一種基于邊緣保持的圖像增強(qiáng)算法?

李浩誼 馬春庭 朱小龍

（1.中國(guó)人民解放軍陸軍工程大學(xué)石家莊校區(qū) 石家莊 050003）（2.解放軍94701部隊(duì) 安慶 246000）

1 引言

在戰(zhàn)場(chǎng)環(huán)境中，因自然環(huán)境或人為的強(qiáng)電磁干擾存在，導(dǎo)致采集電路的電子元件引起噪聲，導(dǎo)致采集到的圖像質(zhì)量較差。因此，要對(duì)采集的圖像進(jìn)行增強(qiáng)預(yù)處理操作［1］。

圖像增強(qiáng)技術(shù)是根據(jù)特定的需要，將一幅圖像中的某些特征突顯出來(lái)，將某些不需要的特征過(guò)濾掉，達(dá)到改善圖像質(zhì)量和提高對(duì)比度的目的［2］。空域法和頻域法是主要的圖像增強(qiáng)算法。空域法有直方圖均衡化、偏微分方程圖像增強(qiáng)法和Retinex算法等。頻域法主要有傅里葉變換、小波變換和Contourlet變換等［3］。此外，還有基于模糊集合理論和基于遺傳算法的圖像增強(qiáng)技術(shù)［4］。

針對(duì)不同的應(yīng)用需求，需要使用相應(yīng)的圖像增強(qiáng)技術(shù)。在戰(zhàn)場(chǎng)環(huán)境下，因強(qiáng)烈的電磁干擾而生成的高斯白噪聲和椒鹽噪聲而引起的圖像對(duì)比度差、目標(biāo)細(xì)節(jié)不清晰的問(wèn)題，本文提出一種基于邊緣保持的圖像增強(qiáng)算法，能夠有效地提高圖像對(duì)比度和圖像質(zhì)量。從實(shí)驗(yàn)的結(jié)果可以看出，本文方法能有效地保持圖像的邊緣并且提高圖像的質(zhì)量。

2 基于邊緣保持的圖像平滑算法

傳統(tǒng)的方向平滑算法是通過(guò)計(jì)算待處理像素點(diǎn)各個(gè)方向上的灰度均值，在計(jì)算得出的灰度值中選取最小值作為待處理像素點(diǎn)的灰度值［5］。傳統(tǒng)算法假設(shè)每一像素點(diǎn)受噪聲影響最小的方向，其計(jì)算得出的灰度均值最小，因此將得出的最小灰度均值作為待處理像素點(diǎn)的灰度值，減少噪聲的影響。但該算法不能對(duì)復(fù)雜情況下的圖像噪聲進(jìn)行正確處理，如當(dāng)圖像中存在很強(qiáng)的椒鹽噪聲或者高斯噪聲時(shí)，該算法將噪聲點(diǎn)的灰度均值作為待處理像素點(diǎn)的灰度值，處理后的圖像質(zhì)量低，邊緣較模糊［6］。Kuwahara算法假設(shè)方差最小的區(qū)域受噪聲干擾最低，選取方差最小的鄰域均值作為待處理像素點(diǎn)的灰度值［7］。對(duì)此，本文結(jié)合Kuwahara算法，利用改進(jìn)的基于邊緣保持的圖像平滑算法［8］，降低噪聲帶來(lái)的不良影響，具體步驟如下：

1）使用8個(gè)方向的長(zhǎng)度為2的不包括像素原點(diǎn)的鄰域作為平滑區(qū)域進(jìn)行方向平滑，減少該點(diǎn)本身受到噪聲污染的可能性，利用如圖所示的卷積核來(lái)標(biāo)記這8個(gè)方向，利用灰度圖像I分別與這8個(gè)卷積核Ui（i=1～8）進(jìn)行卷積運(yùn)算，得到各個(gè)方向上的平滑后的圖像fi（i=1～8）。

圖1 8個(gè)方向的平滑算子

2）篩選受噪聲影響最小鄰域。在平滑后的圖像fi（i=1～8）中，設(shè)待處理的像素點(diǎn)受噪聲影響最小的區(qū)域?yàn)?θ ，平滑的區(qū)域?yàn)?ρ1～ρ8，由于噪聲在每個(gè)像素點(diǎn)表現(xiàn)出來(lái)的方差有微小的偏差，選取均方差控制閾值ε=0.5，受噪聲影響最小鄰域的判斷式如下所示［9］：

其中θ為受噪聲影響最小區(qū)域，σ[·]表示其均方差。

3）得出待處理像素點(diǎn)的灰度值。根據(jù)圖像相關(guān)性原理，某個(gè)正常的像素點(diǎn)一定與其周圍某一鄰域內(nèi)的統(tǒng)計(jì)特性相關(guān)，其灰度級(jí)大概率與該鄰域的灰度均值接近，將這一鄰域稱為最大相關(guān)區(qū)域［10］。假設(shè)圖像坐標(biāo)（x，y）的灰度值是I（x，y），令選擇的平滑區(qū)域長(zhǎng)度為2，平滑區(qū)域?yàn)?ρ1～ρ8，噪聲影響最小區(qū)域?yàn)棣龋畲笙嚓P(guān)區(qū)域?yàn)棣罚敵龅幕叶戎禐間（x，y）。

3 多尺度Retinex算法算法

多尺度Retinex算法算法是一種基本的圖像增強(qiáng)方法，核心思想是在單尺度Retinex算法的基礎(chǔ)上分別選取不同的高斯環(huán)繞尺寸展開(kāi)計(jì)算，并對(duì)輸出結(jié)果進(jìn)行加權(quán)求和［11］。

