低照度環(huán)境監(jiān)控的圖像增強算法研究

李智君，王 勇

（1.江蘇無線電廠有限公司，南京，210022；2.南京郵電大學自動化學院，南京，210023）

低照度環(huán)境監(jiān)控的圖像增強算法研究

李智君1，王 勇2

（1.江蘇無線電廠有限公司，南京，210022；2.南京郵電大學自動化學院，南京，210023）

在檔案庫房安防系統(tǒng)中，光照是圖像清晰度的重要因素，對后續(xù)處理和最終監(jiān)管有著至關重要的影響。本文針對灰暗天氣和夜間等低對比度圖像，通過采用直方圖均衡化（HE）、自適應直方圖均衡化（AHE）和受限對比度自適應直方圖均衡化算法（CLAHE）進行圖像處理和對比，提出了一種基于受限對比度自適應直方圖均衡化的改進算法。該方法首先進行了RGB和彩色空間轉換，其次僅對亮度分量進行受限對比度自適應直方圖均衡化變換和非線性拉伸變化，最后做RGB的圖像輸出。實驗結果表明，該方法不僅提高了圖像的對比度，而且在檔案庫房安防系統(tǒng)的監(jiān)控中良好的保持了圖像的目標信息，提高了后續(xù)識別和監(jiān)控的有效性。

圖像增強；直方圖均衡化；彩色空間轉換

0　研究背景

為保證文件存儲的安全性和完整性，成為檔案管理的一項重要內容。檔案的內部環(huán)境必須是技術，實時監(jiān)控。通過對環(huán)境的管理，確保檔案的完整性和延長檔案的保存時間。

在集合論中的形態(tài)學圖像處理的基本特征，提出了一種基于一組獨特的變換和概念來描述圖像。本文將形態(tài)學圖像處理擴展到灰度圖像。在兩個值的圖像處理中，腐蝕和膨脹操作是形態(tài)學圖像處理的基礎。主要用于提取和表達圖像的有用成分形狀，基于開運算和閉運算的擴張和侵蝕操作是形態(tài)學圖像處理中最廣泛的操作。

1　圖像直方圖

圖像是由像素組成的，在一個單通道的灰度圖像中，每個像素的值介于0（黑.色）～255（白色）之間。根據圖像的內容，可以發(fā)現(xiàn)一幅圖像的像素數目在每個灰度值上的分布都不同。一般圖像的灰度級在圖像直方圖中用橫坐標表示，則縱坐標代表頻數，它主要是為了反映出數字圖像中各個灰度級與其出現(xiàn)的頻數間的統(tǒng)計關系。通過一幅圖像的直方圖就能看出這幅圖像灰度級的大致分布情況，由此進一步得出圖像處理的重要依據。

直方圖是一個給出了一幅圖像中擁有給定數值的像素數量的一張表，因此，對于灰度圖像而言，它的直方圖就有256個條目（或稱為容器）。其中256個條目中的0號容器給出了圖像中灰度值為0的像素個數，1號容器給出了這幅灰度圖像中灰度值為1的像素個數，這樣以此類推。直方圖的各個灰度級都對應著該灰度級的像素個數，如果將各個灰度級對應的像素相加起來就會得到該幅圖像的像素總數。然后對圖像直方圖進行歸一化，那么將歸一化后的所有項加起來就會得到結果1。在這種情況下，每一項給出的都是擁有特定數值的像素在圖像中占的比例。圖1為從檔案庫房監(jiān)控中采集的一幀原始圖像和對應的原始圖像直方圖。

圖1　原始圖像和直方圖

1.1直方圖修正

為了改造原圖像的直方圖，使得圖像直方圖達到我們所需要的要求，就必須通過構造原圖像灰度級的變換，即直方圖修正。為了使原圖像的灰度分布的更加均勻，圖像的細節(jié)更加的突出，一般都采用了直方圖修正。

設原始圖像灰度級變量r 已經歸一化，即0≤r≤1。r=0代表黑；r=1代表白。設變量s 代表新圖像的灰度級，那么變量s 與變量r 的關系為s=T（ r）。假定滿足T（ r）

（1），T（ r ）單調增加；

一幅圖像中，每一像素點的灰度級r 可看作［0,1］區(qū)間上的隨機變量。設r 是連續(xù)變量，則可用概率密度函數pr（ r ）表示圖像的灰度級分布，即表 示圖像中灰度級小于r 的像素點數目。設變換后圖像的灰度級概率密度函數表示為ps（ s）。根據概率論的知識，pr（ r ）與ps（ s ）之間的關系為

