一種非均勻照明彩色圖像自適應(yīng)校正方法

李燦林， 劉金華， 張衛(wèi)正， 劉 巖， 畢麗華

(1.鄭州輕工業(yè)大學(xué)計(jì)算機(jī)與通信工程學(xué)院， 鄭州 450001； 2.鄭州輕工業(yè)大學(xué)學(xué)科建設(shè)辦公室， 鄭州 450001)

改善圖像視覺效果的圖像增強(qiáng)是圖形圖像處理、機(jī)器視覺領(lǐng)域中非常重要的圖像預(yù)處理技術(shù)。圖像增強(qiáng)的目的是提高圖像的對(duì)比度、亮度和細(xì)節(jié)，以更好地表達(dá)圖像的視覺信息。圖像增強(qiáng)算法主要有兩類[1]：灰度圖像增強(qiáng)算法和彩色圖像增強(qiáng)算法。在數(shù)字圖像處理中彩色圖像增強(qiáng)比灰度圖像增強(qiáng)起更加關(guān)鍵作用，因?yàn)椴噬珗D像具有3種感知屬性(包括色調(diào)、飽和度和圖像強(qiáng)度)的表達(dá)[2]。由于彩色圖像的廣泛應(yīng)用，彩色圖像和視頻增強(qiáng)已經(jīng)成為重要的研究領(lǐng)域，近年來一直是一個(gè)研究熱點(diǎn)。彩色圖像經(jīng)常面臨的問題之一是，由于照明或某些其他條件(如成像裝置限制和天氣的變化)，造成圖像暗部區(qū)域模糊不清、圖像對(duì)比度低等。盡管圖像捕獲設(shè)備獲得極大的改進(jìn)，但仍然存在各種自然和人工偽影，這導(dǎo)致所捕獲圖像的質(zhì)量較差。因此，對(duì)于原始捕獲彩色圖像的視覺效果和質(zhì)量改進(jìn)是圖像預(yù)處理必不可少的部分。而非均勻光照彩色圖像增強(qiáng)則仍然是一個(gè)極具研究意義的問題。

非均勻照明彩色圖像增強(qiáng)非常重要。目前對(duì)圖像亮度不均處理的方法很多，其中基于直方圖均衡化的方法和基于Retinex理論的方法受到很多學(xué)者的關(guān)注，這些算法的出現(xiàn)都是為了盡可能地改善圖像亮度不均問題。

直方圖均衡化算法主要關(guān)注增強(qiáng)圖像對(duì)比度，此類增強(qiáng)方法中直方圖均衡(histogram equalization, HE)方法由于其簡單直接的實(shí)現(xiàn)而受到了相當(dāng)多的關(guān)注，它屬于全局增強(qiáng)，主要是重新映射灰度，從而使直方圖服從均勻分布。然而，如果原始圖像直方圖中的許多部分包含恒定值，則HE無法正常工作[3]。它只能處理與由圖像的色調(diào)、飽和度和強(qiáng)度特征組成的RGB顏色不兼容的灰度級(jí)。近年來，許多研究人員提出了局部增強(qiáng)的方法，如Pizer等[4]提出的自適應(yīng)直方圖均衡(adaptive histogram equalization, AHE)，在增強(qiáng)圖像時(shí)考慮了局部信息，能夠突出細(xì)節(jié)和紋理，但缺點(diǎn)是產(chǎn)生了很大的噪聲。后來，研究者們發(fā)明了限制對(duì)比度自適應(yīng)直方圖均衡(contrast limited adaptive histogram equalization,CLAHE)，CLAHE在自適應(yīng)直方圖均衡化(AHE)的基礎(chǔ)上，對(duì)每個(gè)子塊直方圖做了限制，很好地控制了AHE帶來的噪聲[5]，圖像對(duì)比度會(huì)更自然。全局直方圖均衡和局部直方圖均衡都可以更有效地增強(qiáng)整體圖像對(duì)比度，但是會(huì)通過過度增強(qiáng)圖像來產(chǎn)生不自然的效果。此外，這些方法存在諸如過度增強(qiáng)、圖像變白等問題[6]。平臺(tái)直方圖均衡化(plateau histogram equalization, PHE)[7]和雙平臺(tái)直方圖均衡化(double plateau histogram equalization, DPHE)[8]被提出來消除過增強(qiáng)。通過對(duì)直方圖統(tǒng)計(jì)信息進(jìn)行修訂，以降低灰度級(jí)合并和防止過增強(qiáng)發(fā)生[9]。雙平臺(tái)直方圖均衡化算法最關(guān)鍵的是上下限平臺(tái)閾值的選擇問題。實(shí)際應(yīng)用中，平臺(tái)閾值往往是人為選取的一些經(jīng)驗(yàn)值，而這樣得到的平臺(tái)閾值只對(duì)某幅或某種場景的圖像增強(qiáng)效果較好，而對(duì)另一幅或另一種場景效果較差。

