0 引言

    電潤(rùn)濕電子紙顯示器是反射型顯示器，利用環(huán)境光即可顯示，具有響應(yīng)速度快、對(duì)比度高、功耗低等優(yōu)點(diǎn)^[1-5]。然而，目前電潤(rùn)濕電子紙顯示屏受驅(qū)動(dòng)芯片和驅(qū)動(dòng)方式等限制，無(wú)法直接顯示高灰度圖像，若直接取圖像高位數(shù)據(jù)，舍去低灰階數(shù)據(jù)，將造成圖像對(duì)比度、視覺信息損失，為解決這個(gè)問題，可采用色調(diào)映射算法，把圖像映射到一個(gè)新動(dòng)態(tài)范圍，以提高圖像對(duì)比度^[6-8]。DRAGO F等^[9]模擬人類對(duì)光的反應(yīng)，根據(jù)每個(gè)像素亮度自適應(yīng)調(diào)整對(duì)數(shù)基，使圖像細(xì)節(jié)和對(duì)比度保持良好。TAN J等^[10]將圖像分成幾個(gè)相同大小的塊，利用雙邊濾波提取細(xì)節(jié)層，實(shí)現(xiàn)塊映射融合對(duì)數(shù)映射。DURAND F等^[11]利用快速雙邊濾波將高動(dòng)態(tài)范圍圖像分為基本層和細(xì)節(jié)層，保留細(xì)節(jié)并降低動(dòng)態(tài)范圍。陳文藝等^[12]在亮度域使用對(duì)數(shù)壓縮和限制對(duì)比度自適應(yīng)直方圖均衡化算法，轉(zhuǎn)換到色彩域后采用色彩恢復(fù)和色彩增強(qiáng)算法，可有效降低色彩失真。WANG J等^[13]提出一種局部自適應(yīng)雙邊濾波器，根據(jù)像素亮度值自適應(yīng)調(diào)整對(duì)數(shù)基，實(shí)現(xiàn)高亮度范圍壓縮，在暗區(qū)具有良好對(duì)比度和細(xì)節(jié)。李大軍等^[14]提出一種基于參數(shù)估計(jì)的雙邊濾波Retinex圖像增強(qiáng)算法，可有效保留邊緣信息，抑制光暈現(xiàn)象。THAI B C等^[15]使用分段線性函數(shù)，根據(jù)人類視覺的感知量化調(diào)整低動(dòng)態(tài)范圍圖像像素分布，同時(shí)保留了更多圖像信息。劉朝濤等^[16]利用形態(tài)學(xué)方法對(duì)原始圖像增強(qiáng)，提高對(duì)比度，并對(duì)圖像進(jìn)行光照補(bǔ)償，改善因光照不均引起的色彩改變。DUAN J等^[17]在局部區(qū)域中使用基于灰度直方圖的色調(diào)映射算子對(duì)圖像分割，調(diào)整自適應(yīng)對(duì)比度，利用固定參數(shù)值對(duì)多種圖像具有良好映射效果。

    眾所周知，電潤(rùn)濕電子紙顯示器的顯示亮度與驅(qū)動(dòng)電壓之間呈非線性關(guān)系^[18-20]，這樣導(dǎo)致在不同的初始狀態(tài)下，相同電壓、相同時(shí)間長(zhǎng)度的驅(qū)動(dòng)脈沖作用下帶來的亮度變化是不同的，可能會(huì)導(dǎo)致圖像失真、細(xì)節(jié)丟失等問題。因此，為實(shí)現(xiàn)電潤(rùn)濕顯示器的精準(zhǔn)調(diào)制，必須對(duì)其亮度進(jìn)行校正。

    基于上述問題，本文根據(jù)人眼對(duì)亮度的變化接近于對(duì)數(shù)關(guān)系，把原始圖像的范圍映射到一個(gè)符合人眼視覺特性的低動(dòng)態(tài)范圍，再對(duì)映射后圖像進(jìn)行亮度局部線性拉伸，使得輸出圖像既能較好地保留更多輪廓細(xì)節(jié)，又能提高整體對(duì)比度，提升可視化效果。

1 基于人眼視覺特性的分層映射算法

    本文算法基本流程圖如圖1所示。利用雙邊濾波對(duì)輸入圖像進(jìn)行分層，得到基本層和細(xì)節(jié)層，對(duì)基本層圖像進(jìn)行基于對(duì)數(shù)圖像處理模型(Logarithmic Image Processing，LIP)的Lee圖像增強(qiáng)，實(shí)現(xiàn)亮度預(yù)處理；再基于人眼視覺特性，對(duì)圖像進(jìn)行分區(qū)對(duì)數(shù)映射，以適應(yīng)人眼在不同程度的亮度區(qū)域內(nèi)對(duì)亮度的感知；然后與細(xì)節(jié)層加權(quán)融合為輸出圖像；最后進(jìn)行電潤(rùn)濕顯示器的亮度局部線性拉伸，實(shí)現(xiàn)精準(zhǔn)調(diào)制。

