煙草異物剔除系統(tǒng)中實時低照度圖像增強算法

張紹堂，寧德瓊，王 磊

1.曲靖師范學(xué)院計算機科學(xué)與工程學(xué)院，云南省曲靖市麒麟?yún)^(qū)三江大道 655011

2.紅云紅河（煙草）集團曲靖卷煙廠，云南省曲靖市大坡寺 655000

卷煙制絲生產(chǎn)線、打葉復(fù)烤生產(chǎn)線采用的煙草異物剔除系統(tǒng)，主要用于自動識別并剔除煙葉中混雜的異物（如麻繩、紙片、雞毛、蟲蛹、塑料等），剔除性能良好，異物剔除率達到97%［1］，有效提高了煙葉純凈度和產(chǎn)品品質(zhì)。煙草異物剔除包括圖像獲取、圖像采集及處理、異物識別、顏色分選表建立、異物剔除等步驟［2-3］，但該系統(tǒng)在使用一段時間后照度會有不同程度的衰減，使系統(tǒng)獲取的圖像品質(zhì)降低，導(dǎo)致異物剔除率下降和煙葉帶出率升高。由于低照度圖像灰度范圍較窄，相鄰像素的空間相關(guān)性高，灰度變化不明顯，進而影響后續(xù)的圖像識別、理解與判斷，因此對低照度圖像進行增強處理具有重要意義［4］。在系統(tǒng)維護過程中，采用縮短光源與物料間的距離或更換新光源可以解決低照度所產(chǎn)生的影響，但容易增加系統(tǒng)維護難度和成本。在圖像獲取和圖像采集及處理之間增加圖像增強功能目前已有較多研究，例如PCNN［5-6］、Retinex［7-10］、直方圖均衡、同態(tài)濾波［11-12］等算法。但上述算法的實時性都較差，不適合應(yīng)用在煙草異物剔除系統(tǒng)中。為此，采用優(yōu)化的同態(tài)濾波算法，通過引入自適應(yīng)參數(shù)對不同照度的圖像進行拉伸，有效校正低照度圖像的顏色、對比度和亮度，以期進一步提高系統(tǒng)的剔除性能。

1 照度對剔除性能的影響

照度對煙葉圖像品質(zhì)具有直接影響。當(dāng)光源亮度較好時，平均照度約為15 000 Lx，圖像自然，顏色真實，有利于異物的識別；當(dāng)光源亮度不足時，平均照度約為5 000 Lx，攝像機采集的圖像整體偏暗。對光源亮度不足和更換新光源分別進行異物剔除實驗，結(jié)果見表1?？梢?，光源衰減后異物剔除率從94.0%下降到86.4%。其中，對顏色與煙葉接近的黃色（黃色皮帶、紙箱板、木材）和與背景顏色接近的紅色等異物的剔除影響最突出。此外，對黑橡膠、霉變煙葉、麻繩、稻草等異物的剔除影響也較明顯。

表1 光源亮度降低前后異物剔除數(shù)量① （個）

2 低照度煙葉圖像增強算法

煙草異物剔除系統(tǒng)實時性要求較高，對煙葉圖像增強要兼顧增強效果和處理效率。實驗表明［13-14］，高斯同態(tài)濾波算法增強效果較明顯，處理速度也更快。

2.1 高斯同態(tài)濾波原理

同態(tài)濾波算法是把頻率過濾和灰度變換結(jié)合起來的一種圖像處理方法，以圖像照明-反射模型作為頻域處理的基礎(chǔ)，通過壓縮亮度范圍和增強對比度來改善圖像的品質(zhì)［15］。從圖像的形成和光特性考慮，一幅圖像由光源的入射分量i（x，y）和目標(biāo)物的反射分量r（x，y）組成，其數(shù)學(xué)模型為:

式中:i（x，y）的性質(zhì)取決于成像物體的表面特性。

一般來說，光照條件體現(xiàn)在入射分量i（x，y）中，r（x，y）變化緩慢，其頻譜主要落在低頻區(qū)域；而r（x，y）反映圖像的細節(jié)等特征，其頻譜主要落在高頻區(qū)域。處理照明不足或光照不均的彩色圖像時，就要從f（x，y）中將i（x，y）和r（x，y）分開，分別采取壓縮低頻、提升高頻的方法，減弱照度分量、增強反射分量，從而使圖像清晰［13］。

同態(tài)濾波的具體實現(xiàn)過程是先對待增強圖像取對數(shù)，然后進行傅立葉變換，在頻域中利用同態(tài)濾波器進行濾波，最后通過逆傅立葉變換及指數(shù)變換得到增強后的圖像，見圖1。

