一種基于Retinex理論的彩色圖像增強(qiáng)算法

尹紅然，俞 浩，秦清鋒

(1.天津天獅學(xué)院 基礎(chǔ)教學(xué)部，天津 301700;2.天津大學(xué) 理學(xué)院，天津 300072)

圖像增強(qiáng)是圖像處理的經(jīng)典課題之一，其完成的是按照特定的需要，突出圖像的某些信息，減弱或去除不必要的信息，從而使其更符合人類(lèi)視覺(jué)特性或計(jì)算機(jī)系統(tǒng)識(shí)別的要求。傳統(tǒng)的圖像增強(qiáng)算法包括灰度級(jí)變換、直方圖均衡、同態(tài)濾波等。近年來(lái)，隨著圖像處理理論的不斷發(fā)展，新的算法不斷提出，如空域的局部統(tǒng)計(jì)法、小波變換、K－L變換以及基于偏微分方程的算法等。

大多數(shù)已有增強(qiáng)算法集中在灰度圖像增強(qiáng)方面。對(duì)于彩色圖像增強(qiáng)，則要考慮從具體的需要出發(fā)，給出不同的解決方案。例如，在HSI空間中單獨(dú)對(duì)I分量做增強(qiáng)處理，維持H和S分量不變。彩色圖像可看作是三維的矢量圖像，用h(D1，D2，D3)彩色圖像的直方圖，它是一個(gè)三維函數(shù)。可借助三維直方圖均衡化技術(shù)增強(qiáng)彩色圖像，即希望輸出圖像的直方圖滿足h(D1，D2，D3)約等于常數(shù)。這種增強(qiáng)的目標(biāo)是最充分利用顏色空間所提供的所有可用范圍。作為這種方案的近似可以采用邊緣分布均衡化，即對(duì)每一分量圖像，分別進(jìn)行直方圖均衡化。實(shí)驗(yàn)表明，經(jīng)上述彩色直方圖均衡化處理后，圖像的色彩雖然變得豐富，但同時(shí)引入嚴(yán)重的色彩失真。

文中根據(jù)Retinex理論，提出了一種新的彩色圖像增強(qiáng)算法。該算法在保證增強(qiáng)圖像高頻成分的同時(shí)，很好地保留了部分低頻成分;在保證亮度適中的前提下，提高了圖像的動(dòng)態(tài)范圍。

1 Retinex理論

色彩恒常性(Color Constancy)是指不因外界環(huán)境變化而保持對(duì)客體顏色知覺(jué)不變的心理傾向。Edwin Land在1977年首次提出了一種被稱(chēng)為Retinex的色彩恒常性理論［1］，Retinex一詞是由Retina(大腦皮層)和Cortex(視網(wǎng)膜)兩詞組合而成，因此該理論又被稱(chēng)為“視網(wǎng)膜大腦皮層理論”。

在Retinex理論發(fā)展過(guò)程中出現(xiàn)了多種不同的算法。Land和McCann在1971年提出了任意路徑的Retinex算法［2］。隨后Jobson等人提出了基于同態(tài)濾波(Homomorphic Filtering)的Retinex算法。1985年，Black等人提出了基于泊松方程(Poisson Equation Solution)的Retinex算法。1999年，F(xiàn)unt等人在基于泊松方程的算法基礎(chǔ)上，提出了重復(fù)多解決方案的非線性濾波Retinex算法［3］。上述各種算法在表面上差異很大，實(shí)際具有相同的理論基礎(chǔ)。與其他彩色圖像處理算法相比，基于Retinex理論的算法同時(shí)具有顏色恒常性、色彩保真度高等優(yōu)點(diǎn)。

1.1 單尺度Retinex算法

Jobson根據(jù)中心/環(huán)繞Retinex算法理論，提出了SSR全拼算法［4］。用g(x，y)表示一幅數(shù)字圖像，它可以表示為入射光和反射光的乘積形式，即有g(shù)(x，y)=r(x，y)l(x，y)，其中，g(x，y)表示圖像的灰度值，r(x，y)表示物體的反射系數(shù)，l(x，y)表示照射光的分量。

