第 34 卷 第 5 期 红 外 技 术 Vol.34 No.5 2012 年 5 月 Infrared Technology May 2012 〈图像处理与仿真〉 基于图像分割和平台直方图均衡的红外图像增强算法 魏 新，马丽华，李云霞，徐志燕，宫明文 （空军工程大学 电讯工程学院，陕西 西安 710077） 摘要：针对原始红外图像模糊、对比度低的特点，提出了一种基于图像分割的平台直方图均衡算法。 首先采取实时阈值提取方法选取阈值，将图像目标灰度与背景灰度分开；然后利用对数、指数结合的 非线性变换抑制背景区域，扩展目标区域的动态范围；最后利用改进的双平台直方图均衡算法处理非 线性变换后的灰度图像。实验结果表明：该方法有效地增强了原始红外图像，提高图像对比度的同时 很好地保留了图像的细节和边缘信息，且避免了过亮现象，视觉效果得到改善。 关键词：红外图像增强；图像分割；非线性变换；直方图均衡 中图分类号：TN911.73 文献标识码：A 文章编号：1001-8891(2012)05-0272-04 Infrared Image Enhancement Algorithm Based on Image Segmentation and Platform Histogram Equalization WEI Xin，MA Li-hua，LI Yun-xia，XU Zhi-yan，GONG Ming-wen (The Telecommunication Engineering Institute, Air Force Engineering University, Xi’an 710077, China) Abstract：For the fuzzy and low contrast of original infrared images, an algorithm based on image segmentation and platform histogram equalization was proposed. Firstly, we took real-time threshold extraction method to choose threshold that separated the target gray and the background gray of image. Secondly, we used the nonlinear transform which was the combination of logarithm and index to inhibit background region and expand dynamic range of the target area. Finally, the improved double platform histogram equalization algorithm was used to process the nonlinear transformed grayscale image. Experiment results show that the method can enhance the original infrared image effectively and improve the contrast and reserve the details and edges of the image well, moreover, the method avoid over-enhancement and improve visual effect. Key words：infrared image enhance，image segmentation，nonlinear transformation，histogram equalization 0 引言 红外图像具有分辨率低，对比度低，信噪比低以 及边缘模糊等特点，因此图像增强是红外图像处理中 需要解决的问题。直方图均衡化[1]是一种常用的图像 增强方法，通过使输入图像灰度值的概率尽可能均匀 分布，以扩展图像的动态显示范围和增强对比度。由 于背景和噪声占用了大量的灰度级，而目标的灰度级 较少，直方图均衡后相当于提高了背景和噪声的对比 度，降低了目标的对比度，容易出现过亮现象，因此 这种方法并不适用于处理红外图像。在这种情况下， 出现了许多基于灰度变换的改进算法：平台直方图均 衡算法[2]通过选择合适的平台阈值对图像的直方图进 行修改，从而对背景和噪声适度抑制，然而这种算法 的阈值选取困难，对背景的抑制效果没有达到最佳， 固定的阈值对不同的红外图像处理效果不好。自适应 平台直方图均衡[3,4]可以增强目标的对比度，但不能解 决边缘模糊，噪声较大的问题。直方图双向均衡算法[5] 分别从灰度密度和灰度间距两方面进行均衡，把灰度 等级在整个显示范围内等间距排列，从而获得灰度连 续的红外图像，增加图像的细节和清晰度，但存在背 景和噪声被过度增强的问题。加权直方图均衡算法[6-8] 利用频率因子对原图像直方图进行加权，对加权后的 直方图进行均衡化处理，再用频率因子对处理后的图 收稿日期：2012-03-06. 作者简介：魏新（1988-），硕士研究生，陕西兴平人，研究方向为红外图像处理及故障诊断。 272 

