基于不规则子块的农作物图像自适应增强算法

苑隆寅

摘要：在对直方图均衡化算法基本原理深入分析的基础上，结合图像灰度值分布特征，提出一种改进的直方图均衡化增强算法，该算法首先引入自适应维纳滤波算法，对所获取的降质农作物图像进行预处理，以尽可能排除随机噪声；然后提出一种基于图像灰度信息的自适应子块获取方法，通过图像中灰度值的分布特点来自适应确定子块，对各子块分别进行直方图均衡化处理，从而获得高清晰度的农作物图像。采用峰值信噪比及均方根误差等指标，将图像自适应增强算法与自适应维纳滤波算法、直方图均衡化算法及其改进算法对降质农作物图像的处理性能进行定量评价，结果表明，图像自适应增强算法在去除噪声的同时能够有效提高图像对比度，对于农作物图像处理具有一定的借鉴价值。

关键词：农作物图像；不规则子块；直方图均衡化；自适应维纳滤波；自适应增强；算法

中图分类号： TP391；S126 文献标志码： A

文章编号：1002-1302（2015）03-0379-03

近年来，计算机网络技术及图像处理技术在农业领域得到广泛的研究与应用，为农作长势检测、农作物估产、农产品分解检测等提供了一种较为有效的研究方法。一般情况下，图像获取往往会受到光照不均、设备电压不稳定、模数转换等因素的影响，图像难免会出现对比度低下并存在一定程度的随机噪声。目前，对于图像处理的研究有2类思路：（1）图像去噪。李楠等提出一种提升小波变换的去噪模型，应用于薯类视觉图像处理并取得较好的效果[1]；韩伟等将轮廓波变换应用于农田杂草图像去噪处理，通过噪声进行抑制，实现农田杂草的准确识别[2]；宋怀波等将轮廓波变换与阈值去噪法相结合，实现对农产品图像中噪声的成功滤除[3]。（2）图像增强。杨福增等提出一种基于小波变换的农业图像增强方法，通过对提高图像低频子图像对比度、降低高频子图像来实现图像增强[4]；熊俊涛等将Retinex算法应用于荔枝图像增强处理，实现对成熟荔枝的准確识别[5]。

本研究借鉴前人已有的思路，将图像去噪和增强有机结合，提出一种农作物降质图像改进直方图均衡化算法，该算法首先采用自适应维纳滤波算法实现对图像中噪声的抑制，然后从图像灰度值分布特点出发，提出一种图像子块自适应获取方法，将灰度值相近的像素点合并成一个子块，分别在各图像子块内进行直方图均衡化，从而实现在去除噪声的同时提高图像的对比度。

1 直方图均衡化算法原理分析

2 改进的直方图均衡化算法

直方图均衡化算法可以分为2类：（1）全局直方图均衡化算法能够从整体上对图像的灰度分布进行均衡化处理，提高图像对比度；（2）局部直方图均衡化算法通过对图像进行子块划分，对每个子块图像的灰度分别进行直方图均衡化处理。按照图像各子块间是否有重合，可以将局部直方图均衡化算法大致划分为子块重叠直方图均衡化算法、子块部分重叠直方图均衡化算法及子块不重叠均衡化算法。子块重叠和部分重叠直方图均衡化算法由于在对图像处理时是通过将子块向前移动1个或者几个像素，子块间大部分像素反复参与运算，这不适合对图像进行高效率的处理；子块不重叠直方图均衡化算法由于各子块间彼此不重叠，虽然具有较高的处理效率，但是由于子块基本按照规则的矩形形式进行选取，并没有考虑到图像中目标信息的特征，因而导致图像的增强效果往往不理想。另外，这类算法对于降质图像特别是含有一定程度的噪声图像增强处理时，无法抑制图像中的噪声，图像对比度即便得到提高，但也相应放大了噪声。因此，本研究提出一种改进的直方图均衡化增强算法，以弥补上述算法存在的缺陷。

