基于改進(jìn)Retinex算法的低照度圖像增強(qiáng)

摘? 要：通過(guò)對(duì)比不同圖像增強(qiáng)算法，針對(duì)傳統(tǒng)圖像增強(qiáng)算法無(wú)法兼顧色彩、細(xì)節(jié)以及紋理的同步處理等問(wèn)題，文章提出一種MSRCR-HIS圖像增強(qiáng)算法，融合直方圖轉(zhuǎn)換法與MSRCR算法的優(yōu)勢(shì)，并將處理后的圖像與原始圖像進(jìn)行融合以保留原圖細(xì)節(jié)信息，通過(guò)驗(yàn)證，文章提出的算法與經(jīng)典算法相比，能夠有效地改善圖像的呈現(xiàn)效果，有利于后續(xù)各項(xiàng)實(shí)驗(yàn)操作。

關(guān)鍵詞：低照度；圖像增強(qiáng)；圖像融合；多尺度Retinex

中圖分類號(hào)：TP391.4? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：2096-4706（2023）05-0113-04

Low Illumination Image Enhancement Based on Improved Retinex Algorithm

ZOU Liangna

（Xi'an Technological University， Xi'an? 710021， China）

Abstract： By comparing different image enhancement algorithms， aiming at the problems that traditional image enhancement algorithms can not take into account the synchronous processing of color， detail and texture， this paper proposes a MSRCR-HIS image enhancement algorithm， which combines the advantages of histogram conversion method with MSRCR algorithm， and fuses the processed image with the original image to retain the details of the original image information. Through verification， compared with the classical algorithm， the algorithm proposed in this paper can effectively improve the rendering effect of images， and it is conducive to subsequent experimental operations.

Keywords： low illumination; image enhancement; image fusion; multi-scale Retinex

0? 引? 言

圖像能夠直觀的展示物體以及環(huán)境，圖像獲取方式眾多，處理技術(shù)成熟，已經(jīng)廣泛的滲入到科研以及生活中，但正是由于圖像提供的信息之多，從中提取所需的關(guān)鍵信息摒除冗雜信息與干擾，變得至關(guān)重要，這需要圖像的質(zhì)量達(dá)到一定的要求。由于圖像采集過(guò)程中各種不可控因素，特別是在室內(nèi)照明、夜間照明、陰天等不利條件下，圖像采集系統(tǒng)所采集的圖像往往存在缺陷，在這些不利條件下，目標(biāo)表面的反射較弱，并且由于存在噪聲而使顏色失真，從而導(dǎo)致圖像質(zhì)量嚴(yán)重下降，使圖像無(wú)法最大化發(fā)揮其作用。因此，如何在低照度條件下獲得清晰的靜止或運(yùn)動(dòng)圖像已成為亟待解決的問(wèn)題。圖像增強(qiáng)技術(shù)提供了一種可能的解決方案，圖像增強(qiáng)不僅滿足了對(duì)更好視覺(jué)體驗(yàn)的需求，還提高了圖像的可靠性和魯棒性，使圖像處理系統(tǒng)更容易分析和處理圖像。

對(duì)于圖像增強(qiáng)算法，眾多科研人員提出了很多創(chuàng)新可行的方法。DU等人提出了一種新的醫(yī)學(xué)圖像增強(qiáng)算法。采用對(duì)比度限制自適應(yīng)直方圖均衡（CLAHE）來(lái)提高全局對(duì)比度；使用低頻分量和幾個(gè)高頻分量來(lái)增強(qiáng)邊緣細(xì)節(jié)。Alismail等人提出了一種算法，用于在具有挑戰(zhàn)性的光照條件下進(jìn)行魯棒和實(shí)時(shí)的視覺(jué)跟蹤，其特征是光照不足和光照突然劇烈變化。為了解決低照度條件下的視頻監(jiān)控問(wèn)題，Zhi等人提出了一種新的基于光照調(diào)整結(jié)合引導(dǎo)濾波和“S曲線”功能的非均勻圖像增強(qiáng)算法，用于煤礦環(huán)境。Malm H等人突出一種極低光線視頻的自適應(yīng)圖像增強(qiáng)算法，實(shí)現(xiàn)了對(duì)動(dòng)態(tài)視頻圖像的實(shí)時(shí)增強(qiáng)，提高了圖形增強(qiáng)算法的適用領(lǐng)域。Jim H等人將小波變換應(yīng)用于圖像處理過(guò)程中，并將不同參數(shù)處理后的圖像進(jìn)行融合來(lái)達(dá)到增強(qiáng)夜間圖像的目的。

