基于Retinex原理的图像增强算法

刘钉

摘要：通常Retinex算法直接对彩色通道处理，容易造成色彩失真，同时对数变换压缩了高亮区域的动态范围，而本文直接对灰度图处理，避免色彩损失；将灰度图反转图进行Retinex处理，并于灰度图处理结果融合，最后再进行Gammar矫正进一步扩展高光区域细节。

关键词：Retinex；灰度反转图；融合

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）11-0185-02

1 引言

图像增强技术在社会的各个方面存在着广泛应用，比如医学诊断、工业化检测、航空航天等领域。近些年图像质量的要求越来越高使得图像增强技术成为研究的热点。Retinex算法[1]是图像增强技术的一种，起初Retinex算法并未引起研究者的关注，但是随着NASA在航空航天上的应用才使得研究者们逐渐意识到Retinex的魅力所在，基于Retinex的算法大致可分为：基于路径的Retinex算法[2]和基于中心/环绕的Retinex算法[3，4，5]。这些算法都是对入射图像的估算，只是所用的方法不同。

2 Retinex算法原理

Retinex理论[1]的基本思想是人感知到的颜色和亮度并不取决于进入人眼的绝对亮度，而和场景的相对亮度关系分为紧密。其基本内容是物体的颜色是由物体对光线的反射能力决定的；物体的色彩不受光照非均匀性的影响（颜色恒常性）。

图像[S（x，y）]来自于两部分：入射图像（亮度图像）L和反射图像R。Retinex理论的基本假设是：

[ Sx，y=Lx，y×Rx，y （1）]

入射图像L中包含了光照信息，而反射图像R包含了物体的固有属性，在处理前，通常将图像转至对数域：

[logS=logL+logR （2）]

本文主要研究基于中心/环绕Retinex算法，所以对基于路径的Retinex算法不做详述。SSR算法是中心/环绕Retinex算法[6]的一种单尺度算法，即，

[Fx，y=Cexp-x2+y22σ2 （3）]

[Fx，ydxdy=1 （4）]

（4）是归一化高斯函数，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]的选取直接影响结果的好坏，因此在单尺度SSR的基础上发展了多尺度Retienx算法[3]：

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

[ （5）]

N被称为尺度数，[wn]代表着权重，[wn]一般取[13]，[N]取3，[σ]取15，80，250最为合适，论文[4]针对多尺度输出图像所产生的灰度化的缺陷，提出了带有颜色矫正的多尺度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）

实验得出[β=46]，[α=125]对于所有的通道都比较适合。由于（6）可能产生负值，并且正负边界也不确定，必须将输出结果映射到[0，255]范围内[7]：

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

3 本文方法处理过程

本文方法框图如图1：

本文方法主要分5个部分：1）從原始图像中分离出灰度图，并将灰度图反色；2）对灰度图和灰度反转图分别进行MSR处理；3）将第二步得到的结果融合；4）对融合结果进行色彩平衡和Gammar矫正；5）对上一步得到的结果进行色彩恢复。

灰度图经过Retinex处理后暗部区域的增强比较明显，但是高亮度区域却不理想，将灰度反转图的Retinex处理结果与灰度图的Retinex的处理结果进行融合可以达到增强高亮度区域的目的。

阈值化处理的目的在于提高亮区域：

[thredstx，y=revsdstx，y if revsdstx，y

经过试验证明阈值threshold取最大值的95%最为合适，线性融合式子如下：

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

由于阈值化处理结果中的暗部区域保留了原图像中高亮区域的信息，所以在这里我们只让小于阈值的区域参加融合操作。

作者借鉴由Limare et al.[8]提出的最简单的颜色平衡直方图算法，截取融合结果直方图两侧截取%1的像素点，然后进行简单的Garmmar矫正进一步增强图像高亮区域细节。

4 实验结果和评价

本文通过DRIM[9][dynamic range independent image quality metric]对实验结果进行客观评价，DRIM算法生成具有红绿蓝像素的结果图，这三种像素分别代表着对比度的反转，增强和损失。图4中分别列出了要增强的原图、拉普拉斯图像增强图、Retienx算法增强结果图和本文方法增强结果。总体来说相较于c方法，本文方法对于亮度区域具有较强的增强效果，并且方法b存在过度处理的情况，色彩保持能力也较弱。

5 结论

本文方法具有保持色彩、提高对比度的优势，但是在某些情况下却也存在一定的快效应的情况，作者相信随着相关技术的发展，这些缺陷都可以得到很好的解决。

参考文献：

[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.