摘" 要： 低照度圖像的清晰度低且邊緣細(xì)節(jié)信息處理難度大，導(dǎo)致圖像視覺質(zhì)量低。針對這一問題，文中設(shè)計(jì)一種基于梯度直方圖變換的低照度圖像邊緣細(xì)節(jié)增強(qiáng)處理系統(tǒng)。首先，利用指數(shù)派生函數(shù)，校正低照度圖像的亮度通道，并調(diào)節(jié)低照度圖像亮度；然后，將高斯函數(shù)作為梯度直方圖變換的規(guī)定化函數(shù)，提取已校正亮度通道圖像的邊緣和紋理信息，進(jìn)行梯度直方圖變換；最后，選取Retinex算法和高斯卷積函數(shù)，根據(jù)低照度圖像的梯度直方圖變換結(jié)果估計(jì)圖像的入射光線，實(shí)現(xiàn)低照度圖像的邊緣細(xì)節(jié)增強(qiáng)處理。系統(tǒng)測試結(jié)果表明，該系統(tǒng)能夠顯著增強(qiáng)低照度圖像的邊緣細(xì)節(jié)，提升圖像的視覺質(zhì)量，增強(qiáng)處理后圖像的信息熵均高于6。

關(guān)鍵詞： 梯度直方圖； 低照度圖像； 邊緣細(xì)節(jié)； 增強(qiáng)處理； 指數(shù)派生函數(shù)； Retinex算法

中圖分類號： TN911.73?34； TP399" " " " " " " " " 文獻(xiàn)標(biāo)識碼： A" " " " " " " " " "文章編號： 1004?373X（2025）05?0075?04

Low illumination image edge detail enhancement processing system"based on gradient histogram transform

WANG Mingxun， ZHANG Xiaohui， YU Xinjun， SHEN Huinan

（College of Electrical Engineering， Henan University of Technology， Zhengzhou 450001， China）

Abstract： The low sharpness of low illumination images and the difficulties in processing their edge detail information result in low visual quality. In view of the above， this paper designs a low illumination image edge detail enhancement processing system based on gradient histogram transform. Firstly， an exponential derivative function is used to correct the brightness channel of the low illumination images and adjust their brightness. Then， the Gaussian function is used as the regularization function for gradient histogram transform， extracting the edge and texture information of the images with corrected brightness channels， and performing gradient histogram transform. Finally， the Retinex algorithm and Gaussian convolution function are selected to estimate the image incident light based on the gradient histogram transform results of the low illumination images， so as to achieve the edge detail enhancement processing of the low illumination images. The system test results show that the system can significantly enhance the edge details of the low illumination images， improve the visual quality of the images， and the information entropy of the enhanced images is higher than 6.

Keywords： gradient histogram; low illumination image; edge detail; enhanced processing; exponential derivative function; Retinex algorithm

0" 引" 言

由于光照條件不佳，低照度圖像往往存在細(xì)節(jié)模糊、邊緣信息丟失的問題[1]，極大地影響了圖像的視覺效果和后續(xù)的應(yīng)用處理。近年來，針對圖像增強(qiáng)的研究眾多。文獻(xiàn)[2]針對單傳感器的低照度彩色圖像增強(qiáng)開展研究，由于僅使用單個(gè)傳感器，不需要多個(gè)傳感器之間的同步和校準(zhǔn)，降低了系統(tǒng)復(fù)雜性。但是單傳感器獲取的信息量有限，無法充分捕獲圖像細(xì)節(jié)和色彩信息。低照度彩色圖像增強(qiáng)時(shí)，單傳感器系統(tǒng)可能面臨更大的色彩失真風(fēng)險(xiǎn)，尤其在處理不同光照條件和顏色場景時(shí)。文獻(xiàn)[3]引入注意力機(jī)制，通過多階段方法逐步增強(qiáng)圖像亮度，在每個(gè)階段保留圖像的細(xì)節(jié)信息，防止在增強(qiáng)過程中丟失重要的圖像內(nèi)容。注意力機(jī)制使得網(wǎng)絡(luò)能夠?qū)Ｗ⒂趫D像的關(guān)鍵區(qū)域，對低照度區(qū)域的增強(qiáng)更為精確，有助于提升圖像的整體質(zhì)量和視覺效果。但在某些特定場景下，如極端低照度或高度復(fù)雜的圖像內(nèi)容，該方法的增強(qiáng)效果將受到限制。文獻(xiàn)[4]將空間頻率濾波器應(yīng)用于圖像邊緣增強(qiáng)中，利用雙色輻射濾波器區(qū)分圖像中的不同頻率成分，通過濾波操作強(qiáng)化邊緣信息，使得邊緣在圖像中更加突出，提高了圖像的清晰度。雙色輻射濾波器可以根據(jù)實(shí)際需求調(diào)整，通過改變?yōu)V波器參數(shù)，實(shí)現(xiàn)不同空間頻率的選擇性增強(qiáng)，以適應(yīng)不同的應(yīng)用場景。但是在增強(qiáng)圖像邊緣的同時(shí)，雙色輻射濾波器同時(shí)放大了圖像中的噪聲，特別是噪聲水平較高的圖像，且濾波器參數(shù)設(shè)置不當(dāng)時(shí)，將導(dǎo)致邊緣信息過度增強(qiáng)或不足，影響圖像的視覺效果。文獻(xiàn)[5]將粗糙集理論應(yīng)用于微小缺陷圖像對比度增強(qiáng)中，通過對圖像進(jìn)行直方圖變換，提升圖像對比度，使微小缺陷在圖像中更為突出。但是由于該算法涉及圖像的精細(xì)劃分和多種變換處理，在處理復(fù)雜紋理或顏色多變的低照度圖像時(shí)，難以準(zhǔn)確地劃分圖像區(qū)域或去除噪聲。

