非均匀光照彩色图像的改进双直方图均衡校正

栗文静，刘静雪，周瑞云，徐 倩，付 晓

（合肥城市学院机械与电气工程学院，安徽合肥 230601）

彩色图像因包含色彩信息丰富、层次感强、有更好的视觉效果，而得到广泛应用，然而彩色图像在获取时由于自然光照的影响、物体遮挡、辅助光源的干扰，或者受光学传感器的光学特性的影响等而呈现出光照不均的图像[1]，如何对此类图像进行光照校正，使图像有更好的对比度一直是研究的热点和难点. 基于概率统计思想的直方图均衡化是其中最简单的一种，通过重新均匀分布图像灰度级达到饱和度校正的目的，均衡后的图像常会出现假轮廓. 因此，研究者们也提出了相应的改进方法，双直方图均衡就是其中的一种，其根据平均值把图形分成两个子图，分别采用两个不同的转换函数重新进行灰度映射，最后再合成一幅完成的图像；基于RGB 色彩空间时，此方法存在亮度估计误差，可能导致过增强、过饱和的现象[2]. 针对传统双直方图均衡存在的问题，本文通过改进措施，在增强亮度和对比度的同时保持良好的饱和度.

1 相关理论

1.1 HSV色彩空间

HSV 色彩空间由RGB 演变而来，在HSV 色彩空间，颜色包括三要素：色调H、饱和度S 和亮度V，其中色调用角度度量，取值范围为0°～360°，饱和度S表示颜色的明艳程度，范围为0～1，饱和度越高表明颜色越深；亮度表示颜色的明亮程度，范围为0～1.在HSV 空间可方便地将亮度分离出来，因此在图像增强算法中被经常采用. HSV 与RGB 色彩空间可以互相转换，用六角圆锥体模型表示的HSV 空间如图1所示.

图1 HSV色彩空间模型

1.2 自适应非线性拉伸

非线性拉伸变换通过对原图像进行非线性的对数变换[3][4]，提升图像低灰度或低对比度的值，降低高灰度或高对比度的值，使图像整体灰度、饱和度均衡.非线性变换的一般公式如下：

其中，f(x，y)为原图像，g(x，y)为变换后图像；根据实际情况可利用参数a、b、c调整曲线位置和形状.

2 双直方图均衡

一般的直方图均衡因可使变换后图像灰度呈现出均匀分布，从而扩大了灰度值的动态范围，但易产生全局作用效果，在增强图像的同时，也会增强背景噪声；并使变换后图像的细节缺失、信息熵下降[5]，这种方法针对亮度均匀的图像有较好的处理效果，对于亮度不均的图像效果不理想. 有不少研究对此进行了改进[6][7]，提出了双直方图均衡的思想：即把原始图像根据平均值分成两幅子图，分别对两幅子图采用不同的累计密度函数进行重新灰度分布，最后再合成一幅完成的输出图像. 但双直方图均衡仍存在灰度级不均匀分布，出现过增强使色彩过度饱和等问题. 因此，针对此问题，本文在双直方图的基础上进行改进如下：只对HSV 色彩空间的V 分量进行双直方图校正[8]，之后针对每幅子图再进行对数变化，扩展低灰度像素，压缩高灰度像素，实现突出光照不均图像的暗区细节，降低高光区域的亮度.改进后的算法流程如图2所示.

图2 改进双直方图算法流程

用fm表示图像亮度的均值，fm∈{f0，f1，···，fL-1}，根据均值把图像分为两个子图f1和f2：

两个子图像的概率密度分别如下：

转换函数分别为：

其中，g1、g2为两幅子图直方图均衡后的图像.

再采用函数g(x，y)=clog[1+f(x，y)]进行对数变换，以使光线较暗区域的细节更清晰，c取不同值时绘制的函数y=clog(1+x)曲线如图3 所示，可看出对数变换可降低高灰度像素，提高低灰度像素[9][10].

图3 对数曲线

对两幅子图采用的对数变换形式分别为：

式中，c1、c2是常数，通过取不同值可调整图像灰度；l1、l2即为对数变换后的两幅子图像，最后两幅子图再合成一副完整的校正图像.

3 实现方法

由于图像采集环境或光线影响，造成图像出现局部高光、阴影等不均匀光照现象，为了达到更好的校正效果，可以增强低亮区域对比度，同时也要控制好局部亮度范围[11]. 将图像由RGB 色彩空间转移至HSV 色彩空间，先用经过改进后的双直方图均衡方法对V 分量即亮度进行校正和对数变换[12]，从而使灰度值可根据图像明、暗程度作出适当的平衡调节；然后再对S 分量进行拉伸，以增加图像饱和度，使色彩更饱满[13][14]；最后重新合成完整图像再转换回RGB颜色空间.总体实现过程如图4所示.

图4 非均匀光照图像处理过程

针对非均匀光照的彩色图像处理可能会出现的过饱和现象，采用前文描述的非线性拉伸函数将S通道图像f(x，y)转换为非线性拉伸图像g(x，y)，以改善整体饱和度：

4 结果分析

实验选择光照不均的图像进行分析，选取了由于树木枝叶遮挡的阴影图片、天气阴沉状态的图片和昏暗的山洞图片，结果如图5（第36页）所示.

从双直方图均衡处理结果来看，虽有一定的均衡效果，但从图5a、图5b 均可看出色彩不自然，与原图有偏离；从图5c、图5d 图可明显看出存在过增强现象、对比度低. 采用本方法校正后的图像细节更清晰，阴影部分灰度得到增强（如图5a 湖边草丛和图5d 三洞石壁细节更突出），阳光照射产生的高光部分的图像亮度得到了一定程度的抑制（如图5b 的小径路面及竹林），整体图像清晰度和饱和度显著提高，层次感增强，视觉效果更好.

图5 不均匀光照图片校正效果

为客观评价校正的质量，采用信息熵进行定量评价，并将传统的双直方图均衡处理方法和本方法相对比，结果如表1 所示. 可见，采用本方法处理后的图像在信息熵改善方面均优于传统方法.

表1 信息熵评价表

5 结语

本文利用HSV 色彩空间下的V 分量进行改进的双直方图均衡处理，并对S 分量进行非线性拉伸处理，实现了增强图像对比度的同时不损失饱和度.在MATLAB 环境下对光照不均的图像进行分析验证，并对传统直方图和本文方法进行信息熵定量对比分析，证明本文方法处理具有更好的图像光照校正效果.