基于Gabor滤波器的电泳电子纸图像滤波系统设计

何文耀， 刘林威， 黄圳煜， 易子川， 周国富， 水玲玲*

(1. 华南师范大学华南先进光电子研究院， 广州 510006； 2. 电子科技大学中山学院电子信息学院，中山 5284021)

电泳电子纸(EPD)作为一种新型显示技术[1]，具有视角广[2]、可擦写[3]、类纸显示[4]、超低功耗[5]、强光下可读的特点[6]. 在分析EPD显示效果时，采集的画面容易受到光干扰，影响分析结果. 因此，有效克服光干扰对图像采集过程至关重要，也是计算机视觉有待解决的难题[7].

针对采集图像处理过程中的光干扰问题，不同研究者提出了大量算法，例如：杨颖等[8]提出1种基于高斯频域低通滤波的方法，解决字符图像光照不均的问题；WANG等[9]提出了一种提高EPD图像稳定性的算法;刘先明等[10]的研究有效改善了直流平衡问题；HSU等[11]研究了横向电场对粒子驱动的影响，但在测试数据时存在光干扰. YI等[12]提出了减弱鬼影的算法. 但这些研究中均未避免光干扰对数据采集准确性的影响. 关于EPD视频播放及驱动系统设计的大量研究[1,13-18]表明：在测量反射率及分析鬼影时未滤除光干扰，会导致测试数据不够准确.

为了解决这些问题，本文提出了一种基于Gabor滤波器的EPD图像滤波系统. 对于单一灰阶图像，先通过Gabor滤波器降低图像中的光干扰，再使用闭运算进行边缘补偿；对于彩色图像，分别对红(R)、黄(G)、蓝(B)分量滤波，再重新组合成彩色图像. 该系统在弱化光照干扰、提高图像质量方面具有良好的性能.

1 研究方法

本实验显示屏采用由E-Ink公司生产的微胶囊EPD，以微控制器为主控单元，以摄像系统所采集的EPD画面为研究对象，使用MATLAB R2016a对采集的EPD画面进行分析，以Gabor滤波器为主要滤波工具，滤除图像光干扰. 当EPD画面为单一灰阶图像时，经过Gabor滤波后，使用闭运算进行边缘补偿；当EPD画面为彩色图像时，先提取R、G、B分量，再分别对这3个分量进行Gabor滤波处理，从而滤除光干扰.

1.1 硬件设计原理

电泳电子纸显示画面通过摄像系统将采集的JPG或BMP数据传输到微处理器进行处理，数据保存为“.JPG”或者“.BMP”格式并存放于SD卡，再通过USB Slave接口与PC端连接，读取存放于SD卡的图片. 工作流程如图1所示.

图1 硬件系统工作流程

1.2 软件设计原理

1.2.1 单一灰阶图像滤波原理 Gabor滤波器具有较强的空间位置和方向选择性，并且能够捕捉对应于空间和频率的局部结构信息，通过调整Gabor滤波器的方向、基频带宽及中心频率，能够很好地兼顾信号在空域和频域中的分辨能力；且对于光照、图像的亮度变化及形态具有较强的鲁棒性，通过提取图像在各个尺度和方向上的纹理信息，对图像进行滤波处理，在一定程度上降低了光照变化和噪声对图像的影响，提供图像对光照变化良好的适应性.

将采集的带光干扰的EPD图像作为样本，根据图像RGB的加权和将图像的RGB值转化为灰度值，实现灰度图像的转化：

H=0.299R+0.587G+0.114B.

(1)

将图像转换为灰度图像后，采用Gabor滤波器去除光噪声，Gabor滤波函数如下：

(2)

其中Sx和Sy分别代表着X和Y方向的差异系数；Sx、Sy通过改变图像的差异系数来控制滤波强度；U和V分别代表X和Y方向的中心频率；U、V通过控制中心频率来影响滤波宽度.

经过Gabor滤波后，图像边缘的亮度骤减，产生边缘失真. 系统设计了一种基于单一灰阶图像的边缘处理方法：当所拍摄的电子纸图像为单一灰阶时，经过Gabor滤波后，先对图像进行膨胀处理，将与物体接触的所有背景点合并到该物体中，使边界向外部扩张，填充图像中的小孔与图像边缘处的微小凹陷部分；再对图像进行腐蚀处理. 腐蚀是消除边界点，使边界向内部收缩的过程；先膨胀再腐蚀的过程称为闭运算. 具体定义为：

结构元素B对图像A的膨胀

(3)

集合A被结构元素B腐蚀

AΘB={x:Bx⊆A}.

(4)

闭运算

A·B=(A⊕B)ΘB.

(5)

1.2.2 彩色图像滤波原理 当采集到的EPD画面为彩色图像时，直接使用Gabor滤波会使图像失真，系统设计了一种可以保留原图像色彩的Gabor滤波方法，具体过程：

当采集到的画面为彩色图像时，先提取彩色图像的R、G、B分量：

R=I(:,:,1)；

(6)

G=I(:,:,2)；

(7)

B=I(:,:,3).

