非均勻圖像亮度補償?shù)姆指罘椒?/h1>
2017-09-20 06:26:57聞敬東張軒雄巨志勇
電子科技 2017年9期
聞敬東，張軒雄，巨志勇
(上海理工大學 光電信息與計算機工程學院，上海 200093)
非均勻圖像亮度補償?shù)姆指罘椒?/p>
聞敬東，張軒雄，巨志勇
(上海理工大學 光電信息與計算機工程學院，上海 200093)
為消除非均勻光照對圖像分割效果的影響，提出了改進的動態(tài)型高斯同態(tài)濾波的亮度補償新方法。將非均勻圖像置于HIS色系下，在頻域內(nèi)對其亮度分量進行同態(tài)濾波，同時引入改進后的高斯高通濾波傳遞函數(shù)，并保持色調(diào)和飽和度不變，得到光照均勻的圖像，進而利用Otsu算法對增強后的均勻圖像進行分割。實驗結(jié)果表明，文中所提方法能夠使得到補償后的圖像明暗適中、視覺感好，且分割的精度與速度都較為理想。
非均勻光照；亮度補償；HIS色系；改進的動態(tài)型高斯同態(tài)濾波
圖像分割目的就是將圖像中的物體從背景中分離出來，方便于后面的分析、計算等處理。通常情況下的圖像分割是在均勻光照條件下采取的。但是隨著采集設備的發(fā)展及采集環(huán)境的影響，收集到的圖像并非都是均勻的，而傳統(tǒng)的圖像分割方法大多是針對均勻圖像而言的。
為使非均勻圖像產(chǎn)生更好地分割效果。本文提出了一種改進的動態(tài)型高斯同態(tài)濾波亮度補償分割方法。即在HSI色系下將改進后的高斯高通濾波器函數(shù)引入同態(tài)濾波中，設計出一種新的動態(tài)型高斯同態(tài)濾波器，保持色調(diào)和飽和度不變僅在頻域內(nèi)對亮度分量進行增強，削弱低頻分量來實現(xiàn)非均 勻圖像的亮度補償。再采用Otsu算法對得到的均勻圖像進行二值化分割。
實驗結(jié)果表明，改進的亮度補償方法可以有效減少非均勻光照圖像給傳統(tǒng)分割算法帶來的影響，大幅提高圖像字符的識別率。
1 非均勻光照圖像亮度補償
非均勻圖像產(chǎn)生是因采集過程中光的反射形成的，一旦光源在圖像上照射不均勻就會使光照強的地方亮，光照弱的地方暗。所以這種非均勻光照現(xiàn)象破壞了原圖像真實信息，對后續(xù)的處理和識別等工作也會造成較大的影響。因此對非均勻圖像進行亮度補償使其變成均勻圖像這一步驟就變得尤為重要。
1.1HSI顏色模型
HSI顏色模型是一種直觀的顏色模型。以人的視覺系統(tǒng)角度來看，色彩分別用色調(diào)、飽和度以及亮度這三要素來表示。人眼所看到的所有物體的彩色光都是由這3個特性綜合作用的效果。而HSI色系模型就是基于色調(diào)H(Hue)、飽和度S(Saturation)、以及亮度I(Intensity)三坐標軸構(gòu)成的三維顏色空間模型。僅對I分量進行彩色圖像處理時，不會對另外兩個分量產(chǎn)生影響，僅會改變發(fā)圖像的亮度大小。HSI模型完全反映了人感知顏色的基本屬性，與人感知顏色的結(jié)果相對應。
1.2HSI顏色模型和RGB顏色模型相互轉(zhuǎn)化
基于HSI模型下對非均勻圖像進行亮度補償比基于RGB模型下的優(yōu)勢更大。圖像的信息主要體現(xiàn)在色度和飽和度這兩個分量上，而亮度的改變對彩色信息的影響較小。因此，在HSI色系下對非均勻彩色圖像進行亮度補償時僅需對亮度分量進行增強處理。由RGB色彩空間到HSI色彩空間的變換表達式為
(1)
(2)
(3)
式中，R、G、B值歸一化在[0,1]之間，角度θ是用HSI空間的橫軸度量。
在[0,1]之間給定HSI的值，要找出同一范圍內(nèi)RGB的值，可將H分成3部分，故HSI模型轉(zhuǎn)換至RGB模型也分成3段：
(1)當H∈[0°，120°]時
B=I(1-S)
(4)
(5)
G=3I-(B+R)
(6)
(2)當H∈[120°，240°]時
R=I(1-S)
(7)
