彩色图像增强的改进算法

李蕴奇

（吉林省经济信息中心 公共技术开发办公室，长春 130061）

彩色图像增强的改进算法

李蕴奇

（吉林省经济信息中心 公共技术开发办公室，长春 130061）

为提高彩色图像的整体感官效果，在研究CES（Color image Enhancement by Scaling）算法出现块效应的原因基础上，提出了一种改进算法，即各向异性扩散滤波器的ICES（Improved Color image Enhancement by Scaling）。与CES相比，ICES算法在不增加计算复杂性的前提下，不仅得到了不逊于CES算法的增强效果，还能极大地抑制块效应。

图像增强技术；DCT技术；CES算法；块效应

0 引 言

研究人员发现，现有图像增强方法具有一个共同的缺点，即经增强算法处理后，图像块交界处往往出现明显的块效应，极大地影响了彩色图像的视觉效果。彩色图像增强技术出现块效应的主要原因在于算法忽略了相邻图像块间的相关性特征［1］。为了解决这一问题，出现了很多新理论［2］。笔者提出一种CES（Color image Enhancement by Scaling）的改进算法。此算法简化了计算量，而且还有效地去除块效应，维持CES算法增强效果，使彩色图像的整体感官效果得到显著提升。笔者通过对CES与其改进算法的对比，为以后新算法的设计提供借鉴。

1 图像增强技术

图像增强范畴极为广泛，只要处理过程中改变了输入图像的结构，得到更优质的输出图像，都可归为图像增强处理，其目的就是提高图像的质量以及视觉特效，或把图像转变成更适用于肉眼观察或机器智能识别的情况，从而获得更有价值的信息。

图像增强包括3方面：即图像锐化、图像对比度的增强以及噪声滤波［3］。图像锐化是使目标轮廓和图像边界信息更加突出，使其更方便地进行智能检测和智能识别；图像对比度增强是增强图像的可视度，并将图像因光照、曝光等因素看不到的信息凸现出来；噪声滤波是滤除图像成像以及传输过程中所造成的噪声。笔者主要探讨了图像增强中的对比度增强技术，并将其引入到彩色图像增强技术中。

1.1 DCT变换特性

基于前面提到的DCT（Discrete Cosine Transform）变换，将讨论该变换与图像处理相关的一些特性。

1）去相关性。该特性类似于傅里叶变换［4］，DCT变换的最大优势是去掉相邻像素间的相关性，该特性可以使没有关系的变换系数进行单独编码。

2）能量集中性。针对高度相关的图像，该变换可将数据的能量聚集到低频系数，这种特性可削减甚至忽略系数较小的高频分量，使其不会给图像造成视觉失真，对图像压缩极其有利。对8×8大小的图像块，直流分量可以很直接地体现图像的明亮程度，因为它是图像像素值的平均值，对图像增强具有重要价值；但交流分量是像素值其他方式的一种线性组合，不具有这种优点。很显然，自然图像的像素之间是高度相关的，且其能量大部分集中在低频段，DCT系数将随着频带值的升高而变小［5］。

3）可分离性。对于N维的二维输入数据，一次二维DCT变换要分别进行两次一维DCT变换［6］，即先实施一维DCT列变换，再实施一维DCT行变换，或先实施一维DCT行变换，再实施一维DCT列变换。

4）对称性。在可分离性中，其中的两个行列变换是可以互调的，称这一特性为对称性。因此可将DCT变换表示为

其中A是一个n×N的对称矩阵，x是一个n×n的图像矩阵，其元素的表达式为

对称性是DCT变换极为重要的特性之一，它把DCT变换转换成矩阵的乘法，并在N确定的条件下实现离线计算矩阵A，减少了DCT变换的时间。

5）正交性。根据式（2），逆DCT变换可以表示为

由于DCT的变换基处于正交状态，所以有A－1＝AT。所以当实施逆变换时，无需实施矩阵的求逆运算。

2 CES算法

现有基于DCT域的图像增强方法，仅处理亮度分量，而忽略了对其他分量的调整，最后处理结果违背了颜色恒常性。故CES算法［7］是在亮度分量增强的基础上，对彩色分量也实施相同方式的增强，可实现在增强图像的基础上使图像的色彩也不失真。除此之外，图像的直流和交流两个分量都使用了同样的增强因子，简化了增强因子的设计过程。该算法增强因子的设计过程是在已经归一化的DCT变换中进行的，而对二维的、大小为N×N的图像进行DCT变换，则该算法的归一化DCT变换应表示为

