朱雪俊

（上海杉達(dá)學(xué)院，上海 201209）

0 引 言

隨著圖像技術(shù)的發(fā)展，圖像顯示設(shè)備的應(yīng)用越來越廣泛，已經(jīng)成為了人們生活中必備的顯示圖像工具。圖像是傳遞信息的重要媒介，細(xì)節(jié)清晰和色彩明亮的圖像是最佳的圖像效果[1]。而對(duì)于一些畫質(zhì)不清晰、對(duì)比度低的圖像，無法精準(zhǔn)獲取圖像中有價(jià)值信息，以至于無法完成后續(xù)的各項(xiàng)工作。因此，研究如何使低對(duì)比度圖像的細(xì)節(jié)變得更加清晰具有重要意義[2-3]。

近年來，已經(jīng)有很多相關(guān)學(xué)者和部分專家對(duì)圖像增強(qiáng)方法進(jìn)行了研究，如文獻(xiàn)[4]提出一種基于漸進(jìn)式雙網(wǎng)絡(luò)模型的低對(duì)比度圖像增強(qiáng)方法，依據(jù)漸進(jìn)式方法建立了低對(duì)比度圖像增強(qiáng)模型，根據(jù)圖像的亮度變化過程，在模型中引入雙向約束損失函數(shù)，使增強(qiáng)后的低對(duì)比度圖像結(jié)果更接近實(shí)際數(shù)據(jù)，以達(dá)到動(dòng)態(tài)平衡的目的，實(shí)現(xiàn)低對(duì)比度圖像增強(qiáng)；文獻(xiàn)[5]提出基于MDARNet 的低對(duì)比度圖像增強(qiáng)方法，該方法通過卷積神經(jīng)網(wǎng)絡(luò)中不同尺度卷積核初步提取低對(duì)比度圖像的特征，再對(duì)其通過像素注意力機(jī)制進(jìn)行訓(xùn)練，訓(xùn)練完成后再次進(jìn)行特征提取，使像素和通道兩個(gè)注意模塊對(duì)特征學(xué)習(xí)，實(shí)現(xiàn)低對(duì)比度圖像的增強(qiáng)。文獻(xiàn)[6]提出基于Retinex 算法和視覺感知質(zhì)量評(píng)價(jià)的逆光圖像增強(qiáng)，根據(jù)評(píng)價(jià)結(jié)果進(jìn)行圖像融合，使得圖像的紋理細(xì)節(jié)部分更加突出，整體增強(qiáng)效果更好，平衡了全局與局部的增強(qiáng)性能，實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。但是上述這三種方法的計(jì)算過程較復(fù)雜，并且容易受到噪聲的干擾，不易應(yīng)用到實(shí)際。

人眼對(duì)圖像亮度梯度變化明顯的區(qū)域非常敏感，并且具備自適應(yīng)調(diào)節(jié)圖像亮度的能力。由于低對(duì)比度圖像增強(qiáng)的最終結(jié)果需要符合人眼的視覺感知，因此，本文提出基于視覺感知的低對(duì)比度圖像細(xì)節(jié)增強(qiáng)方法，以此來提升低對(duì)比度圖像的視覺效果。

1 低對(duì)比度圖像細(xì)節(jié)增強(qiáng)方法

1.1 人眼視覺感知特性

針對(duì)某一亮度的刺激，人眼視覺會(huì)在任意區(qū)域內(nèi)發(fā)生近似的對(duì)數(shù)關(guān)系，依據(jù)人眼視覺可以感受到不同刺激變化量的閾值與實(shí)際刺激程度成正比關(guān)系的規(guī)律，可以在圖像領(lǐng)域中發(fā)揮重要作用。在很多圖像應(yīng)用方法中，人眼是圖像的使用和接收者，由于不同的人眼具有不同的區(qū)分能力，因此在對(duì)圖像進(jìn)行增強(qiáng)時(shí)需要結(jié)合人眼的視覺感知特性。對(duì)于低對(duì)比度圖像，人眼視覺的敏感程度較低，人眼在刺激變化量達(dá)到一定比例時(shí)才可以感受到變化，該比例也被稱為韋伯定律，可用公式表示為：

式中：k為常數(shù)；I表示人眼感受到某一刺激變化量的起始數(shù)值；ΔI為人眼感受到某一刺激的最小可覺差（JND），JND 與I成正比，I值越大，JND 值越大。

