一種結(jié)合曝光閾值的低照度圖像增強算法

趙 娟

(溫州大學數(shù)學與信息學院，浙江溫州 325035)

一種結(jié)合曝光閾值的低照度圖像增強算法

趙 娟

(溫州大學數(shù)學與信息學院，浙江溫州 325035)

低照度圖像整體較暗、對比度低，為此在直方圖裁剪結(jié)合保持亮度雙直方圖均衡化的BHEPL方法基礎上，提出了基于曝光閾值劃分直方圖的適合低照度圖像的圖像算法，并結(jié)合低照度圖像的灰度直方圖特點對直方圖裁剪方法加以改進．實驗結(jié)果表明：該方法對低照度圖像有較好的增強效果，解決了過分增強的問題，并且能較好的保持圖像細節(jié)．

雙直方圖均衡化；直方圖裁剪；低照度；曝光閾值；熵

圖像增強是圖像處理的基本手段．圖像增強旨在提高圖像視覺質(zhì)量，增強人們感興趣的或那些光照不足的暗域的細節(jié)．圖像增強法主要可分為兩大類：空間域方法和頻率域方法．對于低照度圖像，圖像主要視覺特點是灰暗區(qū)域較大，整幅圖像的灰度值大部分處于較低水平，視覺上分不清圖像灰暗區(qū)域的細節(jié)．傳統(tǒng)的直方圖均衡化方法進行增強易把圖像的平均灰度值變換成灰度變化范圍里的中間灰度值，進而導致圖像失真或密度過飽和，不僅降低了圖像的顯示效果，而且會導致一些信息的丟失．針對低照度圖像，全局灰度均衡化雖然能夠提高圖像的亮度，但也會產(chǎn)生圖像過分增強、質(zhì)量降低的現(xiàn)象．局部直方圖算法[1]是結(jié)合圖像像素鄰域的灰度值進行均衡，對于低照度圖像其均衡化的結(jié)果不能很好地調(diào)整圖像亮度范圍．Kim[2]提出了保持亮度的雙直方圖均衡化方法（BBHE），其利用亮度平均值將圖像分為兩個部分，再對兩個子直方圖分別進行均衡化，這種方法可以減少過分增強現(xiàn)象．由直方圖均衡化方法可知圖像的灰度概率密度函數(shù)會影響圖像增強的速率，那些概率較大的灰度級會被過分增強，Yang等人[3]提出了在圖像直方圖均衡化之前修改圖像的灰度直方圖，減少那些密度過大灰度級，增加密度較小的灰度級．Chen等人[4]提出了將兩者結(jié)合在一起的BHEPL方法．

本文提出了一種基于曝光閾值[5]和直方圖裁剪的保持圖像亮度的雙直方圖均衡化方法．在Chen[4]的基礎上，通過曝光域值將灰度直方圖像分為兩個部分，并結(jié)合低照度圖像特點對圖像的灰度直方圖進行裁剪．實驗表明，該方法對于低照度圖像有較好的增強效果．

1 直方圖均衡化

1.1 傳統(tǒng)的直方圖均衡化方法

直方圖均衡化方法是將輸入圖像的灰度級的概率密度函數(shù)經(jīng)過一定的變換生成一幅灰度級分布均勻的圖像．具體方法如下：

設整幅圖像可能的灰度級總數(shù)為L，n為圖像中像素的總和，nk是灰度級第k個灰度級rk所對應的像素個數(shù)，則整幅圖像中rk出現(xiàn)的概率Pr(rk)近似為：

其中，sk為變換時灰度級rk對應的灰度級．

通過變換函數(shù)將輸入圖像中灰度級為rk的各像素映射為灰度級為sk的像素產(chǎn)生輸出圖像，圖像經(jīng)變換后的灰度直方圖基本成均勻分布，但易產(chǎn)生過分增強的現(xiàn)象．

1.2 BHEPL方法

BHEPL方法首先通過計算圖像X平均灰度Xm，將圖像分成兩個子部分X1和X2，其中：

其次，對兩個子部分分別計算裁剪閾值T1和T2，進行直方圖裁剪．

其中，L為圖像的所有灰度級，h(k)為圖像中k級灰度所對應的像素點數(shù)．

裁剪完成后，再對兩個子圖分別進行直方圖均衡化，最后輸出變換后的圖像．

2 改進算法

保持亮度的雙直方圖均衡化各種方法[2,6-7]的主要不同點在于分解圖像的灰度閾值選取不同．本文提出的算法，首先，在選取圖像劃分的指標灰度Xm時加以改進；其次，針對低照度圖像特點，灰度直方圖大多呈單峰，并且主要處于灰度級較低范圍，采用先對圖像的直方圖進行裁剪，再進行區(qū)域分解，減少了算法的復雜程度．具體算法如下：

