熊灣 劉瓊 齊家棟

關(guān)鍵詞： 工業(yè)環(huán)境; 圖像增強; 混料顆粒; 直方圖雙向均衡化; 拉普拉斯變換; 高頻提升濾波

中圖分類號： TN911.73?34; TP391 ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2019）02?0163?05

Research on image enhancement method based on industrial site environment

XIONG Wan， LIU Qiong， QI Jiadong

（School of Information Science and Engineering， Wuhan University of Science and Technology， Wuhan 430081， China）

Abstract： In allusion to the weak and uneven illumination problems of the industrial environment， an image enhancement method combining the spatial domain and frequency domain is adopted to conduct enhancement processing of the shot mixed particle images. The basic principles of histogram bi?directional equalization， Laplacian operator and high?frequency emphasis filtering enhancement are discussed. During histogram bi?directional equalization， the grayscale processing is conducted from two directions of the gray density and gray interval of the histogram simultaneously， which can enhance the contrast of the whole image. The Laplace transform can sharpen images， and highlight the particle edge details so that the particles can be clearly presented. The high?frequency emphasis filtering is used to conduct smooth processing of the images after Fourier transform， so as to remove image noises. The experimental results obtained according to the above methods show that the enhancement effect of images enhanced using the new method is respectively 30%， 8 times and 84% better in aspects of image mean， mean square and contrast enhancement coefficient than the effect of original images， and has a distinct advantage over the effect obtained using a single certain enhancement method.

Keywords： industrial environment; image enhancement; mixed particle; histogram bi?directional equalization; Laplace transform; high?frequency emphasis filtering

0 ?引 ?言

在鋼鐵工業(yè)的繼續(xù)發(fā)展和進步中，鋼鐵材料仍是最主要的結(jié)構(gòu)和工程材料，其質(zhì)量關(guān)系到建筑工程的結(jié)構(gòu)質(zhì)量和安全[1]。而在鋼鐵材料的冶煉中，天然富礦在產(chǎn)量和質(zhì)量上都遠遠不能滿足高爐冶煉的要求，大量貧礦經(jīng)選礦后得到的精礦粉不能直接入爐冶煉，只能通過人工方法將這些粉礦制成塊狀的人造富礦供高爐使用。運用燒結(jié)法得到的燒結(jié)礦是我國高爐的主要原料，隨著鋼鐵產(chǎn)量的日益增加，對燒結(jié)礦的質(zhì)量要求越來越嚴苛[2]。燒結(jié)混合料的顆粒質(zhì)量是影響燒結(jié)礦質(zhì)量的主要因素之一，為了使燒結(jié)效果最佳，就需要在混料過程中對混料顆粒的分布進行嚴格控制，使燒結(jié)混料顆粒的質(zhì)量保持在一定的規(guī)格內(nèi)。為了更準確、更快速地分析混料質(zhì)量，借助圖像分析技術(shù)來檢測混料。在實際工業(yè)現(xiàn)場采集圖像時由于光照不均、照明度不高等各種原因?qū)е屡臄z的燒結(jié)混料顆粒圖像存在亮度較低且顆粒模糊不清等。這樣不僅會影響圖像的視覺效果，而且會給后續(xù)圖像的分割、特征提取等操作帶來困難[3?4]。為了更好地識別分析圖像中的顆粒，需對圖像進行增強處理，其本質(zhì)是通過一定的方法對原圖像數(shù)據(jù)進行適當?shù)淖儞Q，使增強后的圖像更符合人的視覺效果[5?6]，并提高顆粒和背景的對比度，使得顆粒更容易從背景中分離出來，并為進一步的圖像分析打好基礎(chǔ)。圖像增強技術(shù)用到很多領(lǐng)域中，比如金剛石顆粒、珍珠粒度、冰川堆積物粒度、人臉識別、指紋圖像等[7?10]，其主要目的是處理光照不均的問題，消除圖像中的無關(guān)信息，增強有用的圖像信息。

圖像增強方法包含空間域和頻率域兩大類?？臻g域是指由圖像像素組成的空間平面，又稱為圖像空間，它是對圖像像素直接處理。頻率域是對圖像從空間域經(jīng)傅里葉變換后的頻譜進行操作[11]，其中高頻成分包含圖像的邊緣信息和其他灰度跳躍區(qū)，低頻成分指其他變化緩慢的區(qū)域，常用的有高通濾波和低通濾波。通常研究者只單一運用空間域或頻率域中的某一種方法進行圖像增強處理，將兩方法結(jié)合運用的較少。本文將基于工業(yè)現(xiàn)場環(huán)境拍攝的圖像，結(jié)合空間域中的雙向直方圖均衡化、拉普拉斯變換和頻率域中的高頻提升濾波對顆粒圖像進行增強處理。

