基于工业现场环境的图像增强方法研究

熊湾 刘琼 齐家栋

关键词： 工业环境; 图像增强; 混料颗粒; 直方图双向均衡化; 拉普拉斯变换; 高频提升滤波

中图分类号： TN911.73?34; TP391              文献标识码： A                    文章编号： 1004?373X（2019）02?0163?05

Research on image enhancement method based on industrial site environment

XIONG Wan， LIU Qiong， QI Jiadong

（School of Information Science and Engineering， Wuhan University of Science and Technology， Wuhan 430081， China）

Abstract： In allusion to the weak and uneven illumination problems of the industrial environment， an image enhancement method combining the spatial domain and frequency domain is adopted to conduct enhancement processing of the shot mixed particle images. The basic principles of histogram bi?directional equalization， Laplacian operator and high?frequency emphasis filtering enhancement are discussed. During histogram bi?directional equalization， the grayscale processing is conducted from two directions of the gray density and gray interval of the histogram simultaneously， which can enhance the contrast of the whole image. The Laplace transform can sharpen images， and highlight the particle edge details so that the particles can be clearly presented. The high?frequency emphasis filtering is used to conduct smooth processing of the images after Fourier transform， so as to remove image noises. The experimental results obtained according to the above methods show that the enhancement effect of images enhanced using the new method is respectively 30%， 8 times and 84% better in aspects of image mean， mean square and contrast enhancement coefficient than the effect of original images， and has a distinct advantage over the effect obtained using a single certain enhancement method.

Keywords： industrial environment; image enhancement; mixed particle; histogram bi?directional equalization; Laplace transform; high?frequency emphasis filtering

0  引  言

在钢铁工业的继续发展和进步中，钢铁材料仍是最主要的结构和工程材料，其质量关系到建筑工程的结构质量和安全[1]。而在钢铁材料的冶炼中，天然富矿在产量和质量上都远远不能满足高炉冶炼的要求，大量贫矿经选矿后得到的精矿粉不能直接入炉冶炼，只能通过人工方法将这些粉矿制成块状的人造富矿供高炉使用。运用烧结法得到的烧结矿是我国高炉的主要原料，随着钢铁产量的日益增加，对烧结矿的质量要求越来越严苛[2]。烧结混合料的颗粒质量是影响烧结矿质量的主要因素之一，为了使烧结效果最佳，就需要在混料过程中对混料颗粒的分布进行严格控制，使烧结混料颗粒的质量保持在一定的规格内。为了更准确、更快速地分析混料质量，借助图像分析技术来检测混料。在实际工业现场采集图像时由于光照不均、照明度不高等各种原因导致拍摄的烧结混料颗粒图像存在亮度较低且颗粒模糊不清等。这样不仅会影响图像的视觉效果，而且会给后续图像的分割、特征提取等操作带来困难[3?4]。为了更好地识别分析图像中的颗粒，需对图像进行增强处理，其本质是通过一定的方法对原图像数据进行适当的变换，使增强后的图像更符合人的视觉效果[5?6]，并提高颗粒和背景的对比度，使得颗粒更容易从背景中分离出来，并为进一步的图像分析打好基础。图像增强技术用到很多领域中，比如金刚石颗粒、珍珠粒度、冰川堆积物粒度、人脸识别、指纹图像等[7?10]，其主要目的是处理光照不均的问题，消除图像中的无关信息，增强有用的图像信息。

图像增强方法包含空间域和频率域两大类。空间域是指由图像像素组成的空间平面，又称为图像空间，它是对图像像素直接处理。频率域是对图像从空间域经傅里叶变换后的频谱进行操作[11]，其中高频成分包含图像的边缘信息和其他灰度跳跃区，低频成分指其他变化缓慢的区域，常用的有高通滤波和低通滤波。通常研究者只单一运用空间域或频率域中的某一种方法进行图像增强处理，将两方法结合运用的较少。本文将基于工业现场环境拍摄的图像，结合空间域中的双向直方图均衡化、拉普拉斯变换和频率域中的高频提升滤波对颗粒图像进行增强处理。

