基于對比度受限直方圖均衡法的牛羊眼部圖像增強(qiáng)方法

趙靜　韋海成

摘要：針對牛羊眼部紋理信息提取前需要對牛羊眼部圖像進(jìn)行增強(qiáng)處理的問題，采用對比度受限直方圖均衡化方法對牛羊眼部圖像進(jìn)行增強(qiáng)處理。算法首先將原始圖像分割成若干個(gè)大小相同的子區(qū)域，再計(jì)算截取值對每個(gè)子區(qū)域的直方圖進(jìn)行截取，并將截取下的像素均勻分配到每個(gè)灰度級，得到限定對比度直方圖，根據(jù)限定對比度直方圖對原圖進(jìn)行灰度雙線性插值生成增強(qiáng)圖像。實(shí)驗(yàn)結(jié)果表明，使用對比度受限直方圖均衡化方法對牛羊眼部圖像進(jìn)行增強(qiáng)處理，增強(qiáng)后的圖像具有更高的圖像細(xì)節(jié)和層次感，同時(shí)減少了圖像的失真，具有較高的理論和實(shí)用價(jià)值。

關(guān)鍵詞： 圖像增強(qiáng)；直方圖均衡；對比度受限直方圖均衡化；牛羊眼部圖像；

中圖分類號： TP391.4 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2016）05（a）-0000-00

1.

1 基金項(xiàng)目：寧夏高等學(xué)校科學(xué)技術(shù)研究項(xiàng)目（NGY2014052）

2. 引言

肉類食品的可溯源性已成為嚴(yán)重制約清真牛羊肉食品出口的一個(gè)重要環(huán)節(jié)，將眼部特征識別技術(shù)應(yīng)用在畜牧業(yè)生產(chǎn)及牲畜產(chǎn)品溯源過程中，將成為一個(gè)新的研究方向。由于牛羊眼部結(jié)構(gòu)和人類眼部結(jié)構(gòu)不同，對牛羊眼部紋理信息提取前需要對牛羊眼部圖像進(jìn)行增強(qiáng)處理。圖像增強(qiáng)處理方法有很多種，如直方圖處理方法[1]、Retinex[2]、同態(tài)濾波[3]、空域彩色圖像增強(qiáng)方法[4]和暗通道先驗(yàn)[5]等算法。

圖像增強(qiáng)是根據(jù)特定的需要通過增加圖像灰度對比度的方法突出圖像中的重要信息，同時(shí)減弱或去除不需要的信息，從而有目的的強(qiáng)調(diào)圖像的整體或局部特征。直方圖均衡化是圖像增強(qiáng)算法中最常用、最重要的算法之一，但是在圖像增強(qiáng)過程中會(huì)出現(xiàn)噪聲的放大及局部對比度的過度增強(qiáng)問題。為了解決牛羊眼部圖像增強(qiáng)過程中的這些問題，本文提將對比度受限自適應(yīng)直方圖均衡法應(yīng)用于牛羊眼部圖像增強(qiáng)處理。仿真實(shí)驗(yàn)結(jié)果證明，對比度受限自適應(yīng)直方圖均衡化算法拉伸圖像灰度的動(dòng)態(tài)范圍，突出部分圖像細(xì)節(jié)，同時(shí)可有效限制噪聲放。將該算法應(yīng)用于牛羊眼部圖像增強(qiáng)處理，增強(qiáng)后的圖像具有更高的圖像細(xì)節(jié)和層次感，同時(shí)減少了圖像的失真，具有較高的理論和實(shí)用價(jià)值。

3. 直方圖均衡法

直方圖均衡化是圖像增強(qiáng)算法中最常用、最重要的算法之一。直方圖均衡化的基本思想是把原始直方圖變換為均勻分布的形式，從而增加象素灰度值的動(dòng)態(tài)范圍達(dá)到增強(qiáng)圖像整體對比度的效果。

離散的灰度等級作直方圖均衡化時(shí)，很難得到完全平坦均勻的結(jié)果，而且處理后的圖像灰度級有所減少，致使某些細(xì)節(jié)消失。某些圖像，如直方圖有高峰等，經(jīng)處理后其對比度易產(chǎn)生不自然的過分增強(qiáng)。

4. 對比度受限自適應(yīng)直方圖均衡法

對比度受限自適應(yīng)直方圖均衡法又稱為CLAHE算法，是由直方圖均衡算法演化發(fā)展而來。為了克服上述自適應(yīng)直方圖均衡算法的局限，Reza A等人提 出 了 對 比 度 受 限 自 適 應(yīng) 直 方 圖 均 衡 化（Contrast Limited？Adaptive histogram equalization CLAHE） 算法。對比度受限自適應(yīng)直方圖均衡法（CLAHE）通過限制局部直方圖的高度來限制局部對比度的增強(qiáng)幅度，從而限制噪聲的放大及局部對比度的過增強(qiáng)。該方法通過將圖像分為若干子區(qū)域； 然后對每個(gè)子區(qū)域進(jìn)行直方圖“剪切”。然后對每個(gè)子區(qū)域進(jìn)行直方圖均衡，再對每個(gè)像素通過插值運(yùn)算得到變換后的灰度值， 從而實(shí)現(xiàn)對比度受限自適應(yīng)圖像增強(qiáng)。

本文根據(jù)牛羊眼部圖像的特點(diǎn)，將對比度受限自適應(yīng)直方圖均衡法部分改進(jìn)后，應(yīng)用于牛羊眼部圖像的增強(qiáng)處理。

