孫玲姣

湖北民族學(xué)院科技學(xué)院

基于Retinex理論的圖像增強(qiáng)算法研究

孫玲姣

湖北民族學(xué)院科技學(xué)院

Retinex是一個構(gòu)建在科學(xué)實(shí)驗(yàn)與分之上的圖像增強(qiáng)算法，其本質(zhì)是從圖像中減去照射分量的影響來得到物體的反射分量，也就是得出物體原本的樣子。文章首先分析了圖像增強(qiáng)算法的概念，然后研究了全局及局部Retinex的算法和流程，以期對基于Retinex理論的圖像增強(qiáng)算法有所借鑒。

Retinex 圖像增強(qiáng) 全局特征 局部特征 算法分析

Retinex是一個構(gòu)建在科學(xué)實(shí)驗(yàn)與分之上的圖像增強(qiáng)算法，和其他的圖像增強(qiáng)方法比較而言，Retinex算法有著銳化效果好、動態(tài)范圍壓縮大、顏色具恒常性、色彩保真度高等優(yōu)點(diǎn)，在圖像增強(qiáng)領(lǐng)域的應(yīng)用前景非常廣闊。

1 圖像增強(qiáng)方法概述

圖像增強(qiáng)為相對概念，其增強(qiáng)效果的優(yōu)劣，不但和算法的優(yōu)劣有某種關(guān)系之外，還和圖像的數(shù)據(jù)特點(diǎn)有直接關(guān)系，并且因?yàn)樵u價圖像質(zhì)量的好壞常?？坑^測者的主觀判斷而定，無通用的標(biāo)準(zhǔn)，故而增強(qiáng)技術(shù)基本為面向問題，增強(qiáng)方法僅可選擇性的使用?，F(xiàn)在圖像增強(qiáng)方法可分為空間域處理與頻域處理2類。

其中，所謂的空間域處理是在原圖上直接運(yùn)算數(shù)據(jù)，其又分局部運(yùn)算和點(diǎn)運(yùn)算2種，前者在像素點(diǎn)鄰域的空間域進(jìn)行，后者是對圖像進(jìn)行逐點(diǎn)運(yùn)算，其處理能夠?yàn)榫€性抑或非線性的；而所謂的頻域處理一般是運(yùn)用某種變換，把圖像變至頻域，運(yùn)算圖像的變化系數(shù)，也就是作一定的修正，繼而利用逆變換獲得增強(qiáng)的圖像，主要有低通（用于消除噪音）和高通濾波（用于提升邊緣和輪廓）。

2 基于全局特征的Retinex圖像增強(qiáng)

2.1 基于全局特征的Retinex算法分析

2.1.1 灰度圖像增強(qiáng)

圖1 m×n的灰度圖像

首先是相對明暗關(guān)系的推導(dǎo)，如圖1所示，為一寬m、高n的灰度圖像。圖像起點(diǎn)A至終點(diǎn)B有一路徑，其中有八個像素點(diǎn)，其灰度值為d1-d8,則A和B間的相對明暗關(guān)系為:

經(jīng)過計(jì)算、簡化，不難看出起點(diǎn)A與終點(diǎn)B間的相對明暗關(guān)系其實(shí)就是像素的灰度值在對數(shù)域中的差。

接下來是起點(diǎn)、終點(diǎn)的選取。從上式能夠發(fā)現(xiàn)，對同一起點(diǎn)，選取不同的終點(diǎn)就會出現(xiàn)不同的相對明暗關(guān)系，利用這些相對明暗關(guān)系來校正起點(diǎn)就能得到不同的起點(diǎn)像素的灰度校正值。為解決這一問題，可以用隨機(jī)法來選擇起點(diǎn)與終點(diǎn)。

最后是數(shù)據(jù)顯示，初始時，把增強(qiáng)后的圖像內(nèi)全部像素點(diǎn)的灰度值均設(shè)為constant，在對像素點(diǎn)灰度值校正之后圖像的全部像素點(diǎn)的灰度值均集中于constant周圍，用下面的公式對校正后的圖像線性拉伸：

