直方图均衡化
1. 基于 HSV 颜色模型的直方图均衡化图像去 雾技术 直方图均衡化是广泛采用的一种图像增强技 术,计算过程简单,一般可以取得明显的增强效果, 但是容易导致增强后的图像出现局部色彩暗淡。 有限对比度自适应直方图均衡化可以较好地解决 这种问题,但是易导致图像局部颜色失真。 基于 HSV 颜色模型的直方图均衡化去雾技术在直方图 均衡化技术及有限对比度自适应直方图均衡化技 术的基础上,充分考虑人眼视觉特点,结合 HSV 色 彩模型进行去雾,较好解决了图像局部色彩暗淡及 颜色失真的问题,且去雾效果显著。
1. 1 直方图均衡化
直方图均衡化又称为直方图平坦化或线性化, 是一种常用的图像对比度增强方法,考虑到雾霾图 像对比度低的特点,反映到直方图上则具有动态范 围较窄、集中式单峰的形状,利用直方图均衡化技 术将使其处理为分布均衡、动态范围大的形状,从 而增强对比度[5] 。 具体算法步骤如下:
Step1:对输入雾霾图像各灰度级的像素数目ni(0 ≤ i ≤ L - 1,L 为灰度级总数)进行统计;
Step2:计算概率密度 pr,如公式 1 所示: pr(rk) = nk / n k = 0,1,2,…,L - 1 (1)
Step3:计算变换函数, 如公式 2 所示: sk = ∑ k pr(rj) k = 0,1,2,…,L - 1 (2)
Step4: 输出图像中灰度级各像素 sk 由输入图像 中灰度级为 rk 的各像素映射所得,计算如公式 3 所 示: gk = INT(L - 1) sk(rk) / (L - 1) (3)
至此,得到的输出图像为经过直方图均衡化后 的结果。
由于直方图均衡化把图像直方图“强制性” 平 坦化,根据公式 1 ~ 3,任何图像经过处理后,其处理 结果是唯一的,图像很容易出现局部暗淡的效果,
而有限对比度自适应直方图均衡化(CLAHE)可以 较好地解决上述问题。
1. 2 有限对比度自适应直方图均衡化
基本思想:将输入图像分为若干个较小区域, 例如大小的小块,然后对于每个块逐个进行所谓的 直方图匹配法进行处理,通过计算局部直方图,每 个小区域都必须使用对比度限幅重新分布亮度,增 强局部细节,最后通过使用双线性内插将相邻的小 块拼接起来,得到处理之后的图像[5] 。 有限对比度自适应直方图均衡化直接针对 RGB 图像的 R、G 和 B 三个分量分别进行了自适应 直方图均衡化处理,然后再将三个分量进行混合, 重新混合后的图像相比较于原图像会在局部出现 颜色失真。
1. 3 基于 HSV 颜色模型的直方图均衡化图像 去雾技术
相比较于 RGB 颜色模型,HSV(Hue,Saturation, Value)颜色模型更类似于人类感觉颜色的方式,首 先对将 RGB 颜色模型转换为 HSV 颜色模型,然后 选取其中的 V 分量进行有限对比度自适应直方图 均衡化处理,过程同 1. 2 节,最后再将 HSV 颜色模 型转换为 RGB 颜色模型。 通过这种转换处理之后, 一般可以较好地解决有限对比度自适应直方图均 衡化技术所导致的图像局部颜色失真问题。 相比 较于 HE 方法,本算法计算过程简单快速,无需过多 的浮点运算。
3. 总结
基于 HSV 颜色模型的直方图均衡化去雾技术, 与基于直方图均衡化的图像去雾技术及有限对比 度自适应直方图均衡化技术相比较,算法复杂度相 当,但实验结果证明,去雾视觉效果更有优势。 与 HE 方法中采用的复杂物理模型及复杂的浮点计算 相比较,该算法复杂度低,容易实现,基本可以满足 部分实时图像处理系统在雾霾条件下的应用需求。
