基于高斯同態(tài)濾波和引導(dǎo)濾波對(duì)圖像增強(qiáng)的研究

張娜 劉娜 杜清漪

摘要：Retinex算法是通過削弱光照變化對(duì)圖像的消極影響以達(dá)到圖像增強(qiáng)效果的算法。本文利用高斯同態(tài)濾波和引導(dǎo)濾波對(duì)光照估計(jì)進(jìn)行模擬仿真實(shí)驗(yàn)，對(duì)比在不同濾波下Retinex算法對(duì)光照變化強(qiáng)烈的圖像增強(qiáng)處理。經(jīng)過對(duì)算法的研究得出，高斯同態(tài)濾波是對(duì)圖像灰度級(jí)進(jìn)行調(diào)整，通過增強(qiáng)圖像高頻部分的細(xì)節(jié)，減少低頻分量解決圖像上照明不均的問題，使圖像細(xì)節(jié)突出、層次清晰、包含更多信息量，對(duì)光照強(qiáng)度較高的圖片增強(qiáng)效果較好。

關(guān)鍵詞：Retinex算法;高斯同態(tài)濾波;引導(dǎo)濾波;圖像增強(qiáng)

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）03-0190-02

1 概述

在現(xiàn)實(shí)生活中，實(shí)際獲得的圖像基于某些不可控因素造成圖像達(dá)不到人眼觀察和后續(xù)處理的要求，對(duì)圖像進(jìn)行增強(qiáng)處理的要求應(yīng)運(yùn)而生。圖像增強(qiáng)是指在保證圖像基本信息不變的情況下，通過有選擇的突出某些區(qū)域以提高圖像的質(zhì)量和使用價(jià)值，方便人們或機(jī)器進(jìn)行研究。Retinex理論的引入，為處理光照變化影響問題提供了新的思路。

由于經(jīng)典Retinex算法存在不足[2]，本文依據(jù)Retinex算法采用高斯同態(tài)濾波和引導(dǎo)濾波進(jìn)行模擬仿真實(shí)驗(yàn)，對(duì)比分析出不同濾波的增強(qiáng)效果和適應(yīng)圖像類型。

2 SSR算法及其改進(jìn)

2.1 SSR算法

Retinex圖像增強(qiáng)算法的基本理論是：將有待增強(qiáng)的圖像S看作是由反射光分量和入射光分量的乘積，即

S=LxR

（1）

其中用反射分量R表示消除光照影響后的圖像，入射分量L表示光照給圖像帶來的干擾因素[3]。為了方便計(jì)算，我們通常采用對(duì)數(shù)變換將乘法運(yùn)算轉(zhuǎn)換成加法運(yùn)算：

log（S）=log（L）+ log（R）=l+r.

（2）

對(duì)原始圖像S進(jìn)行不同濾波得到入射分量l的粗略估計(jì)，從需要增強(qiáng)的圖像中減去入射分量l，得到反射分量r

r= log（S） -l.

（3）

再經(jīng)過對(duì)數(shù)反變換實(shí)現(xiàn)圖像增強(qiáng)

S=e l+r.

（4）

2.1 改進(jìn)的SSR算法

2.1.1 高斯同態(tài)濾波

基于對(duì)Retinex算法的研究，本文結(jié)合高斯同態(tài)濾波進(jìn)行圖像頻率過濾和灰度變換，對(duì)細(xì)節(jié)不突出又較為黑暗圖像進(jìn)行處理。該濾波有調(diào)節(jié)圖像灰度范圍、強(qiáng)調(diào)圖像細(xì)節(jié)、增強(qiáng)對(duì)比度、消除照明不均的作用[4]。同態(tài)濾波是一種依靠圖像的照度——反射模型改善圖像質(zhì)量的頻域方法。

對(duì)上述（2）式兩端進(jìn)行傅里葉變換，可得

2.1.2 圖像引導(dǎo)濾波

本文在Retinex算法的基礎(chǔ)上，考慮采用兩次圖像引導(dǎo)濾波克服圖像處理中的“光暈”效應(yīng);提出圖像引導(dǎo)濾波的單尺度Retinex算法，引導(dǎo)濾波核函數(shù)具有良好的邊緣保持和細(xì)節(jié)增強(qiáng)性能。圖像引導(dǎo)濾波是一個(gè)線性可變的濾波過程[3]。對(duì)于輸出圖像中第i個(gè)像素而言，其計(jì)算方法為因子。

3 仿真實(shí)驗(yàn)

3.1 實(shí)驗(yàn)環(huán)境

針對(duì)本文研究提出的圖像增強(qiáng)算法，采用具體圖像進(jìn)一步分析，MATLAB可以用來提取圖片中的像素信息，并對(duì)圖像簡單聚類分塊[5]。利用筆記本電腦Matlab2017版本，CPU 2.3CHz，內(nèi)存4GB。本文測(cè)試圖片為人物圖和樹木圖，均來自標(biāo)準(zhǔn)圖像庫，大小為256～256，如圖l（a）與圖2（a）。