(8)
B=3I-(B+R)
(9)
(3) 當H∈[240°，360°]時
G=I(1-S)
(10)
(11)
R=3I-(G+B)
(12)
2 改進的高斯型同態(tài)濾波器
2.1 同態(tài)濾波
一幅圖像f(x,y)可以表示成反射分量r(x,y)和照度分量i(x,y)的乘積，即
f(x,y)=i(x,y)×r(x,y)
(13)
式中，r(x,y)的性質(zhì)取決于成像物體的表面特性。同態(tài)濾波是一種在頻域內(nèi)同時將圖像亮度范圍進行壓縮和圖像對比度進行增強的一種方法，是基于式(13)中的圖像成像數(shù)學模型進行的。
光照條件體現(xiàn)在頻譜主要落在低頻區(qū)域且變化緩慢的照度分量i(x,y)。上而圖像細節(jié)等特性主要反映在高頻成分的反射分量r(x,y)上。處理照明不足或不均勻的圖像，就是要盡量削弱圖像的低頻分量i(x,y)而增強圖像高頻分量r(x,y)。
故同態(tài)濾波主要步驟如下：
(1)對原圖像f(x,y)取對數(shù)，使乘法運算轉(zhuǎn)化為加法運算
lnf,y=lni(x,y)=lnr(x,y)
(14)
(2) 將對數(shù)函數(shù)進行傅里葉變換，使圖像轉(zhuǎn)換至頻域內(nèi)
F[ln(x,y)]=F[lni(x,y)]+F[lnr(x,y)]
(15)
(3)用同態(tài)濾波函數(shù)H(u,v)處理ln(x,y)，削弱I(u,v)，增強R(u,v)，同時將照射分量和反射分量分開
H(u,v)F(x,v)I(x,y)+H(u,v)R(x,y)
(16)
(4)快速傅里葉逆變換(FFT)-1，轉(zhuǎn)回空間
hf(u,v)=hi(x,y)+hr(x,y)
(17)
(5)兩邊取指數(shù)，得到濾波后的圖像
g(x,y)=ehi(x,y)ehr(x,y)
(18)
同態(tài)濾波具體實現(xiàn)的流程圖如圖1所示。
圖1 同態(tài)濾波過程
由上述可得出，同態(tài)濾波增強后的圖像是由分別對應照度分量i(x,y)和反射分量r(x,y)的兩部分疊加而成。同時由圖1可以看出同態(tài)濾波函數(shù)H(u,v)的選擇對同態(tài)濾波的效果的影響較大。
2.2 同態(tài)型濾波器的設計
高通濾波器可同時減少低頻分量和增加高頻分量的貢獻，從而使圖像同態(tài)范圍得到壓縮，對比度增強達到銳化圖像的效果。由圖2可知，同態(tài)濾波傳遞函數(shù)的波形與高斯高通濾波器相似。因此，本文設計一個對傅里葉變換的低頻分量和高頻分量影響不同的改進的高斯型同態(tài)濾波傳遞函數(shù)
(19)
式中，γH和γL別代表的是高頻增益和低頻增益，當γH>1且0 <γL<1時,圖像高頻分量增強，低頻分量衰減同時對比度提高;k、w為動態(tài)變量;D代表截止頻率，可根據(jù)需要選取。D(u,v)為點(u,v)到傅里葉變換中心的距離
(20)
其中，M,N分別代表圖像的行數(shù)和列數(shù)。
圖2 同態(tài)濾波函數(shù)
為達到更好的銳化效果，本文同時將改進的高斯型同態(tài)濾波器在頻域內(nèi)進行高頻加強濾波，得到了一種改進的動態(tài)高斯同態(tài)濾波傳遞函數(shù)
Hf(u,v)=a+bH(u,v)
(21)
即
(22)
式中，a、b是動態(tài)算子，用于控制濾波器函數(shù)斜面的銳化。其中a∈[0.25，0.5]，b∈[1.5,2.0]。其他參數(shù)和式(19)中對應參數(shù)一致。
3 實驗結(jié)果分析
為驗證本文所提方法的可行性和有效性，在Visual Studio2012軟件平臺下先將非均勻圖像進行亮度補償，然后再對補償前后的圖像使用Otsu算法進行二值化分割。
3.1 亮度補償結(jié)果的驗證
