唐寧，趙鵬，吳紹啟

（桂林電子科技大學廣西桂林541004）

改進多尺度Retinex的彩色圖像增強

唐寧，趙鵬，吳紹啟

（桂林電子科技大學廣西桂林541004）

由于假設入射光變化平穩(wěn)，基于Retinex理論的傳統(tǒng)彩色圖像增強算法也有一些局限性，增強效果有限。在明暗對比度較強處，引入顏色失真和出現光暈現象。考慮到這些限制，本文提出了一種基于多尺度Retinex的改進算法。利用雙邊濾波進行亮度分量估計和局部對比度增強，將增強后的亮度圖像與原始圖像HSV彩色空間的亮度圖像I進行對比，進行彩色圖像恢復。實驗結果表明，該方法在增強圖像時，能夠有效地避免顏色失真及抑制光暈。

Retinex理論；顏色失真；光暈；雙邊濾波

由于光線和設備的原因，圖像亮度不夠明顯，以至于獲取圖像背景中的細節(jié)無法被人們感知，需要經過圖像處理來獲得清晰度較高的圖像。圖像增強技術在改善圖像質量中起著重要的作用［1］。利用圖像增強方法，可以獲得更佳效果，方便人眼觀察和計算機分析及處理。

目前，圖像增強算法主要包括傳統(tǒng)的空域和頻域圖像增強算法。最近幾年，研究人員開始關注基于Retinex在圖像增強中的應用，并且在圖像增強區(qū)域取得很大的進步，對進一步圖像處理提供更清晰，更生動的圖像。如基于多尺度Retinex的B超聲波肝臟圖像增強［2］、基于多尺度Retinex的磁共振圖像增強［3］、以及基于多尺度Retinex遙感圖像增強［4］等。基于Retinex理論的的增強方法［5］，以及在此基礎之上發(fā)展起來的單尺度Reinex（SSR，Single-Scale Retinex）算法、多尺度Retinex（MSR，Multi-Scale Retinex）和帶彩色恢復多尺度Retinex（MSRCR）等改進算法。雖然在一定條件下符合人類的視覺效果，但是會出現顏色失真和光暈現象［6］。本文在多尺度Retinex的基礎之上，做出一定改進。利用雙邊濾波進行亮度分量估計和將每個像素點的亮度與其領域平均亮度的大小關系進行局部對比度增強。同時，為了保證圖像增強效果達到理想，將增強后的亮度圖像與原始圖像HSV彩色空間的亮度圖像I進行對比，進行彩色圖像恢復。

1　Retinex增強算法

MSR算法是基于中心/環(huán)繞Retinex算法的一種改進，是一種圖像增強算法，它不僅可以很好的實現圖像動態(tài)范圍壓縮，還能保證顏色一致性。

由于單尺度Retinex算法不能同時滿足圖像細節(jié)增強與顏色保真。故此提出多尺度Retinex算法，在本質上，它和單尺度Retinex算法幾乎相同，只不過是將多個單尺度Retinex算法加權求和，其數學表達式如下：

其中，RMSRi（x，y）表示第i個顏色通道多尺度輸出分量；若N=1，則輸入灰度圖像；若N=3，則輸入彩色圖像；*表示卷積運算；Wj表示與環(huán)繞函數相關的權重系數，一般情況下，W1=W2= W3=1/3；Fj（x，y）表示第j個中心/環(huán)繞函數，其數學表達式如下：

其中，σj表示第j個中心/環(huán)繞函數的尺度參數，σ的取值為：σ1=15，σ2=80，σ3=250。σ表示高斯函數的標準偏差即尺度參數，其大小直接影響增強圖像的質量。當σ取值較小時，高斯模板較小，動態(tài)范圍的壓縮能力越強，圖像細節(jié)的黑暗部分增強效應更好，但是輸出分量顏色失真嚴重。而當σ取值較大時，高斯模板較大，輸出分量的顏色具有較高的保真度，動態(tài)范圍的壓縮能力變弱，局部細節(jié)模糊。K為歸一化因子，參數K的選擇必須滿足以下條件：

在MSR的基礎之上引入色彩恢復系數C得到的是帶彩色恢復多尺度Reinex算法（MSRCR），從而很好地解決了顏色失真問題，其改進算法如下所示：

其中，Ci（x，y）表示第i個顏色通道的色彩恢復系數；f（·）表示顏色空間的映射函數；為保證色彩恢復系數為正數，用log（1+x）來代替log（x）。

由于色彩恢復系數C為一個常數，直接可以調整增益常數α的值來達到帶顏色恢復多尺度Rtinex算法的增強效果。與彩色恢復多尺度算法相比，本文最終采用多尺度Retinex算法思想，提高了算法的運行效率。

