TWI588777B - Method of Fuzzy Clustering Automated Contrast Change - Google Patents

Description

模糊聚類自動化對比度改變之方法

本發明係有關於一種影像處理方法，特別係有關於使用模糊演算法在色彩空間將影像中相似像素歸類在至少一相同群組，並以像素與群組中其他像素的相似程度決定歸屬程度，再調整群組內像素間的距離以調整影像對比度，並調整距離達最佳影像對比度之模糊聚類自動化對比度改變方法。

在數位影像的擷取上，有很多難以避免的因素(例如物體材料的影響、影像擷取裝置不善的調校或影像擷取環境光線不足等)皆會導致所擷取到的數位影像有較差的對比度。低對比度代表在特定的強度範圍中強度直方圖過度集中，會導致影像中的資訊被過度的濃縮無法適當的顯示，以改變強度直方圖分布達影像對比度增強的效果，而影像對比度增強的主要目的即在於顯示出影像中的細節資訊。

傳統的影像對比度改善方法是使用不同類型的對比強度轉換方法，其中較為常見的對比度轉換方法有線性轉換法、LOG轉換法、乘冪轉換法等等的轉換演算法，這些方法皆定義了不同的對比強度轉換函數。透過這些對比度轉換法，影像中的每一個像素皆會轉換成新的像素，進而達到增強對比度的效果。但是於傳統的轉換過程中都需要人為定義其轉換函數參數，或以固定的轉換參數執行對比度轉換。然而每張影像的像素皆有不同的色彩分布，若以固定的曲線參數來增強影像的對比度，則會時常造成部分影像無法達到預期的影像品質提升的效果，甚至影像在經過對比度改變後會有嚴重的過亮或過暗的情況產生，因此需要以人工的方式來調整曲線參數。

由於非自動化的對比度增強方法有諸多的不便，因此直方圖均值化法(Histogram Equalization)被提出，直方圖均值化法是統計影像中的影像強度值取得強度值的機率分布，再將此機率分布轉換為較為均勻的分布形式，以提升影像的整體的對比度，然而此方法會將影像中較暗的部分增強而較亮的部分則會衰減。

而後，有學者在直方圖均值化法的基礎上提出了局部直方圖均值化法及雙強度直方圖均值化等方法，這些方法改善了直方圖均值化的缺點進而提高了對比度增強的效果，但是這些方法卻會導致影像中產生「偽影」，也就是在對比度增強的過程中會產生原本不存在於影像中的細節。

為了解決偽影問題，學者更進一步的提出了多直方圖均值化法(Multi Histogram Equalization)，使用此方法雖然可以解決偽影問題卻也造成了影像的對比強度下降。之後許多不同的方法也相繼的被提出，卻仍然只對現有的演算法做些許的改善，並未提出一種有效的自動化對比強度方法來改進影像的對比度。

本發明之目的，係提供一種模糊聚類自動化對比度改變方法，藉由將影像中的像素分成至少一群組，以公式調整群組中的像素離群組中心的距離以改變影像的對比度，並持續調整公式中的參數以取得最佳的對比度。

為達上述之指稱之各目的與功效，本發明之一實施例係揭示一種模糊聚類自動化對比度改變方法，其包含輸入一影像至一處理單元，該處理單元將以一模糊演算法該影像內之複數個像素分成至少一個群組，該處理單元分別將該些個像素各自於該色彩空間之座標與該群組中心座標之距離乘以該些個像素歸屬於該至少一群組之比例再加上該些個像素各自於該色彩空間之座標並乘以至少一參數取得一新對比度之影像，並判斷該改變影像之對比度是否為最佳，若是，則輸出該對比度改變影像，若否，則改變該至少一參數並以該至少一參數取得一新對比度之影像。

