陳智軒

摘 要：現(xiàn)有的圖像增強算法存在計算量大、實時性差、參數(shù)選擇困難、顏色漂移、無法保證收斂性等問題.圖像增強的效果主要考慮人眼的視覺感受程度，難以用準確的標準和方法對圖像進行處理.因此，基于不精確概念和專家經(jīng)驗的模糊技術是解決現(xiàn)有圖像增強算法問題的有效方法.本文提出了一種彩色圖像對比度增強技術，首先，從RGB顏色空間變換到色調、飽和度和灰度的顏色空間；然后，利用專家模糊技術對彩色圖像的灰度分量進行圖像增強處理.該算法不改變原始彩色圖像的色調和飽和度.對比實驗表明：該方法明顯提高了圖像的視覺效果，并且計算量小、實時性好.

關鍵詞：圖像增強；對比度；空間變換；模糊技術；彩色圖像

中圖分類號：TP317.4 DOI：10.16375/j.cnki.cn45-1395/t.2018.03.013

0 引言

圖像增強技術是目前圖像處理研究的一個重要領域 [1].圖像對比度是視覺屬性的重要方面，它對所感知圖像的質量起著顯著影響.兩個相鄰表面之間對比度的變化是由它們的反射亮度的差異造成的.由于人類視覺系統(tǒng)對圖像對比度的敏感性高于其絕對亮度，所以對比度被認為是這些物體的顏色和亮度的差異.低對比度區(qū)域看起來很暗，而對比度很高的區(qū)域則呈現(xiàn)為人造照明的效果，兩者都會導致相關信息的丟失.如何最優(yōu)地增強圖像對比度，以表示出輸入圖像中的所有信息是需要解決的問題.因此，圖像增強是所有數(shù)字圖像處理和分析應用中的一個基本步驟，以提高人類可理解性或信息的可讀性[2-3].圖像質量經(jīng)常用一些基本參數(shù)客觀地表示[4]，其中對比度是確定圖像客觀質量的最重要的定量指標[5].圖像增強主要包括兩個方面：一是直方圖的校正；二是突出或重建圖像細節(jié)[6].圖像增強技術包括很多方法：基于灰度變換的圖像增強方法[7]；空間濾波一類增強算法[8]；小波變換與改進脈沖耦合神經(jīng)網(wǎng)絡融合的圖像增強算法[9]；多傳感器或單傳感器多圖像融合增強技術[10]；圖像去霧增強算法[11]；基于金字塔分解和雙向異性擴散的自適應圖像增強方法[12]；基于RETINEX模型的圖像低對比度增強方法[13]；采用NSCT變換和模糊對比度調整結合的方式增強圖像并降低噪聲和失真的技術[14]，以及其他類似技術.大部分的圖像增強方法都是基于經(jīng)驗的，只能通過對參數(shù)的反復修改來滿足圖像視覺效果的要求.很多彩色圖像增強算法都難以在RGB空間中直接處理，并且經(jīng)常出現(xiàn)色彩漂移現(xiàn)象[15].如果引入智能算法對圖像增強過程進行優(yōu)化，則會出現(xiàn)參數(shù)選擇和收斂性能方面的困難.一些圖像增強算法需要高級數(shù)學工具進行復雜計算，計算量龐大，處理過程繁瑣，無法滿足實時性的要求.因此，優(yōu)化算法，提高圖像增強的效果，改進實際最終圖像的質量始終是研究的重點.基于上述原因，本文提出了一種基于空間變換和專家模糊技術的彩色圖像對比度增強算法.理論分析和仿真結果表明，該方法適應性良好，實時性較強，在弱光照的條件下，彩色圖像的增強處理效果得到明顯改善.

