張騰騰 雷靜思

摘要：監(jiān)控?cái)z像機(jī)的圖像在夜晚黑白模式下噪點(diǎn)較多，為解決在高噪聲下清晰度評(píng)價(jià)函數(shù)效果差的問(wèn)題，首先提出一種使用斜條形窗口的條形區(qū)域選擇方法大幅度縮減高清圖像的運(yùn)算量，之后提出一種使用清晰度評(píng)價(jià)因子來(lái)修正Laplace算子檢測(cè)結(jié)果的清晰度評(píng)價(jià)算法。該算法首先對(duì)圖像進(jìn)行均值加權(quán)濾波，在縮小圖像尺寸的同時(shí)進(jìn)行降噪處理，對(duì)濾波后的圖像進(jìn)行Laplace算子清晰度計(jì)算，獲取其清晰度值，之后使用像素區(qū)間比例因子和歸一化鄰近差值兩種計(jì)算方法對(duì)濾波后的圖像進(jìn)行處理得到清晰度評(píng)價(jià)因子，使用該因子對(duì)清晰度值進(jìn)行修正。仿真實(shí)驗(yàn)表明，其在高噪聲下仍能具有快速良好的評(píng)價(jià)效果。

關(guān)鍵詞：圖像清晰度評(píng)價(jià);條形窗口;清晰度評(píng)價(jià)因子;均值加權(quán)濾波;Laplace算子

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2019）07-0117-05

0 引言

由于集成電路和數(shù)字化的高速發(fā)展，高清圖像已經(jīng)越來(lái)越多的被人們所接受。在視頻監(jiān)控行業(yè)中，高清4K分辨率已經(jīng)得到快速的應(yīng)用，但隨著圖像數(shù)據(jù)的迅速增加清晰度評(píng)價(jià)算法計(jì)算時(shí)間也不斷增加。降低計(jì)算時(shí)間的方法主要通過(guò)采用高性能專用處理器、簡(jiǎn)化清晰度評(píng)價(jià)函數(shù)以及選擇合適的清晰度評(píng)價(jià)窗口。

傳統(tǒng)的圖片窗口選擇算法有固定區(qū)域選擇算法[1]和自適應(yīng)窗口選擇算法[2]，前者主要使用一個(gè)或者多個(gè)固定窗口來(lái)選擇圖片區(qū)域，其都具有一個(gè)特點(diǎn)，即窗口為方形或者圓形等大片局部圖像窗口[1]，對(duì)于4K分辨率的圖片來(lái)說(shuō)，在很大一片區(qū)域中圖像有可能是不存在物體細(xì)節(jié)的，即方形或者圓形窗口中是均勻單一的背景，即使使用512*512像素范圍也有可能出現(xiàn)細(xì)節(jié)成分少的情況，這將不利于圖像清晰度檢測(cè)。后者主要通過(guò)全圖檢測(cè)后自動(dòng)選擇評(píng)價(jià)窗口，此法更不可取，因?yàn)閷?duì)于4K分辨率的圖像來(lái)說(shuō)全圖檢測(cè)計(jì)算將會(huì)消耗大量時(shí)間。清晰度評(píng)價(jià)函數(shù)必須具有高靈敏性、單峰型和抗干擾性[6]，傳統(tǒng)的清晰度評(píng)價(jià)函數(shù)有基于灰度值計(jì)算的函數(shù)[2-6]，其特點(diǎn)是計(jì)算速度快，但易受噪聲影響，變換域[1，4，6]針對(duì)大圖片計(jì)算量大，但抗噪效果好。對(duì)于噪聲的抑制有兩種方法[7]，第一種使用噪聲檢測(cè)和噪聲消除的方法進(jìn)行去噪處理，第二種是使用濾波方式進(jìn)行降噪處理，由于只針對(duì)部分圖像處理，故相比較去噪而言，降噪處理更為合適，濾波效果會(huì)在一定程度上削弱細(xì)節(jié)成分，但這種削弱是整體性的，即無(wú)論圖片是否清晰都減少了細(xì)節(jié)成分。

1 斜條形窗口選擇方法

在4K圖像處理中，由于場(chǎng)景復(fù)雜，當(dāng)物體較大時(shí)，其在圖像中將會(huì)占據(jù)一定區(qū)域的像素，這就會(huì)導(dǎo)致傳統(tǒng)窗口選擇區(qū)域中不含細(xì)節(jié)或者細(xì)節(jié)較少[2]。為了防止傳統(tǒng)的圓形、方形等集中塊式窗口選擇方法產(chǎn)生的以上問(wèn)題，本研究使用條形分散式窗口方法，但由于圖像物體一般為水平或者垂直分布，故使用傾斜的條形區(qū)域盡可能分散窗口。為防止一個(gè)窗口帶來(lái)的誤判斷，本研究使用3個(gè)斜條形窗口進(jìn)行評(píng)價(jià)，如圖1窗口選取圖。

