摘"要：針對(duì)傳統(tǒng)Retinex算法在處理霧化圖像時(shí)面臨的計(jì)算量大和耗時(shí)長(zhǎng)等問(wèn)題，文章提出了一種改進(jìn)的Retinex算法。首先，將傳統(tǒng)的顏色空間模型轉(zhuǎn)換為HSV顏色空間模型進(jìn)行計(jì)算。然后，在處理過(guò)程中保持色調(diào)H不變，最后，對(duì)亮度分量V進(jìn)行Retinex去霧處理，從而顯著降低圖像去霧算法的數(shù)學(xué)計(jì)算量。通過(guò)與多尺度（MSR）的Retinex算法對(duì)比，測(cè)試基于HSV改進(jìn)的算法在示例霧化圖像上的去霧性能。實(shí)驗(yàn)結(jié)果表明，相較于MSR算法，基于HSV算法在去霧效果和處理時(shí)間上均有所提升，其中局部霧化樣本與整體霧化樣本的去霧效率分別提高了158%和162%，且亮度分布較為均勻。

關(guān)鍵詞：Retinex；顏色空間轉(zhuǎn)換；圖像濾波；圖像去霧

中圖分類號(hào)：TP391.41"""""文獻(xiàn)標(biāo)識(shí)碼：A""""""文章編號(hào)：20959699（2024）03005305

圖像增強(qiáng)技術(shù)是基于圖像退化的數(shù)學(xué)模型，利用不同的數(shù)學(xué)算法去除退化圖像中的降質(zhì)部分并增強(qiáng)某些降質(zhì)像素，以使其趨近于原圖像的像素水平的技術(shù)[1]。該技術(shù)廣泛應(yīng)用于航空航天、醫(yī)學(xué)手術(shù)、事故分析、交通檢測(cè)、生產(chǎn)自動(dòng)化、指紋和人臉識(shí)別等領(lǐng)域[2]。傳統(tǒng)的中心/環(huán)繞視網(wǎng)膜大腦皮層理論（Retinex）包括單尺度（Single Scale Retinex，SSR）算法和多尺度（Multi Scale Retinex，MSR）算法[3]，SSR算法認(rèn)為像素點(diǎn)的顯示色彩是由其相鄰像素所決定，而非由自身色彩決定；MSR算法則在SSR的基礎(chǔ)上進(jìn)行擴(kuò)展，主要通過(guò)多尺度處理幅圖像，并對(duì)處理結(jié)果進(jìn)行線性加權(quán)平均 [4]。MSR算法有效解決了SSR在高保真色彩保持和圖像細(xì)節(jié)保存方面的不足，使得去霧效果更加明顯。但是，由于多尺度的像素值加權(quán)，導(dǎo)致MSR算法需要更長(zhǎng)的計(jì)算時(shí)長(zhǎng)。

為了提高Retinex算法的去霧效果，眾多研究者進(jìn)行了多方面改進(jìn)。趙愛(ài)玲等[5]提出了一種基于中心包裹方法的同態(tài)濾波Retinex算法，針對(duì)模糊的x射線電池影像，調(diào)整照射分量與反射分量的比例以增強(qiáng)圖像細(xì)節(jié)。孫浩翔等[6]基于神經(jīng)網(wǎng)絡(luò)模型提取尺度特征，構(gòu)建了多尺度Retinexnet增強(qiáng)網(wǎng)絡(luò)，以降低圖像噪聲。秦琛等[7]通過(guò)直方圖均衡方法改進(jìn)Retinex算法，顯著改善平滑處理后圖像的全局噪聲。而張影等[8]通過(guò)YIQ色彩模型對(duì)Retinex算法進(jìn)行了改進(jìn)，利用小波域提高圖像的色彩飽和度和去噪效果。然而，傳統(tǒng)Retinex算法在RGB顏色模型卷積運(yùn)算時(shí)，計(jì)算量和資源消耗均較大， RGB三個(gè)通道在處理過(guò)程中可能產(chǎn)生變化，效率不高。

鑒于此，文章將Retinex算法作為研究重點(diǎn)，提出基于HSV改進(jìn)算法的去霧方法，并與現(xiàn)有MSR算法的去霧化效果進(jìn)行比較，以得出HSV改進(jìn)算法在去霧性能上的優(yōu)勢(shì)。

