论文部分内容阅读
摘要：针对牛羊眼部纹理信息提取前需要对牛羊眼部图像进行增强处理的问题，采用对比度受限直方图均衡化方法对牛羊眼部图像进行增强处理。算法首先将原始图像分割成若干个大小相同的子区域，再计算截取值对每个子区域的直方图进行截取，并将截取下的像素均匀分配到每个灰度级，得到限定对比度直方图，根据限定对比度直方图对原图进行灰度双线性插值生成增强图像。实验结果表明，使用对比度受限直方图均衡化方法对牛羊眼部图像进行增强处理，增强后的图像具有更高的图像细节和层次感，同时减少了图像的失真，具有较高的理论和实用价值。
关键词： 图像增强；直方图均衡；对比度受限直方图均衡化；牛羊眼部图像；
中图分类号： TP391.4 文献标识码：A 文章编号：1672-3791（2016）05（a）-0000-00
2. 引言
肉类食品的可溯源性已成为严重制约清真牛羊肉食品出口的一个重要环节，将眼部特征识别技术应用在畜牧业生产及牲畜产品溯源过程中，将成为一个新的研究方向。由于牛羊眼部结构和人类眼部结构不同，对牛羊眼部纹理信息提取前需要对牛羊眼部图像进行增强处理。图像增强处理方法有很多种，如直方图处理方法[1]、Retinex[2]、同态滤波[3]、空域彩色图像增强方法[4]和暗通道先验[5]等算法。
3. 直方图均衡法
直方图均衡化是图像增强算法中最常用、最重要的算法之一。直方图均衡化的基本思想是把原始直方图变换为均匀分布的形式，从而增加象素灰度值的动态范围达到增强图像整体对比度的效果。
离散的灰度等级作直方图均衡化时，很难得到完全平坦均匀的结果，而且处理后的图像灰度级有所减少，致使某些细节消失。某些图像，如直方图有高峰等，经处理后其对比度易产生不自然的过分增强。
4. 对比度受限自适应直方图均衡法
对比度受限自适应直方图均衡法又称为CLAHE算法，是由直方图均衡算法演化发展而来。为了克服上述自适应直方图均衡算法的局限，Reza A等人提 出 了 对 比 度 受 限 自 适 应 直 方 图 均 衡 化（Contrast Limited？Adaptive histogram equalization CLAHE） 算法。对比度受限自适应直方图均衡法（CLAHE）通过限制局部直方图的高度来限制局部对比度的增强幅度，从而限制噪声的放大及局部对比度的过增强。该方法通过将图像分为若干子区域； 然后对每个子区域进行直方图“剪切”。然后对每个子区域进行直方图均衡，再对每个像素通过插值运算得到变换后的灰度值， 从而实现对比度受限自适应图像增强。
本文根据牛羊眼部图像的特点，将对比度受限自适应直方图均衡法部分改进后，应用于牛羊眼部图像的增强处理。
处理基本流程：
（1） 将原图分割为 k个大小为mn 的连续不重叠的子区域。跟据牛羊眼部图像情况动态调整m，n值大小。
（2） 计算每个子区域的灰度直方图。
（3） 确定每个子区域灰度直方图“剪切”值。
首先由式（5）计算每个子区域内像素个数平均分配到每个灰度级的平均值：
5. 实验结果分析
本实验采用500万像素虹膜采集仪为奶牛和山羊提取眼部图像。在Matlab R2010b版本上对其进行仿真，验证CLAHE算法对牛羊眼部图像的增强效果。
本实验分别采用奶牛和山羊眼部图像进行直方图均衡化变换及CLAHE变换增强处理，其处理效果如图1所示。
图1中a为奶牛和山羊眼部图像的灰度图，b为经过直方图均衡化处理后的增强图像，c为经过CLAHE处理后的增强图像。
分析上述图像发现，经过直方图均衡化处理的会引起过度增强，引入大量噪声的情况，如奶牛眼部图像中虹膜左上角增强及山羊眼部图像中虹膜内部增强，均出现了该情况。而CLAHE方法则适当的弥补了该缺陷，从实验结果可以看出，经过CLAHE处理后的增强图像没有过度增强，也没有出现失真现象，同时突出部分细节。
实验结果表明，使用CLAHE方法对牛羊眼部图像进行增强处理，具有更高的图像细节和层次感，同时减少了图像的失真，具有较高的理论和实用价值。
6. 结论
本文为解决将眼部特征识别技术应用在畜牧业生产及牲畜产品溯源过程中，对牛羊眼部纹理信息提取前需要对牛羊眼部图像进行增强处理的问题，将对比度受限自适应直方图均衡法应用于牛羊眼部图像的增强处理。
参考文献
[1]. 李利荣，汪蒙. 一种高效的图像增强去雾算法[J]. 湖北工业大学学报. 2013 （05）.2013：72-75
[2]. 林笑君，梁凤梅. 基于Retinex的一种图像去雾算法[J]. 电视技术. 2013 （17）.2013：155-158.