1 ?直方圖雙向均衡化

直方圖雙向均衡化是指對直方圖的灰度密度和灰度間距兩個方向同時進行均衡化處理[12]，能增強整幅圖像的對比度，且不會出現(xiàn)直方圖均衡化對光照不均勻圖像的過增強現(xiàn)象[13?14]。

直方圖雙向均衡化對圖像進行增強處理的過程為：

1） 進行灰度均衡化。也可以理解為是對圖像的密度進行均衡化處理，其基本思想是通過某種映射把原始圖像的直方圖變換為均勻分布形式，即使圖像在每一灰度級別上的像素點數(shù)近似相同。在實際應(yīng)用中由于處理的都是離散數(shù)字圖像，所以在此僅介紹離散情況。

直方圖均衡化變換函數(shù)為：

[sk=i=0kPk（i）=i=0kNiN] （1）

式中，[Ni]為其中灰度級別為[i]的像素總數(shù);[N]為圖像的像素總數(shù);[sk]為輸出圖像的各灰度級別。

2） 進行圖像灰度間距的均衡化。在圖像進行直方圖均衡化即密度均衡化的基礎(chǔ)上再對圖像的灰度級數(shù)目進行統(tǒng)計，然后在整個顯示范圍內(nèi)等間距排列灰度級別。設(shè)[Mk]為密度均衡化處理后圖像的各灰度級數(shù)目，且有：

[M0=0Mk=Mk-1， sk=sk-1Mk=Mk-1+1， sk≠sk-1] （2）

則灰度間距變換函數(shù)為：

[Tk=Mk×L-1ML-1] （3）

運用直方圖雙向均衡化對圖像進行增強處理后的圖像以及直方圖與原圖的對比圖如圖1所示。

由圖1可以看出，經(jīng)直方圖雙向均衡化增強處理后的直方圖1d）在各級灰度上的像素分布比原圖直方圖1b）均勻，增強后的圖1c）與原圖1a）相比，可看出圖1c）的整體增強效果明顯，但是顆粒的細節(jié)部分增強卻不太明顯。

2 ?高頻提升濾波

頻率域增強方法需要圖像從空間域經(jīng)傅里葉變換，再用所得到的頻譜來進行增強處理。其中頻譜的高頻成分包含圖像的邊緣信息和其他灰度跳躍區(qū)，低頻成分則指其他變化緩慢的區(qū)域。相反地，傅里葉反變換則可以將圖像的頻譜逆變換回空間域內(nèi)。

頻率域濾波包含低通濾波與高通濾波。低通濾波用于抑制圖像頻率的高頻成分而處理低頻成分;高通濾波則是抑制圖像頻率的低頻成分而處理高頻成分。在進行圖像增強時主要對圖像的邊緣細節(jié)信息進行增強處理，及運用高通濾波增強，而圖像的噪聲存在于高頻部分[15]，所以在運用高通濾波進行增強處理時會引入部分噪聲。通常經(jīng)過高通濾波處理后的圖像背景呈黑色，只有圖像中物體的邊緣清晰而物體本身看不見，這就違背最初進行圖像增強的初衷。

本文在高斯高通濾波的基礎(chǔ)上采用高頻提升濾波對圖像進行平滑處理并去除噪聲。其增強原理是將圖像經(jīng)高斯高通濾波過濾后的結(jié)果加回到原始圖像中去，這樣不僅解決了高斯高通濾波使圖像變暗的問題，同時還不影響濾波對噪聲的抑制和對圖像邊緣細節(jié)部分的增強。高斯高通濾波器函數(shù)可表示為：

[H（u，v）=1-e-[（u-M2）2+（v-N2）2]2σ2] （4）

式中，[σ]參數(shù)的值決定了圖像邊緣提取的準確性，[σ]參數(shù)取值越小，邊緣提取越不準確;[σ]參數(shù)取值越大，邊緣提取越準確，但也可能包含不完整的邊緣信息。

高頻提升濾波函數(shù)可表示為：

[Hg（u，v）=（A-1）+H（u，v）] （5）

式中，[A]為一常數(shù)，且[A≥1]時，是一個基于高通濾波的圖像，而當[A=1]時就變成了常規(guī)的高通濾波?？芍哳l提升濾波是常規(guī)高通濾波的一種特殊形式。

