圖像去霧技術(shù)研究

1、編號 圖像去霧技術(shù)研究The research on image defogging technology學 生 姓 名XX專 業(yè)電子科學與技術(shù)學 號XXXXXXX學 院電子信息工程學院摘要本文首先簡單介紹了云霧等環(huán)境對圖像成像的影響，接著從圖像增強的角度研究圖像去霧技術(shù)的基本方法，介紹了去霧算法的原理和算法實現(xiàn)步驟，并對去霧算法的優(yōu)缺點和適用條件進行了總結(jié)?；趫D像增強的去霧原理，本文提出了聯(lián)合使用同態(tài)濾波和全局直方圖均衡的改進去霧算法。先進行同態(tài)濾波使有霧圖像的細節(jié)充分暴露，然后采用全局直方圖均衡擴展圖像的灰度動態(tài)范圍。去霧效果具有對比度高，亮度均勻，視覺效果好的特點，不足的是圖像的顏色過

2、于飽和。關鍵字：圖像增強 圖像去霧 同態(tài)濾波 全局直方圖均衡 AbstractFirstly, this paper simply introduces the influence of cloud environment of image formation, then from the enhanced image perspective of image to fog technology basic method, is introduced to fog algorithm principle and algorithm steps, and has carried on the s

3、ummary to fog algorithm advantages, disadvantages and applicable conditions.As for the defogging theory based on the image enhancement, the paper puts forward the improved defogging algorithm which requires combining homomorphic filtering and global histogram equalization. We should use homomorphic

4、filtering to get details of the fogging images clearly exposed and then use global histogram equalization to spread the images gray scale dynamic range. Defogging has features of high contrast ratio, uniform brightness and good visual effect. But its drawback is that the image color is too saturated

5、.Key words: image enhancement; image defogging; homomorphic filtering; global histogram equalization; 181.云霧等環(huán)境對圖像成像的影響1.1 課題研究的背景和意義近年來國內(nèi)的霧霾天氣逐漸由中東地區(qū)向全國蔓延。霧霾自2013年起開始成為人們對天氣關注的關鍵詞。霧霾是特定氣候條件與人類活動相互作用的結(jié)果。高密度人口的經(jīng)濟及社會活動必然會排放大量細顆粒物（PM2.5），一旦排放超過大氣循環(huán)能力和承載度，細顆粒物濃度將持續(xù)積聚，此時如果受靜穩(wěn)天氣等影響，極易出現(xiàn)大范圍的霧霾。霧天時，彌漫在空中的霧氣

6、和塵埃模糊了人們的視線，使得景物的能見度大幅降低。在霧天條件下的室外獲得的圖像會受到嚴重的退化，圖像目標的對比度和顏色等特征被衰減，這大大降低了圖像的應用價值。即使在晴朗的天氣條件下拍攝的照片，由于大氣的散射作用，照片的清晰度同樣受到影響。因為在每一個實際的場景中，光線在到達相機之前，都會從物體表面反射出來而且散射在空氣中。這是因為空氣中存在的浮質(zhì)，像灰塵、霧和煙等，這些因素導致物體表面顏色變淡和整幅圖像的對比度降低。這給工業(yè)生產(chǎn)及人們的日常生活帶來了很大影響。例如城市交叉路口圖像監(jiān)視系統(tǒng)，在惡劣天氣條件下得到的退化圖像會對判斷車輛信息和監(jiān)控交通情況造成極大的困難；在軍事偵察或監(jiān)視中，退化圖像

7、對信息的識別與處理會造成偏差，而這種偏差的后果是非常嚴重的；遙感探測中退化圖像同樣會對后續(xù)的信息處理產(chǎn)生很大的干擾。因此許多領域都要用到去霧算法。有霧圖像特征清晰化的研究具有非常重要的意義。另一方面，隨著科學技術(shù)的飛速發(fā)展，計算機運行處理速度加快，圖像處理廣泛應用于眾多的科學和工程領域重要領域。數(shù)字圖像技術(shù)從20世紀50年代發(fā)展至今，在航空航天、工業(yè)生產(chǎn)、醫(yī)療診斷、資源環(huán)境、氣象及交通監(jiān)測、文化教育等領域有著廣泛的應用，創(chuàng)造了巨額的社會價值。應用的視覺系統(tǒng)極易受到天氣因素的干擾甚至無法正常工作。霧天天氣條件是各種天氣條件中對視覺影響最嚴重的一種。圖像去霧技術(shù)成為圖像處理和計算機視覺領域共同關心