通過改變T（ r ）就可以控制ps（ s）的形狀。由于pr（ r ）和ps（ s）表示灰度級相對分布，因此為了改變圖像的外貌，就應選擇適當的T（?）。因此，要得到新圖像灰度級具有ps（ s）分布，需要選用適合的變換函數T（ r ）來修正圖像灰度級概率密度函數pr（ r ），這才是使用灰度變換進行圖像增強技術的實質。

1.2HE算法實現(xiàn)

HE算法要求式（1.1）中ps（ s）=常數，即圖像中所有灰度級出現(xiàn)的信息量相等的圖像，所包含的信息量最大，所以根據需要選擇，從圖像中獲得盡量多的信息量，使圖像熵盡量大，以下是實現(xiàn)HE算法的過程。

取上節(jié)中的T（ k ）為

則

將式（4.3）代入式（4.1），可得

灰度級r 取離散值｛rk； k=0,1,...,L -1｝。L是灰度級的數目，則連續(xù)函數pr（ r ）成為｛pr（ rk）； k=0，1，…，L-1｝。其中pr（ rk）=nk/n；nk是圖像中出現(xiàn)rk灰度級的像素的數目；n 是圖像中像素的總數。變化s=T（ r ）成為

最終變換后的灰度值為

圖2為針對圖1（a）實現(xiàn)的HE 算法的圖像和直方圖。圖像2（a）在亮度上明顯比圖像1（a）有所增強，從圖1（b）中可以看出灰度級大約在152以后沒有像素值，通過HE算法明顯的改變了原始圖像中各個灰度級的灰度值，達到了圖像增強的效果。

圖2　實現(xiàn)HE算法后的圖像和直方圖

圖3　自適應直方圖均衡化圖像和直方圖

2　自適應直方圖均衡化算法

2.1HE算法存在的問題

直方圖均衡的理論是來源于連續(xù)函數的，而數字圖像的灰度值則不一樣，它是離散值。由于變換函數是一個由連續(xù)到離散的近似過程，所以在對原圖進行直方圖均衡化時，容易因量化誤差造成灰度信息的丟失。

在式（6）中經過sk×（L-1）得到Sk過程中，使得連續(xù)量到最終形成離散灰度值S時形成了量化誤差。由式ps（ s） ds=pr（ r） dr可以看出，對圖像在同一灰度層上的像素進行直方圖均衡化后，在得到的圖像中這些像素仍然處于同一灰度層上。結果圖像中概率密度ps（ s）是不可能始終為1，而且它的值與輸入圖像在各個灰度層上的像素分布有關系，不為1主要就是因為原圖像中像素在各個灰度級上的分布具有不均勻性和不連續(xù)性。輸入圖像在某一個灰度上的概率密度值與它變換后的圖像在對應灰度層上的值成正比。除此之外，直方圖均衡化既不能改變原始圖像中單個像素點在灰度層上的分布，也不能通過變換使原本圖像帶有信息的像素點發(fā)生變化，僅僅是改變了原圖像中同一灰度層上所有像素的灰度，所以在對原圖進行直方圖均衡化時，造成了對灰度的兩端分布，使得含有較多像素點的低灰度區(qū)域在進行處理后，不能提升整幅圖像的灰度動態(tài)范圍，增強圖像的細節(jié)。

2.2AHE算法實現(xiàn)

原始圖像在經過直方圖均衡化后，如果整體上的效果沒有發(fā)生變化，其原因主要是在于原始圖像中低灰度層的像素比較多，使得整幅的原始圖像的灰度動態(tài)范圍沒有明顯的提升。所以為了使整幅圖像在處理后達到自己需要的效果，通過分析圖像直方圖均衡理論存在缺陷，提出了圖像的自適應算法，即在對圖像進行直方圖均衡化處理后，然后對處理后的圖像灰度在較大的灰度范圍內進行一次映射和進行適當的亮度修正，使得整個圖像有較大的灰度變化范圍和較高的對比度。

