基于改進(jìn)的自適應(yīng)gamma 矯正的圖像對(duì)比度提升算法

方 慶，楊劍鋒，謝仁禮

（深圳TCL 新技術(shù)有限公司，廣東 深圳 518000）

0 引言

在圖像采集過(guò)程中，受光照環(huán)境復(fù)雜多變和采集設(shè)備不同等影響，最終在顯示終端顯示的圖像效果也是參差不齊，部分圖像存在曝光不足、細(xì)節(jié)丟失或噪聲較多等情況[1]。在顯示器顯示中，如果某些圖像場(chǎng)景偏暗，則會(huì)造成圖像大量細(xì)節(jié)丟失，影響觀看效果[2]。此外，當(dāng)前顯示器的內(nèi)部圖像處理一般采用全局算法，不適用于所有場(chǎng)景，而且沒(méi)有針對(duì)暗場(chǎng)景的畫(huà)面改善，全局調(diào)節(jié)會(huì)損失細(xì)節(jié)[3]。目前提升圖像對(duì)比度的方法主要包括直方圖均衡化、gamma 調(diào)節(jié)以及分段線(xiàn)性變換，但這些方法均是全局方法，無(wú)法調(diào)節(jié)圖像的感興趣區(qū)域，在高亮區(qū)域和低亮區(qū)域的處理中容易顧此失彼，最終的處理效果往往不盡如人意，容易使噪聲也被增強(qiáng)[4]。相較于全局的對(duì)比度提升方法，局部調(diào)節(jié)方法有著諸多優(yōu)勢(shì)[5]。

本文針對(duì)現(xiàn)有方法的不足，提出了一種場(chǎng)景自適應(yīng)圖像對(duì)比度提升算法，將待處理的圖像分不同亮、暗場(chǎng)景進(jìn)行處理，對(duì)圖像中感興趣的局部暗場(chǎng)景細(xì)節(jié)丟失做出改善，同時(shí)保留曝光正常部分，以此提升圖像的對(duì)比度，并抑制暗部區(qū)域的噪聲。

1 算法原理

本文算法的處理流程如圖1 所示，大致分為輸入圖像的直方圖分析和統(tǒng)計(jì)、圖像場(chǎng)景分類(lèi)、改進(jìn)的自適應(yīng)gamma 矯正、V 通道灰階映射以及輸出圖像。

圖1 算法處理流程

1.1 圖像場(chǎng)景分類(lèi)

針對(duì)不同場(chǎng)景的圖像，將其分為暗場(chǎng)景圖像、中亮場(chǎng)景圖像以及亮場(chǎng)景圖像，對(duì)不同的場(chǎng)景畫(huà)面做不同的處理。

（1）提取圖像的亮度信息，計(jì)算圖像的曝光閾值E。將待處理圖像的顏色空間轉(zhuǎn)為HSV（Hue，Saturation，Value）顏色空間，提取明度通道V，根據(jù)其來(lái)分析圖像的亮度信息。曝光閾值E決定了一幅圖像的曝光程度，其計(jì)算公式為：

式中：h(k)為圖像中灰階k的像素個(gè)數(shù)，L為圖像的灰階數(shù)。曝光閾值越高，整體曝光程度越高，視覺(jué)感受圖像的整體亮度越亮；圖像曝光程度越低，視覺(jué)感受圖像的整體亮度就越暗。

（2）對(duì)圖像的直方圖進(jìn)行分析，計(jì)算低曝光、中曝光以及高曝光系數(shù)，得到暗態(tài)畫(huà)面暗系數(shù)D。設(shè)定低曝光與中曝光的閾值為thresh1，中曝光與高曝光的閾值為thresh2，在[0,thresh1]的像素值個(gè)數(shù)占總像素個(gè)數(shù)的比值即為低曝光系數(shù)f1，在[thresh1,thresh2]的像素值個(gè)數(shù)占總像素個(gè)數(shù)的比值即為中曝光系數(shù)fm，在(thresh2,255]的像素值個(gè)數(shù)占總像素個(gè)數(shù)的比例即為高曝光系數(shù)fh。暗態(tài)畫(huà)面暗系數(shù)D為低曝光系數(shù)與中曝光系數(shù)之和，即。

（3）將圖像曝光閾值E和暗系數(shù)D按不同的權(quán)重相加，計(jì)算得到亮度因子fd，根據(jù)亮度因子的大小來(lái)對(duì)圖像場(chǎng)景進(jìn)行分類(lèi)。亮度因子計(jì)算公式為fd=λ×E+η×D，其 中λ=1-η（λ,η∈(0,1)）。設(shè)定T1為暗場(chǎng)景閾值參數(shù)、T2為亮場(chǎng)景閾值參數(shù)（T1,T2∈[0,1]），T1＞T2。當(dāng)fd≥T1時(shí)，判定為暗場(chǎng)景圖像；當(dāng)T2≤fd≤T1時(shí)，判定為中亮場(chǎng)景圖像；當(dāng)0 ≤fd≤T2時(shí)，判定為亮場(chǎng)景圖像。

1.2 自適應(yīng)直方圖均衡平滑處理

在對(duì)直方圖的處理上，本文算法與傳統(tǒng)的直方圖均衡化（Histogram Equalization，HE）[6]、對(duì)比度限制自適應(yīng)直方圖均衡化（Contrast Limited Adaptive Histogram Equalization，CLAHE）[7]和動(dòng)態(tài)直方圖均衡化（Dynamic Histogram Equalization，DHE）[8]不同，通過(guò)自適應(yīng)直方圖均衡平滑處理來(lái)略微修改直方圖，減少不良影響的產(chǎn)生。自適應(yīng)直方圖對(duì)應(yīng)的函數(shù)為：