Retinex理論[10]由Land和Mccann提出，它假設(shè)圖像是照明和反射的相互作用，通過消除照明效果，可以增強(qiáng)低光圖像。Retinex理論自提出以來就吸引了許多學(xué)者，隨后發(fā)展成為單尺度Retinex算法(single-scale retinex, SSR)[11]、多尺度Retinex算法(multi-scale retinex, MSR)[12]和帶色彩恢復(fù)的多尺度Retinex增強(qiáng)算法(multi-scale Retinex with solor restore, MSRCR)[13]。雖然這些方法可以使細(xì)節(jié)增強(qiáng)，由于基于Retinex的方法分別處理RGB通道中的圖像，當(dāng)原始圖像不符合“灰色世界假設(shè)”時(shí)，它們可能會(huì)導(dǎo)致顏色失真[14]，甚至出現(xiàn)“光暈偽影”的現(xiàn)象。

為此提出一種非均勻照明彩色圖像自適應(yīng)校正方法，首先將RGB圖像轉(zhuǎn)換至HSV(hue,saturation,value)顏色空間，利用提出的BIGAHE對(duì)V通道進(jìn)行處理、增強(qiáng)全局亮度和對(duì)比度，利用構(gòu)建的自適應(yīng)拉伸函數(shù)對(duì)S通道進(jìn)行拉伸、增強(qiáng)飽和度，將HSV顏色空間反轉(zhuǎn)換至RGB顏色空間。然后將RGB原圖轉(zhuǎn)換到L*a*b*顏色空間，利用CLAHE處理L*通道圖像、增強(qiáng)局部對(duì)比度，并且不改變分量a*和b*以保持顏色，最后將處理后的L*a*b*顏色空間圖像反轉(zhuǎn)換至RGB顏色空間圖像，得到增強(qiáng)的彩色圖像。

1 顏色空間

對(duì)于彩色圖像，相機(jī)傳感器和顯示器使用三種顏色分量：紅色(R)、綠色(G)和藍(lán)色(B)，其3個(gè)色彩分量與亮度沒有進(jìn)行區(qū)分，RGB顏色空間與人類顏色感知不對(duì)應(yīng)，簡單的對(duì)圖像的RGB三通道進(jìn)行處理，很難保證 RGB按照相同的比例增強(qiáng)或衰減，與原圖像相比色彩有了一定失真，可能導(dǎo)致顏色偽影[15]?？紤]到人的視覺特性，在由色調(diào)、飽和度和強(qiáng)度分量組成的色彩空間中的處理是優(yōu)選的。對(duì)于彩色圖像的對(duì)比度增強(qiáng)，圖像的飽和度或強(qiáng)度分量會(huì)被修改，因?yàn)槿祟愐曈X對(duì)色調(diào)分量的變化敏感，HSI[16](hue-saturation-intensity)和CIE(國際照明委員會(huì))L*a*b*顏色空間適用于對(duì)比度增強(qiáng)，HSV顏色空間適用于亮度和飽和度增強(qiáng)[17]。