圖1中圖片尺寸為2160*3840，圖1中左圖中的黑色條形框?yàn)楸狙芯克褂么翱?，其水平位置位?/4至3/4處，即從地540行至1620行，垂直中心位置分別位于1/4、1/2、3/4處，傾斜角為45度，上圖中右圖為窗口內(nèi)容圖，每個(gè)大小為1080*102，三個(gè)窗口總尺寸為1080*306，窗口圖像的獲取只需要在YUV數(shù)據(jù)中選擇Y分量固定區(qū)域內(nèi)的數(shù)據(jù)即可。在多種噪聲下分別使用斜條形窗口選擇算法和中心窗口法，以及全圖處理方法進(jìn)行效果比較，場(chǎng)景使用圖1所示場(chǎng)景的41張逐漸聚焦的連續(xù)聚焦圖片序列如圖2所示。

清晰度評(píng)價(jià)函數(shù)選用Laplace算子函數(shù)[3]，其算子定義如右：

計(jì)算公式如右：

在無(wú)噪聲下，所有窗口選擇方法的歸一化評(píng)價(jià)函數(shù)都比較理想，但在有噪聲下，如圖3所示本研究所提算法最接近全圖處理的效果。實(shí)際的運(yùn)行時(shí)間三條形窗口與五區(qū)域方法時(shí)間一樣為0.468秒，而中心窗口為0.499秒，全圖檢測(cè)為12.745秒，全圖處理速度是使用三條形窗口算法的速度的27倍之多。由于所選窗口為全圖的4%，大大降低了所要處理的數(shù)據(jù)量，故極大的降低了處理時(shí)間。圖3同時(shí)也表明，使用Laplace算子作為清晰度評(píng)價(jià)函數(shù)易受噪聲影響，稍微有點(diǎn)噪聲，就會(huì)造成在高度離焦下評(píng)價(jià)函數(shù)值異常升高。

2 修正的Laplace算子梯度函數(shù)

由于Laplace算子是基于梯度的檢測(cè)方法[3]，其對(duì)于噪聲非常敏感，稍有噪聲就會(huì)造成清晰度評(píng)價(jià)函數(shù)異常，經(jīng)對(duì)含有噪點(diǎn)的模糊圖像和含有噪點(diǎn)的清晰圖像的分析發(fā)現(xiàn)，噪聲的存在會(huì)加大相鄰像素差值，對(duì)于4K分辨率的圖像來(lái)說(shuō)，相鄰像素改變量很小，只有在圖像清晰時(shí)的邊緣才會(huì)出現(xiàn)大的跳動(dòng)，故可以通過(guò)濾波方式進(jìn)行降噪，濾波降噪有很多方法，在文獻(xiàn)[8]中將濾波與邊緣檢測(cè)相結(jié)合獲得了較好的效果，依照該思路本文采用局部均值濾波并加權(quán)的方式來(lái)減小噪聲的影響。

2.1 均值加權(quán)濾波

均值加權(quán)濾波原理是對(duì)圖像3*3的小塊進(jìn)行取平均值，之后利用其左側(cè)，上側(cè)，左上側(cè)相鄰處理結(jié)果乘以不同系數(shù)進(jìn)行加權(quán)，從而獲得一副更小尺寸的濾波圖片，原理框圖如圖4所示。

濾波后的圖像數(shù)據(jù)量比原圖像小了9倍，且由于使用均值濾波，使得圖片變得稍微模糊了，而從數(shù)據(jù)上來(lái)看，均值加權(quán)濾波后的數(shù)據(jù)更趨近于整個(gè)圖像的平均值，此平均值可以通過(guò)將所有像素值累加后除以像素個(gè)數(shù)得到，記為，在濾波后對(duì)計(jì)算結(jié)果累加即可得到。

數(shù)據(jù)分布上來(lái)說(shuō)，由于濾波后像素值處于最小值0附近和最大值255附近的值減少，處于整個(gè)圖片的平均值像素附近的值增加，故可以使用像素區(qū)間比例因子來(lái)反映圖像清晰度。

