基于Retinex理論的圖像增強算法研究

羅圣敏

摘要：在我國計算機技術(shù)不斷發(fā)展的過程中，數(shù)字成像設(shè)備也在不斷的優(yōu)化，其被廣泛應(yīng)用到航空、工業(yè)、醫(yī)學(xué)及軍事等多種領(lǐng)域中，有效保障國民經(jīng)濟發(fā)展和國家安全。目前，Retinex 理論圖像增強算法已經(jīng)成為現(xiàn)代數(shù)字圖像增強技術(shù)的主要研究內(nèi)容，該算法是將人類視覺系統(tǒng)的色彩恒常性作為基礎(chǔ)，其主要對人眼對外的觀察方式進行模擬，將場景入射光影響進行去除，得到反應(yīng)物體本質(zhì)的屬性。該算法具有有效提高對比度、顏色保真及色彩恒常的特點?；谏鲜鰞?nèi)容，該文就對基于Retinex理論的圖像增強算法進行研究。

關(guān)鍵詞：Retinex理論；圖像增強；算法

中圖分類號：TP391 文獻標(biāo)識碼：A 文章編號：1009-3044（2017）29-0252-03

傳統(tǒng)色彩視覺理論表示，人眼在感受色彩過程中主要是根據(jù)光波長決定的，不同頻率光都會為人們帶來不同的色彩感覺，物體顏色也是通過物體反射光強度及頻率決定的。但是，美國物理學(xué)家在二十世紀(jì)五十年代表示，部分現(xiàn)象無法通過傳統(tǒng)色彩理論進行解釋。在通過幾十年的科學(xué)實驗和分析過程中得到，在信息傳導(dǎo)過程中，人的視覺系統(tǒng)能夠處理這些信息，將物體本質(zhì)信息有效地進行了保存，比如反射系數(shù)。在這些將物體本質(zhì)特征信息描述出現(xiàn)的特征傳遞到大腦皮層，之后通過復(fù)雜處理的過程就是人視覺。在此認(rèn)知的基礎(chǔ)上，相關(guān)人員提出了Retinex色彩理論，其能夠在灰度動態(tài)范圍壓縮和顏色恒定性及邊緣增強實現(xiàn)平衡，所以就提高了不同圖像的自適應(yīng)性。由于此理論的屬性，Retinex被廣泛應(yīng)用到社會各行業(yè)中。圖像增強技術(shù)是圖像使用過程中的基礎(chǔ)技術(shù)手段，也是必要環(huán)節(jié)，在圖像處理過程中具有重要的地位。本文就以Retinex理論為基礎(chǔ)，提出了基于Retinex的圖像增強算法。

1 圖像增強的方法

1.1 線性變換

線性變換也可以稱為比例變換，也就是因變量和自變量之間的固定比例系數(shù)，此系數(shù)為常數(shù)?；叶茸儞Q函數(shù)表示為線性函數(shù)：

如果a>1，那么輸出圖像的對比度就會提高，如果a<1，那么輸出圖像的對比度就會降低，如果a=1，那么輸出圖像灰度值就會提高或者下降，如果a為負(fù)數(shù)，那么圖像中較暗的區(qū)域就會變亮，較亮的區(qū)域就會變暗，這個時候的點運算就是圖像補全。

一般，線性變換指的是將小范圍灰度拉伸到大范圍灰度，所以其可以稱為灰度拉伸[1]。

1.2 圖像邊緣增強

在圖像傳輸或者變換的過程中會受到多種干擾的影響，從而使其出現(xiàn)退化，比如圖像模糊。在觀看圖像及識別的過程中，一般都需要凸顯目標(biāo)邊緣或者輪廊的信息，從而使圖像看起來比較順眼，并且便于目標(biāo)識別。銳化是增強圖像邊緣的主要方式，其能夠增強圖像邊緣區(qū)域方差，具有兩種增強方法，分別為微分法和高通濾波法。圖1為拉普拉斯銳化的模塊，通過圖1可以看出來，模塊的做法為：首先，實現(xiàn)自身和四周像素的減，表示其和周圍像素的區(qū)別；之后，在差別中添加新像素灰度。以此表示，如果暗區(qū)出現(xiàn)亮點，那么銳化處理結(jié)果就是亮點更亮，提高了圖像噪聲[2]。

