数字图像处理实践[3]---夜间图像增强

 

  数字图像处理实践[3]---夜间图像增强

            EmilMatthew (EmilMatthew@126.com)      

[  类别  ]算法创新、算法对比   

[推荐指数]★★★★

[  摘要  ]本文提出了两种针对夜间灰度图像的增强算法：一种基于极暗区域连通集的分割算法，结合非线性动态调整及直方图均衡化方法对夜间图像进行增强，该算法的主要特点是对场景中的主要景物有较为突出的表现，轮廓清晰。

另一种算法是针对夜间图像直方图分布的特点，采用将图像的绿色通道转成灰度图像的方法，该算法的主要特点是对于场景的细节表现生动，视觉效果好。

[ 关键词 ] 夜间视图、图像增强、非线性调整、连通集、广度优先搜索、绿色通道 

Digit Image Process Practice[3] ------Night Image Enhancement

[Classify] Algorithm Innovation , Algorithm Comparison

[  Level ] ★★★★

[Abstract] This article introduces two methods to enhance the night pictures.  One method is based on the deeply dark area connected set partition algorithm , and both with the nonlinear adjusting method and equalized method. This algorithm has its special points such as enhancing the important part of the picture and has a clearly outline. Another method is based on the night picture’s grey histogram’s special property , changes its green channel to grey picture. This algorithm has its special points such as showing out the details vividly and has a good vision effect.

[Key Words] Night Vision , Image Enhancement , Nonlinear Dynamic Adjust ，Connected Set , Breadth First Search, Green Channel

 

 

[0引言]

    夜间图像的主要特点是微光，暗色区域占据了画面的主要部分，相应的灰度直方图也集中分布于坐标系的左侧。因此，夜间图像的主要增强工作在于将较暗处的细节表达清楚，但又不能过亮，丢失过度的细节信息。[1]提出了将对比度增强方法与直方图均衡算法级联的方法，虽然该方法本身会带来一定的噪声，但是该文的一个比较有益的启发在于将多种效果进行组合，以获得较好的处理效果。[2]提出了一种针对BBHE（双直方均衡）算法改进的算法，该算法主要特点在于克服简并保持图像亮度进行增强。本文主要从图像的处理不同需求出发，考虑了两种不同的增强方案：方案一，基于极暗区域连通集的分割算法的处理目标更接进于让机器去“看”, 主要的特点是在于对于主要景物表现得十分清晰；而方案二，将绿色通道转成灰度图像，主要是针对灰度都集中分布在小于64的夜间灰度图像，处理结果更适合让人眼去看，主要特点在于体现画面的细节。

 

[1符号假设]

p: 最暗灰度像素的个数占总像素个数的百分比

 

[2基于极暗区域连通集的分割算法]

2.1想法的来源

   该算法的想法是基于夜间图像的有较大的连通区域是暗区得出的，所谓暗区，是指某幅图像中最暗灰度像素的个数占总像素个数的一定百分比内(不妨设为p )的所有像素。下面是三幅测试图像及其灰度柱状图(注：由于个别像素所占比例过大，因此此处的灰度柱状图采取了“限高”处理)：

                                 

图1：测试图像1及其灰度柱状图

 

                                              

图2：测试图像2及其灰度柱状图

 

                                

    图3：测试图像3及其灰度柱状图

 

       所以，即便都是在视觉上的暗图像，在灰度的分布上还是有所不同的，图1中灰度<5像素几乎可以忽略，而图2、图3灰度<5的像素则占到了全部像素的相当一部分比例。所以，划分最暗区域的原则不应以灰度的某个上限为限定，而应以某图中最暗灰度像素占所有像素的百分比p为依据。下面是三幅图像当p=0.15时提取的极暗区域情况：

             

图4：测试图像1（p=0.15）

图5：测试图像2（p=0.15）

图6：测试图像3（p=0.15）

       通过对三幅测试图像极暗区域的提取，可以看出，极暗区域的连通特性在夜间图像是显然成立的。

 

2.1算法的核心部分

       之所以要提出连通区域，主要是考虑，如果仅仅以p值作为极暗区域的划分，会将一些较暗，但是夹杂在较亮区域的像素作与连通的极暗区域相同的粗略处理，难以体现细节。

       算法的整体框架如下：

1．  采用广度优先搜索，根据p值，找出极暗连通区域。

2．  对于非极暗连通区域的像素，作均值化处理。

 

有两点要说明一下：

1．  定义极暗连通区域，是以其像素值的个数点总像素的个数的百分比q来

确定的，这里设q=0.02 .

2．  之所以不再对极暗连通区域作均值化处理，主要是这样考虑的：因为即

使对极暗连通区域作均值化处理，像素的范围同样被限定在一个视觉上几乎无法辨认的极暗区域，意义不大。

 

       算法的实现部分参附录[0]。

 

       算法的实验结果：

                             图7：测试图像1的算法效果对比图

 

                            图8：测试图像2的算法效果对比图

 

                            图9：测试图像3的算法效果对比图

       从实验结果的对比中，可以看出：直方图均值化方法使得画面稍亮，而文献[1]的方法除了会带来噪声外，亦在细节处使得画面有些模糊感，本文提出的“极暗连通区域分割+非极暗连通区域均值化”（简称DPEQU）方法，具有对比明显，重点突出的优点。

 

2.2算法的改进