非均勻圖像變成均勻圖像，首先需要對非均勻圖像進行亮度補償。本文所提出的改進后的動態(tài)型高斯同態(tài)濾波器參數(shù)取a=0.36、b=1.8、γH=2.4、γL=0.4、k=1.2和w=2.3。其三維波形如圖3所示。
圖3 改進的高斯型同態(tài)濾波器
采集到的原始圖像為圖4(a)(256×256×24 )；原始圖像經(jīng)傳統(tǒng)的高斯同態(tài)濾波增強后，得到圖4(b)；而使用本文改進的動態(tài)型高斯同態(tài)濾波的方法進行亮度補償，得到圖4(c)。
圖4 圖像亮度補償效果圖
如圖4所示，原始圖像存在著較為明顯的光照不均勻的現(xiàn)象且亮度偏暗。經(jīng)過傳統(tǒng)的高斯同態(tài)濾波器處理以后，圖像的光照不足得到一些改善，也突出了原始圖像中的部分細節(jié)，但圖像中明暗部分的分界還是過于明顯，整體效果不佳。但是采用本文設計的改進的動態(tài)高斯同態(tài)濾波處理以后，不僅圖像邊緣得到很好的銳化，而且增強了細節(jié)部分尤其是圖像的明暗部分的交界區(qū)域，達到了較好的補償效果。以上分析足以說明，本文提出的圖像亮度補償?shù)母倪M方法是明顯優(yōu)于傳統(tǒng)的高斯高通濾波方法。
3.2 Otsu算法分割結(jié)果的驗證
圖5(a)為原始圖像直接使用Otsu算法分割后的圖像；圖5(b)是使用Otsu算法對圖4(b)處理后的結(jié)果；而圖5(c)則是Otsu算法對圖4(c)二值化分割后的結(jié)果圖。
圖5 亮度補償前后圖像Otsu算法效果圖
由圖5所示，光照不均勻的原始圖像直接使用Otsu算法進行分割后得到的圖像存在較為明顯的黑色區(qū)域，此區(qū)域的字符無法識別，從而導致文本字符信息的丟失；而使用傳統(tǒng)高斯同態(tài)濾波方法對原始圖像亮度補償后再進行Otsu算法分割后，得到圖像的效果改觀不少，但還是有少量字符信息被黑色區(qū)域所掩蓋；相比之下，本文的亮度補償算法對原始圖像進行補償后，然后再使用Otsu算法進行二值化后，字符信息可以被完整清晰地分割出來。
為進一步的驗證本文算法的優(yōu)越性，對非均勻光照下的圖像進行各種算法的比較測試，比較結(jié)果如表1所示。
表1 3種算法運行速度和精度的比較
由表1綜合比較得出：本文算法雖然運行速度不是最快的，但對于圖像的分割精度有很明顯提升，更進一步的驗證的了本文算法的優(yōu)越性。
4 結(jié)束語
如何消除非均勻光照對圖像字符分割的影響，精確地將圖像字符信息分割出來是模式識別的重要問題。本文針對非均勻光照圖像提出一種改進的高斯型同態(tài)濾波的亮度補償新方法，即通過HSI色系在頻域內(nèi)僅對亮度分量采用同態(tài)濾波，并引入改進后的高斯高通濾波傳遞函數(shù)對其進行亮度補償，將其轉(zhuǎn)化為均勻亮度的圖像，同時有效地利用Otsu算法將字符信息從背景區(qū)域中精確地分割出來。實驗結(jié)果表明，本文設計的改進后的動態(tài)高斯同態(tài)濾波器光照補償效果良好，同時對非均勻光照的分割精度較為理想，在模式識別領(lǐng)域具有廣泛的應用價值。
[1] Calin R,Thorsten G,Jianwei Z.Color image segmentation in HSI space for automotive applications[J].Journal of Real-time Image Processing,2008,3(4):311-322.
[2] Yoshinara K, Taguchi A. Color Image Enhancement in HSI Color Space without Gamut Problem[J]. Ieice Transactions on Fundamentals of Electronics Communications & Computer Sciences, 2015, E98.A(2):578-581.