首先，對(duì) g(x，y)取對(duì)數(shù)處理，記為 g′(x，y)，得到

采用對(duì)數(shù)處理的兩個(gè)優(yōu)點(diǎn)［5］，一方面使r(x，y)與l(x，y)分離，將復(fù)雜的乘法運(yùn)算變?yōu)楹?jiǎn)單的加法，另一方面對(duì)數(shù)形式更接近人類(lèi)視覺(jué)系統(tǒng)和攝像機(jī)對(duì)光線的感知能力。

對(duì)g(x，y)低通濾波，得到

式中，h(x，y)表示低通濾波函數(shù);“*”表示卷積運(yùn)算。然后，在對(duì)數(shù)域中做差，并取反對(duì)數(shù)運(yùn)算，得到對(duì)反射系數(shù) r(x，y)的一個(gè)估計(jì)，記為 r′(x，y)，即

對(duì)于彩色圖像，只需對(duì)各顏色通道分別進(jìn)行上述處理。以RGB顏色空間為例，對(duì)應(yīng)的SSR算法為

1.2 多尺度Retinex算法

在SSR中如果使用高斯函數(shù)作為低通模板，掩模的大小可根據(jù)3 σ準(zhǔn)則近似確定。σ的不同取值導(dǎo)致不同的效果。σ越小，SSR的動(dòng)態(tài)壓縮能力越強(qiáng)，圖像中陰影部分的細(xì)節(jié)增強(qiáng)效果越好，但輸出圖像顏色失真越嚴(yán)重;反之，圖像的顏色保真度高，但動(dòng)態(tài)壓縮能力減弱。為解決此問(wèn)題，研究者提出了MSR全拼算法［4，6］，如式(5)

式中，n表示尺度個(gè)數(shù);hk(x，y)為各尺度對(duì)應(yīng)的濾波函數(shù);ck為各尺度的權(quán)重，一般可取ck=1/n，k=1，2，…，n。

由于MSR綜合了各尺度處理結(jié)果的優(yōu)點(diǎn)，它能保證一定的動(dòng)態(tài)范圍壓縮，還可以消除SSR中光暈化現(xiàn)象。

1.3 帶色彩恢復(fù)多尺度Retinex算法

MSR的處理結(jié)果會(huì)出現(xiàn)部分顏色失真。一種改進(jìn)思路是在MSR處理結(jié)果的基礎(chǔ)上［7］，進(jìn)一步考慮各顏色分量的比例關(guān)系，引入色彩恢復(fù)因子μ，即有

其中，μi為各個(gè)通道的色彩恢復(fù)因子，它定義為

式中，gi(x，y)為原圖g(x，y)的各個(gè)通道的分量。

圖1給出了各種Retinex增強(qiáng)算法結(jié)果示例。對(duì)比圖1(b)和圖1(c)不難發(fā)現(xiàn)，MSRCR處理結(jié)果比MSR處理顏色鮮亮，在色調(diào)保真上優(yōu)于MSR方法。

圖1 各種Retinex增強(qiáng)算法結(jié)果示例

2 所提方法

MSRCR雖然能夠較好再現(xiàn)顏色，但處理后的圖像可能偏暗或偏亮，不能達(dá)到最佳的視覺(jué)效果。已有文獻(xiàn)［8］提出采取直方圖均衡化或者線性對(duì)比度拉伸，進(jìn)一步提高圖像的質(zhì)量。但直方圖均衡化會(huì)使得原圖像顏色產(chǎn)生扭曲，失真比較嚴(yán)重;線性對(duì)比度拉伸只是簡(jiǎn)單調(diào)整圖像的灰度范圍，因此兩者效果都不理想。

照射光直接決定一幅圖像中像素能達(dá)到的動(dòng)態(tài)范圍，而反射光決定一幅圖像的內(nèi)在性質(zhì)。因此，Retinex理論的實(shí)質(zhì)就是從圖像中拋去照射光的影響，獲得物體的反射性質(zhì)。各種Retinex算法本質(zhì)上相當(dāng)于對(duì)圖像的高通濾波處理過(guò)程。這使得圖像的高頻成分被增強(qiáng)，而大部分低頻成分被濾掉，最終導(dǎo)致圖像內(nèi)容信息丟失。