運用高頻提升濾波進行增強處理的圖像以及直方圖與原圖的對比圖如圖2所示。

由圖2可看出，高頻提升濾波增強后所得的直方圖2d）與原圖直方圖2b）的差別并不明顯，但由增強后的圖2c）與原圖2a）對比可看出圖像在亮度上稍微有所提升，顆?？雌饋硪逦?h3>3 ?拉普拉斯變換

拉普拉斯變換是空間域中圖像銳化方法的一種，主要用于增強圖像的灰度跳變部分，其增強目的是使模糊的圖像更加清晰，圖像邊緣更加突出。由于一般待處理的數(shù)字圖像為二維離散圖像，則對于離散的二維圖像[f（x，y）]，其拉普拉斯變換定義為：

在[x]方向上的二階微分為：

[?2f?2x=f（x+1，y）+f（x-1，y）-2f（x，y）] （6）

在[y]方向上的二階微分為：

[?2f?2y=f（x，y+1）+f（x，y-1）-2f（x，y）] （7）

將式（6）、式（7）相加即得拉普拉斯算子：

[?2f=[f（x+1，y）+f（x-1，y）+f（x，y+1）+ ? ? ? ? ? ?f（x，y-1）]-4f（x，y）] （8）

運用拉普拉斯變換對圖像進行增強處理后的圖像以及直方圖與原圖的對比圖如圖3所示。

由圖3可看出，拉普拉斯變換增強后的圖像直方圖3d）較原圖像的直方圖3b）稍微均勻化了，增強后的圖3c）較原圖3a）可以很清晰地看出圖像中顆粒邊緣處凸顯出來了，但增強后的圖像引入了噪聲，這也是拉普拉斯變換的弊端。

4 ?圖像增強新算法

在文中分別介紹了幾種增強方法獨自對圖像進行增強處理的效果，但都多少存在一定的缺陷?，F(xiàn)綜合上述幾種方法在圖像增強上的優(yōu)勢，并將其結(jié)合組成新算法對圖像進行增強處理。新算法流程圖如圖4所示。

運用新算法對圖像進行增強處理的結(jié)果圖如圖5所示。由圖5可以看出新算法對圖像進行增強處理后，圖5c）的整體顏色對比度較原圖5a）有較大提升，顆粒邊緣也可較好區(qū)分開來，且新算法增強后的直方圖5d）較原圖像直方圖5b）灰度分布更加均勻。與運用單一增強算法增強后的圖形綜合對比可看出新算法增強效果更明顯。

為了客觀說明新算法增強更加有效，現(xiàn)分別從圖像均值、均方差以及對比度增強系數(shù)3個評價參數(shù)對幾種增強方法進行比較，其結(jié)果如表1所示。

由表1中參數(shù)比較可以看出：

1） 在圖像均值上只有直方圖雙向均衡化和本文新算法有較大增加，分別提高約為25%和30%，說明圖像亮度提升較好;

2） 在均方差數(shù)值上除高頻提升濾波外其余方法都有較高提升，尤其是本文新算法較原圖在數(shù)值上提升了8倍，說明本文新算法將圖像顏色分布范圍擴大了，即圖像中各顆粒更好區(qū)分開了;

3） 在對比度增強系數(shù)中，根據(jù)圖像的對比度增強效果可以看出直方圖雙向均衡化和本文新算法在此項數(shù)據(jù)提高約為100%和84%，都有較大增加，直方圖雙向均衡化在對比度增強上效果更好。綜合比較這幾項數(shù)據(jù)可以得出本文新算法在圖像整體增強處理上的效果優(yōu)于其他三種算法，充分說明了本文新算法在圖像增強上具有較為明顯的優(yōu)勢。

5 ?結(jié) ?語

本文針對工業(yè)現(xiàn)場環(huán)境拍攝的顆粒圖像，綜合圖像增強中的空域增強和頻域增強對其進行圖像增強處理，并對比直方圖雙向均衡化、高頻提升濾波、拉普拉斯變換單獨對其進行增強處理的效果。結(jié)果表明，相較于單一運用前面的方法對圖像進行增強處理，本文新算法對圖像進行增強處理后，圖像整體對比度較原圖有明顯提升，圖像中顆粒邊緣細節(jié)部分明顯突出，說明新算法增強效果更明顯。但由于目前沒有特定的標準來衡量圖像增強效果的好壞，本文采用對比圖像直方圖灰度分布情況以及幾項圖像參數(shù)來做進一步說明，可得出新算法對圖像進行增強處理的效果更好。但是由圖像可以看出，新算法在噪聲處理上還有待改善。

參考文獻

[1] 趙峰博.燒結(jié)礦組成和結(jié)構(gòu)對燒結(jié)礦質(zhì)量的影響[J].科技與創(chuàng)新，2016（1）：85.