圖1 同態(tài)濾波過程框圖

在同態(tài)濾波過程中，能否達到理想的濾波效果，取決于同態(tài)濾波函數(shù)H（u，v）的選擇，合適的H（u，v）對同態(tài)濾波算法的效果具有關(guān)鍵影響。文獻［14］中對同態(tài)濾波函數(shù)H（u，v）進行優(yōu)化后得到了高斯同態(tài)濾波函數(shù):

式中:m，n為動態(tài)算子；當(dāng)rH＞1，0＜rL＜1時，圖像的低頻分量減小，高頻分量增強，使得動態(tài)范圍壓縮和對比度增強；常數(shù)c 用來控制濾波器函數(shù)斜面的銳化；D0為截止頻率，可以根據(jù)需要選取。

式中:M × N為待處理圖像大小。

由于高斯同態(tài)濾波需經(jīng)過兩次傅里葉變換，占用較大的運算空間，因此對同態(tài)濾波算法進行了優(yōu)化。

2.2 優(yōu)化的同態(tài)濾波算法

將同態(tài)濾波放到空間域上進行操作和實現(xiàn)，具體步驟［15-17］如下:

（1）獲取源圖像的V分量:

式中:R，G，B為系統(tǒng)所采集RGB（Red-Green-Blue）圖像的3個分量。

（2）利用對數(shù)變換將入射光和反射光分開:

（3）通過空域三維窗實現(xiàn)低通濾波:

利用低通濾波器可實現(xiàn)平滑圖像、去除噪聲的目的，對光照不均也具有均衡作用。

（4）由于被處理圖像經(jīng)過對數(shù)變換，再用冪變換將圖像進行恢復(fù):

（5）采用歸一化處理降低光照不均造成的干擾:

（6）完成實時低照度圖像增強，必須設(shè)計一個自適應(yīng)參數(shù)μ。通過自動調(diào)整μ 值，可以將不同照度的圖像拉伸到同一亮度級別，以滿足系統(tǒng)實時性需求。不同照度的圖像V分量的平均灰度值不一樣，照度較低的圖像灰度平均值較小，增強的幅度較大；照度較高的圖像灰度平均值較大，增強的幅度較小。因此，灰度平均值與μ 成反比?；叶戎狄话憬橛?～255 之間，取128 為平均灰度標(biāo)準(zhǔn)值，通過實驗可得出μ的計算公式:

式中:s″（x，y）為V分量增強的最終結(jié)果。

（7）將HSV（Hue-Saturation-Value）快速轉(zhuǎn)換至RGB。定義參數(shù)矩陣r＝s″（x，y）/V× 256，原RGB 空間內(nèi)圖像的R，G，B 3 個分量分別與參數(shù)矩陣相乘后，得到3個新分量:

新的R'，G'，B' 分量重新組成RGB圖像就是在HSV 空間內(nèi)增強后的圖像。通過構(gòu)造參數(shù)矩陣r，復(fù)雜的浮點數(shù)由除運算轉(zhuǎn)換為乘運算，減少了運算量，提高了算法的運算效率［4］。

3 煙葉圖像增強實驗

3.1 實驗設(shè)計

采用加拿大DALSA公司CCD可編程彩色線陣相機TR-33 采集圖像，有效像素2 048 pixel，像素尺寸14 μm×14 μm，行掃描速率21/11 kHz，具有景深大、視野寬、靈敏度高、清晰度高和低噪聲等特點。光源是美國MERCRON 公司型號為FN2376-4 的熒光燈，輸出頻率60 kHz，長1.2 m，可以滿足CCD 彩色線陣相機掃描頻率11 kHz 和寬度0.8 m的有效工作范圍。

DALSA 線陣CCD 相機在照明系統(tǒng)的輔助下，對在高速皮帶上以5 m/s 拋出的煙葉進行掃描，相機所獲得的RGB 信號通過專用HONDA 口數(shù)據(jù)線送入圖像采集卡，經(jīng)數(shù)據(jù)處理后，再經(jīng)總線送入并行四通道DSP 處理板，對圖像數(shù)據(jù)進行實時處理?？偩€采用專用輔助總線，速率達400 MB/s。

一般情況下，光源使用3 個月后照度衰減至75%，6個月后衰減至50%。在熒光燈上添加帶有輸出信號的光阻PDR-47T，照度在75%～100%范圍內(nèi)。光阻可保證照度為75%的均勻光，當(dāng)照度低于75%時更換光源。選擇一臺已安裝調(diào)試完成的異物剔除系統(tǒng)，在線采集煙葉圖像3次（時間間隔2個月），得到不同照度的低照度圖像。系統(tǒng)中圖像緩存預(yù)設(shè)為512 pixel×2 048 pixel，綜合考慮處理效果，將圖像緩存更改為128 pixel×2 048 pixel。用本算法進行圖像增強測試，測試環(huán)境主參數(shù)為Visual C++6.0，CPU 3.4 GHz，內(nèi)存4 GB。

