基于Retinex原理的圖像增強算法

劉釘

摘要：通常Retinex算法直接對彩色通道處理，容易造成色彩失真，同時對數(shù)變換壓縮了高亮區(qū)域的動態(tài)范圍，而本文直接對灰度圖處理，避免色彩損失；將灰度圖反轉(zhuǎn)圖進行Retinex處理，并于灰度圖處理結(jié)果融合，最后再進行Gammar矯正進一步擴展高光區(qū)域細節(jié)。

關(guān)鍵詞：Retinex；灰度反轉(zhuǎn)圖；融合

中圖分類號：TP18 文獻標(biāo)識碼：A 文章編號：1009-3044（2018）11-0185-02

1 引言

圖像增強技術(shù)在社會的各個方面存在著廣泛應(yīng)用，比如醫(yī)學(xué)診斷、工業(yè)化檢測、航空航天等領(lǐng)域。近些年圖像質(zhì)量的要求越來越高使得圖像增強技術(shù)成為研究的熱點。Retinex算法[1]是圖像增強技術(shù)的一種，起初Retinex算法并未引起研究者的關(guān)注，但是隨著NASA在航空航天上的應(yīng)用才使得研究者們逐漸意識到Retinex的魅力所在，基于Retinex的算法大致可分為：基于路徑的Retinex算法[2]和基于中心/環(huán)繞的Retinex算法[3，4，5]。這些算法都是對入射圖像的估算，只是所用的方法不同。

2 Retinex算法原理

Retinex理論[1]的基本思想是人感知到的顏色和亮度并不取決于進入人眼的絕對亮度，而和場景的相對亮度關(guān)系分為緊密。其基本內(nèi)容是物體的顏色是由物體對光線的反射能力決定的；物體的色彩不受光照非均勻性的影響（顏色恒常性）。

圖像[S（x，y）]來自于兩部分：入射圖像（亮度圖像）L和反射圖像R。Retinex理論的基本假設(shè)是：

[ Sx，y=Lx，y×Rx，y （1）]

入射圖像L中包含了光照信息，而反射圖像R包含了物體的固有屬性，在處理前，通常將圖像轉(zhuǎn)至對數(shù)域：

[logS=logL+logR （2）]

本文主要研究基于中心/環(huán)繞Retinex算法，所以對基于路徑的Retinex算法不做詳述。SSR算法是中心/環(huán)繞Retinex算法[6]的一種單尺度算法，即，

[Fx，y=Cexp-x2+y22σ2 （3）]

[Fx，ydxdy=1 （4）]

（4）是歸一化高斯函數(shù)，通常取[σ=80][3]。由（2）、（3）、（4）可得到反射分量[Ri=logSi-log （Li*F）]，其中[i=R，G，B]。[σ]的選取直接影響結(jié)果的好壞，因此在單尺度SSR的基礎(chǔ)上發(fā)展了多尺度Retienx算法[3]：

[RMSRix，y=n=1NwnRnix，y=i=1NwnlogSix，y-logLix，y*Fx，y ]

[ （5）]

N被稱為尺度數(shù)，[wn]代表著權(quán)重，[wn]一般取[13]，[N]取3，[σ]取15，80，250最為合適，論文[4]針對多尺度輸出圖像所產(chǎn)生的灰度化的缺陷，提出了帶有顏色矯正的多尺度Retinex算法：

[RMSRCRix，y=Cix，yRMSRix，y （6）]

[I'ix，y=Ii（x，y）j=1SIj（x，y） （7）]

[Cix，y=βlog [αI'i（x，y）]] （8）

實驗得出[β=46]，[α=125]對于所有的通道都比較適合。由于（6）可能產(chǎn)生負(fù)值，并且正負(fù)邊界也不確定，必須將輸出結(jié)果映射到[0，255]范圍內(nèi)[7]：

[RMSRCR=255RMSRCR-min （RMSRCR）maxRMSRCR-min （RMSRCR）]

3 本文方法處理過程

本文方法框圖如圖1：

本文方法主要分5個部分：1）從原始圖像中分離出灰度圖，并將灰度圖反色；2）對灰度圖和灰度反轉(zhuǎn)圖分別進行MSR處理；3）將第二步得到的結(jié)果融合；4）對融合結(jié)果進行色彩平衡和Gammar矯正；5）對上一步得到的結(jié)果進行色彩恢復(fù)。

灰度圖經(jīng)過Retinex處理后暗部區(qū)域的增強比較明顯，但是高亮度區(qū)域卻不理想，將灰度反轉(zhuǎn)圖的Retinex處理結(jié)果與灰度圖的Retinex的處理結(jié)果進行融合可以達到增強高亮度區(qū)域的目的。

閾值化處理的目的在于提高亮區(qū)域：

[thredstx，y=revsdstx，y if revsdstx，y

經(jīng)過試驗證明閾值threshold取最大值的95%最為合適，線性融合式子如下：

[dstx，y=β[thredstx，y]+α[graydstx，y] if revsdstx，y

由于閾值化處理結(jié)果中的暗部區(qū)域保留了原圖像中高亮區(qū)域的信息，所以在這里我們只讓小于閾值的區(qū)域參加融合操作。

作者借鑒由Limare et al.[8]提出的最簡單的顏色平衡直方圖算法，截取融合結(jié)果直方圖兩側(cè)截取%1的像素點，然后進行簡單的Garmmar矯正進一步增強圖像高亮區(qū)域細節(jié)。

4 實驗結(jié)果和評價

本文通過DRIM[9][dynamic range independent image quality metric]對實驗結(jié)果進行客觀評價，DRIM算法生成具有紅綠藍像素的結(jié)果圖，這三種像素分別代表著對比度的反轉(zhuǎn)，增強和損失。圖4中分別列出了要增強的原圖、拉普拉斯圖像增強圖、Retienx算法增強結(jié)果圖和本文方法增強結(jié)果?？傮w來說相較于c方法，本文方法對于亮度區(qū)域具有較強的增強效果，并且方法b存在過度處理的情況，色彩保持能力也較弱。

5 結(jié)論

本文方法具有保持色彩、提高對比度的優(yōu)勢，但是在某些情況下卻也存在一定的快效應(yīng)的情況，作者相信隨著相關(guān)技術(shù)的發(fā)展，這些缺陷都可以得到很好的解決。

參考文獻：

[1] Land E，McCann J， Lightness and retinex theory[J].Journal of the Optical Society of America， 1971 （61）：1–11.

[2] Land E. The retinex theory of color vision[J].Scientific American， 1977 （237）：108–128.