2 非均勻照明彩色圖像自適應(yīng)校正方法

非均勻照明條件下彩色圖像常常存在以下問題:①圖像對(duì)比度低; ②圖像整體亮度偏低，暗處細(xì)節(jié)不清晰; ③色彩飽和度不高。考慮到這些問題，為了達(dá)到好的增強(qiáng)效果，有必要對(duì)低對(duì)比度圖像提升對(duì)比度和低亮度區(qū)域，同時(shí)又要抑制局部亮度區(qū)域。針對(duì)問題①和②，將圖像從原始RGB顏色空間轉(zhuǎn)換到HSV顏色空間，利用提出的雙伽馬校正直方圖均衡(bilateral Gamma adjustment histogram equatization, BIGAHE)對(duì)HSV顏色空間中V通道的全局對(duì)比度和亮度進(jìn)行調(diào)整。其中提出的BIGAHE可以很好地提高圖像亮度以及對(duì)比度，豐富暗部區(qū)域細(xì)節(jié)信息，并抑制住圖像中較亮區(qū)域的增強(qiáng)，防止出現(xiàn)過度增強(qiáng)。針對(duì)問題③，使用一種自適應(yīng)拉伸函數(shù)對(duì)HSV顏色空間的S分量進(jìn)行拉伸，以提高圖像飽和度，使圖像色彩更加飽滿和自然。為了提高圖像局部對(duì)比度，采用CLAHE對(duì)L*a*b*顏色空間的L*通道圖像進(jìn)行處理。所提出增強(qiáng)方法的總體框架如圖1所示，下面詳細(xì)描述提出方法的具體步驟。

圖1 彩色圖像增強(qiáng)的方法流程

2.1 全局增強(qiáng)

現(xiàn)有方法中有許多方法可以對(duì)圖像進(jìn)行全局調(diào)整，其中，伽馬變換是一種比較常見的非線性地改變圖像亮度的方法，使用此方法處理圖像，通過單個(gè)伽馬值(或伽馬值集)對(duì)圖像進(jìn)行全局增強(qiáng)，當(dāng)圖像中同時(shí)存在非常亮和非常暗的區(qū)域時(shí)，增強(qiáng)結(jié)果并不理想。對(duì)數(shù)變換也是一種非線性地改變圖像亮度的方法。兩者特點(diǎn)為伽馬校正方法對(duì)圖像中低亮度區(qū)域的亮度提升作用更大，對(duì)數(shù)變換則對(duì)高亮度區(qū)域的亮度提升作用更大。文獻(xiàn)[18]提出了一種基于全局亮度的雙伽馬調(diào)整函數(shù)(bilateral Gamma adjustment, BIGA)的圖像增強(qiáng)方法，可有效提高圖像的整體亮度，防止過度增強(qiáng)，但是僅使用雙伽馬變換對(duì)圖像進(jìn)行全局亮度調(diào)整，得到的圖像的灰度值往往局限在一個(gè)比較狹小的灰度范圍內(nèi)，對(duì)比度大大地減少，容易丟失部分細(xì)節(jié)的信息，因此，它不適合灰度值的自適應(yīng)重分布或擴(kuò)展。HE可以通過對(duì)輸入圖像的灰度值進(jìn)行自適應(yīng)強(qiáng)度擴(kuò)展來實(shí)現(xiàn)，從而使灰度值占用整個(gè)允許的強(qiáng)度范圍，對(duì)比度增強(qiáng)明顯。因此，在綜合考慮這些問題的基礎(chǔ)上，結(jié)合雙伽馬變換和直方圖均衡化的優(yōu)點(diǎn)，提出雙伽馬校正直方圖均衡算法(BIGAHE) 對(duì)HSV顏色空間的V通道圖像進(jìn)行增強(qiáng)來提高圖像整體質(zhì)量。

