张涛等：一种提高图像对比度和视觉质量的新型区域背光算法 ·1893· 式中，I为第(i,)个像素R、G、B三个分量的最大 空间，则得到最终调光后的图像RGB” 值；Y,和Y分别是像素(i,)补偿前后的像素亮度值： 2仿真实验 α决定了S曲线的曲率，S曲线会随着α值的增大而 变得越来越弯曲，即对像素的调整程度越大，这样一方 2.1实验参数及环境 面可以较大程度地提高图像对比度，另一方面也可能 为了评估本文算法的性能，将该算法与其他几种 会导致图像细节的丢失，故需要结合图像特征及背光 区域背光算法（包括最大值法、平均值法、文献B]中 亮度综合确定α的值.通过大量实验，本文最终确定 的LUT法和文献22]中的OLD法)进行性能比较.为 =0.005.如图5所示，S曲线中有一个关键的点 了测试算法的适用性，选用亮度覆盖范围较广的4种 Ya,称之为拐点.图中Yn和Y分别代表输入图像各 不同场景的图像（包括高亮度图像、低亮度图像、高对 像素的亮度值及调光后输出图像各像素的亮度值.从 比度图像和低对比度图像)进行仿真测试.仿真实验 图中可以看出，亮度小于Y的像素，补偿后其亮度将 是在MATLAB R2O1Ob环境中进行的，所有测试图像 小于原始像素的亮度，变得更暗：而亮度大于Y的像 的分辨率为1920×1080，被虚拟划分为24×42个分 素，补偿后其亮度将大于原始像素的亮度，变得更亮， 区.由于本文研究的主要是通过区域背光提高LCD的 这样就有效地提高了图像对比度.本文取Y= 动态范围以实现HDR显示，对应到单幅图像就是提高 BL,即将平滑后对应于像素(i,j)的背光亮度作为S 图像对比度，因此将图像对比度增强强度百分比（△E) 曲线的拐点.有一点需要特别说明，为了避免像素溢 作为评价算法性能的一个重要指标.本文定义图像对 出失真，取各像素R、G、B三个分量的最大值作为S曲 比度计算公式如式(16)所示，用式(17)计算对比 线的最大容量. 度增强强度百分比. Y CR=Hoo/H1o (16) 25 CR-CR △E= 2×100%. (17) CRo 式中，H。和H分别是包含所有像素10%、90%对应的 灰度值：CR。和CR分别为原始输入图像和调光后图 像的对比度 2.2实验结果 255y 图6~9为实验仿真结果.表1记录了用各算法 调光后图像的对比度(CR)及对比度增强强度百分比 图5S曲线 Fig.5 S-curve (△E).为更加直观地反映用各算法对图像调光后图 像的对比度变化情况，作出它们各自的对比度变化趋 (3)经过第一步像素补偿后，虽然有效地提高了 势图，如图10所示 图像对比度，但图像的整体亮度仍低于背光全亮时显 HDR图像不同于LDR图像，就目前而言，普遍还 示图像的亮度.考虑到人眼对信号的处理有个近似对 是采用主观评价来衡量其显示质量.考虑到主观评价 数算法的环节，为有效提升显示画质使调光后图像的 受观察者个人因素影响较大，因此，采用主、客观相结 色彩和清晰度得到增强，采用取对数的方法对图像做 合的方法来评价本文算法的性能. 进一步像素补偿，如式(13)所示： 就主观视觉来看，对比图6和图9中红色椭圆区 rY%=Y,×g(1+k×Y), (13) 域，可以看出最大值法和平均值法在图像明亮区域能 =(BL/BLi) 再现较好的细节，但对于暗区域则发生了严重的色彩 式中，Y·和"分别是第一、二次液晶像素补偿后像素 失真（如图7中夜晚的天空）.除此之外，这两种方法 (i,)的亮度. 仅是提高了调光后图像的整体亮度，并没有做到亮的 (4)经过两步液晶像素补偿后，得到各像素的调 地方更亮而暗的地方更暗，因此这两种方法没能有效 整系数ka,其计算公式如下： 地提高图像对比度.对比而言，用LUT法和OLD法调 kid =Yij/ (14) 光后的图像的显示效果要优于最大值法和平均值法， (5)为了使调光后图像不出现色彩失真，需要对 因为它们没有出现明显的视觉失真，但调光后图像的 V分量做与Y分量相同的补偿，即有： 色彩层次感和细节没有得到增强.相反，对比于其他4 [U=k4×(U-128)+128, 种算法，本文算法可以更有效地提高图像对比度并能 (15) lV=ka×(V-128)+128. 较好的保留图像暗区域的细节信息.如图8()和图9 (6)将补偿后的YUV色彩空间转换为RGB色彩 ()中的红色椭圆区域，本文算法可以使低亮度区域张 涛等: 一种提高图像对比度和视觉质量的新型区域背光算法 式中，Imaxi，j 为第( i，j) 个像素 Ｒ、G、B 三个分量的最大 值; Yi，j和 Y'i，j分别是像素( i，j) 补偿前后的像素亮度值; α 决定了 S 曲线的曲率，S 曲线会随着 α 值的增大而 变得越来越弯曲，即对像素的调整程度越大，这样一方 面可以较大程度地提高图像对比度，另一方面也可能 会导致图像细节的丢失，故需要结合图像特征及背光 亮度综合确定 α 的值． 