梯度直方圖對局部圖像梯度方向信息的統(tǒng)計(jì)能力強(qiáng)[2]，使得它在目標(biāo)檢測、圖像識別等方面具有顯著優(yōu)勢。對低照度圖像進(jìn)行梯度直方圖變換，能夠有效地捕捉到圖像的邊緣和紋理信息[6?7]，為低照度圖像的邊緣細(xì)節(jié)增強(qiáng)提供了新的思路。因此，針對以上研究在圖像增強(qiáng)中存在的問題，本文設(shè)計(jì)了基于梯度直方圖變換的低照度圖像邊緣細(xì)節(jié)增強(qiáng)處理系統(tǒng)，通過統(tǒng)計(jì)和分析圖像的梯度信息，使低照度圖像的邊緣信息更加清晰、細(xì)節(jié)更加豐富，為圖像識別、目標(biāo)檢測等后續(xù)應(yīng)用提供了更準(zhǔn)確和可靠的輸入數(shù)據(jù)。

1" 低照度圖像邊緣細(xì)節(jié)增強(qiáng)處理系統(tǒng)

1.1" 基于指數(shù)派生函數(shù)校正低照度圖像亮度通道

針對低照度圖像光照分量較低的問題，為了提升低照度圖像的光照分量，對其亮度通道細(xì)節(jié)增強(qiáng)處理，實(shí)現(xiàn)亮度通道校正。本文利用指數(shù)派生函數(shù)校正低照度圖像的亮度通道，調(diào)節(jié)低照度圖像亮度[8]，獲取最佳的邊緣細(xì)節(jié)增強(qiáng)效果。定義低照度圖像亮度通道校正的指數(shù)派生函數(shù)為：

[I?=11+exp-αI+1exp-βI-20] （1）

式中：[I?]與[I]分別表示亮度通道校正后的圖像以及初始低照度圖像；[α]與[β]分別表示亮區(qū)域以及暗區(qū)域的增益調(diào)整系數(shù)。

依據(jù)低照度圖像的統(tǒng)計(jì)特性，確定參數(shù)[α]為：

[α=lnξ×mb md] （2）

式中：[mb]與[md]分別表示低照度圖像的較亮區(qū)域與較暗區(qū)域的像素均值；[ξ]表示常量系數(shù)。

根據(jù)以上過程對低照度圖像進(jìn)行亮度通道校正，為后續(xù)的低照度圖像邊緣細(xì)節(jié)增強(qiáng)處理提供基礎(chǔ)。

1.2" 低照度圖像的梯度直方圖變換

針對完成亮度通道校正后的低照度圖像，進(jìn)行梯度直方圖變換，提取圖像中的梯度信息以及邊緣和紋理特征[9]，作為后續(xù)低照度圖像邊緣細(xì)節(jié)增強(qiáng)的輸入。

圖像的視覺效果受梯度值影響較大，圖像梯度值在細(xì)節(jié)紋理越豐富時(shí)越大。假設(shè)[Ix，y]表示亮度通道校正后的低照度圖像，圖像中點(diǎn)[q]的梯度表達(dá)式如下：