以分段方式進(jìn)行雙伽馬校正，將輸入圖像分別轉(zhuǎn)換為壓縮圖像和擴(kuò)展圖像。然后，結(jié)合HE方法處理得到的中間圖像，采用加權(quán)求和方法對(duì)3幅中間圖像進(jìn)行適當(dāng)?shù)奶幚?，即全局均衡圖像Ihe、雙伽馬壓縮圖像Igc和雙伽馬擴(kuò)展圖像Ige。為了確保增強(qiáng)強(qiáng)度通道像素的大小應(yīng)在允許的范圍[0, 1]內(nèi)限定，加入一定系數(shù)，以便適當(dāng)?shù)厣婕八?個(gè)中間圖像(Ihe、Igc、Ige)，增強(qiáng)公式為

(1)

可用式(2)計(jì)算相應(yīng)的雙伽馬擴(kuò)展中間圖像Ige，用式(3)計(jì)算相應(yīng)的雙伽馬壓縮圖像Igc，即

Ige=xμ

(2)

Igc=1-(1-x)μ

(3)

式中：x為輸入圖像灰度值；μ為可控制圖像增強(qiáng)程度的變量。

式(1)中，第3個(gè)全局均衡Ihe由HE處理得到。在HSV色彩空間對(duì)V分量進(jìn)行HE處理具體步驟如下。

(1)計(jì)算圖像統(tǒng)計(jì)直方圖值h(rk)，即

(4)

式(4)中：rk為原始V通道圖像灰度級(jí)為k的像素?cái)?shù)目；M×N為圖像的總像素?cái)?shù)；h(rk)表示圖像中每個(gè)灰度值k的出現(xiàn)頻數(shù)；L代表圖像的灰度級(jí)數(shù)(通常為256)。

(2)完成統(tǒng)計(jì)直方圖修改后，從統(tǒng)計(jì)直方圖獲得圖像的累積直方圖F(rk)。即

(5)

(3)通過累積直方圖重新分配圖像的灰度以獲得均衡化的灰度值D(rk)，即

D(rk)=[(L-1)F(rk)/F(rL-1)]

(6)

式(6)中：[]表示取整。

在使用BIGAHE調(diào)整圖像之前，首先使用式(7)進(jìn)行歸一化，然后使用式(8)對(duì)圖像進(jìn)行BIGAHE處理。最后，使用式(9)將經(jīng)過BIGAHE處理之后的圖像灰度值范圍調(diào)整為[0, 255]。

I1(x,y)=I(x,y)/256

(7)

I2(x,y)=Ien[I1(x,y)]

(8)

I3(x,y)=I2(x,y)×256

(9)

式中：I(x,y)為原始V通道圖像x行y列處的像素灰度值；I1(x,y)為x行y列處歸一化圖像的像素灰度值；I2(x,y)為經(jīng)過BIGAHE處理之后x行y列處增強(qiáng)圖像的像素灰度值；I3(x,y)為調(diào)整灰度范圍之后V通道增強(qiáng)圖像x行y列處的像素灰度值。

2.2 飽和度增強(qiáng)

色彩增強(qiáng)的目的是為了使原有的不飽和的色彩信息變得飽和、豐富起來。當(dāng)提高圖像飽和度數(shù)值時(shí)，畫面會(huì)變得更加鮮艷，但如果數(shù)值過高，則可能會(huì)出現(xiàn)色彩溢出等不正?，F(xiàn)象。文獻(xiàn)[19]構(gòu)建了一種自適應(yīng)非線性拉伸函數(shù)對(duì)飽和度進(jìn)行拉伸，經(jīng)實(shí)驗(yàn)表明針對(duì)非均勻照明彩色圖像，會(huì)出現(xiàn)色彩過度飽和現(xiàn)象，因此經(jīng)過大量實(shí)驗(yàn)，對(duì)自適應(yīng)非線性拉伸函數(shù)進(jìn)行了改進(jìn)，并用它來處理HSV顏色空間的S通道信息，增強(qiáng)圖像整體飽和度同時(shí)使圖像看起來更加自然。改進(jìn)函數(shù)定義為

(10)