1"Retinex算法概述

1.1"傳統(tǒng)Retinex基本原理

在傳統(tǒng)Retinex模型中，圖像的形成是由外界的照明入射分量與反射分量共同決定的，其數(shù)學(xué)表達(dá)式如下[9]：

I（x，y）=S（x，y）×R（x，y）（1）

其中，坐標(biāo)（x，y）表示圖像像素；I（x，y）為視覺(jué)系統(tǒng)接收到的圖像的信息，即像素值；R（x，y）為反射圖像分量；S（x，y）為相應(yīng)位置的光照強(qiáng)度。因此，傳統(tǒng)Retinex理論是指排除光照強(qiáng)度對(duì)圖像的影響，從而獲得反射分量，以去除霧化因素，揭示物體的本來(lái)面貌，詳細(xì)的運(yùn)算關(guān)系如圖1所示。

1.2"基于HSV改進(jìn)的Retinex算法

在傳統(tǒng)Retinex算法中，RGB顏色模型的卷積運(yùn)算計(jì)算量大且資源消耗高。HSV顏色空間通過(guò)非線性變換實(shí)現(xiàn)，其中H代表色調(diào)，S代表飽和度，V代表亮度。HSV顏色空間模型呈錐形，如圖2所示。

設(shè)（R，G，B）分別表示紅色、綠色、藍(lán)色像素點(diǎn)的坐標(biāo)，max為R、G、B的最大值，min為R、G、B最小值，（H，S，V）分別表示像素點(diǎn)的色調(diào)、飽和度和亮度[7]，顏色轉(zhuǎn)換可以由下式表示[10]：

H=0""""""""，"max=min16×G－Bmax－min+0，"max=RandGB16×G－Bmax－min+1，"max=RandGlt;B16×B－Rmax－min+13，max=G16×R－Gmax－min+23，max=B（2）

S=0""""""""""，max=minmax－minmax+min=max－min2V，0lt;Vlt;12max－min2－（max+min）=max－min2－2V，Vgt;12（3）

（R，G，B）=（V，t，p），""hi=0（q，V，p）， "hi=1（p，V，t）， "hi=2（p，q，V）， "hi=3（t，p，V）， "hi=4（V，p，q）， "hi=5（4）

其中，V=12（max－min），hi=6×Hmod6，f=6×H－h(huán)，t=V×［1－（1－f）×S］，p=V×（1－S），q=V（1－f×S）；t為常數(shù)；hi為尺度權(quán)值；f為H分量的偏移量；p為S分量的角度偏移量；q為V分量的偏移量。

通過(guò)mapminmax函數(shù)對(duì)H通道和S通道的像素進(jìn)行歸一化處理，利用引導(dǎo)濾波對(duì)圖像邊緣進(jìn)行平滑處理，然后與原始圖層合并以獲得去霧圖像，計(jì)算公式如下：

Sd（x，y）=R（x，y）+α×q（x，y）（5）

其中，Sd（x，y）為合并圖像；R（x，y）為原始圖層；q（x，y）為平滑處理后的圖像；α為權(quán)重參數(shù)。

1.3"圖像去霧客觀評(píng)價(jià)指標(biāo)

除了根據(jù)主觀感受對(duì)圖像去霧效果進(jìn)行比較外，通常采用信息熵均值（Information Entropy，IE）、平均絕對(duì)誤差（Mean Square Error，MEA）、峰值信噪比（Peak Signaltonoise Ratio，PSNR）以及對(duì)比度（Contrast，CON）來(lái)評(píng)估處理效果。IE值越大，表示圖像的細(xì)節(jié)信息越豐富；MEA值越大，表示圖像的亮度越亮，MEA值越小，就表示圖像的亮度越暗，過(guò)暗或過(guò)亮的處理都會(huì)導(dǎo)致細(xì)節(jié)模糊不清。PSNR值越大，表明圖像對(duì)比度越高，圖像的黑白漸變層次就越多，能夠體現(xiàn)的細(xì)節(jié)更加真實(shí)[11]。其計(jì)算過(guò)程如下：