[?Iq=?Iq ?x，?Iq ?y] （3）

通過式（3）可以看出，圖像中各像素點(diǎn)的梯度共同形成了圖像的梯度矢量場。圖像的矢量方向以及梯度值分別表示灰度變化方向以及灰度變化速度。利用梯度值的像素總數(shù)量[10]，以及像素?cái)?shù)量與梯度值之間的關(guān)聯(lián)，可以構(gòu)建低照度圖像的梯度直方圖。

選取高斯函數(shù)作為低照度圖像梯度直方圖變換的規(guī)定化函數(shù)，其表達(dá)式如下：

[fx=12πe-x-μ22η2] （4）

式中：[x]表示隨機(jī)像素點(diǎn)；[μ]與[η]均表示高斯系數(shù)，二者分別用于調(diào)整高斯峰位置以及平緩程度。[μ]、[η]的表達(dá)式如下：

[μ=?Iqp?Iq] （5）

[η=1 ??Iq-μ2p?Iq2] （6）

式中：[?]與[p]分別表示常數(shù)以及梯度的概率密度。

利用高斯函數(shù)進(jìn)行低照度圖像梯度直方圖變換的過程如下。

步驟1：計(jì)算低照度圖像[Ix，y]原梯度值[?Iq]的變換梯度[?I′q]的表達(dá)式如下：

[?I′q=P?Iq=p?Iq=Nn] （7）

式中：[n]與[N]分別表示梯度值為[?Iq]的像素?cái)?shù)量以及圖像像素總數(shù)量；[P]表示概率密度和。

步驟2：搜尋圖像變換梯度[?I′q]與目標(biāo)梯度值的變換關(guān)系，確定低照度圖像目標(biāo)梯度值的表達(dá)式如下：

[?Z=G-1?I′q] （8）

式中[G-1]表示規(guī)定化梯度場[G]的逆變換。

步驟3：利用以上過程確定原始低照度圖像規(guī)定化處理的梯度值后，利用所獲取的梯度值及其對應(yīng)的矢量方向[11]建立規(guī)定化梯度場[G]。[G]的表達(dá)式如下：

[G=S?I?I?I] （9）

式中：[I]與[?I]分別表示原始低照度圖像及其梯度值；[S]表示高斯函數(shù)規(guī)定化處理后的圖像梯度值。

利用以上過程完成亮度通道校正后低照度圖像的梯度直方圖變換。計(jì)算變換后的圖像像素點(diǎn)的灰度值，設(shè)置全部像素點(diǎn)的灰度均值作為閾值。依據(jù)所設(shè)置的閾值識別低照度圖像的邊緣像素點(diǎn)以及背景像素點(diǎn)。

1.3" Retinex算法的低照度圖像邊緣細(xì)節(jié)增強(qiáng)

依據(jù)圖像的梯度直方圖變換結(jié)果，選取Retinex算法對低照度圖像進(jìn)行邊緣細(xì)節(jié)增強(qiáng)處理，使圖像的邊緣信息更加清晰，細(xì)節(jié)更加豐富。假設(shè)[Rx，y]表示圖像中的物體表面反射光線，利用Retinex增強(qiáng)算法構(gòu)建圖像目標(biāo)與圖像光線的關(guān)系式。

[Gx，y=Rx，y+Lx，y] （10）

式中：[Gx，y]與[Lx，y]分別表示輸入的圖像梯度直方圖變換結(jié)果及環(huán)境總?cè)肷涔饩€。

由于圖像中物體本身存在固定的顏色屬性，因此物體反射光線的能力與環(huán)境入射光線無關(guān)。對式（10）兩側(cè)取對數(shù)，可得：

[lnGx，y=lnRx，y+lnLx，y] （11）

所求低照度圖像通道反射分量的表達(dá)式如下：

[lnRix，y=lnGix，y-lnLix，y] （12）

式中[i]表示低照度圖像的顏色分量通道，分別為R、G、B。通過以上過程可知，入射光線分量[Lx，y]決定了反射光線分量[Rx，y]，影響最終的低照度圖像邊緣細(xì)節(jié)增強(qiáng)效果。由于圖像的入射光線[Lx，y]為低頻信號，選取高斯卷積函數(shù)，通過輸入的圖像梯度直方圖變換結(jié)果估計(jì)圖像入射光線的表達(dá)式如下：