(8)

再对3组分量依次进行Gabor滤波，将滤波后的3组分量R′、G′、B′重新组合成彩色图像.

I(:,:,1)=R′；

(9)

I(:,:,2)=G′；

(10)

I(:,:,3)=B′.

(11)

2 结果与讨论

2.1 系统硬件电路及软件设计

本系统硬件：微处理器、PC端、USB Slave接口、复位电路、电源电路、联合测试工作组(JTAG)、静态随机存储器(SRAM)、按键、SD卡、LED灯、摄像头和液晶显示器(LCD)，系统硬件框架如图2A所示. Gabor滤波器滤波流程：导入拍摄的图像，判断是否为彩色；若是则先提取R、G、B分量，设置滤波参数，再分别对这3个分量进行Gabor滤波，最后重新合成彩色图像；若图片为单一灰阶图片，则先将图像转换为灰度图，再设置滤波参数，通过Gabor滤波后进行闭运算；最后输出图像. 系统软件流程如图2B所示.

图2 系统硬件框架与软件流程

2.2 单一灰阶图像滤波

对于1张单一灰阶图像，在采集时受到由右下角射入的灯光照射影响，导致图像亮度不均匀(图3A). 通过对图像进行Gabor滤波后得到如图3B所示的图像.

图3 Gabor滤波前后的图像对比

图像灰度的方差可以表示图像的均匀性，通过MATLAB计算出滤波后的图像灰度发现，其方差下降了39.9%，这说明图像的均匀性提升了39.9%，也说明滤除了39.9%的光干扰.

利用MATLAB对滤波后的图像作出三维模拟图，以描述图像像素间灰度的变化情况，其中x、y代表灰度图像中某一像素点的位置，z代表当前像素点的灰度. 经过Gabor滤波后，图像边缘的灰度出现很大程度的衰减(图4A). 通过实验发现，运用闭运算的形态学运算处理后，图像边缘衰减现象明显下降(图4B).

为了验证本文方法的优越性，在相同条件下将本文方法与其他滤波方法进行对比分析. 通过灰度化和高斯低通滤波的方法处理后，图像灰度仍不均匀且整体偏白，可见图像表面的光干扰并没有被滤除；图像的右下角仍有明显的入射光痕迹. 而通过本文方法处理的图片灰度较均匀，且右下角入射光的痕迹已基本被滤除(图5).

图4 Gabor滤波和闭运算得到的三维模拟图

Figure 4 The 3-dimensional simulation curves obtained with Gabor filtering and closed operation

图5 本文方法与其他方法的滤波效果对比

Figure 5 The filtering effect with the current method in compa-rison with that with other methods

2.3 彩色图像滤波

当原图像为彩色图像时，直接进行Gabor滤波会使图像失真. 通过实验发现，先将彩色图像分解为R、G、B分量，对各分量依次进行Gabor滤波，再按原顺序重新组合成彩色图片，使彩色图像在滤除光干扰的前提下又不失真. 为了验证本文方法的优越性，在相同条件下将本文方法与其他滤波方法相比. 通过高斯低通滤波方法处理后，图片整体偏亮，且左上方及右下角亮度仍然较高，可见图像表面的光干扰并没有被滤除； 而通过本文方法处理后的图片，灰度较均匀，且左上方及右下角的光干扰滤除效果明显(图6).

图6 本文方法与其他方法的滤波效果对比

Figure 6 The filtering effect with the current method in comparison with that with other methods

图像灰度的方差可表示图像的均匀性(表1). 对于单一灰阶图像，滤波前图像的灰度方差为80.2，通过Gabor滤波后灰度方差为48.2(下降了39.9%)，图像的均匀性仅提升39.9%；通过灰度化后，灰度方差为128.9(上升了60.7%)，图像的均匀性降低了60.7%. 通过高斯低通滤波后，灰度方差为79.9(下降了0.4%)，说明图像的均匀性仅提升0.4%. 对于彩色图像，在滤波前图像的灰度方差为3 000，通过Gabor滤波后，灰度方差为1 810(下降了39.7%)，说明图像的均匀性提升了39.7%； 通过高斯低通滤波后，灰度方差为2 886(下降0.4%)，说明图像的均匀性仅提升0.4%. 可见本文的方法可有效滤除EPD图像采集过程中引入的光干扰.

表1 图像灰度值的方差比较

3 结论

针对EPD显示图像采集易受光干扰的问题，设计了一种基于Gabor滤波器的图像滤波系统. 对于受光干扰的单一灰阶图像，先通过Gabor滤波降低光照变化和噪声对图像的影响，再通过闭运算进行边缘补偿；对于受光干扰的彩色图像，先提取图像的R、G、B分量，分别对各分量进行Gabor滤波，最后将3组分量重新组合成彩色图像. 结果表明：该系统针对单一灰阶图像能有效滤除39.9%的光干扰, 针对彩色图像能有效滤除39.7%的光干扰. 该系统的不足之处在于Gabor滤波器参数的设定仍需要手动完成，后期可通过分析不同光干扰场景的数据来统计参数变化规律.