基于不規(guī)則子塊的農(nóng)作物圖像自適應(yīng)增強(qiáng)算法

苑隆寅

摘要：在對(duì)直方圖均衡化算法基本原理深入分析的基礎(chǔ)上，結(jié)合圖像灰度值分布特征，提出一種改進(jìn)的直方圖均衡化增強(qiáng)算法，該算法首先引入自適應(yīng)維納濾波算法，對(duì)所獲取的降質(zhì)農(nóng)作物圖像進(jìn)行預(yù)處理，以盡可能排除隨機(jī)噪聲；然后提出一種基于圖像灰度信息的自適應(yīng)子塊獲取方法，通過(guò)圖像中灰度值的分布特點(diǎn)來(lái)自適應(yīng)確定子塊，對(duì)各子塊分別進(jìn)行直方圖均衡化處理，從而獲得高清晰度的農(nóng)作物圖像。采用峰值信噪比及均方根誤差等指標(biāo)，將圖像自適應(yīng)增強(qiáng)算法與自適應(yīng)維納濾波算法、直方圖均衡化算法及其改進(jìn)算法對(duì)降質(zhì)農(nóng)作物圖像的處理性能進(jìn)行定量評(píng)價(jià)，結(jié)果表明，圖像自適應(yīng)增強(qiáng)算法在去除噪聲的同時(shí)能夠有效提高圖像對(duì)比度，對(duì)于農(nóng)作物圖像處理具有一定的借鑒價(jià)值。

關(guān)鍵詞：農(nóng)作物圖像；不規(guī)則子塊；直方圖均衡化；自適應(yīng)維納濾波；自適應(yīng)增強(qiáng)；算法

中圖分類號(hào)： TP391；S126 文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2015）03-0379-03

近年來(lái)，計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)及圖像處理技術(shù)在農(nóng)業(yè)領(lǐng)域得到廣泛的研究與應(yīng)用，為農(nóng)作長(zhǎng)勢(shì)檢測(cè)、農(nóng)作物估產(chǎn)、農(nóng)產(chǎn)品分解檢測(cè)等提供了一種較為有效的研究方法。一般情況下，圖像獲取往往會(huì)受到光照不均、設(shè)備電壓不穩(wěn)定、模數(shù)轉(zhuǎn)換等因素的影響，圖像難免會(huì)出現(xiàn)對(duì)比度低下并存在一定程度的隨機(jī)噪聲。目前，對(duì)于圖像處理的研究有2類思路：（1）圖像去噪。李楠等提出一種提升小波變換的去噪模型，應(yīng)用于薯類視覺(jué)圖像處理并取得較好的效果[1]；韓偉等將輪廓波變換應(yīng)用于農(nóng)田雜草圖像去噪處理，通過(guò)噪聲進(jìn)行抑制，實(shí)現(xiàn)農(nóng)田雜草的準(zhǔn)確識(shí)別[2]；宋懷波等將輪廓波變換與閾值去噪法相結(jié)合，實(shí)現(xiàn)對(duì)農(nóng)產(chǎn)品圖像中噪聲的成功濾除[3]。（2）圖像增強(qiáng)。楊福增等提出一種基于小波變換的農(nóng)業(yè)圖像增強(qiáng)方法，通過(guò)對(duì)提高圖像低頻子圖像對(duì)比度、降低高頻子圖像來(lái)實(shí)現(xiàn)圖像增強(qiáng)[4]；熊俊濤等將Retinex算法應(yīng)用于荔枝圖像增強(qiáng)處理，實(shí)現(xiàn)對(duì)成熟荔枝的準(zhǔn)確識(shí)別[5]。

