一種高效的圖像增強(qiáng)去霧算法

李利榮, 汪 蒙

(湖北工業(yè)大學(xué)電氣與電子工程學(xué)院， 湖北 武漢 430068)

霧對(duì)視覺(jué)系統(tǒng)的影像表現(xiàn)在使成像設(shè)備的輸出圖像對(duì)比度下降，分辨率低，這給依據(jù)圖像內(nèi)容的工作如目標(biāo)跟蹤、監(jiān)控、監(jiān)測(cè)等帶來(lái)很大的不便．霧天圖像清晰化處理有著重要的現(xiàn)實(shí)意義．

圖像去霧技術(shù)的主要任務(wù)是去除天氣因素對(duì)圖像質(zhì)量的影響，從而增強(qiáng)圖像的清晰度和視見(jiàn)度．目前對(duì)于霧天圖像進(jìn)行清晰化處理的方法主要分為兩類：霧天圖像增強(qiáng)(非模型的算法)和霧天圖像復(fù)原(基于模型的算法)．

圖像去霧技術(shù)是一個(gè)跨學(xué)科的前沿性課題，具有廣闊的發(fā)展前景和應(yīng)用前景，它已經(jīng)成為計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域研究的熱點(diǎn)問(wèn)題之一，吸引了國(guó)內(nèi)外許多研究人員的興趣．本文著眼于依據(jù)圖像增強(qiáng)的有關(guān)理論，提出一種計(jì)算簡(jiǎn)單但效果明顯的實(shí)用霧天圖像清晰化方法．

1 背景

圖像增強(qiáng)根據(jù)視覺(jué)感受來(lái)改善圖像效果，是個(gè)主觀的圖像質(zhì)量改善過(guò)程．圖像增強(qiáng)包括直方圖處理、空間濾波等．

1.1 直方圖均衡

直方圖均衡是圖像處理領(lǐng)域中利用圖像的直方圖對(duì)對(duì)比度進(jìn)行調(diào)整的方法．其基本思想是把原始圖的直方圖變換為均勻分布的形式，從而增加像素灰度值的動(dòng)態(tài)分布范圍，實(shí)現(xiàn)增強(qiáng)圖像整體對(duì)比度的效果．它高效且易于實(shí)現(xiàn)，廣泛應(yīng)用于圖像增強(qiáng)處理中．

直方圖均衡可分為全局化直方圖均衡和局部化直方圖均衡．全局化直方圖是將整個(gè)輸入圖像的直方圖做均勻分布的轉(zhuǎn)化，這雖然增加整體圖像像素灰度值的動(dòng)態(tài)范圍，增強(qiáng)圖像整體對(duì)比度的效果，但是這對(duì)于圖像中存在深度信息多變的情況，特別是有用信息分布在深度多變的場(chǎng)景中時(shí)，很容易使目標(biāo)淹沒(méi)在背景中，從而導(dǎo)致視頻系統(tǒng)無(wú)法滿足工作要求．局部直方圖均衡的處理對(duì)象是圖像的局部區(qū)域，將圖像的所有局部區(qū)域依次進(jìn)行直方圖均衡化，增強(qiáng)圖像局部信息．局部直方圖均衡可分為子塊非重疊直方圖均衡和子塊重疊直方圖均衡．非重疊直方圖均衡化的基本思想是將原圖分成不重疊的子塊，然后對(duì)每個(gè)子塊進(jìn)行直方圖均衡化處理，并保留處理后的結(jié)果．相鄰子塊之間不重疊，大大減小了運(yùn)算量，但會(huì)不可避免的出現(xiàn)塊狀效應(yīng)．而重疊的直方圖均衡可以大大緩解塊狀效應(yīng)，但同時(shí)計(jì)算量也增加了．為了保證圖像增強(qiáng)的質(zhì)量，考慮降低塊狀效應(yīng)和減少計(jì)算量，我們選擇部分重疊直方圖均衡化．

