基于空间变换和专家模糊技术的彩色图像对比度增强

陈智轩

摘 要：现有的图像增强算法存在计算量大、实时性差、参数选择困难、颜色漂移、无法保证收敛性等问题.图像增强的效果主要考虑人眼的视觉感受程度，难以用准确的标准和方法对图像进行处理.因此，基于不精确概念和专家经验的模糊技术是解决现有图像增强算法问题的有效方法.本文提出了一种彩色图像对比度增强技术，首先，从RGB颜色空间变换到色调、饱和度和灰度的颜色空间；然后，利用专家模糊技术对彩色图像的灰度分量进行图像增强处理.该算法不改变原始彩色图像的色调和饱和度.对比实验表明：该方法明显提高了图像的视觉效果，并且计算量小、实时性好.

关键词：图像增强；对比度；空间变换；模糊技术；彩色图像

中图分类号：TP317.4 DOI：10.16375/j.cnki.cn45-1395/t.2018.03.013

0 引言

图像增强技术是目前图像处理研究的一个重要领域 [1].图像对比度是视觉属性的重要方面，它对所感知图像的质量起着显著影响.两个相邻表面之间对比度的变化是由它们的反射亮度的差异造成的.由于人类视觉系统对图像对比度的敏感性高于其绝对亮度，所以对比度被认为是这些物体的颜色和亮度的差异.低对比度区域看起来很暗，而对比度很高的区域则呈现为人造照明的效果，两者都会导致相关信息的丢失.如何最优地增强图像对比度，以表示出输入图像中的所有信息是需要解决的问题.因此，图像增强是所有数字图像处理和分析应用中的一个基本步骤，以提高人类可理解性或信息的可读性[2-3].图像质量经常用一些基本参数客观地表示[4]，其中对比度是确定图像客观质量的最重要的定量指标[5].图像增强主要包括两个方面：一是直方图的校正；二是突出或重建图像细节[6].图像增强技术包括很多方法：基于灰度变换的图像增强方法[7]；空间滤波一类增强算法[8]；小波变换与改进脉冲耦合神经网络融合的图像增强算法[9]；多传感器或单传感器多图像融合增强技术[10]；图像去雾增强算法[11]；基于金字塔分解和双向异性扩散的自适应图像增强方法[12]；基于RETINEX模型的图像低对比度增强方法[13]；采用NSCT变换和模糊对比度调整结合的方式增强图像并降低噪声和失真的技术[14]，以及其他类似技术.大部分的图像增强方法都是基于经验的，只能通过对参数的反复修改来满足图像视觉效果的要求.很多彩色图像增强算法都难以在RGB空间中直接处理，并且经常出现色彩漂移现象[15].如果引入智能算法对图像增强过程进行优化，则会出现参数选择和收敛性能方面的困难.一些图像增强算法需要高级数学工具进行复杂计算，计算量庞大，处理过程繁琐，无法满足实时性的要求.因此，优化算法，提高图像增强的效果，改进实际最终图像的质量始终是研究的重点.基于上述原因，本文提出了一种基于空间变换和专家模糊技术的彩色图像对比度增强算法.理论分析和仿真结果表明，该方法适应性良好，实时性较强，在弱光照的条件下，彩色图像的增强处理效果得到明显改善.

1 红绿蓝色彩空间到色调、饱和度和强度模型的空间变换

RGB色彩格式是当前最广泛运用的颜色系统之一，它通过红、绿、蓝3个颜色通道的变化和3个通道的叠加来得到各种颜色，几乎能够覆盖人类视力能够感知的所有色彩.然而直接对RGB格式彩色图像进行图像增强，可调参数偏多，计算过程复杂.数字图像的另一个模型是HSI格式.当运用色调、饱和度、强度（HSI）颜色模型来描述彩色图像时，色调表示了纯色的属性，饱和度表示颜色的鲜明程度，而强度（Intensity）或称为亮度则表示颜色的明亮程度，相当于灰度图像中灰度的概念.强度是描述色彩感觉的关键因素，人对图像对比度的主观感觉是由强度决定的.本文在进行图像处理时，通过在HSI颜色空间保持色调与饱和度分量不变的方法，使图像增强的结果在颜色方面和原始图像一致，只对强度分量进行运算，相当于直接对灰度图进行对比度增强，从而实现对彩色图像进行对比度增强的目的.因此，运用空间变换的方法对RGB格式彩色图像进行图像增强，可以减少调节的参数，使计算过程更简洁.

2 专家模糊算法进行灰度变换

从彩色图像中将彩色信息即色调和饱和度分离出来，仅提取强度分量进行处理.因为强度描述了颜色的明亮程度，因此强度分量可以有效地度量彩色图像的对比度.这样就可以直观自然地调整彩色图像的对比度，实现对比度增强的要求.

采用如下三条“条件-结论”规则来描述强度分量图像的对比度增强过程：

1）如果某一个像素是暗的，那么使这个像素变得更暗；

2）如果某一个像素是灰的，那么使这个像素仍然是灰的；

3）如果某一个像素是亮的，那么使这个像素变得更亮.

在一幅彩色图像的强度分量上，每一个像素的灰度值z都被从区间[0，1]映射到区间[0，255]上，根据模糊集合的理论，将每一个像素的灰度值z再映射到隶属度区间[0，1]上来实现模糊化.用人的视觉感受把这些像素灰度值分为3类：暗的（dark）、灰的（gray）和亮的（bright）.

