低照度环境监控的图像增强算法研究

李智君，王 勇

（1.江苏无线电厂有限公司，南京，210022；2.南京邮电大学自动化学院，南京，210023）

低照度环境监控的图像增强算法研究

李智君1，王 勇2

（1.江苏无线电厂有限公司，南京，210022；2.南京邮电大学自动化学院，南京，210023）

在档案库房安防系统中，光照是图像清晰度的重要因素，对后续处理和最终监管有着至关重要的影响。本文针对灰暗天气和夜间等低对比度图像，通过采用直方图均衡化（HE）、自适应直方图均衡化（AHE）和受限对比度自适应直方图均衡化算法（CLAHE）进行图像处理和对比，提出了一种基于受限对比度自适应直方图均衡化的改进算法。该方法首先进行了RGB和彩色空间转换，其次仅对亮度分量进行受限对比度自适应直方图均衡化变换和非线性拉伸变化，最后做RGB的图像输出。实验结果表明，该方法不仅提高了图像的对比度，而且在档案库房安防系统的监控中良好的保持了图像的目标信息，提高了后续识别和监控的有效性。

图像增强；直方图均衡化；彩色空间转换

0　研究背景

为保证文件存储的安全性和完整性，成为档案管理的一项重要内容。档案的内部环境必须是技术，实时监控。通过对环境的管理，确保档案的完整性和延长档案的保存时间。

在集合论中的形态学图像处理的基本特征，提出了一种基于一组独特的变换和概念来描述图像。本文将形态学图像处理扩展到灰度图像。在两个值的图像处理中，腐蚀和膨胀操作是形态学图像处理的基础。主要用于提取和表达图像的有用成分形状，基于开运算和闭运算的扩张和侵蚀操作是形态学图像处理中最广泛的操作。

1　图像直方图

图像是由像素组成的，在一个单通道的灰度图像中，每个像素的值介于0（黑.色）～255（白色）之间。根据图像的内容，可以发现一幅图像的像素数目在每个灰度值上的分布都不同。一般图像的灰度级在图像直方图中用横坐标表示，则纵坐标代表频数，它主要是为了反映出数字图像中各个灰度级与其出现的频数间的统计关系。通过一幅图像的直方图就能看出这幅图像灰度级的大致分布情况，由此进一步得出图像处理的重要依据。

直方图是一个给出了一幅图像中拥有给定数值的像素数量的一张表，因此，对于灰度图像而言，它的直方图就有256个条目（或称为容器）。其中256个条目中的0号容器给出了图像中灰度值为0的像素个数，1号容器给出了这幅灰度图像中灰度值为1的像素个数，这样以此类推。直方图的各个灰度级都对应着该灰度级的像素个数，如果将各个灰度级对应的像素相加起来就会得到该幅图像的像素总数。然后对图像直方图进行归一化，那么将归一化后的所有项加起来就会得到结果1。在这种情况下，每一项给出的都是拥有特定数值的像素在图像中占的比例。图1为从档案库房监控中采集的一帧原始图像和对应的原始图像直方图。

图1　原始图像和直方图

1.1直方图修正

为了改造原图像的直方图，使得图像直方图达到我们所需要的要求，就必须通过构造原图像灰度级的变换，即直方图修正。为了使原图像的灰度分布的更加均匀，图像的细节更加的突出，一般都采用了直方图修正。

设原始图像灰度级变量r 已经归一化，即0≤r≤1。r=0代表黑；r=1代表白。设变量s 代表新图像的灰度级，那么变量s 与变量r 的关系为s=T（ r）。假定满足T（ r）

（1），T（ r ）单调增加；

一幅图像中，每一像素点的灰度级r 可看作［0,1］区间上的随机变量。设r 是连续变量，则可用概率密度函数pr（ r ）表示图像的灰度级分布，即表 示图像中灰度级小于r 的像素点数目。设变换后图像的灰度级概率密度函数表示为ps（ s）。根据概率论的知识，pr（ r ）与ps（ s ）之间的关系为