IE=∑255m=0pmln（pm）（6）

MEA=1mn∑mi=0∑nj=0f（i，j）－y（i，j）（7）

PSNR=10×lgmax2MSE（8）

MSE=1mn∑mi=0∑nj=0（f（i，j）－f（i，j））2（9）

CON=∑r（i，j）2×p（i，j）（10）

其中，pm表示灰度值為m的像素出現(xiàn)的概率；MSE為均方誤差，f（x，y）為原始圖像；y（x，y）為增強(qiáng)圖像；m，n為圖像的長(zhǎng)度和寬度；max為最大值。r為相鄰像素點(diǎn)之間的亮度差，p為相鄰像素亮度差為r的像素點(diǎn)分布概率。

2"實(shí)驗(yàn)設(shè)計(jì)

2.1"實(shí)驗(yàn)環(huán)境

為驗(yàn)證基于HSV改進(jìn)算法的有效性，本實(shí)驗(yàn)在以下配置的計(jì)算環(huán)境中進(jìn)行：Intel（R）Core（TM）i511400（主頻2.6 GHz，最高睿頻4.4 GHz）、內(nèi)存為32 GB（DDR4）、顯卡為RX6600、操作系統(tǒng)為Windows11，使用MATLAB R2022a編程。實(shí)驗(yàn)中分別對(duì)圖像a（1033像素×900像素）和圖像b（879像素×858像素）進(jìn)行MSR算法及HSV改進(jìn)算法的去霧效果實(shí)驗(yàn)。實(shí)驗(yàn)參數(shù)設(shè)置為：尺度參數(shù)σ為3，MSR算法高斯函數(shù)個(gè)數(shù)為3且權(quán)重均為1/3；HSV改進(jìn)算法的權(quán)重α為4。

2.2"實(shí)驗(yàn)過(guò)程

實(shí)驗(yàn)過(guò)程如圖3所示。首先，對(duì)待處理的霧化圖像進(jìn)行預(yù)處理，以獲得具體的去霧化分塊；若圖像為RGB顏色模型構(gòu)成，則依據(jù)文中的轉(zhuǎn)換公式將其轉(zhuǎn)換為HSV顏色空間模型；接著，從HSV圖像中提取亮度分量V，并對(duì)V進(jìn)行Retinex處理，同時(shí)保持色調(diào)H不變；根據(jù)處理后的分量V，自適應(yīng)調(diào)整飽和度S，以防止圖像過(guò)度失真；最后，將處理后的圖像轉(zhuǎn)換回RGB色彩空間，以獲得清晰的圖像。

3"結(jié)果與討論

3.1"局部與整體去霧化差異分析

由圖4可知，（a）局部霧化示例中，基于RGB模型的MSR算法在色彩對(duì)比度處理上比較明顯，圖像整體呈現(xiàn)出鮮亮的色彩。然而，去除霧化的同時(shí)，非霧化區(qū)域出現(xiàn)了過(guò)度曝光現(xiàn)象，導(dǎo)致部分區(qū)域圖像失真嚴(yán)重。（a）圖中樹木的顏色過(guò)度曝光，色彩的對(duì)比度增大，但霧化區(qū)域基本上能夠清晰化，處理的天空整體上偏暗，遠(yuǎn)處山體區(qū)域的樹木基本上能夠通過(guò)人眼看清楚；與之相比，HSV改進(jìn)的Retinex算法在處理后圖像中的曝光程度明顯降低，整體清晰度得到提升，色彩對(duì)比度控制在合理范圍之內(nèi)，信息保留更為完整。此時(shí)，近景處樹木的色彩相較于MSR算法表現(xiàn)得更加自然，遠(yuǎn)處樹木也保持了很好的清晰度，真實(shí)感更佳。

圖4中的（b）整體霧化示例中，兩種算法都達(dá)到了去霧的目的，MSR算法仍表現(xiàn)出較低的保真度，圖像與真實(shí)畫面色彩差異較大。相比之下，HSV改進(jìn)算法處理的霧化圖像顯得更加自然，保真度更高，處理效果與主觀視覺(jué)體驗(yàn)更加一致。

3.2"局部與整體去霧參數(shù)優(yōu)化分析

為了實(shí)現(xiàn)圖像處理效果最大化，以信息熵、對(duì)比度、平均絕對(duì)誤差和峰值信噪比為指標(biāo)，對(duì)權(quán)重α參數(shù)進(jìn)行了優(yōu)化調(diào)節(jié)，結(jié)果如圖5所示。

