OpenCV—python 自動色彩均衡（ACE）

文章目錄

• ​​一、ACE算法理論​​

• ​​1.1 ACE算法​​

• ​​二、快速ACE算法​​

• ​​2.1 原理​​
• ​​2.2 代碼示範​​

一、ACE算法理論

圖像對比度增強的算法在很多場合都有用處，特别是在醫學圖像中，這是因為在衆多疾病的診斷中，醫學圖像的視覺檢查時很有必要的。醫學圖像由于本身及成像條件的限制，圖像的對比度很低。是以，在這個方面已經開展了很多的研究。這種增強算法一般都遵循一定的視覺原則。衆所周知，人眼對高頻信号（邊緣處等）比較敏感。雖然細節資訊往往是高頻信号，但是他們時常嵌入在大量的低頻背景信号中，進而使得其視覺可見性降低。是以适當的提高高頻部分能夠提高視覺效果并有利于診斷。

ACE在圖像處理方面可以有兩種，

一種是：Automatic Color Equalization，即自動彩色均衡。​【論文與代碼】 一種是：Adaptive Contrast Enhancement，即自适應對比度增強

高動态範圍圖像是指在一幅圖像中，既有明亮的區域又有陰影區域，為了使細節清晰，需要滿足以下幾點：

1. 對動态範圍具有一定的壓縮能力；
2. 對亮暗區域的細節有一定的顯示能力；
3. 滿足上面條件基礎上不破壞圖像的清晰度。

對于高動态範圍處理，基于人眼視覺系統（HSV）在顔色連續和亮度連續方面得到較好的滿足。該算法考慮了圖像中顔色和亮度的空間位置關系，進行局部的自适應濾波，實作具有局部和非線性特征的圖像亮度，色彩與對比度調整，同時滿足灰階世界理論和白斑點假設。

算法原理

Rizzi等依據Retinex理論提出了自動顔色均衡算法，該算法考慮了圖像中顔色和亮度的空間位置關系，進行局部特性的自适應濾波，實作具有局部和非線性特征的圖像亮度與色彩調整和對比度調整，同時滿足灰色世界理論假設和白色斑點假設。

1.1 ACE算法

1. 獲得空域重構圖像

   對圖像進行色彩/空域調整，完成圖像的色差矯正，得到空域重構圖像：

1. 其中是中間結果，為2個點的亮度差， 表示距離度量函數， 為亮度表現函數，需要是奇函數，這一步可以适應局部圖像對比度， 可以放大較小的差異，并豐富大的差異，根據局部内容擴充或者壓縮動态範圍。一般的， 為:

2. 對校正後的圖像進行動态擴充。ACE算法是對單一色道進行的，對于彩色圖檔需要對每一個色道分别處理。一種簡單的線性擴充可以表示為：

   其中：斜率為：，

   還可以将其映射到的空間中：

自動彩色均衡算法改進:

式（1）算法複雜度較高，對于一副像素數為N的圖像，需要執行O(N2)級次非線性映射計算，圖像尺寸越大，耗時越多，是以針對式（1）産生了許多加速改進算法。例如：LLLUT加速政策，使用快速傅裡葉變換替換卷積，将ACE轉換為對規範直方圖均衡化的一種平滑和局部修正的方法，并給出了求解最優模型：

對于改進方法，可以考慮的因素：

1. 其他的坡度函數，多項式函數逼近；
2. 除了
3. 在求和的過程中，y 可以限制在一個小視窗中；

多項式逼近展示：

二、快速ACE算法

2.1 原理

ACE的增強效果普遍與retinex好。需要注意的是，ACE中目前像素是與整個圖像的其他像素做差分比較，計算複雜度非常非常高，這也是限制它應用的最主要原因。

本文主要基于兩個假設：

（1）對一副圖像ACE增強後得到輸出Y，如果對Y再進行一次ACE增強，輸出仍然是Y本身；

（2）對一副圖像的ACE增強結果進行尺寸縮放得到Y，對Y進行ACE增強，輸出仍然是Y本身。

如果上面假設成立，我們就可以對圖像進行縮放得到 ，對 的ACE增強結果進行尺度放大（與I尺寸一樣）得到，那麼 和 是非常接近的，我們隻需要在Y1基礎上進一步處理即可。

