0 引言

    電潤濕電子紙顯示器是反射型顯示器,，利用環(huán)境光即可顯示,，具有響應速度快、對比度高,、功耗低等優(yōu)點^[1-5]。然而，目前電潤濕電子紙顯示屏受驅(qū)動芯片和驅(qū)動方式等限制,，無法直接顯示高灰度圖像,，若直接取圖像高位數(shù)據(jù)，舍去低灰階數(shù)據(jù),，將造成圖像對比度,、視覺信息損失，為解決這個問題,，可采用色調(diào)映射算法,，把圖像映射到一個新動態(tài)范圍，以提高圖像對比度^[6-8],。DRAGO F等^[9]模擬人類對光的反應,，根據(jù)每個像素亮度自適應調(diào)整對數(shù)基，使圖像細節(jié)和對比度保持良好,。TAN J等^[10]將圖像分成幾個相同大小的塊,，利用雙邊濾波提取細節(jié)層，實現(xiàn)塊映射融合對數(shù)映射,。DURAND F等^[11]利用快速雙邊濾波將高動態(tài)范圍圖像分為基本層和細節(jié)層,，保留細節(jié)并降低動態(tài)范圍。陳文藝等^[12]在亮度域使用對數(shù)壓縮和限制對比度自適應直方圖均衡化算法,，轉(zhuǎn)換到色彩域后采用色彩恢復和色彩增強算法,，可有效降低色彩失真。WANG J等^[13]提出一種局部自適應雙邊濾波器,，根據(jù)像素亮度值自適應調(diào)整對數(shù)基,，實現(xiàn)高亮度范圍壓縮，在暗區(qū)具有良好對比度和細節(jié),。李大軍等^[14]提出一種基于參數(shù)估計的雙邊濾波Retinex圖像增強算法,，可有效保留邊緣信息,，抑制光暈現(xiàn)象,。THAI B C等^[15]使用分段線性函數(shù)，根據(jù)人類視覺的感知量化調(diào)整低動態(tài)范圍圖像像素分布,，同時保留了更多圖像信息,。劉朝濤等^[16]利用形態(tài)學方法對原始圖像增強，提高對比度,，并對圖像進行光照補償,，改善因光照不均引起的色彩改變。DUAN J等^[17]在局部區(qū)域中使用基于灰度直方圖的色調(diào)映射算子對圖像分割,，調(diào)整自適應對比度,，利用固定參數(shù)值對多種圖像具有良好映射效果,。

    眾所周知，電潤濕電子紙顯示器的顯示亮度與驅(qū)動電壓之間呈非線性關(guān)系^[18-20],，這樣導致在不同的初始狀態(tài)下,，相同電壓、相同時間長度的驅(qū)動脈沖作用下帶來的亮度變化是不同的,，可能會導致圖像失真,、細節(jié)丟失等問題。因此,，為實現(xiàn)電潤濕顯示器的精準調(diào)制,，必須對其亮度進行校正。

    基于上述問題,，本文根據(jù)人眼對亮度的變化接近于對數(shù)關(guān)系,，把原始圖像的范圍映射到一個符合人眼視覺特性的低動態(tài)范圍,，再對映射后圖像進行亮度局部線性拉伸,，使得輸出圖像既能較好地保留更多輪廓細節(jié),，又能提高整體對比度,，提升可視化效果,。

1 基于人眼視覺特性的分層映射算法

    本文算法基本流程圖如圖1所示。利用雙邊濾波對輸入圖像進行分層,，得到基本層和細節(jié)層,，對基本層圖像進行基于對數(shù)圖像處理模型(Logarithmic Image Processing,，LIP)的Lee圖像增強,，實現(xiàn)亮度預處理；再基于人眼視覺特性,，對圖像進行分區(qū)對數(shù)映射，以適應人眼在不同程度的亮度區(qū)域內(nèi)對亮度的感知,；然后與細節(jié)層加權(quán)融合為輸出圖像,；最后進行電潤濕顯示器的亮度局部線性拉伸，實現(xiàn)精準調(diào)制,。

