图像通信中一种低照度彩色图像增强算法*

2016-12-23刘一博

电子器件 2016年6期

关键词：同态滤波彩色图像图像增强

程新，刘一博，张红*

（1.西安邮电大学电子工程学院，西安710121；2.国防信息学院四系作战训练教研室，武汉430010）

图像通信中一种低照度彩色图像增强算法*

程新1，刘一博2，张红2*

（1.西安邮电大学电子工程学院，西安710121；2.国防信息学院四系作战训练教研室，武汉430010）

针对低照度彩色图像细节模糊、亮度不高等问题，提出一种新的彩色图像增强算法。首先引入新传递函数改进传统同态滤波，然后，在RGB色彩空间上，分别对R、G、B分量用改进的同态滤波和对比度受限自适应直方图均衡（CLAHE）进行增强。接着，转换到HSV色彩空间，用非线性函数对亮度进行光照补偿，对饱和度进行1.5倍拉伸。最后恢复图像色彩信息。实验结果表明，新算法在保持图像细节的同时能够增强图像对比度，使图像清晰度更高。

低照度彩色图像；图像增强；空间转换；同态滤波TP751.1

图像是人类获取信息的重要来源，图像通信系统所传输的主要是人类视觉可以感知到的视觉信息。但大多数图像获取设备在采集图像时，通常会受到周围复杂光照条件的影响，使得图像出现整体偏暗、局部细节不清晰、图像质量较差等问题［1］，严重影响了计算机对图像的读取和识别。针对此类问题，图像增强技术通过对图像进行不同的处理，可以改善图像视觉效果，增强图像亮度信息，使图像细节突出，方便人机识别读取。其中，属于频域增强方法的同态滤波算法在增强图像时，不仅能消除光照不均问题，还能突出图像细节，使图像更为清晰。传统的同态滤波算法主要有高斯型、巴特沃斯型、指数型3种，其主要区别在于传递函数的不同［2］。而传递函数较多的参数设置，也常常使同态滤波在增强图像时，需要多次尝试，才能确定最佳的参数取值。属于空域增强方法的对比度受限自适应直方图增强（CLAHE）算法，能够通过限制局部直方图高度来限制局部对比度出现过增强，可以克服传统自适应直方图均衡化算法过度放大噪音和丢失细节的缺点［3］。图像增强方法多种多样，在实际应用中也常将各类方法相结合，以达到最佳的图像增强效果。

不同于灰度图像的增强处理，增强彩色图像时，不仅要消除光照不均，突出图像的细节轮廓，还需要增强图像的亮度和色彩，使图像清晰生动，保证颜色无失真［4］。最常用的方法有两种，一种是在RGB色彩空间内对R、G、B各分量分别进行增强处理，另一种是将彩色图像进行空间转换，将图像转换到HSV或者其他色彩空间，再对各分量进行增强处理。后者增强效果明显，可以较好地保持图像色彩的一致性。

根据以上分析，提出一种基于色彩空间转换和同态滤波的低照度彩色图像增强算法，并借助仿真手段验证算法的有效性。

1 改进传递函数的同态滤波

同态滤波是一种基于照射——反射模型，能够消除图像光照不均，增强局部细节的频域增强方法。图像 f(x,y)可以看作是由入射分量和反射分量组合而成，即

其中，i(x,y)为入射分量，代表光照条件，是变换缓慢的低频成分。r(x,y)为反射分量，代表图像细节，是变化快的高频成分［5］。在处理低照度彩色图像时，需要消除光照不均问题并增强细节，即需要增强高频并抑制低频。

同态滤波的具体步骤如下：

首先，对式（1）两边同时取对数，即

对式（2）两边取傅立叶变换，可得到

利用函数H(u,v)对F(u,v)进行滤波处理，分离入射和反射分量，得到

其中，H(u,v)为同态滤波的传递函数。滤波后，对式

（4）做傅里叶逆变换回到空间域，得

对式（5）两边取指数，得到

同态滤波的具体实施过程如图1所示。

图1 同态滤波过程

可以看到，同态滤波算法的关键在于传递函数的选择。传统的同态滤波有高斯型、巴特沃斯型和指数型3种，以高斯型同态滤波为例，其传递函数为：

其中，D(u,v)=[(u-u0)2+(v-v0)2]1/2，表示频率(u,v)到滤波器中心(u0,v0)的距离。Rh为高频增益，Rl为低频增益，D0为截止频率，c是控制斜面锐化的常数。参数Rh、Rl、D0、c决定了同态滤波增强效果，但由于参数较多，常需要进行多次尝试才能确定各参数的最佳取值。为了在含有较少参数的情况下，还可以获得较好的同态滤波增强效果，构造出一种新的传递函数来控制整个同态滤波增强过程。

