于天河 孟雪 潘婷 蘭朝鳳

摘?要：對比度受限的自適應(yīng)直方圖均衡是一種提高圖像的局部細(xì)節(jié)有效的算法（簡稱為自適應(yīng)變換CLAHE）。針對它在應(yīng)用過程中存在對比度和過度拉伸噪聲增強(qiáng)問題，提出了一種有效的圖像增強(qiáng)方法，命名為CLAHE離散小波變換，它結(jié)合了CLAHE與離散小波變換。首先，原始圖像由離散小波變換分解為低頻和高頻部分。然后，分別使用CLAHE增強(qiáng)低頻系數(shù)和對高頻帶小波系數(shù)進(jìn)行濾波，以限制噪聲增強(qiáng)。這是因?yàn)楦哳l分量對應(yīng)于細(xì)節(jié)信息，低頻部分包含霧霾圖象的大部分噪聲。最后，通過采取新的系數(shù)小波逆變換重建圖像。

關(guān)鍵詞：圖像增強(qiáng);小波變換;霧霾圖像

DOI：10.15938/j.jhust.2018.06.018

中圖分類號： TP391

文獻(xiàn)標(biāo)志碼： A

文章編號： 1007-2683（2018）06-0100-05

Abstract：Contrast limited adaptive histogram equalizationCLAHE） is an efficient algorithm to improve the local details of an image.?In this paper?we propose an image enhancement method named CLAHE Discrete Wavelet Transform to solve the problem of contrast and overstretched noise in the application process，which combines CLAHE and discrete wavelet transform.?This method consists of three major steps： First?the original image is decomposed into low frequency and high frequency by the discrete wavelet transform.?Then?the low frequency coefficients are enhanced by CLAHE and the high frequency coefficients is filtered to limit the noise enhancement.?This is because the high-frequency component corresponding to the details?the low frequency portion comprises most of the noise image haze.?Finally?reconstruct the image by taking inverse discrete wavelet transform of the new coefficients.

Keywords：image enhancement; discrete wavelet fransform; haze image

0?引?言

雨、雪、霧霾天等惡劣天氣下能見度差，是計算機(jī)視覺許多應(yīng)用中的一個難題。惡劣天氣時，除空氣分子外，大氣中的粒子還有小水滴和冰晶顆粒，且半徑遠(yuǎn)大于分子半徑，對光線的散射的影響較大，這會導(dǎo)致一個場景的可見度變差。這種情況下拍攝圖片圖像變得模糊，對比度下降，不利于人眼觀察。作為一種為圖像和視頻顯著處理技術(shù)，對比度增強(qiáng)，能有效地提高人眼對圖像的感知和識別及圖像的視覺質(zhì)量。

目前許多對比度增強(qiáng)技術(shù)已被引入，用以提高圖像的對比度。主要可以分為空間域和頻域圖像增強(qiáng)兩大類[1]。常用空域增強(qiáng)方法有直方圖均衡增強(qiáng)，包括全局直方圖均衡和局部直方圖均衡，前者對霧霾圖像增強(qiáng)效果不夠好，由于是全局圖像增強(qiáng)，效果不可控，不能突出圖像中的目標(biāo)信息。后者僅考慮局部窗口內(nèi)的灰度分布，沒有考慮圖像整體特點(diǎn)，易減弱圖像的層次感?？傊瑳]有考慮圖像的頻率以及細(xì)節(jié)信息，容易造成過增強(qiáng)。普通的直方圖均衡算法對于整幅圖像的像素使用相同的直方圖變換和那些像素值分布比較均衡的圖像來說，算法的效果很好。然而，如果圖像中包括明顯比圖像其它區(qū)域暗或者亮的部分，在這些部分的對比度將得不到有效的增強(qiáng)。后來，自適應(yīng)直方圖均衡化（AHE）和對比度受限自適應(yīng)直方圖均衡（CLAHE）相繼被提出用于圖像增強(qiáng)。自適應(yīng)直方圖均衡化（AHE）用來提升圖像的對比度的一種計算機(jī)圖像處理技術(shù)。和普通的直方圖均衡算法不同，AHE算法通過計算圖像的局部直方圖，然后重新分布亮度來來改變圖像對比度。因此，該算法更適合于改進(jìn)圖像的局部對比度并且獲得更多的細(xì)節(jié)信息。 不過，AHE缺點(diǎn)在于會過度放大待處理圖像中相同區(qū)域的噪音，另外一種自適應(yīng)的直方圖均衡算法即限制對比度直方圖均衡（CLAHE）算法能有限的限制這種不利噪聲的放大。

