程 新，劉一博，張 紅*

（1.西安郵電大學(xué)電子工程學(xué)院，西安710121；2.國防信息學(xué)院四系作戰(zhàn)訓(xùn)練教研室，武漢430010）

圖像通信中一種低照度彩色圖像增強算法*

程 新1，劉一博2，張 紅2*

（1.西安郵電大學(xué)電子工程學(xué)院，西安710121；2.國防信息學(xué)院四系作戰(zhàn)訓(xùn)練教研室，武漢430010）

針對低照度彩色圖像細節(jié)模糊、亮度不高等問題，提出一種新的彩色圖像增強算法。首先引入新傳遞函數(shù)改進傳統(tǒng)同態(tài)濾波，然后，在RGB色彩空間上，分別對R、G、B分量用改進的同態(tài)濾波和對比度受限自適應(yīng)直方圖均衡（CLAHE）進行增強。接著，轉(zhuǎn)換到HSV色彩空間，用非線性函數(shù)對亮度進行光照補償，對飽和度進行1.5倍拉伸。最后恢復(fù)圖像色彩信息。實驗結(jié)果表明，新算法在保持圖像細節(jié)的同時能夠增強圖像對比度，使圖像清晰度更高。

低照度彩色圖像；圖像增強；空間轉(zhuǎn)換；同態(tài)濾波TP751.1

圖像是人類獲取信息的重要來源，圖像通信系統(tǒng)所傳輸?shù)闹饕侨祟愐曈X可以感知到的視覺信息。但大多數(shù)圖像獲取設(shè)備在采集圖像時，通常會受到周圍復(fù)雜光照條件的影響，使得圖像出現(xiàn)整體偏暗、局部細節(jié)不清晰、圖像質(zhì)量較差等問題［1］，嚴重影響了計算機對圖像的讀取和識別。針對此類問題，圖像增強技術(shù)通過對圖像進行不同的處理，可以改善圖像視覺效果，增強圖像亮度信息，使圖像細節(jié)突出，方便人機識別讀取。其中，屬于頻域增強方法的同態(tài)濾波算法在增強圖像時，不僅能消除光照不均問題，還能突出圖像細節(jié)，使圖像更為清晰。傳統(tǒng)的同態(tài)濾波算法主要有高斯型、巴特沃斯型、指數(shù)型3種，其主要區(qū)別在于傳遞函數(shù)的不同［2］。而傳遞函數(shù)較多的參數(shù)設(shè)置，也常常使同態(tài)濾波在增強圖像時，需要多次嘗試，才能確定最佳的參數(shù)取值。屬于空域增強方法的對比度受限自適應(yīng)直方圖增強（CLAHE）算法，能夠通過限制局部直方圖高度來限制局部對比度出現(xiàn)過增強，可以克服傳統(tǒng)自適應(yīng)直方圖均衡化算法過度放大噪音和丟失細節(jié)的缺點［3］。圖像增強方法多種多樣，在實際應(yīng)用中也常將各類方法相結(jié)合，以達到最佳的圖像增強效果。

不同于灰度圖像的增強處理，增強彩色圖像時，不僅要消除光照不均，突出圖像的細節(jié)輪廓，還需要增強圖像的亮度和色彩，使圖像清晰生動，保證顏色無失真［4］。最常用的方法有兩種，一種是在RGB色彩空間內(nèi)對R、G、B各分量分別進行增強處理，另一種是將彩色圖像進行空間轉(zhuǎn)換，將圖像轉(zhuǎn)換到HSV或者其他色彩空間，再對各分量進行增強處理。后者增強效果明顯，可以較好地保持圖像色彩的一致性。

根據(jù)以上分析，提出一種基于色彩空間轉(zhuǎn)換和同態(tài)濾波的低照度彩色圖像增強算法，并借助仿真手段驗證算法的有效性。

1 改進傳遞函數(shù)的同態(tài)濾波

同態(tài)濾波是一種基于照射——反射模型，能夠消除圖像光照不均，增強局部細節(jié)的頻域增強方法。圖像 f(x,y)可以看作是由入射分量和反射分量組合而成，即

其中，i(x,y)為入射分量，代表光照條件，是變換緩慢的低頻成分。r(x,y)為反射分量，代表圖像細節(jié)，是變化快的高頻成分［5］。在處理低照度彩色圖像時，需要消除光照不均問題并增強細節(jié)，即需要增強高頻并抑制低頻。

