光照不均勻圖像校正研究

廖廣軍

（廣東警官學(xué)院 廣東 廣州 510320）

光照不均勻圖像校正研究

廖廣軍

（廣東警官學(xué)院 廣東 廣州 510320）

討論如何利用數(shù)字圖像處理技術(shù)實(shí)現(xiàn)光照不均勻圖片的圖像增強(qiáng)，提出了自適應(yīng)閾值濾波實(shí)現(xiàn)光照不均勻圖像的校正，并與同態(tài)濾波算法進(jìn)行了比較。實(shí)驗(yàn)結(jié)果分析表明，兩種算法都能夠得到較好的效果，但是同態(tài)濾波算法的時(shí)間花銷優(yōu)于自適應(yīng)閾值濾波。

光照不均勻圖像 自適應(yīng)閾值濾波 同態(tài)濾波

1 引言

目前，針對自然圖像的處理大部分都集中在顏色恒常性、白平衡、顏色的濾波等方面，已有學(xué)者在圖像亮度不均、圖像增強(qiáng)方面進(jìn)行研究，但多數(shù)研究采用的公式參數(shù)求取過程復(fù)雜，前期的計(jì)算量較大，有些則只局限于在圖像的灰度范圍內(nèi)進(jìn)行調(diào)整，而且系數(shù)的修正局限于特定的圖像采集設(shè)備及圖像。[1]在圖像獲取過程中，由于現(xiàn)場條件、拍攝角度及閃光燈使用不當(dāng)?shù)裙庹詹痪鶆虻脑?，帶有暗影或明亮區(qū)域的高動態(tài)真彩圖像隨處可見，它們的動態(tài)范圍超過了人眼的一些電子設(shè)備的感應(yīng)區(qū)域，很難被人眼感受。為了盡可能地還原真實(shí)場景，獲取更多有價(jià)值的現(xiàn)場或客體本身的信息，需對圖片進(jìn)行修正，消除光照不均勻的影響。[2]本文研究自適應(yīng)閾值的光照不均勻校正算法及同態(tài)濾波的校正算法，并且比較兩者的差異。

2 自適應(yīng)閾值的光照不均勻校正算法

當(dāng)光照不均勻、有突發(fā)噪聲，或者背景灰度變化比較大時(shí)，整幅圖像分割將沒有合適的單一門限，因?yàn)閱我坏拈撝挡荒芗骖檲D像各個(gè)像素的實(shí)際情況。這時(shí)，可對圖像按照坐標(biāo)分塊，對圖像分塊后的每一個(gè)子塊可以采用直方圖分析，如果某個(gè)子塊內(nèi)有目標(biāo)和背景，則直方圖呈雙峰。如果塊內(nèi)只有目標(biāo)或背景，則直方圖沒有雙峰，可根據(jù)鄰域各塊分割得到的參數(shù)插值進(jìn)行分割。實(shí)際的自適應(yīng)閾值分割完全可以根據(jù)圖像的實(shí)際性質(zhì)，對每個(gè)像素設(shè)定閾值，但這個(gè)過程要考慮到實(shí)際的要求和計(jì)算的復(fù)雜度問題。還可對每一塊分別選一閾值進(jìn)行分割，這種與坐標(biāo)相關(guān)的閾值稱為動態(tài)閾值方法，也稱為自適應(yīng)閾值方法。利用以上分塊閾值分割的思想，考慮對光照不均勻圖像的校正方法。在文獻(xiàn)[3]和文獻(xiàn)[4]中，提出先對光照不均勻背景進(jìn)行提取,然后通過圖像減運(yùn)算去除光照不均勻的影響。然而在進(jìn)行背景提取時(shí)，上述兩種算法都是通過取最小值來實(shí)現(xiàn)的，光照不均勻圖像有時(shí)表現(xiàn)為受脈沖噪聲污染的圖像,對于一幅受脈沖噪聲污染的圖像，在一個(gè)區(qū)域中的最小值往往表現(xiàn)為污染點(diǎn),其亮度并不能代表背景亮度。因此，在本文中，對每一個(gè)像素確定以它為中心的一個(gè)鄰域窗口，計(jì)算窗口內(nèi)像素的均值μ和標(biāo)準(zhǔn)差σ，然后以max(min，μ-3σ）作為該區(qū)域的背景灰度。這種方法的時(shí)間和空間復(fù)雜度比較大，但是抗噪聲能力比較強(qiáng)，對采用全局閾值不容易分割的圖像有較好的效果。對于自然圖像的校正算法流程如下：

