基于高斯同态滤波和引导滤波对图像增强的研究

张娜 刘娜 杜清漪

摘要：Retinex算法是通过削弱光照变化对图像的消极影响以达到图像增强效果的算法。本文利用高斯同态滤波和引导滤波对光照估计进行模拟仿真实验，对比在不同滤波下Retinex算法对光照变化强烈的图像增强处理。经过对算法的研究得出，高斯同态滤波是对图像灰度级进行调整，通过增强图像高频部分的细节，减少低频分量解决图像上照明不均的问题，使图像细节突出、层次清晰、包含更多信息量，对光照强度较高的图片增强效果较好。

关键词：Retinex算法;高斯同态滤波;引导滤波;图像增强

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2020）03-0190-02

1 概述

在现实生活中，实际获得的图像基于某些不可控因素造成图像达不到人眼观察和后续处理的要求，对图像进行增强处理的要求应运而生。图像增强是指在保证图像基本信息不变的情况下，通过有选择的突出某些区域以提高图像的质量和使用价值，方便人们或机器进行研究。Retinex理论的引入，为处理光照变化影响问题提供了新的思路。

由于经典Retinex算法存在不足[2]，本文依据Retinex算法采用高斯同态滤波和引导滤波进行模拟仿真实验，对比分析出不同滤波的增强效果和适应图像类型。

2 SSR算法及其改进

2.1 SSR算法

Retinex图像增强算法的基本理论是：将有待增强的图像S看作是由反射光分量和入射光分量的乘积，即

S=LxR

（1）

其中用反射分量R表示消除光照影响后的图像，入射分量L表示光照给图像带来的干扰因素[3]。为了方便计算，我们通常采用对数变换将乘法运算转换成加法运算：

log（S）=log（L）+ log（R）=l+r.

（2）

对原始图像S进行不同滤波得到入射分量l的粗略估计，从需要增强的图像中减去入射分量l，得到反射分量r

r= log（S） -l.

（3）

再经过对数反变换实现图像增强

S=e l+r.

（4）

2.1 改进的SSR算法

2.1.1 高斯同态滤波

基于对Retinex算法的研究，本文結合高斯同态滤波进行图像频率过滤和灰度变换，对细节不突出又较为黑暗图像进行处理。该滤波有调节图像灰度范围、强调图像细节、增强对比度、消除照明不均的作用[4]。同态滤波是一种依靠图像的照度——反射模型改善图像质量的频域方法。

对上述（2）式两端进行傅里叶变换，可得

2.1.2 图像引导滤波

本文在Retinex算法的基础上，考虑采用两次图像引导滤波克服图像处理中的“光晕”效应;提出图像引导滤波的单尺度Retinex算法，引导滤波核函数具有良好的边缘保持和细节增强性能。图像引导滤波是一个线性可变的滤波过程[3]。对于输出图像中第i个像素而言，其计算方法为因子。

3 仿真实验

3.1 实验环境

针对本文研究提出的图像增强算法，采用具体图像进一步分析，MATLAB可以用来提取图片中的像素信息，并对图像简单聚类分块[5]。利用笔记本电脑Matlab2017版本，CPU 2.3CHz，内存4GB。本文测试图片为人物图和树木图，均来自标准图像库，大小为256～256，如图l（a）与图2（a）。

3.2 对比算法与客观指标

SSR算法在光照强度较大时已经不能起到很好的图像增强的作用[2]。为了分析图像增强的效果，需要对图像进行质量评价，本文采用图像信息熵、对比度作为客观评价指标。

1）信息熵是用于度量图像信息的丰富程度的指标，所得图像信息熵越大，图像增强效果越好，其计算公式为

3.3 结果与分析

从对比结果可知，基于高斯同态滤波的改进SSR算法和基于引导滤波的改进SSR算法都有效地突出图像细节，增强对比度并去除光照不均匀的影响。根据图一所示，基于引导滤波的改进算法效果更明显。根据图二所示，基于高斯同态滤波的改进算法效果更好。图一图二的显著不同之处在于人物图的光照弱，树木图光照较强，所以在光照强度较亮时，基于高斯同态滤波的改进算法更加适用。

高斯同态滤波与引导滤波处理后图像的信息熵都比原图大，但是在图片本身光照较暗（人物图）时，引导滤波对图像的信息熵改变量更大，增强效果更好;在本身光照强度较大（树木图）时，高斯滤波对图像的信息熵改变量更大，增强效果更好。

由表1可知，高斯同态滤波与引导滤波处理后图像的信息熵都比原图大，但是在图片本身光照较暗（人物图）时，引导滤波对图像的信息熵改变量更大，增强效果更好;在本身光照强度较大（树木图）时，高斯滤波对图像的信息熵改变量更大，增强效果更好。

从表2的各种图像增强算法的对比度结果可看出，在图片本身光照较暗（人物图）时，引导滤波将图像对比度变大，增强效果更好;在本身光照强度较大（树木图）时，高斯同态滤波将图像对比度变大，增强效果更好。

4 结束语

本文指出，高斯同态滤波和引导滤波均对由光照不足造成的细节无法辨认，灰度又较暗的图像有较好的增强效果。经过对不同图像运用同一滤波的结果分析和针对同一图像运用不同滤波进行图像增强的结果分析，对图像增强效果进行主客观评估，同时指出了这两种滤波的不足之处，体现了本文的可靠度和真实性。但本文仍存在一些不足之处，如实验次数少，图像特征少，未对图像纹理的还原进行深度分析。为了获得更为清晰的复原图像，往往在对图像进行复原之前我们应该对图像进行去噪。基于此类不足之处，我们将会在未来一年内对图像纹理细节因素进行实验对比，深入探讨引导滤波的边缘保持特性和细节优势。

参考文献：

[1]龚薇，斯科卅秀清，等，一种强鲁棒性的实时图像增强算法[J].传感技术学报，2007，20（9）：2024-2028.

[2]陈超，改进单尺度Retinex算法在图像增强中的应用[J].计算机应用与软件，2013，30（4）：55-57，74.

[3]方帅，杨静荣，曹洋，等，图像引导滤波的局部多尺度Retinex算法[J]中国图象图形学报，2012，17（7）：748-755.

[4]程新.基于同态滤波的图像增强算法研究[D].西安：西安邮电大学，2016.

[5]董美娜，刘笑楠.基于线性回归的图像边缘处理算法的研究[J]电子元器件与信息技术，2018（7）：69-73.