ZHAO Fengbo. Influence of sinter composition and structure on sinter quality [J]. Science and Technology & innovation， 2016（1）： 85.

[2] 張忍德，呂學(xué)偉，黃小波，等.鐵礦粉接觸角的測試及影響因素分析[J].鋼鐵研究學(xué)報，2012，24（12）：57?62.

ZHANG Rende， L? Xuewei， HUANG Xiaobo， et al. Measurement and influencing factors on contact angle of iron ore powders [J]. Journal of iron and steel research， 2012， 24（12）： 57?62.

[3] 王殿偉，王晶，許志杰，等.一種光照不均勻圖像的自適應(yīng)校正算法[J].系統(tǒng)工程與電子技術(shù)，2017，39（6）：1383?1390.

WANG Dianwei， WANG Jing， XU Zhijie， et al. Adaptive correction algorithm for non?uniform illumination images [J]. Systems engineering and electronics， 2017， 39（6）： 1383?1390.

[4] SHIN Y， JEONG S， LEE S. Efficient naturalness restoration for non?uniform illumination images [J]. IET image processing，2015， 9（8）： 662?671.

[5] 李宗妮，吳偉民，林志毅.一種采用改進蟻獅優(yōu)化算法的圖像增強方法[J].計算機應(yīng)用研究，2018，35（4）：1258?1260.

LI Zongni， WU Weimin， LIN Zhiyi. Image enhancement method based on improved antlion optimization algorithm [J]. Application research of computers， 2018， 35（4）： 1258?1260.

[6] 劉生東，劉佳琪，張雪峰，等.基于亮度自適應(yīng)調(diào)整的低對比度紅外圖像增強算法[J].導(dǎo)彈與航天運載技術(shù)，2017（5）：74?76.

LIU Shengdong， LIU Jiaqi， ZHANG Xuefeng， et al. A low contrast infrared image enhancement algorithm based on luminance adaptive adjustment [J]. Missiles and space vehicles， 2017（5）： 74?76.

[7] 才娟.圖像處理在珍珠粒度檢測中的應(yīng)用研究[D].桂林：桂林理工大學(xué)，2007.

CAI Juan. Application research of image processing in pearl particle size detection [D]. Guilin： Guilin University of Technology， 2007.

[8] 王獻禮，張永雙，曲永新，等.基于數(shù)字圖像處理技術(shù)的冰川堆積物粒度分析：以川西貢嘎山冰川堆積物為例[J].地質(zhì)通報，2010，29（2）：469?475.

WANG Xianli， ZHANG Yongshuang， QU Yongxin， et al. Grain size analysis of glacial deposits based on digital image processing technology [J]. Geological bulletin of China， 2010， 29（2）： 469?475.

[9] ABBOOD A A， SULONG G， PETERS S U. A review of fingerprint image pre?processing [J]. Jurnal teknologi （Sciences & engineering）， 2014， 69（2）： 79?84.

[10] KHAN T M， KHAN M A U， KONG Y. Fingerprint image enhancement using multi?scale DDFB based diffusion filters and modified Hong filters [J]. Optik， 2014， 125（16）： 4206?4214.

[11] 周崢.圖像增強算法及應(yīng)用研究[D].北京：北京工業(yè)大學(xué)，2012.

ZHOU Zheng. Image enhancement algorithm and its application research [D]. Beijing： Beijing University of Technology， 2012.

[12] 吳強，王新賽，賀明，等.一種結(jié)合小波分析與直方圖的紅外圖像增強方法[J].應(yīng)用光學(xué)，2011，32（3）：464?467.

WU Qiang， WANG Xinsai， HE Ming， et al. Infrared image enhancement based on wavelet analysis and histogram [J]. Journal of applied optics， 2011， 32（3）： 464?467.

[13] RAJAVEL P. Image dependent brightness preserving histogram equalization [J]. IEEE transactions on consumer electronics， 2010， 56（2）： 756?763.

[14] TAN T L， SIM K S， TSO C P. Image enhancement using background brightness preserving histogram equalization [J]. Electronics letters， 2012， 48（3）： 155?157.

[15] 關(guān)雪梅.基于頻域的圖像增強技術(shù)研究[J].廊坊師范學(xué)院學(xué)報（自然科學(xué)版），2012，12（2）：27?28.

GUAN Xuemei. Study on image enhancement technique based on frequency domain [J]. Journal of Langfang Teachers University （Natural science edition）， 2012， 12（2）： 27?28.