该传递函数基于Sigmoid函数进行构造。Sigmoid函数是一个形状类似S的非线性函数，其方程为：

因此，构造的传递函数为：

整个传递函数就由参数t来控制。

图2为改进型同态滤波的传递函数三维图。从图中可以看出，传递函数的取值在［0，0.9］之间，选取图片，将改进型同态滤波与高斯型同态滤波进行对比。

图2 改进型同态滤波的传递函数

图3 各图像频谱图

图4 原图及同态滤波增强处理结果图

由图3和图4可以看到，改进型的同态滤波对于低频部分的抑制能力良好，与高斯型同态滤波的增强效果十分接近，视觉上难以辨别优劣。但改进型同态滤波的参数明显少于高斯型同态滤波，可以更快确定最佳参数值，更易于调控。经大量实验验证，改进型同态滤波参数t在[-0.1,0.01]范围内取值，可以获得最佳的增强效果，在本文中选取t=0.001。

2 本文图像增强算法

针对低照度彩色图像清晰度低，光照不均匀，感兴趣的细节部分不突出等问题，本文提出一种基于色彩空间转换和同态滤波的图像增强新算法，首先改进同态滤波的传递函数，使控制参数减少。然后，在RGB色彩空间内，用改进型同态滤波和CLAHE算法对R、G、B 3个分量分别进行增强。接着，将增强图像转换到HSV色彩空间，保持色度H不变，用构造的非线性函数对亮度V进行光照补偿，对饱和度进行1.5倍拉伸，最后进行信息融合，恢复图像彩色信息。算法的基本流程图如图5所示。

图5 本文算法基本流程图

2.1 基于RGB空间的同态滤波和CLAHE

直方图均衡化是一种依靠灰度映射使图像灰度值分布均衡、像素灰度值动态范围增加的方法，分为全局直方图均衡和局部直方图均衡AHE（Adaptive Histogram Equalization）两类［6］。全局直方图均衡化算法能够实现对整幅图进行调整，但在彩色图像增强中较易使图像出现颜色失真［7］。局部直方图均衡能够改善全局直方图均衡算法不能适应局部灰度分布的缺点，但其运算量大且常出现“马赛克”效应［8］。有限对比度适应性直方图均衡化CLAHE（Contrast Limited Adaptive）是对这两种算法的一个有效的改进，处理图像时能够兼顾两种算法各自的特性，不仅适应不同区域灰度差异，而且整个图像灰度分布均衡协调［9］。

图像增强方法种类繁多，可以将不同种类的增强方法相结合，常常能获得质量更好的增强图像。同态滤波算法可以实现压缩亮度范围的效果，但滤波后各分量灰度值较为集中，动态范围也较小。CLAHE算法增强后图像灰度范围较宽，可以强化细节，增强图像对比度。因此，本文将改进传递函数的同态滤波算法和CLAHE算法相结合，在RGB色彩空间内对R、G、B 3个分量分别进行增强处理。

2.2 色彩空间转换

HSV彩色空间是基于人类视觉对于色彩的感知以色调（Hue）、饱和度（Saturation）、亮度（Value）来定义的，并且3个分量之间互不正交，变量之间的改变也不会对其他变量进行干扰，因此可以通过调节这三个分量得到我们想要的增强效果。亮度V表示色彩的明亮程度，对V分量进行增强处理可以使图像更加明亮；饱和度S表示色彩的鲜艳程度，增强S分量可以使图像色彩更为饱满。文献［10］给出了HSV色彩空间与RGB色彩空间的转换关系，在此不再赘述。

2.3 基于HSV空间的光照补偿和颜色恢复

用改进型同态滤波和CLAHE增强RGB空间内各分量后，图像对比度有了明显提升，细节也更为突出，但整个图像亮度明显不足，色彩也不明亮鲜艳。所以，将图像转换到HSV空间，通过构造非线性函数对亮度分量V进行光照补偿，可以达到增强图像亮度的目的。具体过程如下：

其中，IV为原图像的V分量，IV′为变换后的V分量，IR,IG,IB为经过同态滤波和CLAHE后图像的3个分量，IR′,IG′,IB′为光照补偿后图像的3分量。α是可以控制图像亮度的常数系数，其值过大，图像高亮度区域丢失细节，其值过小，图像较暗，效果不佳。经过多次实验验证，α取2.2～2.4，可以使图像增强效果最佳。构造的非线性函数为 f(x)，可以实现对图像暗区域和亮区域灰度级的拉伸，表达式为：

其中，0≤m≤1，经过多次实验验证，当m取0.3时，增强效果最为明显。

将亮度V进行非线性拉伸后，对饱和度再进行增强，使其变为原来的1.5倍，完成整个增强过程。

最后，将原色度分量H和补偿后的亮度分量V、拉伸后的饱和度分量S进行信息融合，将其转换到RGB彩色空间，实现颜色恢复，得到最终的增强图像。

3 实验结果与分析

选取低照度彩色图像验证本文算法的有效性，并将高斯型同态滤波、改进型同态滤波、直方图均衡、CLAHE算法和本文算法进行对比验证。各算法增强结果分别如图6、图7所示。