1.1 基于LIP模型的圖像增強(qiáng)算法

    對(duì)輸入圖像進(jìn)行濾波處理，得到基本層和細(xì)節(jié)層。其中，基本層主要對(duì)應(yīng)圖像低頻信息，細(xì)節(jié)層主要包含圖像高頻信息。圖像分層過程如式(1)和式(2)所示：

1.2 基于人眼視覺的亮度映射

1.2.1 基于人眼視覺的圖像分區(qū)

    引入背景強(qiáng)度B(x，y)和梯度信息G(x，y)，如式(4)和式(5)所示。

1.2.2 分區(qū)對(duì)數(shù)映射

    基于人眼視覺的研究，顯示給人眼看的亮度值L_d和場(chǎng)景亮度值L_w之間存在如式(13)所示的映射關(guān)系。

式中，Y_w為圖像R′(x，y)每個(gè)像素的亮度值，Y_wmax為Y_w取值集合中的最大值，Y_world為場(chǎng)景適應(yīng)亮度；N是圖像R′(x，y)像素的總數(shù)；δ為很小的值，一般取0.000 1。

    以對(duì)數(shù)映射為基礎(chǔ)，進(jìn)行分區(qū)對(duì)數(shù)映射。LD和WS區(qū)映射分別如式(17)和式(18)，L_d1、L_d2分別為L(zhǎng)D和WS區(qū)映射后亮度值。對(duì)不同區(qū)選取不同對(duì)數(shù)底數(shù)，以符合亮度映射需求。在低對(duì)比度和德弗里斯區(qū)，對(duì)數(shù)底數(shù)為2，可增強(qiáng)對(duì)比度和亮度；k，q∈(1，+∞)，選用較大的k、q可有效維持細(xì)節(jié)，保證暗區(qū)細(xì)節(jié)可見性。在韋伯和飽和區(qū)，為避免單一底數(shù)的過度壓縮，引入如式(19)所示的偏置冪函數(shù)使對(duì)數(shù)底數(shù)自由可調(diào)，本文b=0.85，在壓縮W和S區(qū)的同時(shí)不丟失較暗部分細(xì)節(jié)。

1.2.3 加權(quán)融合

    對(duì)映射后的子圖像L_d1和L_d2進(jìn)行合并，得到區(qū)域合并后圖像亮度L_B′(x，y)，如式(20)所示。最后將L_D(x，y)和L_B′(x，y)加權(quán)融合為輸出圖像T(x，y)，如式(21)所示。

式(21)中，p₁∈[0.7，1]，p₂=1.1。式(20)中，ρ_LD、ρ_ws分別為兩個(gè)區(qū)域在局部范圍內(nèi)所占比重。

1.3 亮度校正

    如圖2所示，電潤(rùn)濕顯示器的相對(duì)亮度與驅(qū)動(dòng)電壓呈非線性關(guān)系。由圖2可知，當(dāng)施加電壓低于10 V時(shí)，像素亮度基本不變，即像素為關(guān)閉狀態(tài)；當(dāng)施加電壓高于10 V時(shí)，像素亮度開始變化，亮度在25~40 V電壓之間的變化比10~25 V電壓之間的變化緩慢，這樣使得在不同初始狀態(tài)下，相同電壓、相同時(shí)間長(zhǎng)度的驅(qū)動(dòng)脈沖作用下帶來的反射率變化不同，將會(huì)導(dǎo)致圖像信息丟失等問題。因此，必須對(duì)25~40 V電壓之間的顯示特性進(jìn)行校正。

    利用式(23)對(duì)電潤(rùn)濕顯示器件進(jìn)行亮度校正，得到的輸入圖像數(shù)據(jù)對(duì)應(yīng)的輸出圖像數(shù)據(jù)如表 1所示。由表1可知，輸入圖像數(shù)據(jù)為1110對(duì)應(yīng)的歸一化電壓為0.725，歸一化亮度為0.953 48，經(jīng)線性拉伸后，歸一化亮度為0.799 25，輸出圖像數(shù)據(jù)為1100。