1 紅綠藍色彩空間到色調、飽和度和強度模型的空間變換

RGB色彩格式是當前最廣泛運用的顏色系統(tǒng)之一，它通過紅、綠、藍3個顏色通道的變化和3個通道的疊加來得到各種顏色，幾乎能夠覆蓋人類視力能夠感知的所有色彩.然而直接對RGB格式彩色圖像進行圖像增強，可調參數(shù)偏多，計算過程復雜.數(shù)字圖像的另一個模型是HSI格式.當運用色調、飽和度、強度（HSI）顏色模型來描述彩色圖像時，色調表示了純色的屬性，飽和度表示顏色的鮮明程度，而強度（Intensity）或稱為亮度則表示顏色的明亮程度，相當于灰度圖像中灰度的概念.強度是描述色彩感覺的關鍵因素，人對圖像對比度的主觀感覺是由強度決定的.本文在進行圖像處理時，通過在HSI顏色空間保持色調與飽和度分量不變的方法，使圖像增強的結果在顏色方面和原始圖像一致，只對強度分量進行運算，相當于直接對灰度圖進行對比度增強，從而實現(xiàn)對彩色圖像進行對比度增強的目的.因此，運用空間變換的方法對RGB格式彩色圖像進行圖像增強，可以減少調節(jié)的參數(shù)，使計算過程更簡潔.

2 專家模糊算法進行灰度變換

從彩色圖像中將彩色信息即色調和飽和度分離出來，僅提取強度分量進行處理.因為強度描述了顏色的明亮程度，因此強度分量可以有效地度量彩色圖像的對比度.這樣就可以直觀自然地調整彩色圖像的對比度，實現(xiàn)對比度增強的要求.

采用如下三條“條件-結論”規(guī)則來描述強度分量圖像的對比度增強過程：

1）如果某一個像素是暗的，那么使這個像素變得更暗；

2）如果某一個像素是灰的，那么使這個像素仍然是灰的；

3）如果某一個像素是亮的，那么使這個像素變得更亮.

在一幅彩色圖像的強度分量上，每一個像素的灰度值z都被從區(qū)間[0，1]映射到區(qū)間[0，255]上，根據(jù)模糊集合的理論，將每一個像素的灰度值z再映射到隸屬度區(qū)間[0，1]上來實現(xiàn)模糊化.用人的視覺感受把這些像素灰度值分為3類：暗的（dark）、灰的（gray）和亮的（bright）.

模糊化用[Σ]形隸屬度函數(shù)來表示“暗”和“亮”的模糊概念，采用三角形隸屬度函數(shù)來表示“灰”的模糊概念，從而得到如圖1所示的輸入隸屬度函數(shù).

圖像增強的效果主要受到3個可調參數(shù) [l]、[h]、[λ] 的影響.圖中，[λh+lλ+1=m]，[λ]是一個大于0的數(shù).根據(jù)彩色圖像的強度分量的直方圖，區(qū)間[l，h]應該包含直方圖的主要形狀，3個參數(shù)可以分別進行調節(jié)，直到獲得最佳的效果.

為了計算方便，輸出隸屬度函數(shù)選擇為單值函數(shù)，從而得到輸出隸屬度函數(shù)圖如圖2所示.

逐行從左到右對每個像素分別進行模糊計算處理，對彩色圖像的強度分量作灰度變換，也就是對彩色圖像的強度分量進行圖像增強處理，最后再把灰度變換后的結果映射回[0，1].運用前述方法將HSI分量轉換到RGB格式進行顯示.

3 仿真實驗

選取兩幅真實的低對比度彩色圖片檢驗上述算法，兩幅圖片均為RGB色彩模式.先進行空間變換再執(zhí)行模糊運算，從而得到對比度增強后的圖片.圖3—圖6分別顯示了運用直方圖均衡處理和運用標準Retinex算法[13]處理的增強圖像，并且將之與本文算法得到的結果進行對比，驗證所提算法的有效性.

圖3（a）為原圖，圖3（b）為直方圖均衡處理效果，圖3（c）為本文算法處理結果，圖3（d）為Retinex算法處理結果.圖4（a）為原圖的強度分量的直方圖，圖4（b）為本文算法處理后的強度分量的直方圖.

