劉黎明

(中國(guó)船舶重工集團(tuán)公司第723研究所，揚(yáng)州 225001)

CLAHE算法在不同彩色空間中的圖像增強(qiáng)效果評(píng)估

劉黎明

(中國(guó)船舶重工集團(tuán)公司第723研究所，揚(yáng)州 225001)

直方圖均衡是一種常用的灰度圖像增強(qiáng)算法，很多研究者對(duì)其做了各種改進(jìn)，但少有人研究其在不同顏色空間上的增強(qiáng)效果。研究了對(duì)比度限制的自適應(yīng)直方圖均衡(CLAHE)圖像增強(qiáng)算法，并介紹了圖像和視頻處理中常用的RGB、HSV、YIQ、YCbCr和Lab5種顏色空間，給出了均方誤差(MSE)、峰值信噪比(PSNR)、彩色增強(qiáng)因子(CEF)和結(jié)構(gòu)相似度(SSIM)4個(gè)圖像質(zhì)量評(píng)價(jià)指標(biāo)的計(jì)算公式，并用這4個(gè)指標(biāo)評(píng)價(jià)了CLAHE算法在5種顏色空間上的增強(qiáng)效果。實(shí)驗(yàn)結(jié)果表明，相比于其它4種顏色空間，CLAHE算法在HSV顏色空間上取得了最好的增強(qiáng)效果。

圖像增強(qiáng)；對(duì)比度限制的自適應(yīng)直方圖均衡；顏色空間；直方圖均衡；評(píng)價(jià)

1 概 述

圖像增強(qiáng)是數(shù)字圖像處理過程中經(jīng)常采用的一種方法，目的是提高圖像的對(duì)比度、清晰度，便于提取圖像中的有用信息，從而有利于后續(xù)的圖像分析與理解。根據(jù)處理空間的不同，圖像增強(qiáng)技術(shù)可分為兩大類[1]：空域增強(qiáng)法和頻域增強(qiáng)法。前者直接在圖像所在像素空間進(jìn)行處理，后者是將圖像變換到頻域后再進(jìn)行處理。

全局直方圖均衡[1]是一種基于空域的圖像增強(qiáng)法，由于該算法簡(jiǎn)單，易于實(shí)現(xiàn)，且增強(qiáng)效果明顯，得到了廣泛的應(yīng)用。然而，全局直方圖均衡法存在如下問題[2]：(1)該算法并沒有擴(kuò)大灰度范圍，而僅僅是使灰度級(jí)分布平均化；(2)對(duì)于動(dòng)態(tài)范圍大的圖像灰度拉伸效果不明顯；(3)灰度級(jí)合并會(huì)導(dǎo)致圖像細(xì)節(jié)丟失。

為了解決全局直方圖均衡法中存在的這些問題，各種局部和自適應(yīng)直方圖均衡方法被提出[3-9]。其中，對(duì)比度受限的自適應(yīng)直方圖均衡(CLAHE)是一種比較引人關(guān)注且具有較好增強(qiáng)效果的圖像增強(qiáng)算法。該算法通過分塊解決當(dāng)圖像分布不均時(shí)增強(qiáng)效果不明顯的問題，通過限制對(duì)比度解決自適應(yīng)直方圖均衡(AHE)中過度放大噪聲的問題，通過插值解決AHE中圖像出現(xiàn)塊狀效應(yīng)問題。

直方圖均衡是一種灰度變換法，起初主要用于灰度圖像和醫(yī)學(xué)圖像。隨著數(shù)字圖像處理技術(shù)的發(fā)展和數(shù)字?jǐn)z像機(jī)的普及，彩色圖像越來越多，當(dāng)拍攝環(huán)境不佳時(shí)，需要拍攝后對(duì)彩色圖像進(jìn)行圖像增加處理。然而，圖像可以用不同的顏色空間來表示，如RGB顏色空間[9]、HSV顏色空間[10]、YCbCr顏色空間[11]、YIQ顏色空間[12]、Lab顏色空間[13]等。本文的研究目標(biāo)就是通過某些準(zhǔn)則客觀評(píng)估CLAHE圖像增強(qiáng)法在各種彩色空間的增強(qiáng)性能。

