基于改进Retinex的图像增强算法

沈海洋

摘 要： 图像采集过程中受到多种因素的影响，使得原始图像质量难以满足图像处理的实际要求，为了提高图像的质量，设计了基于改进Retinex的图像增强算法。首先对当前图像增强的研究现状进行分析，然后描述了Retinex算法的工作原理，并对其不足进行相应的改进，最后将改进Retinex算法应用于图像的增强中，并采用多幅图像进行了仿真实验。结果表明，改进Retinex算法能够大幅度提升图像视觉效果，而且各种定量评价指标也优于当前其它图像增强算法，具有广泛的应用范围。

关键词： 图像处理; 增强算法; 视觉效果; 峰值信噪比

中图分类号： TP391

文献标志码： A

文章编号：1007-757X（2019）06-0144-03

Abstract： The image acquisition process is affected by many factors so that the quality of the original image is difficult to meet the actual requirements of image processing. In order to improve the quality of the image， an improved Retinex based image enhancement algorithm is designed. First of all， the current research status of image enhancement is analyzed， and then the working principle of Retinex algorithm is analyzed， and its shortcomings are improved. Finally， the improved Retinex algorithm is applied to image enhancement， and the simulation experiment is carried out with specific images. The results show that the improved Retinex algorithm can greatly improve the visual effect of the image， and the quantitative analysis index is also better than the other image enhancement algorithms， and has a more extensive application value.

Key words： Image processing; enhancement algorithm; Visual effect; Peak signal-to-noise ratio

0 引言

圖像在采集和传送过程中，由于多种因素的影响，图像变得模糊，再加上噪声的干扰和污染，导致图像质量下降，有的图像质量已经不能使用户满意，无法满足实际应用的要求，因此需要对图像质量进行改善。图像增强是改善图像质量的一项重要技术，因此图像增强算法设计成为当前图像处理研究中的热点问题[1，2]。

当前图像增强算法众多，如直方图均衡化、频域滤波等，它们可以去除图像中一些无用信息，突出图像中重要信息，提高了图像的可辨识性[3]。但是这些算法的局限性十分明显，如直方图均衡化方法易丢失边缘等重要像素，且只能应用于灰度图像，无法对彩色图像进行增强处理，而彩色图像包含的信息更加丰富，实际应用范围更广[4，5]。频域滤波主要目的去掉噪声，但会去掉图像中的一些有用的信息，增强后的图像失真十分严重[6]。20世纪80年代，有学者提出了Retinex算法，并用于彩色图像增强中，与传统的色彩理论不同，Retinex算法只关注反映物体本质特征的信息，相对于其它算法，Retinex算法增强后的图像色彩保真度更高，可以获得用户满意的图像增强效果[7]。最早的Retinex算法同样存在一定的不足，如计算量大，影响图像处理的效率，为此有学者对Retinex算法进行了改进，如出现了基于同态滤波的Retinex算法，基于泊松方程的Retinex算法等，它们取得了更好的图像增强效果，但是当光照变化大时或者低照度条件，增强后图像经常出现“光晕伪影”，或者图像过暗，严重影响的图像质量[8，9]。

为了进一步提高增强后图像的质量，提出了基于改进Retinex的图像增强算法，自适应拉伸饱和度分量，Gamma算法校正反射分量，引入颜色恢复机制，图像增强的仿真实验结果表明，无论定性分析或定量分析结果，本文改进Retinex算法均更优，获得十分理想的图像增强结果。

1 传统Retinex算法

当光照条件发生变化时，人们对物体颜色的感知也会发生相应的改变，即所谓的颜色恒常理论。基于颜色恒常理论，学者Land提出了Retinex理论。Retinex理论认为物体颜色由物体对光线的反射能力，与光源的强度无关。图像I（x，y）包括光照分量L（x，y）和反射分量R（x，y），可以得到[10]式（1）。

对式（1）对进行取对数运算，可以得到式（2）。

基于以上分析，可以知道Retinex理论的工作原理如图1所示。

当前Retinex算法类型很多，最初为基于路径的Retinex算法，在实际应用中，其缺陷相对较多，如光照分量L（x，y）的值估计精度低，误差比较大，增强后图像经常出现光照亮度不均匀现象。在基于路径的Retinex算法基础上，出现了基于中心/环绕的Retinex算法，其以原像素点位为中心进行迭代运算，其中单尺度Retinex（SSR）算法是最常用的一种基于中心/环绕的Retinex算法，基本形式为式（4）。

SSR算法存在色感一致性和信息丰富度的矛盾，为此又提出了多尺度Retinex（MSR）算法，其可以保证在图像色感一致性，同时可以对信息进行动态压缩，可表示为式（7）。

