非均匀图像亮度补偿的分割方法

闻敬东，张轩雄，巨志勇

(上海理工大学 光电信息与计算机工程学院，上海 200093)

非均匀图像亮度补偿的分割方法

闻敬东，张轩雄，巨志勇

(上海理工大学 光电信息与计算机工程学院，上海 200093)

为消除非均匀光照对图像分割效果的影响，提出了改进的动态型高斯同态滤波的亮度补偿新方法。将非均匀图像置于HIS色系下，在频域内对其亮度分量进行同态滤波，同时引入改进后的高斯高通滤波传递函数，并保持色调和饱和度不变，得到光照均匀的图像，进而利用Otsu算法对增强后的均匀图像进行分割。实验结果表明，文中所提方法能够使得到补偿后的图像明暗适中、视觉感好，且分割的精度与速度都较为理想。

非均匀光照；亮度补偿；HIS色系；改进的动态型高斯同态滤波

图像分割目的就是将图像中的物体从背景中分离出来，方便于后面的分析、计算等处理。通常情况下的图像分割是在均匀光照条件下采取的。但是随着采集设备的发展及采集环境的影响，收集到的图像并非都是均匀的，而传统的图像分割方法大多是针对均匀图像而言的。

为使非均匀图像产生更好地分割效果。本文提出了一种改进的动态型高斯同态滤波亮度补偿分割方法。即在HSI色系下将改进后的高斯高通滤波器函数引入同态滤波中，设计出一种新的动态型高斯同态滤波器，保持色调和饱和度不变仅在频域内对亮度分量进行增强，削弱低频分量来实现非均 匀图像的亮度补偿。再采用Otsu算法对得到的均匀图像进行二值化分割。

实验结果表明，改进的亮度补偿方法可以有效减少非均匀光照图像给传统分割算法带来的影响，大幅提高图像字符的识别率。

1 非均匀光照图像亮度补偿

非均匀图像产生是因采集过程中光的反射形成的，一旦光源在图像上照射不均匀就会使光照强的地方亮，光照弱的地方暗。所以这种非均匀光照现象破坏了原图像真实信息，对后续的处理和识别等工作也会造成较大的影响。因此对非均匀图像进行亮度补偿使其变成均匀图像这一步骤就变得尤为重要。

1.1HSI颜色模型

HSI颜色模型是一种直观的颜色模型。以人的视觉系统角度来看，色彩分别用色调、饱和度以及亮度这三要素来表示。人眼所看到的所有物体的彩色光都是由这3个特性综合作用的效果。而HSI色系模型就是基于色调H(Hue)、饱和度S(Saturation)、以及亮度I(Intensity)三坐标轴构成的三维颜色空间模型。仅对I分量进行彩色图像处理时，不会对另外两个分量产生影响，仅会改变发图像的亮度大小。HSI模型完全反映了人感知颜色的基本属性，与人感知颜色的结果相对应。

1.2HSI颜色模型和RGB颜色模型相互转化

基于HSI模型下对非均匀图像进行亮度补偿比基于RGB模型下的优势更大。图像的信息主要体现在色度和饱和度这两个分量上，而亮度的改变对彩色信息的影响较小。因此，在HSI色系下对非均匀彩色图像进行亮度补偿时仅需对亮度分量进行增强处理。由RGB色彩空间到HSI色彩空间的变换表达式为

(1)

(2)

(3)

式中，R、G、B值归一化在[0,1]之间，角度θ是用HSI空间的横轴度量。

在[0,1]之间给定HSI的值，要找出同一范围内RGB的值，可将H分成3部分，故HSI模型转换至RGB模型也分成3段：

(1)当H∈[0°，120°]时

B=I(1-S)

(4)

(5)

G=3I-(B+R)

(6)

(2)当H∈[120°，240°]时

R=I(1-S)

(7)

(8)

B=3I-(B+R)

(9)

(3) 当H∈[240°，360°]时

G=I(1-S)

(10)

(11)

R=3I-(G+B)

(12)

2 改进的高斯型同态滤波器

2.1 同态滤波

一幅图像f(x,y)可以表示成反射分量r(x,y)和照度分量i(x,y)的乘积，即

f(x,y)=i(x,y)×r(x,y)

(13)

式中，r(x,y)的性质取决于成像物体的表面特性。同态滤波是一种在频域内同时将图像亮度范围进行压缩和图像对比度进行增强的一种方法，是基于式(13)中的图像成像数学模型进行的。

光照条件体现在频谱主要落在低频区域且变化缓慢的照度分量i(x,y)。上而图像细节等特性主要反映在高频成分的反射分量r(x,y)上。处理照明不足或不均匀的图像，就是要尽量削弱图像的低频分量i(x,y)而增强图像高频分量r(x,y)。