第 34 卷 第 5 期 Vol.34 No.5 2012 年 5 月 魏 新等：基于图像分割和平台直方图均衡的红外图像增强算法 May 2012 像各像素进行调整，有效地扩展了图像的动态范围， 增强图像的细节性能，但存在计算量大，不能很好地 区分目标和背景等问题。 鉴于红外图像的特点和以上算法存在的问题，本 文首先采取 Lee 等人[9]提出的实时阈值提取方法将目 标与背景分开；然后用指数、对数组合变换的方法[10] 对灰度图像进行非线性变换，适度抑制背景灰度，拉 伸目标灰度；最后通过改进的双平台直方图均衡算法 对红外图像进行增强，起到了很好的增强效果。 1 分界阈值的选取 为了消除高概率灰度背景对低概率灰度目标的 支配，控制感兴趣特征增强，突出目标的图像细节， 首先将背景和目标的灰度概率密度分开，因此阈值的 选取非常重要。文中采用实时阈值提取方法,通过对直 方图包络凹度分析得到目标与背景的分界阈值。具体 的算法步骤如下： 1）在灰度直方图上选取背景峰值 Mp。如图 1 所 示，定义斜率 ki： k i = ( h a ( ) h i − i a − ) (1) 式中：a 为起始灰度级；i 为灰度级数（a＜i≤b），h(a) 和 h(i)分别为灰度级所对应的像素个数；依次计算斜 率 ka＋1, ka＋2, …, kb，得到斜率的集合 K＝{ka＋1, ka＋2, …, kb}，容易求得 kmax，则 kmax 所对应的灰度级为背景峰 值 Mp； 2）以 b 为起始灰度级进行反向搜索，定义斜率 ki′： k ′ = i ( ) h b ( ) h i − i b − (a≤i＜b) (2) 同理可以求得目标峰值 Np； 3）连接背景峰值 Mp 与目标峰值 Np 的线段 L，设 分界阈值为 rD，则 rD 为线段 L 上每一点 L(i)到直方图 包络 h(i)的距离最大值： rD＝max{L(i)－h(i)} (Mp≤i≤Np) (3) 2 非线性灰度变换 依据阈值 rD 可以将图像灰度分割为目标和背景 两部分，但是这种分割并不是绝对的，会有部分目标 错分为背景或是部分背景错分为目标。传统的直方图 均衡在扩展图像动态范围的同时会出现灰度级减少 的现象，造成图像细节丢失和边缘模糊。因此，为了 最大限度保护图像细节和边缘，同时扩展目标区的动 态范围，采用指数、对数组合变换的方法进行灰度变 换。如图 2 所示，以阈值 rD 为分界值，输入图像 f(x, y) 与输出图像 g(x, y)的灰度级对应关系为： g x y ( , ) ⎧ ⎪= ⎨ ⎪⎩ e lg[ f x y ( , ) f x y ( , )] 0 r D ≤ ≤ r f x y ( , ) ≤ D f x y b ) ( , ≤ (4) 图 1 目标与背景分界阈值选取过程示意图 Fig.1 Schematic diagram of choosing process of target and background threshold value 在 0～rD 灰度区内，f(x, y)与 g(x, y)为指数关系， 可以有效抑制背景信息，同时保留图像细节；在 rD～ b 灰度区，f(x, y)与 g(x, y)为对数关系，扩展了目标区 的动态范围，提高了图像对比度。经过组合变换后， 输出图像 g(x, y)的灰度范围为 0～c。 图 2 指数、对数组合变换 Fig.2 The combinatorial transformation of logarithm and Index 3 改进的双平台直方图均衡算法 如图 2 所示，经过非线性灰度变换后的背景灰度 区为：0～RD，目标灰度区为：RD～c。由于分界阈值 不可能完全准确地将目标与背景分开，故背景灰度中 存在残留的目标信息，目标灰度中也存在残留的背景 信息。文中采用改进的双平台直方图均衡算法分别对 背景和目标进行均衡处理，以残留部分的局部极值来 选取平台阈值：在背景灰度区选取上限平台阈值，在 目标灰度区选取下限平台阈值。 3.1 背景灰度区 273 

第 34 卷 第 5 期 红 外 技 术 Vol.34 No.5 2012 年 5 月 Infrared Technology May 2012 在背景灰度区选取上限平台阈值的算法如下： 1）在 0～RD 内分析非线性变换后 g(x, y)的直方 图，剔除零单元，其余灰度单元保持位置不变，构成 集合{G(i)|1≤i≤L}，L 为非零单元个数； 2）求出集合 G(i)的极大值，即满足 G(i)－G(i－ 1)＞0 且 G(i)－G(i＋1)＞0，极大值与两个端点 G(1) 和 G(L)构成一个新的集合{S(i)|1≤i≤K}，K 为极大值 的个数； 3）求出集合 S(i)的均值 S ，则背景区的上限平台 阈值 1T S= ； 4）得出背景平台直方图： P k ( ) T P k ( ) ⎧ r = ⎨ T ⎩ 1 P k ( ) r P k ( ) r ≤ > T 1 T 1 (5) 3.2 目标灰度区 在目标灰度区选取下限平台阈值，方法如下： 1）在 RD～c 内分析非线性变换后 g(x, y)的直方 图，剔除零单元，其余灰度单元保持位置不变，构成 集合{M(i)|1≤i≤L}，L 为非零单元个数； 2）求出集合 M(i)的极小值，即满足 M(i)－M(i－ 1)＜0 且 M(i)－M(i＋1)＜0，极小值与两个端点 M(1) 和 M(L)构成一个新的集合{N(i)|1≤i≤K}，K 为极小 值的个数； 3）求出集合 N(i)的均值 N ，则目标区的下限平 台阈值 2T N= ； 4）得出目标平台直方图： P k ( ) T T ⎧ 2 = ⎨ P k ( ) ⎩ r P k ( ) r P k ( ) r T ≤ 2 T > 2 (6) 3.3 直方图均衡化 得到背景和目标的平台直方图后，计算图像的累 计直方图： F k ( ) T = k ∑ i P i ( ) T (0 ≤ ≤ k 255) (7) 图像平台直方图均衡化后的灰度值： D k ( ) T ⎡ = ⎢ ⎣ 255 F T F k ( ) T (255) ⎤ ⎥ ⎦ (8) 4 实验结果及分析 为了验证算法的可行性、合理性，采用 Matlab7.10 进行仿真实验验证。