其中，min為增強(qiáng)后圖像像素點(diǎn)灰度值內(nèi)的最小值，而max為增強(qiáng)后圖像像素點(diǎn)灰度值內(nèi)的最大值。L[ i][j]為圖像原像素點(diǎn)經(jīng)線性拉伸之后的灰度值。

2.1.2 彩色圖像增強(qiáng)

彩色圖像增強(qiáng)同樣要有像素點(diǎn)灰度值的校正以及數(shù)據(jù)顯示。其中，數(shù)據(jù)顯示部分，對24位的彩色圖像，可將其分解為R、G、B3幅灰度圖像，如此一來，就可以把一幅彩色圖像轉(zhuǎn)化為三幅灰度圖像，然后依次對它們予以數(shù)據(jù)準(zhǔn)備就行。數(shù)據(jù)顯示的步驟與前述的過程恰好相反，把線性拉伸后的3圖像按R、G、B順序分別寫進(jìn)一個24位的彩色圖像內(nèi)進(jìn)行輸出，獲得的就是增強(qiáng)之后的彩色圖像。

2.2 算法流程

第一步：分析輸入圖像S(i,j)，如果是灰度圖像，就把圖像內(nèi)像素點(diǎn)灰度值的數(shù)據(jù)類型轉(zhuǎn)化為double型；如果是彩色圖像，就把它分解成3個灰度圖像，然后把這3個圖像內(nèi)像素點(diǎn)灰度值的類型轉(zhuǎn)化成double型；

第二步：把輸入圖像S(i,j)放進(jìn)對數(shù)域內(nèi)進(jìn)行處理，也就是S'(i,j)=logS(i,j)；

第三步：把增強(qiáng)之后的圖像R(i,j)內(nèi)像素點(diǎn)的灰度值全部初始化成constant，也就是R(i,j)=constan t；

第六步：使h=h/2，l=l/2，重復(fù)第四步與第五步，直至h=1且l=1；R(i,j)第七步：對增強(qiáng)之后的圖像予以線性拉伸，如果是灰度圖像，就直接進(jìn)行輸出；如果是彩色圖像，就把線性拉伸之后的三個圖按R、G、B次序分別寫進(jìn)一24位的彩色圖像內(nèi)進(jìn)行輸出。

2.3 增強(qiáng)結(jié)果顯示

圖2 全局Retinex增強(qiáng)結(jié)果

3 基于局部特征的Retinex圖像增強(qiáng)

3.1 局部Retinex 的實(shí)質(zhì)

Retinex常常用在補(bǔ)償受照射光影響的圖像，其目標(biāo)就是把一個圖像S分解為2個不同的圖像：照射分量與反射分量圖像2個圖。此種分解處理的優(yōu)點(diǎn)是可以移除前景與后景光照對圖像的影響，同時還可以增強(qiáng)室內(nèi)及室外圖像的光照變化。對圖像S內(nèi)的各個點(diǎn)(x, y)，公式為：S( x, y)=R( x, y)·L( x, y)，其中，L為照射光，R為物體的反射性質(zhì)，S為反射光被觀察者接收到的所能看見的圖像。

3.2 局部Retinex算法的步驟

第一步：圖像的灰度函數(shù)可用下面的式子來計(jì)算，R為反射光分量，L為照射光分量S(x,y)=R(x,y)·L(x,y )；

第二步：通過取對數(shù)的辦法把照射光與反射光分量進(jìn)行分離；

第三步：運(yùn)用高斯模板對原圖像進(jìn)行卷積，也就是對原圖像進(jìn)行低通濾波，獲得圖像D，式中F(x,y)為高斯濾波函數(shù)：D(x,y)=S(x,y)·F(x,y)；

第四步：在對數(shù)域內(nèi)運(yùn)用原圖減掉經(jīng)過低通濾波以后的圖，就可以獲得高頻增強(qiáng)圖像G(x,y)=S'(x,y)-logD(x,y)；