圖2所示為對(duì)圖像進(jìn)行非線性拉伸S分量、調(diào)整飽和度的效果，原圖飽和度偏低，經(jīng)過非線性拉伸S通道之后，圖像飽和度明顯提高，畫面變得更加鮮艷。

圖2 非線性拉伸圖像飽和度分量

2.3 局部增強(qiáng)

為了進(jìn)一步提高圖像的整體質(zhì)量，必須應(yīng)用對(duì)比度增強(qiáng)處理以增強(qiáng)原始圖像的對(duì)比度。直方圖均衡可提升圖像的對(duì)比度，直方圖均衡有很多方法，CLAHE可適當(dāng)?shù)鼐植吭鰪?qiáng)圖像的對(duì)比度。因此，選取 CLAHE 算法處理L*a*b*顏色空間的L*通道信息。

CIEL*a*b*顏色空間致力于人類視覺的感知均勻性，采用歐式距離來描述彩色之間的差別。L*a*b*顏色空間能夠更好地分離亮度和顏色，L*分量表示像素的亮度，密切匹配人類亮度感知，對(duì)人類的亮度感知是線性的[20]，也就是說，如果一種顏色的L*值是另一種顏色L*值的1.5倍，那么在視覺感知上第1種顏色的亮度也是第2種顏色亮度的1.5倍，因此L*分量可用于調(diào)整對(duì)比度。

3 實(shí)驗(yàn)和結(jié)果分析

3.1 主觀評(píng)價(jià)

為合理評(píng)價(jià)本文方法, 選取有代表性HE、DPHE[8]、SSR[11]、MSRCR[13]和自適應(yīng)伽馬校正加權(quán)分布(adaptive gamma correction weighting distribution, AGCWD)[21]方法與本文方法進(jìn)行對(duì)比。

圖3所示為圖像“Building”的實(shí)驗(yàn)結(jié)果圖。圖3(a)為輸入的原始圖像，圖像由明亮的柱子和黑暗的樹木組成，其中，有一些黑暗區(qū)域，特別是在樹木上仍有待增強(qiáng)。圖3(b)、圖3(c)分別顯示了使用HE和DPHE的圖像增強(qiáng)的結(jié)果。圖3(d)、圖3(e)、圖3(f)分別顯示出了使用SSR、MSRCR、AGCWD方法增強(qiáng)彩色圖像的結(jié)果。將以上圖像增強(qiáng)的結(jié)果與提出的方法的結(jié)果[圖3(g)]進(jìn)行比較，可以看到HE明顯提高了對(duì)比度和亮度，但在白色柱子處出現(xiàn)了過度增強(qiáng)，且顏色發(fā)生改變，如天空處顯示為米白色。DPHE對(duì)亮度和對(duì)比度提升效果并不明顯，整張圖像表現(xiàn)較為灰暗，視覺效果不佳。SSR和MSRCR亮度改善較為明顯，但是圖像對(duì)比度極低，尤其是MSRCR呈現(xiàn)灰蒙蒙的狀態(tài)，視覺效果不清晰。AGCWD對(duì)比度增強(qiáng)明顯，但是對(duì)暗部亮度提升效果不佳，導(dǎo)致圖像中樹木和建筑物等陰影區(qū)域信息被掩蓋。本文方法對(duì)比度顯著提高，亮度均衡，色彩飽和，盡可能多地保留圖像細(xì)節(jié)信息。