人眼視覺感知具有的一個(gè)特性是能夠區(qū)分灰度圖像并可以描述灰度程度[7]，采用韋伯定律應(yīng)用于人眼亮度視覺感知中，則有：

式中：B為人眼視覺感知的圖像背景亮度；所對(duì)應(yīng)的JND 為ΔBT，說明圖像背景的亮度B越大，JND 值越大；當(dāng)在一個(gè)較大的區(qū)域內(nèi)，k表示常數(shù)，若圖像背景亮度非常大或者非常小時(shí)，k會(huì)顯著變大。JND 隨著圖像背景亮度的變化而發(fā)生變化的情況叫作人眼亮度掩蔽特性，依據(jù)該特性可以將圖像分為4 個(gè)范圍，如圖1 所示。

圖1 人眼視覺感知的圖像區(qū)域

由圖1 可知，人眼視覺感知圖像的4 個(gè)區(qū)域分別是：德弗里斯區(qū)域，該區(qū)域的斜率為；韋伯區(qū)域，該區(qū)域的斜率為1；飽和區(qū)域，該區(qū)域的斜率一般大于1；暗區(qū)域，該區(qū)域的斜率為0，人眼視覺無法輕易地感受到該區(qū)域圖像的亮度變化。

1.2 基于視覺感知的低對(duì)比度圖像全局增強(qiáng)

由于圖像在處于灰度值比較高或者比較低的條件下，人眼對(duì)該圖像的區(qū)分能力較弱，而灰度值居中時(shí)，人眼對(duì)該圖像的區(qū)分能力較強(qiáng)，所以在對(duì)低對(duì)比度圖像進(jìn)行增強(qiáng)時(shí)，可以將該低對(duì)比度圖像進(jìn)行線性變換，調(diào)整該低對(duì)比度圖像的灰度值在居中區(qū)域，使人眼視覺可以區(qū)分低對(duì)比度圖像內(nèi)容[8]。因?yàn)槿搜墼诮邮漳骋粓D像而受到刺激時(shí)，大腦會(huì)產(chǎn)生一種類似對(duì)數(shù)，所以通過類似對(duì)數(shù)變換的非線性變換方法對(duì)低對(duì)比度圖像的灰度值進(jìn)行自適應(yīng)調(diào)整。設(shè)計(jì)暗適應(yīng)函數(shù)進(jìn)行低對(duì)比度圖像暗適應(yīng)的過程，延長(zhǎng)低對(duì)比度圖像灰度值較低區(qū)域的間隔；設(shè)計(jì)明適應(yīng)度函數(shù)進(jìn)行低對(duì)比度圖像明適應(yīng)過程，延長(zhǎng)低對(duì)比度圖像灰度值較高區(qū)域的間隔。

1）暗適應(yīng)函數(shù)

HSV 色彩空間模型符合人類視覺感受，能夠?qū)⑸史至亢土炼确至窟M(jìn)行分離，在對(duì)亮度分量進(jìn)行處理時(shí)不會(huì)造成色彩分量的失真，因此可以提取亮度分量：

式中：V表示亮度分量；r、g、b表示圖像的三個(gè)通道。

在進(jìn)行圖像暗適應(yīng)的過程中需模仿人眼進(jìn)行瞳孔放大，使多個(gè)光線進(jìn)入到人眼中完成低對(duì)比度圖像全局亮度的調(diào)整。在光線比較暗的條件下，延長(zhǎng)圖像亮度分量V，增強(qiáng)低對(duì)比度圖像亮度[9]。暗適應(yīng)過程主要通過中值濾波的方式將亮度分量中存在亮度較高的雜點(diǎn)進(jìn)行刪除，獲取不含噪的亮度分量Vfilt，再將低對(duì)比度圖像中的像素點(diǎn)等比例延長(zhǎng)到亮度區(qū)域中，獲取最優(yōu)亮度分量Vstr。Vfilt的計(jì)算公式如下：

式中medfilt(V)為中值濾波函數(shù)，表示對(duì)V進(jìn)行中值濾波處理。

根據(jù)Vfilt的計(jì)算結(jié)果，計(jì)算最優(yōu)亮度分量Vstr：

根據(jù)最優(yōu)亮度分量，采用非線性映射方法獲取人眼視覺感知低對(duì)比度圖像的暗適應(yīng)函數(shù)：

式中：a為自適應(yīng)調(diào)整參數(shù)，a影響暗適應(yīng)函數(shù)VD的增強(qiáng)能力。隨著a不斷增加時(shí)，暗適應(yīng)函數(shù)在圖像暗區(qū)的增強(qiáng)能力也隨之增加。