1.1 基于LIP模型的圖像增強算法

    對輸入圖像進行濾波處理,，得到基本層和細節(jié)層。其中,，基本層主要對應圖像低頻信息,，細節(jié)層主要包含圖像高頻信息,。圖像分層過程如式(1)和式(2)所示：

1.2 基于人眼視覺的亮度映射

1.2.1 基于人眼視覺的圖像分區(qū)

    引入背景強度B(x，y)和梯度信息G(x,，y),，如式(4)和式(5)所示,。

1.2.2 分區(qū)對數(shù)映射

    基于人眼視覺的研究,，顯示給人眼看的亮度值L_d和場景亮度值L_w之間存在如式(13)所示的映射關(guān)系。

式中,，Y_w為圖像R′(x,，y)每個像素的亮度值，Y_wmax為Y_w取值集合中的最大值,，Y_world為場景適應亮度,；N是圖像R′(x,，y)像素的總數(shù),；δ為很小的值，一般取0.000 1,。

    以對數(shù)映射為基礎(chǔ),，進行分區(qū)對數(shù)映射。LD和WS區(qū)映射分別如式(17)和式(18),，L_d1,、L_d2分別為LD和WS區(qū)映射后亮度值。對不同區(qū)選取不同對數(shù)底數(shù),，以符合亮度映射需求,。在低對比度和德弗里斯區(qū)，對數(shù)底數(shù)為2,，可增強對比度和亮度,；k，q∈(1,，+∞),，選用較大的k、q可有效維持細節(jié),，保證暗區(qū)細節(jié)可見性,。在韋伯和飽和區(qū)，為避免單一底數(shù)的過度壓縮,，引入如式(19)所示的偏置冪函數(shù)使對數(shù)底數(shù)自由可調(diào),，本文b=0.85，在壓縮W和S區(qū)的同時不丟失較暗部分細節(jié),。

1.2.3 加權(quán)融合

    對映射后的子圖像L_d1和L_d2進行合并,，得到區(qū)域合并后圖像亮度L_B′(x,，y)，如式(20)所示,。最后將L_D(x,，y)和L_B′(x，y)加權(quán)融合為輸出圖像T(x,，y),，如式(21)所示。

式(21)中,，p₁∈[0.7,，1]，p₂=1.1,。式(20)中,，ρ_LD、ρ_ws分別為兩個區(qū)域在局部范圍內(nèi)所占比重,。

1.3 亮度校正

    如圖2所示,，電潤濕顯示器的相對亮度與驅(qū)動電壓呈非線性關(guān)系。由圖2可知,，當施加電壓低于10 V時,，像素亮度基本不變，即像素為關(guān)閉狀態(tài),；當施加電壓高于10 V時,，像素亮度開始變化，亮度在25~40 V電壓之間的變化比10~25 V電壓之間的變化緩慢,，這樣使得在不同初始狀態(tài)下,，相同電壓、相同時間長度的驅(qū)動脈沖作用下帶來的反射率變化不同,，將會導致圖像信息丟失等問題,。因此，必須對25~40 V電壓之間的顯示特性進行校正,。

    利用式(23)對電潤濕顯示器件進行亮度校正,，得到的輸入圖像數(shù)據(jù)對應的輸出圖像數(shù)據(jù)如表 1所示。由表1可知,，輸入圖像數(shù)據(jù)為1110對應的歸一化電壓為0.725,，歸一化亮度為0.953 48，經(jīng)線性拉伸后,，歸一化亮度為0.799 25,，輸出圖像數(shù)據(jù)為1100。

2 結(jié)果與分析

2.1 分區(qū)對數(shù)映射仿真結(jié)果與分析

    圖像質(zhì)量評價方法主要有視覺比較和客觀評價。視覺比較是用人眼直接觀察,，大腦根據(jù)主觀意識得到相關(guān)結(jié)論,。客觀評價方法主要有熵值(Entropy),、均方根誤差(MSE),、峰值信噪比(PSNR)、整體圖像質(zhì)量(UIQI),、結(jié)構(gòu)相似度(SSIM)等^[25],。本文選用熵值、峰值信噪比,、結(jié)構(gòu)相似度,、整體圖像質(zhì)量來評價圖像質(zhì)量,。

