何笑 王剛 賀歡

摘要：針對水下圖像對比度低，模糊等問題，提出了一種基于小波變換的水下圖像增強算法.首先對圖像進(jìn)行小波變換，再利用引導(dǎo)濾波的邊緣保持特性處理低頻部分，對產(chǎn)生的基礎(chǔ)部分用限制對比度直方圖均衡，細(xì)節(jié)部分用高斯-拉普拉斯掩模增強;再將基礎(chǔ)部分與細(xì)節(jié)部分線性加權(quán)融合;三個高頻圖像分別進(jìn)行歸一化處理;再將處理后的圖像進(jìn)行小波逆變換，最后對重構(gòu)圖像進(jìn)行灰度拉伸可得到目標(biāo)圖像。仿真實驗表明，無論從主觀還是客觀上，本文方法效果較好。

關(guān)鍵詞：小波變換;引導(dǎo)濾波;直方圖均衡;圖像融合

中圖分類號：TP394.41? ? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2020）23-0173-03

Abstract： Fuzzy for underwater image contrast is low， and other issues put forward a kind of underwater image enhancement algorithm based on wavelet transform. First of all to image wavelet transform， the edge of the recycling guide filtering keep features with the low-frequency part， based on the partial with limited histogram equalization， contrast details with gauss Laplace mask - enhancement; Then the basic part and the detail part are weighted linearly; Three high-frequency images were normalized respectively. Then the processed image is transformed by an inverse wavelet transform， and finally， the reconstructed image is stretched by grayscale to obtain the target image.

Key words： wavelet transform; guided filtering; histogram equalization; image fusion

海底獲取的圖像受到環(huán)境因素的影響，存在對比度低，模糊等問題。這使得對圖像中信息讀取和使用存在很大的難度，因此，對圖像質(zhì)量提升的研究就顯得非常有意義。直方圖均衡，直方圖規(guī)定化，限制對比度直方圖均衡化，自適應(yīng)直方圖均衡化等方法[1，2]能夠通過調(diào)節(jié)圖像灰度值的范圍分布，在一定程度上增強圖像的對比度和亮度，但是在局部依然存過度提亮、細(xì)節(jié)信息丟失的現(xiàn)象;還有同態(tài)濾波Retinex 算法[3]、非線性濾波Retinex 等[4-7]，這些經(jīng)典的Retinex算法處理的圖像，質(zhì)量、對比度、亮度都有一定的提高，但是仍沒能很好地解決圖像中的高對比度區(qū)域的照度進(jìn)行估計時而出現(xiàn)較大誤差產(chǎn)生大量的光暈現(xiàn)象，導(dǎo)致圖像邊緣細(xì)節(jié)不清晰，影響圖像的最終質(zhì)量。對此，提出了一種基于小波變換的圖像增強算法，該算法有效的保留了圖像的邊緣細(xì)節(jié)信息，并提高了圖像的質(zhì)量。

1 圖像[Mallat]算法

從（1）（2）兩式看出，分解過程中用[h，g]這一對濾波器，重構(gòu)過程中用另一對濾波器[h，g][8]。二維[Mallat]算法采用了可分離的濾波器設(shè)計，實質(zhì)上是對圖像數(shù)據(jù)的行和列分別進(jìn)行濾波運算，可得到4個子頻帶段。

2 算法實現(xiàn)

2.1低頻部分處理

經(jīng)小波變換產(chǎn)生的低頻部分，包含了原始圖像的大部分信息，尤其影響著圖像的對比度。本文選取引導(dǎo)濾波[9]來處理。輸入低頻圖像[Imageinput]經(jīng)引導(dǎo)濾波處理得到低頻的基礎(chǔ)圖像[Imagestructure]，規(guī)定輸入圖像與引導(dǎo)圖像相同，認(rèn)為輸入圖像是一個二維函數(shù)，假設(shè)在一個二維窗口內(nèi)該函數(shù)的輸出與輸入滿足線性關(guān)系：

2.1.1分層處理基礎(chǔ)圖像和細(xì)節(jié)圖像

為了提高圖像的對比度，使得圖像中的目標(biāo)邊緣、紋理和其他信息的細(xì)節(jié)清晰可見，采用限制對比度直方圖均衡化和高斯-拉普拉斯掩模增強方法分別處理基礎(chǔ)圖像和細(xì)節(jié)圖像。限制對比度直方圖均衡化方法具有使全局直方圖均衡的密度梯度更加協(xié)調(diào)的特點，可以使局部直方圖均勻地適應(yīng)圖像不同部分的密度梯度差異，改善基礎(chǔ)部分的局部對比度，從而增強圖像的細(xì)節(jié)：

式中[Imagestructure_C]表示限制對比度直方圖處理后的基礎(chǔ)圖像。細(xì)節(jié)圖像包含大量低對比度細(xì)節(jié)信息，整體亮度低，細(xì)節(jié)基本上存在于低亮度部分。而高斯-拉普拉斯掩模是高斯平滑濾波器和拉普拉斯銳化濾波器二者結(jié)合的方法，既能平滑噪聲又可以進(jìn)行邊緣檢測，因此用該方法處理細(xì)節(jié)圖像：

2.1.2 融合基礎(chǔ)圖像和細(xì)節(jié)圖像

最終將處理后的基礎(chǔ)圖像和細(xì)節(jié)圖像線性加權(quán)融合后得到圖[Image-CL].