設經過直方圖均衡化后得到的圖像為X ，有L個灰度階，灰度范圍為k=0,1,2,3,...,L-1，最后對圖像X的各灰度層進行如下的映射：

式（7）中Ik表示為最終圖像的灰度值；Smax用來表示在經過直方圖均衡化后得到的圖像X 中有像素占據的最大灰度值；Smin和Smax相反，表示占據最小的灰度值；Sk是X 中的像素灰度值；a 變量在整幅圖像的增強中起決定作用，它是一個亮度補償系數，它的取值范圍在0到1之間。當a=0時，將會使得到圖像中0灰度值獲得補償；當a=1時，經過變換后得到的圖像和原始圖像經過直方圖均衡化后得到的圖像是相同的，映射中，通過調節(jié)a的取值，不僅使圖像中最低的灰度層不會被變換到過高的灰度，提高圖像對比度，增強了原始圖像的細節(jié)部分，而且還可以對原圖像做適當的亮度修正，得到最佳的效果。

如圖3為a 取0.3時自適應直方圖均衡化后的圖像和直方圖，本文中使用的自適應直方圖均衡化是在直方圖均衡化的基礎上進行的二次灰度映射，對于直方圖均衡化后的圖像具有很強的自適應性，通過圖3（b）可以看出相對直方圖均衡化直方圖沒有太大的變化，即對于清晰的圖像能夠充分體現(xiàn)出自適應性。

圖4　2×2的變換結果圖

3　受限對比度自適應直方圖均衡化算法

通過對上兩節(jié)中使用直方圖均衡化和改進后的直方圖均衡化（自適應直方圖均衡化）對原始的低對比度圖像處理后的結果進行比較后，發(fā)現(xiàn)使用這些圖像增強的方法有很大的局限性，如對原始圖像進行直方圖均衡化是對圖像進行全局增強，加大了整個圖像噪聲或引入了新的噪聲。自適應直方圖均衡化算法是通過重新分布亮度來改變圖像的對比度，改進了圖像局部對比度，獲得了更多的圖像細節(jié)，但是自適應直方圖均衡化有過度放大圖像中相同區(qū)域的噪聲問題。對陰天、夜間等低對比度圖像的增強及人像等局部信息的增強，受限對比度自適應直方圖均衡化算法能有限的限制這種不利的放大。

3.1CLAHE算法理論

CLAHE算法是在對原始圖像進行局部直方圖均衡化時，在相鄰兩個區(qū)域對應的位置上使用雙線性插值方法得到新的灰度圖像。CLAHE算法的基本流程：

將原始圖像分割為M×N個子區(qū)域，這些子區(qū)域之間是連續(xù)且不相互重疊。

“東方彝風”酒店并不是對純粹彝族民居的一種簡單表現(xiàn)，跟之前所出現(xiàn)過對民居符號進行簡單復制的設計理念具有較大的區(qū)別。項目設計人員在前期十分細致的研究了地方特色，對彝族傳統(tǒng)文化進行了過濾，提取其中的精華，并與現(xiàn)代民居要素之間形成有機融合。從施工技術、材料以及構造等方面進行了全方位分析與研究，使彝族特色與東方元素之間充分結合。

對分割出來的每個子區(qū)域進行灰度直方圖“剪切”，并計算出平均分配像素數的平均值

式（8）中，NXY表示分割出來的子區(qū)域的灰度級數；uX和uY分別表示分割出來的子區(qū)域上X方向和Y方向上的像素個數。

計算實際剪切極限值

式中，NClip為截取限制系數，其含義是限制子區(qū)域每個灰度級所包含的像素數不允許超過平均數的NClip倍。

設S表示為被剪像素總數，則均分“剪切”像素數的計算方式為

然后計算分配剩余像素數步長的公式為

式（11）中，L為分配像素步長；LG為灰度范圍長度。

假設Hij（k）為原圖中截取的子塊直方圖，k代表灰度級，利用（9）式中得到的剪切極限值對Hij（k）進行剪切，將剪切下來的重新分配到各個灰度級中，設Fij（ k ）表示對Hij（k ）重分配處理后的結果。核心部分規(guī)則如下：

按照（12）中的規(guī)則就是從圖像的最小灰度級到最大灰度級按計算的步長進行循環(huán)搜索，然后判斷像素是否小于剪切閾值，若是，則分配一個像素。當分配完后，如果發(fā)現(xiàn)像素還有剩余，則需要重新通過式（11）計算步長和按照步長由最小灰度級到最大灰度級進行循環(huán)搜索，直到將剩余像素分配完為止。