圖4所示為圖像“Model plane”的實(shí)驗(yàn)結(jié)果。圖4中原始圖像由室內(nèi)飛機(jī)模型及背景和室外天空組成，圖像中有一些較暗區(qū)域，特別是在室內(nèi)屋頂和飛機(jī)模型陰影處仍有待增強(qiáng)。將采用其他方法增強(qiáng)該圖像的結(jié)果與本文方法的結(jié)果進(jìn)行比較，可以看到，HE和DPHE能夠有效提高圖像整體對(duì)比度及亮度，但是在天空明亮處存在亮度過度增強(qiáng)問題，這樣會(huì)導(dǎo)致圖像高亮度區(qū)域的擴(kuò)散，過度增強(qiáng)區(qū)域細(xì)節(jié)不清晰。SSR和MSRCR方法處理結(jié)果顯示圖像整體亮度較高，且對(duì)比度較低顏色失真明顯，不利于觀察圖像細(xì)節(jié)。AGCWD對(duì)比度明顯提高，但其暗部細(xì)節(jié)增強(qiáng)效果不明顯，不利于觀察。本文方法能夠有效提高圖像整體對(duì)比度、亮度和飽和度，既增強(qiáng)了背景細(xì)節(jié)，又對(duì)天空等高亮區(qū)域沒有過度增強(qiáng)而導(dǎo)致細(xì)節(jié)丟失，增強(qiáng)效果更好，觀看舒適度更高。

圖3 圖像“Building”增強(qiáng)結(jié)果對(duì)比

圖4 圖像“Model plane”增強(qiáng)結(jié)果對(duì)比

圖5所示為圖像“Sailing”的實(shí)驗(yàn)結(jié)果。圖5為海邊人們帆船運(yùn)動(dòng)的場景，原始圖像同時(shí)存在亮區(qū)域和暗區(qū)域。由HE增強(qiáng)結(jié)果圖可以看出，圖像草地處細(xì)節(jié)清晰，清晰度和飽和度顯著提高，但仍存在過度增強(qiáng)現(xiàn)象，如在海面浪花和帆船處過度增強(qiáng)，不利于觀察。SSR和MSRCR整體對(duì)比度低，模糊不清，AGCWD對(duì)圖像暗處增強(qiáng)效果不佳，且對(duì)于帆船的細(xì)節(jié)增強(qiáng)效果不如本文方法。本文算法的增強(qiáng)結(jié)果在黑暗的地區(qū)和明亮的地區(qū)產(chǎn)生了良好的對(duì)比度，并且顏色飽和度更高。

圖5 圖像“Sailing”增強(qiáng)結(jié)果對(duì)比

圖6所示為圖像“Cliff”的實(shí)驗(yàn)結(jié)果。圖6中原始圖像明亮的天空與背光處的懸崖及樹木形成的鮮明的亮度對(duì)比，為了觀察懸崖處細(xì)節(jié)有必要對(duì)圖像進(jìn)行增強(qiáng)。由增強(qiáng)結(jié)果圖可以看出，經(jīng)過HE處理之后懸崖處細(xì)節(jié)清晰，天空處則過度增強(qiáng)，導(dǎo)致天空周圍樹木被影響，顏色失真，不利于觀察。DPHE對(duì)原圖增強(qiáng)效果不明顯。SSR效果優(yōu)于DPHE，但SSR和MSRCR整體模糊不清，尤其MSR呈現(xiàn)灰白色，視覺效果較差。AGCWD處理圖像后圖像暗處增強(qiáng)效果不佳，且在天空光亮處出現(xiàn)過度增強(qiáng)現(xiàn)象，影響了天空處云的結(jié)構(gòu)信息。本文算法的增強(qiáng)結(jié)果在黑暗的地區(qū)和明亮的地區(qū)產(chǎn)生了良好的對(duì)比度，并且顏色飽和度更高，圖像細(xì)節(jié)清晰可見。

圖6 圖像“Cliff”增強(qiáng)結(jié)果對(duì)比

綜上可知，本文方法最接近原始光照?qǐng)D像。增強(qiáng)后的圖像亮度適中、顏色自然、細(xì)節(jié)清晰、具有最好的視覺效果。

3.2 客觀評(píng)價(jià)

本節(jié)對(duì)本文方法進(jìn)行有效的客觀定量評(píng)價(jià)。由于真實(shí)非均勻照明圖像無對(duì)應(yīng)的正常光照?qǐng)D像，無法測試MSE(均方誤差)、PSNR(峰值信噪比)等指標(biāo)[22]。于是,分別采用平均梯度(MG)、熵(entropy)、對(duì)比度改善指數(shù)(CII)三種指標(biāo)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行評(píng)估。平均梯度反映了圖像的清晰度和紋理變化，值越大說明圖像越清晰[23]。熵值衡量圖像所攜帶的信息量，圖像的熵值越大，代表圖像所含的信息量越大，細(xì)節(jié)越豐富[24]。熵值H和平均梯度MG的計(jì)算公式為