1.2 塊狀效應(yīng)

塊狀效應(yīng)：圖像分塊產(chǎn)生時(shí)，由于相鄰子圖塊之間的灰度分布不同而產(chǎn)生的處理結(jié)果的差異，從而導(dǎo)致子塊的邊界出現(xiàn)突變的現(xiàn)象，視覺(jué)上有明顯的塊狀分界線，如圖2b所示．

1.3 空間濾波器

空間濾波器由一個(gè)像素的鄰域(典型的是一個(gè)較小的矩形)和對(duì)該鄰域包圍的圖像像素執(zhí)行的預(yù)定義操作組成．濾波產(chǎn)生一個(gè)新像素值，新像素的坐標(biāo)等于鄰域中心的像素坐標(biāo)，像素的值是濾波操作的結(jié)果．如果在圖像像素上執(zhí)行的是線性操作，則該濾波器稱為線性濾波器．否則，濾波器就為非線性濾波器．根據(jù)需要增強(qiáng)圖像的高頻和低頻特征，空間濾波器還可以分為高通濾波器(即銳化空間濾波器)和低通濾波器(即平滑空間濾波器)．

2 有霧圖像增強(qiáng)算法

正如1.1所述，本文采用的部分重疊局部直方圖均衡化方法，在此基礎(chǔ)上針對(duì)有時(shí)出現(xiàn)的塊狀效應(yīng)，采用合適的線性濾波去除．

2.1 子塊部分重疊直方圖均衡化算法

2.1.1算法基本思想子塊部分重疊直方圖均衡化：先定義一個(gè)大小合適的移動(dòng)子圖塊，以某種確定的步長(zhǎng)來(lái)移動(dòng)經(jīng)直方圖均衡化處理過(guò)的子塊．例如，將移動(dòng)步長(zhǎng)設(shè)為子塊的一半，如圖1中，假設(shè)圖像平均分成3×3的9個(gè)區(qū)域，a,b,e,d4個(gè)區(qū)域構(gòu)成一個(gè)處理子塊1(圖1a)，對(duì)這個(gè)子塊進(jìn)行直方圖均衡化，然后向后移動(dòng)半個(gè)子塊的大小，在b,c,e,f構(gòu)成的子塊2里再進(jìn)行直方圖均衡化(見(jiàn)圖1b)，該行處理完后再轉(zhuǎn)到下一行進(jìn)行處理，在d,e,g,h構(gòu)成的子塊3里進(jìn)行直方圖均衡化，然后向后移動(dòng)半個(gè)子塊的大小，在e,f,h,i構(gòu)成的子塊4中進(jìn)行直方圖均衡化．至此，完成了整個(gè)圖像的處理．

圖 1 部分重疊運(yùn)算示意圖

下面對(duì)這9個(gè)小區(qū)域組成的部分進(jìn)行分析．正中間的e區(qū)域受鄰域8個(gè)區(qū)域a,b,c,d,f,g,h,i的影響．設(shè)每個(gè)子塊1,2,3,4的直方圖均衡化函數(shù)分別為T(mén)1(rk)、T2(rk) 、T3(rk)、T4(rk)，由于區(qū)域e中的像素在整個(gè)過(guò)程中被處理了4次，所以區(qū)域e的子塊部分重疊直方圖均衡化函數(shù)為

(1)

每一個(gè)子塊的直方圖均衡化函數(shù)如

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

因?yàn)?/p>

(11)

由此可見(jiàn)，在用子塊部分重疊直方圖均衡化處理圖像時(shí)，從效果上來(lái)看，相當(dāng)于用一個(gè)模板(見(jiàn)圖1(c))作用于這個(gè)圖像的小區(qū)域(不是實(shí)際處理的子塊)產(chǎn)生當(dāng)前處理小區(qū)域的灰度概率密度函數(shù)，然后用這個(gè)概率密度函數(shù)對(duì)這個(gè)小區(qū)域進(jìn)行傳統(tǒng)意義上的直方圖均衡化．

