紀(jì) 平，胡學(xué)友，張瑞琦

(合肥學(xué)院 先進(jìn)制造工程學(xué)院，安徽 合肥 230601)

圖像增強(qiáng)是圖像處理中的一個(gè)重要領(lǐng)域，在醫(yī)學(xué)圖像處理及紋理分析、模式識(shí)別等預(yù)處理步驟中廣泛使用[1]。并且在醫(yī)學(xué)、軍事、氣象、通信、媒體等領(lǐng)域具有重要的應(yīng)用價(jià)值。

直方圖均衡算法是一種常用且比較經(jīng)典有效的圖像增強(qiáng)算法，它通過(guò)函數(shù)重新定義灰度值分布，進(jìn)而改變對(duì)比度大小，來(lái)達(dá)到圖像增強(qiáng)的目的[2]。但直方圖均衡也存在一些明顯的缺點(diǎn)，如直方圖均衡后會(huì)使得圖像的均值接近于灰度級(jí)的中點(diǎn)而和原圖像無(wú)關(guān)；直方圖均衡后會(huì)使得一部分灰度級(jí)被拉伸[3]，一部分灰度級(jí)被兼并，表現(xiàn)為圖像的過(guò)增強(qiáng)而出現(xiàn)不自然的表象；無(wú)法有效處理含噪圖像等。

本文研究了直方圖均衡算法的處理特點(diǎn)，并采用添加濾波器與結(jié)合自適應(yīng)算法來(lái)改進(jìn)傳統(tǒng)算法，可以提高圖像的對(duì)比度，進(jìn)一步增強(qiáng)圖像的清晰度。最后通過(guò)實(shí)驗(yàn)來(lái)驗(yàn)證算法的優(yōu)越性。

1 算法的原理概述

1.1 直方圖均衡化算法

傳統(tǒng)的直方圖均衡化算法是以圖像各灰度級(jí)概率的累積分布函數(shù)作為變換函數(shù)，將原圖像映射為一幅灰度級(jí)分布較均勻的圖像，以增大圖像灰度級(jí)的動(dòng)態(tài)范圍，從而增強(qiáng)圖像的對(duì)比度[4]。

對(duì)于一幅像素?cái)?shù)為n，灰度范圍為[0，L-1]的圖像，令rk表示第k個(gè)灰度級(jí)，nk表示圖像中出現(xiàn)的像素的個(gè)數(shù)，則rk的直方圖p(rk)為:

(1)

灰度累積分布函數(shù)Sk為:

(2)

直方圖均衡化變換函數(shù)為:

(3)

其中rk′為原圖像中灰度級(jí)rk經(jīng)直方圖均衡化變換后的灰度級(jí)；round(·)為四舍五入取整運(yùn)算。

1.2 加權(quán)平均值法灰度化處理

由于灰度直方圖分布狀態(tài)會(huì)影響算法的處理效果，所以我們首先采用加權(quán)平均值法對(duì)彩色圖像進(jìn)行灰度化處理，這是因?yàn)榧訖?quán)平均值法更適合處理灰度值在中間區(qū)域集中的圖像，如圖1所示。

圖1 圖像灰度化實(shí)驗(yàn)效果比較

根據(jù)指標(biāo)給R、G、B賦予不同的權(quán)值，并通過(guò)對(duì)R、G、B的值加權(quán)平均。

R=G=G=WR+VG+UB

(4)

W、V、U分別表示權(quán)重。研究表明，人對(duì)顏色的敏感度排序是綠、紅、藍(lán)。因此默認(rèn)為W>V>U，實(shí)驗(yàn)和理論證明W=0.30，V=0.59，U=0.11時(shí)，能得到最合理的灰度圖像[5]。

1.3 限制對(duì)比度自適應(yīng)均衡化算法

相對(duì)于傳統(tǒng)的直方圖均衡化算法，自適應(yīng)直方圖均衡化(AHE)能夠有效增強(qiáng)每個(gè)區(qū)域的對(duì)比度，但相關(guān)區(qū)域可能會(huì)出現(xiàn)噪聲增強(qiáng)和處理速度過(guò)慢等現(xiàn)象[6-7]。限制對(duì)比度自適應(yīng)直方圖均衡算法(CLAHE)是基于局部直方圖均衡化的基礎(chǔ)上提出來(lái)的一種改進(jìn)方法。CLAHE對(duì)連續(xù)區(qū)域進(jìn)行直方圖均衡化，每個(gè)區(qū)域的中心是原始圖像的一個(gè)像素，根據(jù)設(shè)定的亮度最大值對(duì)直方圖進(jìn)行截取，截取下來(lái)的像素重新分配到每個(gè)灰度級(jí)，新生成的直方圖由于被限定了最大值，與原直方圖相比，能夠更加有效地限制噪聲增強(qiáng)現(xiàn)象[8]。

