影像強化

一、 影像強化原理

影像強化(Image Enhancement)的原理，是藉由調高相鄰像素之間的對比，使人眼在 視覺上能夠感知到更多的影像細節紋理以及邊緣部分，藉此來達到改善影像品質的目的 (羅梅君、彭瑞焜、林宗興，2008)。傳統的彩色影像強化演算法，依據Digital Image Processing的分類方式(Gonzalez. & Woods., 2002)，可分為空間域強化及頻率域強化，如 圖2-14所示。

18

本研究中採用灰階轉換概念的對比延伸法(Linear Scaling)作為本研究實驗的影像增 強演算法。

二、 對比延伸法(Linear Scaling)

對比延伸法(Linear Scaling)乃是將一張太暗或太亮的圖像透過影像處理後變得階調 分明。由於影像的灰階值是介於0~255之間，若某一張影像的灰階值特別集中在某一塊 區域，則代表這張圖不是太暗、太亮就是灰色中間調的。為得到一張階調分明的影像，

則是將灰階分部集中區域提高它的亮度，可利用方程式(1)將灰階值分佈拉開到 0 至255 即可：

(1)

19

透過此轉換方程式就把影像的灰階分布拉開，見圖2-16，使得影像不會集中在某一 亮部或暗部，F 為原始影像的灰階值，fmax 為F 影像中最大灰階值，fmin 為F 影像中最 小灰階值，G 為轉換後的新影像，圖2-17為原始影像及轉換後影像的histogram 圖比對。

圖2-16 對比延伸法轉換示意圖

圖2-17 原始影像(左上)及轉換後影像(右上)及其對應之histogram圖(左下及右下)

20

三、 Histogram Equalization

Histogram Equalization 意指將原來影像的histogram 曲線儘量拉平成一直線。經過 此種轉換方程式之後，原有影像的灰階值會被改變且階調也會比較豐富。Histogram Equalization 也是一種影像強化轉換方程式，它優於Linear scaling 與Piece-wise scaling 之處在於能夠避免雜訊的影響。

圖2-18大致上看來是一個偏黑的灰階影像，要仔細才看的出影像中有白點與黑點雜 訊，我們欲對其做影像強化，使用Linear scaling 後，發現將影像中的最小值和最大值拉 開到0與255 是無用的，因為黑點與白點雜訊分別代表了0與255，影像還是不變，以 Histogram Equalization 處理則不會有這樣的問題，因為他是對影像以新的灰階值重新排 序，雖然雜訊還在，但除雜訊之外的histogram 間距都被拉開，變成一張色調分明的影 像。

圖2-18 原始影像受impulse noise 的影響，影像中有黑點與白點

使用Histogram Equalization 的轉換方程式之前，先做一張灰階漸層圖，如圖2-19所 示，其色調是由0到255 的漸層灰階圖。撰寫程式時需記錄原始影像的灰階值與灰階值 大小相對影像位置的排序，亦即假設有一影像大小為10×10 pixels，以其灰階值從小至大 排序，以1~100 表示，另外藉由灰階漸層圖的灰階值與灰階值大小相對影像位置的排序，

將原始影像的排序搭配灰階校正圖的灰階值後，即為轉換後色調分明的新影像，如圖 2-20。

21

圖2-19 灰階漸層圖，用來置換原灰黑影像的灰階值

圖2-20 經過histogrsm equlization 後，原灰黑的影像變為色調分明的影像

22