模糊化用[Σ]形隶属度函数来表示“暗”和“亮”的模糊概念，采用三角形隸属度函数来表示“灰”的模糊概念，从而得到如图1所示的输入隶属度函数.

图像增强的效果主要受到3个可调参数 [l]、[h]、[λ] 的影响.图中，[λh+lλ+1=m]，[λ]是一个大于0的数.根据彩色图像的强度分量的直方图，区间[l，h]应该包含直方图的主要形状，3个参数可以分别进行调节，直到获得最佳的效果.

为了计算方便，输出隶属度函数选择为单值函数，从而得到输出隶属度函数图如图2所示.

逐行从左到右对每个像素分别进行模糊计算处理，对彩色图像的强度分量作灰度变换，也就是对彩色图像的强度分量进行图像增强处理，最后再把灰度变换后的结果映射回[0，1].运用前述方法将HSI分量转换到RGB格式进行显示.

3 仿真实验

选取两幅真实的低对比度彩色图片检验上述算法，两幅图片均为RGB色彩模式.先进行空间变换再执行模糊运算，从而得到对比度增强后的图片.图3—图6分别显示了运用直方图均衡处理和运用标准Retinex算法[13]处理的增强图像，并且将之与本文算法得到的结果进行对比，验证所提算法的有效性.

图3（a）为原图，图3（b）为直方图均衡处理效果，图3（c）为本文算法处理结果，图3（d）为Retinex算法处理结果.图4（a）为原图的强度分量的直方图，图4（b）为本文算法处理后的强度分量的直方图.

图5（a）为原图，图5（b）为直方图均衡处理效果，图5（c）为本文算法处理结果，图5（d）为Retinex算法处理结果.图6（a）为原图的强度分量的直方图，图6（b）为本文算法处理后的强度分量的直方图.

可见，直接使用直方图均衡处理后的彩色图像存在明显曝光过度问题，而且还可能损失部分细节.Retinex算法的处理结果存在细节和边缘模糊以及颜色失真问题.而本文提出的方法除了在对比度增强方面效果显著，色彩也比较真实.通过直方图的前后比较，本文算法具有拓展直方图、在一定范围能平移整个直方图位置、保留直方图原來轮廓的作用.通过隶属度函数参数的调整，根据需要改变输出图像效果，显著地改进彩色图像的整体视觉效果.

4 结论

本文提出基于空间变换和专家模糊技术的彩色图像对比度增强算法，低对比度彩色图像的视觉效果经过处理后得到明显地提升，色彩真实，边缘清晰.并且本文的算法要求的计算量较小，因此特别适合大幅图像的增强处理.将所提算法同直方图均衡算法以及Retinex算法进行对比实验，证明了本算法的有效性.

参考文献

[1]YELMANOVA E，ROMANYSHYN Y. Histogram-based method for image contrast enhancement[C]// Experience of Designing and Application of Cad Systems in Microelectronics. IEEE：2017.

[2]张延丽，李春贵. 视频车辆检测中改进的阈值分割算法研究[J]. 广西科技大学学报，2017，28（2）：61-66，78.

[3]俞昊，林川，谭光兴，等. 视觉注意机制与Canny算子结合的目标轮廓检测方法[J]. 广西科技大学学报，2016，27（2）：87-92，99.

[4]WANG Z，BOVIK A. Modern image quality assessment[M]. Morgan & Claypool：2006.

[5]陈清江，张彦博，柴昱洲，等. 基于改进对比度的有限离散剪切波图像融合[J].应用光学，2016，37（2）：221-228.

[6]RAO Y，CHEN L. A survey of video enhancement techniques[J]. Journal of Information Hiding & Multimedia Signal Processing，2012，3（1）：71-99.

[7]龚昌来，罗聪，杨冬涛. 一种改进的正弦灰度变换图像增强算法[J].电视技术，2012，36（13）：60-63.

[8]凡遵林，毕笃彦，马时平，等. 亮度保持和细节增强的红外图像增强方法[J].中南大学学报（自然科学版），2016，47（6）：1967-1972.

[9]杨雪，刘天时，李湘眷. 融合小波变换与改进PCNN的图像增强算法研究[J]. 计算机工程与应用，2016，52（8）：163-168.

[10]王钥. 基于多传感器融合的低照度视频图像增强技术[D]. 长春：长春理工大学，2016.

[11]FUCHS T，MALECOVA B，LINHART C，et al. DEFOG：a practical scheme for deciphering families of genes[J]. Genomics，2002，80（3）：295-302.

[12]白永强，孙腾.基于金字塔模型和各向异性滤波的分层自适应图像增强算法[J].北京理工大学学报，2012，32（3）：263-267.

[13]XU K. Retinex-based perceptual contrast enhancement in images using luminance adaptation[C]// IEEE International Conference on Acoustics，Speech and Signal Processing.IEEE：2017.

[14]周飞，贾振红，杨杰，等. 基于NSCT和改进模糊的遥感图像增强方法[J].计算机工程与应用，2017，53（15）：206-209，216.

[15]肖泉，丁兴号，王守觉，等. 有效消除光晕现象和颜色保持的彩色图像增强算法[J].计算机辅助设计与图形学学报，2010，22（8）：1246-1252.

[16]GONZALEZ R C，WOODS R E. Digital image processing[M].3rd ed.Prentice-Hall，Inc：2007.