2 結(jié)果與分析

2.1 分區(qū)對(duì)數(shù)映射仿真結(jié)果與分析

    圖像質(zhì)量評(píng)價(jià)方法主要有視覺比較和客觀評(píng)價(jià)。視覺比較是用人眼直接觀察，大腦根據(jù)主觀意識(shí)得到相關(guān)結(jié)論?？陀^評(píng)價(jià)方法主要有熵值(Entropy)、均方根誤差(MSE)、峰值信噪比(PSNR)、整體圖像質(zhì)量(UIQI)、結(jié)構(gòu)相似度(SSIM)等^[25]。本文選用熵值、峰值信噪比、結(jié)構(gòu)相似度、整體圖像質(zhì)量來評(píng)價(jià)圖像質(zhì)量。

    本文選取一些數(shù)字圖像處理經(jīng)典圖像進(jìn)行實(shí)驗(yàn)，利用直方圖校正映射，基于Retinex的映射算法與本文算法的結(jié)果對(duì)比。實(shí)驗(yàn)基于MATLAB2017平臺(tái)開發(fā)環(huán)境實(shí)現(xiàn)。

2.1.1 主觀評(píng)價(jià)

    Lena、Peppers、Sunset_sparrow不同算法效果圖分別如圖3、圖4和圖5所示。

    圖3(b)、圖4(b)和圖5(b)為直方圖校正映射算法處理結(jié)果，Lena的帽子亮度值較大的部分細(xì)節(jié)丟失，不易分辨亮處細(xì)節(jié)；Peppers亮度不均勻；Sun-sparrow部分過亮，造成樹枝暗處細(xì)節(jié)丟失。圖3(c)、圖4(c)和圖5(c)為基于Retinex的映射算法處理結(jié)果，Lena圖像整體過暗，頭發(fā)細(xì)節(jié)部分失真；Peppers圖像不自然，出現(xiàn)過增強(qiáng)或過壓縮現(xiàn)象；sparrow和樹枝邊緣均出現(xiàn)了明顯的“光暈”現(xiàn)象。圖3(d)、圖4(d)和圖5(d)為本文算法處理結(jié)果，保留Lena圖像大部分細(xì)節(jié)；Peppers整個(gè)圖像較為真實(shí)，明暗過渡自然，適合人眼觀察；sparrow邊緣避免了“光暈”現(xiàn)象，且樹枝輪廓清晰，保留了圖像對(duì)比度。本文算法使得圖像較暗部分細(xì)節(jié)在映射后清晰可見，較亮部分在映射后較好地壓縮了動(dòng)態(tài)范圍，能保持幾乎所有可視細(xì)節(jié)信息，圖像整體視覺效果比較和諧。

2.1.2 客觀評(píng)價(jià)

    熵用于衡量圖像信息豐富程度，如式(24)所示，其中p(x_i)為灰度級(jí)xi的累積頻率。當(dāng)灰度級(jí)發(fā)生“吞噬”現(xiàn)象時(shí)，圖像的信息量即“熵值”是減小的。

    峰值信噪比反映圖像清晰度，如式(25)所示，其中S為像素最大灰度值。m、n為圖像長(zhǎng)和寬，L(x，y)、T(x，y)為原圖像和映射后圖像，PSNR值越大說明映射后圖像質(zhì)量越好。

    結(jié)構(gòu)相似度通過比較圖像結(jié)構(gòu)信息的改變考慮圖像的失真，得到客觀質(zhì)量評(píng)價(jià)，如式(26)所示，μ_L、μ_T分別為原圖像和映射后圖像的均值，σ_L、σ_T分別為原圖像和映射后圖像的方差，σ_LT為原圖像和映射后圖像的協(xié)方差，c₁、c₂、c₃為常數(shù)。SSIM值越大說明映射后圖像質(zhì)量越好。

    整體圖像質(zhì)量從相關(guān)性、亮度和對(duì)比度失真考慮圖像失真度，UIQI為1，則原圖像與映射后圖像一致。UIQI值越接近1，映射后圖像質(zhì)量越好，如式(27)所示：

