一種基于模糊邏輯的圖像增強(qiáng)算法

陳璐媛

摘要：圖像增強(qiáng)作為圖像處理中的一項(xiàng)常用技術(shù)，雖然日益成熟，仍然存在很多尚未解決的問(wèn)題，尤其對(duì)于那些無(wú)法得知引起圖像質(zhì)量下降原因的圖像而言，很難準(zhǔn)確地找到合適的增強(qiáng)法。分析圖像增強(qiáng)中灰度變換法基礎(chǔ)上，將模糊控制邏輯應(yīng)用到圖像增強(qiáng)中，對(duì)圖像通過(guò)模糊化處理之后，制定一定的模糊規(guī)則進(jìn)行模糊增強(qiáng)，對(duì)所得到的增強(qiáng)結(jié)果進(jìn)行反模糊化處理，得到結(jié)果。兩種方法分別利用MATLAB進(jìn)行仿真處理。結(jié)果表明，模糊增強(qiáng)法更直接簡(jiǎn)單，有更強(qiáng)的適應(yīng)性，效果更突出。

關(guān)鍵詞：圖像增強(qiáng)；灰度變換法；模糊邏輯；MATLAB仿真

中圖分類(lèi)號(hào)：TP301.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）33-0171-02

圖像增強(qiáng)在處理與分析遙感圖像上、醫(yī)學(xué)領(lǐng)域都有很廣的應(yīng)用，在交通領(lǐng)域中，可運(yùn)用于霧天圖像去霧[1]，使計(jì)算機(jī)更好地識(shí)別公路監(jiān)控成像 [2-3]。近幾年圖像增強(qiáng)的研究熱點(diǎn)主要是增強(qiáng)圖像的邊緣以及細(xì)節(jié)信息的顯示[4]。不同的應(yīng)用，所采用的增強(qiáng)方法也不同，有時(shí)往往需要多種方法結(jié)合起來(lái)[3-5]。

模糊邏輯能夠使計(jì)算機(jī)模仿人類(lèi)進(jìn)行思維推理和決策實(shí)施[10]。而圖像處理領(lǐng)域，由于物體從三維到二維映射過(guò)程中信息的丟失、缺乏圖像質(zhì)量定量的評(píng)價(jià)方法、定義中的模糊性和不確定性以及圖像處理結(jié)果的模糊性與不準(zhǔn)確幾個(gè)方面的原因[11]，比較符合模糊邏輯的表達(dá)特性，所以研究基于模糊理論的圖像增強(qiáng)法是非常有必要的。

1 灰度變換法

上述三個(gè)式子中，式（3）和式（4）中的c為某個(gè)常數(shù)，在式（5）中，函數(shù)的變換閾值設(shè)定為m，把1作為輸出圖像灰度值的上限，當(dāng)m大于灰度r的時(shí)候，灰度被削弱，反之，灰度則被增強(qiáng)，函數(shù)斜率通過(guò)參數(shù)E進(jìn)行控制。

指數(shù)函數(shù)和對(duì)數(shù)函數(shù)的特點(diǎn)是能將灰度值從較小的范圍變換到較大范圍。對(duì)比度拉伸也是針對(duì)圖像灰度范圍太低的原因，通過(guò)分段線(xiàn)性函數(shù)對(duì)圖像灰度值進(jìn)行改變。

2 模糊增強(qiáng)法

2.1 模糊理論基礎(chǔ)

但是很多時(shí)候，推理結(jié)果會(huì)存在“亦此亦彼”的過(guò)渡狀態(tài)，即用“模糊”來(lái)表示。1965年，美國(guó)控制論專(zhuān)家 L.A.Zadech將傳統(tǒng)集合理論的集合范圍{0，1}擴(kuò)大到了[0，1]， 這個(gè)改變是模糊理論誕生的標(biāo)志。

模糊理論的大致思路是先確定模糊集合，規(guī)定隸屬函數(shù)，然后制定模糊規(guī)則實(shí)現(xiàn)模糊推理，最后利用模糊決策反模糊化得到結(jié)果[7]。將該思想與圖像增強(qiáng)結(jié)合思路如圖1表示，輸入的圖片看成是一個(gè)模糊集合，對(duì)模糊平面進(jìn)行處理再經(jīng)過(guò)反模糊化得到增強(qiáng)的圖像。

2.2 模糊集合

模糊集合中，每一個(gè)元素都被給予了一個(gè)0和1之間的實(shí)數(shù)值，通過(guò)這個(gè)值，可以表達(dá)該元素屬于某個(gè)集合的強(qiáng)度大小，稱(chēng)為隸屬度。

