(x,y)=max{IR(x,y),IG(x,y),IB(x,y)}。

其中,IR(x,y),IG(x,y),IB(x,y)分別是原始圖像在RGB空間中點(diǎn)(x,y)處像素的3個分量值。

選取對數(shù)變換函數(shù)

In(x,y)=log[1+I(x,y)]，

變換歸一化后的亮度為

對數(shù)變換通過擴(kuò)展低灰度區(qū)，壓縮高灰度區(qū)，使低灰度區(qū)圖像信息較清晰地顯示出來，提高了圖像整體灰度值范圍。

2.2局部對比度增強(qiáng)

經(jīng)整體亮度對數(shù)變換，圖像的暗區(qū)域得到增強(qiáng)，但對比度仍需要改善。利用局部區(qū)域像素灰度值之間的關(guān)系，進(jìn)行局部對比度增強(qiáng)，以改善圖像的細(xì)節(jié)信息。

采用單高斯的亮度濾波和巴特沃斯高頻加強(qiáng)濾波相結(jié)合的雙邊濾波,來獲得鄰域平均亮度。雙邊濾波可以保存圖像邊緣信息，根據(jù)各像素點(diǎn)亮度和鄰域像素位置的相似性，獲得鄰域像素權(quán)重，有效增強(qiáng)圖像的亮度對比。

用雙邊濾波獲得當(dāng)前點(diǎn)鄰域平均亮度

其中：K是像素值大小;GR是巴特沃斯高頻加強(qiáng)濾波函數(shù)；GV是數(shù)值相似性單高斯函數(shù)，表示為

GV(I(x.u),I(xi,yi))=

σV為數(shù)值高斯濾波尺度參數(shù)。

計(jì)算得到平均亮度之后，進(jìn)行局部對比度增強(qiáng),得出增強(qiáng)后的圖像灰度值[18]

2.3圖像恢復(fù)

采用原始圖像的顏色空間亮度分量I(x,y)與對比度增強(qiáng)后的圖像灰度值Ilin(x,y)相比，可得線性增強(qiáng)恢復(fù)后的圖像信息，即原始圖像RGB空間三原色的亮度分量Ir(x,y),Ig(x,y)和Ib(x,y),經(jīng)增強(qiáng)后分別為

如果所得結(jié)果圖像仍偏暗，可利用直方圖均衡化進(jìn)行處理，再次增強(qiáng)圖像的亮度和對比度，并進(jìn)行疊加融合，會得到更好的增強(qiáng)效果。

3　實(shí)驗(yàn)結(jié)果及分析

對低照度彩色圖像進(jìn)行增強(qiáng)測試,以驗(yàn)證所給算法的有效性。實(shí)驗(yàn)將同時測試SSR算法、MSR算法、MSRCR算法、HVP_BIE算法的圖像增強(qiáng)效果。隨機(jī)所選5幅實(shí)驗(yàn)圖像如圖1所示，其對比度偏低，一些暗處細(xì)節(jié)不明顯。

采用SSR算法的結(jié)果如圖2所示，圖像整體有所增強(qiáng)，但未能同時滿足細(xì)節(jié)增強(qiáng)與顏色保真。采用MSR算法的結(jié)果如圖3所示，比在SSR算法的效果有所改善，隱藏的細(xì)節(jié)被凸顯出來，但整體視覺效果偏白，色彩較淡。采用MSRCR算法的結(jié)果如圖4所示，圖像整體得到增強(qiáng)，但易產(chǎn)生顏色失真，在光照變化劇烈的邊緣處易產(chǎn)生光暈。采用HVP_BIE算法所得圖像如圖5所示，顏色恢復(fù)較好，失真度較小，但圖像的細(xì)節(jié)邊緣信息不夠明顯。采用改進(jìn)算法處理所得圖像如圖6所示，亮度有明顯提升，邊緣細(xì)節(jié)信息更清晰，整體對比度得到改善，視覺效果相對較好。

圖1實(shí)驗(yàn)對象

圖2　SSR算法

圖3　MSR算法

圖4　MSRCR算法

圖5　HVP_BIE算法

用圖像的信息熵[19]、均值和平均梯度來客觀評判以上算法的增強(qiáng)性能，結(jié)果如表1至表5所示。在各表中，信息熵值越大，包含的圖像內(nèi)容就越多；均值越大，圖像整體亮度效果越好；平均梯度值越大，反映層次越多，使圖像畫面更清晰。