同態(tài)濾波的具體步驟如下：

首先，對式（1）兩邊同時取對數(shù)，即

對式（2）兩邊取傅立葉變換，可得到

利用函數(shù)H(u,v)對F(u,v)進行濾波處理，分離入射和反射分量，得到

其中，H(u,v)為同態(tài)濾波的傳遞函數(shù)。濾波后，對式

（4）做傅里葉逆變換回到空間域，得

對式（5）兩邊取指數(shù)，得到

同態(tài)濾波的具體實施過程如圖1所示。

圖1 同態(tài)濾波過程

可以看到，同態(tài)濾波算法的關(guān)鍵在于傳遞函數(shù)的選擇。傳統(tǒng)的同態(tài)濾波有高斯型、巴特沃斯型和指數(shù)型3種，以高斯型同態(tài)濾波為例，其傳遞函數(shù)為：

其中，D(u,v)=[(u-u0)2+(v-v0)2]1/2，表示頻率(u,v)到濾波器中心(u0,v0)的距離。Rh為高頻增益，Rl為低頻增益，D0為截止頻率，c是控制斜面銳化的常數(shù)。參數(shù)Rh、Rl、D0、c決定了同態(tài)濾波增強效果，但由于參數(shù)較多，常需要進行多次嘗試才能確定各參數(shù)的最佳取值。為了在含有較少參數(shù)的情況下，還可以獲得較好的同態(tài)濾波增強效果，構(gòu)造出一種新的傳遞函數(shù)來控制整個同態(tài)濾波增強過程。

該傳遞函數(shù)基于Sigmoid函數(shù)進行構(gòu)造。Sigmoid函數(shù)是一個形狀類似S的非線性函數(shù)，其方程為：

因此，構(gòu)造的傳遞函數(shù)為：

整個傳遞函數(shù)就由參數(shù)t來控制。

圖2為改進型同態(tài)濾波的傳遞函數(shù)三維圖。從圖中可以看出，傳遞函數(shù)的取值在［0，0.9］之間，選取圖片，將改進型同態(tài)濾波與高斯型同態(tài)濾波進行對比。

圖2 改進型同態(tài)濾波的傳遞函數(shù)

圖3 各圖像頻譜圖

圖4 原圖及同態(tài)濾波增強處理結(jié)果圖

由圖3和圖4可以看到，改進型的同態(tài)濾波對于低頻部分的抑制能力良好，與高斯型同態(tài)濾波的增強效果十分接近，視覺上難以辨別優(yōu)劣。但改進型同態(tài)濾波的參數(shù)明顯少于高斯型同態(tài)濾波，可以更快確定最佳參數(shù)值，更易于調(diào)控。經(jīng)大量實驗驗證，改進型同態(tài)濾波參數(shù)t在[-0.1,0.01]范圍內(nèi)取值，可以獲得最佳的增強效果，在本文中選取t=0.001。

2 本文圖像增強算法

針對低照度彩色圖像清晰度低，光照不均勻，感興趣的細節(jié)部分不突出等問題，本文提出一種基于色彩空間轉(zhuǎn)換和同態(tài)濾波的圖像增強新算法，首先改進同態(tài)濾波的傳遞函數(shù)，使控制參數(shù)減少。然后，在RGB色彩空間內(nèi)，用改進型同態(tài)濾波和CLAHE算法對R、G、B 3個分量分別進行增強。接著，將增強圖像轉(zhuǎn)換到HSV色彩空間，保持色度H不變，用構(gòu)造的非線性函數(shù)對亮度V進行光照補償，對飽和度進行1.5倍拉伸，最后進行信息融合，恢復(fù)圖像彩色信息。算法的基本流程圖如圖5所示。

圖5 本文算法基本流程圖

2.1 基于RGB空間的同態(tài)濾波和CLAHE

直方圖均衡化是一種依靠灰度映射使圖像灰度值分布均衡、像素灰度值動態(tài)范圍增加的方法，分為全局直方圖均衡和局部直方圖均衡AHE（Adaptive Histogram Equalization）兩類［6］。全局直方圖均衡化算法能夠?qū)崿F(xiàn)對整幅圖進行調(diào)整，但在彩色圖像增強中較易使圖像出現(xiàn)顏色失真［7］。局部直方圖均衡能夠改善全局直方圖均衡算法不能適應(yīng)局部灰度分布的缺點，但其運算量大且常出現(xiàn)“馬賽克”效應(yīng)［8］。有限對比度適應(yīng)性直方圖均衡化CLAHE（Contrast Limited Adaptive）是對這兩種算法的一個有效的改進，處理圖像時能夠兼顧兩種算法各自的特性，不僅適應(yīng)不同區(qū)域灰度差異，而且整個圖像灰度分布均衡協(xié)調(diào)［9］。