通过改变T（ r ）就可以控制ps（ s）的形状。由于pr（ r ）和ps（ s）表示灰度级相对分布，因此为了改变图像的外貌，就应选择适当的T（•）。因此，要得到新图像灰度级具有ps（ s）分布，需要选用适合的变换函数T（ r ）来修正图像灰度级概率密度函数pr（ r ），这才是使用灰度变换进行图像增强技术的实质。

1.2HE算法实现

HE算法要求式（1.1）中ps（ s）=常数，即图像中所有灰度级出现的信息量相等的图像，所包含的信息量最大，所以根据需要选择，从图像中获得尽量多的信息量，使图像熵尽量大，以下是实现HE算法的过程。

取上节中的T（ k ）为

则

将式（4.3）代入式（4.1），可得

灰度级r 取离散值｛rk； k=0,1,...,L -1｝。L是灰度级的数目，则连续函数pr（ r ）成为｛pr（ rk）； k=0，1，…，L-1｝。其中pr（ rk）=nk/n；nk是图像中出现rk灰度级的像素的数目；n 是图像中像素的总数。变化s=T（ r ）成为

最终变换后的灰度值为

图2为针对图1（a）实现的HE 算法的图像和直方图。图像2（a）在亮度上明显比图像1（a）有所增强，从图1（b）中可以看出灰度级大约在152以后没有像素值，通过HE算法明显的改变了原始图像中各个灰度级的灰度值，达到了图像增强的效果。

图2　实现HE算法后的图像和直方图

图3　自适应直方图均衡化图像和直方图

2　自适应直方图均衡化算法

2.1HE算法存在的问题

直方图均衡的理论是来源于连续函数的，而数字图像的灰度值则不一样，它是离散值。由于变换函数是一个由连续到离散的近似过程，所以在对原图进行直方图均衡化时，容易因量化误差造成灰度信息的丢失。

在式（6）中经过sk×（L-1）得到Sk过程中，使得连续量到最终形成离散灰度值S时形成了量化误差。由式ps（ s） ds=pr（ r） dr可以看出，对图像在同一灰度层上的像素进行直方图均衡化后，在得到的图像中这些像素仍然处于同一灰度层上。结果图像中概率密度ps（ s）是不可能始终为1，而且它的值与输入图像在各个灰度层上的像素分布有关系，不为1主要就是因为原图像中像素在各个灰度级上的分布具有不均匀性和不连续性。输入图像在某一个灰度上的概率密度值与它变换后的图像在对应灰度层上的值成正比。除此之外，直方图均衡化既不能改变原始图像中单个像素点在灰度层上的分布，也不能通过变换使原本图像带有信息的像素点发生变化，仅仅是改变了原图像中同一灰度层上所有像素的灰度，所以在对原图进行直方图均衡化时，造成了对灰度的两端分布，使得含有较多像素点的低灰度区域在进行处理后，不能提升整幅图像的灰度动态范围，增强图像的细节。

2.2AHE算法实现

原始图像在经过直方图均衡化后，如果整体上的效果没有发生变化，其原因主要是在于原始图像中低灰度层的像素比较多，使得整幅的原始图像的灰度动态范围没有明显的提升。所以为了使整幅图像在处理后达到自己需要的效果，通过分析图像直方图均衡理论存在缺陷，提出了图像的自适应算法，即在对图像进行直方图均衡化处理后，然后对处理后的图像灰度在较大的灰度范围内进行一次映射和进行适当的亮度修正，使得整个图像有较大的灰度变化范围和较高的对比度。

设经过直方图均衡化后得到的图像为X ，有L个灰度阶，灰度范围为k=0,1,2,3,...,L-1，最后对图像X的各灰度层进行如下的映射：

式（7）中Ik表示为最终图像的灰度值；Smax用来表示在经过直方图均衡化后得到的图像X 中有像素占据的最大灰度值；Smin和Smax相反，表示占据最小的灰度值；Sk是X 中的像素灰度值；a 变量在整幅图像的增强中起决定作用，它是一个亮度补偿系数，它的取值范围在0到1之间。当a=0时，将会使得到图像中0灰度值获得补偿；当a=1时，经过变换后得到的图像和原始图像经过直方图均衡化后得到的图像是相同的，映射中，通过调节a的取值，不仅使图像中最低的灰度层不会被变换到过高的灰度，提高图像对比度，增强了原始图像的细节部分，而且还可以对原图像做适当的亮度修正，得到最佳的效果。