1.3 直方圖規(guī)定化

直方圖規(guī)定劃的優(yōu)點為能夠?qū)崿F(xiàn)圖像對比度的自動增強，但是其具體增強效果不便控制，處理結(jié)果得到全局均衡化直方圖，但是實際還要使用直方圖使其能夠變?yōu)槟硞€特定形狀，以此選擇性的提高灰度值范圍的對比度，這個時候就要使用較為靈活的直方圖規(guī)定劃方法。直方圖規(guī)定劃指的是將圖像實現(xiàn)灰度變化之后，使其能夠具有指定的直方圖形式，比如使圖像和某標(biāo)準(zhǔn)圖像的直方圖相同，或者使圖像具有特定函數(shù)的直方圖形式。簡單來說，直方圖規(guī)定化就是將圖像通過灰度變化f之后，使直方圖作為Hf，也就是實現(xiàn)形狀的規(guī)定。直方圖規(guī)定化的主要作用就是實現(xiàn)矯正由于亮度及傳感器差異導(dǎo)致的變化[3]。

2 基于Retinex理論的圖像增強算法

2.1 單尺度Retinex算法

單尺度（SSR）算法的計算模型為：

R（x，y）表示通過處理的結(jié)果圖像，S（x，y）表示沒有通過處理的圖像，F(xiàn)（x，y）表示環(huán)繞函數(shù)，一般單尺度算法中的環(huán)繞函數(shù)為高斯函數(shù)，其數(shù)學(xué)式為：

C為函數(shù)的尺度參數(shù)，其大小對處理之后圖像的質(zhì)量具有直接的影響。

因為單尺度算法較為簡單，能夠得到一定的增強效果，所以其被廣泛應(yīng)用到各方面中。但是在通過單尺度增強之后的圖像較為模糊，并且還會出現(xiàn)光暈的現(xiàn)象，對圖像的增強效果產(chǎn)生了一定的影響[4]。

2.2 多尺度Retinex算法

單尺度算法存在一定的缺陷，所以人們就研發(fā)了多尺度（MSR）算法，其和單尺度算法相同，都是在對原圖像實現(xiàn)高斯環(huán)繞卷積運算之后，從而實現(xiàn)預(yù)估照度圖形，之后得到物質(zhì)自身的反射圖像。在多尺度方法增強過程中引入單尺度算法，利用加權(quán)求和使單尺度處理的結(jié)合能夠相互融合，以此得到多尺度算法處理的圖像[5]，圖2為多尺度算法的模型示意圖。

多尺度算法的計算模型為：

Ri（x，y）表示在通過算法增強之后的i通道輸出，F(xiàn)k（x，y）表示多尺度算法的高斯環(huán)繞函數(shù)。在k為1的時候，多尺度算法為單尺度算法。在k較大的時候，算法的處理計算較為復(fù)雜，降低了算法的效率。所以，要全面考慮運算的效果和實踐，選擇合適尺度的算法，提高圖像處理的效果[6]。

2.3 中心環(huán)繞Retinex算法

對單尺度和多尺度算法在色彩保真方面存在的問題，使增強之后的圖形能夠?qū)⑽矬w的真正色彩表現(xiàn)出來，就研發(fā)了中心環(huán)繞算法。其以灰度世界為基礎(chǔ)，創(chuàng)建相對的顏色空間，將色彩恢復(fù)因子和比色變換進行融入。前人通過線性和非線性函數(shù)的實驗，表示使用下式能夠提高色彩恢復(fù)的效果：

其中β表示增益常數(shù)，α表示受到控制的非線性強度，通過實驗表示，將參數(shù)設(shè)置為α=123，β=45的時候，處理的效果更佳良好。和多尺度相結(jié)合，通過修正得到輸出顯示：endprint

中心環(huán)繞算法的主要思想就是將原圖中通道和通道之間的關(guān)系進行保留，之后使處理之后的圖像色彩和現(xiàn)實的場景更加接近[7]。

3 改進的多尺度Retinex算法

3.1 算法的預(yù)處理

傳統(tǒng)多尺度算法分別對圖像中的色彩通道實現(xiàn)增強，之后將結(jié)果合成RGB圖像，增強之前的三基色之間具有比例關(guān)系，增強之后的比例關(guān)系遭到破壞，也就是RGB色彩空間的三基色對處理結(jié)果的色彩重現(xiàn)有所影響。那么本節(jié)就使用HSI 色彩空間滿足人眼視覺特征實現(xiàn)圖像的增強處理，從而對Retinex算法自身的數(shù)學(xué)缺陷進行彌補。因為RGB色彩空間的分量要同時增強，之后結(jié)合成為RGB圖像，但是選擇基于HSI色彩空間圖像的增強只要對亮度分量I通道增強就能夠提高增強效果。那么，本節(jié)就使用HIS色彩空間實現(xiàn)圖像增強處理。其中I分量關(guān)系式為：