Retinex理論的增強(qiáng)方法是基于照明-反射模型，其基本思想是將圖像轉(zhuǎn)換到對數(shù)域，通過降低亮度對反射分量的影響，復(fù)原場景的真是原貌，達(dá)到圖像增強(qiáng)目的。算法的關(guān)鍵是如何估計照射光成分，一般使用高斯濾波器估計照射分量。單尺度 Retinex（SSR）只對原始圖像進(jìn)行濾波估計，若采用多尺度Retinex（MSR），則要在圖像的多個尺度下用高斯函數(shù)卷積求照射分量，然后加權(quán)求和。該類算法存在的主要問題包括對照射分量的估計難以準(zhǔn)確，MSR算法處理所需時間較長，圖像邊緣輪廓區(qū)存在光暈等問題。

上述對比度增強(qiáng)技術(shù)方法對于一些圖像效果良好，同時他們可能面臨相反過度拉伸或噪聲放大問題以及上文中提到的存在的一些缺陷。針對以上問題，本文提出了一種結(jié)合離散小波變換和自適應(yīng)變換的新的圖像增強(qiáng)方法，命名為CLAHE離散小波變換，可以有效的避免過度增強(qiáng)以及限制噪聲。它利用利用小波變換可以有效分離圖像低頻和高頻成分的特點(diǎn)，使用離散小波將待處理圖像劃分為低頻和高頻部分，考慮到圖像低頻部分包含霧霾圖象的大部分噪聲，高頻分量對應(yīng)于細(xì)節(jié)信息，前文提到CLAHE可以有限限制限制噪聲作用，選用CLAHE增強(qiáng)圖像低頻分量，在高頻子帶上，利用同態(tài)濾波對高頻分量進(jìn)行濾波。最后采用小波逆變換重建圖像。

1?小波變換算法原理

圖像去霧增強(qiáng)處理一方面要在不丟失信息的前提下充分拉伸對比度，另一方面要控制噪聲大，同時盡量減少景深信息的影響。經(jīng)典的圖像增強(qiáng)算法中，直方圖均衡化、對比度拉伸等時域增強(qiáng)算法能充分拉伸對比度，但是同時放大噪聲，對景深信息較敏感;而高通濾波、同態(tài)濾波等頻域增強(qiáng)算法能較好的抑制噪聲，對景深信息不敏感，但缺乏充分拉伸對比度的策略。如何將抑制噪聲、減小景深信息影響和拉伸對比度三方面的性能同時提升，設(shè)計性能更優(yōu)的圖像破霧處理方法，小波分析具有時頻局部化能力和多分辨率分析能力的特性[2-5]。圖像通過小波分解后，可分為多個子頻帶。圖像被多層小波分解后，圖像的能量、細(xì)節(jié)和噪聲分別分布在不同分解層的不同頻帶上。本文利用這一特性將時域增強(qiáng)算法與頻域增強(qiáng)算法結(jié)合起來對霧天圖像進(jìn)行增強(qiáng)，根據(jù)不同頻帶上圖像的能量、 細(xì)節(jié)和噪聲特征，采取不同的濾波策略，增強(qiáng)圖像在不同分辨率尺度下不同頻帶的系數(shù)，從而得到圖像增強(qiáng)后的小波系數(shù)，再利用逆變換便能得到增強(qiáng)后的圖像。通過這種方法從整體上增強(qiáng)圖像，既不會使圖像的細(xì)節(jié)模糊，也不會放大圖像原有的噪聲，使增強(qiáng)后的圖像在較充分拉伸對比度的情況下顯得平滑，且景深信息影響較少，圖像的整體視覺效果好。

2?改進(jìn)小波和自適應(yīng)變換結(jié)合的圖像增強(qiáng)算法

2.1?自適應(yīng)變換（CLAHE）

傳統(tǒng)的直方圖均衡方法對圖像進(jìn)行全局增強(qiáng)，可能加大了噪聲或者引入新的噪聲，后來的自適應(yīng)直方圖均衡方法（AHE），優(yōu)點(diǎn)是克服了全局直方圖均衡難以適應(yīng)局部灰度分布的缺陷，但是缺點(diǎn)是得到結(jié)果有明顯的塊效應(yīng)。因此，后來產(chǎn)生了對比度受限自適應(yīng)直方圖均衡（CLAHE），即本文簡稱的自適應(yīng)變換。

CLAHE是在局部直方圖均衡時，相鄰兩個區(qū)域?qū)?yīng)位置上用雙線性插值方法得到新的灰度圖像。它的算法主要步驟如下：

1）將待處理圖像分割成M×N個連續(xù)不重疊的子區(qū)域。

2）對每個子區(qū)域進(jìn)行灰度灰度直方圖“剪切”，計算平均分配像素數(shù)的平均值A(chǔ)v=u×uyNxy，其中Nxy為該子區(qū)域的灰度級數(shù)，ux和uy分別為子區(qū)域X和Y兩個方向的像素個數(shù)。