對(duì)于低對(duì)比度圖像的光照情況，將通過低對(duì)比度圖像的亮度均值進(jìn)行估計(jì)，若低對(duì)比度圖像亮度均值比較高，說明低對(duì)比度圖像中暗區(qū)占比較少，可以增加較少的增強(qiáng)力度；反之，若低對(duì)比度圖像亮度均值比較低，說明低對(duì)比度圖像中暗區(qū)占比較多，則增加較多的增強(qiáng)力度。

2）明適應(yīng)函數(shù)

因?yàn)榍笕“颠m應(yīng)函數(shù)是對(duì)低對(duì)比度圖像的暗區(qū)域進(jìn)行增強(qiáng)，所以對(duì)于低對(duì)比度圖像的高亮區(qū)域，則需要通過暗適應(yīng)函數(shù)對(duì)其進(jìn)行反圖像處理，再取反，就是對(duì)低對(duì)比度圖像中的高亮區(qū)域進(jìn)行抑制，明適應(yīng)函數(shù)可用公式表達(dá)為：

通過非線性調(diào)整將低對(duì)比度圖像的高亮區(qū)和暗區(qū)進(jìn)行調(diào)節(jié)，提升了圖像的全局對(duì)比度。

1.3 低對(duì)比度圖像局部增強(qiáng)

在對(duì)圖像全局進(jìn)行對(duì)比度增強(qiáng)時(shí)[10]，低對(duì)比度圖像的局部細(xì)節(jié)通常不能很好的增強(qiáng)，甚至還會(huì)被削弱。因此，引入加權(quán)自適應(yīng)局部低對(duì)比度圖像增強(qiáng)方法。要想使低對(duì)比度圖像細(xì)節(jié)更加清晰，就需要對(duì)圖像進(jìn)行銳化，梯度法是銳化的方式之一。通常情況下，圖像的梯度上具有較高的噪聲[11]。通過空域噪聲限幅策略，噪聲的產(chǎn)生會(huì)使任意一門限大于幅度，梯度處理圖像后，在幅值不大于閾值梯度ε時(shí)令細(xì)節(jié)強(qiáng)度參數(shù)等于0，由于在對(duì)低對(duì)比度圖像進(jìn)行細(xì)節(jié)增強(qiáng)時(shí)，梯度較大的區(qū)域較清晰，而梯度較小的區(qū)域較模糊[12-13]。因此，需要對(duì)梯度小的圖像區(qū)域進(jìn)行細(xì)節(jié)增強(qiáng)，設(shè)一增強(qiáng)參數(shù)s，s與梯度成正比。

低對(duì)比度圖像的加權(quán)自適應(yīng)局部增強(qiáng)表達(dá)式為：

式中：H(xi,j)表示均衡化灰度值；xi,j表示灰度圖像值；mi,j表示以xi,j為中心的鄰域均值；?xi,j表示經(jīng)梯度處理后圖像在(i,j)時(shí)的梯度值；ε表示噪聲梯度閾值；x′i,j表示通過加權(quán)自適應(yīng)局部增強(qiáng)后的低對(duì)比度圖像的灰度值；=，λ為放大系數(shù)?？梢允沟蛯?duì)比度圖像的增強(qiáng)結(jié)果更加柔和，降低視覺感知的銳化程度，增強(qiáng)了低對(duì)比度圖像中不易感受到的細(xì)節(jié)，也抑制了圖像中超過閾值ε的噪聲，具備較好的低對(duì)比度圖像局部增強(qiáng)效果。

2 實(shí)驗(yàn)分析

為了驗(yàn)證本文方法的低對(duì)比度圖像細(xì)節(jié)增強(qiáng)的有效性，以大小為240×524 的低對(duì)比度圖像為實(shí)驗(yàn)對(duì)象，如圖2a）所示。設(shè)置操作實(shí)驗(yàn)環(huán)境為Matlab 2008 編程，系統(tǒng)為Windows 7，內(nèi)存為8 GB，CPU 為酷睿i5 處理器，基于以上操作環(huán)境，通過本文方法對(duì)低對(duì)比度圖像的增強(qiáng)結(jié)果如圖2b）所示。