第五步：取G(x,y)的反對數(shù)，方可獲得增強(qiáng)以后的圖像R(x,y)=exp(G(x,y))）；

第六步：對R(x,y)進(jìn)行對比度增強(qiáng)，從而獲得結(jié)果圖像。

3.3 局部Retinex算法分析

3.3.1 單尺度Retinex

利用圖像采集器得到的彩色圖像都會面臨能不能捕捉到場景內(nèi)物體的動態(tài)范圍及色彩的問題。針對這個問題，Jobson等人提出單尺度的Retinex算法，其公式為：，其中Ii( x, y)為輸入圖像的第i個顏色通道，*為卷積運(yùn)算，Ri( x, y)為Retinex輸出，F(xiàn)( x, y)為高斯函數(shù)。

3.3.2 多尺度Retinex

多尺度Retinex（簡稱為MSR）是對單尺度Retinex（簡稱為SSR）的概括，它相對于SSR的優(yōu)點(diǎn)是它可以提供動態(tài)范圍壓縮以及顏色的高保真。在特定條件中，MSR可以實(shí)現(xiàn)以下目標(biāo)：對未校準(zhǔn)的設(shè)備予以局部動態(tài)范圍壓縮、補(bǔ)償、全局動態(tài)范圍壓縮、顏色恒常以及色彩增強(qiáng)，它的公式為:

其中,(x,y)為像素點(diǎn)的坐標(biāo)，*為卷積運(yùn)算，N為顏色通道的個數(shù)，i∈R,G,B ，Ii(x, y)為輸入圖像內(nèi)的第i個顏色通道，Ri( x, y)為MSR輸出，F(xiàn)( x, y)為高斯函數(shù)，Wk是和高斯函數(shù)有關(guān)的權(quán)重。

3.3.3 帶色彩恢復(fù)的多尺度Retinex(簡稱為MSRCR)

因?yàn)镸SR在增強(qiáng)的時候有可對圖像的特定區(qū)域造成顏色的失真，使圖像中物體的實(shí)際顏色減淡，故而要用MSRCR算法去彌補(bǔ)MSR的缺陷。所謂MSRCR算法是在MSR的基礎(chǔ)上結(jié)合上色彩的結(jié)果。在MSR增強(qiáng)的時候，因?yàn)閳D像局部區(qū)域的對比度增強(qiáng)，使得其顏色丟失，故而，引進(jìn)一色彩恢復(fù)因子C：，其中Ci為第i個顏色通道的色彩恢復(fù)系數(shù)，f()為顏色空間的映射函數(shù)。我們叫MSRCR為帶色彩恢復(fù)的MSR,主要就是因?yàn)樯驶謴?fù)因子C。把上面的式子進(jìn)行簡化之后，能夠得出MSRCR的式子為：

MSRCR算法因?yàn)橐M(jìn)原始圖像內(nèi)3個顏色通道的比例關(guān)系，非常好的消除了顏色失真帶來的不足，在一定程度上對原圖像的顏色予以還原。

3.4 增強(qiáng)結(jié)果顯示

圖3 局部Retinex增強(qiáng)結(jié)果

4 結(jié)語

綜上所述，Retinex的主要目的是把一個圖像分解為2個不同的圖像，其實(shí)質(zhì)是從圖像內(nèi)減除照射光的影響去得到物體的反射性質(zhì)。和其余的圖像增強(qiáng)方法比較而言，Retinex算法具備動態(tài)范圍壓縮大、色彩逼真度高等多個優(yōu)點(diǎn)，但也有個別問題，在未來的研究中仍有繼續(xù)探討研究的空間。

[1]李學(xué)明，基于Retinex理論的圖像增強(qiáng)算法，計(jì)算機(jī)應(yīng)用，2005年第2期：235-237

[2]郎銳，數(shù)字圖像處理學(xué)，北京希望電子出版社，2002年

[3]任明武，數(shù)字圖像處理（第一版），南京理工大學(xué)，2003年

[4]勒中鑫等編著，數(shù)學(xué)圖像信息處理，國防工業(yè)出版社，2004年

[5]章毓晉，圖像處理和分析，清華大學(xué)出版社，1999年

[6]賈永紅編著，計(jì)算機(jī)圖像處理與分析，武漢大學(xué)出版社，2001

湖北省教育廳科學(xué)研究計(jì)劃指導(dǎo)性項(xiàng)目（B2015108)。

孫玲姣，女，1980年出生，碩士研究生。主要從事電子與信息系統(tǒng)理論與技術(shù)的研究。