基于改進(jìn)Retinex的圖像增強(qiáng)算法

沈海洋

摘 要： 圖像采集過程中受到多種因素的影響，使得原始圖像質(zhì)量難以滿足圖像處理的實(shí)際要求，為了提高圖像的質(zhì)量，設(shè)計(jì)了基于改進(jìn)Retinex的圖像增強(qiáng)算法。首先對(duì)當(dāng)前圖像增強(qiáng)的研究現(xiàn)狀進(jìn)行分析，然后描述了Retinex算法的工作原理，并對(duì)其不足進(jìn)行相應(yīng)的改進(jìn)，最后將改進(jìn)Retinex算法應(yīng)用于圖像的增強(qiáng)中，并采用多幅圖像進(jìn)行了仿真實(shí)驗(yàn)。結(jié)果表明，改進(jìn)Retinex算法能夠大幅度提升圖像視覺效果，而且各種定量評(píng)價(jià)指標(biāo)也優(yōu)于當(dāng)前其它圖像增強(qiáng)算法，具有廣泛的應(yīng)用范圍。

關(guān)鍵詞： 圖像處理; 增強(qiáng)算法; 視覺效果; 峰值信噪比

中圖分類號(hào)： TP391

文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1007-757X（2019）06-0144-03

Abstract： The image acquisition process is affected by many factors so that the quality of the original image is difficult to meet the actual requirements of image processing. In order to improve the quality of the image， an improved Retinex based image enhancement algorithm is designed. First of all， the current research status of image enhancement is analyzed， and then the working principle of Retinex algorithm is analyzed， and its shortcomings are improved. Finally， the improved Retinex algorithm is applied to image enhancement， and the simulation experiment is carried out with specific images. The results show that the improved Retinex algorithm can greatly improve the visual effect of the image， and the quantitative analysis index is also better than the other image enhancement algorithms， and has a more extensive application value.

Key words： Image processing; enhancement algorithm; Visual effect; Peak signal-to-noise ratio

0 引言

圖像在采集和傳送過程中，由于多種因素的影響，圖像變得模糊，再加上噪聲的干擾和污染，導(dǎo)致圖像質(zhì)量下降，有的圖像質(zhì)量已經(jīng)不能使用戶滿意，無法滿足實(shí)際應(yīng)用的要求，因此需要對(duì)圖像質(zhì)量進(jìn)行改善。圖像增強(qiáng)是改善圖像質(zhì)量的一項(xiàng)重要技術(shù)，因此圖像增強(qiáng)算法設(shè)計(jì)成為當(dāng)前圖像處理研究中的熱點(diǎn)問題[1，2]。

當(dāng)前圖像增強(qiáng)算法眾多，如直方圖均衡化、頻域?yàn)V波等，它們可以去除圖像中一些無用信息，突出圖像中重要信息，提高了圖像的可辨識(shí)性[3]。但是這些算法的局限性十分明顯，如直方圖均衡化方法易丟失邊緣等重要像素，且只能應(yīng)用于灰度圖像，無法對(duì)彩色圖像進(jìn)行增強(qiáng)處理，而彩色圖像包含的信息更加豐富，實(shí)際應(yīng)用范圍更廣[4，5]。頻域?yàn)V波主要目的去掉噪聲，但會(huì)去掉圖像中的一些有用的信息，增強(qiáng)后的圖像失真十分嚴(yán)重[6]。20世紀(jì)80年代，有學(xué)者提出了Retinex算法，并用于彩色圖像增強(qiáng)中，與傳統(tǒng)的色彩理論不同，Retinex算法只關(guān)注反映物體本質(zhì)特征的信息，相對(duì)于其它算法，Retinex算法增強(qiáng)后的圖像色彩保真度更高，可以獲得用戶滿意的圖像增強(qiáng)效果[7]。最早的Retinex算法同樣存在一定的不足，如計(jì)算量大，影響圖像處理的效率，為此有學(xué)者對(duì)Retinex算法進(jìn)行了改進(jìn)，如出現(xiàn)了基于同態(tài)濾波的Retinex算法，基于泊松方程的Retinex算法等，它們?nèi)〉昧烁玫膱D像增強(qiáng)效果，但是當(dāng)光照變化大時(shí)或者低照度條件，增強(qiáng)后圖像經(jīng)常出現(xiàn)“光暈偽影”，或者圖像過暗，嚴(yán)重影響的圖像質(zhì)量[8，9]。