1  直方图双向均衡化

直方图双向均衡化是指对直方图的灰度密度和灰度间距两个方向同时进行均衡化处理[12]，能增强整幅图像的对比度，且不会出现直方图均衡化对光照不均匀图像的过增强现象[13?14]。

直方图双向均衡化对图像进行增强处理的过程为：

1） 进行灰度均衡化。也可以理解为是对图像的密度进行均衡化处理，其基本思想是通过某种映射把原始图像的直方图变换为均匀分布形式，即使图像在每一灰度级别上的像素点数近似相同。在实际应用中由于处理的都是离散数字图像，所以在此仅介绍离散情况。

直方图均衡化变换函数为：

[sk=i=0kPk（i）=i=0kNiN] （1）

式中，[Ni]为其中灰度级别为[i]的像素总数;[N]为图像的像素总数;[sk]为输出图像的各灰度级别。

2） 进行图像灰度间距的均衡化。在图像进行直方图均衡化即密度均衡化的基础上再对图像的灰度级数目进行统计，然后在整个显示范围内等间距排列灰度级别。设[Mk]为密度均衡化处理后图像的各灰度级数目，且有：

[M0=0Mk=Mk-1， sk=sk-1Mk=Mk-1+1， sk≠sk-1] （2）

则灰度间距变换函数为：

[Tk=Mk×L-1ML-1] （3）

运用直方图双向均衡化对图像进行增强处理后的图像以及直方图与原图的对比图如图1所示。

由图1可以看出，经直方图双向均衡化增强处理后的直方图1d）在各级灰度上的像素分布比原图直方图1b）均匀，增强后的图1c）与原图1a）相比，可看出图1c）的整体增强效果明显，但是颗粒的细节部分增强却不太明显。

2  高频提升滤波

频率域增强方法需要图像从空间域经傅里叶变换，再用所得到的频谱来进行增强处理。其中频谱的高频成分包含图像的边缘信息和其他灰度跳跃区，低频成分则指其他变化缓慢的区域。相反地，傅里叶反变换则可以将图像的频谱逆变换回空间域内。

频率域滤波包含低通滤波与高通滤波。低通滤波用于抑制图像频率的高频成分而处理低频成分;高通滤波则是抑制图像频率的低频成分而处理高频成分。在进行图像增强时主要对图像的边缘细节信息进行增强处理，及运用高通滤波增强，而图像的噪声存在于高频部分[15]，所以在运用高通滤波进行增强处理时会引入部分噪声。通常经过高通滤波处理后的图像背景呈黑色，只有图像中物体的边缘清晰而物体本身看不见，这就违背最初进行图像增强的初衷。

本文在高斯高通滤波的基础上采用高频提升滤波对图像进行平滑处理并去除噪声。其增强原理是将图像经高斯高通滤波过滤后的结果加回到原始图像中去，这样不仅解决了高斯高通滤波使图像变暗的问题，同时还不影响滤波对噪声的抑制和对图像边缘细节部分的增强。高斯高通滤波器函数可表示为：

[H（u，v）=1-e-[（u-M2）2+（v-N2）2]2σ2] （4）

式中，[σ]参数的值决定了图像边缘提取的准确性，[σ]参数取值越小，边缘提取越不准确;[σ]参数取值越大，边缘提取越准确，但也可能包含不完整的边缘信息。

高频提升滤波函数可表示为：

[Hg（u，v）=（A-1）+H（u，v）] （5）

式中，[A]為一常数，且[A≥1]时，是一个基于高通滤波的图像，而当[A=1]时就变成了常规的高通滤波。可知高频提升滤波是常规高通滤波的一种特殊形式。

运用高频提升滤波进行增强处理的图像以及直方图与原图的对比图如图2所示。

由图2可看出，高频提升滤波增强后所得的直方图2d）与原图直方图2b）的差别并不明显，但由增强后的图2c）与原图2a）对比可看出图像在亮度上稍微有所提升，颗粒看起来要更清晰。