[3] Zhang Libo ,Yang Lin ,Luo Tiejian.A novel illumination compensation method with enhanced retinex[J].IEEE Transactions on Systems,2016,28(3):83-87.
[4] Hanmandu M,Jha D.An optimal fuzzy system for color image enhancement[J].IEEE Transactions on Image Processing,2006,8(9):2956-2966.
[5] 魏巍.噪聲和不均勻光照圖像閾值分割技術(shù)研究[D].長春:吉林大學,2012.
[6] 黃蒞辰.非均勻光照文本圖像分割算法研究[D].湘譚:湖南科技大學,2015.
[7] 楊洋.基于智能監(jiān)控系統(tǒng)的圖像分割技術(shù)研究[D].合肥:中國科學技術(shù)大學,2016.
[8] 陳建平,秦斌,王欣.非均勻光照圖像的自適應閾值分割[J].信息技術(shù),2016,4(10):26-29.
[9] 張亞飛,謝明鴻.基于HSI和局部同態(tài)濾波的彩色圖像增強算法[J].計算機應用與軟件,2013,12(12):798-805.
[10] 焦竹青,徐保國.HSV變換和同態(tài)濾波的彩色圖像光照補償[J].計算機工程與應用,2010,6(30):45-47.
[11] 薛丹,孫萬蓉，李京京.一種基于SVM的改進車牌識別算法[J].電子科技,2013,26(11):22-25.
[12] 顧國慶,葛偉華,巨志勇.非均勻光照的文本圖像的亮度補償分割方法:中國,200810109000[P].2008-12-09.
[13] 焦竹清,徐保國.基于同態(tài)濾波的彩色圖像光照補償方法[J].光電子激光,2010,21(4):602-605.
[14] 段群,吳粉俠,李紅.雙通道分塊同態(tài)濾波彩色圖像增強算法[J].計算機技術(shù)與發(fā)展,2016,45(6):487-490.
[15] 巨志勇,蘇春美.非均勻光照下車牌圖像分割算法[J].信息技術(shù),2015,10(34):35-38.
Segmentation Method for Unevenly Image Brightness Compensation
WEN Jingdong，ZHANG Xuanxiong，JU Zhiyong
(School of Optical-Electrical and Computer Engineering,University of Shanghai for Science and Technology, Shanghai 200093,China)
Aiming at eliminating the effect of unevenly illumination on image segmentation, a new method of illumination compensation based on dynamic Gauss type filter is proposed. The unevenly image is in the HSI color system.,then the illumination component is filtered in frequency domain, and the improved Gauss high pass filter transfer function is introduced to it, keep the hue and saturation constant, then got the uniform image. At last use the Otsu algorithm for uniform image which was enhanced before. The experimental results show that the proposed method can make the image brightness and brightness moderate, and the visual sense is good. The accuracy of segmentation is more ideal.
unevenly illumination; illumination compensation;HSI color system; improved dynamic Gauss type filter