SI（x，y）表示已知量，將多尺度算法原理在其中使用的公式為：

將RGB色彩空間到HSI色彩空間的轉(zhuǎn)換為非線性變換，其對噪聲環(huán)境較為敏感，對以下的處理結(jié)果會造成一定的影響，因為Retines算法會提高噪聲，通過轉(zhuǎn)換色彩空間實現(xiàn)去燥處理的效果良好。那么通過對去燥算法的優(yōu)劣進行分析，使用濾波窗口實現(xiàn)鄰域像素點的加權(quán)平均濾波，實現(xiàn)三個分量的濾波處理：

在實現(xiàn)算法處理之前要實現(xiàn)自適應(yīng)全局亮度的調(diào)整，將圖像亮度范圍進行壓縮，也就是通過調(diào)整圖像直方圖提高圖像中暗部分的比重，使彩色圖像的亮度值為最大的，也就是：

3.2 算法的改進

多尺度算法因為消除了光照，所以原圖像中的最暗和最亮的部分都會朝著灰色靠攏，增強之后的圖像亮度范圍在不斷的縮小，具有較差的真實感。所以就對原算法進行改進：

L（x，y）作為歸一化的光照估計值，改進之后的多尺度算法為：

其中k為尺度的數(shù)量，wk為k的相關(guān)權(quán)值，圖3為λ曲線。

3.3 算法的實驗結(jié)果

圖4為本文的算法的實驗結(jié)果，圖5為傳統(tǒng)多尺度算法的結(jié)果，表1為圖像質(zhì)量的客觀評價指標(biāo)。

圖5為算法增強之后的圖像，通過圖5可以看出來圖像具有泛灰的現(xiàn)象，但是細(xì)節(jié)較為清晰。圖4為改進算法增強的處理結(jié)果，通過圖4可以看出來，圖像的整體色調(diào)較好，并且房屋和天空的色彩較為真實。表1為圖像質(zhì)量的評價效果，通過表1可以看出來，本文的算法和多尺度算法相比的信息熵較大，表示增強之后的算法將原始圖像的信息全部保留了下來，并且還有效提高了對比度，圖像色彩的保真度比其他算法要高。以此表示，改進之后的算法能夠?qū)⒐庹招畔⑦M行保存，有效提高了亮度增強的范圍[9-10]。

4 結(jié)束語

Retinex理論屬于在科學(xué)實驗及科學(xué)分析的基礎(chǔ)上創(chuàng)建的理論，其主要包括兩種內(nèi)容，分別為物體顏色是通過物體對光線的反射能力實現(xiàn)，并不是通過反射光強度絕對值確定，和物體的顏色不受到光照非均性的影響，并且存在一致性。簡單來說，也就是Retinex理論主要是將顏色恒常性作為基礎(chǔ)。本文對Retinex算法進行了分析，并且實現(xiàn)了算法的改進，最后通過結(jié)果表示，本文中的改進算法能夠完全保留原始圖像的信息，并且還能夠進一步提高對比度，并且擴大亮度增強的范圍。

參考文獻：

[1] 汪榮貴， 張新龍， 張璇， 等. 基于Retinex理論的壓縮域圖像增強方法研究[J]. 計算機研究與發(fā)展， 2011， 48（2）：259-270.

[2] 付國文. 基于Retinex的圖像增強算法研究及實現(xiàn)[D]. 上海： 上海交通大學(xué)， 2011.

[3] 汪榮貴， 張新龍， 張璇， 等. 基于Retinex理論的壓縮域圖像增強方法研究[J]. 計算機研究與發(fā)展， 2011， 48（2）：259-270.

[4] 朱雙志， 文建國， 楊冬， 等. 基于Retinex理論的新型遙感圖像增強算法[J]. 遙感技術(shù)與應(yīng)用， 2012， 27（4）：000549-554.

[5] 李驁. 基于Retinex模型的圖像增強算法研究[D]. 哈爾濱： 哈爾濱工程大學(xué)， 2012.

[6] 劉軍. 基于Retinex理論的彩色圖像增強技術(shù)研究[D]. 合肥： 中國科學(xué)院大學(xué)， 2015.

[7] 吳振中. 基于Retinex理論的圖像增強算法的研究[J]. 現(xiàn)代計算機， 2016（26）：67-69.

[8] 尹紅然， 俞浩， 秦清鋒. 一種基于Retinex理論的彩色圖像增強算法[J]. 電子科技， 2012， 25（3）：21.

[9] 謝斌斌. 基于Retinex技術(shù)的圖像增強算法及實現(xiàn)[D]. 合肥： 中國科學(xué)院大學(xué)， 2013.

[10] 王蘋， 黃鳳華. 基于Retinex理論的圖像增強算法的車輛主動安全技術(shù)[J]. 聊城大學(xué)學(xué)報：自然科學(xué)版， 2016， 29（4）：99-104.endprint