計算實(shí)際剪切極限值為;LC=NClipAV，NClip為設(shè)定的“剪切”極限系數(shù)。

假設(shè)被剪像素總數(shù)為S，均分“剪切”像素數(shù)為av=SNxy，計算分配剩余像素步長為L=LGS，L為分配像素步長，LG為灰度范圍長度。從最小灰度級到最大灰度級按步長循環(huán)搜索，像素小于剪切閾值的位置，則分配一個像素。如果還有剩余像素，則重新計算步長和循環(huán)搜索，知道剩余像素分配完位置。

3）對每個子區(qū)域?qū)Ρ榷仁芟藓蟮闹狈綀D均衡化處理。

4）獲得每個子區(qū)域中心點(diǎn)，將這些點(diǎn)作為樣本。

5）進(jìn)行灰度線性插值，即：

CLAHE剪切直方圖高于閾值的一部分，并重新分配截取像素到每個灰度區(qū)間。該操作可以在一定程度上減輕噪聲增強(qiáng)現(xiàn)象。然而，在某些場合噪聲是難以接受的，它也可能會因?yàn)檫^度增強(qiáng)失去輸入圖像的部分細(xì)節(jié)。

2.2?離散小波變換CLAHE圖像增強(qiáng)算法

本文綜合時域增強(qiáng)算法和頻域增強(qiáng)算法的優(yōu)點(diǎn)[6-10] ，基于小波變換，設(shè)計了一種將同態(tài)濾波與CLAHE相結(jié)合，分別對高頻和低頻處理的算法，獲得了良好的效果。具體流程如下 ：

1）小波多尺度分解

對待增強(qiáng)圖像進(jìn)行用小波作2層分解，本文選用 syms4 小波作 2 層分解。得到1個低頻子頻帶的小波系數(shù)和水平細(xì)節(jié)分量H、垂直細(xì)節(jié)分量V以及對角細(xì)節(jié)分量D上6個高頻子頻帶的小波系數(shù)。分解結(jié)構(gòu)圖如圖1所示。

仿真得到的圖像兩層小波分解圖如圖2所示。

2）對各高頻帶小波系數(shù)進(jìn)行濾波

對 9 個高頻子頻帶的小波系數(shù)采用參數(shù)不同的指數(shù)同態(tài)濾波器進(jìn)行濾波 ?濾波器變換函數(shù)為

這種離散小波變換CLAHE可以通過應(yīng)用在圖像的亮度部分很好的擴(kuò)展至增強(qiáng)彩色圖像[11-13]。圖像的亮度部分值V可以通過下面的等式來計算：

圖3為離散小波變換CLAHE的流程圖。

3?實(shí)驗(yàn)結(jié)果

圖4是對一些霧霾圖像處理所得仿真結(jié)果。由圖可見，傳統(tǒng)的CLAHE方法處理圖像提高了圖像亮度，但與原始圖像相比顏色失真較為嚴(yán)重，并且對過度增強(qiáng)和噪聲放大問題沒有有效改善作用。同態(tài)濾波方法處理結(jié)果圖像存在明顯的整體圖像泛黑，亮度低現(xiàn)象，清晰化結(jié)果欠佳。

從圖4a2中的建筑物、植物，b2中的鐵路軌道，c2中的人群與d2的兩個站立的人物與同組的增強(qiáng)圖像第3列和第4列的增強(qiáng)效果比較來看，第3列的圖像整體對比度增強(qiáng)，但是一些暗部沒有得到充分增強(qiáng)，有些部分顏色過失真，如d3中的人物有明顯的顏色失真過增強(qiáng)現(xiàn)象。第4列的處理結(jié)果整體偏暗，不適應(yīng)人眼觀察，清晰化結(jié)果欠佳。采用本文的方法處理后圖像的細(xì)節(jié)部分明顯增強(qiáng)了，有明顯的對比度增強(qiáng)和清晰化效果，同時可以有效地避免過度增強(qiáng)，從而產(chǎn)生良好的視覺質(zhì)量的結(jié)果。仿真結(jié)果表明該算法可以有效地避免過度增強(qiáng)，從而產(chǎn)生有利于人眼觀察具有良好的視覺質(zhì)量圖像。