由圖5可知，隨著權(quán)重值的增加，信息熵逐漸增大，而對(duì)比度與峰值信噪比則呈逐漸下降的趨勢(shì)，平均絕對(duì)誤差則先減小后增大。平均絕對(duì)誤差反映去霧圖像與原始圖像之間的像素點(diǎn)誤差，最能體現(xiàn)去霧效果。當(dāng)權(quán)重設(shè)定為4時(shí)，圖像a和圖像b的平均絕對(duì)誤差最低，分別為0.971和1.276，且信息熵、對(duì)比度與峰值信噪比的值均較好，因此后續(xù)將最佳權(quán)重參數(shù)設(shè)置為4。

3.3"去霧結(jié)果對(duì)比

為驗(yàn)證改進(jìn)算法的去霧效果，選用DHAZY數(shù)據(jù)集作為研究對(duì)象，分別選取150幅局部霧化圖像與整體霧化圖像，對(duì)比MSR算法和HSV改進(jìn)算法在處理局部霧化圖像及整體霧化圖像時(shí)的去霧質(zhì)量，結(jié)果包括信息熵、對(duì)比度、平均絕對(duì)誤差以及峰值信噪比，結(jié)果以平均值呈現(xiàn)，如表1所示。

由表1可知，當(dāng)原始圖像動(dòng)態(tài)范圍較為均勻時(shí)，信息熵值較大；當(dāng)亮度值較低時(shí)，信息熵較小。處理過(guò)程中，部分像素的亮度值很高，導(dǎo)致其鄰域像素的亮度分布變得不均勻。通過(guò)對(duì)比傳統(tǒng)算法與改進(jìn)算法的數(shù)據(jù)，可以發(fā)現(xiàn)改進(jìn)算法具有更高的熵值，說(shuō)明其信息含量更加豐富，處理后的圖像質(zhì)量更高，因此具備良好的去霧化效果。從對(duì)比度數(shù)據(jù)來(lái)看，圖像對(duì)比度與亮度相關(guān)，但不完全相關(guān)。傳統(tǒng)圖像的對(duì)比度較高，而處理后的圖像則呈現(xiàn)出更加均勻的亮度分布，導(dǎo)致對(duì)比度有所下降；但改進(jìn)算法的處理結(jié)果在數(shù)據(jù)表現(xiàn)上有所提升，其去霧效果在主觀視覺(jué)上也被接受。

平均絕對(duì)誤差（MEA）主要反映圖像的亮度信息。在通過(guò)傳統(tǒng)算法與改進(jìn)算法進(jìn)行的實(shí)驗(yàn)數(shù)據(jù)對(duì)比中，在亮度保持一定的情況下，改進(jìn)算法的去霧效果表現(xiàn)更為明顯。圖像峰值信噪比數(shù)據(jù)表明，HSV改進(jìn)算法的峰值信噪比顯著高于MSR算法，兩者均達(dá)到60～90 dB，去霧后圖像的清晰度明顯提高，細(xì)節(jié)更加突出，色彩失真現(xiàn)象得到顯著改善，而HSV改進(jìn)算法處理的圖像更為自然且真實(shí)。

3.4"去霧處理時(shí)間

研究算法時(shí)，除了考慮處理圖像信息的完整度和清晰度外，處理時(shí)間也是評(píng)價(jià)算法優(yōu)劣的重要指標(biāo)。一個(gè)優(yōu)秀的算法應(yīng)在保證圖像質(zhì)量的同時(shí)，兼顧處理時(shí)間，以達(dá)成更優(yōu)效果。為分析改進(jìn)算法的去霧處理時(shí)間，對(duì)局部霧化與整體霧化圖像進(jìn)行了處理，結(jié)果以平均值表示，見表2。

從表2可知，局部霧化圖像的平均處理時(shí)間明顯小于整體霧化圖像，主要是由于局部圖像的去霧信息較少。相比于MSR算法，HSV改進(jìn)算法在保持去霧化效果的同時(shí)，大大縮短了處理時(shí)間，局部和整體霧化樣本的平均處理時(shí)間分別為12 s與16 s，去霧效率提高了158%和162%。因此，HSV改進(jìn)算法在處理效率上有顯著提升。