    本文選取一些數(shù)字圖像處理經(jīng)典圖像進行實驗,，利用直方圖校正映射，基于Retinex的映射算法與本文算法的結(jié)果對比,。實驗基于MATLAB2017平臺開發(fā)環(huán)境實現(xiàn),。

2.1.1 主觀評價

    Lena、Peppers,、Sunset_sparrow不同算法效果圖分別如圖3,、圖4和圖5所示。

    圖3(b),、圖4(b)和圖5(b)為直方圖校正映射算法處理結(jié)果,，Lena的帽子亮度值較大的部分細節(jié)丟失，不易分辨亮處細節(jié),；Peppers亮度不均勻,；Sun-sparrow部分過亮，造成樹枝暗處細節(jié)丟失,。圖3(c),、圖4(c)和圖5(c)為基于Retinex的映射算法處理結(jié)果，Lena圖像整體過暗,，頭發(fā)細節(jié)部分失真,；Peppers圖像不自然，出現(xiàn)過增強或過壓縮現(xiàn)象,；sparrow和樹枝邊緣均出現(xiàn)了明顯的“光暈”現(xiàn)象,。圖3(d)、圖4(d)和圖5(d)為本文算法處理結(jié)果,，保留Lena圖像大部分細節(jié),；Peppers整個圖像較為真實，明暗過渡自然,，適合人眼觀察,；sparrow邊緣避免了“光暈”現(xiàn)象,，且樹枝輪廓清晰，保留了圖像對比度,。本文算法使得圖像較暗部分細節(jié)在映射后清晰可見,，較亮部分在映射后較好地壓縮了動態(tài)范圍，能保持幾乎所有可視細節(jié)信息,，圖像整體視覺效果比較和諧,。

2.1.2 客觀評價

    熵用于衡量圖像信息豐富程度，如式(24)所示,，其中p(x_i)為灰度級xi的累積頻率,。當灰度級發(fā)生“吞噬”現(xiàn)象時，圖像的信息量即“熵值”是減小的,。

    峰值信噪比反映圖像清晰度,，如式(25)所示，其中S為像素最大灰度值,。m,、n為圖像長和寬，L(x,，y),、T(x，y)為原圖像和映射后圖像,，PSNR值越大說明映射后圖像質(zhì)量越好,。

    結(jié)構(gòu)相似度通過比較圖像結(jié)構(gòu)信息的改變考慮圖像的失真，得到客觀質(zhì)量評價,，如式(26)所示,，μ_L、μ_T分別為原圖像和映射后圖像的均值,，σ_L,、σ_T分別為原圖像和映射后圖像的方差，σ_LT為原圖像和映射后圖像的協(xié)方差,，c₁,、c₂、c₃為常數(shù),。SSIM值越大說明映射后圖像質(zhì)量越好,。

    整體圖像質(zhì)量從相關(guān)性、亮度和對比度失真考慮圖像失真度,，UIQI為1,，則原圖像與映射后圖像一致。UIQI值越接近1，映射后圖像質(zhì)量越好,，如式(27)所示：

    本文采用以上4種方法,，結(jié)果如表2所示。由表2可知,，Lena,、Peppers、Sunset_sparrow原圖像的熵分別為7.449 7,、7.593 5,、7.498 3，本文算法的Entropy值均略高于直方圖校正映射,、基于Retinex的映射,，減少了圖像“吞噬”現(xiàn)象，熵值與原圖像更為接近,。經(jīng)統(tǒng)計,，本文算法相對于直方圖校正映射，Lena,、Peppers和Sunset_sparrow 圖像PSNR值分別提高了33.95%,、21.29%、45.21%,，SSIM值分別提高了12.2%、7.77%,、12.99%,，UIQI值分別提高了19.48%、14.26%,、27.28%,；相對于基于Retinex的映射，Lena,、Peppers和Sunset_sparrow 圖像PSNR值分別提高了63.23%,、47.8%、50.09%,，SSIM值分別提高了43.05%,、24.03%、21.69%,，UIQI值分別提高了65.36%,、50.03%、41.19%,。指標參數(shù)結(jié)果與圖片仿真結(jié)果的分析吻合,，說明本文分區(qū)對數(shù)映射算法較好，更加注重人眼視覺，壓縮圖像亮度范圍的同時較好地增強了細節(jié)信息,。

