改進(jìn)多尺度Retinex的彩色圖像增強(qiáng)

唐寧，趙鵬，吳紹啟

（桂林電子科技大學(xué)廣西桂林541004）

改進(jìn)多尺度Retinex的彩色圖像增強(qiáng)

唐寧，趙鵬，吳紹啟

（桂林電子科技大學(xué)廣西桂林541004）

由于假設(shè)入射光變化平穩(wěn)，基于Retinex理論的傳統(tǒng)彩色圖像增強(qiáng)算法也有一些局限性，增強(qiáng)效果有限。在明暗對(duì)比度較強(qiáng)處，引入顏色失真和出現(xiàn)光暈現(xiàn)象?？紤]到這些限制，本文提出了一種基于多尺度Retinex的改進(jìn)算法。利用雙邊濾波進(jìn)行亮度分量估計(jì)和局部對(duì)比度增強(qiáng)，將增強(qiáng)后的亮度圖像與原始圖像HSV彩色空間的亮度圖像I進(jìn)行對(duì)比，進(jìn)行彩色圖像恢復(fù)。實(shí)驗(yàn)結(jié)果表明，該方法在增強(qiáng)圖像時(shí)，能夠有效地避免顏色失真及抑制光暈。

Retinex理論；顏色失真；光暈；雙邊濾波

由于光線和設(shè)備的原因，圖像亮度不夠明顯，以至于獲取圖像背景中的細(xì)節(jié)無(wú)法被人們感知，需要經(jīng)過(guò)圖像處理來(lái)獲得清晰度較高的圖像。圖像增強(qiáng)技術(shù)在改善圖像質(zhì)量中起著重要的作用［1］。利用圖像增強(qiáng)方法，可以獲得更佳效果，方便人眼觀察和計(jì)算機(jī)分析及處理。

目前，圖像增強(qiáng)算法主要包括傳統(tǒng)的空域和頻域圖像增強(qiáng)算法。最近幾年，研究人員開始關(guān)注基于Retinex在圖像增強(qiáng)中的應(yīng)用，并且在圖像增強(qiáng)區(qū)域取得很大的進(jìn)步，對(duì)進(jìn)一步圖像處理提供更清晰，更生動(dòng)的圖像。如基于多尺度Retinex的B超聲波肝臟圖像增強(qiáng)［2］、基于多尺度Retinex的磁共振圖像增強(qiáng)［3］、以及基于多尺度Retinex遙感圖像增強(qiáng)［4］等?；赗etinex理論的的增強(qiáng)方法［5］，以及在此基礎(chǔ)之上發(fā)展起來(lái)的單尺度Reinex（SSR，Single-Scale Retinex）算法、多尺度Retinex（MSR，Multi-Scale Retinex）和帶彩色恢復(fù)多尺度Retinex（MSRCR）等改進(jìn)算法。雖然在一定條件下符合人類的視覺效果，但是會(huì)出現(xiàn)顏色失真和光暈現(xiàn)象［6］。本文在多尺度Retinex的基礎(chǔ)之上，做出一定改進(jìn)。利用雙邊濾波進(jìn)行亮度分量估計(jì)和將每個(gè)像素點(diǎn)的亮度與其領(lǐng)域平均亮度的大小關(guān)系進(jìn)行局部對(duì)比度增強(qiáng)。同時(shí)，為了保證圖像增強(qiáng)效果達(dá)到理想，將增強(qiáng)后的亮度圖像與原始圖像HSV彩色空間的亮度圖像I進(jìn)行對(duì)比，進(jìn)行彩色圖像恢復(fù)。

1　Retinex增強(qiáng)算法

MSR算法是基于中心/環(huán)繞Retinex算法的一種改進(jìn)，是一種圖像增強(qiáng)算法，它不僅可以很好的實(shí)現(xiàn)圖像動(dòng)態(tài)范圍壓縮，還能保證顏色一致性。

