基于双线性插值的CLAHE算法研究与实现

刘巧玲，李 想，明 旭

(成都大学 电子信息工程学院，四川 成都 610106)

0 引 言

在近代科学研究、工农业生产、医学、气象等领域中，图像信息越来越多地被人们用来认识和判断事物，解决实际问题.实际中，通过成像系统获得的图像都会有一定程度的退化，从而造成图像信息的丢失.例如，低能见度条件下拍摄的图像中景物的对比度和颜色在大雾天气影响下被改变或退化，图像中蕴含的许多特征被覆盖或模糊，使景物的可辨识度大大降低，这就需要图像增强技术来改善其视觉效果［1］.传统的数字图像处理算法中，自适应直方图均衡化(adaptive histogram equalization，AHE)算法，虽然克服了全局直方图均衡化难以适应局部灰度分布的缺陷，但其均衡化后块效应明显，因此，限制对比度的自适应性直方图均衡化(contrast limited adaptivehistogram equalization，CLAHE)算法［2］应运而生，但CLAHE 算法复杂度高、处理时间长、效率低.在此基础上，本研究提出一种基于双线性插值的CLAHE 图像增强算法，以降低算法时间复杂度，并将该算法在TMS320C6748 上实现优化，以此来提高处理单幅图片的速率.

1 基于双线性插值CLAHE 算法原理

1.1 CLAHE 算法

CLAHE 算法是一种限制了对比度过度提高的自适应直方图均衡算法［3－10］，与普通的AHE 算法比较，该算法对于每个子块进行直方图均衡的同时都使用对比度限幅，导致其复杂度相当大.

CLAHE 算法采用递归的过程并通过增强局部区域的对比度，从而增强图像局部细节的可视性.CLAHE 算法的关键是在计算转化函数之前通过剪裁直方图限制对比度的放大.CLAHE 算法的一个参数用来限制预定义的值:首先将图像分为若干个子块，依次分别计算每个子块的直方图，通过限制对比度对每个直方图进行重新分配.

1.2 基于双线性插值的CLAHE 算法

考虑到CLAHE 算法较为复杂，本研究提出了采用双线性插值对CLAHE 算法进行改进，降低CLAHE 算法复杂度，提高处理图像的速度.

双线性插值方法顾名思义就是在垂直与水平2个方向进行线性插值计算.

假设函数f(x)与函数上已知的4 个点的值:Q11= (x1，y1)，Q12= (x1，y2)，Q21= (x2，y1)，Q22=(x2，y2)，在函数f(x)上点P = (x，y)可通过线性插值近似求出.

首先在x 方向进行线性插值，得到，

然后在y 方向上进行线性插值，得到，

将式(1)、(2)和(3)应用于图像增强，其中f(Q11)、f(Q21)、f(Q12)和f(Q22)分别代表输入像素在相邻4 个子块中均衡后的直方图的灰度值，其系数分别表示输入像素点到相邻块的距离.

在分块对输入图像进行直方图均衡算法时，由于每个子块的直方图不同，分块需均衡化，得到均衡后的子块直方图.由于各子块在均衡前后的直方图不同，各子块输出的灰度发生变化，如果直接根据均衡化后的直方图得出结果图像，此时，输入像素只按照所属子块的灰度变换得出输出结果，相邻块之间会出现块效应.对此，本研究根据相邻块的直方图信息，利用双线性插值，在不影响图像增强效果的前提下，以分配权值的方式确定相邻块之间输出像素，消除差异，从而有效消除块效应.

由此可知，利用双线性插值计算，求出一个输出像素的值只需进行6 次乘法3 次加法和2 次位移，算法复杂度远小于在一个子块内进行一次直方图均衡.

本研究提出的基于双线性插值CLAHE 算法的实现流程如图1 所示.