本研究借鑒前人已有的思路，將圖像去噪和增強(qiáng)有機(jī)結(jié)合，提出一種農(nóng)作物降質(zhì)圖像改進(jìn)直方圖均衡化算法，該算法首先采用自適應(yīng)維納濾波算法實(shí)現(xiàn)對(duì)圖像中噪聲的抑制，然后從圖像灰度值分布特點(diǎn)出發(fā)，提出一種圖像子塊自適應(yīng)獲取方法，將灰度值相近的像素點(diǎn)合并成一個(gè)子塊，分別在各圖像子塊內(nèi)進(jìn)行直方圖均衡化，從而實(shí)現(xiàn)在去除噪聲的同時(shí)提高圖像的對(duì)比度。

1 直方圖均衡化算法原理分析

2 改進(jìn)的直方圖均衡化算法

直方圖均衡化算法可以分為2類：（1）全局直方圖均衡化算法能夠從整體上對(duì)圖像的灰度分布進(jìn)行均衡化處理，提高圖像對(duì)比度；（2）局部直方圖均衡化算法通過(guò)對(duì)圖像進(jìn)行子塊劃分，對(duì)每個(gè)子塊圖像的灰度分別進(jìn)行直方圖均衡化處理。按照?qǐng)D像各子塊間是否有重合，可以將局部直方圖均衡化算法大致劃分為子塊重疊直方圖均衡化算法、子塊部分重疊直方圖均衡化算法及子塊不重疊均衡化算法。子塊重疊和部分重疊直方圖均衡化算法由于在對(duì)圖像處理時(shí)是通過(guò)將子塊向前移動(dòng)1個(gè)或者幾個(gè)像素，子塊間大部分像素反復(fù)參與運(yùn)算，這不適合對(duì)圖像進(jìn)行高效率的處理；子塊不重疊直方圖均衡化算法由于各子塊間彼此不重疊，雖然具有較高的處理效率，但是由于子塊基本按照規(guī)則的矩形形式進(jìn)行選取，并沒(méi)有考慮到圖像中目標(biāo)信息的特征，因而導(dǎo)致圖像的增強(qiáng)效果往往不理想。另外，這類算法對(duì)于降質(zhì)圖像特別是含有一定程度的噪聲圖像增強(qiáng)處理時(shí)，無(wú)法抑制圖像中的噪聲，圖像對(duì)比度即便得到提高，但也相應(yīng)放大了噪聲。因此，本研究提出一種改進(jìn)的直方圖均衡化增強(qiáng)算法，以彌補(bǔ)上述算法存在的缺陷。

2.1 噪聲濾波算法

2.2 一種基于圖像灰度信息的子塊自適應(yīng)獲取方法

本研究提出一種基于圖像灰度信息的自適應(yīng)子塊獲取方法，即將大小為M×M圖像劃分成多個(gè)大小為m×m（m

3 仿真試驗(yàn)

借助MATLAB軟件編寫相關(guān)程序，對(duì)自適應(yīng)維納濾波算法、直方圖均衡化算法、改進(jìn)直方圖均衡化算法[6]及圖像自適應(yīng)增強(qiáng)算法分別加以實(shí)現(xiàn)，應(yīng)用于對(duì)比度較低且含有一定隨機(jī)噪聲的蠶豆圖像處理，并采用峰值信噪比（PNSR）和均方根誤差（RMSE）[9-10]進(jìn)行定量評(píng)價(jià)。由圖1、圖2可見(jiàn)，采用自適應(yīng)維納濾波對(duì)2幅降質(zhì)的豆類圖像處理，盡管圖中的噪聲被濾除了一部分，但圖像仍然比較模糊，清晰度沒(méi)有得到改善，單純采用濾波的方法無(wú)法獲得高質(zhì)量的圖像；采用直方圖均衡化算法直接對(duì)2幅圖像進(jìn)行對(duì)比度拉伸，得到的圖像噪聲仍然存在，并且大量分布于蠶豆葉片表面；采用改進(jìn)的直方圖均衡化算法[6]對(duì)2幅圖像進(jìn)行增強(qiáng)，盡管圖像對(duì)比度得到大幅度提高，但對(duì)于圖中的噪聲仍無(wú)能為力，這說(shuō)明對(duì)于降質(zhì)的農(nóng)作物圖像，單純進(jìn)行圖像增強(qiáng)，無(wú)法獲得高清晰的圖像；采用圖像自適應(yīng)增強(qiáng)算法對(duì)降質(zhì)圖像采取先濾波后增強(qiáng)的處理策略，可以很明顯看出圖中的噪聲基本不存在，圖像中蠶豆葉片等信息與背景信息的對(duì)比度得到提高，圖像中目標(biāo)信息得到一定程度的增強(qiáng)。由表1、表2可見(jiàn)，圖像自適應(yīng)增強(qiáng)算法處理2幅圖像的峰值信噪比值均明顯高于其他3類算法，而均方根誤差均低于其他3類算法，這也進(jìn)一步印證了圖像自適應(yīng)增強(qiáng)算法的有效性。