由于單尺度Retinex算法不能同時(shí)滿足圖像細(xì)節(jié)增強(qiáng)與顏色保真。故此提出多尺度Retinex算法，在本質(zhì)上，它和單尺度Retinex算法幾乎相同，只不過(guò)是將多個(gè)單尺度Retinex算法加權(quán)求和，其數(shù)學(xué)表達(dá)式如下：

其中，RMSRi（x，y）表示第i個(gè)顏色通道多尺度輸出分量；若N=1，則輸入灰度圖像；若N=3，則輸入彩色圖像；*表示卷積運(yùn)算；Wj表示與環(huán)繞函數(shù)相關(guān)的權(quán)重系數(shù)，一般情況下，W1=W2= W3=1/3；Fj（x，y）表示第j個(gè)中心/環(huán)繞函數(shù)，其數(shù)學(xué)表達(dá)式如下：

其中，σj表示第j個(gè)中心/環(huán)繞函數(shù)的尺度參數(shù)，σ的取值為：σ1=15，σ2=80，σ3=250。σ表示高斯函數(shù)的標(biāo)準(zhǔn)偏差即尺度參數(shù)，其大小直接影響增強(qiáng)圖像的質(zhì)量。當(dāng)σ取值較小時(shí)，高斯模板較小，動(dòng)態(tài)范圍的壓縮能力越強(qiáng)，圖像細(xì)節(jié)的黑暗部分增強(qiáng)效應(yīng)更好，但是輸出分量顏色失真嚴(yán)重。而當(dāng)σ取值較大時(shí)，高斯模板較大，輸出分量的顏色具有較高的保真度，動(dòng)態(tài)范圍的壓縮能力變?nèi)?，局部?xì)節(jié)模糊。K為歸一化因子，參數(shù)K的選擇必須滿足以下條件：

在MSR的基礎(chǔ)之上引入色彩恢復(fù)系數(shù)C得到的是帶彩色恢復(fù)多尺度Reinex算法（MSRCR），從而很好地解決了顏色失真問(wèn)題，其改進(jìn)算法如下所示：

其中，Ci（x，y）表示第i個(gè)顏色通道的色彩恢復(fù)系數(shù)；f（·）表示顏色空間的映射函數(shù)；為保證色彩恢復(fù)系數(shù)為正數(shù)，用log（1+x）來(lái)代替log（x）。

由于色彩恢復(fù)系數(shù)C為一個(gè)常數(shù)，直接可以調(diào)整增益常數(shù)α的值來(lái)達(dá)到帶顏色恢復(fù)多尺度Rtinex算法的增強(qiáng)效果。與彩色恢復(fù)多尺度算法相比，本文最終采用多尺度Retinex算法思想，提高了算法的運(yùn)行效率。

2　改進(jìn)多尺度Retinex圖像增強(qiáng)

為了更好地改善顏色失真，抑制光暈現(xiàn)象。本文對(duì)傳統(tǒng)的MSR作了改進(jìn)，其主要思想是：首先，它采用改進(jìn)的MSR圖像增強(qiáng)，用雙邊濾波進(jìn)行亮度分量估計(jì)；其次，將每個(gè)像素點(diǎn)的亮度與其領(lǐng)域平均亮度的大小關(guān)系進(jìn)行局部對(duì)比度增強(qiáng)；最后，為了保證圖像增強(qiáng)效果達(dá)到理想，將增強(qiáng)后的亮度圖像與原始圖像HSV彩色空間的亮度圖像I進(jìn)行對(duì)比，進(jìn)行彩色圖像恢復(fù)。改進(jìn)算法的流程圖如圖1所示。

圖1　改進(jìn)算法的流程圖

2.1亮度分量估計(jì)

本文采用Li等在DOG模型［7］的基礎(chǔ)上提出三高斯模型，通過(guò)添加第三個(gè)高斯核來(lái)代表大范圍內(nèi)的去抑制區(qū)?；舅枷胧遣捎萌咚鼓Ｐ蜑V波和傳統(tǒng)高斯濾波相結(jié)合的雙邊濾波來(lái)獲得領(lǐng)域的平均亮度值。這方法既能增強(qiáng)圖像的邊緣對(duì)比，而且可以有效提升區(qū)域?qū)Ρ攘炼群土炼忍荻刃畔?。使估?jì)出的亮度信息更加準(zhǔn)確。首先，將原始圖像RGB空間轉(zhuǎn)換成HSV顏色空間來(lái)提取亮度分量I：