2016- 11- 21
國家自然科學基金(81101116)
聞敬東(1993-)，男，碩士研究生。研究方向：模式識別和圖像處理。張軒雄(1965-)，男，研究員，博士生導師。研究方向：微電子機械系統(tǒng)等。巨志勇(1975-)，男，博士。研究方向：模式識別等。
10.16180/j.cnki.issn1007-7820.2017.09.004
TN911.73;TP391.41
A
1007-7820(2017)09-012-04
猜你喜歡
小高斯的大發(fā)現(xiàn)數(shù)學小靈通(1-2年級)(2024年4期)2024-05-14 09:30:52 基于改進同態(tài)濾波的無人機影像勻光勻色應用北京測繪(2023年9期)2023-12-25 07:15:14 天才數(shù)學家——高斯小學生學習指導(低年級)(2019年6期)2019-07-22 03:33:10 亮度調(diào)色多面手攝影之友(影像視覺)(2019年3期)2019-03-30 01:36:56 亮度一樣嗎？小天使·六年級語數(shù)英綜合(2017年5期)2017-05-27 20:14:50 基于斬波調(diào)制的LED亮度控制現(xiàn)代工業(yè)經(jīng)濟和信息化(2016年19期)2016-05-17 05:38:10 人生的亮度公民與法治(2016年23期)2016-05-17 04:21:08 基于同態(tài)濾波和Retinex的圖像去霧算法火控雷達技術(shù)(2016年2期)2016-02-06 02:28:58 利用同態(tài)濾波提取高分辨率遙感影像樹冠信息遙感信息(2015年3期)2015-12-13 07:26:52 有限域上高斯正規(guī)基的一個注記四川師范大學學報(自然科學版)(2015年2期)2015-02-28 14:07:36
聞敬東，張軒雄，巨志勇
(上海理工大學 光電信息與計算機工程學院，上海 200093)
非均勻圖像亮度補償?shù)姆指罘椒?/p>
聞敬東，張軒雄，巨志勇
(上海理工大學 光電信息與計算機工程學院，上海 200093)
為消除非均勻光照對圖像分割效果的影響，提出了改進的動態(tài)型高斯同態(tài)濾波的亮度補償新方法。將非均勻圖像置于HIS色系下，在頻域內(nèi)對其亮度分量進行同態(tài)濾波，同時引入改進后的高斯高通濾波傳遞函數(shù)，并保持色調(diào)和飽和度不變，得到光照均勻的圖像，進而利用Otsu算法對增強后的均勻圖像進行分割。實驗結(jié)果表明，文中所提方法能夠使得到補償后的圖像明暗適中、視覺感好，且分割的精度與速度都較為理想。
非均勻光照；亮度補償；HIS色系；改進的動態(tài)型高斯同態(tài)濾波
圖像分割目的就是將圖像中的物體從背景中分離出來，方便于后面的分析、計算等處理。通常情況下的圖像分割是在均勻光照條件下采取的。但是隨著采集設備的發(fā)展及采集環(huán)境的影響，收集到的圖像并非都是均勻的，而傳統(tǒng)的圖像分割方法大多是針對均勻圖像而言的。
為使非均勻圖像產(chǎn)生更好地分割效果。本文提出了一種改進的動態(tài)型高斯同態(tài)濾波亮度補償分割方法。即在HSI色系下將改進后的高斯高通濾波器函數(shù)引入同態(tài)濾波中，設計出一種新的動態(tài)型高斯同態(tài)濾波器，保持色調(diào)和飽和度不變僅在頻域內(nèi)對亮度分量進行增強，削弱低頻分量來實現(xiàn)非均 勻圖像的亮度補償。再采用Otsu算法對得到的均勻圖像進行二值化分割。
實驗結(jié)果表明，改進的亮度補償方法可以有效減少非均勻光照圖像給傳統(tǒng)分割算法帶來的影響，大幅提高圖像字符的識別率。
1 非均勻光照圖像亮度補償
非均勻圖像產(chǎn)生是因采集過程中光的反射形成的，一旦光源在圖像上照射不均勻就會使光照強的地方亮，光照弱的地方暗。所以這種非均勻光照現(xiàn)象破壞了原圖像真實信息，對后續(xù)的處理和識別等工作也會造成較大的影響。因此對非均勻圖像進行亮度補償使其變成均勻圖像這一步驟就變得尤為重要。
1.1HSI顏色模型