该算法图像的对比度可用Weber定理进行定义，公式为

其中ΔL表示背景亮度与光学刺激的亮度差，L表示图像的环境亮度或背景亮度。对于一幅自然图像，图像的均值γ可表示为这幅图像的环境亮度，亮度变化ΔL与标准差δ是相互联系、密不可分的，所以可将自然图像的对比度定义为

在每个图像块中，γ都能表现出图像的局部对比度状况。

DCT域图像增强方法主要包括自适应增强算法［8］、基于对比度测量的方法［9］、alpha-rooting［10］和CES［11］算法，这些算法均有各自的优缺点，但其共同缺点是在进行增强图像的同时，也带来了块效应。尽管有些算法采取了一些策略以消除块效应，但结果都不理想。自适应增强算法使图像增强的效果大大降低，而CES算法也只是将块效应换成另外一种形式表示，却没有从本质上去除块效应的影响。

3 改进算法

3.1 CES算法出现块效应的原因

CES算法增强因子的设计是通过图像块灰度的均值设计的，其调整曲线呈对数上升关系，当用函数表示时，其增强因子的曲线应该用呈对数下降的曲线表示。当相邻两图像块的均值都落在［0，0.2］范围时，灰度值增大，增强因子的曲线会快速下降，极小的均值差异则会导致较大的增强因子的差异，利用这么大差异的增强因子，经常会在图像块的交界处出现非常明显的块效应。所以可以推出一个具有普遍意义的结论：当相邻两个图像块的均值差异较大时，两图像块的交界处就会出现块效应［10］。

块效应一般产生于图像的边界处或灰度渐变的区域。现在进行人工生成一幅灰度渐变的16×16表示的图像检验CES算法性能，图1a为灰度渐变图像，图1b为CES算法处理后的图像。在图1b中块与块的交界处出现了明显的灰度差异，显得不自然。算得每个图像块的标准差δ，均值μ以及增强因子k如下

图1 块效应示意图Fig.1 Block effect diagram

虽然图像块的标准差都小于阈值，但块效应还是非常明显。甚至CES算法已经将8×8的图像块划为4个4×4的子图像块处理。基于上面的原因，块效应还是存在，只是显现到每个相邻的4×4子块的交界处。如果是自然图像，此结论依然成立。

据此分析，产生块效应的原因在于相邻图像块之间所用到的增强因子相差较大，在每个图像块交界处，其像素本身就是连续变化的。当将其分别乘以不同的增强因子时，灰度差距会被放大，如果这种差异已经达到人眼能识别的范围时，块效应就出现了。

3.2 ICES算法

目前，存在很多种处理方法去除块效应，如基于DCT域的方法，基于时域的方法等。基于DCT域的方法相对比较简单，不过会带来新的块效应，处理效果不好；时域等其他一些方法则需较大的计算量，占用大量的内存资源。所以，采用后处理技术实现去除块效应不理想，而如前文提到的块效应产生的原因，设计出一个平滑的增强因子，去除块效应，从而达到目的。如图2b、图2c所示，有两种方案可以选择：1）对增强因子进行直接平滑处理；2）对增强因子进行间接平滑处理，即利用平滑均值图像获得平滑增强因子。

图2 ICES算法设计框图Fig.2 block diagram of ICES algorithm

方案2）更具有可行性。原因在于通过图2aCES算法所获得的增强因子变化区间较大，为了高效地去掉块效应，需利用较大的平滑窗口，导致计算量增加；而图像块的均值分布在［0，1］区间内，而且相邻两个图像块均值的变化相对于增强因子的变化幅度更为平缓，因此选取图2c方案。

3.3 改进算法实现过程

目前有很多低通滤波器可供选取，其中各向异性扩散滤波器和双边带滤波器这两种滤波效果较好，这两种滤波器不但能平滑噪声，而且具有较好的边界保持效果，所以得到广泛的应用。虽然它们都能使非边界区域实施较好的平滑并维持边界的信息，但各向异性扩散滤波器所需的操作窗口、运算量都较小，所以在改进算法中，平滑滤波器选用各向异性扩散滤波器。

各向异性扩散滤波器来自偏微分方程

所以可得到离散形式的各向异性扩散滤波器

其中It（i，j）代表（i，j）位置上第t次迭代的像素值；Cd（i，j）表示d方向上的扩散系数；η代表迭代操作的步长；▽dIt（i，j）表示方向d上的梯度值；D表示计算梯度时所选取的方向，即图像扩散的方向。