其中IR（x，y），IG（x，y），IB（x，y）分別表示彩色圖像中點(diǎn)（x，y）處像素的R，G，B 3個(gè)分量的值，即彩色圖像的紅色分量、綠色分量和藍(lán)色分量。

利用雙邊濾波計(jì)算當(dāng)前像素的平均亮度值ˉI（x，y）：

其中，Gr（x，y）是空間鄰近三高斯核函數(shù)，Gv（x，y）是傳統(tǒng)高斯核函數(shù)。

將r=x2+y2代入得到表達(dá)式：

其中，r表示高斯濾波器的區(qū)域半徑；λ1，λ2，λ3分別表示中央，四周和邊緣的峰值系數(shù)；σ1，σ2，σ3分別表示中央，四周和邊緣的尺度系數(shù)。

由于受尺度參數(shù)的個(gè)數(shù)和尺度參數(shù)值的影響，不同的尺度參數(shù)，多尺度Retinex算法會(huì)產(chǎn)生不同的增強(qiáng)效果。如果單純地引用中心/環(huán)繞函數(shù)增強(qiáng)的話，效果不理想。為了盡可能地使原始圖像達(dá)到理想的增強(qiáng)效果，可以引入一個(gè)增益常數(shù)α，則Rj（x，y）的表達(dá)式為：

亮度分量I的增強(qiáng)結(jié)果：

式中，α1，α2，α3分別表示為3個(gè)不相等的增益常數(shù)，為了計(jì)算方便可以用一個(gè)增益常數(shù)α來(lái)簡(jiǎn)化。

因此，亮度分量I的最終增強(qiáng)結(jié)果可以表示為：

2.2局部對(duì)比度增強(qiáng)

圖像經(jīng)過(guò)亮度對(duì)數(shù)變換后，圖像的動(dòng)態(tài)范圍壓縮能力減弱，對(duì)比度下降，圖像效果與預(yù)期相差較遠(yuǎn)，需要采取相應(yīng)的措施來(lái)改善圖像的對(duì)比度，可以依據(jù)每個(gè)像素點(diǎn)的亮度與其領(lǐng)域平均亮度的大小關(guān)系進(jìn)行局部對(duì)比度增強(qiáng)，增強(qiáng)后的亮度圖像I′（x，y）如下所示：

其中，A表示正值常數(shù)，局部線性關(guān)系的比例；Im（x，y）表示對(duì)數(shù)變換后的圖像；

由上式表達(dá)式可以知道，如果當(dāng)前點(diǎn)的亮度高于領(lǐng)域平均亮度，則增強(qiáng)該點(diǎn)的亮度；反之，就降低該點(diǎn)的亮度。

全局亮度對(duì)數(shù)變換是對(duì)圖像全局明暗程度進(jìn)行非線性調(diào)整，完成對(duì)圖像中暗區(qū)域增強(qiáng)和動(dòng)態(tài)范圍的壓縮功能。其變換公式如下：

2.3顏色恢復(fù)

圖像經(jīng)過(guò)局部對(duì)比度增強(qiáng)后，需要對(duì)顏色進(jìn)行恢復(fù)。通過(guò)將增強(qiáng)后的亮度圖像I′（x，y）與原始圖像HSV顏色空間的亮度I進(jìn)行比較，線性調(diào)整恢復(fù)增強(qiáng)后圖像的RGB信息，表達(dá)式如下所示：