為了進(jìn)一步提高增強(qiáng)后圖像的質(zhì)量，提出了基于改進(jìn)Retinex的圖像增強(qiáng)算法，自適應(yīng)拉伸飽和度分量，Gamma算法校正反射分量，引入顏色恢復(fù)機(jī)制，圖像增強(qiáng)的仿真實(shí)驗(yàn)結(jié)果表明，無論定性分析或定量分析結(jié)果，本文改進(jìn)Retinex算法均更優(yōu)，獲得十分理想的圖像增強(qiáng)結(jié)果。

1 傳統(tǒng)Retinex算法

當(dāng)光照條件發(fā)生變化時(shí)，人們對(duì)物體顏色的感知也會(huì)發(fā)生相應(yīng)的改變，即所謂的顏色恒常理論?；陬伾愠＠碚?，學(xué)者Land提出了Retinex理論。Retinex理論認(rèn)為物體顏色由物體對(duì)光線的反射能力，與光源的強(qiáng)度無關(guān)。圖像I（x，y）包括光照分量L（x，y）和反射分量R（x，y），可以得到[10]式（1）。

對(duì)式（1）對(duì)進(jìn)行取對(duì)數(shù)運(yùn)算，可以得到式（2）。

基于以上分析，可以知道Retinex理論的工作原理如圖1所示。

當(dāng)前Retinex算法類型很多，最初為基于路徑的Retinex算法，在實(shí)際應(yīng)用中，其缺陷相對(duì)較多，如光照分量L（x，y）的值估計(jì)精度低，誤差比較大，增強(qiáng)后圖像經(jīng)常出現(xiàn)光照亮度不均勻現(xiàn)象。在基于路徑的Retinex算法基礎(chǔ)上，出現(xiàn)了基于中心/環(huán)繞的Retinex算法，其以原像素點(diǎn)位為中心進(jìn)行迭代運(yùn)算，其中單尺度Retinex（SSR）算法是最常用的一種基于中心/環(huán)繞的Retinex算法，基本形式為式（4）。

SSR算法存在色感一致性和信息豐富度的矛盾，為此又提出了多尺度Retinex（MSR）算法，其可以保證在圖像色感一致性，同時(shí)可以對(duì)信息進(jìn)行動(dòng)態(tài)壓縮，可表示為式（7）。

2 改進(jìn)Retinex算法

2.1 自適應(yīng)拉伸圖像的飽和度分量

傳統(tǒng)Retinex算法對(duì)彩色圖像的R、G、B分量進(jìn)行增強(qiáng)，易破壞R、G、B分量之間的內(nèi)存聯(lián)系，為此首先將彩色圖像轉(zhuǎn)換成HSI空間模型，其中H、S、I分別描述色彩的色調(diào)、飽和度和亮度，其中飽和度主要描述圖像色彩的深淺程度為（9）。

當(dāng)光照條件不太好時(shí)，S的值比較小，為此，需要對(duì)飽和度進(jìn)行自適應(yīng)拉伸，具體如式（10）：

2.2 增強(qiáng)圖像的亮度

在低照度條件下，彩色圖像的亮度比較，為此采用引導(dǎo)濾波與原始進(jìn)行卷積操作，對(duì)圖像的入射分量進(jìn)行估計(jì)。引導(dǎo)濾波可以表示為式（11）。

2.3 顏色的恢復(fù)處理

圖像增強(qiáng)處理后，圖像顏色可能會(huì)出現(xiàn)失真現(xiàn)象，因此需要要對(duì)圖像顏色進(jìn)行恢復(fù)處理。顏色恢復(fù)函數(shù)為式（14）。

基于改進(jìn)Retinex算法的工作流程如圖2所示。

3 仿真測(cè)試

3.1 實(shí)驗(yàn)對(duì)象

為了分析改進(jìn)Retinex算法圖像增強(qiáng)效果，選擇幾幅經(jīng)典的圖像作為研究對(duì)象，它們具體如圖3所示。

3.2 主觀視覺效果評(píng)價(jià)

選擇文獻(xiàn)[7]的圖像增強(qiáng)算法進(jìn)行對(duì)比測(cè)試，它們的圖像增強(qiáng)處理效果如圖4和圖5所示。

對(duì)圖像增強(qiáng)處理效果進(jìn)行對(duì)比和分析可以發(fā)現(xiàn)

