孔繁庭

摘要：圖像增強(qiáng)是指按特定的需要采用特定方法突出圖像中的某些信息，同時(shí)削弱或去除無(wú)關(guān)信息，或?qū)⒃瓐D轉(zhuǎn)換成一種更適合人或機(jī)器進(jìn)行分析處理的形式的圖像處理方法，圖像增強(qiáng)的算法和方法很多，效果也不同。本文提出了自適應(yīng)動(dòng)態(tài)峰值剪切直方圖均衡化算法，實(shí)驗(yàn)結(jié)果表明自適應(yīng)動(dòng)態(tài)峰值剪切直方圖均衡化算法對(duì)灰度圖像的增強(qiáng)取得了較好的增強(qiáng)效果，使得圖像質(zhì)量得到了有效的提高。

關(guān)鍵詞：圖像增強(qiáng) 直方圖均衡化 自適應(yīng)動(dòng)態(tài)峰值剪切

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2014）12-0225-01

1 圖像增強(qiáng)

在拍攝圖像的過(guò)程中，由于光源等問(wèn)題的影響，圖像質(zhì)量很肯能受到影響而偏低。為了使這類圖像的質(zhì)量提高，視覺效果進(jìn)行改善，需要對(duì)圖片進(jìn)行增強(qiáng)處理。圖像增強(qiáng)是圖像處理的方法之一，且操作相對(duì)簡(jiǎn)單。常見的圖像增強(qiáng)方法包括：噪聲去除、圖像銳化、幾何畸變校正、灰度變換、直方圖均衡化、頻域?yàn)V波等。根據(jù)處理圖片的空間不同，我們將圖像增強(qiáng)分為兩類：頻率域圖像增強(qiáng)以及空間域圖像增強(qiáng)。

2 灰度圖像的直方圖均衡化算法

灰度圖像對(duì)比度增強(qiáng)是圖像增強(qiáng)方法的一種，目的在于對(duì)整體或者局部的反差程度進(jìn)行調(diào)節(jié)，從而使圖像質(zhì)量得以提高。

對(duì)比度增強(qiáng)在近幾年的關(guān)注度不斷提高，常見的對(duì)比度增強(qiáng)的方法包括全局處理以及區(qū)域自適應(yīng)處理方法。而全局處理方法中又包括直方圖均衡化以及伽馬矯正。

灰度圖像的直方圖均衡化算法主要包括：傳統(tǒng)直方圖均衡化算法、基于圖像均值分割的亮度均值穩(wěn)定性的直方圖均衡化算法、等面積的雙子圖像直方圖均衡化算法、RMSHE算法和RSmE算法、BHEPL 算法等等。本文主要介紹了自適應(yīng)動(dòng)態(tài)峰值剪切直方圖均衡化算法。

3 自適應(yīng)動(dòng)態(tài)峰值剪切直方圖均衡化算法

在傳統(tǒng)的直方圖均衡化處理中存在導(dǎo)致一些退化效應(yīng)，如灰度圖像部分出現(xiàn)過(guò)度增強(qiáng)和光暈。相關(guān)學(xué)者提出，直方圖均衡化處理的退化效應(yīng)的原因在于在對(duì)圖像進(jìn)行均衡化處理時(shí)灰度圖像的灰度均值被搬移導(dǎo)致的，所以可以通過(guò)對(duì)加強(qiáng)灰度圖像處理前后的灰度均值穩(wěn)定性來(lái)解決該問(wèn)題。

為了使得直方圖均衡化算法的實(shí)際應(yīng)用效果更加出色，不少學(xué)者選擇了多子圖像的直方圖均衡化處理方式，但是這種方式的代價(jià)就是犧牲了圖像的增強(qiáng)程度；除此之外，還有部分學(xué)者通過(guò)對(duì)每個(gè)分割區(qū)間直方圖的峰值進(jìn)行切割來(lái)盡量避免在一個(gè)小區(qū)見內(nèi)的像素點(diǎn)集中，從而出現(xiàn)的部分區(qū)域的過(guò)分增強(qiáng)。這兩種思路取得了一定的效果，但是由于算法本身是具有局限性的，所以仍需要尋求其他算法來(lái)使灰度圖像的增強(qiáng)處理結(jié)果更加理想。本文提出了自適應(yīng)動(dòng)態(tài)峰值剪切直方圖均衡化算法。自適應(yīng)動(dòng)態(tài)峰值剪切直方圖均衡化算法的步驟如圖1所示：

在該算法中，結(jié)合了多子直方圖均衡化以及剪切直方圖均衡化的優(yōu)勢(shì)，確保了圖像處理前后灰度均值的穩(wěn)定性。

3.1 最佳分割值的選擇

在本文中通過(guò)對(duì)輸入圖像直方圖的局部最值和群求其直方圖的分割值。由于灰度圖像的直方圖中是存在很多小的波動(dòng)的，所以我們首先要對(duì)直方圖進(jìn)行濾波。本文中我們使用的是一維的1x5均值濾波器，通過(guò)濾波，濾除了一些虛假的極值點(diǎn)后，就得到了一個(gè)平滑的灰度圖像直方圖波形，本文的劃分標(biāo)準(zhǔn)是局部極大值。

