馮玉穎, 王俊平, 馬塾亮, 李 超, 伍 堯
(西安電子科技大學(xué) 通信工程學(xué)院,陜西 西安 710071)
COPLIP新模型及其圖像增強新算法
馮玉穎, 王俊平, 馬塾亮, 李 超, 伍 堯
(西安電子科技大學(xué) 通信工程學(xué)院,陜西 西安 710071)
針對現(xiàn)有對數(shù)模型在彩色圖像領(lǐng)域的瓶頸問題,把帶參數(shù)的對數(shù)模型擴展到彩色圖像,提出一種帶參數(shù)的彩色對數(shù)圖像處理新模型,定義了新模型的彩色色調(diào)函數(shù),加、數(shù)乘、取反運算和基本同態(tài)函數(shù).為了驗證其有效性,設(shè)計了基于新模型的圖像增強新算法,色調(diào)函數(shù)的評價結(jié)果表明,新模型在圖像增強上具有更好的效果,與人類的視覺模型更加匹配,能選取更多的參數(shù)來調(diào)整圖像中感興趣的部分.
對數(shù)模型;帶參數(shù)的彩色對數(shù)圖像處理;彩色圖像;圖像增強
對數(shù)圖像處理模型能更好地處理圖像細節(jié),突出圖像中人們感興趣區(qū)域,一直是研究的熱點,如對數(shù)圖像處理(Logarithmic Image Processing,LIP),一般對數(shù)圖像處理(Generalized LIP,GLIP),參數(shù)對數(shù)圖像處理(Parameterized LIP,PLIP),同質(zhì)對數(shù)圖像處理(Homomorphic LIP,HLIP),對稱對數(shù)圖像處理(Symmetric LIP,SLIP),參數(shù)對稱的對數(shù)圖像處理(Parameterized SLIP,PSLIP)模型的提出與應(yīng)用[1-6].近年來,研究者進行了更深入的研究[7-12],其中,文獻[7]把PLIP模型同高斯拉普拉斯濾波結(jié)合來增強胸透圖像中的肺結(jié)節(jié),從而檢測肺部是否有癌變; 文獻[8]結(jié)合GLIP模型與SLIP模型,提出了SGLIP模型; 文獻[9]基于LIP模型和小波變換,提出了對數(shù)小波變換來進行邊緣檢測和圖像再現(xiàn);文獻[10]介紹了一種遠程遙感圖像的增強方法,該方法結(jié)合非下采樣剪切波變換和PLIP模型來改善遠程遙感圖像的視覺效果;文獻[11]運用SLIP模型提出了廣義的伽馬校正算法,然后對整體或局部低對比度圖像進行增強.
然而,以上應(yīng)用都是基于灰度對數(shù)模型的研究,對于彩色圖像的對數(shù)研究還有待發(fā)展.文獻[13]提出了彩色對數(shù)圖像處理(Color Logarithmic Image Processing,CoLIP) 模型,并把它應(yīng)用到白色平衡修正,但是該模型只是把最簡單的LIP模型擴展到彩色圖像上,只采用了一個固定值來調(diào)整圖像,有一定的局限性.
筆者提出一種帶參數(shù)的彩色對數(shù)圖像處理(COlor Parameterized Logarithmic Image Processing, COPLIP)新模型.新模型保護了彩色圖像的原有彩色信息成分,定義了彩色色調(diào)函數(shù),色調(diào)函數(shù)的加、數(shù)乘、取反矢量運算以及彩色同態(tài)函數(shù).新模型把彩色圖像作為三維矢量來處理,既能夠與人類的視覺模型相匹配,還可以選取更多的參數(shù)來調(diào)整圖像,并且在圖像增強上有很好的處理結(jié)果.
PLIP模型[3]的基本同態(tài)函數(shù)為
φ(g)=-λ(N) lnβ(1-g/λ(N)) ,
(1)
其中,灰度值g定義在[0,N)的范圍內(nèi),N是正常數(shù).λ(N)為AN+B的函數(shù),A,B為常數(shù).
PLIP模型中灰度色調(diào)函數(shù)定義為
f=λ(N)-F,g=λ(N)-G,
(2)
其中,F(xiàn)和G分別表示兩幅圖像的灰度值.
PLIP模型的3種向量運算:
加法: 灰度色調(diào)函數(shù)f和g的對數(shù)加定義為
f?g=f+g-fg/λ(N) ,
(3)
減法: 灰度色調(diào)函數(shù)f和g的對數(shù)減定義為
f?g=λ(N)(f-g)/(λ(N)-g+ε) ,
(4)
其中,ε是很小常數(shù).