HSI顏色模型是一種直觀的顏色模型。以人的視覺系統(tǒng)角度來看，色彩分別用色調(diào)、飽和度以及亮度這三要素來表示。人眼所看到的所有物體的彩色光都是由這3個特性綜合作用的效果。而HSI色系模型就是基于色調(diào)H(Hue)、飽和度S(Saturation)、以及亮度I(Intensity)三坐標軸構(gòu)成的三維顏色空間模型。僅對I分量進行彩色圖像處理時，不會對另外兩個分量產(chǎn)生影響，僅會改變發(fā)圖像的亮度大小。HSI模型完全反映了人感知顏色的基本屬性，與人感知顏色的結(jié)果相對應。
1.2HSI顏色模型和RGB顏色模型相互轉(zhuǎn)化
基于HSI模型下對非均勻圖像進行亮度補償比基于RGB模型下的優(yōu)勢更大。圖像的信息主要體現(xiàn)在色度和飽和度這兩個分量上，而亮度的改變對彩色信息的影響較小。因此，在HSI色系下對非均勻彩色圖像進行亮度補償時僅需對亮度分量進行增強處理。由RGB色彩空間到HSI色彩空間的變換表達式為
(1)
(2)
(3)
式中，R、G、B值歸一化在[0,1]之間，角度θ是用HSI空間的橫軸度量。
在[0,1]之間給定HSI的值，要找出同一范圍內(nèi)RGB的值，可將H分成3部分，故HSI模型轉(zhuǎn)換至RGB模型也分成3段：
(1)當H∈[0°，120°]時
B=I(1-S)
(4)
(5)
G=3I-(B+R)
(6)
(2)當H∈[120°，240°]時
R=I(1-S)
(7)
(8)
B=3I-(B+R)
(9)
(3) 當H∈[240°，360°]時
G=I(1-S)
(10)
(11)
R=3I-(G+B)
(12)
2 改進的高斯型同態(tài)濾波器
2.1 同態(tài)濾波
一幅圖像f(x,y)可以表示成反射分量r(x,y)和照度分量i(x,y)的乘積，即
f(x,y)=i(x,y)×r(x,y)
(13)
式中，r(x,y)的性質(zhì)取決于成像物體的表面特性。同態(tài)濾波是一種在頻域內(nèi)同時將圖像亮度范圍進行壓縮和圖像對比度進行增強的一種方法，是基于式(13)中的圖像成像數(shù)學模型進行的。
光照條件體現(xiàn)在頻譜主要落在低頻區(qū)域且變化緩慢的照度分量i(x,y)。上而圖像細節(jié)等特性主要反映在高頻成分的反射分量r(x,y)上。處理照明不足或不均勻的圖像，就是要盡量削弱圖像的低頻分量i(x,y)而增強圖像高頻分量r(x,y)。
故同態(tài)濾波主要步驟如下：
(1)對原圖像f(x,y)取對數(shù)，使乘法運算轉(zhuǎn)化為加法運算
lnf,y=lni(x,y)=lnr(x,y)
(14)
(2) 將對數(shù)函數(shù)進行傅里葉變換，使圖像轉(zhuǎn)換至頻域內(nèi)
F[ln(x,y)]=F[lni(x,y)]+F[lnr(x,y)]
(15)
(3)用同態(tài)濾波函數(shù)H(u,v)處理ln(x,y)，削弱I(u,v)，增強R(u,v)，同時將照射分量和反射分量分開
H(u,v)F(x,v)I(x,y)+H(u,v)R(x,y)
(16)
(4)快速傅里葉逆變換(FFT)-1，轉(zhuǎn)回空間
hf(u,v)=hi(x,y)+hr(x,y)
(17)
(5)兩邊取指數(shù)，得到濾波后的圖像
g(x,y)=ehi(x,y)ehr(x,y)
(18)
同態(tài)濾波具體實現(xiàn)的流程圖如圖1所示。
圖1 同態(tài)濾波過程
由上述可得出，同態(tài)濾波增強后的圖像是由分別對應照度分量i(x,y)和反射分量r(x,y)的兩部分疊加而成。同時由圖1可以看出同態(tài)濾波函數(shù)H(u,v)的選擇對同態(tài)濾波的效果的影響較大。
2.2 同態(tài)型濾波器的設計
高通濾波器可同時減少低頻分量和增加高頻分量的貢獻，從而使圖像同態(tài)范圍得到壓縮，對比度增強達到銳化圖像的效果。由圖2可知，同態(tài)濾波傳遞函數(shù)的波形與高斯高通濾波器相似。因此，本文設計一個對傅里葉變換的低頻分量和高頻分量影響不同的改進的高斯型同態(tài)濾波傳遞函數(shù)
(19)
式中，γH和γL別代表的是高頻增益和低頻增益，當γH>1且0 <γL<1時,圖像高頻分量增強，低頻分量衰減同時對比度提高;k、w為動態(tài)變量;D代表截止頻率，可根據(jù)需要選取。D(u,v)為點(u,v)到傅里葉變換中心的距離
(20)
其中，M,N分別代表圖像的行數(shù)和列數(shù)。
圖2 同態(tài)濾波函數(shù)
為達到更好的銳化效果，本文同時將改進的高斯型同態(tài)濾波器在頻域內(nèi)進行高頻加強濾波，得到了一種改進的動態(tài)高斯同態(tài)濾波傳遞函數(shù)
Hf(u,v)=a+bH(u,v)
