一種多色彩空間信息融合和同態(tài)濾波的彩色圖像增強算法

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算法事實上，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、動態(tài)范圍大、細節(jié)模糊等特點，這不利于人們的觀察。同時，它也是一種很難后續(xù)處理圖像的方法。對于成像的改善，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?；趓eteive的改進方法，計算量過大，難以滿足當前的要求。上述方法在灰度圖像增強中已經(jīng)得到了廣泛應用,而對于彩色圖像的增強,由于需要考慮圖像顏色信息,給處理過程帶來一定困難.現(xiàn)有處理方法大致分兩種:一是在傳統(tǒng)的RGB色彩空間,分別對紅、綠、藍三個通道信息進行增強根據(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算法,并進行了實驗驗證.2同態(tài)濾波算法原理用函數(shù)f(x,y)表示一幅圖像,其值可由兩個分量來表征:入射到觀察場景的光源總量和場景中物體反射光的總量.相應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、細節(jié)信息、對應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,增強反射分量,從而達到平衡光照,增強細節(jié)的目的.同態(tài)濾波的基本過程如圖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時的顏色失真問題,文獻[3,5-7]選用在HSV色彩空間,對亮度分量進行增強處理,這種方法雖然有效地保持了色彩的一致性,但動態(tài)范圍壓縮和圖像細節(jié)增強效果并不理想.這是因為人眼對于圖像結構信息的分辨,在灰度圖像中主要是依靠亮度的變化,而對于彩色圖像,亮度的變化僅僅是一個方面,在相鄰像素亮度基本一致的情況下,就需要通過顏色信息進行分辨.針對這一問題,本文算法在RGB色彩空間中,分別對各彩色通道信號進行同態(tài)濾波,保證各顏色通道的結構細節(jié)信息得到增強同態(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),動態(tài)范圍小,對比度較低.因此,本文對歸一化后的圖像進行了自適應截取拉伸.設直方圖總面積為S,直方圖均值u附近Δx距離的面積為S式中,I為最終增強結果,I3.2hsv色彩空間的光補償和顏色恢復計算3.2.1基于非線性函數(shù)的染色算法經(jīng)過RGB空間的同態(tài)濾波和自適應截取拉升后的圖像,雖然很好地壓縮了原圖像的動態(tài)范圍,增強了圖像細節(jié)信息,但丟失了基本的光照信息,使圖像看起來不自然.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分量對整體圖像進行光照補償.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.因此本算法首先構造非線性函數(shù),實現(xiàn)對亮度分量兩個區(qū)域的同時拉伸,得到分布均勻的亮度圖像.然后利用處理后的亮度圖像對濾波后的各通道信號進行光照補償.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具有相互制約的關系,需要尋找合適的m,n達到理想的增強效果.通過實驗發(fā)現(xiàn),m取值為0.3,n取值為5時,能夠同時拉伸亮區(qū)域和暗區(qū)域,達到較好的增強效果.3.2.2色彩信息融合RGB色彩空間增強并進行光照補償后的圖片,雖然較好地壓縮了圖像的動態(tài)范圍,增強了細節(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圖像表面增強效果對比為驗證本文算法的處理效果,選用了幾幅光照不均勻,動態(tài)范圍大,對比度差的彩色圖像進行實驗分析.并與文獻[3-4]的彩色圖像增強算法結果進行了對比分析.圖6所示為一幅光照不足大橋圖片的增強處理結果.從圖6(a)中可以看出由于光照不足,導致大橋的細節(jié)模糊,圖像下部的森林背景基本處于黑暗帶,無法辨別細節(jié)信息.圖6(b)為經(jīng)過文獻6算法處理后的效果圖,圖中可以看出暗區(qū)域的對比度得到一定拉伸,亮度提高,能夠識別出森林背景中的一些細節(jié)信息.但整幅圖像的對比度不高,圖像不夠清晰.圖6(c)相比圖6(b)的效果,整幅圖的全局對比度更高,森林背景的整體結構信息更加清晰,顏色更加鮮亮,但樹葉的局部細節(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果圖中可以看出,圖像整體對比度高,細節(jié)信息清晰,天空背景更加細膩.另外對院落圖像增強效果對比也做了試驗,說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.從店鋪圖像增強效果圖.同時增強了亮暗區(qū)域的細節(jié)信息,比如,墻體和地面以及屋內(nèi)的細節(jié)信息,并保持顏色的高度一致性.為了從客觀上驗證算法的效果,本文采用均值、方差以及信息熵來度量增強后的圖片質(zhì)量.其中,均值表示圖像的整體亮度,方差表示圖像的對比度,信息熵表示圖像包含的信息量(細節(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[4]的方法明顯.但從信息熵的值