陳宇航，朱時良

（武漢大學(xué) 印刷與包裝系，湖北 武漢 430079）

基于GIF濾波分解的低照度圖像增強(qiáng)算法

陳宇航，朱時良

（武漢大學(xué) 印刷與包裝系，湖北 武漢 430079）

針對常見的對比度增強(qiáng)方法在處理低照度圖像時不能兼顧提升圖像亮度、對比度，和增強(qiáng)細(xì)節(jié)的問題，提出基于引導(dǎo)濾波器（guided image filter，GIF）的低照度圖像增強(qiáng)算法。首先將輸入圖像從RGB顏色空間轉(zhuǎn)換到HSV顏色空間；再利用GIF濾波器對圖像進(jìn)行圖像分解，得到一個基本層和一個細(xì)節(jié)層；然后對基本層進(jìn)行自適應(yīng)Gamma校正，提高圖像的整體亮度和對比度；再對細(xì)節(jié)層進(jìn)行S型曲線增強(qiáng)，突出圖像的局部細(xì)節(jié)；最后合成并恢復(fù)顏色，得到增強(qiáng)圖像。將本文算法、全局Gamma校正、MSRCR 3種算法分別對低照度Bridge和Street圖像進(jìn)行處理，實驗結(jié)果表明：本文算法能夠在有效提升對比度的同時增強(qiáng)圖像細(xì)節(jié)，提升了低照度圖像的視覺效果。

GIF濾波器；圖像分解；自適應(yīng)對比度增強(qiáng)；細(xì)節(jié)增強(qiáng)

0　引言

低照度圖像是在光照不足的情況下采集的圖像，該圖像的細(xì)節(jié)和背景包含在較窄的灰度范圍內(nèi)，且圖像的灰度值和對比度較低。其中，低對比度是影響低照度圖像質(zhì)量的一個主要因素，因此，可通過增強(qiáng)圖像對比度，以提升圖像質(zhì)量，展現(xiàn)圖像場景信息，改善視覺效果。傳統(tǒng)的圖像對比度增強(qiáng)方法［1］主要有對數(shù)變換、Gamma校正、直方圖均衡化等。上述方法是通過一對一的灰度映射來調(diào)整圖像的整體亮度、增強(qiáng)圖像的全局對比度，算法實現(xiàn)簡單，但沒有具體考慮鄰域像素間的相關(guān)性，因此，在圖像的局部細(xì)節(jié)增強(qiáng)方面表現(xiàn)不足。為了突出圖像局部細(xì)節(jié)特征，基于多尺度Retinex的增強(qiáng)方法［2］得到了廣泛的應(yīng)用，主要有多尺度Retinex方法（multi-scale retinex，MSR）、帶顏色恢復(fù)的多尺度Retinex方法（multi-scale retinex with color restoration，MSRCR）。通過這些方法增強(qiáng)后，圖像的對比度和細(xì)節(jié)都有很大提升，但前者處理后的圖像色彩偏灰，后者會使圖像過亮，部分亮區(qū)細(xì)節(jié)丟失，且仍有灰化現(xiàn)象［3］。

近年來，基于邊緣保持的圖像分解技術(shù)在圖像增強(qiáng)中得到了快速發(fā)展。所謂圖像分解就是將圖像分解成一個基本層和一個細(xì)節(jié)層［4］。圖像分解能夠更加靈活地處理分解后的各層子圖像，滿足不同應(yīng)用需求。基本層的計算就是圖像平滑濾波的過程。在圖像平滑過程中，模糊邊緣會在細(xì)節(jié)層中產(chǎn)生震蕩，從而導(dǎo)致圖像在重組后出現(xiàn)光暈現(xiàn)象和梯度反轉(zhuǎn)現(xiàn)象。因此，濾波器的選擇尤為關(guān)鍵。C. Tomasi等［5］提出了雙邊濾波器（bilateral filter，BF），該算法考慮了像素的空間鄰近關(guān)系和灰度值的相似關(guān)系，在平滑圖像的同時較好地保留了圖像邊緣，但其求解效率低，同時會出現(xiàn)光暈和梯度反轉(zhuǎn)現(xiàn)象；He Kaiming等［6］基于圖像局部線性模型，提出了引導(dǎo)濾波器（guided image filter，GIF），該算法能較好地保留圖像邊緣，有效地避免梯度反轉(zhuǎn)，且算法復(fù)雜度低。

