胡 奡

(桐城師范高等專科學(xué)校 商貿(mào)與電子信息系，安徽 桐城 231400)

圖像色彩增強(qiáng)是最基本也是最關(guān)鍵的圖像信息處理技術(shù)，交通監(jiān)控、醫(yī)學(xué)影像、刑偵技術(shù)以及軍事領(lǐng)域都有其應(yīng)用范圍.未經(jīng)處理的原始平面圖像可能存在噪音干擾，包括光照條件、天氣原因、物體本身反射性質(zhì)等因素均會(huì)使圖像清晰度不夠，色彩飽和度不夠，細(xì)節(jié)信息缺失，導(dǎo)致灰度值小，亮度過高，圖像模糊不清等問題.為使這些問題能夠得到很好的解決，相關(guān)專業(yè)人士做過很多探索和研究.例如，劉玉紅[1]等人提出眼底彩色圖像增強(qiáng)方法，雖然可以實(shí)現(xiàn)色彩的增強(qiáng)，色澤和亮度都有效提升，但在計(jì)算時(shí)需要人為地設(shè)定參數(shù)，導(dǎo)致計(jì)算繁瑣，不具有適應(yīng)性.黃冬梅[2]等人探索利用直方圖增強(qiáng)圖像，該方法的自適應(yīng)較強(qiáng)，但當(dāng)原始圖像存在灰度動(dòng)態(tài)范圍小，分布不均時(shí)會(huì)使圖像細(xì)節(jié)損失，甚至有噪聲被放大的現(xiàn)象.頻率分解可將圖像不同層次的細(xì)節(jié)分量劃分成空間內(nèi)的頻率，依據(jù)不同頻率對(duì)圖像實(shí)施增強(qiáng)可提升圖像視覺效果[3-4].基于此，本文提出了一種基于頻率分解的平面圖像色彩增強(qiáng)方法.將平面圖像的RGB色彩空間轉(zhuǎn)化成HSV空間，獲取色度、飽和、亮度分量，利用自適應(yīng)二維經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ǚ纸飧鱾€(gè)分量，獲取區(qū)域Retinex入射光分量后，使用Retinex算法計(jì)算照射分量，并通過入射光、反射光圖像以及Retinex算法輸出的校正，得到適應(yīng)視覺特征的優(yōu)質(zhì)結(jié)果，經(jīng)全局HSV色彩空間修正，保證圖像全局色彩的理想化后，將HSV空間模型轉(zhuǎn)回RGB空間，實(shí)現(xiàn)平面圖像色彩增強(qiáng).對(duì)于整體和局部的平面圖像增強(qiáng)后，色彩飽滿，圖像清晰，有效地解決了因亮度和對(duì)比度較低導(dǎo)致的細(xì)節(jié)信息丟失問題，效果明顯，應(yīng)用廣泛.

1 基于頻率分解的平面圖像色彩增強(qiáng)方法

1.1 Retinex算法

Retinex算法基于視覺對(duì)亮度和色彩的感知，并通過感知到的色彩和亮度自動(dòng)調(diào)節(jié)，保證色彩持久[5].區(qū)分平面圖像的照度變化和表面變化的原因是入射光亮度導(dǎo)致的色彩變化相對(duì)于物體表面反射導(dǎo)致的變化程度緩慢.以此可得出入射光與反射物相互作用組成的平面圖像[6].

Retinex算法中，入射光和反射屬性可以用如下數(shù)學(xué)表達(dá)式表示.

f(x,y)=l(x,y)×r(x,y)，

(1)

其中，原圖像是f(x,y)，入射光和反射光圖像分別是l(x,y)和r(x,y).

從公式(1)中可以計(jì)算出反射光圖像，

R=F-L，

(2)

其中，R=log(r),F=log(f),L=log(l)分別代表反射光圖像，原圖像與入射光圖像取對(duì)數(shù)的結(jié)果，結(jié)果即是R指數(shù)函數(shù).

1.2 自適應(yīng)二維經(jīng)驗(yàn)分解

自適應(yīng)二維經(jīng)驗(yàn)分解(ABEMD)是通過多尺度架構(gòu)的優(yōu)化方法，將一維信號(hào)轉(zhuǎn)換為二維信號(hào)[7-8].再結(jié)合二維內(nèi)蘊(yùn)模式函數(shù)采集圖像極值點(diǎn)，將極值點(diǎn)曲面插值，計(jì)算包絡(luò)面上的平均值[9].然后利用二維內(nèi)蘊(yùn)模式函數(shù)減去二維信號(hào)，得到的值就是趨勢函數(shù)，最后進(jìn)行迭代.f(x,y)(x=1,…,M,y=1,…,N)表示M×N大小的圖像信號(hào)，要將原圖像分為高頻率和低頻率兩部分二維內(nèi)蘊(yùn)模式函數(shù)[10]，可利用自適應(yīng)二維經(jīng)驗(yàn)?zāi)Ｊ椒纸馔瓿?分解后的圖像尺度對(duì)應(yīng)的頻率依次遞增排序，即完成細(xì)節(jié)模式搭建.進(jìn)行分解時(shí)，要保證二維內(nèi)蘊(yùn)模式函數(shù)與自身均值為0的初始二維信號(hào)相稱、極大值點(diǎn)與極小值點(diǎn)分別為正、負(fù).公式(3)表示的是分解結(jié)果