[3]. 康艳梅，陈名松，何志毅. 基于LED辅助照明的水下图像增强算法研究[J]. 电视技术. 2013 （15）.2013：211-214.
关键词： 图像增强；直方图均衡；对比度受限直方图均衡化；牛羊眼部图像；
中图分类号： TP391.4 文献标识码：A 文章编号：1672-3791（2016）05（a）-0000-00
2. 引言
肉类食品的可溯源性已成为严重制约清真牛羊肉食品出口的一个重要环节，将眼部特征识别技术应用在畜牧业生产及牲畜产品溯源过程中，将成为一个新的研究方向。由于牛羊眼部结构和人类眼部结构不同，对牛羊眼部纹理信息提取前需要对牛羊眼部图像进行增强处理。图像增强处理方法有很多种，如直方图处理方法[1]、Retinex[2]、同态滤波[3]、空域彩色图像增强方法[4]和暗通道先验[5]等算法。
3. 直方图均衡法
直方图均衡化是图像增强算法中最常用、最重要的算法之一。直方图均衡化的基本思想是把原始直方图变换为均匀分布的形式，从而增加象素灰度值的动态范围达到增强图像整体对比度的效果。
离散的灰度等级作直方图均衡化时，很难得到完全平坦均匀的结果，而且处理后的图像灰度级有所减少，致使某些细节消失。某些图像，如直方图有高峰等，经处理后其对比度易产生不自然的过分增强。
4. 对比度受限自适应直方图均衡法
对比度受限自适应直方图均衡法又称为CLAHE算法，是由直方图均衡算法演化发展而来。为了克服上述自适应直方图均衡算法的局限，Reza A等人提 出 了 对 比 度 受 限 自 适 应 直 方 图 均 衡 化（Contrast Limited？Adaptive histogram equalization CLAHE） 算法。对比度受限自适应直方图均衡法（CLAHE）通过限制局部直方图的高度来限制局部对比度的增强幅度，从而限制噪声的放大及局部对比度的过增强。该方法通过将图像分为若干子区域； 然后对每个子区域进行直方图“剪切”。然后对每个子区域进行直方图均衡，再对每个像素通过插值运算得到变换后的灰度值， 从而实现对比度受限自适应图像增强。
本文根据牛羊眼部图像的特点，将对比度受限自适应直方图均衡法部分改进后，应用于牛羊眼部图像的增强处理。
处理基本流程：
（1） 将原图分割为 k个大小为mn 的连续不重叠的子区域。跟据牛羊眼部图像情况动态调整m，n值大小。
（2） 计算每个子区域的灰度直方图。
（3） 确定每个子区域灰度直方图“剪切”值。
首先由式（5）计算每个子区域内像素个数平均分配到每个灰度级的平均值：
5. 实验结果分析
本实验采用500万像素虹膜采集仪为奶牛和山羊提取眼部图像。在Matlab R2010b版本上对其进行仿真，验证CLAHE算法对牛羊眼部图像的增强效果。
本实验分别采用奶牛和山羊眼部图像进行直方图均衡化变换及CLAHE变换增强处理，其处理效果如图1所示。
图1中a为奶牛和山羊眼部图像的灰度图，b为经过直方图均衡化处理后的增强图像，c为经过CLAHE处理后的增强图像。
分析上述图像发现，经过直方图均衡化处理的会引起过度增强，引入大量噪声的情况，如奶牛眼部图像中虹膜左上角增强及山羊眼部图像中虹膜内部增强，均出现了该情况。而CLAHE方法则适当的弥补了该缺陷，从实验结果可以看出，经过CLAHE处理后的增强图像没有过度增强，也没有出现失真现象，同时突出部分细节。
实验结果表明，使用CLAHE方法对牛羊眼部图像进行增强处理，具有更高的图像细节和层次感，同时减少了图像的失真，具有较高的理论和实用价值。
6. 结论
本文为解决将眼部特征识别技术应用在畜牧业生产及牲畜产品溯源过程中，对牛羊眼部纹理信息提取前需要对牛羊眼部图像进行增强处理的问题，将对比度受限自适应直方图均衡法应用于牛羊眼部图像的增强处理。
参考文献
[1]. 李利荣，汪蒙. 一种高效的图像增强去雾算法[J]. 湖北工业大学学报. 2013 （05）.2013：72-75
[2]. 林笑君，梁凤梅. 基于Retinex的一种图像去雾算法[J]. 电视技术. 2013 （17）.2013：155-158.
[3]. 康艳梅，陈名松，何志毅. 基于LED辅助照明的水下图像增强算法研究[J]. 电视技术. 2013 （15）.2013：211-214.