2 CLAHE

AHE算法中，圖像中某個(gè)像素的局部直方圖就是統(tǒng)計(jì)以該像素為中心的一個(gè)矩形區(qū)域內(nèi)的像素得到的，而并沒有考慮該矩形區(qū)域的周邊環(huán)境對(duì)它的影響，這不符合人的視覺特性。此外，AHE算法存在過度放大圖像中相同區(qū)域噪聲的問題。CLAHE通過限制對(duì)比度解決AHE中過度放大噪聲的問題，通過插值解決AHE中圖像出現(xiàn)塊狀效應(yīng)的問題。

CLAHE 算法的主要內(nèi)容為：首先將圖像劃分為多個(gè)大小一樣的圖像塊；然后統(tǒng)計(jì)每個(gè)圖像塊的直方圖，并根據(jù)預(yù)先設(shè)定的受限閥值對(duì)其直方圖進(jìn)行 “剪切”(見圖1(a))；接著根據(jù)重分配后的直方圖對(duì)相應(yīng)圖像塊做直方圖均衡處理(見圖1(b))；最后對(duì)均衡后的圖像塊的每個(gè)像素點(diǎn)進(jìn)行插值運(yùn)算得到新的灰度值。

CLAHE 算法的具體實(shí)現(xiàn)步驟如下：

(1) 分塊：把輸入圖像劃分為多個(gè)大小一樣的圖像塊，一般劃分為 8×8 個(gè)圖像塊。

(2) 計(jì)算每個(gè)圖像塊的直方圖：用h(x)表示圖像塊的直方圖，x表示灰度級(jí)，其取值范圍為[0,K-1]，K為圖像的灰度級(jí)數(shù)，其值可取64,128,256等。

(3) 計(jì)算剪切閾值Tc：

(1)

式中：M為每個(gè)圖像塊內(nèi)像素總數(shù)；Tcl為預(yù)先設(shè)定的受限閾值，由它決定對(duì)比度增強(qiáng)幅度；符號(hào)“「?”表示向上取整；round表示四舍五入。

圖1 CLAHE 算法示意圖

(4) 像素點(diǎn)重分配：對(duì)如圖 1(a)所示的直方圖h(x)，剪切掉高于Tc的部分，并把剪切掉的那部分像素全部均勻地分配到直方圖的底部，如圖1(b)所示，這樣直方圖上的所有灰度級(jí)都均勻地增加了一定的像素?cái)?shù)。直方圖中每個(gè)灰度級(jí)平均增加的像素?cái)?shù)Bav的計(jì)算公式如下：

(2)

式中:Etotal為超過Tc的像素值總數(shù);符號(hào)“?」”表示向下取整。

用h′(x)表示重分配后的直方圖，其計(jì)算公式如下：

(3)

(5) 直方圖均衡處理：計(jì)算該圖像塊的變換函數(shù)，對(duì) h′(x)進(jìn)行灰度映射變換，得到一個(gè)中間結(jié)果，用 f(x)表示。

(6) 像素值重構(gòu)：在得到了所有圖像塊的f(x)后，根據(jù)圖像塊的位置對(duì)各圖像塊進(jìn)行相應(yīng)處理得到各像素點(diǎn)的新像素值。對(duì)位于圖像內(nèi)部的圖像塊，根據(jù)臨近的圖像塊的變換函數(shù)進(jìn)行雙線性差值運(yùn)算；對(duì)位于邊緣的圖像塊，根據(jù)臨近的圖像塊的變換函數(shù)進(jìn)行線性插值運(yùn)算，而對(duì)位于4個(gè)角落的圖像塊，則直接使用塊所在的變換函數(shù)。

3 顏色空間介紹

3.1 RGB顏色空間

RGB顏色空間是工業(yè)界的一種顏色標(biāo)準(zhǔn)，是一種加性彩色模型，將紅(R)、綠(G)、藍(lán)(B)3種不同顏色以不同比例混合，可以得到人類視力所能感知的所有顏色，是目前應(yīng)用最為廣泛的顏色空間之一。RGB顏色空間常用于電視或PC的CRT、LED、OLED顯示器或大尺度顯示屏的顏色顯示，屏幕上的每個(gè)像素都是由3個(gè)很小且靠得很近的靜止分離的RGB三色光源組成的。最常用的RGB格式是RGB24，即使用24位來表示1個(gè)像素，每個(gè)顏色分量用8位表示，取值范圍為[0, 255]。