所提方法的思路是在增強(qiáng)高頻成分的同時(shí)，保留一定的低頻成分?？紤]到圖像的低頻成分可從原圖提取，因此對(duì)MSRCR結(jié)果進(jìn)行處理，得到

定義φ為二元線性函數(shù)，它滿足φ(u，v)=αu+βv，其中0 ＜α ＜1，0 ＜β＜1，Gi(x，y)為輸出圖像 G(x，y)的各個(gè)分量。

引入?yún)?shù)α和β的目的是使輸出圖像有較好的動(dòng)態(tài)范圍，將其稱(chēng)為動(dòng)態(tài)參數(shù)。α，β的取值可根據(jù)Gray World理論［9］確定。Gray World是色彩恒常性算法中常用的理論之一。它通過(guò)圖像的統(tǒng)計(jì)特性來(lái)判定圖像的整體質(zhì)量。該理論指出標(biāo)準(zhǔn)圖像的灰度級(jí)近似成正態(tài)分布且均值為最大灰度級(jí)的50%。滿足這種條件的圖像一方面具有較好的動(dòng)態(tài)范圍，另一方面整體亮度適中，視覺(jué)效果好。

通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，取 α=2β較合適。根據(jù) Gray World理論，令

式中，mean(G(x，y))是關(guān)于 α的函數(shù)，根據(jù)式(9)可求得α的值。

圖2所示為所提方法的框圖。

圖2 所提算法框圖

第一步:對(duì)輸入圖像gi(x，y)取對(duì)數(shù)，分離反射系數(shù) ri(x，y)與照射分量 li(x，y)。

第二步:確定高斯模板，使用(2)式并對(duì)gi(x，y)在不同尺度下低通濾波。

第三步:在對(duì)數(shù)域中作差后取反對(duì)數(shù)，并對(duì)在各個(gè)尺度下濾波的結(jié)果加權(quán)平均，參考式(3)～式(5)。

第四步:計(jì)算色彩恢復(fù)因子μi，對(duì)各個(gè)通道分別進(jìn)行處理，參考式(6)和式(7)。

第五步:計(jì)算動(dòng)態(tài)參數(shù)α和β，參考式(9)。

第六步:對(duì)MSRCR的結(jié)果增補(bǔ)低頻分量，輸出圖像 G(x，y)，參考式(8)和式(10)。

MSR處理結(jié)果中部分物體顏色失真。通過(guò)色彩恢復(fù)因子的作用，MSRCR具有一定的色彩恢復(fù)效果，但圖像可能會(huì)偏暗或者偏亮。與以上兩者相比較，所提方法處理的結(jié)果不僅具有色彩高保真度，高動(dòng)態(tài)范圍，而且對(duì)MSRCR色彩恢復(fù)過(guò)程中產(chǎn)生的噪聲具有抑制作用，如圖1(d)所示。

綜上所述，所提方法的主要思想是設(shè)法在增強(qiáng)高頻成分的同時(shí)，保留一定的低頻成分，并且通過(guò)計(jì)算動(dòng)態(tài)參數(shù)，提高圖像的動(dòng)態(tài)范圍。另一種實(shí)現(xiàn)思路可先將原圖像乘以放大系數(shù)，再減去低通濾波的結(jié)果，如式(10)

式中，li(x，y)是原圖經(jīng)高斯低通濾波的結(jié)果。此時(shí)應(yīng)取α＞1，－1＜β＜0。

采用這種方式同樣可以得到高頻增強(qiáng)的圖像，然后再通過(guò)計(jì)算動(dòng)態(tài)參數(shù)，提高圖像的動(dòng)態(tài)范圍。實(shí)驗(yàn)表明兩種實(shí)現(xiàn)思路的處理效果相似。

3 結(jié)果分析

為驗(yàn)證算法的有效性，選取了多幅低對(duì)比度彩色圖像作為實(shí)驗(yàn)素材。對(duì)于所提算法的性能，采取主觀評(píng)價(jià)與客觀評(píng)價(jià)相結(jié)合的方法?？陀^評(píng)價(jià)標(biāo)準(zhǔn)采用Jobson等提出［10］的一系列基于圖像統(tǒng)計(jì)特征的度量參數(shù)，用L，C，H分別代表亮度、對(duì)比度和色調(diào)的變化，它們定義為