灰度圖像的MSR算法為

式中，（x，y）為像素點(diǎn)的坐標(biāo)，g（x，y）為平滑后圖像，R（x，y）為反射分量，F(xiàn)（x，y）為高斯環(huán)繞函數(shù)，K為尺度個(gè)數(shù)，Wk為高斯環(huán)繞函數(shù)的權(quán)值。且為卷積符號(hào)。其中，F(xiàn)（x，y）如下：

其中，σ 為高斯環(huán)繞尺度，N為歸一化因子，F(xiàn)（x，y）滿足下列式子：

式中，Wk為權(quán)重系數(shù)，K為尺度數(shù)量。通過(guò)大量圖像進(jìn)行實(shí)驗(yàn)，得到最佳的K的取值為3，且有：W1=W2=W3=0.33［12］。

4 算法流程

基于邊緣保持的圖像增強(qiáng)算法的工作流程：先采用8個(gè)不同方向的卷積核對(duì)灰度圖像進(jìn)行平滑處理，再選定受噪聲影響最小鄰域，其次，確定最大相關(guān)領(lǐng)域計(jì)算均值作為灰度值輸出；最后對(duì)圖像進(jìn)行多尺度Retinex算法的圖像增強(qiáng)處理，得出最終圖像。

圖2 基于邊緣保持的圖像增強(qiáng)算法的工作流程

5 實(shí)驗(yàn)結(jié)果評(píng)價(jià)及其分析

5.1 仿真環(huán)境

為驗(yàn)證本文方法的圖像增強(qiáng)效果，我們選了背景單一和有背景分界線的圖像進(jìn)行實(shí)驗(yàn)，分辨率均432 pixel×240 pixel，并適當(dāng)加入高斯白噪聲和椒鹽噪聲降低圖像質(zhì)量，將用本文方法處理后的圖像與用直方圖均衡法處理后的圖像進(jìn)行比較和分析。所得結(jié)果如下圖。其中圖3（a）和（b）是實(shí)驗(yàn)圖像，圖4（a）為受方差為0.07的高斯噪聲作用的圖3（a），圖4（b）為受概率為0.02的椒鹽噪聲作用的圖3（a），圖4（c）為受方差為0.01的高斯噪聲作用的圖3（b），圖4（d）為受概率為0.05的椒鹽噪聲作用的圖3（b），圖5（a）～（d）分別為用本文方法處理圖4中的圖片后的結(jié)果圖，圖6（a）～（d）分別為用直方圖均衡法處理圖4中的圖片后的結(jié)果圖。

圖3 實(shí)驗(yàn)圖像

圖4 加入噪聲后的圖像

圖5 本文方法

5.2 主觀評(píng)價(jià)及其分析

從圖5和圖6的實(shí)驗(yàn)結(jié)果可知：

圖6 直方圖均衡法

1）經(jīng)過(guò)本文算法處理后，處理后的圖像變可清晰可見(jiàn)，噪音的影響明顯減少，圖像的基本輪廓清晰可見(jiàn)，圖像質(zhì)量有了一定程度上的增強(qiáng)，而且圖像的對(duì)比度有所提高，圖像得到有效的增強(qiáng)，該算法對(duì)噪聲的魯棒性較好。

2）經(jīng)過(guò)直方圖均衡法處理后，處理后的圖像中噪聲影響仍然較大，圖像中的主要物體難以辨認(rèn)，圖像部分區(qū)域有些過(guò)亮，局部微小細(xì)節(jié)不清晰，損失一些重要的細(xì)節(jié)信息，嚴(yán)重降低了圖像的視覺(jué)效果，圖像質(zhì)量過(guò)低，對(duì)噪聲干擾不敏感。

從主觀的角度評(píng)價(jià)，本文算法處理后的圖像效果要優(yōu)于用直方圖均衡法處理后的圖像結(jié)果。

5.3 客觀評(píng)價(jià)及其分析

為了客觀評(píng)價(jià)處理后圖像的質(zhì)量，本文采用峰值信噪比（PSNR）、模糊系數(shù)K和質(zhì)量因子Q進(jìn)行客觀評(píng)價(jià)。它們的計(jì)算公式為［13］

其中，f和g分別表示增強(qiáng)后圖像和標(biāo)準(zhǔn)圖像；

本文算法和直方圖均衡化算法的PSNR、K和Q的值見(jiàn)表1。表1中，本文算法的PSNR和Q值要高于直方圖均衡化算法的PSNR和Q值，PSNR和Q值越高，表示增強(qiáng)后的圖像質(zhì)量越好，本文算法的K值要遠(yuǎn)小于直方圖均衡化算法的K值，表明了本文算法能夠有效減少噪聲帶來(lái)的影響，能夠極大地排除噪聲對(duì)圖像的干擾。綜合各種指標(biāo)可知，相對(duì)于直方圖均衡化算法，本文算法得到了更加理想的圖像增強(qiáng)效果，更優(yōu)越。

表1 客觀數(shù)據(jù)對(duì)比結(jié)果

6 結(jié)語(yǔ)

圖像增強(qiáng)技術(shù)一直是圖像處理領(lǐng)域中的研究焦點(diǎn)，針對(duì)戰(zhàn)場(chǎng)環(huán)境下電磁干擾而引起的采集圖像退化問(wèn)題，本文提出一種基于邊緣保持的圖像增強(qiáng)算法。仿真實(shí)驗(yàn)結(jié)果表明，基于邊緣保持的圖像增強(qiáng)算法能夠保持圖像的細(xì)節(jié)，有效減少噪聲帶來(lái)的圖像退化問(wèn)題，具有更好的實(shí)際應(yīng)用價(jià)值。