灰階像素分析與消除光源不均

在機率統計中最常使用作為統計分佈程度，反映個體間的離散程度。簡單來 說，標準差是一組數值自平均值分散開來的程度的一種測量觀念。大的標準差，

代表大部分的數值和其平均值之間差異較大；較小的標準差，代表這些數值較接 近平均值。如圖3.8為灰階像素標準差流程圖、圖3.9為消除光度不均之流程。

圖 3. 8 灰階像素標準差之流程

圖 3. 9 除光度不均之流程

影像標準差的大小可以了解此影像分散的程度(對比高低)，這些平均值可以 幫助我們分析此影像灰度分佈情形。一般常用的統計平均值定義如下：

影像平均值：

 

 





MAX MIN

x T

MAX x MIN

x n

n ) x

x ( xp )

x ( E

X (3-1)

影像平均能量：

  

 MAX

MIN x

2 2) x p(x) x

( E

X (3-2) 影像標準差：

   

 

MAX MIN x

2p(x) ) x x

( (3-3)

計算不同區域標準差，並顯示影像中區域相應的像素值間的標準差，設定非 導盲磚之最大門檻值，如圖3.10為非導盲磚區域標準差。

35

圖 3. 10 非導盲磚區域標準差

依照每個區塊統計出符合設定門檻值內的總像素是否在門檻值內，判斷目標 像素的區域灰階標準差的差異程度來作為評估的標準。如圖 3.11(a)為導盲磚標準 差 46.2 與圖 3.11(b)為導盲磚標準差 47.8。

(a)導盲磚標準差46.2 (b)導盲磚標準差47.8 圖 3. 11 導盲磚標準差

3.5.1 消除光源不均

由於建築物導致導盲磚被陰影遮蔽(光源不均)，造成影像分割不齊全，為了 辨識被陰影遮蔽的部份，而使用擴展亮度來處理。如圖3.12為陰影遮蔽之導盲磚。

圖 3. 12 陰影遮蔽之導盲磚

可以看到導盲磚一些部分被建築物遮蔽而產生光源不平均，而導致辨識度可 能不完整。圖3.13為被陰影遮蔽之導盲磚標準差。

圖 3. 13 被陰影遮蔽之導盲磚標準差

傳統直方圖等化是一種在影像處理領域中很常見的自動影像增強法，其原理 是藉由重新分配影像中的灰階分佈，使其分佈的較均勻因此強化了明暗對比，而 得到最佳的顯示狀態。可是傳統的直方團均衡化是對整張影像增強，影像中局部 的細節往往得不到增強，甚至在均衡化過程中往往被其鄰近的灰階值合併，反而 導致影像對比度降低。在這是使用有限制對比度自適應直方圖均衡化，用來提升 影像的對比度的一種影像處理技術。通過計算影像的局部直方圖，然後重新分布 亮度來改變影像的對比度。更適合傳統直方圖均衡化來改進影像的局部對比和得 到更多的影像細節。計算灰階分佈範圍設定在30~60之間，設定如果區域內灰階 值標準差分佈在30~60之間就是導盲磚之灰階分佈。如果標準差低於30則使用消 除光源不均，以利於特徵辨識。如圖3.14為消除光度不均後影像。

37

圖 3. 14 消除光度不均後影像