低照度图像增强算法的研究与实现

犯．，＝壶∑∑火埘）
（８）
＂
＃：ｌ
ｙ２Ｉ
盯：，为原始输入图像局部统计的方差，有：
．
Ｆ
事
蠢．，＝壶∑∑叭算，），）一帆，，］２
（９）
７７
，：ｌ ｙ。ｌ
在某些情况下，不同灰度值的增强要求不同。比如对于不
均匀的低照度图像，低灰度值（暗区域）部分要求更高的对比
度增强倍数，而对于中等灰度值部分，对于对比度增强的要求
ｃｌｅａ础’ｄｏｂａｌ ｉｍａｇｅ ｗｉ血ｅｎｏｕｇｌｌ ｌｏｃａｌ ｃｏｎｔｒａｓｔ ｄｅｔａｉｌｓ ｉｎ ｐＤ０ｃｅｓｓｉｎｇ ａ １０ｗ ｉｕ啪ｉｎａｔｉｏｎ ｉｍａｇｅ．
Ｋｅｙ ｗｏｒｄｓ：ｌｏｗ—ｉⅡｕｌｎｉｎａｔｉ∞；ｉｍａｇｅ ｅｎｈａＩｌｃｅｍｅｎｔ；量ｌｉｓｔｏ铲锄；ｅｑｕａｌｉｚａｔｉｏｎ；ｌｏｃａｌ ｃｏｎ乜舶ｔ
中图分类号：ＴＰ３９１．４１；’ＴＰ３０１．６；
文献标志码：Ａ
Ｒｅｓｅａｒｃｈ ａｎｄ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ｅＩｌｌｌａｎｃｅｍｅｎｔ
ａ：ｌｇｏｒｉ岫ｆｏｒ ｌｏｗ－ｉｌｌ删［“．ｍａｔｉｏｎ ｉｍａｇｅ
ＰＥＮＧ Ｂｏ，ＷＡＮＧ Ｙｉ—ｍｉｎｇ
（ｃＤ魄ｅ矿删白册耐幻ｎ口耐Ｅｋ眺口ｚ Ｅ晒册＾％现ｉ舭Ａ咖如ｕ谳№协邮咄＆蚵昭１０００８３，蕊ｉ№）
五一。因此，Ｊ｝一值的调节就显得比较关键。 实现上述基本思想的过程如下：
１）调整常数Ｄ咐、Ｄｓ和帆，以便按照需要调整对比度增
强后的图像；
２）设置七一值。．｜｝～的值和图像局部灰度值的关系可以 使用各种函数来调节，为了加快运算速度，可以为其建立一张
索引表。在本算法中使用窗口平均值幂函数的倒数（幂指数
小于１大于０）。这样，当局部灰度值较小时，Ｊ｜｝一的值很大；当 局部灰度值增加时，七一的值迅速趋向于某个恒定值。定义该 Ｊｊ｝一函数为而一（皿．，）。
ｇ（髫，，，）＝』Ｉ幺删＋（１一朋ｒａ）Ｇ（菇，，，）＋
—盘。廷丛些！ 一
（１０）
ＤＳ’矗。。（Ｇ（髫，ｙ））
在本算法中，设：
万方数据
第８期
彭波等：低照度图像增强算法的研究与实现
２００３
ｋ（Ｇｏ∥”＿ＭＯＤ（万蒜）
（１１）
了由于灰度级合并所造成的灰度层次损失，在图像整体增强 的同时对局部细节也起到了细化作用，其直方图更接近标准
０ 引言
图像增强是图像处理的一种基本手段，它往住是各种图 像分析与处理时的预处理过程，其主要目的是：１）改善图像 的视觉效果，提高图像成分的清晰度；２）使图像变得更有利 于计算机处理。图像增强的方法一般分为空问域和变换域两 大类：空间域方法直接对图像像素的灰度进行处理，变换域方 法在图像的某个变换域中对变换系数进行处理，然后通过逆 变换获得增强图像。
１．２改进的直方图均衡化方法
对原始图像灰度直方图中第ｉ级的灰度工（石，ｙ），根据其
ｉ一１
ｉ一１
左右两边的∑Ｐｒ（ｈ）和∑Ｐ，（靠）之比来确定其修正后的
★＝Ｕ
‘２ｌ＋ｌ
灰度毋（ｘ，ｙ）的位置，：
ｆ一１
ｆ一１
Ｊ：（ｚ—ｌ一，）＝∑Ｐ，（ｋ）：∑Ｐ，（“）
（３）
ｋ３Ｕ
１２ｐ｝ｌ
经整理后得：