(21)
即
(22)
式中，a、b是動態(tài)算子，用于控制濾波器函數(shù)斜面的銳化。其中a∈[0.25，0.5]，b∈[1.5,2.0]。其他參數(shù)和式(19)中對應參數(shù)一致。
3 實驗結(jié)果分析
為驗證本文所提方法的可行性和有效性，在Visual Studio2012軟件平臺下先將非均勻圖像進行亮度補償，然后再對補償前后的圖像使用Otsu算法進行二值化分割。
3.1 亮度補償結(jié)果的驗證
非均勻圖像變成均勻圖像，首先需要對非均勻圖像進行亮度補償。本文所提出的改進后的動態(tài)型高斯同態(tài)濾波器參數(shù)取a=0.36、b=1.8、γH=2.4、γL=0.4、k=1.2和w=2.3。其三維波形如圖3所示。
圖3 改進的高斯型同態(tài)濾波器
采集到的原始圖像為圖4(a)(256×256×24 )；原始圖像經(jīng)傳統(tǒng)的高斯同態(tài)濾波增強后，得到圖4(b)；而使用本文改進的動態(tài)型高斯同態(tài)濾波的方法進行亮度補償，得到圖4(c)。
圖4 圖像亮度補償效果圖
如圖4所示，原始圖像存在著較為明顯的光照不均勻的現(xiàn)象且亮度偏暗。經(jīng)過傳統(tǒng)的高斯同態(tài)濾波器處理以后，圖像的光照不足得到一些改善，也突出了原始圖像中的部分細節(jié)，但圖像中明暗部分的分界還是過于明顯，整體效果不佳。但是采用本文設計的改進的動態(tài)高斯同態(tài)濾波處理以后，不僅圖像邊緣得到很好的銳化，而且增強了細節(jié)部分尤其是圖像的明暗部分的交界區(qū)域，達到了較好的補償效果。以上分析足以說明，本文提出的圖像亮度補償?shù)母倪M方法是明顯優(yōu)于傳統(tǒng)的高斯高通濾波方法。
3.2 Otsu算法分割結(jié)果的驗證
圖5(a)為原始圖像直接使用Otsu算法分割后的圖像；圖5(b)是使用Otsu算法對圖4(b)處理后的結(jié)果；而圖5(c)則是Otsu算法對圖4(c)二值化分割后的結(jié)果圖。
圖5 亮度補償前后圖像Otsu算法效果圖
由圖5所示，光照不均勻的原始圖像直接使用Otsu算法進行分割后得到的圖像存在較為明顯的黑色區(qū)域，此區(qū)域的字符無法識別，從而導致文本字符信息的丟失；而使用傳統(tǒng)高斯同態(tài)濾波方法對原始圖像亮度補償后再進行Otsu算法分割后，得到圖像的效果改觀不少，但還是有少量字符信息被黑色區(qū)域所掩蓋；相比之下，本文的亮度補償算法對原始圖像進行補償后，然后再使用Otsu算法進行二值化后，字符信息可以被完整清晰地分割出來。
為進一步的驗證本文算法的優(yōu)越性，對非均勻光照下的圖像進行各種算法的比較測試，比較結(jié)果如表1所示。
表1 3種算法運行速度和精度的比較
由表1綜合比較得出：本文算法雖然運行速度不是最快的，但對于圖像的分割精度有很明顯提升，更進一步的驗證的了本文算法的優(yōu)越性。
4 結(jié)束語
如何消除非均勻光照對圖像字符分割的影響，精確地將圖像字符信息分割出來是模式識別的重要問題。本文針對非均勻光照圖像提出一種改進的高斯型同態(tài)濾波的亮度補償新方法，即通過HSI色系在頻域內(nèi)僅對亮度分量采用同態(tài)濾波，并引入改進后的高斯高通濾波傳遞函數(shù)對其進行亮度補償，將其轉(zhuǎn)化為均勻亮度的圖像，同時有效地利用Otsu算法將字符信息從背景區(qū)域中精確地分割出來。實驗結(jié)果表明，本文設計的改進后的動態(tài)高斯同態(tài)濾波器光照補償效果良好，同時對非均勻光照的分割精度較為理想，在模式識別領(lǐng)域具有廣泛的應用價值。
[1] Calin R,Thorsten G,Jianwei Z.Color image segmentation in HSI space for automotive applications[J].Journal of Real-time Image Processing,2008,3(4):311-322.
[2] Yoshinara K, Taguchi A. Color Image Enhancement in HSI Color Space without Gamut Problem[J]. Ieice Transactions on Fundamentals of Electronics Communications & Computer Sciences, 2015, E98.A(2):578-581.
