郝凡凡 吳粉俠

摘 要：基于原始提升小波和直方圖均衡化算法的不足，文章提出了一種基于提升小波的多尺度（MSR）Retinex與直方圖均衡化融合的真彩色圖像增強(qiáng)算法。該算法將HSV空間下的亮度V分量運(yùn)用MSR Retinex不同參數(shù)所得到的圖像提升小波變換，并對(duì)低頻與高頻進(jìn)行最大值處理，利用提升小波逆變換重構(gòu)得到新的圖像RGB1，并對(duì)原始的HSV顏色模型中的亮度分量V進(jìn)行自適應(yīng)直方圖均衡化處理得到新的圖像RGB2，將RGB1與RGB2圖像進(jìn)行融合得到增強(qiáng)后的彩色圖像。

關(guān)鍵詞：提升小波；直方圖均衡化；MSR Retinex

圖像增強(qiáng)是對(duì)圖像進(jìn)行分析的預(yù)處理過程，圖像增強(qiáng)通過對(duì)圖像在空域或頻域進(jìn)行特定算法處理，以改善圖像的視覺效果或者增強(qiáng)圖像的某些特定信息，來滿足人眼視覺或者機(jī)器視覺的要求。

由Sweldens提出的基于提升方案的小波變換，提升小波變換只在時(shí)域內(nèi)進(jìn)行，具有速度快、節(jié)約存儲(chǔ)空間等特點(diǎn)，被稱為第二代小波[1-2]，提升小波用一種簡單的方法去解釋小波變換理論。文獻(xiàn)[3-4]提出了在R，G，B 3個(gè)基色分量分別利用直方圖均衡化的局部增強(qiáng)方法，雖然原始圖像整體變亮，但是圖像的色彩與原圖差別很大。文獻(xiàn)[5-6]提出了用提升小波變換分解并分別求出高低頻的最大值的方法來使圖像的亮度增強(qiáng)，雖然此類算法實(shí)現(xiàn)簡單，運(yùn)行速度快，但由于沒有考慮圖像的全局信息，適用范圍較窄，對(duì)光照不均勻或?qū)Ρ榷茸儞Q大的圖像往往不能得到好的效果。

本文提出了一種基于提升小波和直方圖均衡化的MSR Retinex彩色圖像增強(qiáng)方法。該算法將彩色圖像的V分量進(jìn)行不同參數(shù)的Retinex變換，將變換的結(jié)果利用提升小波進(jìn)行分解并融合，進(jìn)而得到重構(gòu)后的彩色圖像；再利用自適應(yīng)直方圖均衡化對(duì)V分量進(jìn)行增強(qiáng)，最后將得到的兩幅新的增強(qiáng)后的彩色圖像進(jìn)行再次融合得到增強(qiáng)后的最終圖像，此方法能較好地消除光照不均勻的現(xiàn)象。

1 基于提升小波的單尺度（SSR）Retinex算法

Retinex理論的核心思想是將圖像S看作是光照?qǐng)D像反射率圖像的乘積，即：

（1）

其中：L表示光照?qǐng)D像，R表示反射圖像。采用此理論作為圖像增強(qiáng)的目的是從原始圖像中估計(jì)估測照度L，從圖像S中估測L分量，并去除L分量，得到原始反射分量R。

設(shè)S=logS，L=logL，R=logR，從而可以得到式（2）：

log（S）=log（RL）=logR+logL （2）

s=r+l （3）

如果有l(wèi)=f（s），則式（3）可以繼續(xù)表示為：

r=s-f（s） （4）

2 基于MSR Retinex下的非抽樣小波變換的彩色圖像增強(qiáng)

2.1 亮度V分量的增強(qiáng)處理

首先，把原始圖像的RGB空間轉(zhuǎn)換到HSV空間并將亮度V分量進(jìn)行MSR Retinex不同參數(shù)的結(jié)果圖像與利用直方圖均衡化后的結(jié)果圖像融合，不同參數(shù)得到的結(jié)果圖像利用提升小波將其分解成不同尺度、不同分辨率的高低頻分量，采取求最大值的方法處理高低頻分量，利用提升小波的逆變換進(jìn)行重構(gòu)，并且與進(jìn)行直方圖均衡化的原始圖像亮度V的分量進(jìn)行融合，轉(zhuǎn)換成原始的RGB真彩色圖像。