2.2 像素區(qū)間比例因子

通過(guò)以上均值加權(quán)濾波的方法將圖片縮小且進(jìn)行降噪處理后，像素值將會(huì)向平均值靠近，這時(shí)候?qū)γ總€(gè)像素值進(jìn)行區(qū)間統(tǒng)計(jì)，而區(qū)間統(tǒng)計(jì)時(shí)需要將的像素值劃分為多個(gè)區(qū)間段進(jìn)行統(tǒng)計(jì)，本研究使用利用整個(gè)圖像的平均值將0-255劃分為5個(gè)區(qū)間段，如下所示：

區(qū)間一：，區(qū)間二： ，區(qū)間三：，區(qū)間四：，區(qū)間五：。其中，使用該方法進(jìn)行像素區(qū)間分段，主要考慮在不同環(huán)境下，圖片的整體亮度不一樣，使用平均像素來(lái)進(jìn)行自適應(yīng)分區(qū)能減少由于畫(huà)面整體偏亮或者整體偏暗導(dǎo)致在某一區(qū)上統(tǒng)計(jì)值發(fā)生異常，若，則令。對(duì)不同區(qū)間統(tǒng)計(jì)結(jié)果分別記為，其中為第一個(gè)區(qū)間的統(tǒng)計(jì)值，為第五個(gè)區(qū)間的統(tǒng)計(jì)值。則像素區(qū)間比例因子的計(jì)算方法如下：

其中，為像素區(qū)間比例因子，為調(diào)節(jié)因子，由于圖片像素值集中于平均值，故的值最大，若圖像清晰則會(huì)減小，而其與值會(huì)增加，尤其是和會(huì)增加，通過(guò)計(jì)算不同區(qū)間的比例來(lái)反映圖片的清晰度，并利用調(diào)節(jié)因子對(duì)兩者比例值進(jìn)行調(diào)節(jié)而獲得最終的像素區(qū)間比例因子。濾波后的圖像噪點(diǎn)對(duì)其影響非常小了，但如果直接使用Laplace算子進(jìn)行檢測(cè)，依舊會(huì)在波峰出現(xiàn)波動(dòng)為了使圖像具有更好的高靈敏性和全局單峰性，提出使用歸一化鄰近差值作為清晰度評(píng)價(jià)因素之一。

2.3 歸一化鄰近差值

由于圖像相鄰像素差值可以反映圖像的局部清晰度，如果圖片局部差值過(guò)大，一方面可能是由于圖像變清晰導(dǎo)致，另一方面也可能是由于噪點(diǎn)突然變多引起，考慮到噪點(diǎn)在正常使用中不會(huì)突然變化，故可以使用歸一化鄰近差值記為來(lái)反映圖片的清晰度。在實(shí)際場(chǎng)景中，圖像較為清晰的時(shí)候，其值較大，而在圖片模糊的時(shí)候其值較小，但在高度模糊時(shí)，由于亮度增加，其值會(huì)反常上升的異常狀態(tài)，故可以采用將歸一化鄰近差值與像素區(qū)間比例因子相乘得到一個(gè)清晰度評(píng)價(jià)因子，記為，利用此評(píng)價(jià)因子對(duì)Laplace算子檢測(cè)結(jié)果進(jìn)行修正，即：

2.4 算法流程說(shuō)明

基于以上算法的說(shuō)明，本研究提出使用修正的Laplace算子梯度函數(shù)作為清晰度評(píng)價(jià)函數(shù)，為縮小數(shù)據(jù)量本研究采用斜條形窗口來(lái)增加窗口中所含的細(xì)節(jié)成分，整個(gè)算法流程圖，如圖5所示。

3 實(shí)驗(yàn)與分析

在MatlabR2017a平臺(tái)上進(jìn)行編程實(shí)現(xiàn)本文算法，實(shí)驗(yàn)選取由自研4K高清網(wǎng)絡(luò)攝像機(jī)在白天六種場(chǎng)景下不含噪聲的圖像序列，通過(guò)在圖像中添加均值為0，方差不等的均勻分布的隨機(jī)噪聲來(lái)進(jìn)行抗噪效果分析。限于篇幅，以下給出了效果最差的場(chǎng)景下歸一化評(píng)價(jià)函數(shù)比較圖。

其中加入的噪聲方差分別為0、0.01、0.05、0.1、0.5，使用等像素個(gè)數(shù)的中央?yún)^(qū)域窗口選擇方法，且使用均值濾波后分別使用Laplace算法和快速DCT變換算法與本文算法進(jìn)行比較，如圖6所示。