其中，Ij（x，y）表示原始圖像中第j個(gè)顏色分量；Ij″（x，y）表示增強(qiáng)后第j個(gè)顏色分量，j=r，g，b。

3　實(shí)驗(yàn)結(jié)果分析

本文的實(shí)驗(yàn)是在MATLAB12a上完成的。實(shí)驗(yàn)選取了一幅彩色圖像，根據(jù)上面所提出的改進(jìn)算法對(duì)圖像進(jìn)行實(shí)驗(yàn)仿真，然后與直方圖均衡化、MSR算法、MSRCR算法以及文獻(xiàn)［8］算法的輸出圖像進(jìn)行對(duì)比。如圖2所示，圖（a）是原始圖像；圖（b）是直方圖均衡化，產(chǎn)生較大的色差，顏色失真較嚴(yán)重，且處理后圖像整體亮度變暗，大量細(xì)節(jié)被較暗區(qū)域隱蔽；圖（c）是由MSR算法得出的輸出圖像，顏色明顯偏暗，圖像細(xì)節(jié)部分得到增強(qiáng)，彩色失真較小，容易出現(xiàn)光暈現(xiàn)象，視覺效果不佳；圖（e）是由MSRCR算法得出的輸出結(jié)果，通過(guò)色彩恢復(fù)系數(shù)，帶顏色的增強(qiáng)效果較明顯，但是邊緣細(xì)節(jié)增強(qiáng)效果較差，容易出現(xiàn)光暈現(xiàn)象；圖（e）是文獻(xiàn)［8］基于模糊同組劃分的多尺度彩色圖像曾強(qiáng)算法［8］，輸出圖像細(xì)節(jié)突出，顏色鮮艷自然，減少顏色失真，擴(kuò)大動(dòng)態(tài)范圍，在亮度提升和增強(qiáng)效果方面都不如本文改進(jìn)算法；圖（f）是本文算法，與之相比，本文提出的改進(jìn)算法計(jì)算得到的輸出圖像不僅顏色明亮清晰，細(xì)節(jié)部分增強(qiáng)，而且顏色得到更好的實(shí)現(xiàn)，消除光暈現(xiàn)象。

為了更好地分析本文算法的增強(qiáng)效果，表1給出了不同方法增強(qiáng)后的均值、對(duì)比度、信息熵以及運(yùn)行時(shí)間的數(shù)據(jù)對(duì)比，其中對(duì)比度（C）和熵（E）計(jì)算如下：

其中，δ（i，j）=|i-j|表示相鄰像素間的差值；Pδ（i，j）表示相鄰像素差δ的像素分布概率。

其中，N表示圖像的灰度級(jí)數(shù)；pi表示像素值為i的分布概率。信息熵值越大，則說(shuō)明圖像攜帶的信息量就越多。

圖2　本文算法與經(jīng)典算法之間的對(duì)比

表1　圖像增強(qiáng)效果數(shù)據(jù)對(duì)比

在均值方面，從表1中本文算法的均值分別為直方圖均衡化、MSR算法、MSRCR算法的1.64倍，1.49倍和1.19倍。表明本文算法增強(qiáng)后圖像的均值較高，整體的圖像變亮。在對(duì)比度方面，從表1中本文算法的對(duì)比度明顯要高于其他算法。對(duì)比度較高，信息熵較低的話，說(shuō)明顏色失真較嚴(yán)重。在信息熵方面，從表1中本文算法增強(qiáng)后圖像的信息熵分別為直方圖均衡化，MSR算法和MSRCR算法的1.30倍，1.21倍和1.14倍。由此可見，本文算法的信息熵明顯要優(yōu)于其他算法，增強(qiáng)后圖像所包含的信息量更豐富，圖像空間信息能更好的保持。從表1中運(yùn)行時(shí)間看直方圖均衡化雖然處理時(shí)間最短，但其它增強(qiáng)效果較差。而本文算法與其他算法相比的話，需要增加顏色空間變換、濾波和顏色恢復(fù)額外的計(jì)算開銷，因此它的運(yùn)行時(shí)間最長(zhǎng)。