收稿日期：２００７一０２—２８；修回日期：２００７—０３—２３。 作者简介：彭波（１９６０一），女，北京人，教授，主要研究方向：图像处理及视频传输技术；王一鸣（１９４０一），男，北京人，教授，主要研究方 向：智能化检测与控制技术。
低照度图像的细节灰度差别只在几十级以内，且图像灰 度值较低。因此，希望通过一种图像增强处理既能清晰看到 整幅图像又能突出局部细节，目前传统图像增强算法很难做 到很好的兼顾。本文提出了一种新方法，通过实验表明在对 低照度图像处理的整体效果和局部细节方面得以兼顾。
ห้องสมุดไป่ตู้１ 对传统直方图均衡化方法的改进
直方图均衡化方法是将一已知灰度概率密度分布图像经
以扎一＝帆删“卜虬批一筹毓 匀低对比度图像具有很好的增强效果ＨＪ： “，．，、一Ｍ
（７）
其中：删、Ｄ．ｓ分别为对比度增强后的图像所希望达到的均值
和方差，帆为均值调整系数，矗。为放大系数，，（牟，ｙ）、ｇ（菇， ｙ）分别为原始输入图像和对比度增强后的图像值。
Ｍ。为原始输入图像局部统计的均值，有：
．
甲
审
嬲’后Ｍ。（Ｇ（ｘ，ｙ））
了增强局部对比度细化的作用。
的变换幅度；中问值表示层次值的中间值。可以看出，采用本 文提出的低照度图像增强方法处理图像产生的误差最小，且 更接近于正常照度下的图像。
ｇ（戈，，，）＝
帆 Ｄ膨 ＋
帆
峨 ＤＭ ，●●，、●●、
＋
吮
丛苎！！！二丝：：
。
立．
！
ＤＳ‘矗Ｍ。（Ｇ（茗，），））
使用该方法对某些图像进行处理时，其具体增强效果不 易控制，处理结果总是得到全局均衡化的直方图。可能存在 的问题如下：
１）输出图像的实际灰度变化范围很难达到图像格式所 允许的最大灰度变化范围。
２）输出图像的灰度分布直方图虽然接近均匀分布，但其 值与理想值仍有可能存在较大的差异，并非是最佳值。
３）输出图像的灰度级有可能被过多地合并，因此容易造 成图像信息的丢失。
摘要：针对低照度图像暗且对比度低的特点，提出了一种将改进的直方图均衡化方法与改进的
局部对比度增强方法相结合的低照度图像处理方法，满足了图像增强的两种要求：调节动态范围，增
强局部对比度。实验表明该方法在对低照度图像处理时可以达到局部细节对比度增强和全局清晰的
效果。
关键词：低照度；图像增强；直方图；均衡化；局部对比度
（１）
其中，Ｏ≤“≤１，且七＝Ｏ，１，…，Ｚ一１。变换函数丁（ｒ）为：
Ｉ
Ｉ
＊
瓢＝Ｔ（“）＝∑Ｐ，（，：『）＝∑÷
（２）
Ｊ＝ｕ
Ｊ＝ｕ 一
其中，０≤０≤１，且，＝０，１，…，Ｚ一１。
根据原始输入图像直方图的统计值可以算出均衡化后各
像素的灰度值，直方图上灰度分布较密的部分被拉伸，灰度分 布稀疏的部分被压缩，从而使一幅图像的对比度在总体上得 到增强。
其中，当Ｇ（石，ｙ）＝０时，七一（０）设为５００。 ３）进行域值判断：
图像（图４），图像更清晰。 表１给出了不同处理方法产生的结果图像直方图参数。
由式（１２）可看出：肘。Ｄ埘＋（１一膨。）Ｇ（菇，，，）起到了灰度
其中，平均值表示直方图色调的平均值；标准偏差表示层次值
直方图调节动态范围的作用，而纽１』。堕』Ｌ型！ 坠止一则起到
强，通过引入具有局部动态放大的对比度增强之后，暗区域部