2.2 亮度校正結(jié)果與分析

    將本文提出的亮度局部線性拉伸方法應用到電潤濕電子紙顯示系統(tǒng)上,，測試用的電潤濕顯示屏分辨率為1 024×768。測試方法是在PC端通過亮度校正模塊將輸出數(shù)據(jù)傳輸?shù)诫姖櫇耠娮蛹堬@示系統(tǒng),，然后用亮度計測量顯示面板的中間區(qū)域,，共測量15次不同輸出數(shù)據(jù)下的面板亮度，最后對15次測量數(shù)據(jù)取平均值,。校正后結(jié)果如圖6所示,，由圖可知，亮度校正后,，25~40 V電壓段的電壓與亮度曲線的關(guān)系接近線性,。

2.3 實際測試

    將本文所提出的方法在電潤濕顯示屏上顯示。圖7(a)為原始圖像在電潤濕顯示屏上的效果圖,，圖7(b)為映射后的效果圖,，圖7(c)為亮度校正后的效果圖，圖7(d)為映射＋亮度校正后的效果圖,。

    由圖7可以看到,，原圖整體對比度不高，尤其是頭發(fā)部分的細節(jié)丟失,，輪廓模糊不清,；經(jīng)映射后，帽蓋和頭發(fā)細節(jié)增多,，符合人眼在不同程度的亮度區(qū)域?qū)α炼鹊母兄?；?jīng)亮度校正后，鼻唇溝可明顯觀察到,，Lena圖對比度提高,；經(jīng)映射+亮度校正后，提高了圖像整體對比度,，頭發(fā)細節(jié)增多,，輪廓清晰。

3 結(jié)論

    本文提出一種基于人眼視覺的電潤濕電子紙圖像分層映射技術(shù),。利用雙邊濾波將圖像分解為基本層和細節(jié)層,，基于LIP模型的Lee增強算法對基本層進行亮度增強，并根據(jù)韋伯-費希納定律分區(qū),，實現(xiàn)分區(qū)對數(shù)映射,，與細節(jié)層加權(quán)融合為輸出圖像，同時對電潤濕顯示器亮度進行局部線性拉伸,。結(jié)果表明,，本文算法的熵值與原圖像更為接近,。圖像評價指標PSNR、SSIM和UIQI值相較于直方圖校正映射,，分別提高了約0.2~0.4,，0.07~0.1，0.1~0.2,；相較于基于Retinex的映射,，分別提高了約0.4~0.6，0.2~0.4,，0.4~0.6,。最終在電潤濕電子紙上顯示的圖像邊界、紋理等細節(jié)增加,，校正后的電壓與亮度關(guān)系更接近線性,，對比度提高，整體視覺效果較好,。

參考文獻

[1] HAYES R A,，F(xiàn)EENSTRA B J.Video-speed electronic paper based on electrowetting[J].Nature，2003,，425(6956)：383.

[2] 易子川,，曾磊，周瑩,，等.電潤濕電子紙多級灰階研究與設(shè)計[J].華南師范大學學報(自然科學版),，2018，49(6)：17-23.

[3] 唐彪,，趙青,，周敏，等.印刷電潤濕顯示技術(shù)研究進展[J].華南師范大學學報(自然科學版),，2016，48(1)：1-8.

[4] YI Z,，SHUI L,，WANG L，et al.A novel driver for active matrix electrowetting displays[J].Displays,，2015,，37：86-93.

[5] YOU H，STECKL A J.Three-color electrowetting display device for electronic paper[J].Applied Physics Letters,，2010,，97(2)：023514.

[6] 歐海燕，郭太良,，姚劍敏,，等.基于分層色調(diào)映射的LED背光調(diào)制算法[J].液晶與顯示,，2011，26(2)：246-249.

[7] 蘆碧波,，皇甫珍珍,，郭凱，等.基于雙邊濾波的多尺度分層色調(diào)映射算法[J].液晶與顯示,，2018,，33(9)：816-822.

