一種新的低照度彩色圖像增強算法

1、第28卷第9期2011年9月計算機應(yīng)用研究Application Research of Computers Vol28No9Sep2011一種新的低照度彩色圖像增強算法李小霞，李鋮果，鄒建華，韓雪梅（西南科技大學(xué)信息工程學(xué)院，四川綿陽621010）摘*要：為了增強彩色圖像而不引起色彩失真，在HSV 顏色空間中保持色相不變，提出了采用分段對數(shù)變換增采用邊緣保持增強色調(diào)的低照度彩色圖像增強算法。實驗結(jié)果強飽和度結(jié)合在多尺度Retinex 算法的基礎(chǔ)上，表明，該方法在保持圖像色相和圖像邊緣的情況下，顯著改善了圖像的視覺效果，提高了圖像的亮度和對比度。25幅低照度圖像的平均亮度、2093%和2988

2、%，標(biāo)準(zhǔn)偏差和對比度分別提高了9495%、相對于帶色彩恢復(fù)的多尺度Retinex 算法的熵和對比度增量分別提高了734%和15151%，效果優(yōu)于Retinex 算法。關(guān)鍵詞：低照度；彩色圖像增強；分段對數(shù)變換；邊緣保持；飽和度；色調(diào)；Retinex 算法中圖分類號：TP391文獻標(biāo)志碼：A文章編號：1001-3695（2011）09-3554-02doi ：103969/jissn1001-3695201109100New low illumination color image enhancement algorithmLI Xiao-xia ，LI Cheng-guo ，ZOU Jian-

3、hua ，HAN Xue-mei（School of Information Engineering ，Southwest University of Science Technology ，Mianyang Sichuan 621010，China ）Abstract ：In order to avoid the color distortion during the image enhancement ，this paper proposed a new low illumination color image enhancement method combining the satura

4、tion enhancement with segment logarithmic transformation and value en-hancement with edge retaining （S_log-V_edge）based on the multi-scale Retinex （MSR ）algorithm without changing the huein the HSV color spaceResults show that this method can improve the low illumination images visual effect and enh

5、ance the image brightness and contrast while retaining the image hue and edgeThe 25low illumination images average value ，standard2093%and 2988%individually ，the entropy and con-deviation and contrast incremental value are increased by 9495%，showing trast incremental value are 734%and 15151%more tha

6、n the multi-scale Retinex with color restoration （MSRCR ），the effects are better than Retinex methodsKey words ：low illumination ；color image enhancement ；segment logarithmic transformation ；edge retainment ；saturation ；value ；Retinex algorithm0引言在圖像采集或視頻監(jiān)控的應(yīng)用中，經(jīng)常會有夜視或背光等V_edge）對低照基于邊緣保持的色調(diào)分量增強的方法（S

7、_log-度彩色圖像進行增強。采集到的圖像信噪比和對比度都較低，需要進低照度的情況，行圖像增強處理后才能進行特定的應(yīng)用。圖像增強就是擴大圖像的灰度范圍和提高圖像的整體亮度，改善圖像的主觀質(zhì)量，使得無法辨識的圖像細節(jié)能夠被人眼或機器識別。常用的12圖像增強算法有直方圖變換法、灰度變換法、神經(jīng)網(wǎng)絡(luò)、Retinex 算法3 5和基于HSV （色相、飽和度和色調(diào)）顏色空間1圖像增強算法低照度彩色圖像增強過程可以主要分為三個步驟：a ）將低照度圖像由RGB 顏色空間轉(zhuǎn)換到HSV 顏色空間；b ）保持色相H 分量不變，分別對飽和度分量S 和色調(diào)分量V 進行增強；c ）將圖像由HSV 顏色空間轉(zhuǎn)換回RGB