图 3(a)、(b)为红外热像仪采集的 两幅通信电路板卡原始红外图像及其直方图，分辨率 均为 320×240；可以看出原始红外图像比较模糊，对 比度低，关键器件及发热部位特征不明显，而且直方 图灰度分布比较集中，动态范围小。因此需要对原始 红外图像进行增强处理。图 4(a)、(b)为直方图均衡后 的图像和其直方图，处理后图像对比度明显增强，但 出现了过亮的现象，图像边缘和细节模糊不清,一些器 件由于过度增强在视觉上混为一体，不利于图像后续 的分析及处理。从直方图上来看，背景的灰度级分布 稀疏且占有较多的像素点，导致一些目标灰度级被合 并，目标显示范围被压缩，从而提升了背景对比度， 降低了目标对比度，导致图像部分区域出现发白发亮 现象。 图 5(a)，(b)为本文算法处理后的图像及其直方 图。可以看出，本文算法处理后的图像清晰可见，对 比度明显增强且较好地保留了图像的细节和边缘信 息，有效地抑制了背景信息。增强后目标占据大量像 素点，直方图扩展至整个灰度范围，图像动态范围得 到大幅提升，视觉效果得到改善。 1400 1200 1000 800 600 400 200 0 0 50 100 150 200 250 1200 1000 800 600 400 200 0 0 50 100 150 200 250 (a) (b) 图 3 原始红外图像及其直方图 Fig.3 Original infrared images and histograms 274 

第 34 卷 第 5 期 Vol.34 No.5 2012 年 5 月 魏 新等：基于图像分割和平台直方图均衡的红外图像增强算法 May 2012 1500 1000 500 0 0 50 100 150 200 250 1600 1400 1200 1000 800 600 400 200 0 0 50 100 150 200 250 (a) (b) 图 4 直方图均衡化后的图像 Fig.4 Images of histogram equalization 1400 1200 1000 800 600 400 200 0 0 50 100 150 200 250 1200 1000 800 600 400 200 0 0 50 100 150 200 250 (a) (b) 图 5 本文算法处理后的红外图像及其直方图 Fig.5 Infrared images and histograms after processing of this article algorithm 5 结论 本文针对红外图像对比度低的特点，基于图像分 割的思想提出了一种改进的平台直方图均衡算法。该 算法基于空域选取，计算简单且容易实现，实时性较 好。实验结果表明：算法在保留图像细节和边缘信息 的同时有效地扩展了图像的动态范围，增强了对比 度，抑制了背景和噪声，避免了图像过亮的现象，改 善了图像的视觉效果，具有广泛的应用范围。为进一 步研究电路板卡的图像配准及故障诊断打下了基础。 参考文献： [1] 冈萨雷斯 R C, 伍兹 R E. 数字图像处理[M]. 北京: 电子工业出版社, performance[C]//Proceedings of the SPIE: Infrared Imaging Systems: Design, Analysis, Modeling, and Testing XI, 2000, 4030: 184-195. [4] 周妮, 张湧, 吴滢跃. 一种新的实时红外图像增强技术[J]. 红外技术, 2010, 32(6): 324-327. [5] 陈钱, 柏连发, 张保民. 红外图像直方图双向均衡技术研究[J]. 红外 与毫米波学报, 2003, 22(6): 428-430. [6] 汤海, 严高师. 基于加权直方图的红外图像增强算法[J]. 电子科技大 学研究生学报, 2010, 25(2): 75-79. [7] 贺明, 王新赛, 吴强, 等. 基于 MSR 结合权值直方图的红外图像增强 算法[J]. 红外技术, 2010, 32(10): 601-607. [8] Wang Q, Rabab K. Fast image video contrast enhancement based on weighted thresholded histogram equalization[J]. IEEE Trans. on Consumer Electronics, 2007, 53(2): 757-764. 2003. [9] LEE C K, CHOY F W, LAM H C. Real-time shareholding using [2] 宋岩峰, 邵晓鹏, 徐军. 基于双向平台直方图的红外图像增强算法[J]. histogram concavity[C]//Proc of the IEEE 1nt Conf Image Processing, 红外与激光工程, 2008, 37(2): 308-311. 1992: 500-503. [3] Gruben, J.H, et al. Scene-based algorithm for improved FLIR [10] 王慧琴. 数字图像处理[M]. 北京: 北京邮电大学出版社, 2006. 275