於本發明之一實施例中，該方法更包含：輸入一影像之後轉換該色彩空間為另一色彩空間。

於本發明之一實施例中，該方法更包含：取得一對比度改變之影像之後轉換該色彩空間為另一色彩空間。

於本發明之一實施例中，該方法更包含：改變影像對比度之前轉換該色彩空間為另一色彩空間。

於本發明之一實施例中，其中該模糊演算法為模糊C均值聚類演算法。

於本發明之一實施例中，其中該色彩空間為絕對色彩空間。

於本發明之一實施例中，其中該色彩空間為非絕對色彩空間。

為使　貴審查委員對本發明之特徵及所達成之功效有更進一步之瞭解與認識，謹佐以較佳之實施例及配合詳細之說明，說明如後：

先前之技術中，用於自動增強影像對比度的方法皆未能有效的提升影像的對比度，因此本發明提出一種模糊聚類自動化對比度改變方法可以有效地將影像調整至最佳對比度。

在此說明本發明之第一實施例之模糊聚類自動化對比度改變方法之流程，請參閱第一圖，其係為本發明之第一實施例之模糊聚類自動化對比度改變方法之流程圖。如圖所示，本實施例之模糊聚類自動化對比度改變方法其步驟包含：

步驟S1：輸入影像；

步驟S3：分群影像中的像素；

步驟S5：設定參數；

步驟S7：改變對比度；

步驟S9：判斷對比度是否最佳；

步驟S901：改變參數；以及

步驟S11：輸出對比度改變影像。

接著說明為達成本發明之模糊聚類自動化對比度改變方法所需之系統，請參閱第二圖，其係為本發明之第一實施例之模糊聚類自動化對比度改變方法之方塊圖。如圖所示，本發明之模糊聚類自動化對比度改變方法之系統包含：一電子裝置30，用以改變一影像10之對比度。該電子裝置30包含一處理單元301。該電子裝置30可為智慧型手機、個人數位助理(PDA)、平板電腦、筆記型電腦、桌上型電腦或其他具有影像處理能力之電子裝置。該處理單元301為可進行算術及邏輯運算之電子元件。該影像10包含複數個像素。該影像10可為彩色影像或灰階影像，該影像10可以是屬於絕對色彩空間，例如Lab色彩空間、SRGB色彩空間、Adobe RGB色彩空間等；該影像10亦可以是屬於非絕對色彩空間，例如RGB色彩空間、CMYK色彩空間、CIE XYZ色彩空間等。

於此說明本發明之模糊聚類自動化對比度改變方法執行時之流程，請參閱搭配第一圖及第二圖，欲以本發明之模糊聚類自動化對比度改變方法進行自動化的對比度改變時先執行步驟S1，輸入該影像10至該電子裝置30。如第三圖所示，該影像10之該些個像素70屬於一色彩空間50。該影像10可以是以掃描、輸入、有線傳輸或無線傳輸之方式該電子裝置30。接著執行步驟S3，該處理單元301以至少一模糊演算法(Fuzzy Algorithm)分類該影像10的該些個像素70，於本實施例中該模糊演算法為模糊C均值聚類演算法(Fuzzy C-means Clustering Algorithm)，其公式如下： 其中 為第i個像素於色彩空間中的座標，n為像素的總數，k為群組的數量， 為第i個像素屬於第j個群組的比例， 為第j個群組的中心座標，m為聚類權重係數。對每個像素而言，每個像素屬於各個群聚的比例總和等於1，其公式如下：

如第四圖所示，該影像10經由模糊C均值聚類演算法分成三個群組後，該些個像素被分為一群組G1、一群組G2及一群組G3，該些個像素被分在該群組G1後命名為該些個像素71，該些個像素被分在該群組G2後命名為該些個像素72，該些個像素被分在該群組G3後命名為該些個像素73，該群組G1有一群組中心91，該群組G2有一群組中心92，該群組G3有一群組中心93。