圖2 本文方法的低對(duì)比度圖像增強(qiáng)結(jié)果

由圖2a）可以看出，未經(jīng)處理前的圖像顯示效果較暗，對(duì)比度較低。由圖2b）可以看出，通過本文方法進(jìn)行低對(duì)比度圖像細(xì)節(jié)增強(qiáng)后，不僅保留了低對(duì)比度圖像的邊緣及細(xì)節(jié)，并且能夠使圖像更加清晰，提升了圖像的視覺效果。

為了進(jìn)一步驗(yàn)證本文低對(duì)比度圖像細(xì)節(jié)增強(qiáng)方法的性能，選取圖像大小為269×455 的低對(duì)比度圖像，并通過文獻(xiàn)[4]基于漸進(jìn)式雙網(wǎng)絡(luò)模型增強(qiáng)方法和文獻(xiàn)[5]基于MDARNet 增強(qiáng)方法以及本文方法對(duì)該圖像進(jìn)行增強(qiáng)，對(duì)比三種方法的低對(duì)比度圖像細(xì)節(jié)增強(qiáng)能力，對(duì)比結(jié)果如圖3 所示。

圖3 不同方法的低對(duì)比度圖像增強(qiáng)結(jié)果

由圖3b）可以看出，通過文獻(xiàn)[4]方法進(jìn)行低對(duì)比度圖像的細(xì)節(jié)增強(qiáng)后，圖像仍然較暗，并且亮度細(xì)節(jié)被削弱，圖像增強(qiáng)效果較差；在圖3c）中可以看出，通過文獻(xiàn)[5]方法對(duì)低對(duì)比度圖像的細(xì)節(jié)增強(qiáng)效果優(yōu)于文獻(xiàn)[4]方法，整體圖像亮度有所提升，但是該圖像的細(xì)節(jié)較模糊；而通過本文方法對(duì)圖3a）進(jìn)行增強(qiáng)后，不僅增強(qiáng)了低對(duì)比度圖像細(xì)節(jié)，并且使增強(qiáng)后的圖像更加明亮清晰。

為了進(jìn)一步驗(yàn)證不同方法對(duì)低對(duì)比度圖像細(xì)節(jié)增強(qiáng)的效果，將文獻(xiàn)[4]方法和文獻(xiàn)[5]方法作為本文方法的對(duì)比方法，采用均方誤差（MSE）、信息熵（Entropy）和峰值信噪比（PSNR）作為這三種方法對(duì)低對(duì)比度圖像細(xì)節(jié)增強(qiáng)的評(píng)價(jià)指標(biāo)。其中，MSE 值越小，表示圖像增強(qiáng)效果越好；Entropy 值越大，表示增強(qiáng)效果越好；PNSR 值越大，表示圖像的失真程度越小。對(duì)比不同方法的低對(duì)比度圖像細(xì)節(jié)增強(qiáng)能力，結(jié)果如表1 所示。

表1 不同方法的增強(qiáng)效果質(zhì)量評(píng)價(jià)

分析表1 中的數(shù)據(jù)可以得出：文獻(xiàn)[4]方法對(duì)低對(duì)比度圖像細(xì)節(jié)增強(qiáng)后，三個(gè)評(píng)價(jià)指標(biāo)的數(shù)值均為最不理想值，說明該方法增強(qiáng)后的圖像失真程度較大，增強(qiáng)效果較差；文獻(xiàn)[5]方法進(jìn)行低對(duì)比度圖像細(xì)節(jié)增強(qiáng)后，除了Entropy 值與本文方法較接近，其余兩個(gè)評(píng)價(jià)指標(biāo)均低于本文方法；而本文方法對(duì)低對(duì)比度圖像細(xì)節(jié)增強(qiáng)后，三個(gè)評(píng)價(jià)指標(biāo)均為最理想值，說明本文方法增強(qiáng)后的低對(duì)比度圖像噪聲含量和失真程度較小，圖像質(zhì)量較高。

3 結(jié) 論

本文通過人眼視覺感知特性將低對(duì)比度圖像進(jìn)行區(qū)域劃分，并將其中的暗區(qū)域結(jié)合全局低對(duì)比度圖像增強(qiáng)方法和局部低對(duì)比度圖像增強(qiáng)方法實(shí)現(xiàn)低對(duì)比度圖像細(xì)節(jié)的增強(qiáng)。通過實(shí)驗(yàn)證明，本文方法對(duì)低對(duì)比度圖像細(xì)節(jié)增強(qiáng)后，不僅可以保留低對(duì)比度圖像的邊緣及細(xì)節(jié)，還提升了圖像的視覺效果，圖像增強(qiáng)能力較強(qiáng)。