故同态滤波主要步骤如下：

(1)对原图像f(x,y)取对数，使乘法运算转化为加法运算

lnf,y=lni(x,y)=lnr(x,y)

(14)

(2) 将对数函数进行傅里叶变换，使图像转换至频域内

F[ln(x,y)]=F[lni(x,y)]+F[lnr(x,y)]

(15)

(3)用同态滤波函数H(u,v)处理ln(x,y)，削弱I(u,v)，增强R(u,v)，同时将照射分量和反射分量分开

H(u,v)F(x,v)I(x,y)+H(u,v)R(x,y)

(16)

(4)快速傅里叶逆变换(FFT)-1，转回空间

hf(u,v)=hi(x,y)+hr(x,y)

(17)

(5)两边取指数，得到滤波后的图像

g(x,y)=ehi(x,y)ehr(x,y)

(18)

同态滤波具体实现的流程图如图1所示。

图1 同态滤波过程

由上述可得出，同态滤波增强后的图像是由分别对应照度分量i(x,y)和反射分量r(x,y)的两部分叠加而成。同时由图1可以看出同态滤波函数H(u,v)的选择对同态滤波的效果的影响较大。

2.2 同态型滤波器的设计

高通滤波器可同时减少低频分量和增加高频分量的贡献，从而使图像同态范围得到压缩，对比度增强达到锐化图像的效果。由图2可知，同态滤波传递函数的波形与高斯高通滤波器相似。因此，本文设计一个对傅里叶变换的低频分量和高频分量影响不同的改进的高斯型同态滤波传递函数

(19)

式中，γH和γL别代表的是高频增益和低频增益，当γH>1且0 <γL<1时,图像高频分量增强，低频分量衰减同时对比度提高;k、w为动态变量;D代表截止频率，可根据需要选取。D(u,v)为点(u,v)到傅里叶变换中心的距离

(20)

其中，M,N分别代表图像的行数和列数。

图2 同态滤波函数

为达到更好的锐化效果，本文同时将改进的高斯型同态滤波器在频域内进行高频加强滤波，得到了一种改进的动态高斯同态滤波传递函数

Hf(u,v)=a+bH(u,v)

(21)

即

(22)

式中，a、b是动态算子，用于控制滤波器函数斜面的锐化。其中a∈[0.25，0.5]，b∈[1.5,2.0]。其他参数和式(19)中对应参数一致。

3 实验结果分析

为验证本文所提方法的可行性和有效性，在Visual Studio2012软件平台下先将非均匀图像进行亮度补偿，然后再对补偿前后的图像使用Otsu算法进行二值化分割。

3.1 亮度补偿结果的验证

非均匀图像变成均匀图像，首先需要对非均匀图像进行亮度补偿。本文所提出的改进后的动态型高斯同态滤波器参数取a=0.36、b=1.8、γH=2.4、γL=0.4、k=1.2和w=2.3。其三维波形如图3所示。

图3 改进的高斯型同态滤波器

采集到的原始图像为图4(a)(256×256×24 )；原始图像经传统的高斯同态滤波增强后，得到图4(b)；而使用本文改进的动态型高斯同态滤波的方法进行亮度补偿，得到图4(c)。

图4 图像亮度补偿效果图

如图4所示，原始图像存在着较为明显的光照不均匀的现象且亮度偏暗。经过传统的高斯同态滤波器处理以后，图像的光照不足得到一些改善，也突出了原始图像中的部分细节，但图像中明暗部分的分界还是过于明显，整体效果不佳。但是采用本文设计的改进的动态高斯同态滤波处理以后，不仅图像边缘得到很好的锐化，而且增强了细节部分尤其是图像的明暗部分的交界区域，达到了较好的补偿效果。以上分析足以说明，本文提出的图像亮度补偿的改进方法是明显优于传统的高斯高通滤波方法。

3.2 Otsu算法分割结果的验证

图5(a)为原始图像直接使用Otsu算法分割后的图像；图5(b)是使用Otsu算法对图4(b)处理后的结果；而图5(c)则是Otsu算法对图4(c)二值化分割后的结果图。

图5 亮度补偿前后图像Otsu算法效果图

由图5所示，光照不均匀的原始图像直接使用Otsu算法进行分割后得到的图像存在较为明显的黑色区域，此区域的字符无法识别，从而导致文本字符信息的丢失；而使用传统高斯同态滤波方法对原始图像亮度补偿后再进行Otsu算法分割后，得到图像的效果改观不少，但还是有少量字符信息被黑色区域所掩盖；相比之下，本文的亮度补偿算法对原始图像进行补偿后，然后再使用Otsu算法进行二值化后，字符信息可以被完整清晰地分割出来。