3  拉普拉斯变换

拉普拉斯变换是空间域中图像锐化方法的一种，主要用于增强图像的灰度跳变部分，其增强目的是使模糊的图像更加清晰，图像边缘更加突出。由于一般待处理的数字图像为二维离散图像，则对于离散的二维图像[f（x，y）]，其拉普拉斯变换定义为：

在[x]方向上的二阶微分为：

[?2f?2x=f（x+1，y）+f（x-1，y）-2f（x，y）] （6）

在[y]方向上的二阶微分为：

[?2f?2y=f（x，y+1）+f（x，y-1）-2f（x，y）] （7）

将式（6）、式（7）相加即得拉普拉斯算子：

[?2f=[f（x+1，y）+f（x-1，y）+f（x，y+1）+            f（x，y-1）]-4f（x，y）] （8）

运用拉普拉斯变换对图像进行增强处理后的图像以及直方图与原图的对比图如图3所示。

由图3可看出，拉普拉斯变换增强后的图像直方图3d）较原图像的直方图3b）稍微均匀化了，增强后的图3c）较原图3a）可以很清晰地看出图像中颗粒边缘处凸显出来了，但增强后的图像引入了噪声，这也是拉普拉斯变换的弊端。

4  图像增强新算法

在文中分别介绍了几种增强方法独自对图像进行增强处理的效果，但都多少存在一定的缺陷。现综合上述几种方法在图像增强上的优势，并將其结合组成新算法对图像进行增强处理。新算法流程图如图4所示。

运用新算法对图像进行增强处理的结果图如图5所示。由图5可以看出新算法对图像进行增强处理后，图5c）的整体颜色对比度较原图5a）有较大提升，颗粒边缘也可较好区分开来，且新算法增强后的直方图5d）较原图像直方图5b）灰度分布更加均匀。与运用单一增强算法增强后的图形综合对比可看出新算法增强效果更明显。

为了客观说明新算法增强更加有效，现分别从图像均值、均方差以及对比度增强系数3个评价参数对几种增强方法进行比较，其结果如表1所示。

由表1中参数比较可以看出：

1） 在图像均值上只有直方图双向均衡化和本文新算法有较大增加，分别提高约为25%和30%，说明图像亮度提升较好;

2） 在均方差数值上除高频提升滤波外其余方法都有较高提升，尤其是本文新算法较原图在数值上提升了8倍，说明本文新算法将图像颜色分布范围扩大了，即图像中各颗粒更好区分开了;

3） 在对比度增强系数中，根据图像的对比度增强效果可以看出直方图双向均衡化和本文新算法在此项数据提高约为100%和84%，都有较大增加，直方图双向均衡化在对比度增强上效果更好。综合比较这几项数据可以得出本文新算法在图像整体增强处理上的效果优于其他三种算法，充分说明了本文新算法在图像增强上具有较为明显的优势。

5  结  语

本文针对工业现场环境拍摄的颗粒图像，综合图像增强中的空域增强和频域增强对其进行图像增强处理，并对比直方图双向均衡化、高频提升滤波、拉普拉斯变换单独对其进行增强处理的效果。结果表明，相较于单一运用前面的方法对图像进行增强处理，本文新算法对图像进行增强处理后，图像整体对比度较原图有明显提升，图像中颗粒边缘细节部分明显突出，说明新算法增强效果更明显。但由于目前没有特定的标准来衡量图像增强效果的好坏，本文采用对比图像直方图灰度分布情况以及几项图像参数来做进一步说明，可得出新算法对图像进行增强处理的效果更好。但是由图像可以看出，新算法在噪声处理上还有待改善。

参考文献

[1] 赵峰博.烧结矿组成和结构对烧结矿质量的影响[J].科技与创新，2016（1）：85.

ZHAO Fengbo. Influence of sinter composition and structure on sinter quality [J]. Science and Technology & innovation， 2016（1）： 85.