針對上述圖像增強(qiáng)算法很難提升低照度圖像全局亮度、對比度的同時，增強(qiáng)局部細(xì)節(jié)特征的缺陷，本文提出了基于GIF濾波分解的低照度圖像增強(qiáng)算法。該算法先使用邊緣保持的GIF濾波器對圖像進(jìn)行圖像分解，再對得到的基本層和細(xì)節(jié)層分別進(jìn)行對比度增強(qiáng)和細(xì)節(jié)增強(qiáng)。

1　算法介紹

本文在圖像分解的基礎(chǔ)上，將對比度增強(qiáng)和細(xì)節(jié)增強(qiáng)相結(jié)合，提出了基于GIF濾波分解的低照度圖像增強(qiáng)算法。該算法思想如下：將輸入圖像從RGB顏色空間轉(zhuǎn)換到HSV顏色空間［7］；保證2個顏色分量不變的前提下，用邊緣保持的GIF濾波器對亮度分量進(jìn)行圖像分解，得到基本層和細(xì)節(jié)層；再對基本層和細(xì)節(jié)層分別進(jìn)行增強(qiáng)，使得處理后的圖像增強(qiáng)對比度的同時突出細(xì)節(jié)信息；最后，將增強(qiáng)后的圖像轉(zhuǎn)換回RGB顏色空間，得到最終的增強(qiáng)圖像。算法流程如圖1所示。

圖1　算法流程圖Fig. 1　Flowchart of the proposed algorithm

1.1GIF濾波器

He Kaiming等［6］假設(shè)引導(dǎo)圖像I和輸出圖像q之間存在局部線性關(guān)系，即

式中：ak， bk為以半徑為r的方形局部窗口中的常系數(shù)；

用核函數(shù)表示引導(dǎo)圖像I、輸入圖像p和輸出圖像q之間的關(guān)系，即

式中：i， j為空間像素位置；

Wij為濾波器的核函數(shù)，即

本文利用GIF濾波器（r =3， =0.01）對圖像進(jìn)行平滑濾波處理，得到基本層b，再將原圖p與基本層b做差運(yùn)算，得到細(xì)節(jié)層d。通過GIF濾波操作，實現(xiàn)了圖像高頻、低頻成分的分離。基本層保留了圖像大尺度變化和局部突出邊緣，細(xì)節(jié)層包含了0周圍的震蕩，即細(xì)節(jié)信息。

式中GIF（I， p）為GIF濾波操作，本文選取I=p。

1.2增強(qiáng)算法

圖像分解后，為了使圖像的對比度和細(xì)節(jié)同時得到有效增強(qiáng)，本文設(shè)計了如下增強(qiáng)函數(shù)：

式中：第一項為自適應(yīng)Gamma校正，用于調(diào)整圖像亮度、增強(qiáng)對比度，其中 為自適應(yīng)系數(shù)；后一項為S型曲線函數(shù)，可對細(xì)節(jié)進(jìn)行增強(qiáng)，其中a用于調(diào)節(jié)細(xì)節(jié)層的增強(qiáng)程度。下面將詳細(xì)闡述增強(qiáng)函數(shù)式（5）的構(gòu)造。

1）傳統(tǒng)Gamma校正是一種簡單的圖像灰度變換，是全局增強(qiáng)。當(dāng) ＜ 1時，可以有效提升圖像亮度、對比度。若 值為一預(yù)設(shè)的固定值，即 不能根據(jù)圖像內(nèi)容自適應(yīng)改變，則會出現(xiàn)圖像的亮調(diào)區(qū)域丟失細(xì)節(jié)的問題，且由于沒有考慮鄰域像素間的亮度差異，導(dǎo)致局部細(xì)節(jié)的增強(qiáng)能力也不足。因此，本文提出了基于梯度信息的自適應(yīng) 值，該方法不是直接使用梯度幅值，而是利用x， y方向的梯度矢量（由中心差分法計算獲得），根據(jù)梯度信息自適應(yīng)地計算出圖像對比度增強(qiáng)幅度。的定義如下：

通過式（6）計算出所有像素的 值后，再將 歸一化到［0， 1］。當(dāng)梯度值較大時，則 值較小，對圖像對比度的提升程度大。為了進(jìn)一步提升圖像對比度，用一指數(shù)因子c對 進(jìn)行控制，即 =c?？芍琧值越大，值越大，本文c取1.2。

2）自適應(yīng)Gamma校正只能提升圖像的對比度，并不能有效增強(qiáng)圖像的細(xì)節(jié)特征，因此，本文還對圖像的細(xì)節(jié)進(jìn)行了處理。由前面分析可知，細(xì)節(jié)層包含了0周圍的震蕩。在細(xì)節(jié)增強(qiáng)過程中，S型增強(qiáng)函數(shù)需滿足如下條件。