2 改进Retinex算法

2.1 自适应拉伸图像的饱和度分量

传统Retinex算法对彩色图像的R、G、B分量进行增强，易破坏R、G、B分量之间的内存联系，为此首先将彩色图像转换成HSI空间模型，其中H、S、I分别描述色彩的色调、饱和度和亮度，其中饱和度主要描述图像色彩的深浅程度为（9）。

当光照条件不太好时，S的值比较小，为此，需要对饱和度进行自适应拉伸，具体如式（10）：

2.2 增强图像的亮度

在低照度条件下，彩色图像的亮度比较，为此采用引导滤波与原始进行卷积操作，对图像的入射分量进行估计。引导滤波可以表示为式（11）。

2.3 颜色的恢复处理

图像增强处理后，图像颜色可能会出现失真现象，因此需要要对图像颜色进行恢复处理。颜色恢复函数为式（14）。

基于改进Retinex算法的工作流程如图2所示。

3 仿真测试

3.1 实验对象

为了分析改进Retinex算法图像增强效果，选择几幅经典的图像作为研究对象，它们具体如图3所示。

3.2 主观视觉效果評价

选择文献[7]的图像增强算法进行对比测试，它们的图像增强处理效果如图4和图5所示。

对图像增强处理效果进行对比和分析可以发现

（1） 对比算法对图像进行增强处理后，图像整体仍然还是是比较暗，图像亮度提升不明显，但是颜色失真十分严重，图像中所获得的细节信息少，使得一些重要信息无法有效辨识，有图像出现了明显的“过增强”现象，图像增强效果不理想。

（2） 本文算法对图像进行增强处理后，图像的视觉效果得到了显著的改善，图像细节细息多，图像十分清晰，而且不存在“过增强”现象，能够有效抑制图像的色彩失真现象，获得了十分理想的图像增强结果。

3.3 客观质量评价

为了更加客观、科学对图像增强后效果进行评价，选择峰值信噪比（PSNR）、亮度（B）、对比度（C）作为评价指标。两种图像增强算法的客观评价指标值如表1所示。

对表1测试结果进行分析可以发现，本文算法峰值信噪比值更相对更大，这表明经过本文算法增强处理后，图像包含的有用信息多，图像细节信息丰富，而对比算法丢失了大量的图像细节信息，相对于对比算法，本文算法的图像亮度、对比度也得到了相应的提升，说明本文算法可以使图像更加清晰，图像增强效果十分明显，更加有利于人眼识别。

4 总结

为了解决当前图像增强算法存在的弊端，提出改进Retinex的图像增强算法，测试结果表明，本文算法可以丰富图像的重要细节信息，图像的亮度和对比度均得到了改善，图像更加清晰，色彩更加逼真，图像增强效果明显优于对比算法，具有更高的实际应用价值。

参考文献

[1] 蔡式东， 杨芳. 基于直方图修正的图像增强算法[J]. 光电子技术， 2012， 32（3）： 155-159.

[2] 罗忠亮， 林土胜. 基于曲波变换的图像非线性对比度增强[J]. 数据采集与处理， 2009， 24（4）： 413-417.

[3] 李庆忠，刘清. 基于小波变换的低照度图像自适应增强算法[J]. 中国激光， 2015， 42（2）： 9001-9007.

[4] 徐凌， 刘薇， 杨光. 结合小波域变换和空间域变换的图像增强方法[J]. 波谱学杂志， 2007， 24（4）： 462-468.

[5] 尹士畅，喻松林. 基于小波变换和直方图均衡的红外图像增强 [J].激光与红外， 2013， 43（2）： 225-228.

[6] 刘松涛，吴钢. 基于广义直方图均衡的图像增强新方法[J]. 电光与控制， 2010，17（3）：12-14.

[7] 马忠丽， 文杰. 融合边缘信息的单尺度Retinex海雾去除算法[J]. 计算机辅助设计与图形学学报， 2015，7（2）：217-225.

[8] 汪荣贵， 张新龙. 基于Retinex理论的压缩域图像增强方法研究[J]. 计算机研究与发展， 2011， 48（2）：259-270.

[9] 宋书林， 张彦， 王宪， 毛琪波. 基于曲波变换和Retinex人脸光照处理算法[J]. 计算机工程与应用， 2011， 47（2）： 15-18.

[10] 崔仲远，张少辉.多尺度Retinex和双边滤波相融合的图像增强算法[J].激光杂志， 2015， 36（4）： 90-93.

[11] 刘海波， 汤群芳， 杨杰. 改进直方图均衡和Retinex算法在灰度图像增强中的应用[J]. 量子电子学报， 2014， 31（5）：525-532.

（收稿日期： 2018.06.14）