接續上述，接著執行步驟S5，改變參數，處理單元301設定一參數 ，用以改變影像對比度。接著執行步驟S7，該處理單元301透過運算提升該影像的對比度。對比度增強的目的在於散開各個像素的分布狀況，以此為概念，本發明是基於聚類後將群組中的像素向所屬的群組內或外移動。若影像的對比度過低，本發明基於聚類後將群組中的像素像所屬的群組外移動，以達到增加各群組中像素與像素之間的距離，藉此提高對比度。若影像的該些畫素過亮或過暗，該些畫素之間的距離過低，因此影像對比度過低，本發明基於聚類後將群組中的像素像所屬的群組內移動，以達到增加各群組中像素與像素之間的距離，藉此提高對比度。換而言之即是使得群組中的像素改變離所屬之群組之群組中心之距離，其公式如下： 其中 為對比度提高後第i個像素於色彩空間中的位置，該參數 為改變對比度之參數，此參數值會影響對比度的提升程度。

如第五圖所示，該群組G1中的該些個像素71於提高對比度後會遠離該群組G1之該群組中心91，該群組G2中的該些個像素72於提高對比度後會遠離該群組G2之該群組中心92，該群組G3中的該些個像素73於提高對比度後會遠離該群組G3之該群組中心93。

再執行步驟S9，該處理單元301判斷提升對比度之後該影像10之對比度是否最佳。該參數 會影響對比度的提升程度，因此該處理單元301於對比度提升的過程中會改變 值並依據一目標函式計算出具有最佳解的 值，於本實施例中選擇以「熵」(Entropy)做為最大化目標函數，熵除了可以用熱力學與化學中描述系統的分子亂度外，更可以運用在資訊系統中用以表示資訊量，在數位影像中則代表影像中像素分布的機率密度，當所有像素出現在同一位置時熵為零，當所有像素均勻分散在色彩空間時熵為最大。當以熵為最大化目標函數J時，其公式如下： 其中 為整體影像像素在第 個離散色彩空間中的機率密度，藉由改變 值以改變畫素離群聚中心的距離，以改變整體影像畫素的機率密度分布，更增加目標函數值。

於步驟S9中，該處理單元301以目標函數判斷對比度是否為最佳，若對比度並非為最佳時，則執行步驟S901，該處理單元301改變該參數 並回到步驟S7以改變後的該參數 重新改變該影像10之對比度。該參數 可以是以地毯式搜索的方式來尋找，可以是先定義 為一極小值，並逐漸往上提升，以尋找能使目標函數J具有最佳的 值，亦可以是先定義 為一極大值，並逐漸的降低；更可以是以亂數的方式尋找最佳 值。此外，由於每一色彩空間皆有一邊界值，例如說在Lab色彩空間中L值的邊界為0至100，a值及b值的邊界為-128至127，在RGB色彩空間中R值、G值及B值的邊界為0至255，因此當像素值在對比度提升的過程中超過邊界值上限或是下限的話，該處理單元301會將超過像素值設定為該影像10所屬於的該色彩空間50的上限值或下限值。如第六圖所示，當 值極大時該影像10中所有的像素皆會在該色彩空間50之邊界上，這種情況會得到較低的熵值，而在 值極小時該影像10中的像素值則因移動的範圍較小還未使得該影像10有較佳之對比度，因此 值會在有限的次數中收斂，使得本發明能夠讓該處理單元301自動的調整 值而不會出現使得系統出現死結(deadlock)。

當於步驟S9中，該處理單元301以目標函數判斷對比度是否為最佳，若對比度為最佳時，則執行步驟S11，該電子裝置輸出對比度改變後的影像。

於此，即完成本發明之第一實施例，該電子裝置30可以自動化的使該影像10有最佳之對比度。如第七圖所示，(a)為原始影像，(b)為以直方圖均值化法提升對比度後之影像，(c)為以本發明之模糊聚類自動化對比度改變方法提升對比度後之影像。另如第八圖所示，(a)為原始影像，(b)為以直方圖均值化法提升對比度後之影像，(c)為以本發明之模糊聚類自動化對比度改變方法提升對比度後之影像。更如第九圖所示，(a)為原始影像，(b)為以直方圖均值化法提升對比度後之影像，(c)為以本發明之模糊聚類自動化對比度改變方法提升對比度後之影像。經上述比較後可以看出以本發明之模糊聚類自動化對比度改變方法可以使得影像中的細節更佳地明顯。