（1）讀取自然圖像，且分為RGB三通道操作；

（2）計(jì)算適當(dāng)大小區(qū)域內(nèi)均值和方差；

（3）估計(jì)圖像背景的照度；

（4）將粗略估計(jì)的背景矩陣擴(kuò)展成與原始圖像大小相同的矩陣，通過雙三次插值實(shí)現(xiàn)；

（5）從原圖像中減去估計(jì)出的背景圖像以消去照度不均勻的影響，但使圖像變暗；

（6）通過指定圖像的動態(tài)范圍，調(diào)整圖像；

（7）合成RGB通道，輸出校正圖片。

3 同態(tài)濾波的校正算法

同態(tài)濾波是將圖像視為入射分量和反射分量的乘積。圖像的入射分量通常以空間域的慢變換為特征，而反射分量往往引起突變，特別是在不同物體的鏈接部分。這些特性導(dǎo)致圖像取對數(shù)后的傅里葉變換的低頻成分與入射相聯(lián)系，高頻成分與反射相聯(lián)系。通過用同態(tài)濾波器對入射分量和反射分量操作，能夠加強(qiáng)許多控制。濾波器函數(shù)往往減少低頻(入射)分量的貢獻(xiàn)，而增加高頻(反射)分量的貢獻(xiàn)，達(dá)到克服非均勻光照，壓縮動態(tài)范圍與增強(qiáng)對比度的目的。[5]同態(tài)濾波算法流程如圖1。

圖1 同態(tài)濾波算法流程

濾波器函數(shù)能以不同的方法影響傅里葉變換的高低頻成分。本文的實(shí)驗(yàn)中選取如式(1)的高斯型同態(tài)濾波器進(jìn)行濾波控制。

M，N表示圖像大小，D（u，v）為點(diǎn)到頻率域原點(diǎn)的歐氏距離；D0為截止頻率；C稱為銳化系數(shù)，用以控制同態(tài)濾波函數(shù)的斜率。當(dāng)?shù)皖l增益rL＜1，高頻增益rL＞1，則減弱低頻分量，增強(qiáng)高頻分量。

4 實(shí)驗(yàn)分析

（1）為了驗(yàn)證本文算法的有效性。對同一張局部區(qū)域曝光過度的自然圖像分別利用自適應(yīng)閾值和同態(tài)濾波算法進(jìn)行校正，對校正效果進(jìn)行比較。對于自適應(yīng)閾值算法按照前面分析處理，對于同態(tài)濾波選取D0=0.5×median(median(D))，rH=1.3，rH=0.5，C=0.1進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)條件為：操作系統(tǒng)，XP SP3；CPU，Interl Core2 Duo CPU T8100 2.1GHz 795MHz；內(nèi)存，0.98GB；Matlab編程處理。自適應(yīng)閾值算法花費(fèi)10.968s，同態(tài)濾波算法花費(fèi)7.328s。在算法速度方面，同態(tài)濾波算法優(yōu)于自適應(yīng)閾值算法，結(jié)果如圖2所示。

圖2 校正效果比較

5 結(jié)論

文獻(xiàn)[6]指出光照不均勻由兩方面原因產(chǎn)生，一是在圖像產(chǎn)生過程中，光的反射作用形成；另一方面，是脈沖噪聲引起的隨機(jī)分布的噪聲點(diǎn)。在自然圖像的獲取過程中，由于照相機(jī)硬件性能的提高，脈沖噪聲引起的噪聲幾乎不存在。該文提出的利用概率統(tǒng)計(jì)的方法實(shí)現(xiàn)噪聲的去除也存在一定問題。本文主要針對自然圖像獲取過程中出現(xiàn)的照度不均勻的情況，利用利用自適應(yīng)閾值和同態(tài)濾波的算法降低光照不均勻引起的圖像降質(zhì)，并對圖像細(xì)節(jié)進(jìn)行有效增強(qiáng)，且比較了兩種算法在運(yùn)算時(shí)間上的優(yōu)劣。以上研究能夠消除部分文獻(xiàn)的一些認(rèn)識誤區(qū)，并能夠一定程度上解決攝影中過度曝光的問題，還能夠?yàn)槿四樧R別、車牌識別等經(jīng)常出現(xiàn)光照不均的圖像校正算法提供參考。

1.鄭曉東，王永強(qiáng)，許增樸，等.基于同態(tài)濾波彩色圖像亮度不均校正方法[J].微計(jì)算機(jī)信息，2009(12)：114-116

2.吳剛，潘曉露，柯曉兵，等.照度不均圖像的局部冪函數(shù)映射增強(qiáng)算法[J].昆明理工大學(xué)學(xué)報(bào)(理工版)，2006(05)：52-55

3.P.T.Jackway.Improved morphological Top-Hat［J］ .IEEE Electronics Letters，2000，36(14): 1194－1195

4.董長虹.Matlab圖像處理與應(yīng)用[M].北京:國防工業(yè)出版社，2004

5.李浩，戚其豐，廖廣軍，等.基于投影法和同態(tài)濾波的多模板匹配算法[J].半導(dǎo)體技術(shù)，2009 (10):1002-1005

6.孫忠貴.數(shù)字圖像光照不均勻校正及Matlab實(shí)現(xiàn)[J].微計(jì)算機(jī)信息，2008(24)：313-314