赵 娟

(温州大学数学与信息学院，浙江温州 325035)

一种结合曝光阈值的低照度图像增强算法

赵 娟

(温州大学数学与信息学院，浙江温州 325035)

低照度图像整体较暗、对比度低，为此在直方图裁剪结合保持亮度双直方图均衡化的BHEPL方法基础上，提出了基于曝光阈值划分直方图的适合低照度图像的图像算法，并结合低照度图像的灰度直方图特点对直方图裁剪方法加以改进．实验结果表明：该方法对低照度图像有较好的增强效果，解决了过分增强的问题，并且能较好的保持图像细节．

双直方图均衡化；直方图裁剪；低照度；曝光阈值；熵

图像增强是图像处理的基本手段．图像增强旨在提高图像视觉质量，增强人们感兴趣的或那些光照不足的暗域的细节．图像增强法主要可分为两大类：空间域方法和频率域方法．对于低照度图像，图像主要视觉特点是灰暗区域较大，整幅图像的灰度值大部分处于较低水平，视觉上分不清图像灰暗区域的细节．传统的直方图均衡化方法进行增强易把图像的平均灰度值变换成灰度变化范围里的中间灰度值，进而导致图像失真或密度过饱和，不仅降低了图像的显示效果，而且会导致一些信息的丢失．针对低照度图像，全局灰度均衡化虽然能够提高图像的亮度，但也会产生图像过分增强、质量降低的现象．局部直方图算法[1]是结合图像像素邻域的灰度值进行均衡，对于低照度图像其均衡化的结果不能很好地调整图像亮度范围．Kim[2]提出了保持亮度的双直方图均衡化方法（BBHE），其利用亮度平均值将图像分为两个部分，再对两个子直方图分别进行均衡化，这种方法可以减少过分增强现象．由直方图均衡化方法可知图像的灰度概率密度函数会影响图像增强的速率，那些概率较大的灰度级会被过分增强，Yang等人[3]提出了在图像直方图均衡化之前修改图像的灰度直方图，减少那些密度过大灰度级，增加密度较小的灰度级．Chen等人[4]提出了将两者结合在一起的BHEPL方法．

本文提出了一种基于曝光阈值[5]和直方图裁剪的保持图像亮度的双直方图均衡化方法．在Chen[4]的基础上，通过曝光域值将灰度直方图像分为两个部分，并结合低照度图像特点对图像的灰度直方图进行裁剪．实验表明，该方法对于低照度图像有较好的增强效果．

1 直方图均衡化

1.1 传统的直方图均衡化方法

直方图均衡化方法是将输入图像的灰度级的概率密度函数经过一定的变换生成一幅灰度级分布均匀的图像．具体方法如下：

设整幅图像可能的灰度级总数为L，n为图像中像素的总和，nk是灰度级第k个灰度级rk所对应的像素个数，则整幅图像中rk出现的概率Pr(rk)近似为：

其中，sk为变换时灰度级rk对应的灰度级．

通过变换函数将输入图像中灰度级为rk的各像素映射为灰度级为sk的像素产生输出图像，图像经变换后的灰度直方图基本成均匀分布，但易产生过分增强的现象．

1.2 BHEPL方法

BHEPL方法首先通过计算图像X平均灰度Xm，将图像分成两个子部分X1和X2，其中：

其次，对两个子部分分别计算裁剪阈值T1和T2，进行直方图裁剪．

其中，L为图像的所有灰度级，h(k)为图像中k级灰度所对应的像素点数．

裁剪完成后，再对两个子图分别进行直方图均衡化，最后输出变换后的图像．

2 改进算法

保持亮度的双直方图均衡化各种方法[2,6-7]的主要不同点在于分解图像的灰度阈值选取不同．本文提出的算法，首先，在选取图像划分的指标灰度Xm时加以改进；其次，针对低照度图像特点，灰度直方图大多呈单峰，并且主要处于灰度级较低范围，采用先对图像的直方图进行裁剪，再进行区域分解，减少了算法的复杂程度．具体算法如下：