直方圖被裁剪的值取決于直方圖的分布和領(lǐng)域大小，即稱為裁剪限幅[9]。對(duì)CLAHE算法而言，如果圖像分割的塊數(shù)越多，那么處理就越精確，細(xì)節(jié)處理的效果就越好。綜合考慮運(yùn)算速度和處理能力，本設(shè)計(jì)采用的窗口大小為25×25，裁剪值為0.01。

1.4 噪聲對(duì)算法的影響

CLAHE算法雖然可以抑制噪聲放大和削弱局部對(duì)比度的過(guò)度增強(qiáng)[10]，但并不能有效處理噪聲。如圖2所示，含噪圖像直方圖均衡化后并不能去除噪聲，從而無(wú)法很好地改善圖像質(zhì)量。目前對(duì)噪聲最為有效的處理方式是針對(duì)不同特征的圖像添加不同類型的濾波器，以達(dá)到最佳處理目的。

圖2 含噪圖像均衡化后效果對(duì)比圖

1.5 算法改進(jìn)

改進(jìn)算法的具體處理過(guò)程如下：首先用加權(quán)平均值算法對(duì)圖像進(jìn)行灰度化處理，再選取自適應(yīng)中值濾波器處理圖像噪聲，這里的噪聲主要是椒鹽噪聲，最后用限制對(duì)比度直方圖均衡化增強(qiáng)圖像，CLAHE算法的限制閾值選用0.01。算法流程圖如圖3所示。

2 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)選取一幅加有椒鹽噪聲的真實(shí)校園風(fēng)景圖進(jìn)行處理，實(shí)驗(yàn)結(jié)果見圖4。

圖3 算法處理流程圖

圖4 算法對(duì)比圖

從圖4可以看出，利用傳統(tǒng)直方圖均衡算法處理含噪圖像，只能突出部分圖像特征，對(duì)噪聲沒有有效處理，還會(huì)出現(xiàn)暗塊區(qū)域，使得某些信息丟失。改進(jìn)算法通過(guò)自適應(yīng)中值濾波器、設(shè)置CLAHE有效參數(shù)，能夠在去除噪聲的同時(shí)，很好地保留原圖細(xì)節(jié)特征，同時(shí)增強(qiáng)圖像對(duì)比度，圖像細(xì)節(jié)更加清晰。改進(jìn)算法有效的非線性拉伸，解決了直方圖像素的過(guò)度合并問(wèn)題，使灰度分布盡可能處于中間范圍，避免過(guò)亮或過(guò)暗，尤其是暗區(qū)信息丟失部分更少。綜合改進(jìn)算法圖像處理結(jié)果的主觀視覺效果和表1的客觀指標(biāo)分析可得，改進(jìn)算法在處理圖像增強(qiáng)中具有細(xì)節(jié)保持和噪聲去除優(yōu)勢(shì)。

表1 算法效果對(duì)比

圖4主要是從視覺效果方面進(jìn)行的直觀比較，我們還可以將兩種圖像處理方法與原始圖像的均方差(MSE)、信噪比(SNR)和峰值信噪比(PSNR)來(lái)進(jìn)行有效性比較，比較結(jié)果見表2。可以看出，本研究提出的改進(jìn)算法比CLAHE算法更加有效。

表2 MSE、SNR和PSNR

3 結(jié)論

本研究通過(guò)對(duì)不同灰度分布的圖像進(jìn)行直方圖均衡化處理，通過(guò)視覺效果與直方圖特征分析，可以看出，直接進(jìn)行直方圖均衡可以有效處理對(duì)比度小且灰度范圍相對(duì)集中的圖像，但無(wú)法兼顧圖像的去噪和細(xì)節(jié)保持。提出的改進(jìn)算法首先采用加權(quán)平均值灰度化圖像預(yù)處理，然后通過(guò)自適應(yīng)中值濾波器處理椒鹽噪聲，最后使用限制對(duì)比度自適應(yīng)均衡算法對(duì)圖像細(xì)節(jié)部分進(jìn)行處理。仿真實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法在保證傳統(tǒng)圖像直方圖均衡增強(qiáng)的同時(shí)，較好地解決了噪聲問(wèn)題和細(xì)節(jié)丟失問(wèn)題，為進(jìn)一步準(zhǔn)確、有效地對(duì)目標(biāo)進(jìn)行識(shí)別和分類做了準(zhǔn)備。

算法主要是針對(duì)灰度圖像處理，在進(jìn)一步的研究中，還可將此算法應(yīng)用到其它的圖像處理中，如彩色圖像處理、低照度圖像處理，以及視頻信號(hào)處理等。