4?結(jié)?論

本文利用小波分析具有時頻局部化能力和多分辨率分析能力的特性 ，基于小波變換和自適應(yīng)變換方法，提出了一種新的圖像增強(qiáng)方法，即離散小波變換CLAHE，結(jié)合小波變換與CLAHE 。在本文所提出的方法中，圖像是通過小波變換分解為低頻和高頻分量。低頻部分代表了輸入圖像的近似信息以及霧霾圖像的大部分噪聲，高頻成分圖像的所有細(xì)節(jié)信息。分別對低頻分量和高頻分量分別通過自適應(yīng)變換（CLAHE）和同態(tài)濾波增強(qiáng)，可以有效限制噪聲增強(qiáng)和避免過增強(qiáng)保持圖像的細(xì)節(jié)信息。最后，通過小波逆變換得到增強(qiáng)圖像。實(shí)驗(yàn)結(jié)果表明，該方法可以得到優(yōu)質(zhì)的有利人眼觀察的可視圖像。

參 考 文 獻(xiàn)：

[1]?王浩，張葉，沈宏海.?圖像增強(qiáng)算法綜述[J]. 中國光學(xué)，2017，10（4）：438-448.

[2]?王劍平，張婕.小波變換在數(shù)字圖像處理中的應(yīng)用[J]. 現(xiàn)代電子技術(shù)?2011?34（1）：91-94.

[3]?李建平.小波分析與信號處理[M].重慶：重慶出版社，1997：100-300.

[4]?李朝輝，張弘.?數(shù)字圖像處理及應(yīng)用[M].北京：機(jī)械工業(yè)出版社，2004.

[5]?呂緒良，文劉強(qiáng)，榮先輝等.?基于小波變換的紅外圖像模糊與同態(tài)增強(qiáng)[J]. 解放軍理工大學(xué)學(xué)報（自然科學(xué)版）?2013?14（2）：158-162.

[6]?ARICI T?DIKBAS S?ALTUNBASAK Y.A Histogram Modification Framework and Its Application for Image Contrast Enhancement[J]. IEEE Trans.?Image Process. 2009，18（9）： 1921-1935.

[7]?WANG C?PENG J?YE Z.Flattest Histogram Specification with Accurate Brightness Preservation[J]. IET Image Process. 2008?2（5）：249-262.

[8]?LEE C?LEE Y Y?et al.Power-constrained Contrast Enhancement for Emissive Displays Based on Histogram Equalization[J]. IEEE Trans.?Image Process. 2012?21（1）： 80-93.

[9]?劉興淼?王仕成，趙靜.基于小波變換與模糊理論的圖像增強(qiáng)算法研究[J].彈箭與制導(dǎo)學(xué)報，2010，30（4）：183-186.

[10]WANG C?PENG J?YE Z.Image Enhancement Using Background Brightness Preserving Histogram Equalization[J]. Electron.?Lett. 2012?48（3）：155-157.

[11]KIM Y T.Contrast Enhancement Using Brightness Preserving Bi-histogram Equalization[J]. IEEE Trans.?Consum.?Electron. 1997?43（1）： 1-8.

[12]OAKLEY J P?SATHERLEY B L.?Improving Image Quality in Poor Visibility Conditions Using a Physical Model for Contrast Degradation[J]. IEEE Transactions on Image Processing ，1998 ，7（2） ：167-179.

[13]FAHNESSTOCK J D?SCHOWENGERD R A.?Spatially Variant Contrast Enhancement Using Local Range Modification[J]. Optical Eng ，1983 ，22（3）：378-381.

[14]韓磊，曲中水.一種RGB模型彩色圖像增強(qiáng)的方法[J].哈爾濱理工大學(xué)學(xué)報?2014?19（6）：59-63.

[15]李蘭英，孔銀，陳德運(yùn).一種新的卷積神經(jīng)網(wǎng)絡(luò)的ECT圖像重建算法[J].哈爾濱理工大學(xué)學(xué)報?2017，22（4）：28-33.

[16]王莉莉，沈月.PCA與小波變換的ECT圖像融合方法[J].哈爾濱理工大學(xué)學(xué)報?2016，21（4）：30-35.

[17]王佛池，閆康，張重遠(yuǎn).采用圖像分析與神經(jīng)網(wǎng)絡(luò)識別絕緣子憎水性[J]. 哈爾濱理工大學(xué)學(xué)報?2014?18（11）：78-83.

[18]頊聰，陶永鵬.基于小波變換的圖像增強(qiáng)算法的研究[J]. 計算機(jī)與數(shù)字工程?2017?45（8）：1643-1646.

[19]李益紅，周曉誼.一種多分辨多尺度的Retinex彩色圖像增強(qiáng)算法[J].計算機(jī)工程與應(yīng)用?2017?53（16）：193-198.

[20]高林，趙建輝.基于小波變換的圖像融合增強(qiáng)算法[J].火箭推進(jìn)?2017?43（4）：57-60.

（編輯：溫澤宇）