處理基本流程：

（1） 將原圖分割為 k個(gè)大小為mn 的連續(xù)不重疊的子區(qū)域。跟據(jù)牛羊眼部圖像情況動(dòng)態(tài)調(diào)整m，n值大小。

（2） 計(jì)算每個(gè)子區(qū)域的灰度直方圖。

（3） 確定每個(gè)子區(qū)域灰度直方圖“剪切”值。

（5） 設(shè)經(jīng)過以上重新分配后， 剪切下來像 素點(diǎn)剩余數(shù)為。用灰度范圍長度除以剩余像素?cái)?shù)（8）， 求出“分配像素”步長S。

從最小灰度級開始按步長搜索， 遇到像素?cái)?shù)小于“剪切”值的位置， 則分配一個(gè)像素， 完成從最小灰度級到最大灰度級的循環(huán)后， 如果還有剩余的像素沒有分配完， 則利用式（8）計(jì)算新的步長， 再開始新的循環(huán)，直到剩余的像素“分配”完為止。從而得到新的灰度直方圖。

（6） 對每個(gè)子區(qū)域內(nèi)對比度“剪切”后的灰度直方圖進(jìn)行均衡化。

（7） 按照新的直方圖分布，對圖像進(jìn)行灰度雙線性插值，生成增強(qiáng)后的結(jié)果圖像。

5. 實(shí)驗(yàn)結(jié)果分析

本實(shí)驗(yàn)采用500萬像素虹膜采集儀為奶牛和山羊提取眼部圖像。在Matlab R2010b版本上對其進(jìn)行仿真，驗(yàn)證CLAHE算法對牛羊眼部圖像的增強(qiáng)效果。

本實(shí)驗(yàn)分別采用奶牛和山羊眼部圖像進(jìn)行直方圖均衡化變換及CLAHE變換增強(qiáng)處理，其處理效果如圖1所示。

圖1中a為奶牛和山羊眼部圖像的灰度圖，b為經(jīng)過直方圖均衡化處理后的增強(qiáng)圖像，c為經(jīng)過CLAHE處理后的增強(qiáng)圖像。

分析上述圖像發(fā)現(xiàn)，經(jīng)過直方圖均衡化處理的會(huì)引起過度增強(qiáng)，引入大量噪聲的情況，如奶牛眼部圖像中虹膜左上角增強(qiáng)及山羊眼部圖像中虹膜內(nèi)部增強(qiáng)，均出現(xiàn)了該情況。而CLAHE方法則適當(dāng)?shù)膹浹a(bǔ)了該缺陷，從實(shí)驗(yàn)結(jié)果可以看出，經(jīng)過CLAHE處理后的增強(qiáng)圖像沒有過度增強(qiáng)，也沒有出現(xiàn)失真現(xiàn)象，同時(shí)突出部分細(xì)節(jié)。

實(shí)驗(yàn)結(jié)果表明，使用CLAHE方法對牛羊眼部圖像進(jìn)行增強(qiáng)處理，具有更高的圖像細(xì)節(jié)和層次感，同時(shí)減少了圖像的失真，具有較高的理論和實(shí)用價(jià)值。

6. 結(jié)論

本文為解決將眼部特征識別技術(shù)應(yīng)用在畜牧業(yè)生產(chǎn)及牲畜產(chǎn)品溯源過程中，對牛羊眼部紋理信息提取前需要對牛羊眼部圖像進(jìn)行增強(qiáng)處理的問題，將對比度受限自適應(yīng)直方圖均衡法應(yīng)用于牛羊眼部圖像的增強(qiáng)處理。

仿真實(shí)驗(yàn)結(jié)果證明，對比度受限自適應(yīng)直方圖均衡算法拉伸圖像灰度的動(dòng)態(tài)范圍，突出部分圖像細(xì)節(jié)，同時(shí)可有效限制噪聲放大，避免引入更多噪聲。在對牛羊眼部圖像進(jìn)行增強(qiáng)處理時(shí)，對比度受限自適應(yīng)直方圖均衡算法比直方圖均衡化算法在保持圖像增強(qiáng)效果和保留圖像細(xì)節(jié)方面表現(xiàn)出更好的性能，具有更高的圖像細(xì)節(jié)和層次感，同時(shí)減少了圖像的失真，具有較高的理論和實(shí)用價(jià)值。

參考文獻(xiàn)

[1]. 李利榮，汪蒙. 一種高效的圖像增強(qiáng)去霧算法[J]. 湖北工業(yè)大學(xué)學(xué)報(bào). 2013 （05）.2013：72-75

[2]. 林笑君，梁鳳梅. 基于Retinex的一種圖像去霧算法[J]. 電視技術(shù). 2013 （17）.2013：155-158.

[3]. 康艷梅，陳名松，何志毅. 基于LED輔助照明的水下圖像增強(qiáng)算法研究[J]. 電視技術(shù). 2013 （15）.2013：211-214.

[4]. 王小鵬， 陳璐， 魏沖沖， et al. 一種改進(jìn)的 Retinex 彩色圖像增強(qiáng)方法[J]. 蘭州交通大學(xué)學(xué)報(bào)， 2015， 1： 259-270.

[5]. He K， Sun J， Tang XO. Single image haze removal using dark channel prior [C] PPProc of IEEE CVPRp09.Washington： IEEE Computer Society， 2009： 1956-1963.