[Lx，y=Gx，y×Hx，y] （13）

式中[Hx，y]表示高斯卷積函數(shù)。

將式（13）代入式（11），根據(jù)圖像入射光線估計(jì)結(jié)果，獲取利用Retinex算法增強(qiáng)低照度圖像邊緣細(xì)節(jié)的最終表達(dá)式：

[Yx，y=lnGx，y-lnGx，y×Hx，y] （14）

通過式（14）獲取的[Yx，y]，即最終低照度圖像的邊緣細(xì)節(jié)增強(qiáng)處理結(jié)果。

2" 系統(tǒng)測試

為了測試所設(shè)計(jì)系統(tǒng)對低照度圖像邊緣細(xì)節(jié)的增強(qiáng)處理性能，設(shè)計(jì)如下測試。選取網(wǎng)絡(luò)中某低照度圖像集作為測試對象，該低照度圖像集中共包括8個(gè)不同低照度類型的樣本子集，低照度圖像集的樣本設(shè)置見表1。

從低照度圖像集中隨機(jī)選取某低照度圖像，原始低照度圖像如圖1a）所示。采用本文系統(tǒng)對該低照度圖像進(jìn)行亮度通道校正，該圖像的亮度通道校正結(jié)果如圖1b）所示。

觀察圖1b）實(shí)驗(yàn)結(jié)果可以看出，本文系統(tǒng)可以有效實(shí)現(xiàn)對圖像亮度通道的校正。經(jīng)過亮度通道校正后，圖像的亮度有了明顯的提升，改善了低照度圖像亮度過暗、影響圖像質(zhì)量的問題，為提升圖像邊緣細(xì)節(jié)增強(qiáng)性能提供了可靠的基礎(chǔ)。

采用本文方法對該低照度圖像進(jìn)行梯度直方圖變換，獲取的梯度直方圖如圖2所示。

觀察圖2可以看出，本文系統(tǒng)能夠?qū)Φ驼斩葓D像進(jìn)行有效的梯度直方圖變換，獲取低照度圖像對應(yīng)的梯度直方圖。梯度直方圖能夠有效體現(xiàn)低照度圖像的邊緣信息以及細(xì)節(jié)信息，提升邊緣細(xì)節(jié)增強(qiáng)處理性能。

本文系統(tǒng)增強(qiáng)處理的最終結(jié)果如圖3所示。

觀察圖3實(shí)驗(yàn)結(jié)果可以看出，采用本文系統(tǒng)能夠?qū)崿F(xiàn)低照度圖像邊緣細(xì)節(jié)的有效增強(qiáng)。經(jīng)過邊緣細(xì)節(jié)增強(qiáng)處理后的低照度圖像質(zhì)量有了明顯提升，圖像的邊緣細(xì)節(jié)更加明顯，清晰度與對比度有了明顯的提升。本文系統(tǒng)通過對低照度圖像進(jìn)行邊緣細(xì)節(jié)增強(qiáng)，實(shí)現(xiàn)圖像邊緣信息的有效捕獲和增強(qiáng)，顯著改善了低照度圖像的視覺效果，使邊緣信息更加清晰，細(xì)節(jié)更加豐富。

為了進(jìn)一步驗(yàn)證本文系統(tǒng)的增強(qiáng)性能，統(tǒng)計(jì)本文系統(tǒng)對實(shí)驗(yàn)樣本集中各子集中低照度圖像的邊緣細(xì)節(jié)增強(qiáng)處理結(jié)果。選取信息熵、對比度以及峰值信噪比作為衡量本文系統(tǒng)增強(qiáng)圖像邊緣細(xì)節(jié)性能的評價(jià)指標(biāo)，得到性能評價(jià)結(jié)果如表2所示。

根據(jù)表2實(shí)驗(yàn)結(jié)果可以看出，針對不同類型的低照度圖像本文系統(tǒng)均具有良好的邊緣細(xì)節(jié)增強(qiáng)效果，各樣本子集的平均信息熵均高于6.5，峰值信噪比均高于30 dB，對比度值均處于20～30之間。信息熵能夠體現(xiàn)圖像中包含的細(xì)節(jié)信息，本文系統(tǒng)增強(qiáng)后的低照度圖像能夠更好地保留圖像中的細(xì)節(jié)，實(shí)現(xiàn)不同類型低照度圖像的有效處理。對比度過高，容易出現(xiàn)圖像失真的情況，影響圖像質(zhì)量。本文系統(tǒng)有效地將圖像對比度控制在20～30之間，獲得了最佳的圖像質(zhì)量以及視覺效果。