乘法: 灰度色調(diào)函數(shù)f和標(biāo)量μ的對數(shù)乘定義為
μ?f=λ(N)-λ(N)(1-f/λ(N))μ.
(5)
該模型僅能應(yīng)用到灰度圖像上.
人類視網(wǎng)膜上有3種感光細胞,又稱錐體細胞,能大量吸收短波光線的錐體叫S錐體,能較多吸收中波、長波光線的錐體叫M和L錐體[13].(L,M,S)空間是符合人類視覺的顏色空間,可以轉(zhuǎn)換為a-rg-yb空間,而別的顏色空間并不適用于新模型.因此,首先將彩色圖像的RGB空間轉(zhuǎn)換為LMS空間
(6)
彩色色調(diào)(l,m,s)與LMS空間中的錐體細胞強度(L,M,S)的關(guān)系:
c=N-C,
(7)
其中,C∈{L,M,S},c∈{l,m,s},在數(shù)字圖像處理中,對于 8 bit 圖像N取值為255.彩色色調(diào)的取值范圍是[0,N)3.把PLIP的基本同態(tài)函數(shù)應(yīng)用到式(7),得到
c′=φc(c)=-λ(N) lnβ(1-c/(λ(N))) ,
(8)
(11)
由文獻[13],可將參數(shù)矩陣PCOPLIP取值為
(12)
(13)
COPLIP彩色色調(diào)函數(shù)的定義為
(14)
其中,f(x,y)的3個分量由錐形體強度(L,M,S)映射得到.圖1表示了Lena圖的彩色色調(diào)函數(shù)的3個分量.
圖1 彩色圖像色調(diào)函數(shù)分量argyb
文中定義了COPLIP色調(diào)函數(shù)的3種運算: 加法、數(shù)乘、取反.其中,加法和數(shù)乘對于任何實數(shù)都成立,取反運算中,當(dāng)且僅當(dāng)a≠λ(N)、rg≠λ(N)且yb≠λ(N)時運算成立.圖2采用了經(jīng)典的Lena圖和24色卡(色彩測試標(biāo)準(zhǔn)板)對3種運算進行測試,有效地驗證了運算的可行性.
圖2 圖像進行COPLIP對數(shù)運算的結(jié)果
對于兩幅彩色圖像,彩色色調(diào)函數(shù)f和g的對數(shù)加定義為
(15)
標(biāo)量μ乘以彩色色調(diào)函數(shù)f,定義為
(16)
彩色色調(diào)函數(shù)f進行取反,定義為
(17)
COPLIP模型的基本同態(tài)函數(shù)為
φ(f)=-λ(N) lnβ(|1-f/λ(N)|) ,
(18)
其中,參數(shù)β可以對同態(tài)函數(shù)進行更精細的微調(diào),較小β可以將靈敏度調(diào)節(jié)至像素強度范圍的最暗一端,較大β將其調(diào)節(jié)至最亮的一端,這樣可以更好地模擬人眼在不同光照強度下的可變響應(yīng),參照文獻[3],筆者選取β值為1.2.彩色色調(diào)函數(shù)f的取值范圍是 (-∞,N)3,即f的3個分量a,rg,yb的取值范圍均為 (-∞,N),因此a,rg,yb的基本同態(tài)函數(shù)圖形是一致的.文中只列出了一個分量的同態(tài)函數(shù)圖形來說明問題.圖3比較了λ(N)取不同值時COPLIP、PLIP模型基本同態(tài)函數(shù)的圖形.可以看出,新模型具有以下特點:
(1) COPLIP模型解決了PLIP模型不能處理圖像負值信息的缺點;
(2) 當(dāng)λ(N)=N時,COPLIP模型即變?yōu)榱薈OLIP模型;
(3) 相比于COLIP模型,COPLIP模型可以選擇更多的λ(N)的值來獲取視覺愉悅的圖像;
(4)λ(N)越大,COPLIP基本同態(tài)函數(shù)越趨近于直線;
(5) 當(dāng)λ(N)<255時: 若f<λ(N),則φ(f)隨著f的增大而增大;若f>λ(N),則φ(f)隨著f的增大而減?。?/p>
當(dāng)λ(N)<255時,在f=λ(N)的點處,同態(tài)函數(shù)取值為無窮大,同態(tài)函數(shù)不是連續(xù)的函數(shù),因此在現(xiàn)實應(yīng)用中,λ(N)的取值應(yīng)大于255.