改进算法选取东、西、南、北4个方位作为扩散的方向，即选取图像块的四邻域作为扩散窗口进行滤波，考虑到滤波器的稳定性，选取0≤η≤1／4。其中4个方向上的梯度分别为

扩散系数计算公式为

其中k是一个可调的参数，用来调节扩散（平滑）的程度。

4 结 语

笔者介绍了彩色图像增强技术的研究现状，重点对改进算法与CES算法的性能进行了比较。分析结果表明，改进算法在不增加计算复杂度的前提下，不仅可以较好地抑制块效应，在增强效果方面也不逊于CES，即该算法遵循图像颜色的恒常性。对相关算法的梳理为进一步提高图像增强提供了指导和借鉴意义。

［1］李仁和.一种基于映射阈值的图像增强方法［J］.微电子学与计算机，2010（11）：23-27.

LI Ren-he.A Novel Method of Image Enhancement Based on Mapping Threshold［J］.Microelectronics ＆ Computer，2010（11）：23-27.

［2］WAN Yi，MA Ya-feng.Improved DCT-Domain Color Image Enhancement through Anisotropic Diffusion［EB／OL］.（2009-12-28）.［2011-10-10］.http：／／www.paper.edu.cn.

［3］王泽发，唐兴国.基于灰度变换的图像增强方法研究［J］.科技创新导报，2011（1）：1-9.

WANG Ze-fa，TANG Xing－guo.Research on Image Enhancement Method Based on Gray-Scale Transformation［J］.Science and Technology Innovation Herald，2011（1）：1-9.

［4］钱野，袁峻.基于灰度变换的沥青混合料图像增强及分割实现［J］.交通信息与安全，2009（5）：44-48.

QIAN Ye，YUAN Jun.Image Enhancement of Asphalt Mixture Based on Gray-Scale Transformation and Its Segmentation Treatment［J］.Journal of Transport Information and Safety，2009（5）：44-48.

［5］邸慧，于起峰，张小虎.一种基于灰度变换的红外图像增强算法［J］.应用光学，2006（1）：1123-1128.

DI Hui，YU Qi-feng，ZHANG Xiao-hu.An Algorithm for Infrared Image Enhancement Based on Gray Scale Transforms［J］.Journal of Applied Optics，2006（1）：1123-1128.

［6］MEYLAN L，SUSSTNMK S.High Dynamic Range Image Rendering with a Retinex-Based Adaptive Filter［J］.IEEE Transactions on Image Processing，2006，15（9）：2820-2830.

［7］MUKHERJEE J，MITRA S K.Enhancement of Color Images by Scaling the DCT Coefficients［J］.IEEE Transactions on Image Processing，2008，17（10）：1783-1794.

［8］SHERRIER R H，JOHNSON G A.Regionally Adaptive Histogram Equalization of the Chest［J］.IEEE Transactions on Medical Imaging，1987，6（1）：1-7.

［9］TANG J，PELI E，CTON S A.Image Enhancement Using a Contrast Measure in the Compressed Domain［J］.Signal Processing Letters，IEEE，2003，10（10）：289-292.

［10］AGHAGOLZADEH S，ERSOY O K.Transform Image Enhancement［J］.Optical Engineering，1992，31（3）：614-626.

［11］LEE S.An Efficient Content-Based Image Enhancement in the Compressed Domain Using Retinex Theory ［J］.IEEE Transactions on Circuits and Systems for Video Technology，2007，17（2）：199-213.

Color Image Enhancement Algorithm

LI Yun-qi
（Public Technology Development Office，Economic Information Center of Jilin Province，Changchun 130061，China）

To improve the overall sensory effect of color images.The CES（Color image Enhancement by Scaling）algorithm with blocking is studied and an improved algorithm that anisotropic diffusion filter ICES（Improved Color image Enhancement by Scaling）.Compared with the CES，ICES algorithm without increasing the computational complexity of the premise is propased，which is wore favorable than CES enhancement algorithms，but also greatly inhibit the block effect.

image enhancement technology；discrete cosine trunstion（DCT）technology；color image enhancement by scaling（CES）algorithm；massive

TP391

A

1671-5896（2012）01-0083-05

2011-11-21

李蕴奇（1976—），女，长春人，吉林省经济信息中心工程师，主要从事信号处理、分布式数据库应用研究，（Tel）86-13086868202（E-mail）li＿yunqi＠sina.com。

（责任编辑：刘东亮）