??? 摘 要: 在分析現(xiàn)有彩色圖像" title="彩色圖像">彩色圖像增強算法的基礎(chǔ)上,按照視覺心理感知特性選擇HSV色彩空間,,并在此空間提出了新的彩色圖像增強" title="圖像增強">圖像增強算法,保持色調(diào)不變,,從而保證了沒有顏色的失真或偏移,。實驗證明,經(jīng)本文算法增強后的彩色圖像畫面更清晰,、層次感更強,、色彩也更加豐富,達(dá)到了預(yù)期的目的,。
??? 關(guān)鍵詞: 彩色圖像? 色彩空間? 視覺特性? 局部相關(guān)系數(shù)
?
??? 目前數(shù)字圖像增強技術(shù)主要用于灰度圖像,,通過采用一些技術(shù)手段修正圖像的灰度分布,以達(dá)到增強圖像對比度和清晰度的目的。然而在現(xiàn)實世界中,,人們面對的大多是彩色圖像,,所以現(xiàn)在關(guān)于彩色圖像增強技術(shù)的研究也越來越多,。與灰度圖像相比,彩色圖像包含著更加豐富的色彩信息,。彩色圖像增強主要是對其亮度,、色彩等信息進(jìn)行修正,使得增強后的圖像更加生動,、細(xì)節(jié)更加明顯,、色彩更加鮮艷,同時又要確保沒有顏色的失真或偏移,。
??? 現(xiàn)有的彩色圖像增強算法根據(jù)顏色空間的不同大致可分為兩類:
??? (1)基于RGB顏色空間的增強算法,。該類算法主要有R、G,、B單色通道二維直方圖均衡" title="直方圖均衡">直方圖均衡,、直方圖規(guī)定以及三維直方圖均衡[1-3]。實驗表明,,在RGB顏色空間進(jìn)行直方圖均衡可以增強圖像亮度,,但是卻容易導(dǎo)致顏色的失真。這主要是因為這類算法是單獨地作用于R,、G,、B各個分量,而沒有考慮彩色圖像R,、G,、B各個分量之間的相關(guān)性。大量人眼色彩感知較好的圖像,其RGB三分量中,,R和G,、R和B、B和G的相關(guān)系數(shù)分別為:要是把彩色圖像從RGB顏色空間變換到其他的顏色空間,,如HSV,、La*b*等空間,表示亮度的信息分量(如HSV空間的V分量,,La*b*空間的L分量)和表示飽和度" title="飽和度">飽和度的信息分量(如HSV空間的S分量)為Crg=0.848,、Crb=0.704、Cbg=0.884[4],,這說明彩色圖像的R,、G、B三個分量之間存在著很強的相關(guān)性,,改變像素的任一分量都會改變R,、G、B三個分量的比例,使得圖像產(chǎn)生顏色的失真或偏移,。
??? (2)基于變換空間的彩色圖像增強算法,。對這類算法主要的S分量(La*b*空間的a*/b*分量)進(jìn)行處理,。本文在對顏色空間研究的基礎(chǔ)上,,合理地選擇了HSV顏色空間,根據(jù)人眼視覺對亮度和顏色敏感性不同提出一種基于人眼視覺特性的彩色圖像增強算法,。實驗證明,,增強后的彩色圖像細(xì)節(jié)更加清晰、色彩更加豐富鮮艷,。
1 HSV彩色空間
??? 彩色圖像在計算機中,,一般采用RGB空間來表示。彩色圖像的R,、G,、B三基色之間存在很強的相關(guān)性,改變像素的任一分量都會導(dǎo)致顏色的失真或偏移[5],。通常彩色圖像處理" title="圖像處理">圖像處理是將彩色圖像經(jīng)過色彩空間變換,,從相關(guān)性很強的RGB色彩空間變換到相關(guān)性不強的色彩空間。
??? 從心理學(xué)的角度來看,,顏色有三個要素:色調(diào),、飽和度和亮度。HSV顏色模型就是基于人眼對顏色的心理感受這一因素而轉(zhuǎn)換成的,,因此比較符合人的視覺感受,。其立體模型如圖1所示。圖中,,軸向表示亮度,,自上而下由白變黑;徑向表示色飽和度,,自內(nèi)向外逐漸變高,,即顏色越來越純;圓周方向,,則表示色調(diào)的變化,,形成色環(huán),紅,、黃,、綠、青,、藍(lán)和洋紅六個標(biāo)準(zhǔn)色分別相隔60°,。其中,HSV和RGB之間各分量轉(zhuǎn)換關(guān)系如式(1)~式(3):
???????????????????????????