8、的重要問題。為了保證視覺系統(tǒng)的全天候正常工作，就必須使系統(tǒng)能夠適用于各類天氣狀況，這樣才能提高系統(tǒng)的可信賴性。因此，研究如何對塵霧等惡劣天氣條件下獲得的退化圖像進行有效地處理，對大氣退化圖像的復原和景物細節(jié)信息的增強有著非常重要的現(xiàn)實意義。霧天下圖像的清晰化技術(shù)有可能對其他惡劣天氣條件下圖像的清晰化技術(shù)也起到促進作用。從而促使全天候視覺系統(tǒng)排除天氣狀況的干擾和影響。此方面技術(shù)的研究有著很大應用前景。1.2 國內(nèi)外研究現(xiàn)狀對霧天圖像，改善退化圖像的質(zhì)量，可采用模擬和數(shù)字兩種圖像處理技術(shù)進行處理。模擬圖像處理利用光學處理和電子電路處理，特點是速度快實時性好，但是精度較差，靈活性差，很難有判別能力和

9、非線性處理能力。而數(shù)字圖像處理采用計算機或?qū)崟r硬件處理，處理精度高，可以進行復雜的非線性處理，有靈活的變通能力。圖像增強法就是采用數(shù)字圖像處理技術(shù)對霧天得到的退化圖像進行處理的一種方法。圖像增強方法又稱為非模型的方法，不考慮圖像退化原因，按照特定需要突出圖像中的某些信息，如邊緣輪廓、亮度、對比度等，同時削弱或者除去某些不需要的信息，來改善圖像的視覺效果或者將圖像轉(zhuǎn)換成為一種更適合人或機器進行分析的形式。增強處理并不能增強原始圖像的信息，只是改善圖像的可識別度，這種處理可能使圖像失去某些信息。（1）全局化的圖像增強方法全局化的霧天圖像增強方法是指對由整幅霧天圖像的統(tǒng)計信息決定的灰度值的調(diào)整，與被

10、調(diào)整點所處的區(qū)域無關。由于霧天下場景的退化程度與其深度相關，而一幅圖像往往包含復雜的深度信息，所以全局化的處理方法往往不能得到理想的效果，但當霧天圖像的場景相對簡單時，不失為一種有效的途徑。典型的全局化霧天圖像增強方法主要有6種。1）全局直方圖均衡化算法。該方法的基本思想是把有霧圖像的直方圖變換為近似均勻分布的形式，這樣就增加了像素灰度值的動態(tài)范圍，從而達到增強霧天圖像整體對比度的效果。但是在實際場景中圖像的景深和霧天圖像不同區(qū)域影響有差別，整體處理會造成圖像增強不均勻，去霧圖像視覺效果不夠好。2）同態(tài)濾波算法。該算法是一種把頻率過濾和灰度變換相結(jié)合的圖像增強處理方法，也是一種把照明反射模型作

11、為頻域處理的基礎，利用壓縮亮度范圍和增強對比度來改善圖像質(zhì)量的處理技術(shù)。 3）小波方法。小波與多尺度分析在對比度增強上的應用取得了很大進展。4）Retinex算法。Retinex是一種描述顏色不變性的模型，它具有動態(tài)范圍壓縮和顏色不變性的特點，對由于光照不均而引起的低對比度彩色圖像具有很好的增強效果。黃義明1對于Retinex算法的改進，利用遞歸高斯濾波對Retinex算法進行加速和利用線性拉伸的方法提高圖像的對比度。 5）曲波變換。曲波是一種在小波變換基礎上發(fā)展起來的新的多尺度分析方法，由于它特別適合于各向異性奇異性特征的信號處理，因此能夠很好地彌補小波變換在圖像的曲線邊緣增強方面的局限性。

