林東升

摘要：采集到的圖像會因為大霧或霧霾的影響而出現(xiàn)清晰度低、對比度差、色彩失真等問題，必須進行去霧處理，基于顏色恒常理論的Retinex算法被證實是一種有效的圖像增強方法，可以被用于去霧，分別對SSR、MSR、 MSRCR三種Retinex算法進行了剖析和比較，并將其應用于圖像去霧，以圖像質量的改善和執(zhí)行時間為評價指標對去霧效果進行了詳細分析，為實際應用提供選擇依據(jù)。

關鍵詞：Retinex;圖像去霧;圖像增強;圖像質量

中圖分類號： TP181? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2020）32-0197-02

1 引言

隨著智慧交通、智慧城市等系統(tǒng)的廣泛應用，圖像成為信息獲取最重要的載體。但是，在大霧或霧霾等天氣下，采集到的圖像質量受到嚴重影響，模糊不清，細節(jié)丟失，甚至無法從中提取有效信息，如電子警察拍攝的圖像可能因為大霧的影響無法為交通事故責任的劃分提供佐證，需要在圖像處理技術上取得突破。目前，針對圖像去霧的研究越來越多，基于圖像增強的Retinex方法由于實驗環(huán)境簡單[1]等特點，受到廣泛關注。

Retinex是Land等人提出的一種顏色恒常知覺的計算理論，該理論認為，物體的顏色是由物體對長波、中波和短波光線的反射能力決定的，而不是由反射光強度的絕對值決定的，物體的色彩不受光照非均性的影響，具有一致性[2-3]。Retinex理論被提出以來，掀起了研究熱潮，理論得以不斷豐富，并在圖像增強等實際應用中得到進一步發(fā)展，但是理論基礎還是集中在三個基本方面，即基于中心環(huán)繞的單尺度Retinex算法（single scale retinex， SSR）、基于多尺度加權平均的Retinex算法（multi-scale retinex， MSR）和帶彩色恢復的多尺度Retinex算法（multi-scale retinex with color restoration， MSRCR）[4]，這三種基礎算法用于圖像去霧，會在圖像質量改善和算法執(zhí)行時間等方面呈現(xiàn)出不同的結果，在實際應用中，應用者可以基于執(zhí)行環(huán)境、質量需求等方面進行合理選擇。

2 單尺度Retinex算法

Retinex理論的基本思想是圖像 [I（x，y）]是由入射光分量[L（x，y）] 即光照圖像和反射光分量[R（x，y）] 組成[5]，即：

基于中心環(huán)繞的單尺度Retinex（SSR）算法將原圖像的R、G、B三個通道分別與中心環(huán)繞函數(shù)進行卷積運算，卷積后的圖像可以認為是對原圖像光照分量的估計[6]，式（3）可以轉換為：

式（4）中*代表卷積操作，i是R、G、B三個顏色通道值，G代表高斯環(huán)繞函數(shù)，G的數(shù)學表達式如下：

式（5）中[σ]為高斯標準差，在單尺度Retinex方法中被稱為尺度參數(shù)。

3 多尺度Retinex算法

從式（5）可以看出，對于單尺度Retinex算法來說，尺度參數(shù)[σ]是唯一可調節(jié)的。[σ]取較小值時，邊緣信息保持較好，但色彩難以保持，可能出現(xiàn)顏色失真，[σ]取較大值時，色彩恢復較好，但是邊緣信息丟失較多。所以，要在細節(jié)保持和色彩保真兩方面獲得一個比較完美的平衡，Jobson等人在SSR的基礎上提出了多尺度Retinex（MSR）算法，MSR算法實質是對SSR算法加權平均[7]，簡單地說，相對于做了多次SSR，表達式如下：

[ck]為第k個尺度上的高斯標準差，或者被稱為尺度參數(shù)。

4 帶彩色恢復的多尺度Retinex算法

SSR和MSR算法都是基于RGB顏色空間的，R、G、B三個通道有很強的耦合性，經(jīng)過高斯卷積操作后無法保證各個通道之間像素點的比值與原始圖像一致，也就是說在理想情況下，應該滿足以下條件：