如图3为a 取0.3时自适应直方图均衡化后的图像和直方图，本文中使用的自适应直方图均衡化是在直方图均衡化的基础上进行的二次灰度映射，对于直方图均衡化后的图像具有很强的自适应性，通过图3（b）可以看出相对直方图均衡化直方图没有太大的变化，即对于清晰的图像能够充分体现出自适应性。

图4　2×2的变换结果图

3　受限对比度自适应直方图均衡化算法

通过对上两节中使用直方图均衡化和改进后的直方图均衡化（自适应直方图均衡化）对原始的低对比度图像处理后的结果进行比较后，发现使用这些图像增强的方法有很大的局限性，如对原始图像进行直方图均衡化是对图像进行全局增强，加大了整个图像噪声或引入了新的噪声。自适应直方图均衡化算法是通过重新分布亮度来改变图像的对比度，改进了图像局部对比度，获得了更多的图像细节，但是自适应直方图均衡化有过度放大图像中相同区域的噪声问题。对阴天、夜间等低对比度图像的增强及人像等局部信息的增强，受限对比度自适应直方图均衡化算法能有限的限制这种不利的放大。

3.1CLAHE算法理论

CLAHE算法是在对原始图像进行局部直方图均衡化时，在相邻两个区域对应的位置上使用双线性插值方法得到新的灰度图像。CLAHE算法的基本流程：

将原始图像分割为M×N个子区域，这些子区域之间是连续且不相互重叠。

“东方彝风”酒店并不是对纯粹彝族民居的一种简单表现，跟之前所出现过对民居符号进行简单复制的设计理念具有较大的区别。项目设计人员在前期十分细致的研究了地方特色，对彝族传统文化进行了过滤，提取其中的精华，并与现代民居要素之间形成有机融合。从施工技术、材料以及构造等方面进行了全方位分析与研究，使彝族特色与东方元素之间充分结合。

对分割出来的每个子区域进行灰度直方图“剪切”，并计算出平均分配像素数的平均值

式（8）中，NXY表示分割出来的子区域的灰度级数；uX和uY分别表示分割出来的子区域上X方向和Y方向上的像素个数。

计算实际剪切极限值

式中，NClip为截取限制系数，其含义是限制子区域每个灰度级所包含的像素数不允许超过平均数的NClip倍。

设S表示为被剪像素总数，则均分“剪切”像素数的计算方式为

然后计算分配剩余像素数步长的公式为

式（11）中，L为分配像素步长；LG为灰度范围长度。

假设Hij（k）为原图中截取的子块直方图，k代表灰度级，利用（9）式中得到的剪切极限值对Hij（k）进行剪切，将剪切下来的重新分配到各个灰度级中，设Fij（ k ）表示对Hij（k ）重分配处理后的结果。核心部分规则如下：

按照（12）中的规则就是从图像的最小灰度级到最大灰度级按计算的步长进行循环搜索，然后判断像素是否小于剪切阈值，若是，则分配一个像素。当分配完后，如果发现像素还有剩余，则需要重新通过式（11）计算步长和按照步长由最小灰度级到最大灰度级进行循环搜索，直到将剩余像素分配完为止。

对每个子区域对比度受限后，再对每个子区域进行灰度直方图均衡化。

获取截取的每个子区域的中心点，并将这些点作为下一步线性插值的样本点。

然后根据样本点进行灰度线性插值，即

式中，G（ i）为点（x, y ）处灰度值；Gzs（i）表示位于指定点左上方的样本点；其他的3个方位的样本点用Gzx（i），Gyx（i ），Gys（i）表示。

图5　4.4的CLAHE变换结果图

图6　的变换结果图

4　彩色空间转换

档案库房安防系统中，通过摄像头采集的图像多用RGB图像。RGB彩色空间受关照因素的制约比较严重，其颜色值的波动变化时随着光照强度的变化而变化，使得多数全天候运行监测系统的识别变得十分困难。