2.1.2算法實(shí)現(xiàn)及分析先對(duì)算法實(shí)現(xiàn)說(shuō)明幾點(diǎn)：

1)移動(dòng)步長(zhǎng)的設(shè)定應(yīng)與子塊的大小成比例，這是為了保證子塊移動(dòng)能產(chǎn)生合理的模板算子．

2)移動(dòng)步長(zhǎng)應(yīng)能整除整幅圖像的尺寸大小M,N，否則算法會(huì)遺漏部分邊界點(diǎn)；

3)子塊的尺寸大小與塊狀效應(yīng)有關(guān)：若增大子塊，而保持步長(zhǎng)與子塊的比例不變，則子塊的重疊面積將相應(yīng)減少，這將使塊狀效應(yīng)更為嚴(yán)重，這時(shí)需要用改進(jìn)的算法進(jìn)行局部修正．對(duì)圖像進(jìn)行上述的部分重疊直方圖均衡化處理，為了便于觀察，采用不同子塊大小不同步長(zhǎng)對(duì)同一幅圖像進(jìn)程處理，觀察效果．

具體效果對(duì)比見(jiàn)圖2．

(a)原圖

(b)160×160子塊，1/16步長(zhǎng)處理效果

(c)160×160子塊，1/8步長(zhǎng)處理效果

(d) 80×80子塊，1/16步長(zhǎng)處理效果

(e) 80×80子塊， 1/8步長(zhǎng)處理效果圖 2 子塊部分重疊均衡化算法處理結(jié)果對(duì)比

圖2反映出了不同子塊大小和移動(dòng)步長(zhǎng)對(duì)圖像效果的影響．總體來(lái)說(shuō)，部分直方圖均衡化大大提高了圖像的對(duì)比圖，增強(qiáng)了圖像細(xì)節(jié)，去霧效果明顯，這對(duì)于戶外監(jiān)控等應(yīng)用視覺(jué)系統(tǒng)非常有用．子塊部分重疊與塊重疊直方圖均衡化算法相比，在保證局部對(duì)比效果較好的情況下，大大減少了計(jì)算量．但此方法采用子塊部分重疊還是會(huì)因?yàn)閳D像塊信息的差異產(chǎn)生少量的塊狀效應(yīng)，且子塊重疊的多少與塊狀效應(yīng)和運(yùn)算量密切相關(guān)：子塊的重疊程度越小，平滑效果越差，塊狀效應(yīng)越明顯，但運(yùn)算量卻會(huì)急劇減小；反之亦然．

2.2 塊狀效應(yīng)的平滑處理

由上一章分析及實(shí)驗(yàn)知，霧天圖像經(jīng)部分重疊直方圖均衡化處理后，在某些子塊的邊緣仍然會(huì)出現(xiàn)不同程度的塊狀效應(yīng)．為消除這種塊狀效應(yīng)，使處理后的圖像更清晰，需做一些平滑濾波處理．普通的線性平滑濾波器的輸出是包含在濾波器模板鄰域內(nèi)的像素的簡(jiǎn)單平均值．圖3a顯示了一個(gè)3×3平滑濾波器．

(a)3×3線性平滑濾波器

(b)對(duì)圖2(e)經(jīng)線性平滑后的效果圖 3 線性平滑濾波器原理及其濾波效果

從實(shí)驗(yàn)效果可以看出，圖像經(jīng)線性平滑濾波器處理后，塊狀效應(yīng)基本消失，且計(jì)算簡(jiǎn)單．本章是為了達(dá)到去除方塊效應(yīng)而設(shè)計(jì)的．對(duì)于方塊不太明顯的可以采用小模板的線性平滑.