12、 6）基于大氣調(diào)制傳遞函數(shù)增強霧天圖像。該方法的原理是：首先通過對大氣調(diào)制傳遞函數(shù)的預測，近似估計大氣對圖像質(zhì)量的退化過程。當?shù)玫较闰炐畔r，通過預測公式計算出相應的湍流調(diào)制傳遞函數(shù)和氣溶膠調(diào)制傳遞函數(shù)，再由前兩者的乘積得到總的大氣調(diào)制傳遞函數(shù)。然后利用大氣調(diào)制傳遞函數(shù)在頻域內(nèi)對天氣退化圖像進行復原，并對戶外景物圖像中由大氣調(diào)制傳遞函數(shù)造成的衰減進行補償。例如楊國強通過分析transmission圖像的本質(zhì)特性，并基于圖像的大氣衰減模型，提出一種有效的單幅圖像去霧技術(shù)非線性的雙邊濾波圖像去霧方法，并利用獲得結(jié)果圖像實現(xiàn)圖像的重光照技術(shù)2。（2）局部化的圖像增強方法對于上述全局化的圖像增強方法而

13、言，由于此類方法是對整幅圖像進行操作，而且在確定變換或轉(zhuǎn)移函數(shù)時是基于整個圖像的統(tǒng)計量。而在實際應用中常常需要對圖像某些局部區(qū)域的細節(jié)進行增強，但這些局部區(qū)域內(nèi)的像素數(shù)量相對于整幅圖的像素數(shù)量往往較小，在參與整幅圖的計算時其影響常被忽略掉，并且從整幅圖像得到的函數(shù)也不能保證這些所關心的局部區(qū)域得到所需的增強效果。因此，需要根據(jù)所關心的局部區(qū)域的特性來計算變換或轉(zhuǎn)移函數(shù)，并將這些函數(shù)用于所關心的區(qū)域，以得到所需的增強效果。王敬東等人使用Kuwahara邊緣角點保持濾波器對大氣散射光進行估計并對所采用的Kuwahara濾波器進行改進3。通過增加子塊的數(shù)目以及進行局部加權(quán)等提高邊緣保留效果，抑制方塊

14、效應，從而獲得較為準確的介質(zhì)透射率。2 .基于圖像增強的去霧算法研究基于圖像增強方法的去霧算法是不考慮有霧圖像的成像原理，從有霧圖像呈現(xiàn)的低亮度和低對比度的特征考慮，按照特定的需要增強需要突出部分的圖像內(nèi)容，削弱或去除某些圖像信息的方法。但是應當明確的是，圖像增強去霧算法并不能夠增加原始圖像的信息，其結(jié)果只是提高視覺的清晰度和對比度，會有圖像信息的損失。本節(jié)主要研究了基于圖像增強的全局化處理方法和局部處理方法，分析算法實現(xiàn)步驟并仿真，然后對每一種算法結(jié)果進行總結(jié)。最后，總結(jié)各圖像增強算法優(yōu)缺點后，提出基于同態(tài)濾波和全局直方圖均衡的改進去霧算法方案。2.1全局化霧天圖像增強全局化的霧霾圖像增強是

15、指根據(jù)整幅霧霾圖像的統(tǒng)計信息來對灰度值進行調(diào)整，與調(diào)整點所在的區(qū)域無關。針對霧天條件下獲取的圖像具有低對比度，全局化圖像增強可以使圖像成像均勻，擴大圖像動態(tài)范圍及擴展對比度。具有算法時間復雜度小的優(yōu)點，對薄霧圖像有明顯的改善效果。2.1.1全局直方圖均衡直方圖是圖像的灰度像素統(tǒng)計圖，用于表示圖像中不同灰度級出現(xiàn)的概率4。全局直方圖均衡是對原始圖像的直方圖進行操作，使灰度級分布近似均勻，是灰度級動態(tài)范圍增加，改善圖像的對比度。圖像全局直方圖均衡的實現(xiàn)步驟如下：（1）統(tǒng)計原有霧圖像的各灰度級的數(shù)目； （2）計算原有霧圖像的直方圖，即各灰度級的概率密度 (2-1)其中N為原有霧圖像的總像素數(shù)目；（3

16、）計算直方圖累計分布 (2-2)（4）計算最后輸出的灰度級 (2-3)其中，表示取整，表示圖像最大灰度級。令，則計算公式化簡為： (2-4)（5）重新確定圖像直方圖。用和的映射關系，得到近似均勻分布的待輸出直方圖；（6）根據(jù)新直方圖統(tǒng)計輸出圖像各灰度級個數(shù)。采用全局直方圖均衡算法進行去霧前后的圖像如下圖2-1和圖2-2。 圖2-1原有霧圖像及直方圖 圖2-2全局直方圖均衡去霧圖像及直方圖圖2-1和圖2-2分別為采用全局直方圖均衡去霧前后的圖像?？梢钥闯鲈徐F圖像的對比度有所增強，由霧天引起的圖像亮度過高問題整體改善。但是去霧圖像的部分偏暗，通過直方圖的改變可以知道，這是因為全局直方圖均衡把原圖