圖像可看成[M×N]個(gè)像素點(diǎn)的矩陣，像素點(diǎn)的值，就是其灰度值，這些值構(gòu)成了一個(gè)模糊集合。集合內(nèi)的每個(gè)元素都其對(duì)應(yīng)的隸屬函數(shù)，在圖像增強(qiáng)領(lǐng)域，這個(gè)隸屬函數(shù)就是相對(duì)于某個(gè)特定灰度級(jí)而言的。而灰度值構(gòu)成的模糊集合則被等效成一個(gè)模糊特征平面，該平面對(duì)應(yīng)的模糊矩陣記作[I]，表達(dá)式如下：

2.3 隸屬函數(shù)

2.4 模糊增強(qiáng)

3 算法測(cè)試

經(jīng)過(guò)各種場(chǎng)景圖像大量試驗(yàn)，結(jié)果顯示，灰度增強(qiáng)和模糊增強(qiáng)法都能在一定程度上增強(qiáng)圖像，使圖像的邊緣輪廓更加清晰，而且在有些場(chǎng)景中模糊增強(qiáng)法得到了更好的增強(qiáng)效果。在灰度變換法中，不同的r參數(shù)值會(huì)帶來(lái)不同的增強(qiáng)效果，由于篇幅有限，實(shí)驗(yàn)結(jié)果呈現(xiàn)了城市俯瞰場(chǎng)景圖（圖1）r取0.9和0.6這兩個(gè)比較有代表性的值。而模糊增強(qiáng)法能夠得到很好的增強(qiáng)效果的同時(shí)，無(wú)須反復(fù)調(diào)試參數(shù)，能更直接快速實(shí)現(xiàn)增強(qiáng)。

為了更直觀(guān)地表現(xiàn)三種圖像在增強(qiáng)前后灰度值分布的區(qū)別，利用直方圖進(jìn)行觀(guān)察[8]。直方圖是指不同灰度值的像素在總像素中所占比例。圖2給出了模糊增強(qiáng)前后的直方圖對(duì)比情況，其中橫坐標(biāo)表示灰度值，縱坐標(biāo)表示像素。從各種直方圖結(jié)果中發(fā)現(xiàn)，如果原圖像的灰度值比較集中分布在200左右（城市俯瞰圖），模糊增強(qiáng)法比灰度變換法更有優(yōu)勢(shì)，圖像的邊緣輪廓更加清楚。

4 結(jié)語(yǔ)

本文從圖像增強(qiáng)的角度出發(fā)，研究了傳統(tǒng)圖像增強(qiáng)法中的灰度變化法，針對(duì)傳統(tǒng)方法中對(duì)圖片質(zhì)量下降原因不明的圖片處理效果比較差的問(wèn)題，提出了基于模糊邏輯的圖像增強(qiáng)算法。通過(guò)實(shí)驗(yàn)證明，模糊邏輯有模仿人類(lèi)思考的優(yōu)勢(shì)，針對(duì)圖像的灰度特性進(jìn)行處理，更便捷、高效，對(duì)于一些特殊的圖片，增強(qiáng)效果更好，該方法也具有更好的適應(yīng)性及靈活性。

參考文獻(xiàn)：

[1] HE K， Sun J， TANG X Single Image Haze Removal Using Dark Channel Prior[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2009， 33（12）：2341.

[2] CHEN Z， JIANG T， TIAN Y Quality Assessment for Comparing Image Enhancement Algorithms[C]. IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society， 2014：3003.

[3] 李艷梅.圖像增強(qiáng)的相關(guān)技術(shù)及應(yīng)用研究[D].成都：電子科技大學(xué)，2013.

[4] 李陽(yáng)，常霞，紀(jì)峰.圖像增強(qiáng)方法研究新進(jìn)展[J].傳感器與微系統(tǒng)， 2015， 34（12）：9.

[5] 廖斌，劉鴛鴛.基于多尺度灰度變換的圖像增強(qiáng)研究[J].量子電子學(xué)報(bào)， 2015， 32（5）：553.

[6] 萬(wàn)良.人工智能及其應(yīng)用.第3版[M].北京：高等教育出版社，2016：120.

[7] KONG H， Li X ，TURKk M， KAMBHAMETTU R Smoothing with Fuzzy Sets[J]. IEEE Transactions on Systems Man & Cybernetics， 1981， 11（7）：499.

[8] 啟偉. 圖像直方圖特征及其應(yīng)用研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)， 2014.

【通聯(lián)編輯：代影】