式中：hmax為直方圖統(tǒng)計(jì)中灰階個(gè)數(shù)的最大值，hmin為直方圖統(tǒng)計(jì)中灰階個(gè)數(shù)的最小值，h(l)為初始直方圖對(duì)應(yīng)的函數(shù)，s為自適應(yīng)平滑因子。平滑因子越大，直方圖平滑前后變化越小，增強(qiáng)程度越大。s的計(jì)算公式為：

式中：p為最大類(lèi)間方差法（OTSU）的自適應(yīng)閾值[9]。

1.3 改進(jìn)的自適應(yīng)gamma 矯正

自適應(yīng)伽馬矯正（Adaptive Gamma Correction，AGC）[10]在增強(qiáng)暗淡的圖像時(shí)，局部明亮區(qū)域的圖像結(jié)構(gòu)可能會(huì)丟失，不能直接用于增強(qiáng)全局明亮的圖像。本文提出了一種改進(jìn)的AGC 方法，基于現(xiàn)有的累積分布函數(shù)（Cumulative Distribution Function，CDF）截?cái)嗖呗詫?duì)gamma 矯正曲線(xiàn)做了高亮亮度保持和低亮噪聲抑制處理。

為了能夠更好地針對(duì)圖像的不同暗亮場(chǎng)景類(lèi)型來(lái)提升圖像的對(duì)比度，并且防止過(guò)曝的現(xiàn)象，對(duì)gamma矯正曲線(xiàn)的高亮部分做了高亮亮度保持處理。高亮亮度保持權(quán)重函數(shù)為：

式中：P為亮度區(qū)間的最低閾值，可以由OTSU 法計(jì)算得到；β為大于1 的系數(shù)，根據(jù)高亮亮度保持的程度取值；l為灰階數(shù)。

由于在對(duì)圖像進(jìn)行自適應(yīng)伽馬矯正時(shí)，對(duì)圖像低亮部分的增強(qiáng)極有可能導(dǎo)致噪點(diǎn)的產(chǎn)生，因此對(duì)gamma 矯正曲線(xiàn)的低亮部分做低亮噪聲抑制處理，以此限制圖像噪聲的產(chǎn)生。低亮噪聲抑制權(quán)重函數(shù)為：

式中：N為暗度區(qū)間的最大閾值，α為大于1 的系數(shù)（本文取2）。

對(duì)于暗場(chǎng)景：

對(duì)于中亮場(chǎng)景：

對(duì)于亮場(chǎng)景：

式中：fP(l)、fN(l)為高亮亮度保持權(quán)重函數(shù)和低亮噪聲抑制權(quán)重函數(shù)。

2 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證本文算法的有效性，將其與DHE、加權(quán)分布的自適應(yīng)伽馬校正（Adaptive Gamma Correction with Weighting Distribution，AGCWD）、改進(jìn)的加權(quán)分布的自適應(yīng)伽馬校正（Improved Adaptive Gamma Correction with Weighting Distribution，IAGCWD）[11]算法進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果如圖2、圖3、圖4 所示。

圖2 暗場(chǎng)景圖像對(duì)比度提升結(jié)果

圖3 中亮場(chǎng)景圖像對(duì)比度提升結(jié)果

圖4 亮場(chǎng)景圖像對(duì)比度提升結(jié)果

通過(guò)對(duì)比分析，DHE、AGCWD、IAGCWD 在一些場(chǎng)景下會(huì)存在過(guò)度增強(qiáng)或者增強(qiáng)效果不佳的問(wèn)題，而本文算法能夠針對(duì)不同暗亮場(chǎng)景的圖像，在兼顧暗態(tài)部分細(xì)節(jié)增強(qiáng)、保持高亮曝光部分的同時(shí)，較好地提升了圖像的對(duì)比度，使圖像看起來(lái)更清晰、更自然。

除此之外，將本文算法與DHE、AGCWD、IAGCWD 進(jìn)行了客觀圖像質(zhì)量評(píng)價(jià)測(cè)試。選取TID2013 圖像庫(kù)中10 張被更改了對(duì)比度的圖像作為測(cè)試樣本，將ID2013 圖像庫(kù)中對(duì)應(yīng)的原圖作為參考圖像，通過(guò)不同算法進(jìn)行圖像對(duì)比度提升，分別計(jì)算出相應(yīng)的峰值信噪比（Peak Signal to Noise Ratio，PSNR）[12]，結(jié)果如表1 所示。

表1 PSNR 對(duì)比

與DHE、AGCWD 和IAGCWD 相比，本文所提算法處理過(guò)的圖像都具有更高的PSNR 值。綜上所述，本文所提算法實(shí)現(xiàn)了更好的對(duì)比度改善和更少的圖像失真。

3 結(jié)語(yǔ)

本文基于改進(jìn)的自適應(yīng)gamma 矯正，提出了一種適用于不同暗亮場(chǎng)景的圖像對(duì)比度提升算法。根據(jù)圖像的暗亮進(jìn)行圖像場(chǎng)景分類(lèi)，能夠有效地針對(duì)不同暗亮場(chǎng)景來(lái)提升圖像對(duì)比度。通過(guò)改進(jìn)的自適應(yīng)gamma 矯正，做到了圖像暗態(tài)畫(huà)面細(xì)節(jié)增強(qiáng)、低亮噪聲抑制和高亮亮度保持，能夠更有效、合理地提升圖像對(duì)比度，使圖像顯示更加自然。