本文由于要處理的圖像光照不均，圖像有的區(qū)域處于正常的照亮范圍，有的區(qū)域處于低照度的區(qū)域，明亮區(qū)域變換域系數(shù)值較大，而暗區(qū)變換域里系數(shù)值較小。為了能夠?qū)Φ驼斩鹊膮^(qū)域進(jìn)行增強(qiáng)處理，也就是對(duì)低照度系數(shù)進(jìn)行放大，所以，本文在3個(gè)分量中的高低頻取其中的最大值，這樣既克服了其變換系數(shù)出現(xiàn)不連續(xù)的塊效應(yīng)，也完成了對(duì)彩色圖像的增強(qiáng)效果。

2.2 算法流程

本文所提出的基于提升小波的單尺度（SSR）Retinex與直方圖均衡化融合的真彩色圖像增強(qiáng)算法的具體步驟如下：

Step1：將彩色圖像由RGB空間轉(zhuǎn)換到HSV空間。

Step2：對(duì)亮度分量V按3個(gè)不同參數(shù)進(jìn)行Retinex變換，分別得到V1，V2和V3分量。

Step3：對(duì)V1，V2和V3分量進(jìn)行融合，得到處理后的Vnew分量；融合時(shí)采用提升小波變換，即將V1，V2和V3進(jìn)行小波變換，將得到的低頻分量和高頻分量取最大值。

Step4：將處理后的Vnew做HSV空間到RGB空間的逆變換，得到RGB1。

Step5：將亮度分量V做直方圖均衡化，變換后的分量與H和S分量逆變換，得到RGB2。

Step6：將RGB1和RGB2再進(jìn)行融合，得到最終的增強(qiáng)后的圖像。

3 實(shí)驗(yàn)分析

本文的實(shí)驗(yàn)環(huán)境為Matlab2013R，選取一組對(duì)比度低、亮度不均、細(xì)節(jié)不明顯的真彩色圖像。為了驗(yàn)證本方提出算法的有效性，實(shí)驗(yàn)中用到的對(duì)比方法有非下采樣MSR圖像增強(qiáng)算法的原始提升小波圖像增強(qiáng)算法。實(shí)驗(yàn)結(jié)果從主觀視覺和客觀評(píng)價(jià)指標(biāo)上分別進(jìn)行了說明，其中客觀評(píng)價(jià)指標(biāo)包括峰值信噪比（Peak Signal to Noise Ratio，PSNR）、均方根誤差（Mean Squared Error，MSE）、結(jié)構(gòu)相似度（Structural Similarity Index，SSIM）、高頻含量、差分因子以及飽和度。均方根誤差可以評(píng)價(jià)數(shù)據(jù)的變化程度，MSE的值越小，說明預(yù)測模型描述實(shí)驗(yàn)數(shù)據(jù)的精確度越好；峰值信噪比通常用來評(píng)價(jià)一幅結(jié)果圖像與原始圖像相比質(zhì)量的好壞；SSIM是一種衡量兩幅圖像結(jié)構(gòu)相似度的指標(biāo)；高頻含量、差分因子和飽和度代表圖像色彩對(duì)比度的多少，其值越大，說明圖像的信息量越多、圖像越明亮清晰、對(duì)比度越高。