(3)

式中，bimfk(x,y)用于描述第k層的二維內(nèi)蘊(yùn)模式函數(shù)圖像，經(jīng)過N層劃分獲取趨勢圖像rN(x,y)/

1.3 Retinex算法與自適應(yīng)二維經(jīng)驗(yàn)?zāi)Ｊ椒纸饨Y(jié)合

利用高斯卷積對(duì)原始平面圖像的入射光分量計(jì)算，采用中心環(huán)繞Retinex算法.這一過程要考慮尺度的選擇.采用單一尺度Retinex算法，會(huì)側(cè)重于局部，采用多尺度Retinex算法，會(huì)因運(yùn)算量的加大而有效率變低[11].另外，在設(shè)定單一尺度與多尺度時(shí)，結(jié)果會(huì)因環(huán)境的不同而不同.通過本文的自適應(yīng)二維經(jīng)驗(yàn)?zāi)Ｊ椒纸夥绞讲杉肷涔夥至繒r(shí)，會(huì)依據(jù)圖像原本特征自主配對(duì)尺度，運(yùn)算方式非常簡單.

使用自適應(yīng)二維經(jīng)驗(yàn)?zāi)Ｊ椒纸夂螳@得幾個(gè)不同尺度的二維內(nèi)蘊(yùn)模式函數(shù)圖像與趨勢圖像，分別概括了不一樣的頻率特征.在估算入射光分量時(shí)，由于自適應(yīng)二維經(jīng)驗(yàn)?zāi)Ｊ椒纸饪勺灾髋鋵?duì)尺度，可使對(duì)細(xì)節(jié)的采集區(qū)域最大化，所以刪掉細(xì)節(jié)信息，例如圖像噪聲，即是高頻分量.在接下來的Retinex算法計(jì)算過程中不會(huì)出現(xiàn)“光暈”現(xiàn)象的原因是在這過程中照度分量可以直接反映出光照信息.

1.4 算法流程

能夠有效確保平面圖像后續(xù)處理的繁雜程度低和圖像增強(qiáng)效果好是實(shí)現(xiàn)平面圖像處理最優(yōu)方法，本文所提方法是基于頻率分解平面圖像色彩增強(qiáng)方法，其具體框架見圖1.

圖1 本文增強(qiáng)算法框架

變換圖像RGB空間為HSV空間，再對(duì)各分量用Retinex算法進(jìn)行分解，最后通過Retinex算法校正適應(yīng)入射光和反射光分量.加權(quán)獲取增強(qiáng)處理后的亮度分量可以將R、G、B三個(gè)通道簡化成單通道計(jì)算，以增強(qiáng)后亮度分量V′為依據(jù)校正飽和度分量S，而色度分量要與之前一致，這樣可以保持彩色圖像顏色不失真，最后將其轉(zhuǎn)化成RGB域[12-13].

1.4.1 區(qū)域Retinex入射光圖像采集

區(qū)域Retinex入射光圖像采集是實(shí)現(xiàn)圖像色彩增強(qiáng)的核心，這里應(yīng)用自適應(yīng)二維經(jīng)驗(yàn)?zāi)Ｊ椒纸?，將圖像分解成k層后，獲取區(qū)域Retinex入射光分量，具體步驟為如下.

(i)將原圖像f(x,y)實(shí)行直方圖的平均化，轉(zhuǎn)換色彩空間，得到色度Horg、飽和度Sorg和亮度Vorg三個(gè)量.

(ii)在不一樣的光照條件下將亮度分量Vorg提高，得到n1,n2,…,nm照射系數(shù)，獲得m幅圖像Vorg1(x,y),Vorg2(x,y),…,Vorgm(x,y).

(iii)通過自適應(yīng)二維經(jīng)驗(yàn)?zāi)Ｊ綄?duì)平面圖像Vorg分解，將Vorg1(x,y),Vorg2(x,y),…,Vorgm(x,y)分成k層，其中，高頻分量是imfij，低頻分量是pih(x,y)，即分解獲取的區(qū)域Retinex入射光分量.