由諸表可見，各算法均有提高圖像整體亮度的效果，但是，改進(jìn)算法與另4種算法相比，信息熵、均值和平均梯度值都相對較大，這說明它能使圖像局部細(xì)節(jié)信息處理和清晰程度得到提高。

表1　風(fēng)景圖的處理結(jié)果對比

表2　房子圖的處理結(jié)果對比

表3　教堂圖的處理結(jié)果對比

表4　湖水圖的處理結(jié)果對比

表5　夜景圖的處理結(jié)果對比

4　結(jié)語

針對包含暗區(qū)域的低質(zhì)量彩色圖像，給出一種基于雙邊濾波的彩色圖像增強(qiáng)算法。此算法可提升圖像增強(qiáng)效果，使得圖像信息量更多，細(xì)節(jié)信息豐富，清晰度良好，并能提高圖像整體亮度和局部對比度，恢復(fù)圖像色彩，提升圖像視覺效果。

[1]趙靜.彩色圖像增強(qiáng)[D/OL].西安:西安電子科技大學(xué)，2014:7-9[2016-03-10].http://cdmd.cnki.com.cn/Article/CDMD-10701-1014320031.htm.

[2]李艷梅.圖像增強(qiáng)的相關(guān)技術(shù)及應(yīng)用研究[O/LD].成都:電子科技大學(xué),2013:15-28[2016-03-10].http://cdmd.cnki.com.cn/Article/CDMD-10614-1013335719.htm.

[3]LIU W,GUO S, WANG J H. An Enhancement Algorithm Based On Pyramid Structure For Radio-graphies[C/OL]//Proceedings of the Sixth International Conference on Machine Learning and Cybernetics. Hong Kong:IEEE, 2007:171-175[2016-03-10].http://dx.doi.org/10.1109/ICMLC.2007.4370135.

[4]NERCESSIAN S C, PANETTA K A, AGAIAN S S. Non-linear direct multi-scale image enhancement based on the luminance and contrast masking characteristics of the human visual system[J/OL].IEEE Transactions on Image Processing,2013,22(9):3549-3561[2016-03-10].http://dx.doi.org/10.1109/TIP.2013.2262287.

[5]LOZA A, BULL D R, HILL P R, et al. Automatic contrast enhancement of low-light images based on local statistics of wavelet coefficients[C/OL]//2010 IEEE International Conference on Image Processing. Hong Kong: IEEE, 2010:3553-3556[2016-03-10].http://dx.doi.org/10.1109/ICIP.2010.5651173.

[6]YU J, LI D P, LIAO Q M. Color constancy based visibility enhancement of color images in low-light conditions[J/OL].Acta Automatica Sinica, 2011,37(8):923-931[2016-03-10].http://www.aas.net.cn/EN/10.3724/SP.J.1004.2011.00923.

[7]XU H T, ZHAI G T, WU X L,et al.Generalized Equalization Model for Image Enhancement[J/OL].IEEE Transactions on Multimedia,2014,16(1):68-82[2016-03-10].http://dx.doi.org/10.1109/TMM.2013.2283453.

[8]LI G Z, LUO W S, LI P, et al.Fusion enhancement of Color Image Based on Global Histogram Equalization[C/OL]//Proceedings of the 2008 International Conference on Computer Science and Software Engineering. Wuhan:IEEE,2008,205-208[2016-03-10].http://dx.doi.org/10.1109/CSSE.2008.1480.

[9]何衛(wèi)華,郭永彩,高潮,等.利用NSCT實(shí)現(xiàn)夜視圖像的彩色化增強(qiáng)[J/OL].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2011,23(5):884-890[2016-03-10].http://www.cqvip.com/QK/97390X/201105/37684963.html.

[10] MOREL J M, PETRO A B, SBERT C.A PDE Formalization of Retinex Theory[J/OL].IEEE Transactions on Image Processing,2010,19(11):2825-2837[2016-03-10].http://dx.doi.org/10.1109/TIP.2010.2049239.