    本文采用以上4種方法，結(jié)果如表2所示。由表2可知，Lena、Peppers、Sunset_sparrow原圖像的熵分別為7.449 7、7.593 5、7.498 3，本文算法的Entropy值均略高于直方圖校正映射、基于Retinex的映射，減少了圖像“吞噬”現(xiàn)象，熵值與原圖像更為接近。經(jīng)統(tǒng)計(jì)，本文算法相對(duì)于直方圖校正映射，Lena、Peppers和Sunset_sparrow 圖像PSNR值分別提高了33.95%、21.29%、45.21%，SSIM值分別提高了12.2%、7.77%、12.99%，UIQI值分別提高了19.48%、14.26%、27.28%；相對(duì)于基于Retinex的映射，Lena、Peppers和Sunset_sparrow 圖像PSNR值分別提高了63.23%、47.8%、50.09%，SSIM值分別提高了43.05%、24.03%、21.69%，UIQI值分別提高了65.36%、50.03%、41.19%。指標(biāo)參數(shù)結(jié)果與圖片仿真結(jié)果的分析吻合，說明本文分區(qū)對(duì)數(shù)映射算法較好，更加注重人眼視覺，壓縮圖像亮度范圍的同時(shí)較好地增強(qiáng)了細(xì)節(jié)信息。

2.2 亮度校正結(jié)果與分析

    將本文提出的亮度局部線性拉伸方法應(yīng)用到電潤(rùn)濕電子紙顯示系統(tǒng)上，測(cè)試用的電潤(rùn)濕顯示屏分辨率為1 024×768。測(cè)試方法是在PC端通過亮度校正模塊將輸出數(shù)據(jù)傳輸?shù)诫姖?rùn)濕電子紙顯示系統(tǒng)，然后用亮度計(jì)測(cè)量顯示面板的中間區(qū)域，共測(cè)量15次不同輸出數(shù)據(jù)下的面板亮度，最后對(duì)15次測(cè)量數(shù)據(jù)取平均值。校正后結(jié)果如圖6所示，由圖可知，亮度校正后，25~40 V電壓段的電壓與亮度曲線的關(guān)系接近線性。

2.3 實(shí)際測(cè)試

    將本文所提出的方法在電潤(rùn)濕顯示屏上顯示。圖7(a)為原始圖像在電潤(rùn)濕顯示屏上的效果圖，圖7(b)為映射后的效果圖，圖7(c)為亮度校正后的效果圖，圖7(d)為映射＋亮度校正后的效果圖。

    由圖7可以看到，原圖整體對(duì)比度不高，尤其是頭發(fā)部分的細(xì)節(jié)丟失，輪廓模糊不清；經(jīng)映射后，帽蓋和頭發(fā)細(xì)節(jié)增多，符合人眼在不同程度的亮度區(qū)域?qū)α炼鹊母兄?；?jīng)亮度校正后，鼻唇溝可明顯觀察到，Lena圖對(duì)比度提高；經(jīng)映射+亮度校正后，提高了圖像整體對(duì)比度，頭發(fā)細(xì)節(jié)增多，輪廓清晰。

3 結(jié)論

    本文提出一種基于人眼視覺的電潤(rùn)濕電子紙圖像分層映射技術(shù)。利用雙邊濾波將圖像分解為基本層和細(xì)節(jié)層，基于LIP模型的Lee增強(qiáng)算法對(duì)基本層進(jìn)行亮度增強(qiáng)，并根據(jù)韋伯-費(fèi)希納定律分區(qū)，實(shí)現(xiàn)分區(qū)對(duì)數(shù)映射，與細(xì)節(jié)層加權(quán)融合為輸出圖像，同時(shí)對(duì)電潤(rùn)濕顯示器亮度進(jìn)行局部線性拉伸。結(jié)果表明，本文算法的熵值與原圖像更為接近。圖像評(píng)價(jià)指標(biāo)PSNR、SSIM和UIQI值相較于直方圖校正映射，分別提高了約0.2~0.4，0.07~0.1，0.1~0.2；相較于基于Retinex的映射，分別提高了約0.4~0.6，0.2~0.4，0.4~0.6。最終在電潤(rùn)濕電子紙上顯示的圖像邊界、紋理等細(xì)節(jié)增加，校正后的電壓與亮度關(guān)系更接近線性，對(duì)比度提高，整體視覺效果較好。

參考文獻(xiàn)

[1] HAYES R A，F(xiàn)EENSTRA B J.Video-speed electronic paper based on electrowetting[J].Nature，2003，425(6956)：383.

[2] 易子川，曾磊，周瑩，等.電潤(rùn)濕電子紙多級(jí)灰階研究與設(shè)計(jì)[J].華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版)，2018，49(6)：17-23.

[3] 唐彪，趙青，周敏，等.印刷電潤(rùn)濕顯示技術(shù)研究進(jìn)展[J].華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016，48(1)：1-8.

[4] YI Z，SHUI L，WANG L，et al.A novel driver for active matrix electrowetting displays[J].Displays，2015，37：86-93.

[5] YOU H，STECKL A J.Three-color electrowetting display device for electronic paper[J].Applied Physics Letters，2010，97(2)：023514.