接著說明本發明之第二實施例之模糊聚類自動化對比度改變方法，請參閱第十圖，其係為本發明之第二實施例之模糊聚類自動化對比度改變方法之流程圖。與第一實施例之差異在於步驟S11之前更有一步驟S10，轉換色彩空間，於此步驟中該處理單元301會將該影像10轉換至另一色彩空間，如從絕對色彩空間轉換成非絕對色彩空間(例如：Lab色彩空間轉換至RGB色彩空間)；或是從非絕對色彩空間轉換成絕對色彩空間(例如：CMYK色彩空間轉換至sRGB色彩空間)；亦可以是絕對色彩空間轉換成另一絕對色彩空間(例如：Lab色彩空間轉換至sRGB色彩空間)；更可以是非絕對色彩空間轉換成另一非絕對色彩空間(例如：RGB色彩空間轉換至CIE XYZ色彩空間)。

舉例而言，當RGB色彩空間要轉換成CIE XYZ色彩空間時須先將影像中的像素調整到介於0~1之間並透過轉換矩陣轉換：

步驟S10並不僅限於在步驟S11之前執行，亦可以在本發明之任意步驟中執行，舉例而言，改變色彩空間之步驟亦可在步驟S1之後或步驟S7之後執行，藉此本發明可以適用於改變屬於任意色彩空間之影像之對比度，亦可適用於輸出屬於任意色彩空間之對比度改變後之影像。

接著說明本發明之第三實施例之模糊聚類自動化對比度改變方法，在步驟S7中，基於聚類後將群組中的像素像所屬的群組內移動，以達到增加各群組中像素與像素之間的距離，藉此提高對比度，其公式如下： 其中 為對比度提高後第i個像素於色彩空間中的位置， 為改變第i個像素位置之參數，此參數值會影響對比度的提升程度。

再執行步驟S9，該處理單元301判斷提升對比度之後該影像10之對比度是否最佳。參數值 會影響對比度的提升程度，因此該處理單元301於對比度提升的過程中會改變 值並依據一目標函式計算出具有最佳解的 值，於本實施例中選擇以熵最大化為影像處理目標。當以熵為最大化目標函數J時，其公式如下： 其中 為整體影像像素在第 個離散色彩空間中的機率密度，藉由改變 值以改變畫素離群聚中心的距離，以改變整體影像畫素的機率密度分布，更增加目標函數值。

於步驟S9中，該處理單元301以目標函數判斷對比度是否為最佳，若對比度並非為最佳時，則執行步驟S901，該處理單元301改變參數值 並回到步驟S7以改變後的參數值 重新改變該影像10之對比度。本實施例與第一實施例的差異在於使用複數個參數值以改變對比度，由於本實施例具有複數個像素控制參數，使本發明之模糊聚類自動化對比度改變方法有更高適應性。

於本發明之一實施例中，於步驟S7、步驟S9及步驟S901的迴圈中，經過多次參數改變後，並比對多次對比度改變影像之對比度後，該處理單元301可取得最佳的參數 ，稱為最佳參數，使用此最佳參數可以使步驟S11所輸出之對比度改變影像為一對比度最佳影像。上述之最佳參數 亦可以為 。

惟以上所述者，僅為本發明之較佳實施例而已，並非用來限定本發明實施之範圍，舉凡依本發明申請專利範圍所述之形狀、構造、特徵及精神所為之均等變化與修飾，均應包括於本發明之申請專利範圍內。