2.1 直方圖裁剪

2.1 直方圖分解

由曝光參數(shù)可以計算出曝光閾值X：X=L(1-exposure)．利用曝光閾值可以將原圖象灰度直方圖分為兩個部分X1和X2．

2.3 直方圖均衡化

首先，分別計算兩個子圖對應的概率密度函數(shù)P1( k)和P2( k)：

其中，N1,N2分別為子圖X1,X2的像素總數(shù)．

對應的累積分布函數(shù)C1(k),C2(k )計算公式為：

其次，對X1,X2分別進行均衡化，直方圖變換公式分別為F1,F2，則：

3 實驗結(jié)果與分析

圖像的信息熵是衡量圖像中灰度級的不確定性的一個指標，在一定程度上可以衡量圖像的細節(jié)豐富度，信息熵越大細節(jié)越豐富．

選取2幅低照度圖像（a）和（b），分別采用傳統(tǒng)全局直方圖均衡化方法，局部直方圖均衡化算法，BBHE方法，BHEPL方法和本文方法進行了處理，處理后各圖像及其熵值如下：

表1 幾種直方圖均衡化方法熵值比較

從實驗結(jié)果上看，本文方法對低照度圖像增強效果較好，有效的解決了過分增強的問題，整幅圖片亮度適中，并較好的保持了圖像的細節(jié)．

4 結(jié) 語

本文算法通過選取曝光閾值為圖像直方圖分割指標值，對低照度圖像增強有較好的處理效果，但其也存在一定的局限性，對于過曝光圖像處理效果較差．

[1] 危疆樹. 結(jié)合局部對比度增強的直方圖均衡化圖像增強方法[J]. 計算機與信息技術(shù), 2005, (10): 23-25.

[2] Kim Y T. Contrast enhancement using brightness preserving bi-histogram equalization [J]. IEEE Transactions on Consumer Electronics, 2002, 43(1), 1-8.

[3] Yang S J, Oh J H, Park Y J. Contrast enhancement using histogram equalization with bin underflow and bin overflow [J]. Image Processing, 2003, 1: 881-884.

[4] Chen H O, Kong N S P, Ibrahim H. Bi-histogram equalization with a plateau limit [J]. IEEE Transactions on Consumer Electronics, 2009, 55(4): 2072-2080.

[5] Hanmandlu M, Verma O P, Kumar N K, et al. A novel optimal fuzzy system for color image enhancement using bacterial foraging [J]. IEEE Transactions on Instrumentation and Measurement, 2009, 58(8): 2867-2879.

[6] Wang Y, Chen Q, Zhang B M . Image enhancement based on equal area dualistic sub image histogram equalization method [J]. IEEE Trans Consumer Electronics, 1999, 45(1): 68-75.

[7] Chen S D, Ramli A R. Minimum mean brightness error bi-histogram equalization in contrast enhancement [J]. IEEE Trans Consumer Electronics, 2003, 49(4): 1310-1319.

[8] 武英. 保持圖像亮圖的改進雙直方圖均衡算法[J]. 計算機應用, 2010, 30(6): 1632-1634.

[9] 彭波, 王一鳴. 低照度圖像增強算法的研究與實現(xiàn)[J]. 計算機應用, 2007, 27(8): 2001-2003.

[10] 王萍, 張春, 羅穎昕. 一種霧天圖像低對比度增強的快速算法[J]. 計算機應用, 2006, 26(1): 152-156.

[11] 黃華, 王孝通, 蔣永馨, 等. 暗區(qū)域分割算法在夜間圖像增強中的應用[J]. 激光與紅外, 2009, 39(4): 443-446.

[12] 江巨浪, 張佑生, 薛峰, 等. 保持圖像亮度的局部直方圖均衡算法[J]. 電子學報, 2006, (5): 861-866.

An Image Intensification Algorithm with Exposure Threshold Value for Low-illumination Image

ZHAO Juan
(Mathematics and Information College, Wenzhou University, Wenzhou, China 325035)

The low-illumination image almost has a low gray level and low contrast. A new image intensification algorithm with exposure threshold value for low-illumination image is introduced in this paper, which is based on the BHEPL algorithm that is combined the histogram clipping method and brightness preservation bi-histogram equalization method together. The histogram clipping method in the BHEPL based on the character of the gray level histogram of the low-illumination image is improved. The experiment results demonstrate that such a method has a better enhancement effect on low-illumination image, which not only solves the over-enhancement problem but also preserves the detail of the image.

Bi-histogram Equalization; Histogram Clipping; Low-illumination; Exposure Threshold Value; Entropy

TP391.41

A

1674-3563(2015)02-0008-05

10.3875/j.issn.1674-3563.2015.02.002 本文的PDF文件可以從xuebao.wzu.edu.cn獲得

(編輯：封毅)

2014-04-21

趙娟(1989- )，女，安徽阜陽人，碩士研究生，研究方向：數(shù)字圖像處理，計算機與復雜系統(tǒng)控制