[2] 张忍德，吕学伟，黄小波，等.铁矿粉接触角的测试及影响因素分析[J].钢铁研究学报，2012，24（12）：57?62.

ZHANG Rende， L? Xuewei， HUANG Xiaobo， et al. Measurement and influencing factors on contact angle of iron ore powders [J]. Journal of iron and steel research， 2012， 24（12）： 57?62.

[3] 王殿伟，王晶，许志杰，等.一种光照不均匀图像的自适应校正算法[J].系统工程与电子技术，2017，39（6）：1383?1390.

WANG Dianwei， WANG Jing， XU Zhijie， et al. Adaptive correction algorithm for non?uniform illumination images [J]. Systems engineering and electronics， 2017， 39（6）： 1383?1390.

[4] SHIN Y， JEONG S， LEE S. Efficient naturalness restoration for non?uniform illumination images [J]. IET image processing，2015， 9（8）： 662?671.

[5] 李宗妮，吴伟民，林志毅.一种采用改进蚁狮优化算法的图像增强方法[J].计算机应用研究，2018，35（4）：1258?1260.

LI Zongni， WU Weimin， LIN Zhiyi. Image enhancement method based on improved antlion optimization algorithm [J]. Application research of computers， 2018， 35（4）： 1258?1260.

[6] 刘生东，刘佳琪，张雪峰，等.基于亮度自适应调整的低对比度红外图像增强算法[J].导弹与航天运载技术，2017（5）：74?76.

LIU Shengdong， LIU Jiaqi， ZHANG Xuefeng， et al. A low contrast infrared image enhancement algorithm based on luminance adaptive adjustment [J]. Missiles and space vehicles， 2017（5）： 74?76.

[7] 才娟.图像处理在珍珠粒度检测中的应用研究[D].桂林：桂林理工大学，2007.

CAI Juan. Application research of image processing in pearl particle size detection [D]. Guilin： Guilin University of Technology， 2007.

[8] 王献礼，张永双，曲永新，等.基于数字图像处理技术的冰川堆积物粒度分析：以川西贡嘎山冰川堆积物为例[J].地质通报，2010，29（2）：469?475.

WANG Xianli， ZHANG Yongshuang， QU Yongxin， et al. Grain size analysis of glacial deposits based on digital image processing technology [J]. Geological bulletin of China， 2010， 29（2）： 469?475.

[9] ABBOOD A A， SULONG G， PETERS S U. A review of fingerprint image pre?processing [J]. Jurnal teknologi （Sciences & engineering）， 2014， 69（2）： 79?84.

[10] KHAN T M， KHAN M A U， KONG Y. Fingerprint image enhancement using multi?scale DDFB based diffusion filters and modified Hong filters [J]. Optik， 2014， 125（16）： 4206?4214.

[11] 周峥.图像增强算法及应用研究[D].北京：北京工业大学，2012.

ZHOU Zheng. Image enhancement algorithm and its application research [D]. Beijing： Beijing University of Technology， 2012.

[12] 吴强，王新赛，贺明，等.一种结合小波分析与直方图的红外图像增强方法[J].应用光学，2011，32（3）：464?467.

WU Qiang， WANG Xinsai， HE Ming， et al. Infrared image enhancement based on wavelet analysis and histogram [J]. Journal of applied optics， 2011， 32（3）： 464?467.

[13] RAJAVEL P. Image dependent brightness preserving histogram equalization [J]. IEEE transactions on consumer electronics， 2010， 56（2）： 756?763.

[14] TAN T L， SIM K S， TSO C P. Image enhancement using background brightness preserving histogram equalization [J]. Electronics letters， 2012， 48（3）： 155?157.

[15] 关雪梅.基于频域的图像增强技术研究[J].廊坊师范学院学报（自然科学版），2012，12（2）：27?28.

GUAN Xuemei. Study on image enhancement technique based on frequency domain [J]. Journal of Langfang Teachers University （Natural science edition）， 2012， 12（2）： 27?28.