圖像增強方法種類繁多，可以將不同種類的增強方法相結(jié)合，常常能獲得質(zhì)量更好的增強圖像。同態(tài)濾波算法可以實現(xiàn)壓縮亮度范圍的效果，但濾波后各分量灰度值較為集中，動態(tài)范圍也較小。CLAHE算法增強后圖像灰度范圍較寬，可以強化細節(jié)，增強圖像對比度。因此，本文將改進傳遞函數(shù)的同態(tài)濾波算法和CLAHE算法相結(jié)合，在RGB色彩空間內(nèi)對R、G、B 3個分量分別進行增強處理。

2.2 色彩空間轉(zhuǎn)換

HSV彩色空間是基于人類視覺對于色彩的感知以色調(diào)（Hue）、飽和度（Saturation）、亮度（Value）來定義的，并且3個分量之間互不正交，變量之間的改變也不會對其他變量進行干擾，因此可以通過調(diào)節(jié)這三個分量得到我們想要的增強效果。亮度V表示色彩的明亮程度，對V分量進行增強處理可以使圖像更加明亮；飽和度S表示色彩的鮮艷程度，增強S分量可以使圖像色彩更為飽滿。文獻［10］給出了HSV色彩空間與RGB色彩空間的轉(zhuǎn)換關(guān)系，在此不再贅述。

2.3 基于HSV空間的光照補償和顏色恢復(fù)

用改進型同態(tài)濾波和CLAHE增強RGB空間內(nèi)各分量后，圖像對比度有了明顯提升，細節(jié)也更為突出，但整個圖像亮度明顯不足，色彩也不明亮鮮艷。所以，將圖像轉(zhuǎn)換到HSV空間，通過構(gòu)造非線性函數(shù)對亮度分量V進行光照補償，可以達到增強圖像亮度的目的。具體過程如下：

其中，IV為原圖像的V分量，IV′為變換后的V分量，IR,IG,IB為經(jīng)過同態(tài)濾波和CLAHE后圖像的3個分量，IR′,IG′,IB′為光照補償后圖像的3分量。α是可以控制圖像亮度的常數(shù)系數(shù)，其值過大，圖像高亮度區(qū)域丟失細節(jié)，其值過小，圖像較暗，效果不佳。經(jīng)過多次實驗驗證，α取2.2～2.4，可以使圖像增強效果最佳。構(gòu)造的非線性函數(shù)為 f(x)，可以實現(xiàn)對圖像暗區(qū)域和亮區(qū)域灰度級的拉伸，表達式為：

其中，0≤m≤1，經(jīng)過多次實驗驗證，當m取0.3時，增強效果最為明顯。

將亮度V進行非線性拉伸后，對飽和度再進行增強，使其變?yōu)樵瓉淼?.5倍，完成整個增強過程。

最后，將原色度分量H和補償后的亮度分量V、拉伸后的飽和度分量S進行信息融合，將其轉(zhuǎn)換到RGB彩色空間，實現(xiàn)顏色恢復(fù)，得到最終的增強圖像。

3 實驗結(jié)果與分析

選取低照度彩色圖像驗證本文算法的有效性，并將高斯型同態(tài)濾波、改進型同態(tài)濾波、直方圖均衡、CLAHE算法和本文算法進行對比驗證。各算法增強結(jié)果分別如圖6、圖7所示。

圖6 歐式建筑圖及其增強結(jié)果

圖7 水果圖及其增強結(jié)果

可以看到，圖6、圖7原圖顏色偏暗，細節(jié)不明顯，圖像對比度也極低。采用高斯型同態(tài)濾波后，圖像亮度增強但整體較為模糊，如蒙上一層云霧，云層等細節(jié)信息模糊不清。改進型同態(tài)濾波與高斯型同態(tài)濾波增強效果極為相似，肉眼很難區(qū)分優(yōu)劣。直方圖均衡算法在增強彩色圖像時出現(xiàn)了色彩偏差，圖像顏色失真極為嚴重。CLAHE算法可以突出圖像的細節(jié)，但圖像整體亮度較低，圖片整體偏暗，增強效果一般。本文算法不僅很好地增強了圖像的亮度和對比度，對于細節(jié)的保持效果也極佳，圖像背景中天空的云彩等局部信息清晰可辨。并且，本文算法可以很好地增強圖像的飽和度，藍天白云、水果鮮花等色彩豐富，圖像整體的色澤均勻，顏色艷麗，更生動形象，也更符合人眼的視覺特性，在所有算法中增強效果最佳。

從客觀評價角度，以圖像熵值、平均梯度和對比度的值來對比幾種算法。圖像熵值越大，圖像所含信息量越多；平均梯度越大，圖像的層次就越多，圖像也就越清晰；對比度越大，圖像色彩越鮮艷，圖像也越亮。