[3] Zhang Libo ,Yang Lin ,Luo Tiejian.A novel illumination compensation method with enhanced retinex[J].IEEE Transactions on Systems,2016,28(3):83-87.
[4] Hanmandu M,Jha D.An optimal fuzzy system for color image enhancement[J].IEEE Transactions on Image Processing,2006,8(9):2956-2966.
[5] 魏巍.噪聲和不均勻光照圖像閾值分割技術(shù)研究[D].長春:吉林大學,2012.
[6] 黃蒞辰.非均勻光照文本圖像分割算法研究[D].湘譚:湖南科技大學,2015.
[7] 楊洋.基于智能監(jiān)控系統(tǒng)的圖像分割技術(shù)研究[D].合肥:中國科學技術(shù)大學,2016.
[8] 陳建平,秦斌,王欣.非均勻光照圖像的自適應閾值分割[J].信息技術(shù),2016,4(10):26-29.
[9] 張亞飛,謝明鴻.基于HSI和局部同態(tài)濾波的彩色圖像增強算法[J].計算機應用與軟件,2013,12(12):798-805.
[10] 焦竹青,徐保國.HSV變換和同態(tài)濾波的彩色圖像光照補償[J].計算機工程與應用,2010,6(30):45-47.
[11] 薛丹,孫萬蓉，李京京.一種基于SVM的改進車牌識別算法[J].電子科技,2013,26(11):22-25.
[12] 顧國慶,葛偉華,巨志勇.非均勻光照的文本圖像的亮度補償分割方法:中國,200810109000[P].2008-12-09.
[13] 焦竹清,徐保國.基于同態(tài)濾波的彩色圖像光照補償方法[J].光電子激光,2010,21(4):602-605.
[14] 段群,吳粉俠,李紅.雙通道分塊同態(tài)濾波彩色圖像增強算法[J].計算機技術(shù)與發(fā)展,2016,45(6):487-490.
[15] 巨志勇,蘇春美.非均勻光照下車牌圖像分割算法[J].信息技術(shù),2015,10(34):35-38.
Segmentation Method for Unevenly Image Brightness Compensation
WEN Jingdong，ZHANG Xuanxiong，JU Zhiyong
(School of Optical-Electrical and Computer Engineering,University of Shanghai for Science and Technology, Shanghai 200093,China)
Aiming at eliminating the effect of unevenly illumination on image segmentation, a new method of illumination compensation based on dynamic Gauss type filter is proposed. The unevenly image is in the HSI color system.,then the illumination component is filtered in frequency domain, and the improved Gauss high pass filter transfer function is introduced to it, keep the hue and saturation constant, then got the uniform image. At last use the Otsu algorithm for uniform image which was enhanced before. The experimental results show that the proposed method can make the image brightness and brightness moderate, and the visual sense is good. The accuracy of segmentation is more ideal.
unevenly illumination; illumination compensation;HSI color system; improved dynamic Gauss type filter
2016- 11- 21
國家自然科學基金(81101116)
聞敬東(1993-)，男，碩士研究生。研究方向：模式識別和圖像處理。張軒雄(1965-)，男，研究員，博士生導師。研究方向：微電子機械系統(tǒng)等。巨志勇(1975-)，男，博士。研究方向：模式識別等。
10.16180/j.cnki.issn1007-7820.2017.09.004
TN911.73;TP391.41
A
1007-7820(2017)09-012-04
猜你喜歡
數(shù)學小靈通(1-2年級)(2024年4期)2024-05-14 09:30:52
北京測繪(2023年9期)2023-12-25 07:15:14
小學生學習指導(低年級)(2019年6期)2019-07-22 03:33:10
攝影之友(影像視覺)(2019年3期)2019-03-30 01:36:56
小天使·六年級語數(shù)英綜合(2017年5期)2017-05-27 20:14:50
現(xiàn)代工業(yè)經(jīng)濟和信息化(2016年19期)2016-05-17 05:38:10
公民與法治(2016年23期)2016-05-17 04:21:08
火控雷達技術(shù)(2016年2期)2016-02-06 02:28:58
遙感信息(2015年3期)2015-12-13 07:26:52
四川師范大學學報(自然科學版)(2015年2期)2015-02-28 14:07:36