①它能壓縮遠(yuǎn)離0偏差，防止細(xì)節(jié)重組后，整個亮度通道發(fā)生大幅度越界，同時盡量增強(qiáng)小偏差。

②它是凸函數(shù)，以防止梯度反轉(zhuǎn)。

③它關(guān)于原點對稱，以使得正負(fù)震蕩的增強(qiáng)/壓縮比例相同。

綜上所述，本文采用如下細(xì)節(jié)增強(qiáng)函數(shù)［8］：

式中參數(shù)a用于控制細(xì)節(jié)增強(qiáng)的程度。細(xì)節(jié)增強(qiáng)函數(shù)隨參數(shù)a變化的曲線圖如圖2所示。由圖可知，隨著參數(shù)a的減小，細(xì)節(jié)增強(qiáng)程度和壓縮大偏差的能力減弱。因此，本文取a=8，該參數(shù)設(shè)置對于其他圖像也能取得良好的效果。

圖2　細(xì)節(jié)增強(qiáng)函數(shù)隨參數(shù)a的變化曲線圖Fig. 2　The variation curve of the detail enhancement function with parameter a

2　實驗分析

本文在AMD N830 2.10 GHz CPU，4G內(nèi)存的硬件環(huán)境和Windows 7 64位操作系統(tǒng)，利用Matlab 2012b軟件對3種算法進(jìn)行分析。選取2張低照度圖像（Bridge圖像和Street圖像）作為實驗對象，先將待處理圖像轉(zhuǎn)換到HSV顏色空間，再處理V分量，最后再轉(zhuǎn)換回RGB顏色空間。本文采用主客觀評價方式分析本文算法與全局Gamma校正、MSRCR［2］的優(yōu)劣。其中，Gamma校正的值設(shè)置為0.45，MSRCR的3個尺度參數(shù)為15， 80， 250。

3種算法對低照度Bridge和Street圖像的處理結(jié)果分別見圖3和圖 4。

圖3　Bridge圖像增強(qiáng)效果比較Fig. 3　Comparison of different methods applied on image Bridge

圖4　Street圖像增強(qiáng)效果比較Fig. 4　Comparison of different methods applied on image Street

由圖3～4可以得出如下結(jié)論。

1）Gamma校正和本文算法得到的圖像顏色更自然，圖3c（采用MSRCR方法）中，橋塔顏色偏暗，且樹林顏色有些發(fā)灰白，圖4b的云層對比度較原圖有些下降。

2）Gamma校正和本文算法得到的增強(qiáng)效果差不多，但本文方法在細(xì)節(jié)處理上表現(xiàn)更好，如圖3d的鋼纜較圖3b更清晰，圖4d比圖4b和圖4c的云層細(xì)節(jié)更清晰，對比度更高。

除了進(jìn)行主觀評價外，本文還使用了2個指標(biāo)均值（mean）、對比度增益（contrast gain，CG）［8-9］來評價圖像質(zhì)量。均值反映了圖像全局亮度增強(qiáng)程度，值越大，表示圖像越亮。對比度增益用來衡量圖像的局部對比度增強(qiáng)程度，其定義為

式中：Cen為將增強(qiáng)圖像分割為互不重疊的3×3子塊后，所有3×3子塊的圖像對比度均值；

Cini為將原始圖像分割為互不重疊的3×3子塊后，所有3×3子塊的圖像對比度均值。

子塊圖像的對比度用Michelson公式求得，即

式中Imax， Imin分別為子塊中的最大、最小灰度值。

表1為Bridge和Street的原始圖像及其經(jīng)3種增強(qiáng)算法處理后的均值和對比度增益。

表1　各算法處理Bridge圖像和Street圖像的客觀評價結(jié)果Table 1　The evaluation results of image Bridge and Street processed by different methods

由表1可知：1）3種圖像增強(qiáng)方法都能提高圖像的整體亮度，光照不足的缺陷得到改善，視覺效果得到提升；2）對于對比度的改善，本文方法的結(jié)果更優(yōu)，這與圖像主觀視覺感受是一致的。

3　結(jié)語

本文提出了一種基于GIF濾波分解的低照度圖像增強(qiáng)算法，通過對基本層的自適應(yīng)Gamma校正和細(xì)節(jié)層的S型曲線增強(qiáng)，實現(xiàn)了提升圖像整體亮度、對比度的同時，增強(qiáng)了圖像細(xì)節(jié)，克服了傳統(tǒng)增強(qiáng)方法兩者不可兼得的缺陷。

在低照度條件下，圖像往往受噪聲影響較大，因此，以后的研究工作考慮將圖像去噪融入增強(qiáng)算法中，實現(xiàn)低照度圖像去噪、對比度增強(qiáng)和細(xì)節(jié)增強(qiáng)的有機(jī)結(jié)合。

［1］HUANG S C，CHENG F C，CHIU Y S. Efficient Contrast Enhancement Using Adaptive Gamma Correction with Weighting Distribution［J］. IEEE Transactions on Image Processing，2013，22（3）：1032-1041.