3 總結(jié)與展望

本文提出一種簡(jiǎn)單快速的圖像增強(qiáng)去霧方法．該方法基于圖像的直方圖均衡化原理，對(duì)于局部直方圖均衡化方法揚(yáng)長(zhǎng)避短，采用部分重疊直方圖均衡化，并可以根據(jù)需要調(diào)整步長(zhǎng)，從而調(diào)整重疊比例來(lái)達(dá)到最好的去霧增強(qiáng)效果．從理論上分析子塊重疊直方圖均衡化算法處理圖像的效果相對(duì)最好，但其運(yùn)算量大，運(yùn)算速度慢；子塊非重疊直方圖均衡化算法運(yùn)算速度快，運(yùn)算量較小，但處理后的圖像會(huì)出現(xiàn)嚴(yán)重的塊狀效應(yīng)，效果不清晰；而子塊部分重疊直方圖均衡化算法結(jié)合了前兩種算法的優(yōu)缺點(diǎn)，能獲得與子塊重疊直方圖均衡化相當(dāng)?shù)膶?duì)比度增強(qiáng)效果，又具有子塊非重疊局部直方圖均衡化的低運(yùn)算量，并且一定程度上消除了塊狀效應(yīng)．這在實(shí)驗(yàn)中得到了驗(yàn)證．基于本方法對(duì)于亮度區(qū)域性分布明顯的圖像仍然有微弱塊狀效應(yīng)，我們?cè)O(shè)計(jì)了線性平滑步驟，進(jìn)一步增強(qiáng)了效果．

[參考文獻(xiàn)]

[1] 張汗靈，MATLAB在圖像處理中的應(yīng)用[M].北京：清華大學(xué)出版社，2008.

[2] 羅穎,昕霧天低對(duì)比度圖像增強(qiáng)方法的研究[D].天津：天津大學(xué)圖書(shū)館，2005.

[3] 朱遵尚，圖像增強(qiáng)技術(shù)研究[D].長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)圖書(shū)館，2009:1 101.

[4] 禹晶，徐東彬，廖慶敏，圖像去霧技術(shù)研究進(jìn)展[J].中國(guó)圖像圖形學(xué)報(bào)，2011，16(09)：1 561-1 576.

[5] 王玉靈，基于雙邊濾波的圖像處理算法研究[D].西安電子科技大學(xué)圖書(shū)館，2010.

[6] 楊萬(wàn)挺，基于局部信息特征的霧天圖像增強(qiáng)算法研究[D].合肥工業(yè)大學(xué)圖書(shū)館，2010.

[7] 艾明晶，戴隆忠，曹慶華.霧天環(huán)境下自適應(yīng)圖像增強(qiáng)去霧方法研究[J].計(jì)算機(jī)仿真，2009，26(07)： 244-247.

[8] 彭玉華.基于離散正交小波變換的圖像去噪方法[J].中國(guó)圖像圖形學(xué)報(bào),1999,4(08):677-679.

[9] Rafael C. Gonzalez, Richard E. Woods, digital image processing[M].3rd Edition[S.l.]Prentice Hall ,2010.

[10] Bolet J P,Cowen A R, Launders J.Progress with an “all-wavelet” approach to image enhancement and de-noising of direct digital thorax radiographic images[J]. Image Processing and Its Applications, 1997.

[11] Economopoulos T L,Asvestas P A, Matsopoulos GK.Regional Partitioned Iterated Function Systems for digital image enhancement, Image Processing Theory[C]. Tools and Applications (IPTA), 2012 3rd International Conference on, 2012,265,269:15-18.

[12] Jong-Sen Lee.Digital Image enhancement and noise filtering by use of local statistics[J]. Pattern Analysis and Machine Intelligence, 1980,2(02):165-168.

[13] A. I. Anthis and A. P. Cracknell.Use of satellite images for fog detection (AVHRR) and forecast of fog dissipation (METEOSAT) over lowland Thessalia, Hellas[J]. Int. J. Remote Sensing, 1999,20(06):1 107-1 124.