3.2 結(jié)果分析

對在線采集的3 張不同照度圖像進行增強處理，效果見圖2?？梢?，本算法能有效校正低照度圖像的顏色、對比度和亮度，且都處于同一亮度水平，具有較強的自適應(yīng)性。照度越低，需要增強的幅度越大，即μ 值越大。從圖2 中增強前直方圖可以看出，圖像像素值向高像素區(qū)域拉伸，圖像a特別明顯，而圖像b，c拉伸幅度相對較小，該趨勢與自適應(yīng)參數(shù)μ 的變化一致。不同算法對不同尺寸圖像增強性能對比結(jié)果（表2）表明，本算法與其他增強算法相比運算速度更快，能較好地滿足實時彩色圖像的增強需求。

圖2 不同照度煙葉圖像增強效果及直方圖對比

表2 低照度圖像增強算法速度對比 （s）

4 結(jié)語

低照度對煙草異物剔除系統(tǒng)的性能影響較明顯。硬件技術(shù)的快速發(fā)展和低照度圖像增強算法的成熟，使得實時系統(tǒng)中低照度圖像增強成為現(xiàn)實。低照度圖像的增強不僅能夠較好地保持系統(tǒng)的剔除性能，同時還能提高系統(tǒng)的可維護性、易操作性，對進一步提高卷煙品質(zhì)具有重要意義。該算法還可用于卷煙小包、條包在線檢測等視覺系統(tǒng)中，但對基于顏色特征的識別系統(tǒng)其效果更為顯著。

［1］張紹堂，董德春，任友俊，等.煙草異物剔除系統(tǒng)中典型異物處理方法［J］.煙草科技，2009（5）:22-25.

［2］唐向陽，張鶴松，張勇，等.基于機器視覺技術(shù)的智能煙草異物剔除系統(tǒng)［J］.機電工程技術(shù)，2006，35（12）:84-85，99.

［3］張紹堂，蔣作，鄭智捷.機器視覺技術(shù)在煙草異物剔除系統(tǒng)中的應(yīng)用［J］.云南民族大學(xué)學(xué)報，2007，16（2）:161-164.

［4］潘平平，李德華.快速低照度圖像增強算法研究與實現(xiàn)［J］.微型機與應(yīng)用，2012，30（5）:42-45.

［5］張煜東，王水花，周振宇，等.基于HVS與PCNN的彩色圖像增強［J］.中國科學(xué):信息科學(xué)，2010，40（7）:909-924.

［6］陳銳，馬義德，鄭曉，等.基于PCNN和視覺特性的圖像對比度增強［J］.微計算機信息，2010，26（4-1）:108-112.

［7］程芳瑾，杜曉駿，馬麗，等.基于Retinex 的低照度圖像增強［J］.電視技術(shù)，2013，37（15）:4-10.

［8］肖進勝，單姍姍，段鵬飛，等.基于不同色彩空間融合的快速圖像增強算法［J］.自動化學(xué)報，2014，40（4）:697-705.

［9］江興方，王戈，沈為民.一種色彩改進型Retinex彩色圖像增強方法［J］.光電子·激光，2008，19（10）:1402-1404.

［10］許欣，陳強，孫懷江，等.快速Retinex 彩色圖像增強［J］.計算機工程與應(yīng)用，2010，46（5）:4-6.

［11］禹晶，李大鵬，廖慶敏.基于顏色恒常性的低照度圖像視見度增強［J］.自動化學(xué) 報，2011，37（8）:923-930.

［12］韓麗娜，熊杰，耿國華，等.利用HSV 空間的雙通道同態(tài)濾波真彩圖像增強［J］.計算機工程與應(yīng)用，2009，45（27）:18-20.

［13］郭清宇，彭芳芳.指針式儀表圖像高斯同態(tài)濾波增強算法研究［J］.中原工學(xué)院學(xué)報，2013，24（5）:1-4.

［14］焦竹青，徐保國.HSV變換和同態(tài)濾波的彩色圖像光照補償［J］.計算機工程與應(yīng) 用，2010，46（30）:142-144.

［15］馬龔，張成義.基于Matlab的同態(tài)濾波器的優(yōu)化設(shè)計［J］.應(yīng)用光學(xué)，2010，31（4）:584-587.

［16］劉春香，李洪祚.實時圖像增強算法研究［J］.中國光學(xué)與應(yīng)用光學(xué)，2009，2（5）:395-401.

［17］肖俊，宋壽鵬，丁麗娟.空域同態(tài)濾波算法研究［J］.中國圖象圖形學(xué)報，2008，13（12）:2302-2306.