3.2 HSV顏色空間

HSV顏色空間是由A.R.Smith在1978年根據(jù)顏色的直觀特性創(chuàng)建的一種顏色空間，是一種圓柱坐標(biāo)表示空間。每個(gè)圓柱中，繞垂直中軸的角度表示色調(diào)(Hue),到中軸的距離表示飽和度(Saturation)，沿中軸的距離表示亮度(Value)。色調(diào)H的取值范圍為0°～360°，逆時(shí)針方向計(jì)算，紅色為0°，綠色為120°，藍(lán)色為240°。飽和度S表示顏色接近光譜色的程度，取值范圍為0%～100%，其值越大表示該顏色越接近光譜色，顏色中的白色成分就越少，顯得深而艷，飽和度高。

RGB顏色空間轉(zhuǎn)換到HSV顏色空間的轉(zhuǎn)換公式為：

(4)

(5)

(6)

3.3 YCbCr顏色空間

YCbCr顏色空間常用于視頻和數(shù)碼攝影系統(tǒng)，其中Y是亮度分量，Cb是藍(lán)色色度分量，Cr是紅色色度分量。

RGB顏色空間轉(zhuǎn)換到Y(jié)CbCr顏色空間的轉(zhuǎn)換公式為：

(7)

3.4 YIQ顏色空間

YIQ顏色空間是NTSC彩色電視系統(tǒng)中使用的一種顏色空間，主要應(yīng)用于北美洲、中美洲和日本。Y是亮度分量，提供黑白電視和彩色電視的亮度信號(hào)。I和Q是顏色分量，用于描述圖像色彩和飽和度的屬性。其中I表示同相，色彩從橙色到青色;Q表示正交，色彩從紫色到黃綠色。

RGB顏色空間轉(zhuǎn)換到Y(jié)IQ顏色空間的轉(zhuǎn)換公式為：

(8)

3.5 Lab顏色空間

Lab顏色空間是國(guó)際照明委員會(huì)制定的一種色彩模式，其中L表示亮度，a和b是2個(gè)顏色通道。L的取值范圍為[0,100]，表示從純黑到純白；a的取值范圍為[-128,127]，正數(shù)代表紅色，負(fù)數(shù)代表綠色；b的取值范圍為[-128,127]，正數(shù)代表黃色，負(fù)數(shù)代表藍(lán)色。

RGB顏色空間轉(zhuǎn)換到Lab顏色空間時(shí)，需先將RGB顏色空間轉(zhuǎn)換到XYZ顏色空間，然后再?gòu)腦YZ顏色空間轉(zhuǎn)換到Lab顏色空間。

RGB顏色空間轉(zhuǎn)換到XYZ顏色空間的轉(zhuǎn)換公式為：

(9)

XYZ顏色空間到Lab顏色空間的轉(zhuǎn)換公式為：

(10)

其中：

4 評(píng)價(jià)準(zhǔn)則

為了評(píng)估CLAHE在5種不同彩色空間中的圖像增強(qiáng)性能，需對(duì)增強(qiáng)后的圖像進(jìn)行質(zhì)量評(píng)價(jià)。圖像質(zhì)量評(píng)價(jià)可分主觀評(píng)價(jià)和客觀評(píng)價(jià)，主觀評(píng)價(jià)就是用人眼觀察各彩色空間下得到的圖像而做出相應(yīng)的評(píng)價(jià)?？陀^圖像質(zhì)量評(píng)價(jià)方法可分為全參考、半?yún)⒖己蜔o參考，全參考就是需用完整的參考圖像，半?yún)⒖季褪抢脜⒖紙D像的部分信息，而無參考就是不需要任何關(guān)于參考圖像的信息。傳統(tǒng)的全參考圖像質(zhì)量評(píng)價(jià)指標(biāo)有均方差(MSE)和峰值信噪比(PSNR)。MSE和PSNR這2個(gè)指標(biāo)具有計(jì)算簡(jiǎn)單和物理含義清晰的優(yōu)點(diǎn)，但與人眼的視覺感知存在較大差異，為此有人提出新的評(píng)價(jià)指標(biāo)，如彩色增強(qiáng)因子(CEF)[12]、結(jié)構(gòu)相似度(SSIM)[14]等。下面介紹一下上述4種指標(biāo)的計(jì)算方式。

假設(shè)原始彩色圖像為I，圖像尺寸大小為H×W，經(jīng)CLAHE增強(qiáng)后的彩色圖像為E。

4.1 MSE

先將彩色圖像I轉(zhuǎn)換為灰度圖像I1，彩色圖像E轉(zhuǎn)換為灰度圖像E1。在MATLAB中可以通過rgb2gray這個(gè)函數(shù)來完成這個(gè)轉(zhuǎn)換，其計(jì)算公式為：

gray=0.299·R+0.587·G+0.114·B

(11)