在場(chǎng)景一下（37張圖像），效果最差，本文算法在噪聲方差小于0.1時(shí)，歸一化評(píng)價(jià)函數(shù)具有較好的單峰性且由較高的靈敏性，而對(duì)比算法在噪聲大于0.05時(shí)已經(jīng)不具有良好的單峰性。但是本算法當(dāng)噪聲高于0.1時(shí)，也會(huì)出現(xiàn)性能不好，這是由于圖片噪聲較多，已經(jīng)導(dǎo)致圖像細(xì)節(jié)成分嚴(yán)重丟失，對(duì)于夜晚或者紅外模式下的圖片噪聲效果比較接近噪聲方差介于0.05志0.1的均勻高斯噪聲，能夠滿足實(shí)際場(chǎng)景需要。當(dāng)噪聲超過(guò)0.1后已經(jīng)嚴(yán)重影響到圖片的局部細(xì)節(jié)成分，故必須使用去噪算法才能獲得較好的清晰度評(píng)價(jià)效果，但由于由于目前去噪算法處理圖片尺寸較小，不能滿足窗口要求，故而采用本文所提出的均值加權(quán)濾波進(jìn)行降噪處理。

由不同處理算法運(yùn)行時(shí)間可知，本算法平均每張運(yùn)行時(shí)間小于0.08秒，而使用均值濾波的Laplace算法平均每張運(yùn)行時(shí)間約為0.15秒，而使用均值濾波的快速DCT算法平均每張運(yùn)行時(shí)間約為0.32秒，在速度上本文所提算法較快。

4 結(jié)語(yǔ)

本文首先提出一種使用傾斜的條形區(qū)域作為檢測(cè)窗口的條形窗口選擇方法，該方法使用三個(gè)傾斜條形窗口作為聚焦窗口使用，能在縮少數(shù)據(jù)的同時(shí)保留更多的細(xì)節(jié)成分。為進(jìn)一步縮小處理數(shù)據(jù)，本文提出均值加權(quán)縮小濾波方法，該方法通過(guò)對(duì)圖片進(jìn)行一次循環(huán)、兩次計(jì)算進(jìn)行濾波，在達(dá)到二次濾波效果的同時(shí)縮小圖像尺寸，之后對(duì)濾波圖片進(jìn)行計(jì)算歸一化鄰近差值、像素區(qū)間比例因子和Laplace清晰度評(píng)價(jià)值，利用歸一化鄰近差值和像素區(qū)間比例因子構(gòu)建清晰度評(píng)價(jià)因子實(shí)現(xiàn)對(duì)Laplace清晰度評(píng)價(jià)值得修正，從而實(shí)現(xiàn)較好的抗噪性能。但依舊在某些場(chǎng)景下效果不是很好，可以考慮使用較好的去噪算法對(duì)圖像進(jìn)行恢復(fù)后再計(jì)算其Laplace算子清晰度，但要求其去噪運(yùn)行時(shí)間要足夠的短，否則將會(huì)造成整個(gè)清晰度計(jì)算時(shí)間變長(zhǎng)，這將是本研究未來(lái)的一個(gè)研究方向。

參考文獻(xiàn)

[1] Feng ?Quan，Han Ke，Zhu Xiuchang.A New Auto-focusing Method Based on the Center Blocking DCT[M]. Fourth International Conference on Image and Graphics（ICIG 2007），Sichuan，2007.

[2] 田文利.基于圖像清晰度評(píng)價(jià)函數(shù)與自動(dòng)取窗對(duì)焦的目標(biāo)視覺(jué)調(diào)焦算法[J].微型電腦應(yīng)用，2017，33（9）：75-79.

[3] Liu Shuxin，Liu Manhua，Yang Zhongyuan.An image auto-focusing algorithm for industrial image measurement[J].EURASIP Journal on Advances in Signal Processing，2016（1）：70.

[4] 孫紅利，馮旗，董峰.圖像清晰度評(píng)價(jià)算法研究[J].傳感器與微系統(tǒng)，2017，36（2）：67-70.

[5] 項(xiàng)魁，高健.自動(dòng)對(duì)焦過(guò)程中圖像清晰度評(píng)價(jià)算法研究[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2019（1）：52-55.

[6] 薛萬(wàn)勛，卞春江，陳紅珍.基于點(diǎn)銳度和平方梯度的圖像清晰度評(píng)價(jià)方法[J].電子設(shè)計(jì)工程，2017，25（8）：163-167.

[7] 易三莉，郭貝貝，馬磊.改進(jìn)的模糊推理規(guī)則圖像邊緣檢測(cè)算法[J].計(jì)算機(jī)工程與應(yīng)用，2016，52（12）：180-183.

[8] 李忠海，金海洋，邢曉紅.整數(shù)階濾波的分?jǐn)?shù)階Sobel算子的邊緣檢測(cè)算法[J].計(jì)算機(jī)工程與應(yīng)用，2018，54（4）：179-184.