李 雨，方 怡，王振東, 孫 威，程玉勝,*

(1.安慶師范大學 計算機與信息學院， 安徽 安慶 246133； 2.安慶師范大學 數(shù)序與計算科學學院，安徽 安慶 246133； 3.安慶師范大學 物理與電氣工程學院，安徽 安慶 246133)

圖像增強是數(shù)字圖像處理中較為常見的處理技術(shù)，能夠突出顯示圖像中所反映的場景信息，進一步清晰圖像細節(jié)[1].彩色圖像擁有比灰度圖像更為豐富的信息量，如今計算機視覺和虛擬現(xiàn)實技術(shù)的發(fā)展也使得彩色圖像在實際生活中應用越來越廣泛.從空間域?qū)D像處理在數(shù)字圖像處理技術(shù)中十分常見[2]，從Kim提出了全局均衡的BBHE算法[3]之后，不少學者陸續(xù)進行了改進，江巨浪[4]等人在局部均衡中提出的保持圖像亮度的增強算法能夠進一步增強圖像的局部細節(jié)信息.文獻[5]提出結(jié)合SSR算法和改進的直方圖均衡化處理可以提高對偏亮和偏暗圖像的增強效果.相關(guān)算法都無法很好地抑制圖像增強時噪聲的放大問題.文獻[6]利用暗通道先驗理論實現(xiàn)了對霧天圖像的清晰處理，但處理后不能較好地改善圖像全局對比度效果且其對含大面積天空區(qū)域的圖像處理效果不佳，容易使圖像天空區(qū)域增強后出現(xiàn)色彩失真同時算法的時間復雜度也有待降低.

除了引起色調(diào)失真現(xiàn)象外，實際中的彩色圖像經(jīng)圖像增強算法會在一定程度上放大圖像中混入的噪聲.頻域上的處理可以對圖像增強時噪聲的放大現(xiàn)象進行一定程度的抑制，文獻[7]通過將RGB圖像轉(zhuǎn)換到HSI色系下，利用小波分解只處理亮度分量的低頻近似矩陣可以保持增強后彩色圖像的色調(diào)不變的同時抑制噪聲的放大，但算法的計算復雜度相對較大.文獻[8]則是采用二次函數(shù)在RGB空間直接進行基于灰度值的縮放增強，也能夠很好地實現(xiàn)對袁思彩色圖像的色調(diào)保持和增強后彩色圖像的噪聲抑制性能.

本文在上述算法的基礎(chǔ)上，提出了一種基于空間域噪聲檢測的彩色圖像縮放增強算法，由于對噪聲像素點和非噪聲像素點進行分類處理，相比傳統(tǒng)彩色圖像增強算法能夠取得較好地峰值信噪比和輸出熵值上的收益.

1 算法描述

1.1 圖像噪聲的檢測

圖像的噪聲點一般是指與周圍正常的像素點差異較大，且對人眼在視覺上獲取信息形成干擾的像素點.噪聲點的存在會嚴重影響圖像的視覺質(zhì)量，根據(jù)待測像素點與周圍領(lǐng)域內(nèi)其余像素點的噪聲向量和可以判斷出該像素點是否受到噪聲的干擾[9].對于一幅大小為M×N的256灰度級彩色圖像X，其空間中待測像素點的噪聲向量和可定義如下：

(1)

式(1)中，Vt表示圖像空間中待測像素點X(i,j)的3×3領(lǐng)域中不包括中心像素點的剩余像素點集，相應地Vf表示5×5領(lǐng)域中的剩余像素點集.不妨令d表示上述兩種領(lǐng)域的噪聲向量和的絕對均值差，此時有：

d=mean(Vt)-mean(Vf)

(2)

由于人眼對像素差的最低敏感程度在4個灰度級左右[1]，從而當絕對均值差d的取值超過4時，待測像素點為噪聲點的可能性就很大.在實際彩色圖像中，據(jù)此可以依次標記出彩色圖像R、G、B3個分量所有可能的噪聲像素點.

1.2 基于灰度值縮放的二次函數(shù)增強方法

從人眼接收圖像信號到在大腦中形成近似于非線性的對數(shù)映射環(huán)節(jié)，通過非線性動態(tài)范圍的調(diào)整，改善了畫面中前景細節(jié)的表述，且由于圖像的整體對比度得到拉伸也在一定程度上改善了圖像畫面的顯示效果[1].文獻[8]中提出的通過RGB灰度值縮放的彩色圖像增強算法(TW-RGB)，采用與對數(shù)函數(shù)近似的二次函數(shù)曲線對圖像進行增強處理，能較好保證對圖像對比度的提升.算法首先求出RGB圖像X的最大值矩陣Xmax：

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

(3)

相應地縮放因子矩陣K為：

(4)

利用縮放因子矩陣K可以同比增強R、G、B的灰度值，且增強后的數(shù)值沒有超出灰度級范圍的最大值，這也使得處理后彩色圖像的色調(diào)并不會出現(xiàn)明顯地失真現(xiàn)象.相比現(xiàn)有的彩色圖像增強算法，TW-RGB算法增強后圖像能更好地保持原始圖像的色調(diào)信息，使增強后圖像的可視性更佳.