17、像中像素值為100以上的區(qū)域擴展到0100，圖像的灰度范圍被拉伸到0255?？傊?，全局直方圖均衡改善了有霧圖像的對比和亮度，但是會忽略圖像的局部細節(jié)，去霧沒有針對性，結(jié)果有一定失真。2.1.2 同態(tài)濾波同態(tài)濾波原理是依據(jù)圖像獲取過程中的照明反射成像4。圖像可以由兩個分量來表征：（1）入射到被觀察場景的光源照射總量；（2）場景中物體所反射的光照的總量。這兩個分量分別被稱為入射分量和反射分量，這兩個分量的乘積合并形成圖像，即： (2-5)其中，入射分量具有低頻特性，反射分量分布在圖像高頻部分。霧天圖像一般是受大氣光散射影響將為嚴重，獲得圖像呈現(xiàn)偏白效果而影響視覺分辨。使用同態(tài)濾波器消除由大氣光主導

18、的入射分量，獲得景物的反射分量?？梢约哟髨D像頻域中反射（高頻）頻譜部分，使暗區(qū)細節(jié)增強，并保留亮區(qū)圖像細節(jié)。同態(tài)濾波算法的實現(xiàn)步驟如下：（1）先對式（2-5）兩邊同時取對數(shù)，即：（2）對上式兩邊做傅里葉變換，得： (2-6)即得： (2-7)（3）使用頻域高通濾波器處理，可得： (2-8)簡化表示為： (2-9)（4）傅里葉反變換到空間域，得： （5）對上式兩邊去指數(shù)，得： (2-10)使用同態(tài)濾波器對有霧圖像去霧，如下圖2-3和圖2-4。 圖2-3原有霧圖像圖2-4同態(tài)濾波去霧圖像可以看出同態(tài)濾波可以有效地減弱由霧天天氣造成的圖像偏白的問題，抑制部分大氣光散射對景物圖像的影響，更多暴露原景物

19、的反射圖像部分，圖像的清晰度提高。但是對于在濃霧天氣條件下，景物反射圖像使用同態(tài)濾波無法完全恢復，如圖2-4的上半部分仍可見很濃的霧氣。 2.1.3 Retinex算法Retinex理論是以色感的一致性為基礎的理論，也稱為顏色恒常理論。1963E. Land在俄亥俄州提出了一種顏色恒常知覺的計算理論-Retinex理論，把它作為人類視覺的亮度和顏色感知的模型。Retinex理論的基礎理論是物體的顏色是由物體對長波（紅色）、中波（綠色）、短波（藍色）光線的反射能力來決定的，而不是由反射光強度的絕對值來決定的，物體的色彩不受光照非均勻性的影響，具有一致性。根據(jù)Retinex理論，一幅圖像可以表示為

20、由反射圖像和入射圖像組成，其原理示意圖如圖2-5所示：圖2-5 Retinex理論圖像成像示意圖對于觀察圖像，是由入射光照射在反射物體上，通過反射物體的反射形成反射光進入人眼得到的。用公式可以表示為： (2-11)對式（2-11）兩邊同時取對數(shù)可得： (2-12)則， (2-13) (2-14)使用對數(shù)形式將復雜的乘法運算變換為加法，使用算法估計出入射圖像則可以得到景物圖像的本質(zhì)屬性反射圖像，得到去除霧天的影響后的圖像具有好的圖像細節(jié)和顏色保真性。Retinex算法和同態(tài)濾波在數(shù)學形式上有一定的相似性，都是將圖像分成照射分量和反射分量。但是Retinex理論是在空間域上的處理，而同態(tài)濾波是在頻