2　改進多尺度Retinex圖像增強

為了更好地改善顏色失真，抑制光暈現象。本文對傳統(tǒng)的MSR作了改進，其主要思想是：首先，它采用改進的MSR圖像增強，用雙邊濾波進行亮度分量估計；其次，將每個像素點的亮度與其領域平均亮度的大小關系進行局部對比度增強；最后，為了保證圖像增強效果達到理想，將增強后的亮度圖像與原始圖像HSV彩色空間的亮度圖像I進行對比，進行彩色圖像恢復。改進算法的流程圖如圖1所示。

圖1　改進算法的流程圖

2.1亮度分量估計

本文采用Li等在DOG模型［7］的基礎上提出三高斯模型，通過添加第三個高斯核來代表大范圍內的去抑制區(qū)?；舅枷胧遣捎萌咚鼓Ｐ蜑V波和傳統(tǒng)高斯濾波相結合的雙邊濾波來獲得領域的平均亮度值。這方法既能增強圖像的邊緣對比，而且可以有效提升區(qū)域對比亮度和亮度梯度信息。使估計出的亮度信息更加準確。首先，將原始圖像RGB空間轉換成HSV顏色空間來提取亮度分量I：

其中IR（x，y），IG（x，y），IB（x，y）分別表示彩色圖像中點（x，y）處像素的R，G，B 3個分量的值，即彩色圖像的紅色分量、綠色分量和藍色分量。

利用雙邊濾波計算當前像素的平均亮度值ˉI（x，y）：

其中，Gr（x，y）是空間鄰近三高斯核函數，Gv（x，y）是傳統(tǒng)高斯核函數。

將r=x2+y2代入得到表達式：

其中，r表示高斯濾波器的區(qū)域半徑；λ1，λ2，λ3分別表示中央，四周和邊緣的峰值系數；σ1，σ2，σ3分別表示中央，四周和邊緣的尺度系數。

由于受尺度參數的個數和尺度參數值的影響，不同的尺度參數，多尺度Retinex算法會產生不同的增強效果。如果單純地引用中心/環(huán)繞函數增強的話，效果不理想。為了盡可能地使原始圖像達到理想的增強效果，可以引入一個增益常數α，則Rj（x，y）的表達式為：

亮度分量I的增強結果：

式中，α1，α2，α3分別表示為3個不相等的增益常數，為了計算方便可以用一個增益常數α來簡化。

因此，亮度分量I的最終增強結果可以表示為：

2.2局部對比度增強

圖像經過亮度對數變換后，圖像的動態(tài)范圍壓縮能力減弱，對比度下降，圖像效果與預期相差較遠，需要采取相應的措施來改善圖像的對比度，可以依據每個像素點的亮度與其領域平均亮度的大小關系進行局部對比度增強，增強后的亮度圖像I′（x，y）如下所示：

其中，A表示正值常數，局部線性關系的比例；Im（x，y）表示對數變換后的圖像；

由上式表達式可以知道，如果當前點的亮度高于領域平均亮度，則增強該點的亮度；反之，就降低該點的亮度。

全局亮度對數變換是對圖像全局明暗程度進行非線性調整，完成對圖像中暗區(qū)域增強和動態(tài)范圍的壓縮功能。其變換公式如下：

2.3顏色恢復

圖像經過局部對比度增強后，需要對顏色進行恢復。通過將增強后的亮度圖像I′（x，y）與原始圖像HSV顏色空間的亮度I進行比較，線性調整恢復增強后圖像的RGB信息，表達式如下所示：

其中，Ij（x，y）表示原始圖像中第j個顏色分量；Ij″（x，y）表示增強后第j個顏色分量，j=r，g，b。

3　實驗結果分析

本文的實驗是在MATLAB12a上完成的。實驗選取了一幅彩色圖像，根據上面所提出的改進算法對圖像進行實驗仿真，然后與直方圖均衡化、MSR算法、MSRCR算法以及文獻［8］算法的輸出圖像進行對比。如圖2所示，圖（a）是原始圖像；圖（b）是直方圖均衡化，產生較大的色差，顏色失真較嚴重，且處理后圖像整體亮度變暗，大量細節(jié)被較暗區(qū)域隱蔽；圖（c）是由MSR算法得出的輸出圖像，顏色明顯偏暗，圖像細節(jié)部分得到增強，彩色失真較小，容易出現光暈現象，視覺效果不佳；圖（e）是由MSRCR算法得出的輸出結果，通過色彩恢復系數，帶顏色的增強效果較明顯，但是邊緣細節(jié)增強效果較差，容易出現光暈現象；圖（e）是文獻［8］基于模糊同組劃分的多尺度彩色圖像曾強算法［8］，輸出圖像細節(jié)突出，顏色鮮艷自然，減少顏色失真，擴大動態(tài)范圍，在亮度提升和增強效果方面都不如本文改進算法；圖（f）是本文算法，與之相比，本文提出的改進算法計算得到的輸出圖像不僅顏色明亮清晰，細節(jié)部分增強，而且顏色得到更好的實現，消除光暈現象。