圖像增強(qiáng)是各個(gè)領(lǐng)域普遍存在的問(wèn)題，如何增強(qiáng)低照度或光照不均勻的圖像需要進(jìn)一步研究。

1? 傳統(tǒng)低照度圖像增強(qiáng)算法

傳統(tǒng)的圖像增強(qiáng)算法有基于Retinex理論的SSR算法、MSR算法、MSRCR算法以及直方圖變換法等。Jobson等人在Land等人建立的Retinex照明反射基礎(chǔ)上，提出了一種單尺度Retinex算法，即SSR算法，對(duì)圖像進(jìn)行單尺度的變換與調(diào)整從而達(dá)到對(duì)圖像的整體增強(qiáng)，由于處理尺度單一，因此圖像質(zhì)量不高，會(huì)出現(xiàn)亮度提高但細(xì)節(jié)丟失嚴(yán)重、顏色失真等問(wèn)題；該算法經(jīng)過(guò)延伸發(fā)展為多尺度Retinex算法，即MSR算法，融合多尺度處理的結(jié)果，能夠使圖片呈現(xiàn)出更好的效果，但是會(huì)存在亮度過(guò)高，顏色失真的現(xiàn)象；在此基礎(chǔ)上通過(guò)引入色彩參數(shù)對(duì)圖像的顏色進(jìn)行修正，這就是帶顏色恢復(fù)的MSRCR算法，圖像的色彩飽和度有了明顯的提升，但是會(huì)產(chǎn)生光暈的現(xiàn)象；直方圖轉(zhuǎn)換法是使用最廣泛的一種圖像增強(qiáng)算法，通過(guò)構(gòu)造映射函數(shù)，實(shí)現(xiàn)圖像像素的再分配，使得集中在某一區(qū)域的像素值盡可能的分布在較廣的范圍，從而增強(qiáng)圖像的對(duì)比度，但是強(qiáng)制的像素?cái)U(kuò)展會(huì)導(dǎo)致圖像細(xì)節(jié)丟失，顏色失真，色彩飽和度不高。

針對(duì)傳統(tǒng)的低照度圖像增強(qiáng)算法所存在的問(wèn)題，文章將結(jié)合直方圖轉(zhuǎn)換法和MSRCR算法的優(yōu)勢(shì)，提出一種將直方圖轉(zhuǎn)換法與MSRCR算法相結(jié)合，并將處理后的圖像與原始圖像高頻分量進(jìn)行融合的MSRCR-HIS算法，在保留原圖細(xì)節(jié)的同時(shí)，本文算法平衡了整個(gè)圖像的顏色，并發(fā)現(xiàn)了以前在暗區(qū)不可見(jiàn)的細(xì)節(jié)，從而顯著提高了圖像質(zhì)量。通過(guò)驗(yàn)證，改進(jìn)后的算法具有較高的清晰度、峰值信噪比以及較低的結(jié)構(gòu)相似性。本文可為未來(lái)關(guān)于低照度圖像增強(qiáng)的研究提供新思路。

2? MSRCR-HIS算法

針對(duì)傳統(tǒng)的低照度圖像增強(qiáng)算法所存在的問(wèn)題，本文將綜合直方圖轉(zhuǎn)換法和MSRCR算法的優(yōu)勢(shì)，提出一種將直方圖轉(zhuǎn)換法與MSRCR算法相結(jié)合，并將處理后的圖像與原始圖像進(jìn)行融合的MSRCR-HIS算法，通過(guò)驗(yàn)證，改進(jìn)后的算法具有較高的清晰度、峰值信噪比以及較低的結(jié)構(gòu)相似性。

2.1? MSRCR-HIS算法流程圖

本小節(jié)將對(duì)本文提出的MSRCR-HIS算法處理彩色圖像的具體步驟進(jìn)行介紹。具體算法流程圖如圖1所示。

2.2? MSRCR-HIS算法原理

2.2.1? 高頻分量提取

圖像的高頻部分能夠提供更多的信息，對(duì)圖像亮度的提升以及邊緣信息的提取至關(guān)重要，對(duì)整體的呈現(xiàn)效果影響巨大。本文選取高斯函數(shù)作為參與計(jì)算的中心環(huán)繞函數(shù)，依次將每個(gè)色彩通道與高斯函數(shù)進(jìn)行濾波，以此來(lái)提取原始圖像中的高頻部分。高斯函數(shù)為：

低通濾波公式為：

其中Ii （x， y）表示輸入圖像的第i個(gè)光譜色帶HIS，*表示卷積運(yùn)算。

2.2.2? 色彩空間的再分配

為了進(jìn)一步實(shí)現(xiàn)色彩空間的均衡化，抑制光暈現(xiàn)象，借助映射函數(shù)將圖像三個(gè)尺度下的色彩映射到另一個(gè)分布上從而實(shí)現(xiàn)色彩值的重新分配，傳統(tǒng)的對(duì)RGB色彩空間進(jìn)行操作，會(huì)使得圖像色調(diào)發(fā)生變化，因此此處依舊是在HIS色彩空間進(jìn)行色彩值得再分配，亮度（I）和飽和度（S）尺度的處理公式為：