式中：R、G、B分別為彩色圖像的紅色通道、綠色通道、藍(lán)色通道。

得到原始圖像和增強(qiáng)圖像的灰度圖后，可以計(jì)算它們之間的MSE，用γMSE表示，其計(jì)算公式如下：

(12)

4.2 PSNR

PSNR這個(gè)指標(biāo)也是針對(duì)灰度圖像設(shè)計(jì)的，用γPSNR表示，其計(jì)算公式如下：

(13)

4.3 CEF

記α=R-G，β=(R+G)/2-B，圖像的彩色度定義為：

(14)

式中：σ、μ分別為標(biāo)準(zhǔn)方差、均值。

彩色增強(qiáng)因子FCE的計(jì)算公式為：

(15)

4.4 SSIM

結(jié)構(gòu)相似度(SSIM)用S表示，其計(jì)算公式如下：

(16)

(17)

5 測(cè)試實(shí)驗(yàn)結(jié)果與分析

為了評(píng)估CLAHE圖像增強(qiáng)算法在RGB、HSV、YCbCr、YIQ、Lab這5種顏色空間中的增強(qiáng)性能，本文從網(wǎng)上搜索下載了20幅圖像，其中包括了幾幅圖像增強(qiáng)研究中經(jīng)常使用的測(cè)試圖像，然后用第4節(jié)中所述的4個(gè)指標(biāo)評(píng)價(jià)各顏色空間輸出圖像的增強(qiáng)效果。圖2～圖5給出了5種顏色空間在不同圖像上的增強(qiáng)效果對(duì)比圖，即主觀評(píng)價(jià)；圖6～圖9為5種顏色空間對(duì)應(yīng)一種指標(biāo)在20幅圖像上的分布，表1給出5種顏色空間的4種指標(biāo)在20幅圖像上的平均值，即客觀評(píng)價(jià)。從主觀評(píng)價(jià)來看，CLAHE算法在5種顏色空間上處理后都得到了比原圖像好的結(jié)果，即都有所增強(qiáng);但RGB、YCbCr、YIQ、Lab這4種顏色空間的結(jié)果不是過度增強(qiáng)使得圖像有點(diǎn)泛白，就是色彩失真比較嚴(yán)重;而在HSV顏色空間上得到的結(jié)果，無論從亮度還是從色彩來看，都好于其他4種顏色空間。對(duì)于客觀評(píng)價(jià)，MSE值越小，表示失真越小，5種顏色空間中對(duì)應(yīng)HSV的MSE值最小；PSNR值越大，表示信噪比有所提升，5種顏色空間中對(duì)應(yīng)HSV的PSNR值最大；CEF值越大，表示色彩越豐富，5種顏色空間中對(duì)應(yīng)HSV的CEF值最大；SSIM越大，表示與原圖像越相似，5種顏色空間中對(duì)應(yīng)HSV的SSIM值最大；故從客觀評(píng)價(jià)來看，CLAHE算法在HSV彩色空間中取得的圖像增強(qiáng)效果好于其他4種顏色空間。

表1 5種顏色空間的4種指標(biāo)的平均值

圖2 5種顏色空間在girl圖像上的增強(qiáng)效果比較

圖3 5種顏色空間在sienaShadow圖像上的增強(qiáng)效果比較

圖4 5種顏色空間在canyon2圖像上的增強(qiáng)效果比較

圖5 5種顏色空間在nighttime1圖像上的增強(qiáng)效果比較

圖6 5種顏色空間的MSE值分布

圖7 5種顏色空間的PSNR值分布

圖8 5種顏色空間的CEF值分布

圖9 5種顏色空間的SSIM值分布

6 結(jié)束語(yǔ)

本文首先研究了對(duì)比度限制的自適應(yīng)直方圖均衡圖像增強(qiáng)算法，接著介紹了RGB顏色空間、HSV顏色空間、YIQ顏色空間、YCbCr顏色空間、Lab顏色空間等5種顏色空間，給出了MSE、PSNR、CEF、SSIM這4種圖像質(zhì)量評(píng)價(jià)指標(biāo)的計(jì)算公式，并用這4種指標(biāo)對(duì)CLAHE算法在5種顏色空間上的增強(qiáng)效果做評(píng)價(jià)。實(shí)驗(yàn)結(jié)果表明，無論是主觀評(píng)價(jià)，還是客觀評(píng)價(jià)，CLAHE算法在HSV顏色空間上取得的增強(qiáng)效果優(yōu)于其他4種彩色圖像。