4"結(jié)語(yǔ)

基于傳統(tǒng)Retinex算法的基本原理，文章提出的改進(jìn)算法利用顏色空間模型顯著增強(qiáng)了霧化圖像的質(zhì)量，使得圖像色彩得以更好恢復(fù)，達(dá)到了清晰化的目的。相較于傳統(tǒng)算法，采用HSV改進(jìn)的Retinex算法不僅在圖像去霧效果上表現(xiàn)更佳，同時(shí)處理效率也得到了顯著提升。

參考文獻(xiàn)：

[1]慕德旭，楊蕾，吳志強(qiáng).基于改進(jìn)多尺度Retinex圖像增強(qiáng)和支持向量機(jī)的蘋果表面缺陷檢測(cè)[J].食品安全質(zhì)量檢測(cè)學(xué)報(bào)，2023，14（20）：183191.

[2]楊建勇，劉倩.基于圖像增強(qiáng)技術(shù)的道路去霧系統(tǒng)研究[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2023（08）：4547.

[3]陳清江，顧媛.基于多尺度深度可分離卷積的低照度圖像增強(qiáng)算法[J].計(jì)算機(jī)工程與科學(xué)，2023，45（10）：18301837.

[4]郝駿宇，楊鴻波，侯霞，等.基于多尺度塊級(jí)聯(lián)的水下圖像增強(qiáng)算法[J].液晶與顯示，2023，38（09）：12721280.

[5]趙愛(ài)玲，張鵬程，劉祎.基于Retinex和同態(tài)濾波的X射線電池圖像增強(qiáng)算法[J].測(cè)試技術(shù)學(xué)報(bào)，2021，35（02）：128133.

[6]孫浩翔，翟江濤，萬(wàn)東東，等.基于尺度特征提取的Retinexnet增強(qiáng)網(wǎng)絡(luò)[J].國(guó)外電子測(cè)量技術(shù)，2023，42（09）：7483.

[7]秦琛，孫晨.基于改進(jìn)Retinex算法的航拍圖像質(zhì)量增強(qiáng)仿真[J].計(jì)算機(jī)仿真，2023，40（08）：235239.

[8]張影，周先春，萬(wàn)東東，等.基于YIQRetinex的自適應(yīng)圖像增強(qiáng)算法[J].國(guó)外電子測(cè)量技術(shù)，2023，42（07）：17.

[9]張曉東，秦娟娟，賈仲仲.多尺度Retinex在圖像去霧算法中的應(yīng)用研究[J].西昌學(xué)院學(xué)報(bào)（自然科學(xué)版），2021， 35（03）：6065.

[10]唐超.HSV空間的多尺度Retinex低照?qǐng)D像增強(qiáng)[J].實(shí)驗(yàn)室研究與探索，2022，41（05）：5459.

[11]張凱麗，王安志，熊婭維，等.基于Transformer的單幅圖像去霧算法綜述[J/OL].計(jì)算機(jī)科學(xué)與探索，119[20240112].http：//kns.cnki.net/kcms/detail/11.5602.TP.20231102.0938.002.html.

責(zé)任編輯：肖祖銘

Research on Image Dehazing Based on Improved HSV Retinex Algorithm

MA Xiaofei

（Teaching and Development Center， Fuzhou University of International Studies and Trade， Fuzhou 350202， China）

Abstract：An improved Retinex algorithm is proposed to address the issues of computationintensive and timeconsumption in traditional Retinex algorithms for atomized images. Firstly， the traditional color space model is converted into the HSV color space model for calculation; Then， the color tone H is kept unchanged during the processing; and finally， the brightness component V is subjected to Retinex dehazing processing， significantly reducing the mathematical computation of the image dehazing algorithm. The dehazing performance of the improved algorithm based on HSV is test on example hazy images， compared to the MSR algorithm. The results show that the improved HSV algorithm exhibits better dehazing effect， shorter processing time， with dehazing efficiencies for local and overall hazy samples improving by 158% and 162%， respectively， as well as relatively uniform brightness distribution.

Keywords： Retinex; color space conversion; image filtering; Image dehazing