图6 欧式建筑图及其增强结果

图7 水果图及其增强结果

可以看到，图6、图7原图颜色偏暗，细节不明显，图像对比度也极低。采用高斯型同态滤波后，图像亮度增强但整体较为模糊，如蒙上一层云雾，云层等细节信息模糊不清。改进型同态滤波与高斯型同态滤波增强效果极为相似，肉眼很难区分优劣。直方图均衡算法在增强彩色图像时出现了色彩偏差，图像颜色失真极为严重。CLAHE算法可以突出图像的细节，但图像整体亮度较低，图片整体偏暗，增强效果一般。本文算法不仅很好地增强了图像的亮度和对比度，对于细节的保持效果也极佳，图像背景中天空的云彩等局部信息清晰可辨。并且，本文算法可以很好地增强图像的饱和度，蓝天白云、水果鲜花等色彩丰富，图像整体的色泽均匀，颜色艳丽，更生动形象，也更符合人眼的视觉特性，在所有算法中增强效果最佳。

从客观评价角度，以图像熵值、平均梯度和对比度的值来对比几种算法。图像熵值越大，图像所含信息量越多；平均梯度越大，图像的层次就越多，图像也就越清晰；对比度越大，图像色彩越鲜艳，图像也越亮。

比较表1、表2中数据可以看出，本文算法在增强图像对比度和清晰度上效果显著，可以使图像包含更多信息，更利于人机进行图像识别和分析。

表1 欧式建筑图像各算法对比结果

表2 水果图像各算法对比结果

5 结论

为了解决彩色图像因光照不足而产生的图像昏暗、细节严重丢失的问题，提出一种基于色彩空间转换和同态滤波的图像增强新算法。经试验验证，新算法可以使图像包含更多有用信息，在突出细节的同时，亮度和清晰度得到了进一步提升，并且图像色泽艳丽，生动形象，更利于人机读取识别。

［1］Shahamat H，Pouyan A A.Face Recognition Under Large Illumi⁃nation Variations Using Homomorphic Filtering in Spatial Domain［J］.Journal of Visual Communication&Image Representation，2014，25（5）：970-977.

［2］Ein-Shoka A A，Kelash H M.Enhancement of IR Images Using Ho⁃momorphic Filtering in Fast Discrete Curvelet Transform（FDCT）［J］.International Journal of Computer Applications，2014，96（8）：22-25.

［3］Okuboyejo D A，Olugbara O O，Odunaike S A.CLAHE Inspired Segmentation of Dermoscopic Images Using Mixture of Methods［J］.IEEE Transactions on Engineering Technologies，2014，12（3）：355-365.

［4］张亚飞，谢明鸿.基于HSI和局部同态滤波的彩色图像增强算法［J］.计算机应用与软件，2013，27（12）：303-307.

［5］焦竹青，徐保国.基于同态滤波的彩色图像光照补偿方法［J］.光电子·激光，2010，9（4）：602-605.

［6］周卫星，廖欢.基于高频强调滤波和CLAHE的雾天图像增强方法［J］.电视技术，2010，34（7）：38-40.

［7］尹立敏，刘艳滢，贺琳，等.基于多尺度灰度直方图的图像增强研究［J］.电子器件，2006，29（2）：431-433.

［8］Yousuf M A.An Effective Image Contrast Enhancement Method Using Global Histogram Equalization［J］.Journal of Scientific Re⁃search，2011，3（1）：43-50.

［9］Kurt B，Nabiyev V V，Turhan K.Medical Images Enhancement by Using Anisotropic Filter and CLAHE［C］//2012 International Sym⁃posium on Innovations in Intelligent Systems and Applications（INISTA）.Trabzon：IEEE，2012：1-4.

［10］秦绪佳，王慧玲，杜轶诚，等.HSV色彩空间的Retinex结构光图像增强算法［J］.计算机辅助设计与图形学学报，2013，25（4）：488-493.

程新（1990-），女，汉，陕西西安，硕士研究生，西安邮电大学，研究方向为图形图像与视频处理技术，13659186995@ 163.com；

刘一博（1983-），男，汉，河南洛阳，讲师，国防信息学院，研究方向为军事训练，liuyibo0123456789@163.com；

张红（1977-），男，湖北武汉，副教授，国防信息学院，研究方向为军事训练，wanglongfei-wang@163.com。

A Low Illumination Color Image Enhancement Algorithm in Image Communication*

CHENG Xin1，LIU Yibo2，ZHANG Hong2*
（1.School of Electrical Engineering，Xian University of Posts and Telecommunications，Xian 710121，China；2.Four Department of Combat Training，College of National Defense Information Science，Wuhan 430010，China）

In order to solve the problem of fuzzy and low brightness in color image，a new color image enhancement algorithm is proposed.First，a new transfer function is introduced to improve the traditional filtering.Then，in the RGB color space，the R，B and G components are enhanced by using the improved algorithm of the improved filter⁃ing algorithm and the adaptive histogram equalization algorithm（CLAHE）.The color space is converted to HSV，and the brightness is compensated by the nonlinear function，the saturation is drawn out to a intensity level of 1.5 times of the original.Finally，the image color information are restored.Experimental results show that the new algo⁃rithm can enhance the image contrast，and make the image more high resolution.

low illumination color image；image enhancement；space conversion；homomorphic filtering