8、空間。具體算法如圖1所示。1. 1飽和度分量增強飽和度增強算法是對飽和度歸一化后，根據(jù)飽和度的大小025S 05、05S 075、將圖像分為四個區(qū)域：S 025、075S 。將高飽和度的區(qū)域進行保持或降低，適當(dāng)提高低飽可達到更好的視覺效果。常用于飽和度分量增強的和度區(qū)域，方法有分段線性變換和基于飽和度區(qū)域像素統(tǒng)計。針對低照度圖像增強，本文對分段線性變換增強方法作了改進，提出了一種分段對數(shù)變換飽和度分量增強方法，將圖像轉(zhuǎn)換到對數(shù)域來進行處理，如下：的增強算法6等。直方圖變換法最常見的為直方圖均衡化，能自適應(yīng)地提高圖像灰度動態(tài)范圍，在圖像增強中被廣泛使用，其缺點是變換后圖像的灰度級減少，某些細節(jié)消

9、失?；叶仍诨叶葎討B(tài)范圍寬的低照變換法中最常見的就是對比度拉伸，度圖像中對圖像對比度拉伸效果非常有限。帶色彩恢復(fù)的多尺度Retinex 算法主觀增強效果很好，但會降低圖像對比度，邊緣細節(jié)保持不理想。HSV 顏色空間是直接面向用戶的色彩空CYMK 模型更符合人的視覺心理感受。間，較RBG 、本文在HSV 色彩空間，根據(jù)圖像飽和度分量和色調(diào)分量的不同性質(zhì)，提出了基于分段對數(shù)變換的飽和度分量增強結(jié)合收稿日期：2011-01-27；修回日期：2011-02-25基金項目：單目高精度大型物體彩色三維數(shù)字化測量原理研究（60808020）作者簡介：李小霞（1976-），女，四川安岳人，副教授，博士，主要研究

10、方向為模式識別、圖像處理（lixiaoxiaswusteducn ）；李鋮果（1987-），女，碩士研究生，主要研究方向為模式識別與圖像處理；鄒建華（1984-），女，碩士，主要研究方向為圖像處理；韓雪梅（1979-），女，碩士，主要研究方向為信號處理第9期李小霞，等：一種新的低照度彩色圖像增強算法·3555·S enh （x ，y ）=log （1+S （x ，y ）a log （1+S （x ，y ）b log （1+S （x ，y ）log （1+S （x ，y ）S （x ，y ）025025S （x ，y ）0505S （x ，y ）075S （x ，y ）075

11、（1）其中：P i 表示第i 個灰度級的概率。對比度增量是用來度量增強后圖像的對比度與原圖對比反映了圖像變換前后對比度的變化程度，如果對比度的關(guān)系，度增量大于1，表明圖像的對比度在原圖的基礎(chǔ)上有所增強，更有利于人眼觀察，如下：K =C processed /C original（8）該方法對飽和度過低和過高的區(qū)域只取對數(shù)運算，對較低a 和b 和較高區(qū)域進行對數(shù)變換后，再進行一定程度的拉伸，為拉伸系數(shù)。若整幅圖像飽和度過低，則a 和b 選擇較大的值；反之選擇較小的值。1. 2色調(diào)分量增強色調(diào)分量包含了原圖大部分的邊緣細節(jié)信息，保持或者增強邊緣對提高低照度圖像的可見性和可分辨性具有重要意義。SSR

12、 、色調(diào)分量增強的方法有全局線性變換、分段線性變換、MSR 和基于飽和度反饋的自適應(yīng)色調(diào)增強方法。考慮到圖像本文在MSR 算法的基礎(chǔ)上進行了改進，改進邊緣信息的保持，算法如圖2所示 。其中：C 是用3 3大小的滑動窗口按照（max min ）/（max +min ）來計算局部對比度的平均值。3實驗結(jié)果及分析本文分別采用帶色彩恢復(fù)的多尺度MSR （MSRCR ）、分段V_MSR）、線性變換飽和度增強與MSR 色調(diào)增強（S_linear-分V _段線性變換飽和度增強與邊緣保持色調(diào)增強（S _linear-V_edge ）、分段對數(shù)變換飽和度增強與MSR 色調(diào)增強（S_log-MSR ）和分段對數(shù)變