2.2.3? 多尺度圖像融合

將處理后得到的圖像金字塔從第二層起的每一層圖像進(jìn)行上采樣以及高斯卷積，然后與其下一層圖像相減，得到的殘差圖像就是拉普拉斯分解圖像。計(jì)算公式為：其中，gas表示高斯卷積函數(shù)，Gas表示高斯金字塔，Lap表示拉普拉斯金字塔，*表示卷積運(yùn)算。將得到的拉普拉斯金字塔對(duì)應(yīng)圖層上的圖像進(jìn)行融合得到HIS彩色圖像。

對(duì)應(yīng)圖層的融合公式為：

，

其中，Hn （i， j），Sn （i， j）分別表示第n幅圖像（i， j）位置上的色調(diào)和飽和度

3? 實(shí)驗(yàn)結(jié)果與分析

3.1? 主觀評(píng)價(jià)

經(jīng)過(guò)圖像直觀對(duì)比可以發(fā)現(xiàn)，經(jīng)過(guò)處理之后的圖像質(zhì)量均有所提升，處理結(jié)果如圖2所示，依次為原圖，經(jīng)過(guò)MSR、MSRCR、AHE、MSRCR-HIS處理后的圖像，MSR算法處理后的圖像亮度明顯提升，但是過(guò)分集中處理亮度導(dǎo)致圖像霧化，細(xì)節(jié)丟失嚴(yán)重；MSRCR算法處理的圖像色彩飽和度優(yōu)越，霧化現(xiàn)象得到很好的抑制，但有光暈現(xiàn)象的存在；直方圖變換法對(duì)清晰度的提高比較明顯，但對(duì)色彩的處理不夠細(xì)致；本文算法能夠較好的保留圖像細(xì)節(jié)信息，增強(qiáng)圖像呈現(xiàn)效果，且有效的消除了光暈現(xiàn)象的出現(xiàn)。

3.2? 客觀評(píng)價(jià)

不同的算法具有不同的圖像增強(qiáng)焦點(diǎn)，主觀評(píng)價(jià)難以展示足夠的客觀性，為了使評(píng)價(jià)結(jié)果更加的客觀準(zhǔn)確具有說(shuō)服力，本文選擇清晰度（SMD2）、結(jié)構(gòu)相似性（SSIM），峰值信噪比（PSNR）作為評(píng)價(jià)指標(biāo)。

3.2.1? 清晰度（SMD2）

清晰度作為最直觀的評(píng)價(jià)指標(biāo)，在圖像評(píng)價(jià)中具有非常重要的地位，本文選擇SMD2作為清晰度的評(píng)價(jià)指標(biāo)，計(jì)算公式為：

清晰度指標(biāo)得分越高，說(shuō)明圖像的清晰度越高。

3.2.2? 結(jié)構(gòu)相似性（SSIM）

該指標(biāo)可以看作是處理后圖像的影像品質(zhì)衡量指標(biāo)，亮度模塊、對(duì)比度模塊以及結(jié)構(gòu)模塊是SSIM評(píng)價(jià)系統(tǒng)的三個(gè)重要組成部分，計(jì)算公式為：

其中μx，μy表示平均灰度，σx，σy表示標(biāo)準(zhǔn)差。結(jié)構(gòu)相似性指標(biāo)得分越低，表示圖像與原始圖像相比圖像質(zhì)量越高。

3.2.3? 峰值信噪比（PSNR）

評(píng)價(jià)圖像質(zhì)量最常用的指標(biāo)是峰值信噪比，單位為分貝，計(jì)算公式為：

其中MAXI表示圖像峰值像素值，峰值信噪比指數(shù)標(biāo)得分越高，說(shuō)明圖像信息保留的越完整。

圖像數(shù)據(jù)集處理后的評(píng)價(jià)指標(biāo)平均值如表1所示。

通過(guò)各個(gè)指標(biāo)分析來(lái)看，在清晰度方面，經(jīng)過(guò)處理后圖像的清晰度都有一定程度的改善，但是可以看出本文算法對(duì)圖像清晰度的改善能力要遠(yuǎn)遠(yuǎn)超過(guò)其他算法；在圖像質(zhì)量方面，處理之后的圖像質(zhì)量都要優(yōu)于原始圖像，其中本文算法處理后的圖像質(zhì)量最高；在峰值信噪比方面，MSR以及MSRCR算法的得分較低，說(shuō)明較之原圖失真度偏高，直方圖轉(zhuǎn)換法和本文算法得分較高，說(shuō)明較之原圖失真度很低，其中文章算法要略優(yōu)于直方圖轉(zhuǎn)換法；