1.3 算法步驟

基于灰度值縮放的二次函數(shù)增強算法能夠在保持較低計算復雜度的情況下，可以有效實現(xiàn)對彩色圖像的增強.結(jié)合對檢測出的噪聲像素點分類處理，能夠進一步提高對圖像的增強效果.具體的算法步驟描述如下：

1)對原始彩色圖像X的3個顏色分量分別進行1.1節(jié)中的噪聲檢測，將噪聲點位置進行標記；

2)按照1.2節(jié)中的增強方法處理所有非噪聲點，得到圖像矩陣X1；

3)對矩陣X1中對應標記為噪聲的像素點采取八近鄰方式進行插值，得到最終的輸出圖像Y.

2 實驗仿真與結(jié)果分析

選取一幅反映湛江實景的彩色圖像來測試本文算法的處理性能.圖1(a)的最左列為原始彩色圖像，圖1(a)的后四列相應地分別RMSHE算法、TW-RGB算法、文獻[7]中算法和本文算法的處理效果.可以看出直接對彩色圖像3個分量進行BBHE均衡處理會產(chǎn)生明顯地色調(diào)失真現(xiàn)象，而文獻[7]中的算法雖然較好地保持了原始圖像的色調(diào)信息，但由于過多保持原始圖像的亮度特征，對圖像整體的對比度提升效果比不突出.TW-RGB與本文算法通過對RGB彩色圖像的灰度值進行同比增強，能夠進一步改善圖像的對比度.

為了定量分析幾種算法對彩色圖像增強后的效果，選取圖像均方誤差MSE來衡量圖像的對比度提升效果，同時提取圖1(a)中4種算法增強后圖像的色調(diào)分量，分別計算與原始圖像色調(diào)分量的結(jié)構(gòu)相似度SSIM來對比幾種算法在保持原始圖像色調(diào)信息的程度.同時以圖1(a)中圖像為無噪聲參考，增加兩組對添加了標準差為0.08的高斯噪聲圖像和添加了標準差為0.16的高斯噪聲圖像的實驗，通過計算相應地峰值信噪比PSNR來比較這四種算法在抑制噪聲方面的性能.相關(guān)數(shù)據(jù)統(tǒng)計于表1中，不難發(fā)現(xiàn)本文算法雖然在抑制均衡引起的噪聲放大性能方面不如文獻[7]中小波域的處理算法，但能夠在峰值信噪比收益相差不大的情況下更好地保持原始彩色圖像的色調(diào)特征.

(a) 未添加高斯噪聲時不同算法的處理效果

(b) 添加標準差為0.08的高斯噪聲時不同算法的處理效果

(c) 添加標準差為0.16的高斯噪聲時不同算法的處理效果

高低噪聲的標準差測試參數(shù)BBHE算法TW?RGB算法文獻[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

此次仿真實驗是在酷睿3系統(tǒng)2G內(nèi)存的微機上使用Matlab2012a軟件完成的，算法運行時間不超過400ms，能夠滿足一般的實時性需求.算法雖然中需要對噪聲進行檢測，但由于處理的數(shù)據(jù)量較少，其耗時與圖像增強相比幾乎可以忽略不計.

3 結(jié)束語

在現(xiàn)有彩色圖像增強算法的基礎(chǔ)上，通過對檢測出的噪聲點進行分類處理，可以進一步抑制圖像中的噪聲放大現(xiàn)象.輸出圖像由于經(jīng)過了非線性的同比增強，最終可以很好地保持原始彩色圖像的色調(diào)，具有更優(yōu)的視覺質(zhì)量效果.算法較低的計算復雜度能夠滿足一般的實時處理需求，可用于實際彩色圖像的處理.

[1] R.C.Gonzalez, R.E.Woods. 數(shù)字圖像處理[M]. 阮秋琦,譯. 北京:電子工業(yè)出版社, 2003: 72-88.

[2] 盧利瓊,吳東. 基于圖像的空域隱藏算法研究[J]. 嶺南師范學院學報,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,張佑生,薛峰,等. 保持圖像亮度的局部直方圖均衡算法[J]. 電子學報,2006,34(5):861-866.

[5] 胡倍倍,呂浩杰.基于改進直方圖均衡化和SSR算法的灰度圖像增強研究[J].量子電子學報,2017,34(3):286-292.

[6] 余萍,郝成成. 分數(shù)階微分和多尺度Retinex聯(lián)合的霧靄圖像增強[J]. 激光與光電子學進展,2018,55(01):1-10.

[7] 江巨浪,王振東,伍兆祥,等. HSI色彩空間的彩色圖像小波域直方圖均衡算法[J]. 安慶師范學院學報(自然科學版),2016,22(2):26-29.

[8] 鄭江云,江巨浪,黃忠. 基于RGB灰度值縮放的彩色圖像增強[J]. 計算機工程,2012,38(2):226-228.

[9] 余燕飛,鄭烇,王嵩,等. 基于空間域的圖像噪聲檢測技術(shù)[J]. 計算機應用,2012,32(6):1552-1556.