通过大量实验，本文最终确定 α = 0. 005． 如 图 5 所 示，S 曲 线 中 有 一 个 关 键 的 点 Ypoint，称之为拐点． 图中 Yin和 Yout分别代表输入图像各 像素的亮度值及调光后输出图像各像素的亮度值． 从 图中可以看出，亮度小于 Ypoint的像素，补偿后其亮度将 小于原始像素的亮度，变得更暗; 而亮度大于 Ypoint的像 素，补偿后其亮度将大于原始像素的亮度，变得更亮， 这样就有效地提高了图像对比度． 本 文 取 Ypoint = BL' i，j ，即将平滑后对应于像素( i，j) 的背光亮度作为 S 曲线的拐点． 有一点需要特别说明，为了避免像素溢 出失真，取各像素 Ｒ、G、B 三个分量的最大值作为 S 曲 线的最大容量． 图 5 S 曲线 Fig． 5 S-curve ( 3) 经过第一步像素补偿后，虽然有效地提高了 图像对比度，但图像的整体亮度仍低于背光全亮时显 示图像的亮度． 考虑到人眼对信号的处理有个近似对 数算法的环节，为有效提升显示画质使调光后图像的 色彩和清晰度得到增强，采用取对数的方法对图像做 进一步像素补偿，如式( 13) 所示: Y″i，j = Y'i，j × lg( 1 + k × Yi，j ) ， k = ( BLi，j /BLfull ) { 1 /γ ． ( 13) 式中，Y'和 Y″分别是第一、二次液晶像素补偿后像素 ( i，j) 的亮度． ( 4) 经过两步液晶像素补偿后，得到各像素的调 整系数 klcdi，j ，其计算公式如下: klcdi，j = Y″i，j / Yi，j ． ( 14) ( 5) 为了使调光后图像不出现色彩失真，需要对 UV 分量做与 Y 分量相同的补偿，即有: U'i，j = klcdi，j × ( Ui，j － 128) + 128， V'i，j = klcdi，j { × ( Vi，j － 128) + 128． ( 15) ( 6) 将补偿后的 Y'U'V'色彩空间转换为 ＲGB 色彩 空间，则得到最终调光后的图像 Ｒ'G'B'． 2 仿真实验 2. 1 实验参数及环境 为了评估本文算法的性能，将该算法与其他几种 区域背光算法( 包括最大值法、平均值法、文献［8］中 的 LUT 法和文献［22］中的 OLD 法) 进行性能比较． 为 了测试算法的适用性，选用亮度覆盖范围较广的 4 种 不同场景的图像( 包括高亮度图像、低亮度图像、高对 比度图像和低对比度图像) 进行仿真测试． 仿真实验 是在 MATLAB Ｒ2010b 环境中进行的，所有测试图像 的分辨率为 1920 × 1080，被虚拟划分为 24 × 42 个分 区． 由于本文研究的主要是通过区域背光提高 LCD 的 动态范围以实现 HDＲ 显示，对应到单幅图像就是提高 图像对比度，因此将图像对比度增强强度百分比( ΔE) 作为评价算法性能的一个重要指标． 本文定义图像对 比度［14］计算公式如式( 16) 所示，用式( 17) 计算对比 度增强强度百分比． CＲ = H90 /H10， ( 16) ΔE = CＲ － CＲ0 CＲ0 × 100% ． ( 17) 式中，H10和 H90分别是包含所有像素 10% 、90% 对应的 灰度值; CＲ0 和 CＲ 分别为原始输入图像和调光后图 像的对比度． 2. 2 实验结果 图 6 ～ 9 为实验仿真结果． 表 1 记录了用各算法 调光后图像的对比度( CＲ) 及对比度增强强度百分比 ( ΔE) ． 为更加直观地反映用各算法对图像调光后图 像的对比度变化情况，作出它们各自的对比度变化趋 势图，如图 10 所示． HDＲ 图像不同于 LDＲ 图像，就目前而言，普遍还 是采用主观评价来衡量其显示质量． 考虑到主观评价 受观察者个人因素影响较大，因此，采用主、客观相结 合的方法来评价本文算法的性能． 就主观视觉来看，对比图 6 和图 9 中红色椭圆区 域，可以看出最大值法和平均值法在图像明亮区域能 再现较好的细节，但对于暗区域则发生了严重的色彩 失真( 如图 7 中夜晚的天空) ． 除此之外，这两种方法 仅是提高了调光后图像的整体亮度，并没有做到亮的 地方更亮而暗的地方更暗，因此这两种方法没能有效 地提高图像对比度． 对比而言，用 LUT 法和 OLD 法调 光后的图像的显示效果要优于最大值法和平均值法， 因为它们没有出现明显的视觉失真，但调光后图像的 色彩层次感和细节没有得到增强． 相反，对比于其他 4 种算法，本文算法可以更有效地提高图像对比度并能 较好的保留图像暗区域的细节信息． 如图 8( f) 和图 9 ( f) 中的红色椭圆区域，本文算法可以使低亮度区域 · 3981 ·