??? 還有其他的顏色空間,如YIQ,、Lab等[4],。這些顏色空間中,也是其中一個分量表示亮度,,其余的兩個是色度分量(YIQ中的I,、Q,Lab中的a,、b),。實驗證明,HSV顏色空間對于彩色圖像增強是一種較好的選擇[5],。由于HSV顏色空間的三個分量相關(guān)性很小,,改變?nèi)我环至繉ζ溆喾至坑绊懞苄。虼?,可以對H,、S、V各個分量采用獨立的方法進(jìn)行處理,。本文在保持色調(diào)分量H不變的前提下,,對亮度分量V和飽和度分量S采用不同的方法進(jìn)行增強。增強后的彩色圖像細(xì)節(jié)更加清晰,、色彩更加鮮艷,、而且沒有產(chǎn)生顏色的失真或偏移。
2 基于自適應(yīng)飽和度反饋的亮度增強算法
??? 由于飽和度分量包含了大量的圖像細(xì)節(jié)[6],,因此在進(jìn)行彩色圖像增強時,,應(yīng)該充分利用飽和度分量,而且圖像顏色的飽和程度也會直接影響到圖像的亮度,。根據(jù)這一理論,,Thomas等提出了基于飽和度分量反饋的自適應(yīng)亮度增強算法[7],該算法的表示式為:
???
式中,,V,、S分別表示原始圖像的亮度分量和飽和度分量,Venh表示增強后圖像的亮度分量,,k1和k2是實數(shù),,ρ(x,y)是V,、S的局部相關(guān)系數(shù),,其定義如下:
???
??? 窗w同時作用于V和S,局部均值和局部方差的計算公式如式(6)和式(7),,的計算類似于式(6)和式(7),。
???
??? 該算法充分利用了彩色圖像亮度分量和飽和度分量的局部相關(guān)關(guān)系,,對亮度分量進(jìn)行自適應(yīng)調(diào)節(jié),能夠取得一定的效果,。當(dāng)k1<1時,,圖像的細(xì)節(jié)增強并不明顯;而當(dāng)k1>1時,,圖像的細(xì)節(jié)得到了明顯增強,,但是噪聲卻變得明顯了。顯然,,該算法對噪聲是很敏感的,。
3 新算法
??? 為了解決以上算法中所存在的缺陷,,本文提出改進(jìn)的新算法,。
??? 根據(jù)人眼對圖像平緩部分的噪聲比細(xì)節(jié)部分的噪聲更敏感這一視覺特性,可以使圖像的局部對比度在細(xì)節(jié)部分增加得大一些,,在平緩部分增加得小一些,,即讓式(4)中的參數(shù)k1與區(qū)域的空間變化率成正比。為此,,把Sobel算子作用于圖像的亮度分量,,得到亮度分量的梯度V(x,y):
???
??? 本文選擇Sobel算子是因為它具有平滑噪聲突出細(xì)節(jié)的作用[5],。定義|V(x,,y)|的最大值為MaxV,令:
??? ?
??? 對于飽和度分量S,,主要是調(diào)節(jié)它的動態(tài)范圍,。由于用于圖像獲取、打印和顯示的各種裝置是根據(jù)冪次規(guī)律進(jìn)行響應(yīng)的[5],,因此,,本文采用冪次變換對飽和度分量進(jìn)行直方圖拉伸,其數(shù)學(xué)模型為:
???