圖3 COPLIP模型和PLIP模型基本同態(tài)函數(shù)比較
為了證明COPLIP模型的有效性,將該模型應(yīng)用于圖像增強中.增強算法步驟如下:
步驟1 輸入一幅真彩色圖像,通過式(6)將RGB彩色空間轉(zhuǎn)換為LMS彩色空間.
步驟2 利用式(7)將上述轉(zhuǎn)化的LMS的彩色空間分量L、M、S轉(zhuǎn)化為l、m、s分量.
步驟3 利用式(13)將l、m、s分量轉(zhuǎn)化為a、rg、yb,即得到圖像的COPLIP色調(diào)函數(shù)的3個分量.
由步驟3得到了彩色圖像的3個通道a、rg、yb,由于a表示非彩色通道,rg表示紅綠通道,yb表示黃藍通道,因此,對于發(fā)黃圖像,減少yb的值,使其黃色信息減少; 對于發(fā)紅圖像,減少rg的值,使其紅色信息減少.實驗中,隨機選取百度圖片中有顏色偏差的圖像進行COLIP、COPLIP增強(參數(shù)N隨機取值為300)、PSLIP增強的對比分析如圖4所示.圖4(a)為原始圖,經(jīng)過COLIP圖像增強的結(jié)果為圖4(b),經(jīng)過COPLIP圖像增強的結(jié)果為圖4(c),經(jīng)過PSLIP圖像增強的結(jié)果為圖4(d).
圖4 COPLIP圖像增強
質(zhì)量評價原圖N=255N=300128.000028.000025.0000232.500021.500018.000035.50005.50002.5000
從主觀來看,PSLIP增強算法僅提升了圖像的整體對比度,不能解決圖像色彩偏差的問題;COPLIP模型有效地減少了圖像多余的彩色信息,并恢復(fù)出圖像原有的色彩;處理后,圖像的對比度更強,顏色更加自然.由于主觀評價受到個人因素影響,因此又從客觀方面增加了圖像處理效果的評價.文中采用文獻[14]的EGRNN-BIQA無參考圖像質(zhì)量評價方法對圖4進行質(zhì)量評估,使用LIVE的IQA數(shù)據(jù)庫Release2進行了測試[14],圖像的質(zhì)量評價結(jié)果見表1.
由此可得,文中方法所得分?jǐn)?shù)最小(分?jǐn)?shù)越小,圖像質(zhì)量越高),因此該方法性能更優(yōu); COLIP模型就是COPLIP中參數(shù)N取值為255的一個特例,雖然主觀上COLIP有一定的增強效果,但是客觀上部分處理后的圖像與原圖的分?jǐn)?shù)一致,表現(xiàn)出COLIP模型的局限性;相比COLIP模型,COPLIP模型能選取更多的參數(shù)來獲得高質(zhì)量的圖像,在現(xiàn)實應(yīng)用中,可以根據(jù)自己的需要選擇參數(shù).同時,再次選擇20幅有顏色偏差的圖像進行以上實驗,能夠得到相似結(jié)論.綜上所述,說明了COPLIP增強算法可以通過調(diào)節(jié)相關(guān)參數(shù)來獲得使人視覺愉悅的圖像效果.
筆者提出一種帶參數(shù)的彩色對數(shù)圖像處理COPLIP新模型,該模型解決了彩色圖像的對數(shù)模型處理難題.新模型不僅能夠選取更多的參數(shù)來調(diào)整圖像中感興趣的部分,而且能夠與人類的視覺模型相匹配.在圖像增強中的應(yīng)用表明了COPLIP模型的有效性,如何將COPLIP模型應(yīng)用于圖像邊緣檢測等方面將是后續(xù)研究的主要方向.
參考文獻:
[1] 張廣燕. 對數(shù)圖像處理新模型及其應(yīng)用研究[D]. 西安: 西安電子科技大學(xué), 2014.
[2] DENG G. A Generalized Logarithmic Image Processing Model Based on the Gigavision Sensor Model[J]. IEEE Transactions on Image Processing, 2012, 21(3): 1406-1414.
[3] PANETTA K, AGAIAN S, ZHOU Y, et al. Parameterized Logarithmic Framework for Image Enhancement[J]. IEEE Transactions on Systems, Man, and Cybernetics. Part B: Cybernetics, 2011, 41(2): 460-473.