分虽然得到了增强，强化了局部图像细节，但由于原始输入图
像的灰度值较低，使得整个输出图像视觉效果仍然不明显。 而改进的直方图均衡化算法能够扩展输出图像灰度的动态范 围及改善视觉效果，但却是以牺牲图像细节为代价的。综上
所述，提出了一种将改进的直方图均衡化方法与改进的局部
∑‰
（５）
实现上述基本思想的过程如下： １）列出原始输入图像的灰度级Ｚ（并，，，），ｉ＝Ｏ，１，２，…，
Ｚ一１：
２）统计各灰度级的像素数目巩； ３）构造灰度映射表： 筋（并，，，）＝厶（戈，，，）
岛（戈，ｙ）＝，Ⅳｒ｛（ｚ一１）（∑ｎ＾）（ｎ一心）＋ｏ．５｝；江ｌ，
２，…，Ｚ一２
ｇｆ一１（石，ｙ）＝正一ｌ（ｘ，ｙ） ４）由灰度映射表的对应关系，修正原始输入图像的灰度 级，得到新灰度级分布。令此时的灰度映射函数为Ｇ（省，），）。 Ｇ（髫，ｙ）起到了直方图调节动态范围的作用。 采用改进的直方图均衡化方法，可以更好地改善输出图 像灰度分布直方图的动态范围及分布结果，但图像细节信息 丢失的问题并没有得到解决。
２对传统局部对比度图像增强方法的改进
直方图均衡化一般会使原始图像的灰度等级减少，这是
由于均衡化过程中要进行近似舍入所造成的，被舍入合并的
灰度级是原始图像上出现频率较低的灰度级。如果这些灰度
级构成的图像细节比较重要，则可以采用局部对比度增强技
术来减少由于灰度级合并所造成的灰度层次的损失。
２．１ 传统的局部对比度图像增强方法
对比度增强方法相结合的低照度图像方法，并应用该方法对 图像进行增强处理，同时满足图像增强的两种要求：调节动态
范围，增强局部对比度，前者使图像外貌较好，后者能增强图 像细节，从而解决了低照度图像暗且对比度较低的问题。
低照度图像增强方法具体实现如下： １）根据改进的直方图均衡化方法，对整张原始输入图像 进行直方图统计并均衡化，得到新灰度级分布，令此时的灰度 映射函数为Ｇ（髫，ｙ）。 ２）修改式（７）：
局部对比度增强方法是在以像素为中心的处理窗口内，
根据该窗口平均灰度值帆，来进行增强，其公式为旧ｏ：
ｇ（菇，，，）＝（＿尺算，ｙ）一丝．，）ｘ．ｊ｝＋丝，，
（６）
其中，｜｜｝为放大倍数，以茗，ｙ）为原始输入图像（石，），）处灰度
值，ｇ（石，），）为增强输出图像（石，ｙ）处灰度值。当＿｜｝＞１时：如果
以戈，），）＞皿。则ｇ（互，），）＞八髫，），）；如果以茹，，，）＜丝．ｙ，则
０≤，（茗，，，）≤２５５
， 其他
（１２）
４ 实验分析
图３原始低照度图像及直方图图４正常照度图像及直方图
在养殖场，由于养殖密度较高，浮游生物的呼吸以及有机 物的分解都要消耗大量的氧气，池塘往往容易出现水中氧气 不足的情况，造成鱼类因窒息而大量死亡，这种现象俗称“泛 池”，一般发生在午夜时分。对池塘进行夜间监控，在发现 “泛池”现象时马上报警，通知养殖人员及时采取有效措施是 非常有必要的。为了改善低照度图像的可视性和局部细节的 清晰性，需要对图像进行增强处理。将本文提出的低照度图 像增强算法应用于养殖场监控系统，图ｌ给出了原始输入的 低照度图像及灰度直方图，图２给出了增强后的图像及灰度 直方图。