圖5（a）為原圖，圖5（b）為直方圖均衡處理效果，圖5（c）為本文算法處理結果，圖5（d）為Retinex算法處理結果.圖6（a）為原圖的強度分量的直方圖，圖6（b）為本文算法處理后的強度分量的直方圖.

可見，直接使用直方圖均衡處理后的彩色圖像存在明顯曝光過度問題，而且還可能損失部分細節(jié).Retinex算法的處理結果存在細節(jié)和邊緣模糊以及顏色失真問題.而本文提出的方法除了在對比度增強方面效果顯著，色彩也比較真實.通過直方圖的前后比較，本文算法具有拓展直方圖、在一定范圍能平移整個直方圖位置、保留直方圖原來輪廓的作用.通過隸屬度函數(shù)參數(shù)的調整，根據(jù)需要改變輸出圖像效果，顯著地改進彩色圖像的整體視覺效果.

4 結論

本文提出基于空間變換和專家模糊技術的彩色圖像對比度增強算法，低對比度彩色圖像的視覺效果經(jīng)過處理后得到明顯地提升，色彩真實，邊緣清晰.并且本文的算法要求的計算量較小，因此特別適合大幅圖像的增強處理.將所提算法同直方圖均衡算法以及Retinex算法進行對比實驗，證明了本算法的有效性.

參考文獻

[1]YELMANOVA E，ROMANYSHYN Y. Histogram-based method for image contrast enhancement[C]// Experience of Designing and Application of Cad Systems in Microelectronics. IEEE：2017.

[2]張延麗，李春貴. 視頻車輛檢測中改進的閾值分割算法研究[J]. 廣西科技大學學報，2017，28（2）：61-66，78.

[3]俞昊，林川，譚光興，等. 視覺注意機制與Canny算子結合的目標輪廓檢測方法[J]. 廣西科技大學學報，2016，27（2）：87-92，99.

[4]WANG Z，BOVIK A. Modern image quality assessment[M]. Morgan & Claypool：2006.

[5]陳清江，張彥博，柴昱洲，等. 基于改進對比度的有限離散剪切波圖像融合[J].應用光學，2016，37（2）：221-228.

[6]RAO Y，CHEN L. A survey of video enhancement techniques[J]. Journal of Information Hiding & Multimedia Signal Processing，2012，3（1）：71-99.

[7]龔昌來，羅聰，楊冬濤. 一種改進的正弦灰度變換圖像增強算法[J].電視技術，2012，36（13）：60-63.

[8]凡遵林，畢篤彥，馬時平，等. 亮度保持和細節(jié)增強的紅外圖像增強方法[J].中南大學學報（自然科學版），2016，47（6）：1967-1972.

[9]楊雪，劉天時，李湘眷. 融合小波變換與改進PCNN的圖像增強算法研究[J]. 計算機工程與應用，2016，52（8）：163-168.

[10]王鑰. 基于多傳感器融合的低照度視頻圖像增強技術[D]. 長春：長春理工大學，2016.

[11]FUCHS T，MALECOVA B，LINHART C，et al. DEFOG：a practical scheme for deciphering families of genes[J]. Genomics，2002，80（3）：295-302.

[12]白永強，孫騰.基于金字塔模型和各向異性濾波的分層自適應圖像增強算法[J].北京理工大學學報，2012，32（3）：263-267.

[13]XU K. Retinex-based perceptual contrast enhancement in images using luminance adaptation[C]// IEEE International Conference on Acoustics，Speech and Signal Processing.IEEE：2017.

[14]周飛，賈振紅，楊杰，等. 基于NSCT和改進模糊的遙感圖像增強方法[J].計算機工程與應用，2017，53（15）：206-209，216.

[15]肖泉，丁興號，王守覺，等. 有效消除光暈現(xiàn)象和顏色保持的彩色圖像增強算法[J].計算機輔助設計與圖形學學報，2010，22（8）：1246-1252.

[16]GONZALEZ R C，WOODS R E. Digital image processing[M].3rd ed.Prentice-Hall，Inc：2007.