對每個子區(qū)域對比度受限后，再對每個子區(qū)域進行灰度直方圖均衡化。

獲取截取的每個子區(qū)域的中心點，并將這些點作為下一步線性插值的樣本點。

然后根據樣本點進行灰度線性插值，即

式中，G（ i）為點（x, y ）處灰度值；Gzs（i）表示位于指定點左上方的樣本點；其他的3個方位的樣本點用Gzx（i），Gyx（i ），Gys（i）表示。

圖5　4.4的CLAHE變換結果圖

圖6　的變換結果圖

4　彩色空間轉換

檔案庫房安防系統(tǒng)中，通過攝像頭采集的圖像多用RGB圖像。RGB彩色空間受關照因素的制約比較嚴重，其顏色值的波動變化時隨著光照強度的變化而變化，使得多數全天候運行監(jiān)測系統(tǒng)的識別變得十分困難。

在YCbCr彩色空間中，Y 代表亮度，Cb、Cr代表色差，圖像的彩色信息由Cb和 Cr兩 個分量表示，外界光照強弱變化不會影響到這兩個變量；Y分量是圖像增強亮度的關鍵性因素，該變量保留了像素間的對比度關系，因此，本算法只對Y 分量進行CLAHE處理。

RGB模型到YCbCr模型轉換式為

YCbCr模型到RGB 模型的轉換為

5　CLAHE改進算法實現(xiàn)及結果分析

算法實現(xiàn)過程：

根據式（14）將RGB 圖像進行彩色空間轉換，轉換為YCbCr模型。

調節(jié)辨別門限使Y分量的變換對原圖的整體對比度有所提高，圖整體對比度適應人眼視覺效果，達到增強整幅圖像細節(jié)的目的。

通過式（15）進行YCbCr到RGB的色彩空間轉換，并輸出處理后的結果。

通過對上面三種情況下的結果對比，本文選擇使用的變換，從的變換結果圖中可以看出，在低照度環(huán)境下采集到的原始圖像經過變換后，圖像的清晰度明顯增強，突出了圖像中的細節(jié)部分。

6　本章小結

本章對直方圖均衡化算法，自適應直方圖均衡化算法和CLAHE算法進行了分析，并在CLAHE算法的基礎上做了一定的改進，即在原有的算法基礎上，僅對模型中的分量進行處理，處理后通過調整辨別門限，對分量進行了更進一步的圖像增強，然后通過MATLAB進行了仿真實現(xiàn)，通過對仿真數據結果進行對比，得出改進后的算法使得原始圖像的細節(jié)更加突出，增加了原圖像的亮度和對比度，同時在對原始圖像處理時僅限于對分量，提高了圖像處理的速度和系統(tǒng)的實時性，為在檔案庫房安防系統(tǒng)的視頻監(jiān)控模塊中奠定了理論基礎。

［1］ Li Hongyu，“Problems and Countermeasures in the Construction of Archives in the Security System”. Archives Managemen.，Vol.211，No.6，pp.53， June. 2014.

［2］ Chen Xianping，Yan Yong and Chen Hong，“Study of Archives Management”.Archives Managemen.，Vol.203，No.4， pp.51， Apr. 2013.

［3］ Laganiere and Robert，“OpenCV 2 computer vision application programming cookbook”，Beijing：Science Press，2013

［4］ Mo RiGen “OpenCV-based mobile intelligent home video surveillance system” Zhejiang University of Technology，Mar.2012

［5］ Park G H，Cho H H，Choi M R.A contrast enhancement method using dynamic range separate histogram equalization［J］.IEEE Transactions on Consumer Electronics， 2008， 54（4）： 1981-1987.

［6］ He K，Sun J，Tang X.Single image haze removal using dark channel prior［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2011， 33（12）：2341-2353.

Research on image enhancement algorithm for low illumination environment monitoring

Li Zhijun1，Wang Yong2
（1.Jiangsu Radio Factory Co. Ltd.，Nanjing，Postcode 210022；2.Nanjing University of Posts and Telecommunications，Nanjing，Postcode 210023）

The light is an important factor of image clarity， and it has a very important influence on the subsequent processing and final regulation.According to the gloomy weather and night low contrast image by using histogram equalization（HE），adaptive histogram equalization（AHE）and contrast limited adaptive histogram equalization（CLAHE）algorithm for image processing and comparison，this paper presents an improved algorithm of contrast limited adaptive histogram equalization based on.In this method，the RGB and color space conversion are firstly carried out，and then only the luminance component is restricted by the adaptive histogram equalization transformation and nonlinear tension change.Finally，the image output of RGB is done.The experimental results show that this method not only improves the contrast of image， but also maintains the image target information in the monitoring of the archives warehouse security system， which improves the efficiency of the subsequent identification and monitoring.

Image Enhancement；Histogram Equalization；Color Space Conversion