1.4.2 基于Retinex算法的校正

對(duì)于Retinex算法獲得的入射光和反射圖像以及輸出結(jié)果，為得到適應(yīng)視覺特征的優(yōu)質(zhì)結(jié)果，可用如下步驟進(jìn)行校正.

(i)校正入射光圖像

利用Gamma校正入射光圖像解決光照不均導(dǎo)致亮度明暗不均的問題[14].為使其自適應(yīng)性加強(qiáng)，利用公式(4)進(jìn)行變換獲取校正完成入射光圖像，

y(i)=ia·i+a，

(4)

式中，像素值是i，像素為a，其范圍為{0-1}.變換后，可以達(dá)到增強(qiáng)低亮度區(qū)域效果的同時(shí)控制高亮度區(qū)域的嚴(yán)重曝光，達(dá)到全局增強(qiáng)的目的.

(ii)校正反射光圖像

若符合臨界可見偏差，針對(duì)改善反射光P圖像對(duì)比度的區(qū)域清晰程度，可利用Weber定律校正反射光圖像[15].通過視覺辨別出兩個(gè)亮度值差與背景比值，即光強(qiáng)I在1—1000 cd(坎德拉).用公式(5)表示，

(5)

式中，R為反射光圖像，ΔR為反射光圖像臨界可見偏差.

優(yōu)化計(jì)算量使物體邊緣和表面匹配度更佳，用公式(6)表示，

(6)

算法修正后的反射光圖很好地協(xié)調(diào)了圖像局部細(xì)節(jié)與增大全局圖像亮度對(duì)比度.同時(shí)，因?yàn)橛凶赃m應(yīng)的特征，因此不需要考慮提前設(shè)置數(shù)據(jù).

(iii)Retinex算法輸出校正

為了能真實(shí)地呈現(xiàn)出客觀影像，改進(jìn)中心環(huán)繞Retinex算法，產(chǎn)生的增強(qiáng)后圖像僅具備較窄亮度范圍問題，改進(jìn)公式如(7)，

(7)

1.4.3 全局HSV色彩空間修正

增強(qiáng)處理平面圖像亮度分量會(huì)在一定程度上變更飽和度和亮度之間的匹配度，影響圖像色感.為保證全局色彩的理想化，飽和度分量要有如下的自適應(yīng)調(diào)整.調(diào)整方式如公式(8).

s′(x,y)=s(x,y)+t(υ′(x,y)-υ(x,y))×λ(x,y)，

(8)

式中，

加入系數(shù)λ，V分量的變化結(jié)果會(huì)影響S分量.λ的值越大，則表示S分量受V分量影響越大.根據(jù)公式(9)，H、S和V分量被轉(zhuǎn)換成R、G和B分量，輸出最終結(jié)果.

(9)

2 實(shí)驗(yàn)分析

為了驗(yàn)證本文方法的有效性，利用MATLAB平臺(tái)，測試圖像的幀率為30 fps，分辨率為800×600的環(huán)境下，通過DSP平臺(tái)進(jìn)行仿真對(duì)比實(shí)驗(yàn).本文以平面圖像數(shù)據(jù)庫中的圖像為例，隨機(jī)選取圖片進(jìn)行實(shí)驗(yàn).實(shí)驗(yàn)的具體流程如圖2所示.

圖2 實(shí)驗(yàn)的具體流程圖

本文先隨機(jī)選取平面圖像原圖，對(duì)圖像高低頻進(jìn)行分解處理，分析圖像頻率分解效果；從實(shí)驗(yàn)數(shù)據(jù)庫中隨機(jī)選取一張平面圖像，采用本文方法對(duì)該圖像進(jìn)行圖像增強(qiáng)處理，分析圖像增強(qiáng)效果；并驗(yàn)證本文方法、文獻(xiàn)[1]方法和文獻(xiàn)[2]方法的圖像色彩增強(qiáng)效果；以平面圖像的均值、方差、信息熵和清晰度4個(gè)評(píng)價(jià)指標(biāo)為實(shí)驗(yàn)指標(biāo)，分析本文方法、文獻(xiàn)[1]方法和文獻(xiàn)[2]方法的圖像色彩增強(qiáng)性能.

2.1 圖像頻率分解效果分析

圖3(a)是隨機(jī)選取平面圖像原圖，圖3(b)和3(c)分別是經(jīng)過低頻分量處理和高頻分量處理的平面圖像.從圖3相應(yīng)的圖片信息可判斷出，低頻分量中信息詳細(xì)，高頻分量中高頻細(xì)節(jié)突出，說明使用本文方法可以實(shí)現(xiàn)平面圖像高低頻分解，效果明顯.