式中,,S是原圖像的飽和度分量,,Senh是伽瑪校正后的飽和度分量,γ是拉伸因子,,決定飽和度分量的飽和程度,。
??? 本文算法實現(xiàn)彩色圖像增強的步驟如下:
??? (1)將圖像從RGB顏色空間變換到HSV顏色空間。
??? (2)保持色調(diào)H分量不變,,用式(9)對亮度分量進(jìn)行自適應(yīng)增強,,同時用式(10)對飽和度分量進(jìn)行直方圖拉伸。
??? (3)將H,、S,、V分量重構(gòu)成HSV顏色空間圖像,,然后變換到RGB顏色空間,并顯示,。
4 實驗結(jié)果
??? 實驗過程中,,把改進(jìn)的自適應(yīng)亮度增強算法和對飽和度分量的直方圖拉伸應(yīng)用到彩色圖像增強中。實驗證明,,經(jīng)本文算法增強后的彩色圖像能達(dá)到良好的效果,。圖2是本文算法和其他彩色圖像增強算法的比較。
??? 其中,,圖2(b)是在RGB顏色空間對R,、G、B三個通道分別采用常規(guī)的直方圖均衡,,但處理后的圖像產(chǎn)生了嚴(yán)重的顏色失真,。圖2(c)是采用參考文獻(xiàn)[7]中基于自適應(yīng)飽和度分量反饋的亮度增強算法得到的效果圖,其中窗的大小為3×3,,k1=k2=2,。從圖中可以看到,圖像細(xì)節(jié)得到了明顯增強,,但是噪聲也得到了增強,,其天空中的噪聲尤其明顯。這主要是因為,,系數(shù)k1同時作用于圖像的細(xì)節(jié)和噪聲,,沒有考慮人眼的視覺特性,使得在增強圖像細(xì)節(jié)的同時也增強了噪聲,。圖2(d)是用本文算法增強后的效果圖,,窗的大小也是3×3,k1=4,,k2=0.5,,γ=0.77。與原圖相比色彩更加艷麗,,細(xì)節(jié)更加清晰,,視覺效果良好,達(dá)到了色彩增強的目的,。圖3 為圖2(d)增加了比例系數(shù)K(x,,y)的效果圖,k1=4.0,,其中白色區(qū)域的K(x,,y)值大于0.7。從圖3中可以看出,,圖像邊緣部分K值較大,,細(xì)節(jié)得到了明顯增強,;而平緩部分K值較小,有效抑制了噪聲,。本文算法通過增加比例函數(shù)K(x,,y),自適應(yīng)地調(diào)節(jié)圖像亮度分量,,對圖像細(xì)節(jié)部分增加得大一些,,對平緩部分增加得小一些,達(dá)到了強化細(xì)節(jié),、抑制噪聲的目的,,取得了較好的效果。
?
??? 本文在保持圖像色調(diào)分量不變的前提下,,根據(jù)人眼對圖像平緩部分的噪聲比細(xì)節(jié)部分的噪聲更敏感這一視覺特性,,提出了基于人眼視覺特性的自適應(yīng)彩色圖像增強算法。實驗證明,,經(jīng)本文算法增強后的彩色圖像不僅更加清晰,,同時也更加生動,、鮮艷,。在彩色圖像處理過程中面臨一個共同的問題,即在對圖像各個分量(如H,、S,、V分量)進(jìn)行處理時,會有一些值超出0~1這個動態(tài)范圍[8],,對該問題的解決會直接影響到處理效果,。本文采取把小于0的值置為0、把大于1的值置為1的方法,,取得了良好的效果,。隨著彩色圖像的廣泛應(yīng)用,需要一種真正的彩色圖像增強算法,,使得增強后圖像色彩更豐富,、細(xì)節(jié)更清晰、無噪聲,、無人造現(xiàn)象,,這也是今后彩色圖像處理算法研究的方向。
參考文獻(xiàn)
[1] LEDLEY R S,,BUAS M,GOLAB T J.Fundamentals of truecolor image processing[C]//Pattern cognition.Proceedings?of the 10th International Conference.1990,,1:791-795.
[2] ZHANG Q,MLSNA P A,,RODRIGUEZ J J.A recursive?technique for 3-D histogram enhancement of color images[C]
//Image Analysis and Interpretation.Proceedings of the IEEE Southwest Symposium,,1996:218-223.
[3] TRAHANIAS P E,,VENETSANOPOULOS A N.Color image?enhancement through 3-D histogram equalization[C]//Pattern Recognition.Proceedings of the 11th IAPP International?Conference,1992,,3:545-548.
[4] SINDOUKAS D,,ECONOMOU G,IFANTIS A,, et al.Color?image enhancement using local density function estimators[c]//digital signal processing.Proceedings of the 13th International Conference,,1997,2:551-554.
[5] 岡薩雷斯著,,阮秋琦譯.數(shù)字圖像處理[M]第二版.北京:電子工業(yè)出版社,,2005.
[6] STRICKLAND R N,KIM C S,,MCDONNELL W F.Digital?color image enhancement based on the saturation component[J]. Optical Engineering,,1987,26(7):609-616.
[7] THMOAS B A,,STRICKLAND R N,HEFFERY J.Color image enhancement using spatially adaptive saturation feed-
back[C]//image processing.Proceedings of the IEEE Inter national Conference,,1997,3:30-33.
[8] NAIK S K,,MURTHY C A.Hue-preserving color image?enhancement without gamut problem[J].IEEE Transaction on
Image Processing,,2003,12(12):1591-1598.