基于空间域噪声检测的彩色图像缩放增强方法

李 雨，方 怡，王振东, 孙 威，程玉胜,*

(1.安庆师范大学 计算机与信息学院， 安徽 安庆 246133； 2.安庆师范大学 数序与计算科学学院，安徽 安庆 246133； 3.安庆师范大学 物理与电气工程学院，安徽 安庆 246133)

图像增强是数字图像处理中较为常见的处理技术，能够突出显示图像中所反映的场景信息，进一步清晰图像细节[1].彩色图像拥有比灰度图像更为丰富的信息量，如今计算机视觉和虚拟现实技术的发展也使得彩色图像在实际生活中应用越来越广泛.从空间域对图像处理在数字图像处理技术中十分常见[2]，从Kim提出了全局均衡的BBHE算法[3]之后，不少学者陆续进行了改进，江巨浪[4]等人在局部均衡中提出的保持图像亮度的增强算法能够进一步增强图像的局部细节信息.文献[5]提出结合SSR算法和改进的直方图均衡化处理可以提高对偏亮和偏暗图像的增强效果.相关算法都无法很好地抑制图像增强时噪声的放大问题.文献[6]利用暗通道先验理论实现了对雾天图像的清晰处理，但处理后不能较好地改善图像全局对比度效果且其对含大面积天空区域的图像处理效果不佳，容易使图像天空区域增强后出现色彩失真同时算法的时间复杂度也有待降低.

除了引起色调失真现象外，实际中的彩色图像经图像增强算法会在一定程度上放大图像中混入的噪声.频域上的处理可以对图像增强时噪声的放大现象进行一定程度的抑制，文献[7]通过将RGB图像转换到HSI色系下，利用小波分解只处理亮度分量的低频近似矩阵可以保持增强后彩色图像的色调不变的同时抑制噪声的放大，但算法的计算复杂度相对较大.文献[8]则是采用二次函数在RGB空间直接进行基于灰度值的缩放增强，也能够很好地实现对袁思彩色图像的色调保持和增强后彩色图像的噪声抑制性能.

本文在上述算法的基础上，提出了一种基于空间域噪声检测的彩色图像缩放增强算法，由于对噪声像素点和非噪声像素点进行分类处理，相比传统彩色图像增强算法能够取得较好地峰值信噪比和输出熵值上的收益.

1 算法描述

1.1 图像噪声的检测

图像的噪声点一般是指与周围正常的像素点差异较大，且对人眼在视觉上获取信息形成干扰的像素点.噪声点的存在会严重影响图像的视觉质量，根据待测像素点与周围领域内其余像素点的噪声向量和可以判断出该像素点是否受到噪声的干扰[9].对于一幅大小为M×N的256灰度级彩色图像X，其空间中待测像素点的噪声向量和可定义如下：

(1)

式(1)中，Vt表示图像空间中待测像素点X(i,j)的3×3领域中不包括中心像素点的剩余像素点集，相应地Vf表示5×5领域中的剩余像素点集.不妨令d表示上述两种领域的噪声向量和的绝对均值差，此时有：

d=mean(Vt)-mean(Vf)

(2)

由于人眼对像素差的最低敏感程度在4个灰度级左右[1]，从而当绝对均值差d的取值超过4时，待测像素点为噪声点的可能性就很大.在实际彩色图像中，据此可以依次标记出彩色图像R、G、B3个分量所有可能的噪声像素点.

1.2 基于灰度值缩放的二次函数增强方法

从人眼接收图像信号到在大脑中形成近似于非线性的对数映射环节，通过非线性动态范围的调整，改善了画面中前景细节的表述，且由于图像的整体对比度得到拉伸也在一定程度上改善了图像画面的显示效果[1].文献[8]中提出的通过RGB灰度值缩放的彩色图像增强算法(TW-RGB)，采用与对数函数近似的二次函数曲线对图像进行增强处理，能较好保证对图像对比度的提升.算法首先求出RGB图像X的最大值矩阵Xmax：

Xmax(i,j)=maxR(i,j),G(i,j),B(i,j),1≤i≤M,1≤j≤N

(3)

相应地缩放因子矩阵K为：

(4)

利用缩放因子矩阵K可以同比增强R、G、B的灰度值，且增强后的数值没有超出灰度级范围的最大值，这也使得处理后彩色图像的色调并不会出现明显地失真现象.相比现有的彩色图像增强算法，TW-RGB算法增强后图像能更好地保持原始图像的色调信息，使增强后图像的可视性更佳.