4 結(jié)論

本研究針對(duì)降質(zhì)的農(nóng)作物圖像，提出一種基于不規(guī)則子塊的自適應(yīng)增強(qiáng)算法，該算法對(duì)圖像首先采用自適應(yīng)維納濾波算法進(jìn)行預(yù)處理，以去除圖像中存在的隨機(jī)噪聲；然后從圖像灰度值分布特征出發(fā)，提出一種圖像子塊自適應(yīng)確定方法，通過(guò)將灰度值相近的像素點(diǎn)合并成一個(gè)子塊，然后對(duì)每個(gè)子塊分別進(jìn)行直方圖均衡化。通過(guò)仿真試驗(yàn)，結(jié)果表明，圖像自適應(yīng)增強(qiáng)算法對(duì)降質(zhì)的農(nóng)作物圖像能夠進(jìn)行自適應(yīng)增強(qiáng)，增強(qiáng)后的圖像對(duì)比度較高，圖像較為清晰。

參考文獻(xiàn)：

[1]李 楠，張 為. 基于提升小波變換的薯類視覺(jué)圖像濾波處理[J]. 江蘇農(nóng)業(yè)科學(xué)，2014，42（1）：376-378.

[2]韓 偉，劉 強(qiáng). 一種 NSCT 域改進(jìn)閾值函數(shù)的雜草圖像去噪方法[J]. 江蘇農(nóng)業(yè)科學(xué)，2013，41（11）：151-153.

[3]宋懷波，何東健，韓 韜. Contourlet變換為農(nóng)產(chǎn)品圖像去噪的有效方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（8）：287-292.

[4]楊福增，王 崢，楊 青. 基于小波變換的農(nóng)業(yè)圖像增強(qiáng)方法研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2004，20（3）：124-129.

[5]熊俊濤，鄒湘軍，王紅軍，等. 基于Retinex圖像增強(qiáng)的不同光照條件下的成熟荔枝識(shí)別[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29（12）：170-178.

[6]韓殿元. 低照度下視頻圖像保細(xì)節(jié)直方圖均衡化方法[J]. 計(jì)算機(jī)仿真，2013，30（8）：233-236，300.

[7]蔡超峰，任景英. 基于直方圖均衡化的手背靜脈圖像對(duì)比度增強(qiáng)[J]. 計(jì)算機(jī)應(yīng)用，2013，33（4）：1125-1127.

[8]白俊奇，趙春光，王壽峰，等. 紅外圖像中的自適應(yīng)維納濾波噪聲抑制技術(shù)[J]. 光電工程，2011，38（11）：79-85.

[9]王小兵，孫久運(yùn)，湯海燕.一種基于數(shù)學(xué)形態(tài)學(xué)與小波域增強(qiáng)的濾波算法[J]. 微電子學(xué)與計(jì)算機(jī)，2012，29（7）：64-67.

[10]劉 燕，劉 斌. 基于小波-全相位方向?yàn)V波器組變換的多聚焦圖像融合[J]. 計(jì)算機(jī)與現(xiàn)代化，2011（10）：76-80.