然而，這種比例很難保證，最終可能導致色彩溢出和失真的問題，Jobson等人基于MSR算法提出了一種帶彩色恢復的多尺度Retinex算法[8]，引入了恢復因子，表達式如下：

5 實驗結果與分析

選擇2幅不同的大霧/霧霾圖像，分別應用SSR、MSR和MSRCR算法進行去霧處理，主觀評價去霧后圖像的質量和記錄算法執(zhí)行時間，依此對3種算法進行分析和評價。在SSR算法中，[σ]取值80，而MSR、MSRCR算法中采用了3個尺度，[σ]分別取值15、80、250，各個尺度的權重[ω]均等于1/3，MSRCR算法中[α]、[β]取值分別為5.5、2.5，實驗結果和具體分析如下。

1）第1幅圖像是523*599的真彩色圖像，如圖1所示。應用SSR進行去霧處理，效果如圖2所示，可以看出有明顯的去霧效果，近處的房屋、田地等都恢復了本來面目，但此時，圖像還比較模糊，亮度較高，細則不明顯。MSR綜合不同大小的3種尺度，平衡了圖像細則保持與色彩保真，主觀判斷達到的去霧效果優(yōu)于SSR算法，如圖3所示。圖4是應用MSRCR去霧后的效果，對比圖3，圖像的清晰度較大提高，色彩保持更好，近處土壤和植被的顏色等更加自然了，主觀判斷效果最優(yōu)。

2）第2幅圖像是358*500的真彩色圖像，原圖像如圖5所示，分別應用SSR、MSR、MSRCR算法進行去霧處理后得到如圖6、圖7、圖8所示效果，不難發(fā)現(xiàn)MSR算法相對于SSR算法有較明顯的優(yōu)勢，而MSRCR算法色彩保持最好，去霧后的圖像最清晰。綜合兩幅圖的去霧效果，基于主觀視覺評價，可以得出MSRCR算法去霧效果最佳、MSR算法去霧效果次之、SSR算法去霧效果最差的結論。

3）圖像1、圖像2分別應用SSR、MSR、MSRCR算法去霧的時間開銷如表1所示，三種算法基于同樣的運行環(huán)境，具備可比性，SSR算法執(zhí)行時間最短，MSRCR算法執(zhí)行時間最長，所以，如果對處理時間有一定的需求，而質量方面要求較低的情況下，可以選擇應用SSR算法。

參考文獻：

[1] 王建國，李永全.一種基于Retinex理論的改進圖像去霧算法[J].電腦知識與技術，2019，15（26）：200-201，203.

[2] Land E H，McCann J J.Lightness and retinex theory[J].Journal of the Optical Society of America，1971，61（1）：1.

[3] Land E H.The retinex theory of color vision[J].Scientific American，1977，237（6）：108-128.

[4] 謝娜.基于圖像增強的圖像去霧算法研究[J].機械設計與制造工程，2017，46（12）：31-33.

[5] Xu K Q，Jung C.Retinex-based perceptual contrast enhancement in images using luminance adaptation[C]//2017 IEEE International Conference on Acoustics，Speech and Signal Processing （ICASSP）.March 5-9，2017，New Orleans，LA，USA.IEEE，2017：1363-1367.

[6] Jobson D J，Rahman Z，Woodell G A.Properties and performance of a center/surround retinex[J].IEEE Transactions on Image Processing，1997，6（3）：451-462.

[7] Jobson D J，Rahman Z，Woodell G A.A multiscale retinex for bridging the gap between color images and the human observation of scenes[J].IEEE Transactions on Image Processing，1997，6（7）：965-976.

[8] Rahman Z U，Jobson D J，Woodell G A.Retinex processing for automatic image enhancement[C]//2004：100-110.

【通聯(lián)編輯：唐一東】