圖3 高頻與低頻分解的平面圖像

2.2 圖像增強(qiáng)效果分析

從實(shí)驗(yàn)數(shù)據(jù)庫中隨機(jī)選取一張平面圖像，見圖4(a)，采用本文方法對(duì)該圖像進(jìn)行圖像增強(qiáng)處理，處理后的效果圖見圖4(b)，本文方法圖像增強(qiáng)處理前后的直方圖均衡化效果圖見圖5.

圖4 本文方法圖像增強(qiáng)前后效果圖

圖5 本文方法增強(qiáng)前后直方圖結(jié)果

本文所提方法處理的圖像結(jié)果，除了達(dá)到平面圖像增強(qiáng)的效果，還彰顯出圖像背景的細(xì)節(jié)，減少圖像噪音.在灰度直方圖中，使每一個(gè)像素點(diǎn)在合理范圍內(nèi)分布，且不會(huì)減少灰度層次，圖像均衡化效果較好.

2.3 圖像色彩增強(qiáng)效果對(duì)比分析

實(shí)驗(yàn)圖像為從圖像數(shù)據(jù)庫中隨機(jī)選用的flower和street實(shí)景平面圖像，分別利用本文方法和文獻(xiàn)[1]的眼底彩色圖像增強(qiáng)方法和文獻(xiàn)[2]的自適應(yīng)直方圖增強(qiáng)方法對(duì)受到不同因素影響的2組平面圖像進(jìn)行增強(qiáng)，分析其處理因圖片色彩、清晰度和細(xì)節(jié)信息因光照、對(duì)比度和動(dòng)態(tài)范圍等因素造成的問題圖像的能力.其中，(a)為原圖，(b)為本文方法處理結(jié)果，(c)和(d)分別是文獻(xiàn)[1]和文獻(xiàn)[2]方法處理結(jié)果，具體如圖6和圖7顯示.

圖6 flower實(shí)驗(yàn)結(jié)果

圖7 street實(shí)驗(yàn)結(jié)果

綜合圖6和圖7所示處理結(jié)果可以看出，文獻(xiàn)[1]方法處理后，整體色調(diào)發(fā)灰，即使亮度有些變化，但對(duì)比度沒有明顯改變.而用文獻(xiàn)[2]方法處理后，整體亮度過度，導(dǎo)致圖像信息明顯的失真.即使色彩的恢復(fù)保持得很好，但難以保證圖像的特征不會(huì)被改變.用本文方法進(jìn)行增強(qiáng)處理后，圖像暗區(qū)的色彩與細(xì)節(jié)均能被完整地復(fù)原.實(shí)驗(yàn)結(jié)果表明，本文方法處理后，圖片亮度合適，色彩飽和度高，細(xì)節(jié)能夠真實(shí)地呈現(xiàn)出來，局部對(duì)比度合適，清晰度高.

2.4 圖像色彩增強(qiáng)性能分析

實(shí)驗(yàn)通過平面圖像的均值、方差、信息熵和清晰度4個(gè)評(píng)價(jià)指標(biāo)，衡量本文方法圖像增強(qiáng)效果，評(píng)價(jià)指標(biāo)值越大圖像增強(qiáng)效果越好.

用公式(10)表示信息熵，

(10)

用清晰度評(píng)價(jià)圖像的清晰程度，用公式(11)表示，

(11)

式中，M×N表示圖像的大小，ΔIx和ΔIy是像素點(diǎn)在x和y方向上的差分.

利用上述公式計(jì)算圖像子塊上的均值、方差、信息熵與清晰度時(shí)，把平面圖像均分成10×10的像素塊，算出RGB色彩空間中的每個(gè)通道每個(gè)子塊的均值，再計(jì)算平均值.將計(jì)算結(jié)果在0～1的范圍內(nèi)歸一化處理.結(jié)果用表1表示.

表1 三種方法圖像增強(qiáng)性能分析

從客觀評(píng)價(jià)標(biāo)準(zhǔn)可以判斷出，使用本文方法對(duì)圖像進(jìn)行處理，其均值、方差、信息熵和清晰度都比其他兩種方法實(shí)現(xiàn)的效果更好，準(zhǔn)確客觀地反映出本方法在圖像增強(qiáng)處理方面更具優(yōu)勢.

5 結(jié)論

本文研究基于頻率分解的平面圖像色彩增強(qiáng)方法，采用該方法進(jìn)行平面圖像色彩增強(qiáng)時(shí)，從照度的估量到入射光分量和反射光分量的優(yōu)化，再到HSV色彩空間的校正，都達(dá)到了較為普遍的應(yīng)用性和計(jì)算的簡便性效果.通過增強(qiáng)后的視覺觀察以及客觀的指標(biāo)評(píng)價(jià)，都可以驗(yàn)證本文方法增強(qiáng)后的圖像明暗適度，色彩飽滿，細(xì)節(jié)清晰，可以廣泛地應(yīng)用在平面圖像色彩增強(qiáng)方面.