(11)

(12)

對(duì)比度改善指數(shù)(CII)是比較著名的圖像增強(qiáng)測量指標(biāo)，為了評(píng)估本文方法，可以使用CII作為評(píng)價(jià)指標(biāo)來測量對(duì)比度的改善[25]。對(duì)比度改善指數(shù)定義為

(13)

將圖像分成3×3的小塊圖像，式(13)中：Cenhancement和Coriginal分別為輸出和原始圖像中局部對(duì)比度的平均值。對(duì)比度定義為

(14)

式(14)中：C為用3×3窗口測量的局部對(duì)比度的平均值，Dmax為該塊圖像灰度值的最大值；Dmin為該塊圖像灰度值的最小值。

分別利用以上評(píng)估指標(biāo)評(píng)價(jià)本文方法并對(duì)比算法對(duì)圖像處理的效果，結(jié)果如表1～表3所示。

由表1可知，經(jīng)過各種方法處理后，本文方法MG均明顯大于其他方法，說明本文方法處理圖像相對(duì)清晰。HE方法的MG次于本文方法的，但是它會(huì)對(duì)高亮度區(qū)域過度增強(qiáng)，影響高亮度區(qū)域細(xì)節(jié)觀察。DPHE方法的MG結(jié)果不穩(wěn)定，有時(shí)數(shù)值低有時(shí)數(shù)值高，說明DPHE增強(qiáng)此類圖像結(jié)果不穩(wěn)定。AGCWD、SSR和MSRCR的MG結(jié)果均較低，說明它們處理圖像結(jié)果不夠清晰。由表2可知，本文方法熵值在所有結(jié)果中均最優(yōu)，說明本文方法校正后圖像中所包含的信息量進(jìn)一步變大，進(jìn)而可以從中提取到更多的信息，利于圖像細(xì)節(jié)觀察。由表3可知，HE和本文方法對(duì)比度增加較多， 但是HE對(duì)于非均勻照明圖像的亮度區(qū)域會(huì)出現(xiàn)過度增強(qiáng)，甚至擴(kuò)大亮區(qū)域，影響原始圖像結(jié)構(gòu)信息。綜上可知，本文的圖像增強(qiáng)方法增強(qiáng)效果明顯優(yōu)于其他方法。

表1 測試圖像的MG的定量比較

表2 測試圖像的熵的定量比較

表3 測試圖像的CII的定量比較

4 結(jié)論

針對(duì)圖像增強(qiáng)算法在推廣到非均勻照明彩色圖像會(huì)產(chǎn)生過度增強(qiáng)、暗部細(xì)節(jié)不清晰以及不自然等問題，提出一種非均勻照明彩色圖像自適應(yīng)校正方法，用于自適應(yīng)地增強(qiáng)圖像。通過實(shí)驗(yàn)結(jié)果分析得到以下結(jié)論。

(1) 與HE、DPHE、SSR、MSRCR和AGCWD進(jìn)行比較，所提出的方法增強(qiáng)圖像對(duì)比度和清晰度顯著提高，色彩更加鮮艷，同時(shí)保持圖像不失真，取得了較好的圖像增強(qiáng)效果。

(2) 對(duì)圖像中的高亮度區(qū)域進(jìn)行增強(qiáng)時(shí)，不會(huì)產(chǎn)生過度增強(qiáng)，很好地保證了高亮度區(qū)域的結(jié)構(gòu)信息。

(3)在增強(qiáng)非均勻照明圖像中取得了階段性 成果，然而，當(dāng)輸入圖像的光照水平非常低時(shí)，該算法往往會(huì)產(chǎn)生增強(qiáng)效果不明顯的結(jié)果，將在未來的研究中解決這一問題。