【摘 要】為了提高復(fù)雜光照條件下的圖像增強效果，本文針對當(dāng)前Retinex算法在圖像增強中的理論與實際應(yīng)用價值，介紹了在圖像增強中的Retinex算法原理，并對基于Retinex原理產(chǎn)生的一些經(jīng)典的算法進行了詳細的介紹與說明，為后續(xù)的研究提供理論基礎(chǔ)。

【關(guān)鍵詞】圖像增強 Retinex 復(fù)雜光照

人們對外界的信息百分之七十五來自圖像，科學(xué)統(tǒng)計表明，在當(dāng)今這個信息高度發(fā)達的時代，人類從外界獲得的信息75%來自于視覺系統(tǒng)，而圖像就是視覺系統(tǒng)獲得信息的重要來源。圖像經(jīng)常會受到各種環(huán)境因素的影響如相對運動、光學(xué)系統(tǒng)的失真、光照不均等使得圖像質(zhì)量降低，導(dǎo)致人們不易于觀察，計算機處理起來也可能造成嚴重的錯誤。因此，必須恢復(fù)和提高圖像的質(zhì)量，對圖像進行增強處理，以滿足人眼觀察或后續(xù)處理的需要。近些年來， 許多學(xué)者提出了各種圖像的光照處理算法，而基于Retinex理論產(chǎn)生的一些經(jīng)典算法能很好的提高圖像的增強效果。

一、Retinex理論基礎(chǔ)

Retinex是Land在20世紀(jì)60年代末提出了基于人類視覺感知的Retinex理論，是關(guān)于人類視覺系統(tǒng)怎樣調(diào)節(jié)感知到物體顏色和亮度的理論。Retinex 理論解釋了同樣的物體在不同的光源或光線底下顏色恒定（Color Constancy）的機理。在 Retinex 模型中，圖像是由入射光分量和反射光分量構(gòu)成的，如式（1）

（1）

其中，表示入射光，表示物體的反射性質(zhì)。Ret inex 理論旨在運用各種數(shù)學(xué)方法從圖像中獲得物體的反射性質(zhì)，如果我們從給定的圖像中能分離出亮度圖像和反射圖像，就能通過改變亮度圖像與反射圖像的之間的比例來達到圖像增強的目的。

二、各種改進算法

（一）SSR算法

SSR（single scale Retinex）是Jobson和Rahman在1997年提出的在中心環(huán)繞基礎(chǔ)上發(fā)展起來的算法，算法的數(shù)學(xué)描述如下：

（2）

（3）

（4）

其中G為高斯環(huán)繞函數(shù)，為尺度參數(shù)。

（二）MSR算法

多尺度 Retinex 算法是單尺度 Retinex 算法的加權(quán)平均。MSR算法可以同時對圖像的動態(tài)范圍進行壓縮并且保持圖像的高保真。在一定條件下，多尺度 Retinex 主要能夠?qū)崿F(xiàn)如下目標(biāo)：對未校準(zhǔn)的設(shè)備進行補償，顏色恒常，局部動態(tài)范圍壓縮，全局動態(tài)范圍壓縮，色彩增強。其在對數(shù)域表示為

（5）

其中N為圖像顏色通道的個數(shù)，N=1 表示灰度圖像；N=表示彩色圖像，表示輸入圖像的第i個顏色通道，Ri（x，y）表示多尺度Retinex輸出，表示高斯函數(shù)，表示高斯函數(shù)的相關(guān)的權(quán)重，k表示高斯環(huán)繞函數(shù)的個數(shù)或環(huán)繞尺度的個數(shù)。當(dāng)k=1是多尺度Retinex退化為單尺度Retinex。當(dāng)高斯環(huán)繞函數(shù)尺度參數(shù)σ取15，80，200 可以得到較好的結(jié)果。

（三）MSRCR算法

MSR對灰度圖足夠了，但對彩色圖像還不是特別理想。顏色不飽和有時還很嚴重。在少數(shù)情況下，違反灰度分布的前提會導(dǎo)致不可預(yù)料的顏色扭曲。因此，我們考慮一種能提供好的色調(diào)再現(xiàn)的顏色恢復(fù)算法MSRCR算法。當(dāng)然我們希望該算法要保持可以接受的顏色定常，因為這是Retinex的基本目標(biāo)之一。但是，我們要清楚，顏色定常即使在人類視覺感知中也不是完美的，某種程度的對光照的依賴也是可以接受的。本質(zhì)上，這還是圖像質(zhì)量的問題。

我們引入一個簡單的比色變換，這是因為這種方法能創(chuàng)建一個相對的顏色空間，并且對原始的光照光譜分布的依賴少。比色變換的計算式為

（6）

表示第i個顏色帶，N是光譜通道數(shù)，通常對于RGB顏色空間，N=3.我們映入色彩恢復(fù)因子

（7）

這時，MSRCR被修正為：

（8）

這里是色度空間的第i個顏色回復(fù)函數(shù)，是帶彩色恢復(fù)的多尺度Retinex的第i個光譜帶。通過大量圖片所做的線性和非線性彩色恢復(fù)函數(shù)，下面這個函數(shù)提供了總體上最好的顏色恢復(fù)能力：

（9）

（四）4Franle算法

Frankle McCann’s Retinex算法是McCann和Sobel共同提出的Retinex算法。該算法可以簡明地描述如下：首先，將粗亮度層初始化為原始圖像；然后，按照以下步驟進行圖像處理：

（10）

其中，為轉(zhuǎn)換算子，將圖像螺旋式地轉(zhuǎn)換n次，使圖像轉(zhuǎn)換成矢，如圖1所示。首次替換的大小是原圖像長度和寬度中最小值的一半。

圖1 Frankle McCann’s Retinex算法

三、結(jié)語

本章針對復(fù)雜關(guān)照圖像的預(yù)處理，詳細闡述了Retinex 的基礎(chǔ)理論。對基于Retinex理論發(fā)展而來的一些經(jīng)典算法進行了詳細介紹，說明了算法產(chǎn)生的原因及各個算法的優(yōu)缺點并對算法的具體實現(xiàn)用公式進行了詳細的說明。

參考文獻：

[1]葛微，李桂菊，程宇奇.利用改進的Retinex進行人臉圖像光照處理[J].光學(xué)精密工程，2010，18（4）.

[2]陳超.改進單尺度Retinex算法在圖像增強中的應(yīng)用[J].計算機應(yīng)用與軟件，2013，30（4）.

作者簡介：翟娟紅 （1988.05-），山西省河津市，碩士研究生，專業(yè)：信息與通信工程