2.2高頻部分處理

高頻部分包含了許多細(xì)節(jié)信息，其灰度值的分布非常不均勻，將兩幅圖像的對應(yīng)像素分別相除得到一幅新圖像的操作，可以將圖像的灰度直方圖進(jìn)行有效的拉伸，增強圖像的對比度，使更多的細(xì)節(jié)信息凸顯出來，表達(dá)式如下：

3 實驗過程

本文方法的實驗平臺為MATLAB 2016a，實驗對象是大小為222*296的jpg格式的水下圖像，并進(jìn)行了兩組實驗。

3.1實驗步驟如下：

1）對輸入圖像進(jìn)行小波變換，得到低頻部分和高頻部分;

2）采用（3）～（7）式對低頻部分進(jìn)行處理;

3）采用（8）式對高頻部分進(jìn)行處理;

4）對處理后的低頻部分和高頻部分進(jìn)行小波逆變換;

5）為適應(yīng)人眼需要對重構(gòu)圖像進(jìn)行灰度拉伸，可得到目標(biāo)圖像。

3.2實驗分析

實驗結(jié)果圖中，圖（a）是原始圖像，圖（b） 是自適應(yīng)直方圖均衡化處理的圖像，圖（c）是本文方法所處理的圖像。

1）在第一組實驗中，自適應(yīng)直方圖均衡算法處理的圖像與原始圖像相比整體亮度提高，也能看到很多細(xì)節(jié)信息，但是存在部分細(xì)節(jié)信息丟失，例如雕像的頭頂、右肩、左肩附近的圖案、潛水員的頭頂、潛水員身上的氧氣帶等很模糊，不利于人眼觀測;本文方法處理后的圖像，細(xì)節(jié)信息很豐富，例如潛水員和雕像的邊緣輪廓、雕像上的紋理和圖案、潛水員身上的背帶很清晰，非常利于人眼觀測;

2）在第二組實驗中，自適應(yīng)直方圖均衡算法處理的圖像，潛水員身后的物體很模糊，左胳膊肘處的物體輪廓、雕像的額頭、雕像的上半身上的紋理不清晰;本文方法處理后的圖像，潛水員身后的物體、左胳膊肘處的物體輪廓、雕像的額頭、雕像的上半身上的紋理很清晰，非常利于人眼觀測。

為了避免主觀分析中所帶來的情感因素，并進(jìn)一步說明所提算法的有效性，選取了圖像的信息熵進(jìn)行客觀評價。信息熵表示圖像信息量的多少，信息熵越大，表明圖像質(zhì)量越好。如表1、表2所示。

4 結(jié)論與展望

為了改善圖像的視覺效果，提出了一種基于小波變換的水下圖像增強算法，該算法在突出感知重要內(nèi)容的邊緣信息時，抑制了高頻噪聲，為黑暗細(xì)節(jié)提供銳利的邊緣，同時使圖像的光照度均勻化，便于人眼觀測。從表中可以看到，所提算法處理的圖像，其信息熵要高于原始圖像和限制對比度直方圖均衡化處理的圖像的信息熵，可見該方法是行之有效的。但是觀測實驗結(jié)果圖可以發(fā)現(xiàn)，圖中人物和雕像的輪廓邊緣有一定的光暈現(xiàn)象，因此所提算法還需進(jìn)一步改進(jìn)。

參考文獻(xiàn)：

[1] 陳春謀.基于直方圖均衡化與拉普拉斯的鉛條圖像增強算法[J].國外電子測量技術(shù)，2019，38（7）：131-135.

[2] 馮輝，林偉.基于直方圖均衡化的水下圖像增強算法[J].計算機產(chǎn)品與流通，2018（11）：267.

[3] 董靜薇，徐博，馬曉峰，等.基于同態(tài)濾波及多尺度Retinex的低照度圖像增強算法[J].科學(xué)技術(shù)與工程，2018，18（22）：238-242.

[4] 王雪紅.基于Retinex理論低照度圖像增強方法的比較與策略選擇[J].信息與電腦（理論版），2019（12）：40-41.

[5] 盧瑋，高濤，王翠翠，等.Retinex理論下基于融合思想的低照度彩色圖像增強算法[J].科學(xué)技術(shù)與工程，2019，19（13）：151-157.

[6] 郭鈺璐，董麗麗，許文海.融合邊緣信息的對比度增強算法[J].紅外技術(shù)，2019，41（7）：616-622.

[7] 劉敏.基于Retinex理論的非均勻光照圖像增強研究[D].桂林：廣西師范大學(xué)，2019.

[8] 吐爾洪江·阿布都克力木.小波信號處理基礎(chǔ)[M].北京：郵電大學(xué)出版社，2014.

[9] 李溫溫，劉富，姜守坤.基于引導(dǎo)濾波的指節(jié)紋圖像增強算法研究[J].吉林大學(xué)學(xué)報（信息科學(xué)版），2018，36（4）：409-413.

【通聯(lián)編輯：唐一東】