[4] PATRASCU V. Rough Sets on Four-valued Fuzzy Approximation Space[C]//Proceedings of the IEEE International Conference on Fuzzy Systems. Piscataway: IEEE, 2007: 4295368.
[5] 張廣燕, 王俊平, 汪松, 等. 一種SLIP模型的圖像增強新算法[J]. 西安電子科技大學(xué)學(xué)報, 2014, 41(1):105-109.
ZHANG Guangyan, WANG Junping, WANG Song, et al. New Image Enhancement Algorithm of SLIP Model[J]. Journal of Xidian University, 2014, 41(1):105-109.
[6] 張廣燕, 王俊平, 邢潤森, 等. PSLIP新模型及在邊緣檢測和圖像增強中的應(yīng)用[J]. 電子學(xué)報, 2015, 43(2): 377-382.
ZHANG Guangyan, WANG Junping, XING Runsen, et al. A New PSLIP Model and Its Application in Edge Detection and Image Enhancement[J]. Acta Electronica Sinica, 2015, 43(2): 377-382.
[7] CHEN S, YAO L P, CHEN B. A Parameterized Logarithmic Image Processing Method with Laplacian of Gaussian Filtering for Lung Nodule Enhancement in Chest Radiographs[J]. Medical and Biological Engineering and Computing, 2016, 54(11): 1793-1806.
[8] DENG G. The Symmetric Generalized LIP Model and Its Application in Dynamic Range Enhancement[J]. Journal of Mathematical Imaging and Vision, 2016, 55(3): 253-265.
[9] TU G J, Karstoft H. Logarithmic Dyadic Wavelet Transform with Its Applications in Edge Detection and Reconstruction[J]. Applied Soft Computing, 2015, 26: 193-201.
[10] TAO F X, WU Y Q. Remote Sensing Image Enhancement Based on Non-subsampled Shearlet Transform and Parameterized Logarithmic Image Processing Model[J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(8): 884-892.
[11] DENG G. A Generalized Gamma Correction Algorithm Based on the SLIP Model[J]. Eurasip Journal on Advances in Signal Processing, 2016, 2016(1): 1-15.
[12] KIM Y C, KIM Y M, KIM S G, et al. Development of the Mechenical System and Vision Algorithm for the External Appearance Test Using Vision Image Processing[J]. Journal of the Korea Academia-industrial Cooperation Society 2016, 17(2):202-208.
[13] GOUINAUD H, GAVET Y, DEBAYLE J, et al. Color Correction in the Framework of Color Logarithmic Image Processing[C]//Proceedings of the 7th International Symposium on Image and Signal Processing and Analysis. Piscataway: IEEE, 2011: 129-133.
[14] 王俊平, 李超, 陳偉華. 基于圖像非平坦區(qū)域DCT特性和EGRNN的盲圖像質(zhì)量評價[J]. 計算機學(xué)報, 2016, 39(83):1-18.
WANG Junping, LI Chao, CHEN Weihua. Blind Image Quality Assessment Based on DCT Features in the Non-flat Region and EGRNN[J]. Chinese Journal of Computers, 2016, 39(83):1-18.
NewCOPLIPmodelanditsimageenhancementalgorithm
FENGYuying,WANGJunping,MAShuliang,LIChao,WUYao
(School of Telecommunications Engineering, Xidian Univ., Xi’an 710071, China)
This paper proposes a new model of color parameterized logarithmic image processing (COPLIP), in view of the existing logarithmic bottleneck in the field of the color image processing model, extending the parameters of the logarithmic model to color images. The color tonal function of color images, operations of addition, multiplication and invertion and the concept of fundamental homomorphism function are defined. In order to verify the validity of the COPLIP model, this paper designs an image enhancement algorithm based on the model with a good effect. Experiments show that the new model proposed in this paper can not only match the human visual model, but also select more parameters to get the interested parts in the image.
logarithmic model; color parameterized logarithmic image processing; color images; image enhancement
2016-12-02
時間:2017-06-29
國家自然科學(xué)基金資助項目(61173088);西安市科技攻關(guān)計劃資助項目(CX1248⑤);高等學(xué)校學(xué)科創(chuàng)新引智計劃(“111計劃”)資助項目(B08038)
馮玉穎(1991-),女,西安電子科技大學(xué)碩士研究生,E-mail: 1159869196@qq.com.
http://kns.cnki.net/kcms/detail/61.1076.TN.20170629.1734.024.html
10.3969/j.issn.1001-2400.2018.01.012
TP391.41
A
1001-2400(2018)01-0066-06
(編輯: 王 瑞)