比較表1、表2中數(shù)據(jù)可以看出，本文算法在增強圖像對比度和清晰度上效果顯著，可以使圖像包含更多信息，更利于人機進行圖像識別和分析。

表1 歐式建筑圖像各算法對比結(jié)果

表2 水果圖像各算法對比結(jié)果

5 結(jié)論

為了解決彩色圖像因光照不足而產(chǎn)生的圖像昏暗、細節(jié)嚴重丟失的問題，提出一種基于色彩空間轉(zhuǎn)換和同態(tài)濾波的圖像增強新算法。經(jīng)試驗驗證，新算法可以使圖像包含更多有用信息，在突出細節(jié)的同時，亮度和清晰度得到了進一步提升，并且圖像色澤艷麗，生動形象，更利于人機讀取識別。

［1］Shahamat H，Pouyan A A.Face Recognition Under Large Illumi?nation Variations Using Homomorphic Filtering in Spatial Domain［J］.Journal of Visual Communication&Image Representation，2014，25（5）：970-977.

［2］Ein-Shoka A A，Kelash H M.Enhancement of IR Images Using Ho?momorphic Filtering in Fast Discrete Curvelet Transform（FDCT）［J］.International Journal of Computer Applications，2014，96（8）：22-25.

［3］Okuboyejo D A，Olugbara O O，Odunaike S A.CLAHE Inspired Segmentation of Dermoscopic Images Using Mixture of Methods［J］.IEEE Transactions on Engineering Technologies，2014，12（3）：355-365.

［4］張亞飛，謝明鴻.基于HSI和局部同態(tài)濾波的彩色圖像增強算法［J］.計算機應(yīng)用與軟件，2013，27（12）：303-307.

［5］焦竹青，徐保國.基于同態(tài)濾波的彩色圖像光照補償方法［J］.光電子·激光，2010，9（4）：602-605.

［6］周衛(wèi)星，廖歡.基于高頻強調(diào)濾波和CLAHE的霧天圖像增強方法［J］.電視技術(shù)，2010，34（7）：38-40.

［7］尹立敏，劉艷瀅，賀琳，等.基于多尺度灰度直方圖的圖像增強研究［J］.電子器件，2006，29（2）：431-433.

［8］Yousuf M A.An Effective Image Contrast Enhancement Method Using Global Histogram Equalization［J］.Journal of Scientific Re?search，2011，3（1）：43-50.

［9］Kurt B，Nabiyev V V，Turhan K.Medical Images Enhancement by Using Anisotropic Filter and CLAHE［C］//2012 International Sym?posium on Innovations in Intelligent Systems and Applications（INISTA）.Trabzon：IEEE，2012：1-4.

［10］秦緒佳，王慧玲，杜軼誠，等.HSV色彩空間的Retinex結(jié)構(gòu)光圖像增強算法［J］.計算機輔助設(shè)計與圖形學(xué)學(xué)報，2013，25（4）：488-493.

程 新（1990-），女，漢，陜西西安，碩士研究生，西安郵電大學(xué)，研究方向為圖形圖像與視頻處理技術(shù)，13659186995@ 163.com；

劉一博（1983-），男，漢，河南洛陽，講師，國防信息學(xué)院，研究方向為軍事訓(xùn)練，liuyibo0123456789@163.com；

張 紅（1977-），男，湖北武漢，副教授，國防信息學(xué)院，研究方向為軍事訓(xùn)練，wanglongfei-wang@163.com。

A Low Illumination Color Image Enhancement Algorithm in Image Communication*

CHENG Xin1，LIU Yibo2，ZHANG Hong2*
（1.School of Electrical Engineering，Xian University of Posts and Telecommunications，Xian 710121，China；2.Four Department of Combat Training，College of National Defense Information Science，Wuhan 430010，China）

In order to solve the problem of fuzzy and low brightness in color image，a new color image enhancement algorithm is proposed.First，a new transfer function is introduced to improve the traditional filtering.Then，in the RGB color space，the R，B and G components are enhanced by using the improved algorithm of the improved filter?ing algorithm and the adaptive histogram equalization algorithm（CLAHE）.The color space is converted to HSV，and the brightness is compensated by the nonlinear function，the saturation is drawn out to a intensity level of 1.5 times of the original.Finally，the image color information are restored.Experimental results show that the new algo?rithm can enhance the image contrast，and make the image more high resolution.

low illumination color image；image enhancement；space conversion；homomorphic filtering

TP752；TN919.8

A

1005-9490（2016）06-1338-05

6430J

10.3969/j.issn.1005-9490.2016.06.012

項目來源：國家自然科學(xué)基金項目（61136002）；陜西省自然科學(xué)基金項目（2014JM8331，2014JQ5183）

2015-11-20 修改日期：2015-12-15