［2］RAHMAN Z，JOBSON D J，WOODELL G A. Retinex Processing for Automatic Image Enhancement［J］. Processing of SPIE，2004，13（1）：100-110.

［3］張菲菲，謝偉，石強(qiáng)，等. 人眼視覺感知驅(qū)動的梯度域低照度圖像對比度增強(qiáng)［J］. 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2014，26（11）：1981-1988. ZHANG Feifei，XIE Wei，SHI Qiang，et al. A Perception-Inspired Contrast Enhancement Method for Low-Light Images in Gradient Domain［J］. Journal of Computer-Aided Design & Computer Graphics，2014，26（11）： 1981-1988.

［4］凌云，嚴(yán)彩萍，劉春曉，等. 色調(diào)保持的自適應(yīng)圖像視頻細(xì)節(jié)增強(qiáng)算法［J］. 計算機(jī)學(xué)報，2014，37 （3）：632-641. LING Yun，YAN Caiping，LIU Chunxiao，et al. Tone-Preserving Adaptive Detail Enhancement for Images and Videos［J］. Chinese Journal of Computers，2014，37 （3） ：632-641.

［5］TOMASI C，MANDUCHI R. Bilateral Filtering for Gray and Color Images［C］//Proceedings of the 6th International Conference on Computer Vision. Washington：IEEE Computer Society，1998：839-846.

［6］HE Kaiming，SUN Jian，TANG Xiaoou. Guided Image Filtering［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2013，35（6）：1397-1409.

［7］謝勇，譚海湖，王凱麗. 抗印刷/掃描彩色圖像零水印方案［J］. 包裝學(xué)報，2016，8（1）：1-7. XIE Yong，TAN Haihu，WANG Kaili. A Zero-Watermark Scheme Robustness Against Printing-Scanning Color Image［J］. Packaging Journal，2016，8（1）：1-7.

［8］FARBMAN Z，F(xiàn)ATTAL R，LISCHINSKI D，et al. Edge-Preserving Decompositions for Multi-Scale Tone and Detail Manipulation［J］. ACM Transactions on Graphics，2008，27（3）：15-19.

［9］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］. 電子學(xué)報，2008，36（10）：1970-1973. WANG Shoujue，DING Xinghao，LIAO Yinghao，et al. A Novel Bio-Inspired Algorithm for Color Image Enhancement［J］. ACTA Electronica Sinica，2008，36（10）：1970-1973.

（責(zé)任編輯：鄧彬）

A Low Illumination Image Enhancement Algorithm Based on GIF Filtering Decomposition

CHEN Yuhang，ZHU Shiliang
（School of Printing and Packaging，Wuhan University，Wuhan 430079，China）

The ordinary contrast enhancement methods in the low illumination images processing exist problems of not be able to improve the brightness， the contrast and details of images simultaneously， proposes a low illumination image enhancement algorithm based on guided image filter （GIF） . The algorithm converts the input image from RGB color space to HSV color space， then decomposes the image into a base layer and a detail layer by a guided image filter， after that，conducts an adaptive Gamma correction on the base layer to improve the overall brightness and contrast of the image；enhances S-shape curve on the detail layer to highlight the local details of the image； finally reconstructs and restores the colors and obtains the enhanced image. A control experiment is conducted on 2 low illumination images （Bridge and Street）by the proposed method， global Gamma correction and MSRCR， respectively. The results indicate that the proposed method is able to improve the image contrast and details simultaneously， and enhances the visual quality of low illumination images.

guided image filter；image decomposition；adaptive contrast enhancement；detail enhancement

TP391.41

A

1673-9833（2016）02-0043-05

10.3969/j.issn.1673-9833.2016.02.008

2016-01-16

陳宇航（1990-），男，浙江嘉興人，武漢大學(xué)碩士生，主要研究方向為圖文信息處理及印刷企業(yè)管理，E-mail：cyh706510441@sina.com