其中，gin(x，y)為處理前的圖像，gout(x，y)為處理后的圖像，Hin(x，y)和Hout(x，y)分別表示處理前后彩色圖像在HSV空間中的色調(diào)分量，var和mean分別表示方差和均值運(yùn)算。圖3給出直方圖均衡、MSR、MSRCR以及所提算法的處理結(jié)果［11－12］。

圖3 彩色圖像增強(qiáng)結(jié)果對(duì)比

表1給出了圖3對(duì)應(yīng)的統(tǒng)計(jì)數(shù)據(jù)。亮度方面，MSRCR提高幅度最大，圖像上表現(xiàn)為整體偏亮，其他三者提高幅度相近。MSR和直方圖均衡兩方法的對(duì)比度調(diào)整都很高，尤其是直方圖均衡，對(duì)比度提高了214.23%，但它們的色調(diào)保持性能較差。由于引入了色彩恢復(fù)因子，MSRCR的色調(diào)保真度比MSR有了較大的改進(jìn)，但是對(duì)比度偏低，與之相比所提方法的色調(diào)改變最小為14.98%。綜上分析，所提算法處理后的圖像亮度適中、動(dòng)態(tài)范圍廣且色調(diào)保持最好。

表1 亮度/對(duì)比度/色調(diào)比較

4 結(jié)束語(yǔ)

分析了已有經(jīng)典Retinex算法不足，在此基礎(chǔ)之上提出了一種基于Retinex理論的彩色增強(qiáng)算法。該算法有如下兩個(gè)創(chuàng)新:(1)在保證增強(qiáng)圖像高頻成分的同時(shí)，又很好地保留了部分低頻成分。(2)根據(jù)Gray World理論，引入動(dòng)態(tài)參數(shù)，提高圖像的動(dòng)態(tài)范圍。實(shí)驗(yàn)結(jié)果表明，在客觀數(shù)據(jù)以及主觀視覺(jué)方面，所提算法優(yōu)于其他算法。有關(guān)算法實(shí)時(shí)性等問(wèn)題的處理將是下一步研究的重點(diǎn)。

［1］LAND E H.The retinex theory of color vision［J］.Scientific American，1977，237(6):108 －129.

［2］FUNT B，CIUREA F，MCCANN J.Retinex in matlab ［J］.Journal of Electronic Imaging，2004，13(1):48 －57.

［3］KIMMEL R，ELAD M.A variational framework for retinex［J］.International Journal of Computer Vision，2003，52(1):7－23.

［4］RAHMAN Z，JOBSON D J，WOODELL G A.Multi－ scale retinex for color image enhancement［C］.Lausanne，Switzerland:Proceedings of International Conference on Image Processing，1996:1003 －1006.

［5］PROVENZI E，GATTA C，F(xiàn)IERRO M，et al.A spatially variant white－patch and gray－world method for color image enhancement driven by local contras［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2008，30(10):1757－1770.

［6］JOBSON D J，RAHMAN Z，WOODELL G A.A multiscale Retinex for bridging the gap between color imagesand the human observation of scenes［J］.IEEE Transactions on Image Processing:Special Issue on Color Processing，1997，6(7):965－976.

［7］RAHMAN Z，JOBSON D J，WOODELL G A.Retinex Processing for automatic image enhancement［J］.Journal of E－lectronic Imaging，2004，13(1):100 －110

［8］史延新.一種基于Retinex理論的圖像增強(qiáng)算法［J］.電子科技，2007，17(12):32 －35.

［9］BERTALMíO M，CASELLES V，PROVENZI.E.Issues about retinex theory and contrast enhancement［J］.International Journal of Computer Vision，2009，83(1):101 －119.

［10］JOBSON D J，RAHMAN Z，WOODELL G A.The statistics of visual representation［C］.Orlando:Proceedings of SPIE，2002，4736:25 －35.

［11］李冠章，羅武勝，李沛.可避免彩色失真的圖像對(duì)比度培強(qiáng)［J］.計(jì)算機(jī)仿真，2008(10):234－237.

［12］李保其，陳文藝，陳瑞.基于梯度壓縮的色階重建算法［J］.西安郵電學(xué)院學(xué)報(bào)，2011(6):30－23.