一種多色彩空間信息融合和同態(tài)濾波的彩色圖像增強(qiáng)算法

一種多色彩空間信息融合和同態(tài)濾波的彩色圖像增強(qiáng)算法

1基于多色彩空間信息融合和同態(tài)濾波的彩色圖像增強(qiáng)算法事實(shí)上，由于光或物體表面反射等因素的影響，采集的圖像具有光度不平等、動(dòng)態(tài)范圍大、細(xì)節(jié)模糊等特點(diǎn)，這不利于人們的觀察。同時(shí)，它也是一種很難后續(xù)處理圖像的方法。對(duì)于成像的改善，方案包括直方圖平衡法、基于照明反射模型的同態(tài)濾波法和基于reteive的理論方法。其中，直方圖平衡法處理后的圖像具有塊效應(yīng)?；趓eteive的改進(jìn)方法，計(jì)算量過(guò)大，難以滿足當(dāng)前的要求。上述方法在灰度圖像增強(qiáng)中已經(jīng)得到了廣泛應(yīng)用,而對(duì)于彩色圖像的增強(qiáng),由于需要考慮圖像顏色信息,給處理過(guò)程帶來(lái)一定困難.現(xiàn)有處理方法大致分兩種:一是在傳統(tǒng)的RGB色彩空間,分別對(duì)紅、綠、藍(lán)三個(gè)通道信息進(jìn)行增強(qiáng)根據(jù)以上分析,本文提出了一種基于多色彩空間信息融合和同態(tài)濾波的彩色圖像增強(qiáng)算法,并進(jìn)行了實(shí)驗(yàn)驗(yàn)證.2同態(tài)濾波算法原理用函數(shù)f(x,y)表示一幅圖像,其值可由兩個(gè)分量來(lái)表征:入射到觀察場(chǎng)景的光源總量和場(chǎng)景中物體反射光的總量.相應(yīng)稱為入射分量和反射分量,分別表示為i(x,y)和r(x,y).其關(guān)系可以表示為式中,i(x,y)的性質(zhì)取決于照射源,其分布均勻,在空間域變化緩慢,在頻域空間主要分布在低頻區(qū)域.r(x,y)取決于成像物體的特性,主要反映的是圖像的邊緣、細(xì)節(jié)信息、對(duì)應(yīng)頻域空間中的高頻成分.同態(tài)濾波算法,能夠抑制入射分量,增強(qiáng)反射分量,從而達(dá)到平衡光照,增強(qiáng)細(xì)節(jié)的目的.同態(tài)濾波的基本過(guò)程如圖1所示.3本研究中的彩色圖像算法彩色圖像3.1基于同態(tài)濾波的圖像拉伸為了解決彩色圖像增強(qiáng)時(shí)的顏色失真問(wèn)題,文獻(xiàn)[3,5-7]選用在HSV色彩空間,對(duì)亮度分量進(jìn)行增強(qiáng)處理,這種方法雖然有效地保持了色彩的一致性,但動(dòng)態(tài)范圍壓縮和圖像細(xì)節(jié)增強(qiáng)效果并不理想.這是因?yàn)槿搜蹖?duì)于圖像結(jié)構(gòu)信息的分辨,在灰度圖像中主要是依靠亮度的變化,而對(duì)于彩色圖像,亮度的變化僅僅是一個(gè)方面,在相鄰像素亮度基本一致的情況下,就需要通過(guò)顏色信息進(jìn)行分辨.針對(duì)這一問(wèn)題,本文算法在RGB色彩空間中,分別對(duì)各彩色通道信號(hào)進(jìn)行同態(tài)濾波,保證各顏色通道的結(jié)構(gòu)細(xì)節(jié)信息得到增強(qiáng)同態(tài)濾波后的直方圖見圖3.同態(tài)濾波后各分量圖像灰度值主要集中在某一范圍內(nèi),動(dòng)態(tài)范圍小,對(duì)比度較低.因此,本文對(duì)歸一化后的圖像進(jìn)行了自適應(yīng)截取拉伸.設(shè)直方圖總面積為S,直方圖均值u附近Δx距離的面積為S式中,I為最終增強(qiáng)結(jié)果,I3.2hsv色彩空間的光補(bǔ)償和顏色恢復(fù)計(jì)算3.2.1基于非線性函數(shù)的染色算法經(jīng)過(guò)RGB空間的同態(tài)濾波和自適應(yīng)截取拉升后的圖像,雖然很好地壓縮了原圖像的動(dòng)態(tài)范圍,增強(qiáng)了圖像細(xì)節(jié)信息,但丟失了基本的光照信息,使圖像看起來(lái)不自然.HSV色彩空間中的V分量可以表示圖像的整體的亮度變化情況,因此可以利用V分量對(duì)整體圖像進(jìn)行光照補(bǔ)償.