3.2 對(duì)比算法與客觀指標(biāo)

SSR算法在光照強(qiáng)度較大時(shí)已經(jīng)不能起到很好的圖像增強(qiáng)的作用[2]。為了分析圖像增強(qiáng)的效果，需要對(duì)圖像進(jìn)行質(zhì)量評(píng)價(jià)，本文采用圖像信息熵、對(duì)比度作為客觀評(píng)價(jià)指標(biāo)。

1）信息熵是用于度量圖像信息的豐富程度的指標(biāo)，所得圖像信息熵越大，圖像增強(qiáng)效果越好，其計(jì)算公式為

3.3 結(jié)果與分析

從對(duì)比結(jié)果可知，基于高斯同態(tài)濾波的改進(jìn)SSR算法和基于引導(dǎo)濾波的改進(jìn)SSR算法都有效地突出圖像細(xì)節(jié)，增強(qiáng)對(duì)比度并去除光照不均勻的影響。根據(jù)圖一所示，基于引導(dǎo)濾波的改進(jìn)算法效果更明顯。根據(jù)圖二所示，基于高斯同態(tài)濾波的改進(jìn)算法效果更好。圖一圖二的顯著不同之處在于人物圖的光照弱，樹木圖光照較強(qiáng)，所以在光照強(qiáng)度較亮?xí)r，基于高斯同態(tài)濾波的改進(jìn)算法更加適用。

高斯同態(tài)濾波與引導(dǎo)濾波處理后圖像的信息熵都比原圖大，但是在圖片本身光照較暗（人物圖）時(shí)，引導(dǎo)濾波對(duì)圖像的信息熵改變量更大，增強(qiáng)效果更好;在本身光照強(qiáng)度較大（樹木圖）時(shí)，高斯濾波對(duì)圖像的信息熵改變量更大，增強(qiáng)效果更好。

由表1可知，高斯同態(tài)濾波與引導(dǎo)濾波處理后圖像的信息熵都比原圖大，但是在圖片本身光照較暗（人物圖）時(shí)，引導(dǎo)濾波對(duì)圖像的信息熵改變量更大，增強(qiáng)效果更好;在本身光照強(qiáng)度較大（樹木圖）時(shí)，高斯濾波對(duì)圖像的信息熵改變量更大，增強(qiáng)效果更好。

從表2的各種圖像增強(qiáng)算法的對(duì)比度結(jié)果可看出，在圖片本身光照較暗（人物圖）時(shí)，引導(dǎo)濾波將圖像對(duì)比度變大，增強(qiáng)效果更好;在本身光照強(qiáng)度較大（樹木圖）時(shí)，高斯同態(tài)濾波將圖像對(duì)比度變大，增強(qiáng)效果更好。

4 結(jié)束語

本文指出，高斯同態(tài)濾波和引導(dǎo)濾波均對(duì)由光照不足造成的細(xì)節(jié)無法辨認(rèn)，灰度又較暗的圖像有較好的增強(qiáng)效果。經(jīng)過對(duì)不同圖像運(yùn)用同一濾波的結(jié)果分析和針對(duì)同一圖像運(yùn)用不同濾波進(jìn)行圖像增強(qiáng)的結(jié)果分析，對(duì)圖像增強(qiáng)效果進(jìn)行主客觀評(píng)估，同時(shí)指出了這兩種濾波的不足之處，體現(xiàn)了本文的可靠度和真實(shí)性。但本文仍存在一些不足之處，如實(shí)驗(yàn)次數(shù)少，圖像特征少，未對(duì)圖像紋理的還原進(jìn)行深度分析。為了獲得更為清晰的復(fù)原圖像，往往在對(duì)圖像進(jìn)行復(fù)原之前我們應(yīng)該對(duì)圖像進(jìn)行去噪?；诖祟惒蛔阒?，我們將會(huì)在未來一年內(nèi)對(duì)圖像紋理細(xì)節(jié)因素進(jìn)行實(shí)驗(yàn)對(duì)比，深入探討引導(dǎo)濾波的邊緣保持特性和細(xì)節(jié)優(yōu)勢(shì)。

參考文獻(xiàn)：

[1]龔薇，斯科卅秀清，等，一種強(qiáng)魯棒性的實(shí)時(shí)圖像增強(qiáng)算法[J].傳感技術(shù)學(xué)報(bào)，2007，20（9）：2024-2028.

[2]陳超，改進(jìn)單尺度Retinex算法在圖像增強(qiáng)中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件，2013，30（4）：55-57，74.

[3]方帥，楊靜榮，曹洋，等，圖像引導(dǎo)濾波的局部多尺度Retinex算法[J]中國圖象圖形學(xué)報(bào)，2012，17（7）：748-755.

[4]程新.基于同態(tài)濾波的圖像增強(qiáng)算法研究[D].西安：西安郵電大學(xué)，2016.

[5]董美娜，劉笑楠.基于線性回歸的圖像邊緣處理算法的研究[J]電子元器件與信息技術(shù)，2018（7）：69-73.