2.1 噪声滤波算法

2.2 一种基于图像灰度信息的子块自适应获取方法

本研究提出一种基于图像灰度信息的自适应子块获取方法，即将大小为M×M图像划分成多个大小为m×m（m

3 仿真试验

借助MATLAB软件编写相关程序，对自适应维纳滤波算法、直方图均衡化算法、改进直方图均衡化算法[6]及图像自适应增强算法分别加以实现，应用于对比度较低且含有一定随机噪声的蚕豆图像处理，并采用峰值信噪比（PNSR）和均方根误差（RMSE）[9-10]进行定量评价。由图1、图2可见，采用自适应维纳滤波对2幅降质的豆类图像处理，尽管图中的噪声被滤除了一部分，但图像仍然比较模糊，清晰度没有得到改善，单纯采用滤波的方法无法获得高质量的图像；采用直方图均衡化算法直接对2幅图像进行对比度拉伸，得到的图像噪声仍然存在，并且大量分布于蚕豆叶片表面；采用改进的直方图均衡化算法[6]对2幅图像进行增强，尽管图像对比度得到大幅度提高，但对于图中的噪声仍无能为力，这说明对于降质的农作物图像，单纯进行图像增强，无法获得高清晰的图像；采用图像自适应增强算法对降质图像采取先滤波后增强的处理策略，可以很明显看出图中的噪声基本不存在，图像中蚕豆叶片等信息与背景信息的对比度得到提高，图像中目标信息得到一定程度的增强。由表1、表2可见，图像自适应增强算法处理2幅图像的峰值信噪比值均明显高于其他3类算法，而均方根误差均低于其他3类算法，这也进一步印证了图像自适应增强算法的有效性。

4 结论

本研究针对降质的农作物图像，提出一种基于不规则子块的自适应增强算法，该算法对图像首先采用自适应维纳滤波算法进行预处理，以去除图像中存在的随机噪声；然后从图像灰度值分布特征出发，提出一种图像子块自适应确定方法，通过将灰度值相近的像素点合并成一个子块，然后对每个子块分别进行直方图均衡化。通过仿真试验，结果表明，图像自适应增强算法对降质的农作物图像能够进行自适应增强，增强后的图像对比度较高，图像较为清晰。

参考文献：

[1]李 楠，张 为. 基于提升小波变换的薯类视觉图像滤波处理[J]. 江苏农业科学，2014，42（1）：376-378.

[2]韩 伟，刘 强. 一种 NSCT 域改进阈值函数的杂草图像去噪方法[J]. 江苏农业科学，2013，41（11）：151-153.

[3]宋怀波，何东健，韩 韬. Contourlet变换为农产品图像去噪的有效方法[J]. 农业工程学报，2012，28（8）：287-292.

[4]杨福增，王 峥，杨 青. 基于小波变换的农业图像增强方法研究[J]. 农业工程学报，2004，20（3）：124-129.

[5]熊俊涛，邹湘军，王红军，等. 基于Retinex图像增强的不同光照条件下的成熟荔枝识别[J]. 农业工程学报，2013，29（12）：170-178.

[6]韩殿元. 低照度下视频图像保细节直方图均衡化方法[J]. 计算机仿真，2013，30（8）：233-236，300.

[7]蔡超峰，任景英. 基于直方图均衡化的手背静脉图像对比度增强[J]. 计算机应用，2013，33（4）：1125-1127.

[8]白俊奇，赵春光，王寿峰，等. 红外图像中的自适应维纳滤波噪声抑制技术[J]. 光电工程，2011，38（11）：79-85.

[9]王小兵，孙久运，汤海燕.一种基于数学形态学与小波域增强的滤波算法[J]. 微电子学与计算机，2012，29（7）：64-67.

[10]刘 燕，刘 斌. 基于小波-全相位方向滤波器组变换的多聚焦图像融合[J]. 计算机与现代化，2011（10）：76-80.