21、率域上的處理。50多年來，學者模仿人類視覺系統(tǒng)發(fā)展了Retinex算法，有基于中心環(huán)繞的單尺度Retinex算法（single scale retinex，SSR）和改進后的多尺度加權(quán)平均的Retinex算法（multi-scale retinex， MSR）。（1）單尺度Retinex算法（SSR）根據(jù)上述Retinex原理，實現(xiàn)圖像增強的關鍵是從原圖像的有效信息中估算出反射圖像。即是，對數(shù)化后，從原圖像中減去由估算的入射分量。在數(shù)學上這是一個奇異問題，只能以從數(shù)學上近似估計的方式得到入射分量部分的近似值。單尺度Retinex算法是由Jobson和Rahman的中心環(huán)繞函數(shù)發(fā)展來的。Jobs

22、on論證了高斯卷積函數(shù)可以對原圖像提供更局部的準確處理，有更好的圖像增強效果。高斯卷積函數(shù)表示為： (2-15)其中，為函數(shù)的歸一化系數(shù)，使?jié)M足；為高斯尺度，作為高斯卷積函數(shù)的控制參數(shù)。由于高斯函數(shù)的特點，高斯尺度的取值不能使增強后的圖像對動態(tài)范圍大幅壓縮和對比度增強不能同時保證。為了兼顧這兩者，取值一般為80-100。入射圖像可以使用高斯卷積函數(shù)近似估計為： (2-16)其中，表示卷積運算。表示圖像的R、G、B三個通道。由式（3-14）可得單尺度Retinex算法估計的景物反射圖像為： (2-17)單尺度Retinex算法的實現(xiàn)步驟如下：1）將原圖像轉(zhuǎn)換到對數(shù)域。如果圖像是彩色圖像，則分為R

23、、G、B三個顏色通道分別轉(zhuǎn)換。2）輸入高斯尺度，根據(jù)式（2-15）確定高斯卷積函數(shù)的歸一化系數(shù)，并由這兩個參數(shù)構(gòu)建高斯卷積函數(shù)。3）根據(jù)式（2-13）計算得到。4）將從對數(shù)域變換到實數(shù)域得到估計反射圖像。5）對進行線性拉伸，并輸出顯示。線性拉伸函數(shù)為： (2-18)圖2-6原有霧圖像圖2-7SSR算法去霧結(jié)果（2）多尺度Retinex算法（MSR）MSR是在SSR的基礎上發(fā)展而來的，其優(yōu)點是可以同時保持圖像高顏色保真度和圖像的動態(tài)范圍的壓縮。多尺度Retinex算法可以用如下公式表示： (2-19)這里有，k為高斯卷積函數(shù)的個數(shù)；表示加權(quán)系數(shù)，有。當時，MSR退化為SSR。通常取3，即做3個尺

24、度的SSR后做加權(quán)平均，3個SSR一般分別按照小尺度（），中尺度（），大尺度（）。2.2局部化霧天圖像增強2.2.1子塊不重疊直方圖均衡如前述圖像全局直方圖均衡對于圖像背景或前景過亮及過暗的圖像增強都有顯著效果，但是對于圖像的細節(jié)處理卻沒有把握住很好的處理精度。由此，對于全局直方圖均衡改進為局部直方圖均衡。局部直方圖均衡增強法有：子塊不重疊直方圖均衡、子塊重疊直方圖均衡和子塊部分重疊直方圖均衡。其每個子塊的處理方法都遵循全局直方圖均衡的處理方法，相當于對圖像的細化處理。子塊不重疊直方圖均衡實現(xiàn)確定一個子塊處理的窗口大小，使每次處理圖像的每個子塊區(qū)域不重疊，然后對每個子塊遍歷做直方圖均衡。最后將

25、每個子塊均衡化的結(jié)果按遍歷順序組合即得到最后輸出圖像。算法的實現(xiàn)步驟如下：（1）初始化子塊窗口的大小。如圖像大小為，子塊窗口大小為，則將圖像分為（符號表示向下取整）個子塊，其余部分單獨作為不規(guī)則的子塊處理。（2）構(gòu)建新的輸出圖像。對每個子塊按照從左到右步長為m，從上到下步長為n的順序?qū)γ總€子塊窗口做直方圖均衡處理。處理結(jié)果存放到中。（3）將遍歷結(jié)束后得到的作為結(jié)果輸出。 圖2-8原有霧圖像及直方圖 圖2-9子塊不重疊直方圖均衡40×50窗口處理結(jié)果 圖2-10子塊不重疊直方圖均衡30×40窗口處理結(jié)果子塊不重疊直方圖均衡算法具有圖像處理速度快，圖像局部增強效果好、局部對比度

