Adaptiv histogramudligning - Adaptive histogram equalization

Adaptiv histogram (AHE) er en computer billedbehandling teknik anvendes til at forbedre kontrasten i billeder. Det adskiller sig fra almindelig histogramudligning i den henseende, at den adaptive metode beregner flere histogrammer , der hver svarer til et særskilt afsnit af billedet, og bruger dem til at omfordele billedets lyshedsværdier. Det er derfor velegnet til at forbedre den lokale kontrast og forbedre definitionerne af kanter i hvert område af et billede.

AHE har imidlertid en tendens til at overamplificere støj i relativt homogene områder af et billede. En variant af adaptiv histogramudligning kaldet kontrastbegrænset adaptiv histogramudligning (CLAHE) forhindrer dette ved at begrænse amplifikationen.

Motivation og forklaring af metoden

Almindelig histogramudligning bruger den samme transformation, der stammer fra billedhistogrammet, til at transformere alle pixels. Dette fungerer godt, når fordelingen af ​​pixelværdier er ens i hele billedet. Når billedet imidlertid indeholder områder, der er betydeligt lysere eller mørkere end det meste af billedet, vil kontrasten i disse områder ikke blive forbedret tilstrækkeligt.

Adaptiv histogramudligning (AHE) forbedrer dette ved at transformere hver pixel med en transformationsfunktion, der stammer fra et kvarterområde. Det blev først udviklet til brug i flyets cockpitskærme. citeret i I sin enkleste form transformeres hver pixel baseret på histogrammet for en firkant, der omgiver pixlen, som i figuren herunder. Afledningen af ​​transformationsfunktionerne fra histogrammerne er nøjagtig den samme som for almindelig histogramudligning : Transformationsfunktionen er proportional med den kumulative fordelingsfunktion (CDF) af pixelværdier i nabolaget.

AHE-kvarterer.svg

Pixels nær billedgrænsen skal behandles specielt, fordi deres kvarter ikke ville ligge helt inde i billedet. Dette gælder f.eks. Pixel til venstre eller over den blå pixel i figuren. Dette kan løses ved at udvide billedet ved at spejle pixellinjer og kolonner i forhold til billedgrænsen. Det er ikke hensigtsmæssigt blot at kopiere pixellinjerne på grænsen, da det ville føre til et meget højt kvarterhistogram.

Egenskaber for AHE

  • Størrelsen af ​​kvarterregionen er en parameter for metoden. Det udgør en karakteristisk længdeskala: kontrast ved mindre skalaer forbedres, mens kontrast ved større skalaer reduceres.
  • På grund af histogramudligningens art er resultatværdien af ​​en pixel under AHE proportional med dens rang blandt pixelerne i dens nabolag. Dette muliggør en effektiv implementering på specialisthardware, der kan sammenligne midterpixel med alle andre pixels i kvarteret. En unormaliseret resultatværdi kan beregnes ved at tilføje 2 for hver pixel med en mindre værdi end den midterste pixel og tilføje 1 for hver pixel med samme værdi.
  • Når billedområdet, der indeholder en pixels nabolag, er temmelig homogent med hensyn til intensiteter, vil dets histogram blive stærkt toppet, og transformationsfunktionen vil kortlægge et snævert interval af pixelværdier til hele området af resultatbilledet. Dette får AHE til at overamplificere små mængder støj i stort set homogene områder af billedet.

Kontrast Limited AHE

Almindelig AHE har en tendens til at overamplificere kontrasten i næsten konstante områder af billedet, da histogrammet i sådanne områder er stærkt koncentreret. Som følge heraf kan AHE få støj til at blive forstærket i næsten konstante områder. Contrast Limited AHE (CLAHE) er en variant af adaptiv histogramudligning, hvor kontrastforstærkningen er begrænset for at reducere dette problem med støjforstærkning.

I CLAHE er kontrastforstærkningen i nærheden af ​​en given pixelværdi givet ved hældningen af ​​transformationsfunktionen. Dette er proportionalt med hældningen af nabokumulative fordelingsfunktionen (CDF) og derfor med værdien af ​​histogrammet ved denne pixelværdi. CLAHE begrænser amplifikationen ved at klippe histogrammet til en foruddefineret værdi, før CDF beregnes. Dette begrænser hældningen af ​​CDF og derfor transformationsfunktionen. Den værdi, som histogrammet klippes til, den såkaldte klipgrænse, afhænger af normaliseringen af ​​histogrammet og dermed af størrelsen på kvarterområdet. Fælles værdier begrænser den resulterende forstærkning til mellem 3 og 4.

Det er fordelagtigt ikke at kassere den del af histogrammet, der overskrider klipgrænsen, men omfordele det ligeligt mellem alle histogrambeholdere.

Clahe-redist.svg

Omfordelingen skubber nogle skraldespande over klipgrænsen igen (område skraveret grønt i figuren), hvilket resulterer i en effektiv klipgrænse, der er større end den foreskrevne grænse, og den nøjagtige værdi afhænger af billedet. Hvis dette er uønsket, kan omfordelingsproceduren gentages rekursivt, indtil overskuddet er ubetydeligt.

Effektiv beregning ved interpolation

Adaptiv histogramudligning i sin ligetil form præsenteret ovenfor, både med og uden kontrastbegrænsning, kræver beregning af et andet naboskabshistogram og transformationsfunktion for hver pixel i billedet. Dette gør metoden meget dyr beregningsmæssigt.

Interpolation tillader en betydelig forbedring af effektiviteten uden at gå på kompromis med kvaliteten af ​​resultatet. Billedet er opdelt i lige store rektangulære fliser som vist i højre del af figuren herunder. (64 fliser i 8 kolonner og 8 rækker er et almindeligt valg.) Et histogram, CDF og transformationsfunktion beregnes derefter for hver af fliserne. Transformationsfunktionerne er passende for flisens midterpunkter (sorte firkanter i venstre del af figuren). Alle andre pixels transformeres med op til fire transformationsfunktioner i fliserne med midterpixel tættest på dem og tildeles interpolerede værdier. Pixels i hovedparten af ​​billedet (skraveret blå) er bilineart interpoleret , pixel tæt på grænsen (skraveret grønt) er lineært interpoleret , og pixels nær hjørner (skraveret rødt) transformeres med transformationsfunktionen af ​​hjørneflisen. Interpolationskoefficienterne afspejler placeringen af ​​pixels mellem de nærmeste flisecentre, så resultatet er kontinuerligt, når pixelen nærmer sig et flisecenter.

Clahe-tileinterpol.svg

Denne procedure reducerer antallet af transformationsfunktioner, der skal beregnes dramatisk, og pålægger kun de små meromkostninger ved lineær interpolation.

Effektiv beregning ved trinvis opdatering af histogram

Et alternativ til flisebelægning af billedet er at "glide" rektanglet en pixel ad gangen og kun gradvist opdatere histogrammet for hver pixel ved at tilføje den nye pixelrække og trække rækken tilbage. Algoritmen betegnes SWAHE (Sliding Window Adaptive Histogram Equalization) af de originale forfattere. Beregningskompleksiteten ved histogramberegning reduceres derefter fra O ( N² ) til O ( N ) (med N = pixelbredde af det omgivende rektangel); og da der ikke er fliser, er et sidste interpolationstrin ikke påkrævet.

Se også

Referencer

6. GR Vidhya og H. Ramesh, "Effektivitet af kontrastbegrænset adaptiv histogramudligningsteknik på multispektrale satellitbilleder", Proc. Int. Konf. Video Image Process., S. 234-239, december 2017.

eksterne links