2.1 直方图裁剪

2.1 直方图分解

由曝光参数可以计算出曝光阈值X：X=L(1-exposure)．利用曝光阈值可以将原图象灰度直方图分为两个部分X1和X2．

2.3 直方图均衡化

首先，分别计算两个子图对应的概率密度函数P1( k)和P2( k)：

其中，N1,N2分别为子图X1,X2的像素总数．

对应的累积分布函数C1(k),C2(k )计算公式为：

其次，对X1,X2分别进行均衡化，直方图变换公式分别为F1,F2，则：

3 实验结果与分析

图像的信息熵是衡量图像中灰度级的不确定性的一个指标，在一定程度上可以衡量图像的细节丰富度，信息熵越大细节越丰富．

选取2幅低照度图像（a）和（b），分别采用传统全局直方图均衡化方法，局部直方图均衡化算法，BBHE方法，BHEPL方法和本文方法进行了处理，处理后各图像及其熵值如下：

表1 几种直方图均衡化方法熵值比较

从实验结果上看，本文方法对低照度图像增强效果较好，有效的解决了过分增强的问题，整幅图片亮度适中，并较好的保持了图像的细节．

4 结 语

本文算法通过选取曝光阈值为图像直方图分割指标值，对低照度图像增强有较好的处理效果，但其也存在一定的局限性，对于过曝光图像处理效果较差．

[1] 危疆树. 结合局部对比度增强的直方图均衡化图像增强方法[J]. 计算机与信息技术, 2005, (10): 23-25.

[2] Kim Y T. Contrast enhancement using brightness preserving bi-histogram equalization [J]. IEEE Transactions on Consumer Electronics, 2002, 43(1), 1-8.

[3] Yang S J, Oh J H, Park Y J. Contrast enhancement using histogram equalization with bin underflow and bin overflow [J]. Image Processing, 2003, 1: 881-884.

[4] Chen H O, Kong N S P, Ibrahim H. Bi-histogram equalization with a plateau limit [J]. IEEE Transactions on Consumer Electronics, 2009, 55(4): 2072-2080.

[5] Hanmandlu M, Verma O P, Kumar N K, et al. A novel optimal fuzzy system for color image enhancement using bacterial foraging [J]. IEEE Transactions on Instrumentation and Measurement, 2009, 58(8): 2867-2879.

[6] Wang Y, Chen Q, Zhang B M . Image enhancement based on equal area dualistic sub image histogram equalization method [J]. IEEE Trans Consumer Electronics, 1999, 45(1): 68-75.

[7] Chen S D, Ramli A R. Minimum mean brightness error bi-histogram equalization in contrast enhancement [J]. IEEE Trans Consumer Electronics, 2003, 49(4): 1310-1319.

[8] 武英. 保持图像亮图的改进双直方图均衡算法[J]. 计算机应用, 2010, 30(6): 1632-1634.

[9] 彭波, 王一鸣. 低照度图像增强算法的研究与实现[J]. 计算机应用, 2007, 27(8): 2001-2003.

[10] 王萍, 张春, 罗颖昕. 一种雾天图像低对比度增强的快速算法[J]. 计算机应用, 2006, 26(1): 152-156.

[11] 黄华, 王孝通, 蒋永馨, 等. 暗区域分割算法在夜间图像增强中的应用[J]. 激光与红外, 2009, 39(4): 443-446.

[12] 江巨浪, 张佑生, 薛峰, 等. 保持图像亮度的局部直方图均衡算法[J]. 电子学报, 2006, (5): 861-866.

An Image Intensification Algorithm with Exposure Threshold Value for Low-illumination Image

ZHAO Juan
(Mathematics and Information College, Wenzhou University, Wenzhou, China 325035)

The low-illumination image almost has a low gray level and low contrast. A new image intensification algorithm with exposure threshold value for low-illumination image is introduced in this paper, which is based on the BHEPL algorithm that is combined the histogram clipping method and brightness preservation bi-histogram equalization method together. The histogram clipping method in the BHEPL based on the character of the gray level histogram of the low-illumination image is improved. The experiment results demonstrate that such a method has a better enhancement effect on low-illumination image, which not only solves the over-enhancement problem but also preserves the detail of the image.

Bi-histogram Equalization; Histogram Clipping; Low-illumination; Exposure Threshold Value; Entropy

TP391.41

A

1674-3563(2015)02-0008-05

10.3875/j.issn.1674-3563.2015.02.002 本文的PDF文件可以从xuebao.wzu.edu.cn获得

(编辑：封毅)

2014-04-21

赵娟(1989- )，女，安徽阜阳人，硕士研究生，研究方向：数字图像处理，计算机与复杂系统控制