[6] 歐海燕，郭太良，姚劍敏，等.基于分層色調(diào)映射的LED背光調(diào)制算法[J].液晶與顯示，2011，26(2)：246-249.

[7] 蘆碧波，皇甫珍珍，郭凱，等.基于雙邊濾波的多尺度分層色調(diào)映射算法[J].液晶與顯示，2018，33(9)：816-822.

[8] 孫晨康.基于雙邊濾波的高動(dòng)態(tài)范圍圖像映射算法研究與實(shí)現(xiàn)[D].西安：西安電子科技大學(xué)，2015.

[9] DRAGO F，MYSZKOWSKI K，ANNEN T，et al.Adaptive logarithmic mapping for displaying high contrast scenes[J].Computer Graphics Forum，2003，22(3)：419-426.

[10] TAN J，HUANG Y，WANG K.Logarithmic tone mapping algorithm based on block mapping fusion[C].2018 International Conference on Audio,Language and Image Processing(ICALIP).IEEE，2018：168-173.

[11] DURAND F，DORSEY J.Fast bilateral filtering for the display of high-dynamic-range images[C].ACM Transactions on Graphics(TOG)，2002，21(3)：257-266.

[12] 陳文藝，張龍，楊輝.HDR圖像色調(diào)映射的自適應(yīng)色彩調(diào)節(jié)算法[J].電子技術(shù)應(yīng)用，2018，44(11)：107-110.

[13] WANG J，XU D，LANG C，et al.An adaptive tone mapping method for displaying high dynamic range images[J].Journal of Information Science and Engineering，2010，26(3)：977-990.

[14] 李大軍，杜神斌，郭丙軒，等.自適應(yīng)雙邊濾波的Retinex圖像增強(qiáng)算法[J].電子技術(shù)應(yīng)用，2018，44(3)：117-121.

[15] THAI B C，MOKRAOUI A，MATEI B.Contrast enhancement and details preservation of tone mapped high dynamic range images[J].Journal of Visual Communication and Image Representation，2019，58：589-599.

[16] 劉朝濤，張雪佼.基于圖像處理的疲勞駕駛預(yù)警研究[J].電子技術(shù)應(yīng)用，2019，45(8)：104-108.

[17] DUAN J，BRESSAN M，DANCE C，et al.Tone-mapping high dynamic range images by novel histogram adjustment[J].Pattern Recognition，2010，43(5)：1847-1862.

[18] CHIU Y H，LIANG C C，CHEN Y C，et al.Accurate-gray-level and quick-response driving methods for high-performance electrowetting displays[J].Journal of the Society for Information Display，2011，19(11)：741-748.

[19] LUO Z J，ZHANG W N，LIU L W，et al.Portable multigray scale video playing scheme for high-performance electrowetting displays[J].Journal of the Society for Information Display，2016，24(6)：345-354.

[20] SURESHKUMAR P，BHATTACHARYYA S S.Display applications of electrowetting[J].Journal of Adhesion Science and Technology，2012，26(12-17)：1947-1963.

[21] NAVARRO L，DENG G，COURBEBAISSE G.The symmetric logarithmic image processing model[J].Digital Signal Processing，2013，23(5)：1337-1343.

[22] BAOPING W，JIANJUN M A，ZHAOXUAN H A N，et al.Adaptive image enhancement algorithm based on fuzzy entropy and human visual characteristics[J].Journal of Systems Engineering and Electronics，2018，29(5)：1079-1088.

[23] 馮清枝，王丹.基于LIP模型和CLAHE的低照度圖像增強(qiáng)算法[J].光電技術(shù)應(yīng)用，2018，33(5)：31-36.

[24] PANETTA K A，WHARTON E J，AGAIAN S S.Human visual system-based image enhancement and logarithmic contrast measure[J].IEEE Transactions on Systems，Man，and Cybernetics，Part B(Cybernetics)，2008，38(1)：174-188.

[25] 褚江，陳強(qiáng)，楊曦晨.全參考圖像質(zhì)量評(píng)價(jià)綜述[J].計(jì)算機(jī)應(yīng)用研究，2014，31(1)：13-22.

作者信息:

李甜甜1，2，林珊玲1，2，林志賢1，2，郭太良1，2，唐  彪3

(1.福州大學(xué) 平板顯示技術(shù)國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室，福建 福州350116；

2.福州大學(xué) 物理與信息工程學(xué)院，福建 福州350116；

3.華南師范大學(xué) 華南先進(jìn)光電子研究院 廣東省光信息材料與技術(shù)重點(diǎn)實(shí)驗(yàn)室，廣東 廣州510006)