13、換飽和度增強與邊緣保持色調(diào)增強（S_log-V_edge）五種算法對圖3（a ）進行增強， 分段對數(shù)變換的參b =08，數(shù)a =12，結(jié)果如圖3所示。首先對圖像的色調(diào)分量進行多尺度Retinex 變換，如下：r （x ，y ）=w i log L （x ，y ）log L （x ，y ） G i （x ，y ）i =1N（2）y ）是原始圖像；N 表示尺度的個數(shù)，其中：L （x ，通常采用三個尺度；w i 是加權(quán)系數(shù)，通常假定各個尺度的權(quán)重是相等的，即w 1=w 2=w 3=1/3。高斯函數(shù)G i （x ，y ）為G i （x ，y ）= e （x 2+y 2）c i（3）從圖3中可以看出主觀

14、上這五種算法都提高了圖像亮度，能夠看清楚原圖中的暗區(qū)域，且都能夠在一定程度上恢復(fù)原圖（c ）和的顏色。圖3（b ）MSRCR 算法存在明顯的過飽和現(xiàn)象，（e ）增強的邊緣不如（d ）和（f ）明顯，（f ）比如建筑物的邊緣，（d ）的層次更加清晰，色彩更加真實。采用本文提出的算法對25幅圖像（http ：/dragonlarcnasagov /retinex/pao/news/）進行增強實驗，通過亮度、熵、標(biāo)準(zhǔn)偏差和對比度增量這四個客觀指標(biāo)對增強效果進行評估，如表1所示。表1增強方法原圖MSRCR S_linear-V_MSRS_log-V_MSR S_linear-V_edgeS_log-V

15、_edgec i 取不同的值則稱為多尺度；是使得高其中：c i 是尺度常量，斯函數(shù)歸一化的常量矩陣。y ）d x d y =1G （x ，（4）然后進行銳化處理，為了防止單純的邊緣銳化而帶來的邊緣扭曲和噪聲放大，對提取的邊緣進行高斯平滑，以濾除部分噪聲。最后將MSR 處理和高斯平滑后的圖像進行迭加，邊緣與附近像素的灰度落差拉大，這樣就能突出圖像的邊緣部分，并使得圖像中非邊緣部分更亮。25幅圖片平均增強指標(biāo)亮度228164941945946441894624144479熵678677693697724727標(biāo)準(zhǔn)偏差86610351036104210471047對比度增量1052063069125

16、1302圖像增強效果評價指標(biāo)采用亮度、標(biāo)準(zhǔn)差、熵和對比度增量這四個指標(biāo)來評估圖像增強算法的客觀效果。亮度即圖像矩陣的平均值，其值表明圖像的明暗程度，如下：L =3M N 1n ，i ）I （m ，3 M N i =1m =1n =1（5）從表1可以看出，五種增強方法都提高了圖像的亮度、熵S_log-V_edge的熵和標(biāo)準(zhǔn)偏差都略高于其他四種和標(biāo)準(zhǔn)偏差，說明增強后的圖像比原圖含有更多的細節(jié)信息；特別是方法，V_對比度增量提高明顯，兩種采用了邊緣保持的方法S_linear-edge 和S_log-V_edge對比度增量都大于1，提高了圖像的對比S_linear-V_MSR和S_log-V_MSR

17、的對比度較度，而MSRCR 、V_edge較原圖平均亮度、原圖有所降低。S_log-熵、標(biāo)準(zhǔn)偏差728%、2093%和2988%，和對比度分別提高了9495%、相熵和對比度增量分別提高了734%和比于MSRCR 方法，151. 51%。（下轉(zhuǎn)第3558頁）N 表示圖像的長和寬，i 是通道數(shù)。其中：M 、標(biāo)準(zhǔn)差可反映圖像中黑白反差的程度，標(biāo)準(zhǔn)差越大說明圖像的對比度越大，更利于人眼的觀察，如下：S =（x x ）n i =1i1nx ）n i =1i熵用來度量圖像中信息量大小、圖像細節(jié)的豐富程度，熵越大說明圖像的信息含量越大，圖像包含的細節(jié)越多，如下：entrop =P i log P ii =0