但原始的亮度信息不均勻,存在明顯的高亮區(qū)域和暗區(qū)域.因此本算法首先構(gòu)造非線性函數(shù),實(shí)現(xiàn)對(duì)亮度分量?jī)蓚€(gè)區(qū)域的同時(shí)拉伸,得到分布均勻的亮度圖像.然后利用處理后的亮度圖像對(duì)濾波后的各通道信號(hào)進(jìn)行光照補(bǔ)償.具體形式為式中,I式中,0<m<1,n>1.圖5是函數(shù)的曲線圖,m,n具有相互制約的關(guān)系,需要尋找合適的m,n達(dá)到理想的增強(qiáng)效果.通過(guò)實(shí)驗(yàn)發(fā)現(xiàn),m取值為0.3,n取值為5時(shí),能夠同時(shí)拉伸亮區(qū)域和暗區(qū)域,達(dá)到較好的增強(qiáng)效果.3.2.2色彩信息融合RGB色彩空間增強(qiáng)并進(jìn)行光照補(bǔ)償后的圖片,雖然較好地壓縮了圖像的動(dòng)態(tài)范圍,增強(qiáng)了細(xì)節(jié)信息,但丟失了大量的顏色信息.因此,本文算法將原始圖像的H分量(色度分量)和S分量(飽和度分量)與處理后的圖像的亮度分量進(jìn)行信息融合,將融合后的圖像轉(zhuǎn)化到RGB色彩空間,得到最終增強(qiáng)后的圖片,較好的保持了原圖像的色彩信息.4圖像表面增強(qiáng)效果對(duì)比為驗(yàn)證本文算法的處理效果,選用了幾幅光照不均勻,動(dòng)態(tài)范圍大,對(duì)比度差的彩色圖像進(jìn)行實(shí)驗(yàn)分析.并與文獻(xiàn)[3-4]的彩色圖像增強(qiáng)算法結(jié)果進(jìn)行了對(duì)比分析.圖6所示為一幅光照不足大橋圖片的增強(qiáng)處理結(jié)果.從圖6(a)中可以看出由于光照不足,導(dǎo)致大橋的細(xì)節(jié)模糊,圖像下部的森林背景基本處于黑暗帶,無(wú)法辨別細(xì)節(jié)信息.圖6(b)為經(jīng)過(guò)文獻(xiàn)6算法處理后的效果圖,圖中可以看出暗區(qū)域的對(duì)比度得到一定拉伸,亮度提高,能夠識(shí)別出森林背景中的一些細(xì)節(jié)信息.但整幅圖像的對(duì)比度不高,圖像不夠清晰.圖6(c)相比圖6(b)的效果,整幅圖的全局對(duì)比度更高,森林背景的整體結(jié)構(gòu)信息更加清晰,顏色更加鮮亮,但樹葉的局部細(xì)節(jié)信息比較模糊,并且天空背景的信息有所丟失.從本文算法處理的結(jié)果圖中可以看出,圖像整體對(duì)比度高,細(xì)節(jié)信息清晰,天空背景更加細(xì)膩.另外對(duì)院落圖像增強(qiáng)效果對(duì)比也做了試驗(yàn),說(shuō)明本文算法處理效果最好可以清楚的分辨出地面高亮區(qū)域的細(xì)節(jié)信息以及圖片中車子上部墻體上的紋理.從店鋪圖像增強(qiáng)效果圖.同時(shí)增強(qiáng)了亮暗區(qū)域的細(xì)節(jié)信息,比如,墻體和地面以及屋內(nèi)的細(xì)節(jié)信息,并保持顏色的高度一致性.為了從客觀上驗(yàn)證算法的效果,本文采用均值、方差以及信息熵來(lái)度量增強(qiáng)后的圖片質(zhì)量.其中,均值表示圖像的整體亮度,方差表示圖像的對(duì)比度,信息熵表示圖像包含的信息量(細(xì)節(jié)成分).表1中給出了上面三幅圖片不同算法處理后的各性能參數(shù)值.從表中數(shù)據(jù)對(duì)比可以看出,三種算法在亮度上相比原圖像亮度都有所提高,本文算法提升更顯著.對(duì)比度方面,本文算法相較原圖有一定的提高,但效果不如文獻(xiàn)[4]的方法明顯.但從信息熵的值