光照不均匀图像校正研究

廖广军

（广东警官学院 广东 广州 510320）

光照不均匀图像校正研究

廖广军

（广东警官学院 广东 广州 510320）

讨论如何利用数字图像处理技术实现光照不均匀图片的图像增强，提出了自适应阈值滤波实现光照不均匀图像的校正，并与同态滤波算法进行了比较。实验结果分析表明，两种算法都能够得到较好的效果，但是同态滤波算法的时间花销优于自适应阈值滤波。

光照不均匀图像 自适应阈值滤波 同态滤波

1 引言

目前，针对自然图像的处理大部分都集中在颜色恒常性、白平衡、颜色的滤波等方面，已有学者在图像亮度不均、图像增强方面进行研究，但多数研究采用的公式参数求取过程复杂，前期的计算量较大，有些则只局限于在图像的灰度范围内进行调整，而且系数的修正局限于特定的图像采集设备及图像。[1]在图像获取过程中，由于现场条件、拍摄角度及闪光灯使用不当等光照不均匀的原因，带有暗影或明亮区域的高动态真彩图像随处可见，它们的动态范围超过了人眼的一些电子设备的感应区域，很难被人眼感受。为了尽可能地还原真实场景，获取更多有价值的现场或客体本身的信息，需对图片进行修正，消除光照不均匀的影响。[2]本文研究自适应阈值的光照不均匀校正算法及同态滤波的校正算法，并且比较两者的差异。

2 自适应阈值的光照不均匀校正算法

当光照不均匀、有突发噪声，或者背景灰度变化比较大时，整幅图像分割将没有合适的单一门限，因为单一的阈值不能兼顾图像各个像素的实际情况。这时，可对图像按照坐标分块，对图像分块后的每一个子块可以采用直方图分析，如果某个子块内有目标和背景，则直方图呈双峰。如果块内只有目标或背景，则直方图没有双峰，可根据邻域各块分割得到的参数插值进行分割。实际的自适应阈值分割完全可以根据图像的实际性质，对每个像素设定阈值，但这个过程要考虑到实际的要求和计算的复杂度问题。还可对每一块分别选一阈值进行分割，这种与坐标相关的阈值称为动态阈值方法，也称为自适应阈值方法。利用以上分块阈值分割的思想，考虑对光照不均匀图像的校正方法。在文献[3]和文献[4]中，提出先对光照不均匀背景进行提取,然后通过图像减运算去除光照不均匀的影响。然而在进行背景提取时，上述两种算法都是通过取最小值来实现的，光照不均匀图像有时表现为受脉冲噪声污染的图像,对于一幅受脉冲噪声污染的图像，在一个区域中的最小值往往表现为污染点,其亮度并不能代表背景亮度。因此，在本文中，对每一个像素确定以它为中心的一个邻域窗口，计算窗口内像素的均值μ和标准差σ，然后以max(min，μ-3σ）作为该区域的背景灰度。这种方法的时间和空间复杂度比较大，但是抗噪声能力比较强，对采用全局阈值不容易分割的图像有较好的效果。对于自然图像的校正算法流程如下：

（1）读取自然图像，且分为RGB三通道操作；

（2）计算适当大小区域内均值和方差；

（3）估计图像背景的照度；

（4）将粗略估计的背景矩阵扩展成与原始图像大小相同的矩阵，通过双三次插值实现；

（5）从原图像中减去估计出的背景图像以消去照度不均匀的影响，但使图像变暗；

（6）通过指定图像的动态范围，调整图像；

（7）合成RGB通道，输出校正图片。

3 同态滤波的校正算法

同态滤波是将图像视为入射分量和反射分量的乘积。图像的入射分量通常以空间域的慢变换为特征，而反射分量往往引起突变，特别是在不同物体的链接部分。这些特性导致图像取对数后的傅里叶变换的低频成分与入射相联系，高频成分与反射相联系。通过用同态滤波器对入射分量和反射分量操作，能够加强许多控制。滤波器函数往往减少低频(入射)分量的贡献，而增加高频(反射)分量的贡献，达到克服非均匀光照，压缩动态范围与增强对比度的目的。[5]同态滤波算法流程如图1。

图1 同态滤波算法流程

滤波器函数能以不同的方法影响傅里叶变换的高低频成分。本文的实验中选取如式(1)的高斯型同态滤波器进行滤波控制。

M，N表示图像大小，D（u，v）为点到频率域原点的欧氏距离；D0为截止频率；C称为锐化系数，用以控制同态滤波函数的斜率。当低频增益rL＜1，高频增益rL＞1，则减弱低频分量，增强高频分量。

4 实验分析

（1）为了验证本文算法的有效性。对同一张局部区域曝光过度的自然图像分别利用自适应阈值和同态滤波算法进行校正，对校正效果进行比较。对于自适应阈值算法按照前面分析处理，对于同态滤波选取D0=0.5×median(median(D))，rH=1.3，rH=0.5，C=0.1进行实验。实验条件为：操作系统，XP SP3；CPU，Interl Core2 Duo CPU T8100 2.1GHz 795MHz；内存，0.98GB；Matlab编程处理。自适应阈值算法花费10.968s，同态滤波算法花费7.328s。在算法速度方面，同态滤波算法优于自适应阈值算法，结果如图2所示。

图2 校正效果比较

5 结论

文献[6]指出光照不均匀由两方面原因产生，一是在图像产生过程中，光的反射作用形成；另一方面，是脉冲噪声引起的随机分布的噪声点。在自然图像的获取过程中，由于照相机硬件性能的提高，脉冲噪声引起的噪声几乎不存在。该文提出的利用概率统计的方法实现噪声的去除也存在一定问题。本文主要针对自然图像获取过程中出现的照度不均匀的情况，利用利用自适应阈值和同态滤波的算法降低光照不均匀引起的图像降质，并对图像细节进行有效增强，且比较了两种算法在运算时间上的优劣。以上研究能够消除部分文献的一些认识误区，并能够一定程度上解决摄影中过度曝光的问题，还能够为人脸识别、车牌识别等经常出现光照不均的图像校正算法提供参考。

1.郑晓东，王永强，许增朴，等.基于同态滤波彩色图像亮度不均校正方法[J].微计算机信息，2009(12)：114-116

2.吴刚，潘晓露，柯晓兵，等.照度不均图像的局部幂函数映射增强算法[J].昆明理工大学学报(理工版)，2006(05)：52-55

3.P.T.Jackway.Improved morphological Top-Hat［J］ .IEEE Electronics Letters，2000，36(14): 1194－1195

4.董长虹.Matlab图像处理与应用[M].北京:国防工业出版社，2004

5.李浩，戚其丰，廖广军，等.基于投影法和同态滤波的多模板匹配算法[J].半导体技术，2009 (10):1002-1005

6.孙忠贵.数字图像光照不均匀校正及Matlab实现[J].微计算机信息，2008(24)：313-314