??? 摘 要： 在分析現(xiàn)有彩色圖像" title="彩色圖像">彩色圖像增強(qiáng)算法的基礎(chǔ)上，按照視覺(jué)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(qiáng)" title="圖像增強(qiáng)">圖像增強(qiáng)算法，保持色調(diào)不變，從而保證了沒(méi)有顏色的失真或偏移。實(shí)驗(yàn)證明，經(jīng)本文算法增強(qiáng)后的彩色圖像畫面更清晰、層次感更強(qiáng)、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(jué)特性? 局部相關(guān)系數(shù)
?
??? 目前數(shù)字圖像增強(qiáng)技術(shù)主要用于灰度圖像，通過(guò)采用一些技術(shù)手段修正圖像的灰度分布,以達(dá)到增強(qiáng)圖像對(duì)比度和清晰度的目的。然而在現(xiàn)實(shí)世界中，人們面對(duì)的大多是彩色圖像，所以現(xiàn)在關(guān)于彩色圖像增強(qiáng)技術(shù)的研究也越來(lái)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(qiáng)主要是對(duì)其亮度、色彩等信息進(jìn)行修正，使得增強(qiáng)后的圖像更加生動(dòng)、細(xì)節(jié)更加明顯、色彩更加鮮艷，同時(shí)又要確保沒(méi)有顏色的失真或偏移。
??? 現(xiàn)有的彩色圖像增強(qiáng)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(qiáng)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(shí)驗(yàn)表明，在RGB顏色空間進(jìn)行直方圖均衡可以增強(qiáng)圖像亮度，但是卻容易導(dǎo)致顏色的失真。這主要是因?yàn)檫@類算法是單獨(dú)地作用于R、G、B各個(gè)分量，而沒(méi)有考慮彩色圖像R、G、B各個(gè)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(shuō)明彩色圖像的R、G、B三個(gè)分量之間存在著很強(qiáng)的相關(guān)性，改變像素的任一分量都會(huì)改變R、G、B三個(gè)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(qiáng)算法。對(duì)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(duì)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(jué)對(duì)亮度和顏色敏感性不同提出一種基于人眼視覺(jué)特性的彩色圖像增強(qiáng)算法。實(shí)驗(yàn)證明，增強(qiáng)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(jì)算機(jī)中，一般采用RGB空間來(lái)表示。彩色圖像的R、G、B三基色之間存在很強(qiáng)的相關(guān)性，改變像素的任一分量都會(huì)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(guò)色彩空間變換，從相關(guān)性很強(qiáng)的RGB色彩空間變換到相關(guān)性不強(qiáng)的色彩空間。
??? 從心理學(xué)的角度來(lái)看，顏色有三個(gè)要素：色調(diào)、飽和度和亮度。HSV顏色模型就是基于人眼對(duì)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(jué)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(lái)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(gè)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(gè)分量表示亮度，其余的兩個(gè)是色度分量（YIQ中的I、Q，Lab中的a、b）。實(shí)驗(yàn)證明，HSV顏色空間對(duì)于彩色圖像增強(qiáng)是一種較好的選擇[5]。由于HSV顏色空間的三個(gè)分量相關(guān)性很小，改變?nèi)我环至繉?duì)其余分量影響很小，因此，可以對(duì)H、S、V各個(gè)分量采用獨(dú)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(duì)亮度分量V和飽和度分量S采用不同的方法進(jìn)行增強(qiáng)。增強(qiáng)后的彩色圖像細(xì)節(jié)更加清晰、色彩更加鮮艷、而且沒(méi)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(qiáng)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(qiáng)時(shí)，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(huì)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(qiáng)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(qiáng)后圖像的亮度分量，k1和k2是實(shí)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(shí)作用于V和S，局部均值
和局部方差的計(jì)算公式如式(6)和式(7)，
的計(jì)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(duì)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(shí)，圖像的細(xì)節(jié)增強(qiáng)并不明顯；而當(dāng)k1>1時(shí)，圖像的細(xì)節(jié)得到了明顯增強(qiáng)，但是噪聲卻變得明顯了。顯然，該算法對(duì)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(duì)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(jué)特性，可以使圖像的局部對(duì)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?yàn)樗哂衅交肼曂怀黾?xì)節(jié)的作用[5]。定義|
V(x，y)|的最大值為Max
V，令：
??? 
?
??? 對(duì)于飽和度分量S，主要是調(diào)節(jié)它的動(dòng)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(duì)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(shí)現(xiàn)彩色圖像增強(qiáng)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(duì)亮度分量進(jìn)行自適應(yīng)增強(qiáng)，同時(shí)用式（10）對(duì)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(shí)驗(yàn)結(jié)果
??? 實(shí)驗(yàn)過(guò)程中，把改進(jìn)的自適應(yīng)亮度增強(qiáng)算法和對(duì)飽和度分量的直方圖拉伸應(yīng)用到彩色圖像增強(qiáng)中。實(shí)驗(yàn)證明，經(jīng)本文算法增強(qiáng)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(qiáng)算法的比較。
??? 其中，圖2(b)是在RGB顏色空間對(duì)R、G、B三個(gè)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(qiáng)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(qiáng)，但是噪聲也得到了增強(qiáng)，其天空中的噪聲尤其明顯。這主要是因?yàn)椋禂?shù)k1同時(shí)作用于圖像的細(xì)節(jié)和噪聲，沒(méi)有考慮人眼的視覺(jué)特性，使得在增強(qiáng)圖像細(xì)節(jié)的同時(shí)也增強(qiáng)了噪聲。圖2(d)是用本文算法增強(qiáng)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(jué)效果良好，達(dá)到了色彩增強(qiáng)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(qiáng)；而平緩部分K值較小，有效抑制了噪聲。本文算法通過(guò)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(duì)圖像細(xì)節(jié)部分增加得大一些，對(duì)平緩部分增加得小一些，達(dá)到了強(qiáng)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(duì)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(jué)特性，提出了基于人眼視覺(jué)特性的自適應(yīng)彩色圖像增強(qiáng)算法。實(shí)驗(yàn)證明，經(jīng)本文算法增強(qiáng)后的彩色圖像不僅更加清晰，同時(shí)也更加生動(dòng)、鮮艷。在彩色圖像處理過(guò)程中面臨一個(gè)共同的問(wèn)題，即在對(duì)圖像各個(gè)分量（如H、S、V分量）進(jìn)行處理時(shí)，會(huì)有一些值超出0～1這個(gè)動(dòng)態(tài)范圍[8]，對(duì)該問(wèn)題的解決會(huì)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(qiáng)算法，使得增強(qiáng)后圖像色彩更豐富、細(xì)節(jié)更清晰、無(wú)噪聲、無(wú)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.