3" 結(jié)" 論

本文通過對低照度圖像進(jìn)行梯度直方圖變換，構(gòu)建低照度圖像邊緣細(xì)節(jié)增強(qiáng)處理系統(tǒng)。梯度直方圖變換能夠有效地提取圖像的邊緣和紋理信息，精確地捕捉圖像中的關(guān)鍵細(xì)節(jié)，為后續(xù)的邊緣細(xì)節(jié)增強(qiáng)處理提供了有力支持。系統(tǒng)測試結(jié)果表明，本文系統(tǒng)在不同光照條件下的增強(qiáng)處理中均表現(xiàn)出良好的穩(wěn)定性。對于弱光圖像、夜間圖像，該系統(tǒng)都能夠有效的進(jìn)行增強(qiáng)處理，使圖像質(zhì)量得到顯著提升。

注：本文通訊作者為張曉輝。

參考文獻(xiàn)

[1] 蔣一純，詹偉達(dá)，朱德鵬.基于亮度通道細(xì)節(jié)增強(qiáng)的低照度圖像處理[J].激光與光電子學(xué)進(jìn)展，2021，58（4）：91?99.

[2] 金石開，徐江濤，聶凱明.基于單傳感器的低照度彩色圖像增強(qiáng)系統(tǒng)[J].激光與光電子學(xué)進(jìn)展，2021，58（14）：130?138.

[3] 諶貴輝，林瑾瑜，李躍華，等.注意力機(jī)制下的多階段低照度圖像增強(qiáng)網(wǎng)絡(luò)[J].計(jì)算機(jī)應(yīng)用，2023，43（2）：552?559.

[4] KOTOV V M. Two?dimensional image edge enhancement using a spatial frequency filter of two?color radiation [J]. Quantum electronics， 2021， 51（4）： 348?352.

[5] 唐愛平，楊麗.基于粗糙集的微小缺陷圖像對比度增強(qiáng)算法[J].控制工程，2023，30（5）：881?885.

[6] 王利娟，常霞，任旺.基于加權(quán)直方圖均衡化彩色圖像增強(qiáng)仿真[J].計(jì)算機(jī)仿真，2021，38（12）：126?131.

[7] 張姣，張毅.機(jī)器視覺圖像邊緣細(xì)節(jié)無序增強(qiáng)算法研究[J].計(jì)算機(jī)仿真，2023，40（8）：211?214.

[8] 蔣昊，徐海松.基于直方圖與圖像分塊融合的階調(diào)映射算法[J].浙江大學(xué)學(xué)報(bào)（工學(xué)版），2022，56（11）：2224?2231.

[9] 江巨浪，劉國明，朱柱，等.基于快速模糊聚類的動態(tài)多直方圖均衡化算法[J].電子學(xué)報(bào)，2022，50（1）：167?176.

[10] 周輝奎，顧牡丹.自適應(yīng)加權(quán)直方圖均衡化的紅外圖像增強(qiáng)[J].光學(xué)技術(shù)，2023，49（6）：750?755.

[11] 游達(dá)章，陶加濤，張業(yè)鵬，等.基于灰度變換及改進(jìn)Retinex的低照度圖像增強(qiáng)[J].紅外技術(shù)，2023，45（2）：161?170.

[12] 黃淑英，黎為，楊勇，等.基于照度圖引導(dǎo)的低照度圖像增強(qiáng)網(wǎng)絡(luò)[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2024，36（1）：92?101.

[13] 柳磊，錢蕓生.基于FPGA的低照度圖像采集與處理系統(tǒng)研究[J].紅外技術(shù)，2022，44（5）：462?468.

基金項(xiàng)目：河南省自然科學(xué)基金項(xiàng)目（202300410117）；河南省科技攻關(guān)項(xiàng)目（192102210240）

作者簡介：王銘勛（1995—），男，河南新鄉(xiāng)人，碩士研究生，研究方向?yàn)閳D像處理和深度學(xué)習(xí)。

張曉輝（1981—），男，河南鄭州人，博士研究生，副教授，主要從事嵌入式圖像處理、超大規(guī)模集成電路的研究與設(shè)計(jì)等方面的教學(xué)與科研工作。

于心?。?969—），男，河南鄭州人，碩士研究生，副教授，主要從事集成電路的研究與設(shè)計(jì)等方面的教學(xué)與科研工作。

申慧男（1994—），男，山東日照人，碩士研究生，研究方向?yàn)閳D像處理和深度學(xué)習(xí)。