为进一步的验证本文算法的优越性，对非均匀光照下的图像进行各种算法的比较测试，比较结果如表1所示。

表1 3种算法运行速度和精度的比较

由表1综合比较得出：本文算法虽然运行速度不是最快的，但对于图像的分割精度有很明显提升，更进一步的验证的了本文算法的优越性。

4 结束语

如何消除非均匀光照对图像字符分割的影响，精确地将图像字符信息分割出来是模式识别的重要问题。本文针对非均匀光照图像提出一种改进的高斯型同态滤波的亮度补偿新方法，即通过HSI色系在频域内仅对亮度分量采用同态滤波，并引入改进后的高斯高通滤波传递函数对其进行亮度补偿，将其转化为均匀亮度的图像，同时有效地利用Otsu算法将字符信息从背景区域中精确地分割出来。实验结果表明，本文设计的改进后的动态高斯同态滤波器光照补偿效果良好，同时对非均匀光照的分割精度较为理想，在模式识别领域具有广泛的应用价值。

[1] Calin R,Thorsten G,Jianwei Z.Color image segmentation in HSI space for automotive applications[J].Journal of Real-time Image Processing,2008,3(4):311-322.

[2] Yoshinara K, Taguchi A. Color Image Enhancement in HSI Color Space without Gamut Problem[J]. Ieice Transactions on Fundamentals of Electronics Communications & Computer Sciences, 2015, E98.A(2):578-581.

[3] Zhang Libo ,Yang Lin ,Luo Tiejian.A novel illumination compensation method with enhanced retinex[J].IEEE Transactions on Systems,2016,28(3):83-87.

[4] Hanmandu M,Jha D.An optimal fuzzy system for color image enhancement[J].IEEE Transactions on Image Processing,2006,8(9):2956-2966.

[5] 魏巍.噪声和不均匀光照图像阈值分割技术研究[D].长春:吉林大学,2012.

[6] 黄莅辰.非均匀光照文本图像分割算法研究[D].湘谭:湖南科技大学,2015.

[7] 杨洋.基于智能监控系统的图像分割技术研究[D].合肥:中国科学技术大学,2016.

[8] 陈建平,秦斌,王欣.非均匀光照图像的自适应阈值分割[J].信息技术,2016,4(10):26-29.

[9] 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,2013,12(12):798-805.

[10] 焦竹青,徐保国.HSV变换和同态滤波的彩色图像光照补偿[J].计算机工程与应用,2010,6(30):45-47.

[11] 薛丹,孙万蓉，李京京.一种基于SVM的改进车牌识别算法[J].电子科技,2013,26(11):22-25.

[12] 顾国庆,葛伟华,巨志勇.非均匀光照的文本图像的亮度补偿分割方法:中国,200810109000[P].2008-12-09.

[13] 焦竹清,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,2010,21(4):602-605.

[14] 段群,吴粉侠,李红.双通道分块同态滤波彩色图像增强算法[J].计算机技术与发展,2016,45(6):487-490.

[15] 巨志勇,苏春美.非均匀光照下车牌图像分割算法[J].信息技术,2015,10(34):35-38.

Segmentation Method for Unevenly Image Brightness Compensation

WEN Jingdong，ZHANG Xuanxiong，JU Zhiyong

(School of Optical-Electrical and Computer Engineering,University of Shanghai for Science and Technology, Shanghai 200093,China)

Aiming at eliminating the effect of unevenly illumination on image segmentation, a new method of illumination compensation based on dynamic Gauss type filter is proposed. The unevenly image is in the HSI color system.,then the illumination component is filtered in frequency domain, and the improved Gauss high pass filter transfer function is introduced to it, keep the hue and saturation constant, then got the uniform image. At last use the Otsu algorithm for uniform image which was enhanced before. The experimental results show that the proposed method can make the image brightness and brightness moderate, and the visual sense is good. The accuracy of segmentation is more ideal.

unevenly illumination; illumination compensation;HSI color system; improved dynamic Gauss type filter

2016- 11- 21

国家自然科学基金(81101116)

闻敬东(1993-)，男，硕士研究生。研究方向：模式识别和图像处理。张轩雄(1965-)，男，研究员，博士生导师。研究方向：微电子机械系统等。巨志勇(1975-)，男，博士。研究方向：模式识别等。

10.16180/j.cnki.issn1007-7820.2017.09.004

TN911.73;TP391.41

A

1007-7820(2017)09-012-04