图1 算法实现流程图

2 算法优化与实验

2.1 存储资源优化

根据增强算法的实现流程，增强算法只对输入图像的图像数据与图像直方图进行运算.在存储资源的分配上，由于算法的整个过程只需要存储一幅图像和对应的直方图，因此，将内部L2 的256K 的一半配置为Cache，另一半配置为内部RAM 使用，并且在内部RAM 开辟一个DRAM 段，将多次调用的数据存储到内部DRAM 段中.

2.2 算法优化

双线性插值代码的优化中，进行边界处理时，对所有的判断语句，将满足判断条件更高的结构写在前面.本设计把图像分为20 个子块，因此每一个块的大小为64* 64，像素的个数为2 的指数次幂，因此在实现插值运算时，所有的除法均可用右移代替.

2.3 实 验

实验图像分别如图2 所示，图像分辨率分别为361 ×336，375 ×551.本实验在TMS320C6748 开发板上对实验图像分别利用CLAHE 算法和本研究算法进行图像增强处理.

图2 实验原始图片

CLAHE 算法、本研究算法处理2 幅图像得到的实验结果如图3 所示.图3(a)、(b)为CLAHE 算法实验结果，图3(c)、(d)为本研究实验结果图.比较4幅实验结果图像可见，2 种算法对图像的增强结果均比原实验图像更为清晰，处理后的图像可以清楚分辨出图像中的电线.比较图3(b)和图3(d)，发现(b)图中图像下面部分树叶比(d)图中相应部分颜色要深，看起来不自然，这表明2 种算法都具有图像增强效果，但本研究算法对图像的处理效果优于CLAHE 算法.

图3 实验处理后的图片

表1 为2 种算法在TMS320C6748 上处理2 幅实验图像所用时间比较.比较表格中的数据可见，处理同一幅图像，本研究算法所用时间比CLAHE 算法所用时间少20 ms 左右，这表明本研究算法的处理速率比CLAHE 算法高.

表1 本研究算法与CLAHE 算法运行时间比较

通过实验可看出，本研究所用的算法较之CLAHE 算法，不仅在效果上对于处理低能见度图像有明显的改善，同时还显著提高了图像处理的速率.

3 结 论

在传统的CLAHE 算法基础上，本研究提出了一种基于双线性插值的 CLAHE 算法，并在TMS320C6748 开发板处理平台上对本研究算法和资源配置进行了适当优化.实验结果表明，本研究算法具有更好的图像增强效果，处理速率比传统CLAHE 算法有较大提高.

［1］孙振兴.基于DSP 的图像增强技术研究［D］.西安:西安电子科技大学，2012.

［2］张璞，王英，王苏苏.基于CLAHE 变换的低对比度图像增强改进算法［J］.青岛大学学报(工程技术版)，2011，26(4):57－60.

［3］杨骥，杨亚东，梅雪.基于改进的限制对比度自适应直方图的视频快速去雾算法［J］.计算机工程与设计，2015，36(1):221－226.

［4］毛本清，金小梅.自适应直方图均衡化算法在图像增强处理的应用［J］.河北北方学院学报，2010，26(5):64－68.

［5］He Kaiming，Sun Jian，Tang Xiaoou.Guided image filtering［J］.IEEE Trans Patt An Mach Int，2013，35(6):1397－1409.

［6］汪安民，周慧，蔡湘平.TMS320C674X DSP 应用开发［M］.北京航空航天大学出版社，2011.

［7］Texas Instruments Incorporated.TMS320C6748TMfixed and floating-point DSP［EB/OL］.［2014－ 3－ 21］.http://www.ti.com/lit/ds/symlink/tms320c6748.pdf.

［8］Texas Instruments Incorporated.TMS320C674x DSP CPU and instruction set reference guide［EB/OL］.［2010－7－30］.http://www.ti.com/lit/ug/sprufe8b/sprufe8b.pdf.

［9］阮秋琦.数字图像处理学［M］.北京:电子工业出版社，2001.

［10］沈福民.自适应信号处理［M］.西安:西安电子科技大学出版社，2011.