本發明係實為一具有新穎性、進步性及可供產業利用者，應符合我國專利法所規定之專利申請要件無疑，爰依法提出發明專利申請，祈　鈞局早日賜准專利，至感為禱。

10‧‧‧影像

30‧‧‧電子裝置

301‧‧‧處理單元

50‧‧‧色彩空間

70‧‧‧像素

71‧‧‧像素

72‧‧‧像素

73‧‧‧像素

91‧‧‧群組中心

92‧‧‧群組中心

93‧‧‧群組中心

G1‧‧‧群組

G2‧‧‧群組

G3‧‧‧群組

第一圖：其係為本發明之第一實施例之模糊聚類自動化對比度改變方法之流程圖； 第二圖：其係為本發明之第一實施例之模糊聚類自動化對比度改變方法之方塊圖； 第三圖：其係為本發明之第一實施例之模糊聚類自動化對比度改變方法之色彩空間示意； 第四圖：其係為本發明之第一實施例之模糊聚類自動化對比度改變方法之分群示意圖； 第五圖：其係為本發明之第一實施例之模糊聚類自動化對比度改變方法之對比度改變示意圖； 第六圖：其係為本發明之第一實施例之模糊聚類自動化對比度改變方法之對比度曲線； 第七圖：其係為本發明之第一實施例之模糊聚類自動化對比度改變方法之結果比較圖； 第八圖：其係為本發明之第一實施例之模糊聚類自動化對比度改變方法之結果比較圖； 第九圖：其係為本發明之第一實施例之模糊聚類自動化對比度改變方法之結果比較圖；以及 第十圖：其係為本發明之第二實施例之模糊聚類自動化對比度改變方法之流程圖。

Claims (10)

1. 一種模糊聚類自動化對比度改變方法，其步驟包含：輸入一影像，該影像包含複數個像素，該些個像素屬於一色彩空間；一處理單元依據一模糊演算法將該些個像素分成至少一群組，該至少一群組包含一群組中心座標；以及該處理單元改變至少一參數，以改變該至少一群組中的該些個像素離所屬之該至少一群組之該群組中心座標的距離後，取得一對比度改變之影像，其中該處理單元分別將該些個像素各自於該色彩空間之座標與該些個像素各自所屬之群組之該群組中心座標之距離乘以該些個像素屬於該至少一群組之機率比例加上該些個像素各自於該色彩空間之座標後乘以該至少一參數後，取得該對比度改變之影像。
2. 如專利申請範圍第1項所述之模糊聚類自動化對比度改變方法，於取得該對比度改變之影像之步驟後更包含：該處理單元判斷該對比度改變影像之 對比度是否最佳，若是，則輸出一最佳對比度影像，若否，則改變該至少一參數並以該至少一參數取得一新對比度改變之影像。
3. 如專利申請範圍第1項所述之模糊聚類自動化對比度改變方法，於取得一對比度改變影像之後，該方法更包含：轉換該色彩空間為另一色彩空間。
4. 如專利申請範圍第1項所述之模糊聚類自動化對比度改變方法，於改變一影像對比度之前，該方法更包含：轉換該色彩空間為另一色彩空間。
5. 如專利申請範圍第1項所述之模糊聚類自動化對比度改變方法，於輸入一影像之後，該方法更包含：轉換該色彩空間為另一色彩空間。
6. 如專利申請範圍第1項所述之模糊聚類自動化對比度改變方法，其中該模糊演算法為模糊C均值聚類演算法。
7. 如專利申請範圍第1項所述之模糊聚類自動化對比度改變方法，其中該色彩空間為絕對色彩空間或非絕對色彩空間。
8. 如專利申請範圍第3項所述之模糊聚 類自動化對比度改變方法，其中該另一色彩空間為絕對色彩空間或非絕對色彩空間。
9. 如專利申請範圍第4項所述之模糊聚類自動化對比度改變方法，其中該另一色彩空間為絕對色彩空間或非絕對色彩空間。
10. 如專利申請範圍第5項所述之模糊聚類自動化對比度改變方法，其中該另一色彩空間為絕對色彩空間或非絕對色彩空間。