18、2552（x =（6）（7）·3558·計算機應(yīng)用研究第28卷的肺部CT 臨床數(shù)據(jù)構(gòu)建實驗數(shù)據(jù)集。每層數(shù)據(jù)均為512 CT 512像素，層厚2mm ，像素間距06825mm 。在數(shù)據(jù)集中，層數(shù)最少30，最多64，平均每位患者48層CT 數(shù)據(jù)。2. 2實驗結(jié)果比較本節(jié)對快速邊界行進算法和自適應(yīng)邊界行進算法的實驗結(jié)果進行了比較。圖5是快速邊界行進算法和自適應(yīng)邊界行進算法的實驗結(jié)果，共選擇了三組實驗結(jié)果（第一組（a ）（d ）、第二組（b ）（e ）、第三組（c ）（f ）進行比較。其中（a ） （c ）是（d ） （f ）是快速邊界行進自適應(yīng)邊界行進算法的實驗結(jié)果，算法的實驗結(jié)

19、果。實驗中設(shè)置步長L =750，自適應(yīng)閾值0=033，懲罰因子=075 。行進算法時間的2 6倍。表1中可以看到對每張CT 圖片，自適應(yīng)邊界行進算法平均計算時間為快速邊界行進算法時間的1. 8368倍，P 關(guān)鍵點提取算這個值略小于理論值，這是因為D-法需要一定的時間開銷。表1算法自適應(yīng)邊界行進算法快速邊界行進算法5050時間性能比較總時間/s587501319847平均時間/s/張1175006397CT 圖片數(shù)/張3結(jié)束語肺部CT 圖像的肺實質(zhì)分割是肺部圖像預(yù)處理的關(guān)鍵步來驟。從已實現(xiàn)的孤立肺結(jié)節(jié)智能檢測和輔助診斷系統(tǒng)看，肺實質(zhì)分割占用時間開銷占到處理整個圖像時間的50% 80%。因此，改善

20、肺實質(zhì)分割算法的分割性能，降低其時間開銷對于醫(yī)療圖像處理領(lǐng)域的進步能具有非常重要的意義。P 算法和自適應(yīng)本文提出的快速邊界行進算法結(jié)合了D-邊界行進算法，不僅有效地分割出了與胸膜和縱膈相連的肺結(jié)同時又大大降低了肺部分割的時間開銷?？焖龠吔缧羞M算節(jié)，速度快的優(yōu)點，更能準(zhǔn)確有效地分割出與法具有人機交互少、縱膈和胸膜連接的肺結(jié)節(jié)?？焖龠吔缧羞M算法還可以被應(yīng)用到一切需要通過幾何橋接方式平滑邊緣的應(yīng)用上來。參考文獻：1陳兆學(xué)，趙曉靜，聶生東一種基于CT 圖像的肺實質(zhì)自動分割的J 計算機應(yīng)用與軟件，2010，27（3）：78-79，113簡易方法2BAE K T ，KIM J S ，NA Y H ，et

21、alPulmonary nodules ：automated de-tection on CT images with morphologic matching algorithm-preliminary 2005，236（1）：286-294results J Radiology ，3KIM D Y ，KIM J H ，NOH S M ，et alPulmonary nodule detectionusing chest CT images J Acta Radiologica ，2003，44（3）：252-2574WIEMKER R ，ROGALLA P ，ZWARTKRUIS A ，e

22、t alComputer-aidedlung nodule detection on high-resolution CT data C /Procof the SPIE on Image Processing ，Medical Imaging2002：677-6885YIM Y ，HONG HCorrection of segmented lung boundary for inclusionof pleural nodules and pulmonary vessels in chest CT images J Computers in Biology and Medicine ，2008

23、，38（8）：845-8576PU J ，ROOS J ，YI C A ，et alAdaptive border marching algorithm ：au-tomatic lung segmentation on chest CT images J Computerized Medical Imaging and Graphics ，2008，32（6）：452-4627詹自熬基于凸包的線狀要素化簡的一種改進算法J 河南科2009，27（12）：1555-1558學(xué)，J 紅外與激光工程，2008，37（2）：308-3112毛偉民，趙勛杰基于神經(jīng)網(wǎng)絡(luò)的低照度彩色圖像增強算法J 2010，36（2）：225-228光學(xué)技術(shù)，3RAHMA Z A ，JOBSON D J ，WOODELL G ARetinex processing forJournal of Electronic Imaging ，automatic image enhancement J 2004，1