[11] JOBSON D J, RAHMAN Z, WOODELL G A. Properties and performance of a center/surround retinex[J/OL].IEEE Transactions on Image Processing,1997,6(3):451-462[2016-03-10].http://dx.doi.org/10.1109/83.557356.

[12] RAHMAN Z, JOBSON D J, WOODELL G A.Retinex processing for automatic image enhancement[J/OL].Journal of Electronic Imaging,2004,13(1):100-110[2016-03-10].http://cse.seu.edu.cn/PersonalPage/bao.list/retinex%20processing.pdf.

[13] 王守覺,丁興號,廖英豪,等.一種新的仿生彩色圖像增強(qiáng)方法[J/OL].電子學(xué)報(bào),2008,36(10):1970-1973[2016-03-10].http://dx.chinadoi.cn/10.3321/j.issn%3a0372-2112.2008.10.019.

[14] 金小賢,李衛(wèi)軍,陳旭,等.一種基于視覺特性的仿生圖像增強(qiáng)算法[J/OL].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2010,22(3):534-537[2016-03-10].http://www.cqvip.com/QK/97390X/201003/33165419.html.

[15] 諶琛,李衛(wèi)軍,陳亮,等.一種自適應(yīng)的仿生圖像增強(qiáng)方法:LDRF算法[J/OL].智能系統(tǒng)學(xué)報(bào),2012,7(5):404-408[2016-03-10].http://dx.chinadoi.cn/10.3969/j.issn.1673-4785.201204004.

[16] 束代群,朱浩,盛惠興,等.一種基于視覺特性的彩色圖像增強(qiáng)算法[J/OL].計(jì)算機(jī)與現(xiàn)代化,2014(2):73-76[2016-03-10].http://dx.chinadoi.cn/10.3969/j.issn.1006-2475.2014.02.017.

[17] 紀(jì)則軒,陳強(qiáng),孫權(quán)森,等.基于雙邊濾波的單尺度Retinex圖像增強(qiáng)算法[J/OL].微電子學(xué)與計(jì)算機(jī),2009,26(10):99-102[2016-03-10].http://www.cqvip.com/QK/92040X/200910/31744350.html.

[18] 彭波,王一鳴.低照度圖像增強(qiáng)算法的研究與實(shí)現(xiàn)[J/OL].計(jì)算機(jī)應(yīng)用,2007,27(8):2001-2003[2016-03-10].http://www.cqvip.com/QK/94832X/200708/25175851.html.

[19] 高靜波,吳成茂,田小平.基于清晰度的彩色圖像量子增強(qiáng)算法[J/OL].西安郵電大學(xué)學(xué)報(bào),2011,16(2):5-8[2016-03-10].http://dx.chinadoi.cn/10.3969/j.issn.1007-3264.2011.02.002.

[責(zé)任編輯:瑞金]

Low luminance image enhancement based on bilateral filtering

TIAN Xiaoping,JIANG Wei,WU Chengmao

(School of Electronic Engineering, Xi’an University of Posts and Telecommunications, Xi’an 710121, China)

In order to improve the visibility of the low luminance image, a color image enhancement algorithm based on bilateral filtering is presented. After a logarithm transformation of the whole image brightness, the local contrast of the image is adjusted by using the relationship between the current point and the neighboring pixels, and restore the color information of the image through the linear color restoration algorithm. According to the test results of 5 random color images, the information entropy, mean value and average gradient of the image are correspondingly increased a lot.

Low luminance image, bilateral filtering, image enhancement, logarithm transformation

10.13682/j.issn.2095-6533.2016.04.008

2016-04-06

國家自然科學(xué)基金重點(diǎn)項(xiàng)目(61136002)；陜西省自然科學(xué)基金資助項(xiàng)目 (2014JM8331,2014JQ5183,2014JM8307)；陜西省教育廳科學(xué)研究計(jì)劃資助項(xiàng)目(2015JK1654)

田小平(1963-)，男，教授，從事信號與信息處理技術(shù)研究。E-mail: xptian@xupt.edu.cn

姜薇(1992-)，女，碩士研究生，研究方向?yàn)橐曨l圖像處理。E-mail:jiangwei49@163.com

TP391.41

A

2095-6533(2016)04-0043-05