這裡就又引申了兩個細節問題：

1. 如何快速的求的ACE增強結果？

   其實很簡單，對它再次縮放得到，求

2. 如何在基礎上進一步處理得到？

   因為是在整個圖像域進行差分比較運算，與近處鄰域像素的比較構成了的細節資訊，與遠處像素的比較構成了的全局背景資訊，那麼我們合理假設，和的全局背景資訊相同，隻更新細節資訊即可，也就是，我們需要在基礎上加上中鄰近像素的差分結果，并減去中鄰近像素的差分結果就是最終的輸出。

為叙述友善，這裡假設後面的圖像都是歸一化到 [0,1] 之間的浮點數圖像。

ACE算法的計算公式為：

是權重參數，離中心點像素越遠w值越小，可以直接取值歐氏距離。

是相對對比度調節參數，非線性的，簡單取如下計算方法：

2.2 代碼示範

import cv2
import numpy as np
import math
 
def stretchImage(data, s=0.005, bins = 2000):    #線性拉伸，去掉最大最小0.5%的像素值，然後線性拉伸至[0,1]
    ht = np.histogram(data, bins);
    d = np.cumsum(ht[0])/float(data.size)
    lmin = 0; lmax=bins-1
    while lmin<bins:
        if d[lmin]>=s:
            break
        lmin+=1
    while lmax>=0:
        if d[lmax]<=1-s:
            break
        lmax-=1
    return np.clip((data-ht[1][lmin])/(ht[1][lmax]-ht[1][lmin]), 0,1)
 
g_para = {}
def getPara(radius = 5):                        #根據半徑計算權重參數矩陣
    global g_para
    m = g_para.get(radius, None)
    if m is not None:
        return m
    size = radius*2+1
    m = np.zeros((size, size))
    for h in range(-radius, radius+1):
        for w in range(-radius, radius+1):
            if h==0 and w==0:
                continue
            m[radius+h, radius+w] = 1.0/math.sqrt(h**2+w**2)
    m /= m.sum()
    g_para[radius] = m
    return m
 
def zmIce(I, ratio=4, radius=300):                     #正常的ACE實作
    para = getPara(radius)
    height,width = I.shape
    zh,zw = [0]*radius + range(height) + [height-1]*radius, [0]*radius + range(width)  + [width -1]*radius
    Z = I[np.ix_(zh, zw)]
    res = np.zeros(I.shape)
    for h in range(radius*2+1):
        for w in range(radius*2+1):
            if para[h][w] == 0:
                continue
            res += (para[h][w] * np.clip((I-Z[h:h+height, w:w+width])*ratio, -1, 1))
    return res
 
def zmIceFast(I, ratio, radius):                #單通道ACE快速增強實作
    height, width = I.shape[:2]
    if min(height, width) <=2:
        return np.zeros(I.shape)+0.5
    Rs = cv2.resize(I, ((width+1)/2, (height+1)/2))
    Rf = zmIceFast(Rs, ratio, radius)             #遞歸調用
    Rf = cv2.resize(Rf, (width, height))
    Rs = cv2.resize(Rs, (width, height))
 
    return Rf+zmIce(I,ratio, radius)-zmIce(Rs,ratio,radius)    
            
def zmIceColor(I, ratio=4, radius=3):               #rgb三通道分别增強，ratio是對比度增強因子，radius是卷積模闆半徑
    res = np.zeros(I.shape)
    for k in range(3):
        res[:,:,k] = stretchImage(zmIceFast(I[:,:,k], ratio, radius))
    return res
 
if __name__ == '__main__':
    m = zmIceColor(cv2.imread('p4.bmp')/255.0)*255
    cv2.imwrite('zmIce.jpg', m)