4　結(jié)論

圖像增強(qiáng)是圖像處理的關(guān)鍵步驟。當(dāng)傳統(tǒng)的Retinex算法用于提高彩色圖像時(shí)，在明暗對(duì)比度較強(qiáng)的地方，算法會(huì)導(dǎo)致顏色失真和出現(xiàn)光暈現(xiàn)象。此外，它也削弱了動(dòng)態(tài)范圍壓縮的局部對(duì)比度。本文提出一種改進(jìn)的多尺度Retinex算法，利用雙邊濾波進(jìn)行亮度分量估計(jì)和將每個(gè)像素點(diǎn)的亮度與其領(lǐng)域平均亮度的大小關(guān)系進(jìn)行局部對(duì)比度增強(qiáng)。同時(shí)，為了保證圖像增強(qiáng)效果達(dá)到理想，將增強(qiáng)后的亮度圖像與原始圖像HSV彩色空間的亮度圖像I進(jìn)行對(duì)比，進(jìn)行彩色圖像恢復(fù)。其改進(jìn)算法，在保持色彩恒常性，增強(qiáng)對(duì)比度及抑制光暈現(xiàn)象都取得很好的效果。

［1］He L，Luo L，Shang J.An image enhancement algorithm based on Retinex theory［C］//2009 First International Workshop on Education Technology and Computer Science.IEEE Computer Society，2009:350-352.

［2］Zhang R，Huang Y，Zhao Z.A ultrasound liver image enhancement algorithm based on multi-scale Retinex theory［C］//Bioinformatics and Biomedical Engineering，（iCBBE）2011 5th International Conference on.IEEE，2011:1-3.

［3］Hu H，Ni G.Magnetic resonance image enhancement based on multiscale Retinex algorithm［C］//Biomedical Engineering and Informatics（BMEI），2010 3rd International Conference on.IEEE，2010:345-348.

［4］Wu H，Yang G，Xu Z，et al.Remote sensing image enhancement method based on multi-scale Retinex［C］//Information Technology，Computer Engineering and Management Sciences，International Conference of.IEEE，2011:15-18.

［5］Zhang Z，Li K.Study on algorithm for panoramic image basing on high sensitivity and high resolution panoramic surveillance camera［C］//Advanced Video and Signal Based Surveillance（AVSS），2013 10th IEEE International Conference on. IEEE，2013:359-364.

［6］Cui L Y，Xue B D，Cao X G.An improved Retinex image enhancement technique for dim target extraction in infrared images［J］.Image&Signal Processing.cisp.international Congress on，2009:1-5.

［7］金小賢，李衛(wèi)軍，陳旭，等.一種基于視覺特性的仿生圖像增強(qiáng)算法［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2010，22（3）: 534-537.

［8］胡瓊，汪榮貴，胡韋偉，等.基于直方圖分割的彩色圖像增強(qiáng)算法［J］.中國(guó)圖象圖形學(xué)報(bào)，2009，14（9）:1776-1781.

Color image enhancement based on improved multi-scale Retinex

TANG Ning，ZHAO Peng，WU Shao-qi
（Guilin University of Electronic Technology，Guilin 541004，China）

There are also some limitations on the effect of enhancement which traditional color image enhancement algorithm based on the Retinex theory due to its assumption which the incident light is changing smoothly.It brings color distortion and appears a halo phenomenon during the strong contrast between the light and the dark.Considered these limitations，it puts toward an improved algorithm based on the multi-scale Retinex in this paper.The brightness component is estimated by bilateral filtering and local contrast enhancement.We will compare the brightness of the image after increasing with the original image of brightness component I of HSV color space，for color image restoration.The experimental results prove that the method can efficiently avoid cross color and restrain the halo phenomenon when enhancing the image.

Retinex theory；cross color；halo；bilateral filtering

TN919.8

A

1674－6236（2016）12-0168-04

2015-07-07稿件編號(hào)：201507058

唐寧（1964—），男，廣西壯族自治區(qū)桂林人，碩士研究生，副教授。研究方向：數(shù)字專用集成電路設(shè)計(jì)與測(cè)試、EDA技術(shù)。