為了更好地分析本文算法的增強效果，表1給出了不同方法增強后的均值、對比度、信息熵以及運行時間的數據對比，其中對比度（C）和熵（E）計算如下：

其中，δ（i，j）=|i-j|表示相鄰像素間的差值；Pδ（i，j）表示相鄰像素差δ的像素分布概率。

其中，N表示圖像的灰度級數；pi表示像素值為i的分布概率。信息熵值越大，則說明圖像攜帶的信息量就越多。

圖2　本文算法與經典算法之間的對比

表1　圖像增強效果數據對比

在均值方面，從表1中本文算法的均值分別為直方圖均衡化、MSR算法、MSRCR算法的1.64倍，1.49倍和1.19倍。表明本文算法增強后圖像的均值較高，整體的圖像變亮。在對比度方面，從表1中本文算法的對比度明顯要高于其他算法。對比度較高，信息熵較低的話，說明顏色失真較嚴重。在信息熵方面，從表1中本文算法增強后圖像的信息熵分別為直方圖均衡化，MSR算法和MSRCR算法的1.30倍，1.21倍和1.14倍。由此可見，本文算法的信息熵明顯要優(yōu)于其他算法，增強后圖像所包含的信息量更豐富，圖像空間信息能更好的保持。從表1中運行時間看直方圖均衡化雖然處理時間最短，但其它增強效果較差。而本文算法與其他算法相比的話，需要增加顏色空間變換、濾波和顏色恢復額外的計算開銷，因此它的運行時間最長。

4　結論

圖像增強是圖像處理的關鍵步驟。當傳統(tǒng)的Retinex算法用于提高彩色圖像時，在明暗對比度較強的地方，算法會導致顏色失真和出現光暈現象。此外，它也削弱了動態(tài)范圍壓縮的局部對比度。本文提出一種改進的多尺度Retinex算法，利用雙邊濾波進行亮度分量估計和將每個像素點的亮度與其領域平均亮度的大小關系進行局部對比度增強。同時，為了保證圖像增強效果達到理想，將增強后的亮度圖像與原始圖像HSV彩色空間的亮度圖像I進行對比，進行彩色圖像恢復。其改進算法，在保持色彩恒常性，增強對比度及抑制光暈現象都取得很好的效果。

［1］He L，Luo L，Shang J.An image enhancement algorithm based on Retinex theory［C］//2009 First International Workshop on Education Technology and Computer Science.IEEE Computer Society，2009:350-352.

［2］Zhang R，Huang Y，Zhao Z.A ultrasound liver image enhancement algorithm based on multi-scale Retinex theory［C］//Bioinformatics and Biomedical Engineering，（iCBBE）2011 5th International Conference on.IEEE，2011:1-3.

［3］Hu H，Ni G.Magnetic resonance image enhancement based on multiscale Retinex algorithm［C］//Biomedical Engineering and Informatics（BMEI），2010 3rd International Conference on.IEEE，2010:345-348.

［4］Wu H，Yang G，Xu Z，et al.Remote sensing image enhancement method based on multi-scale Retinex［C］//Information Technology，Computer Engineering and Management Sciences，International Conference of.IEEE，2011:15-18.

［5］Zhang Z，Li K.Study on algorithm for panoramic image basing on high sensitivity and high resolution panoramic surveillance camera［C］//Advanced Video and Signal Based Surveillance（AVSS），2013 10th IEEE International Conference on. IEEE，2013:359-364.

［6］Cui L Y，Xue B D，Cao X G.An improved Retinex image enhancement technique for dim target extraction in infrared images［J］.Image&Signal Processing.cisp.international Congress on，2009:1-5.

［7］金小賢，李衛(wèi)軍，陳旭，等.一種基于視覺特性的仿生圖像增強算法［J］.計算機輔助設計與圖形學學報，2010，22（3）: 534-537.

［8］胡瓊，汪榮貴，胡韋偉，等.基于直方圖分割的彩色圖像增強算法［J］.中國圖象圖形學報，2009，14（9）:1776-1781.

Color image enhancement based on improved multi-scale Retinex

TANG Ning，ZHAO Peng，WU Shao-qi
（Guilin University of Electronic Technology，Guilin 541004，China）

There are also some limitations on the effect of enhancement which traditional color image enhancement algorithm based on the Retinex theory due to its assumption which the incident light is changing smoothly.It brings color distortion and appears a halo phenomenon during the strong contrast between the light and the dark.Considered these limitations，it puts toward an improved algorithm based on the multi-scale Retinex in this paper.The brightness component is estimated by bilateral filtering and local contrast enhancement.We will compare the brightness of the image after increasing with the original image of brightness component I of HSV color space，for color image restoration.The experimental results prove that the method can efficiently avoid cross color and restrain the halo phenomenon when enhancing the image.

Retinex theory；cross color；halo；bilateral filtering

TN919.8

A

1674－6236（2016）12-0168-04

2015-07-07稿件編號：201507058

唐寧（1964—），男，廣西壯族自治區(qū)桂林人，碩士研究生，副教授。研究方向：數字專用集成電路設計與測試、EDA技術。