雖然CLAHE算法對(duì)霧天圖像和夜色圖像都有一定的增強(qiáng)，但由于該算法實(shí)際上只利用圖像的亮度，并沒有利用圖像的梯度和紋理信息，增強(qiáng)效果一般，故下一步將研究如何利用梯度和紋理信息以提高圖像增強(qiáng)效果。

[1] GONZALEZ R C,WOODS R E.數(shù)字圖像處理[M].2版.阮秋琦,阮宇智譯.北京:電子工業(yè)出版社,2008.

[2] 梁琳,何衛(wèi)平,雷蕾，等.光照不均圖像增強(qiáng)方法綜述[J].計(jì)算機(jī)應(yīng)用研究,2010,27(5): 1625-1628.

[3] 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),2006,34(5): 861-866.

[4] KIM J Y,KIM L S,HWANG S H.An advanced contrast enhancement using partially overlapped subblock histogram equalization[J].IEEE Transactions on Circuits and Systems for Video Technology,2001,11(4):475-484.

[5] 曹聚亮,呂寶海,李冠章.基于自適應(yīng)局部灰度修正的直方圖均衡算法[J].紅外與激光工程,2004,33(5):513-515.

[6] STARK J A.Adaptive contrast enhancement using generalization of histogram equalization [J].IEEE Transactions on Image Processing,2000,9(5):889-906.

[7] CASELLES V,LISANI J L,MOREL J M，SAPIRO G.Shape preserving local histogram modification [J].IEEE Transactions on Image Processing,1998,8(2):220-230.

[8] PIZER S M,AMBURN E P,AUSTIN J D,et al.Adaptive histogram equalization and its variations[J].Computer Vision Graphics and Image Processing,1987,39(3):355-368.

[9] MURAHIRA K.Hue-preserving color image enhancement in RGB color space with rich saturation [C]// International Symposium on Intelligent Signal Processing and Communications Systems (ISPACS).New Taipei:IEEE,2012: 266-269.

[10]REN C C,YANG J G.A novel color microscope image enhancement method based on HSV color space and curvelet transform [J]. International Journal of Computer Science Issues,2012,9(2):272-277.

[11]LEE S,KWAK Y,KIM Y J,et al.Contrast-preserved chroma enhancement technique using YCbCr color space[J].IEEE Transactions on Consumer Electronics,2012,58(2):641-645.

[12]LAL S,NARASIMHADHAN A V,KUMAR R.Automatic method for contrast enhancement of natural color images [J].Journal of Electrical Engineer & Technology,2015,10(3):1233-1243.

[13]CHO Y H,KIM Y T,LEE H K,et al.Color image enhancement technique using gamut mapping based on color space division [C]//Electronic Imaging 2003.International Society for Optics and Photonics,2003:81-91.

[14]WANG Z,BOVIK A C,SHEIKH H R,et al.Image quality assessment: from error visibility to structural similarity[J].IEEE Transactions on Image Processing,2004,13(4):600-612.

Image Enhancement Effect Evaluation of CLAHE Algorithm in Different Color Spaces

LIU Li-ming

(The 723 Institute of CSIC,Yangzhou 225001,China )

Histogram equalization is one of common gray image enhancement algorithms.Many researchers have made a variety of improvements to histogram equalization.However,few people study the enhancement effect in different color space for histogram equalization.This paper studies contrast limited adaptive histogram equalization (CLAHE)-based image enhancement algorithm,and introduces five color spaces:RGB,HSV,YCbCr,YIQandLab,which are often used in image and video processing domain,and gives the calculation formulas of four image quality evaluation indexes:mean square error (MSE),peak signal to noise ratio (PSNR),color enhancement factor (CEF),structural similarity (SSIM),and uses the four indexes to evaluate the enhancement effect of CLAHE algorithm in five color spaces.The experimental results show that,compared with other four color spaces,CLAHE algorithm has achieved the best enhancement effect in HSV color space.

image enhancement;contrast limited adaptive histogram equalization;color space;histogram equalization;evaluation

2016-03-15

TN911.73

A

CN32-1413(2016)06-0062-07

10.16426/j.cnki.jcdzdk.2016.06.014