在獲得局部最大值上，我們參考K. Wongsritong等的相關(guān)文獻(xiàn)中對(duì)局部極值的算法：首先要對(duì)濾波后的灰度圖像直方圖進(jìn)行灰度級(jí)設(shè)置，為了方便對(duì)局部極值的尋找，我們有以下規(guī)定：

b（k）表示的是對(duì)k級(jí)灰度值的標(biāo)號(hào)，而h（k）是k級(jí)灰度值上的像素個(gè)數(shù)。上面式子的算法意義是：比較k級(jí)與k-1級(jí)的h，若k級(jí)大于等于k-1級(jí)，則標(biāo)號(hào)k級(jí)為1，否則-1。這樣我們就比較容易通過(guò)定義一個(gè)對(duì)則來(lái)對(duì)滿足條件的極值進(jìn)行尋找了。

在處理之后有時(shí)會(huì)出現(xiàn)極值點(diǎn)與兩側(cè)極小值點(diǎn)差異不大的情況，所以為了優(yōu)化圖像的增強(qiáng)效果需要去除這些點(diǎn)，得到我們的最佳分割點(diǎn)，我們?cè)O(shè)置了以下條件：

（h（k）-M（k-1））/T≥f

（h（k）-M（k+1））/T≥f

在上式中，M（k+1）表示的是區(qū)間極小值點(diǎn)的像素個(gè)數(shù)，r代表灰度區(qū)間的大小，參數(shù)f為閥值，其可以調(diào)節(jié)去除虛假極值點(diǎn)的強(qiáng)度。

3.2 映射區(qū)間的動(dòng)態(tài)劃分

為了更好的處理灰度圖像，我們需要參照上文得到的分割值分割灰度區(qū)間。但是在分區(qū)中，通常會(huì)出現(xiàn)某個(gè)像素區(qū)間較大的情況，所以我們需要參照分割區(qū)間的范圍大小以及區(qū)間內(nèi)的像素個(gè)數(shù)對(duì)區(qū)間進(jìn)行重新規(guī)劃。

3.3 剪切直方圖

為了使灰度圖像在處理后的灰度均值的穩(wěn)定性得到保證，避免灰度圖像中的像素點(diǎn)的過(guò)分集中，從而導(dǎo)致的圖像部分區(qū)域的過(guò)度增強(qiáng)現(xiàn)象，我們還需要對(duì)每個(gè)區(qū)間的直方圖進(jìn)行處理。

3.4 圖像均衡化處理

直方圖在經(jīng)過(guò)區(qū)間分割以及剪切峰值操作處理后，要對(duì)每個(gè)區(qū)間的子圖像進(jìn)行獨(dú)立的直方圖均衡化操作。

3.5 灰度歸一化處理

灰度歸一化處理就是為了使灰度均值在持灰度圖像處理前后的穩(wěn)定性得以保證。

3.6 實(shí)驗(yàn)結(jié)果分析與對(duì)比

本算法與BBHE算法、DSIHE算法、RMSHE算法、RSIHE算法以及DQHEPL算法的處理結(jié)果進(jìn)行了對(duì)比，發(fā)現(xiàn)本算法下的圖像增強(qiáng)效果更好，比其他圖像的處理結(jié)果更加柔和，輪廓更加清晰。

4 結(jié)語(yǔ)

本文針對(duì)直方圖均衡化傳統(tǒng)方法處理的一些缺陷與局限性導(dǎo)致的灰度圖像在增強(qiáng)處理時(shí)退化效應(yīng)的出現(xiàn)文本主要介紹了自適應(yīng)動(dòng)態(tài)峰值剪切直方圖均衡化算法，通過(guò)對(duì)輸入的灰度圖像直方圖進(jìn)行分割、灰度區(qū)間映射、剪切等處理過(guò)程的介紹，證明了其對(duì)于灰度圖像增強(qiáng)處理上的優(yōu)越性。相關(guān)實(shí)驗(yàn)也同樣證明了該算法能夠有效避免圖像處理過(guò)程中的退化效應(yīng)的發(fā)生。

參考文獻(xiàn)

[1]朱遵尚.圖像增強(qiáng)技術(shù)研究[D].國(guó)防科學(xué)技術(shù)大學(xué)，2009.

[2]郭曉婷.低照度圖像增強(qiáng)算法的研究[D].華南理工大學(xué)，2013.

[3]張錚，王艷平，薛桂香.數(shù)字圖像處理與機(jī)器視覺[M].北京：人民郵電出版社，2010.endprint