26、高等的優(yōu)點。但是，處理結(jié)果有明顯的塊效應，影響視覺效果。2.2.2子塊重疊直方圖均衡子塊重疊直方圖均衡的處理方法跟子塊不重疊直方圖均衡算法類似，只是子塊窗口每次向左和向下移動的步長都為1，處理結(jié)果中的每一個點可能為多次運算的平均值。 圖2-11子塊重疊直方圖均衡70×80窗口處理結(jié)果 圖2-12子塊重疊直方圖均衡100×200窗口處理結(jié)果 圖2-13子塊重疊直方圖均衡120×240窗口處理結(jié)果子塊重疊直方圖均衡法去霧得到的圖片看不到塊效應，因為子塊重疊法是對子窗口直方圖均衡圖的累計疊加，去霧效果很好。算法中窗口越小處理效果越好。但是由算法實現(xiàn)步驟可知，窗口越小遍歷

27、得到的窗口越多算法耗時越大，這也是子塊重疊直方圖均衡算法的應用限制所在。2.2.3子塊部分重疊直方圖均衡J.Y.KIM等人提出子塊部分重疊直方圖均衡算法，該算法兼顧圖像局部細節(jié)處理和運行時間復雜度。算法核心部分仍和全局直方圖均衡一樣，只是子塊移動步長為1到m的數(shù)，對于每個像素處理后結(jié)果為所有結(jié)果的平均。 圖2-14子塊部分重疊直方圖均衡100×120窗口（行步長為31，列步長為43）處理結(jié)果 圖2-15子塊部分重疊直方圖均衡100×120窗口（行步長為31，列步長為50）處理結(jié)果通過改變窗口遍歷過程中水平方向和豎直方向的移動步長，可大大減少運算量，兼顧了處理效果和時間效率。

28、由處理結(jié)果可知窗口大小越小移動步長越小，均衡效果越好，但運算時間越長。2.2.2基于局部方差的對比度增強局部方差的對比度增強方法其實質(zhì)是對圖像的局部范圍內(nèi)以窗口內(nèi)方差為對比度增強因子的灰度變換。圖像的細節(jié)往往和高頻部分有關，所以通過圖像的局部方差的變化可以有效地分析圖像的細節(jié)信息。根據(jù)局部方差的大小來設定圖像的局部增強程度，再以局部的灰度均值為中心來擴展像素點的灰度范圍5。基于局部方差的對比度增強算法的實現(xiàn)步驟如下：（1）選定適當大小的滑動窗口，n為整數(shù)，求出窗口內(nèi)的像素的均值和方差，計算公式如下： (2-20) (2-21)（2）令增強因子，D為常數(shù)，把k作為根據(jù)方差變化的自適應對比度調(diào)節(jié)系

29、數(shù)來適應不同的圖像的相應增強。（3）像素的對比度拉伸。根據(jù)基于局部方差的自適應對比度增強算法計算該點的輸出像素值，算法表達式如下： (2-22)（4）將滑動窗口逐個像素位置移動，重復步驟13的運算，完成整幅圖像的增強。 2.3 圖像增強去霧算法的優(yōu)缺點比較全局直方圖均衡算法能有效地增強整幅有霧圖像的對比，但是它從圖像的整體考慮，圖像不同區(qū)域景深不同、大氣介質(zhì)透射率不一致，因此增強效果不均勻。同態(tài)濾波從原有霧圖像分離出原景物的反射圖像部分，可以抑制部分大氣光散射對景物圖像的影響，圖像的清晰度提高。但是對于在濃霧天氣條件下，景物反射圖像使用同態(tài)濾波無法完全恢復。Retinex算法分為單尺度SSR和多尺度MSR算法，通過控制中心環(huán)繞函數(shù)的參數(shù)平衡動態(tài)范圍大幅壓縮和對比度增強，多尺度算法表現(xiàn)更好，但是算法耗時也將增加。局部直方圖均衡可以對有霧圖像進行局部分塊處理，圖像局部細節(jié)增強表現(xiàn)突出。子塊不重疊局部直方圖均衡處理結(jié)果會產(chǎn)生塊效應，影響視覺觀察。子塊重疊局部