1.3 算法步骤

基于灰度值缩放的二次函数增强算法能够在保持较低计算复杂度的情况下，可以有效实现对彩色图像的增强.结合对检测出的噪声像素点分类处理，能够进一步提高对图像的增强效果.具体的算法步骤描述如下：

1)对原始彩色图像X的3个颜色分量分别进行1.1节中的噪声检测，将噪声点位置进行标记；

2)按照1.2节中的增强方法处理所有非噪声点，得到图像矩阵X1；

3)对矩阵X1中对应标记为噪声的像素点采取八近邻方式进行插值，得到最终的输出图像Y.

2 实验仿真与结果分析

选取一幅反映湛江实景的彩色图像来测试本文算法的处理性能.图1(a)的最左列为原始彩色图像，图1(a)的后四列相应地分别RMSHE算法、TW-RGB算法、文献[7]中算法和本文算法的处理效果.可以看出直接对彩色图像3个分量进行BBHE均衡处理会产生明显地色调失真现象，而文献[7]中的算法虽然较好地保持了原始图像的色调信息，但由于过多保持原始图像的亮度特征，对图像整体的对比度提升效果比不突出.TW-RGB与本文算法通过对RGB彩色图像的灰度值进行同比增强，能够进一步改善图像的对比度.

为了定量分析几种算法对彩色图像增强后的效果，选取图像均方误差MSE来衡量图像的对比度提升效果，同时提取图1(a)中4种算法增强后图像的色调分量，分别计算与原始图像色调分量的结构相似度SSIM来对比几种算法在保持原始图像色调信息的程度.同时以图1(a)中图像为无噪声参考，增加两组对添加了标准差为0.08的高斯噪声图像和添加了标准差为0.16的高斯噪声图像的实验，通过计算相应地峰值信噪比PSNR来比较这四种算法在抑制噪声方面的性能.相关数据统计于表1中，不难发现本文算法虽然在抑制均衡引起的噪声放大性能方面不如文献[7]中小波域的处理算法，但能够在峰值信噪比收益相差不大的情况下更好地保持原始彩色图像的色调特征.

(a) 未添加高斯噪声时不同算法的处理效果

(b) 添加标准差为0.08的高斯噪声时不同算法的处理效果

(c) 添加标准差为0.16的高斯噪声时不同算法的处理效果

高低噪声的标准差测试参数BBHE算法TW⁃RGB算法文献[7]算法本文算法0MSE81．876980．006479．892875．0053SSIM0．67510．86990．87330．90970．08PSNR15．434918．059420．690718．42950．16PSNR13．333517．513719．815518．1646

此次仿真实验是在酷睿3系统2G内存的微机上使用Matlab2012a软件完成的，算法运行时间不超过400ms，能够满足一般的实时性需求.算法虽然中需要对噪声进行检测，但由于处理的数据量较少，其耗时与图像增强相比几乎可以忽略不计.

3 结束语

在现有彩色图像增强算法的基础上，通过对检测出的噪声点进行分类处理，可以进一步抑制图像中的噪声放大现象.输出图像由于经过了非线性的同比增强，最终可以很好地保持原始彩色图像的色调，具有更优的视觉质量效果.算法较低的计算复杂度能够满足一般的实时处理需求，可用于实际彩色图像的处理.

[1] R.C.Gonzalez, R.E.Woods. 数字图像处理[M]. 阮秋琦,译. 北京:电子工业出版社, 2003: 72-88.

[2] 卢利琼,吴东. 基于图像的空域隐藏算法研究[J]. 岭南师范学院学报,2015,36(3):105-111.

[3] Y.T.Kim. Enhancement using brightness preserving bi-histogram equalization[J].IEEE Trans.on Consumer Electronics, 1997, 43(1): 1-8.

[4] 江巨浪,张佑生,薛峰,等. 保持图像亮度的局部直方图均衡算法[J]. 电子学报,2006,34(5):861-866.

[5] 胡倍倍,吕浩杰.基于改进直方图均衡化和SSR算法的灰度图像增强研究[J].量子电子学报,2017,34(3):286-292.

[6] 余萍,郝成成. 分数阶微分和多尺度Retinex联合的雾霭图像增强[J]. 激光与光电子学进展,2018,55(01):1-10.

[7] 江巨浪,王振东,伍兆祥,等. HSI色彩空间的彩色图像小波域直方图均衡算法[J]. 安庆师范学院学报(自然科学版),2016,22(2):26-29.

[8] 郑江云,江巨浪,黄忠. 基于RGB灰度值缩放的彩色图像增强[J]. 计算机工程,2012,38(2):226-228.

[9] 余燕飞,郑烇,王嵩,等. 基于空间域的图像噪声检测技术[J]. 计算机应用,2012,32(6):1552-1556.