圖1—3分別為3幅不同彩色圖像的增強(qiáng)效果圖，其中圖1—3中的（a）表示待增強(qiáng)圖像，（b）表示非下采樣MSR圖像增強(qiáng)的結(jié)果，（c）表示原始提升小波圖像增強(qiáng)的結(jié)果，（d）表示本文方法的增強(qiáng)結(jié)果。表1—3分別表示圖1—3的數(shù)值指標(biāo)，其中表1為圖1的數(shù)值指標(biāo)，表2為圖2的數(shù)值指標(biāo)，表3為圖3的數(shù)值指標(biāo)。通過對(duì)圖1—3的視覺效果比較，可以看出非下采樣MSR圖像增強(qiáng)算法使圖像亮度增強(qiáng)，降噪效果明顯，但圖像對(duì)比度不高，亮度的視覺效果不夠理想。原始提升小波圖像增強(qiáng)算法使圖像對(duì)比度增強(qiáng)，但亮度的視覺效果不夠理想；而本文所提出的算法能夠在增加圖像亮度和對(duì)比度的同時(shí)，保持原圖較暗區(qū)域的信息，而且增強(qiáng)后的圖像更細(xì)膩、真實(shí)。從表1—3中的數(shù)值分析可以看出，本文算法在峰值信噪比和SSIM指標(biāo)上略差，其余參數(shù)均優(yōu)于對(duì)比算法，說明本文算法處理的圖像信息含量多、對(duì)比度大、圖像清晰明亮。綜上所述，使用本文算法進(jìn)行圖像增強(qiáng)后所得到的結(jié)果圖像具有良好的視覺效果，能有效增強(qiáng)圖像的細(xì)節(jié)部分。

2

4 結(jié)語

針對(duì)圖像亮度不均勻，本文提出了基于提升小波與自適應(yīng)直方圖均衡化相結(jié)合的圖像增強(qiáng)算法，利用提升小波變換得到圖像的高頻與低頻系數(shù)并進(jìn)行分別處理得到新的圖像RGB1，再對(duì)HSV顏色空間的亮度分量即V分量進(jìn)行自適應(yīng)直方圖均衡化處理得到新的圖像RGB2，最后將RGB1與RGB2相融合得到增強(qiáng)后的圖像。實(shí)驗(yàn)結(jié)果表明，本文圖像增強(qiáng)方法能夠顯著增強(qiáng)圖像的亮度，使得圖像更加清晰，與其對(duì)比算法進(jìn)行比較，本文方法增強(qiáng)圖像所得到的結(jié)果更優(yōu)。

[參考文獻(xiàn)]

[1]United Nations General Assembly.Prevention and controlof noncommunicable diseases[R].New York：United Nations，2011.

[2]崔娟，毛凡，王志會(huì).中國老年居民多種慢性病共存狀況分析[J].中國公共衛(wèi)生，2016（1）：66-69.

[3]焦玉生，王瑞芬.中醫(yī)治療在糖尿病康復(fù)中的臨床應(yīng)用[J].大家健康（學(xué)術(shù)版），2013（23）：212-213.

[4]鄭海嬌，鄭海珊.糖尿病患者康復(fù)治療的效果分析[J].雙足與保健，2018（3）：114，116.

[5]金振亮.不同運(yùn)動(dòng)方式對(duì)2型糖尿病康復(fù)的影響[J].雙足與保健，2018（9）：93-94.

[6]徐妙娣，袁菊明.中醫(yī)護(hù)理及康復(fù)指導(dǎo)在治療糖尿病中的應(yīng)用效果觀察[J].遼寧中醫(yī)雜志，2015（6）：1335-1336.

[7]樸利文，劉德建，許宏大.糖尿病多發(fā)性神經(jīng)病變的中醫(yī)綜合康復(fù)治療[J].中國康復(fù)理論與實(shí)踐，2004（5）：58-59.

[8]CHEN XIN，SUN R，YU J.Approximating the double-cut-and-join distance between unsigned genomes[J].BMC Bioinformatics，2011（9）：1-8.

[9]梁小華.高血壓社區(qū)健康管理衛(wèi)生經(jīng)濟(jì)學(xué)評(píng)價(jià)及糖尿病手機(jī)管理效果評(píng)價(jià)研究[D].北京：北京協(xié)和醫(yī)學(xué)院，2011.

[10]石文惠，張紅艷，譚楓.糖尿病移動(dòng)醫(yī)療App有效性評(píng)估研究[J].中國數(shù)字醫(yī)學(xué)，2016（4）：29-31.