為了進(jìn)一步對(duì)比文章算法與其他算法的性能，此處選取圖3圖像經(jīng)過(guò)各個(gè)算法處理之后的直方圖如圖3所示，依次為原圖，經(jīng)過(guò)MSR、MSRCR、AHE、MSRCR-HIS處理后的圖像直方圖。通過(guò)圖3直方圖的對(duì)比我們可以看到，原始圖像的像素過(guò)多的集中在低亮度范圍，圖像呈現(xiàn)的效果就是亮度低，圖像不清晰；MSR算法處理后的圖像像素過(guò)多的集中在了高亮度范圍，圖像呈現(xiàn)的效果就是亮度過(guò)高，產(chǎn)生曝光現(xiàn)象，這也符合MSR算法會(huì)產(chǎn)生光暈的現(xiàn)象；MSRCR算法處理之后的圖像像素分布明顯得到了改善，變得均衡但是仍舊有過(guò)多的像素分布在高亮度范圍，會(huì)導(dǎo)致圖像會(huì)在細(xì)節(jié)部分丟失；直方圖轉(zhuǎn)換法處理后的圖像像素明顯分布更加均勻，表現(xiàn)為圖像清晰度的提高，但整體亮度范圍的像素值很低，圖像的色彩飽和度得不到保證；MSRCR-HIS算法處理以后的圖像像素分布均勻，表現(xiàn)為圖像的清晰度高，細(xì)節(jié)信息保存完整，色彩飽和度高，充分證明了文章算法的優(yōu)越性。

4? 結(jié)? 論

文章針對(duì)低照度圖像的增強(qiáng)問(wèn)題，基于光反射模型和多尺度理論，提出了一種將傳統(tǒng)MSRCR算法與直方圖轉(zhuǎn)換法相結(jié)合并與原圖高頻分量進(jìn)行融合的MSRCR-HIS算法。實(shí)驗(yàn)表明，文章算法在保留圖像細(xì)節(jié)信息的同時(shí)，比經(jīng)典算法更好的平衡了圖像的顏色，提升圖像的對(duì)比度以及清晰度，圖片的色彩也得到了較好的恢復(fù)，有更好的呈現(xiàn)效果。同時(shí)文章提出的算法能夠呈現(xiàn)原始低照度圖像黑暗區(qū)域看不見(jiàn)的細(xì)節(jié)，顯著提高了圖像的質(zhì)量。與傳統(tǒng)算法相比，具有較高的清晰度，峰值信噪比以及較低的結(jié)構(gòu)相似性。并驗(yàn)證了文章算法在極低照度圖像中的應(yīng)用，體現(xiàn)了文章算法的優(yōu)越性，可為未來(lái)關(guān)于光照不均勻的圖像增強(qiáng)研究提供新的思路。文章算法需要進(jìn)一步的提升運(yùn)行速度，擴(kuò)展應(yīng)用場(chǎng)景，例如動(dòng)態(tài)視頻增強(qiáng)。

參考文獻(xiàn)：

[1] 高古學(xué)，賴惠成，劉月琴.結(jié)合CLAHE和改進(jìn)MSRCR的沙塵圖像增強(qiáng) [J].計(jì)算機(jī)仿真，2020，37（8）：157-161+430.

[2] TIAN X，LIU R，WANG Z Y，et al.High quality 3D reconstruction based on fusion of polarization imaging and binocular stereo vision [J].Information Fusion，2022，77：19-28.

[3] LAND E H，MCCAN J J. Lightness and Retinex Theory [J].Journal of the Optical Society of America，1971，61（1）：1-11.

[4] IMMANUEL K，DINESH K A，PRAVEEN K E. Enhanced Intelligent Automated Method to MSRCR Algorithm for Image Enhancement [J].International Journal of Engineering and Advanced Technology，2020，9（3）：1398-1401.

[5] ZHANG W，DONG L，PAN X，et al. Single Image Defogging Based on Multi-Channel Convolutional MSRCR [J].IEEE Access，2019，7：2169-3536.

[6] 崔旭東，楊有.結(jié)合HE和改進(jìn)MSRCR的交通霧霾圖像增強(qiáng) [J].重慶師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2018，35（1）：100-106.

[7] 周佐，張靜.基于同態(tài)濾波與直方圖均衡的沙塵圖像增強(qiáng)研究 [J].信息與電腦：理論版，2020，32（23）：61-64.

[8] 宋喜娟.微光彩色圖像增強(qiáng)算法研究 [D].西安：中國(guó)科學(xué)院大學(xué)（）中國(guó)科學(xué)院西安光學(xué)精密機(jī)械研究所）.

作者簡(jiǎn)介：鄒良娜（1996—），女，漢族，山東日照人，碩士研究生在讀，研究方向：圖像處理。

收稿日期：2022-11-06