[8] 孫晨康.基于雙邊濾波的高動態(tài)范圍圖像映射算法研究與實現(xiàn)[D].西安：西安電子科技大學，2015.

[9] DRAGO F,，MYSZKOWSKI K,，ANNEN T，et al.Adaptive logarithmic mapping for displaying high contrast scenes[J].Computer Graphics Forum,，2003,，22(3)：419-426.

[10] TAN J，HUANG Y,，WANG K.Logarithmic tone mapping algorithm based on block mapping fusion[C].2018 International Conference on Audio,Language and Image Processing(ICALIP).IEEE,，2018：168-173.

[11] DURAND F，DORSEY J.Fast bilateral filtering for the display of high-dynamic-range images[C].ACM Transactions on Graphics(TOG),，2002,，21(3)：257-266.

[12] 陳文藝，張龍,，楊輝.HDR圖像色調(diào)映射的自適應色彩調(diào)節(jié)算法[J].電子技術(shù)應用,，2018，44(11)：107-110.

[13] WANG J,，XU D,，LANG C，et al.An adaptive tone mapping method for displaying high dynamic range images[J].Journal of Information Science and Engineering,，2010,，26(3)：977-990.

[14] 李大軍，杜神斌,，郭丙軒,，等.自適應雙邊濾波的Retinex圖像增強算法[J].電子技術(shù)應用，2018,，44(3)：117-121.

[15] THAI B C,，MOKRAOUI A，MATEI B.Contrast enhancement and details preservation of tone mapped high dynamic range images[J].Journal of Visual Communication and Image Representation,，2019,，58：589-599.

[16] 劉朝濤，張雪佼.基于圖像處理的疲勞駕駛預警研究[J].電子技術(shù)應用,，2019,，45(8)：104-108.

[17] DUAN J,，BRESSAN M，DANCE C,，et al.Tone-mapping high dynamic range images by novel histogram adjustment[J].Pattern Recognition,，2010，43(5)：1847-1862.

[18] CHIU Y H,，LIANG C C,，CHEN Y C，et al.Accurate-gray-level and quick-response driving methods for high-performance electrowetting displays[J].Journal of the Society for Information Display,，2011,，19(11)：741-748.

[19] LUO Z J，ZHANG W N,，LIU L W,，et al.Portable multigray scale video playing scheme for high-performance electrowetting displays[J].Journal of the Society for Information Display，2016,，24(6)：345-354.

[20] SURESHKUMAR P,，BHATTACHARYYA S S.Display applications of electrowetting[J].Journal of Adhesion Science and Technology，2012,，26(12-17)：1947-1963.

[21] NAVARRO L,，DENG G，COURBEBAISSE G.The symmetric logarithmic image processing model[J].Digital Signal Processing,，2013,，23(5)：1337-1343.

[22] BAOPING W，JIANJUN M A,，ZHAOXUAN H A N,，et al.Adaptive image enhancement algorithm based on fuzzy entropy and human visual characteristics[J].Journal of Systems Engineering and Electronics，2018,，29(5)：1079-1088.

[23] 馮清枝,，王丹.基于LIP模型和CLAHE的低照度圖像增強算法[J].光電技術(shù)應用，2018,，33(5)：31-36.

[24] PANETTA K A,，WHARTON E J，AGAIAN S S.Human visual system-based image enhancement and logarithmic contrast measure[J].IEEE Transactions on Systems,，Man，and Cybernetics,，Part B(Cybernetics),，2008，38(1)：174-188.

[25] 褚江,，陳強,，楊曦晨.全參考圖像質(zhì)量評價綜述[J].計算機應用研究,，2014，31(1)：13-22.

作者信息:

李甜甜1,，2,，林珊玲1，2,，林志賢1,，2，郭太良1,，2,，唐  彪3

(1.福州大學 平板顯示技術(shù)國家地方聯(lián)合工程實驗室，福建 福州350116,；

2.福州大學 物理與信息工程學院,，福建 福州350116；

3.華南師范大學 華南先進光電子研究院 廣東省光信息材料與技術(shù)重點實驗室,，廣東 廣州510006)