（1） 對(duì)比算法對(duì)圖像進(jìn)行增強(qiáng)處理后，圖像整體仍然還是是比較暗，圖像亮度提升不明顯，但是顏色失真十分嚴(yán)重，圖像中所獲得的細(xì)節(jié)信息少，使得一些重要信息無法有效辨識(shí)，有圖像出現(xiàn)了明顯的“過增強(qiáng)”現(xiàn)象，圖像增強(qiáng)效果不理想。

（2） 本文算法對(duì)圖像進(jìn)行增強(qiáng)處理后，圖像的視覺效果得到了顯著的改善，圖像細(xì)節(jié)細(xì)息多，圖像十分清晰，而且不存在“過增強(qiáng)”現(xiàn)象，能夠有效抑制圖像的色彩失真現(xiàn)象，獲得了十分理想的圖像增強(qiáng)結(jié)果。

3.3 客觀質(zhì)量評(píng)價(jià)

為了更加客觀、科學(xué)對(duì)圖像增強(qiáng)后效果進(jìn)行評(píng)價(jià)，選擇峰值信噪比（PSNR）、亮度（B）、對(duì)比度（C）作為評(píng)價(jià)指標(biāo)。兩種圖像增強(qiáng)算法的客觀評(píng)價(jià)指標(biāo)值如表1所示。

對(duì)表1測(cè)試結(jié)果進(jìn)行分析可以發(fā)現(xiàn)，本文算法峰值信噪比值更相對(duì)更大，這表明經(jīng)過本文算法增強(qiáng)處理后，圖像包含的有用信息多，圖像細(xì)節(jié)信息豐富，而對(duì)比算法丟失了大量的圖像細(xì)節(jié)信息，相對(duì)于對(duì)比算法，本文算法的圖像亮度、對(duì)比度也得到了相應(yīng)的提升，說明本文算法可以使圖像更加清晰，圖像增強(qiáng)效果十分明顯，更加有利于人眼識(shí)別。

4 總結(jié)

為了解決當(dāng)前圖像增強(qiáng)算法存在的弊端，提出改進(jìn)Retinex的圖像增強(qiáng)算法，測(cè)試結(jié)果表明，本文算法可以豐富圖像的重要細(xì)節(jié)信息，圖像的亮度和對(duì)比度均得到了改善，圖像更加清晰，色彩更加逼真，圖像增強(qiáng)效果明顯優(yōu)于對(duì)比算法，具有更高的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 蔡式東， 楊芳. 基于直方圖修正的圖像增強(qiáng)算法[J]. 光電子技術(shù)， 2012， 32（3）： 155-159.

[2] 羅忠亮， 林土勝. 基于曲波變換的圖像非線性對(duì)比度增強(qiáng)[J]. 數(shù)據(jù)采集與處理， 2009， 24（4）： 413-417.

[3] 李慶忠，劉清. 基于小波變換的低照度圖像自適應(yīng)增強(qiáng)算法[J]. 中國(guó)激光， 2015， 42（2）： 9001-9007.

[4] 徐凌， 劉薇， 楊光. 結(jié)合小波域變換和空間域變換的圖像增強(qiáng)方法[J]. 波譜學(xué)雜志， 2007， 24（4）： 462-468.

[5] 尹士暢，喻松林. 基于小波變換和直方圖均衡的紅外圖像增強(qiáng) [J].激光與紅外， 2013， 43（2）： 225-228.

[6] 劉松濤，吳鋼. 基于廣義直方圖均衡的圖像增強(qiáng)新方法[J]. 電光與控制， 2010，17（3）：12-14.

[7] 馬忠麗， 文杰. 融合邊緣信息的單尺度Retinex海霧去除算法[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)， 2015，7（2）：217-225.

[8] 汪榮貴， 張新龍. 基于Retinex理論的壓縮域圖像增強(qiáng)方法研究[J]. 計(jì)算機(jī)研究與發(fā)展， 2011， 48（2）：259-270.

[9] 宋書林， 張彥， 王憲， 毛琪波. 基于曲波變換和Retinex人臉光照處理算法[J]. 計(jì)算機(jī)工程與應(yīng)用， 2011， 47（2）： 15-18.

[10] 崔仲遠(yuǎn)，張少輝.多尺度Retinex和雙邊濾波相融合的圖像增強(qiáng)算法[J].激光雜志， 2015， 36（4）： 90-93.

[11] 劉海波， 湯群芳， 楊杰. 改進(jìn)直方圖均衡和Retinex算法在灰度圖像增強(qiáng)中的應(yīng)用[J]. 量子電子學(xué)報(bào)， 2014， 31（5）：525-532.

（收稿日期： 2018.06.14）