在YCbCr彩色空间中，Y 代表亮度，Cb、Cr代表色差，图像的彩色信息由Cb和 Cr两 个分量表示，外界光照强弱变化不会影响到这两个变量；Y分量是图像增强亮度的关键性因素，该变量保留了像素间的对比度关系，因此，本算法只对Y 分量进行CLAHE处理。

RGB模型到YCbCr模型转换式为

YCbCr模型到RGB 模型的转换为

5　CLAHE改进算法实现及结果分析

算法实现过程：

根据式（14）将RGB 图像进行彩色空间转换，转换为YCbCr模型。

调节辨别门限使Y分量的变换对原图的整体对比度有所提高，图整体对比度适应人眼视觉效果，达到增强整幅图像细节的目的。

通过式（15）进行YCbCr到RGB的色彩空间转换，并输出处理后的结果。

通过对上面三种情况下的结果对比，本文选择使用的变换，从的变换结果图中可以看出，在低照度环境下采集到的原始图像经过变换后，图像的清晰度明显增强，突出了图像中的细节部分。

6　本章小结

本章对直方图均衡化算法，自适应直方图均衡化算法和CLAHE算法进行了分析，并在CLAHE算法的基础上做了一定的改进，即在原有的算法基础上，仅对模型中的分量进行处理，处理后通过调整辨别门限，对分量进行了更进一步的图像增强，然后通过MATLAB进行了仿真实现，通过对仿真数据结果进行对比，得出改进后的算法使得原始图像的细节更加突出，增加了原图像的亮度和对比度，同时在对原始图像处理时仅限于对分量，提高了图像处理的速度和系统的实时性，为在档案库房安防系统的视频监控模块中奠定了理论基础。

［1］ Li Hongyu，“Problems and Countermeasures in the Construction of Archives in the Security System”. Archives Managemen.，Vol.211，No.6，pp.53， June. 2014.

［2］ Chen Xianping，Yan Yong and Chen Hong，“Study of Archives Management”.Archives Managemen.，Vol.203，No.4， pp.51， Apr. 2013.

［3］ Laganiere and Robert，“OpenCV 2 computer vision application programming cookbook”，Beijing：Science Press，2013

［4］ Mo RiGen “OpenCV-based mobile intelligent home video surveillance system” Zhejiang University of Technology，Mar.2012

［5］ Park G H，Cho H H，Choi M R.A contrast enhancement method using dynamic range separate histogram equalization［J］.IEEE Transactions on Consumer Electronics， 2008， 54（4）： 1981-1987.

［6］ He K，Sun J，Tang X.Single image haze removal using dark channel prior［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2011， 33（12）：2341-2353.

Research on image enhancement algorithm for low illumination environment monitoring

Li Zhijun1，Wang Yong2
（1.Jiangsu Radio Factory Co. Ltd.，Nanjing，Postcode 210022；2.Nanjing University of Posts and Telecommunications，Nanjing，Postcode 210023）

The light is an important factor of image clarity， and it has a very important influence on the subsequent processing and final regulation.According to the gloomy weather and night low contrast image by using histogram equalization（HE），adaptive histogram equalization（AHE）and contrast limited adaptive histogram equalization（CLAHE）algorithm for image processing and comparison，this paper presents an improved algorithm of contrast limited adaptive histogram equalization based on.In this method，the RGB and color space conversion are firstly carried out，and then only the luminance component is restricted by the adaptive histogram equalization transformation and nonlinear tension change.Finally，the image output of RGB is done.The experimental results show that this method not only improves the contrast of image， but also maintains the image target information in the monitoring of the archives warehouse security system， which improves the efficiency of the subsequent identification and monitoring.

Image Enhancement；Histogram Equalization；Color Space Conversion