基于Retinex的园林景观图像增强

段锦

(1.西安工程大学，纺织科学与工程学院，陕西，西安 710048；2.杨凌职业技术学院，信息工程学院，陕西，杨凌 712100)

0 引言

园林景观图像可体现设计师的设计理念，园林景观设计效果图可直观展示园林景观设计全部功能[1-3]。目前，采用三维景观设计方式设计园林景观，设计结果通常以三维展示方式呈现，具有较高的仿真效果和清晰度，可直观展示园林景观艺术特性。低光照强度将造成园林景观细节模糊，主观视觉效果差的缺陷，光照不足区域灰度过于集中，提升图像后续处理难度；高光照强度会使图像亮度过高而出现失真情况，影响园林景观图像的呈现效果。园林景观图像的细节呈现能力极为重要，不同光照强度下图像补偿问题是图像处理领域急需解决的重要问题[4-6]。在不同光照条件下，不同的图像处理技术应用于园林景观图像处理中，且得到了很好的增强效果。

有学者[7]研究基于优化估计的深度图像修复与误差补偿方法，对图像进行深度修复并补偿图像误差，实现图像质量的高度提升；有学者[8]提出了一种用于宽动态范围下的红外图像局部细节强化的新方法，提升了图像的全局信息展示效果，但计算速度过慢，实时性较差。

针对以上方法缺陷，本文提出了改进Retinex的园林景观图像增强方法，并通过对比实验测试其性能。

1 改进Retinex的园林景观图像增强方法

1.1 园林景观图像增强流程

光照强度对园林景观图像的影响较高，而强烈和微弱的光线会使园林景观图像背景和主体信息边缘检测精度下降[9]。图1给出了不同光照强度下园林景观图像增强的流程。本文采用 CIEXYZ颜色空间方法对园林景观图像进行了光照强度信息的辨识，并对其中亮度较高或较低的区域进行了归一化处理[10]，解决光照强度不足或光照强度过强时园林景观图像受光照强度变化的影响。将完成归一化处理的园林景观图像通过改进的Retinex算法实施图像增强，实现园林景观图像增强。

图1 园林景观图像增强流程图

1.2 光照强度识别

园林景观图像中光照强度变化较为常见，本文通过分析园林景观图像与光照强度间关系，利用CIEXYZ颜色空间获取园林景观图像中颜色信息的统计特征实现环境光照强度识别。CIEXYZ颜色空间将红色、绿色、蓝色变换后所获取的值分别用三色刺激值X、Y、Z体现，将RGB颜色空间转换至CIEXYZ颜色空间公式如下：

(1)

式中，bxy表示图像像素点。

分析式(1)可知，在不同光照强度下CIEXYZ颜色空间的Y通道存在明显变化，为此，依据CIEXYZ颜色空间统计特性对园林景观图像进行了光照强度分析，从而提升了光照强度识别实时性。选取支持向量机方法作为识别园林景观图像光照强度的分类器，支持向量机输出结果如式(2)：

(2)

式中，输出结果为1时，表明光照强度较弱，输出结果为2时，表明光照强度理想，输出结果为3时，表明光照强度过高。

1.3 光照强度归一化

对识别结果为光照强度过高或过低的图像通过光照归一化方法令园林景观图像均衡化，便于后续通过图像增强实现图像增强。

(1) 伽玛修正。采用伽玛曲线对园林景观图像进行伽玛修正、非线性色彩的剪裁、分离图像中的亮部和暗部，并采用伽玛修正的方法，将图像中的高、低灰度值进行了压缩和扩充，提高了图像对比度。伽玛修正公式如下：

(3)

式中，Iin与Iout分别表示原始及校正后的灰度值，max gray与λ分别表示最大灰度值及校正系数。

(2) 高斯差分滤波。利用伽玛校正改善园林景观图像对比度，图像边缘的阴影区域仍需进一步处理。通过高斯差分滤波器提取园林景观图像边缘，降低由于光照强度对园林景观图像边缘区域的影响。利用高斯差分滤波器滤波园林景观图像G(x,y)公式如下：

(4)

式中，φ1与φ2均为高斯差分滤波系数，且φ1<φ2。

g(x,y)=G(x,y)*I(x,y)

(5)

式(4)与式(5)分别为高斯差分滤波器以及滤波处理结果。当φ1>φ2时，式(4)转换为带通滤波器。

(3) 对比度均衡。通过以上处理实现园林景观图像校正与滤波，完成处理后图像仍具有突出亮点。利用均衡的方法来消除园林景观图像中像素点的干扰，并对图像进行灰度处理，避免图像由于灰度值过高图像质量受到影响，然后分割处理归一化后园林景观图像的高灰度值，各步骤公式如下：

(6)

(7)

式中，δ与φ表示图像灰度值的压缩系数以及阈值，mean()表示均值函数。

利用式(6)和式(7)表示完成灰度值变换的截断值。

1.4 改进的Retinex图像增强算法

对完成归一化处理的图像利用改进的Retinex图像增强算法实现图像增强。通过高斯金字塔和卷积采样的方式对园林景观图像实施采样，采样公式如下：

(8)

式中，m、n分别表示行数和列数，h与R(m,n)分别表示金字塔层数以及高斯卷积核数量。

采用像素差值和空间间距求出高斯权重，在相邻像元之间存在很大差别和光照强度最小或最大的区域为噪声区，此时采用降低中心权重的方法对其进行处理。在x轴和y轴上对园林景观图像进行了滤波，获取滤波函数如下：

l(x)=z-1(x)(o(ψ,x)+s(f(ψ),f(x)))dψ

(9)

式中，ψ与z(x)分别表示空间像素点及权重和，o与s分别表示距离函数以及相似度函数。

完成双边滤波后压缩图像对比度避免图像退化。利用双三次差值算法还原图像，通过图像的四邻域像素信息获取精准的插补图形，增强图像放大效果，双三次差值公式如下：

(10)

式中，wij表示权重系数，W(i)与W(j)分别表示横坐标权重以及纵坐标权重。

完成双三次差值处理后，将处理完成的图像与原始图像在对数空间内相减，基于尺度不变情况下实现图像的颜色恒定和细节增强。利用S型函数实现增强后图像的颜色恢复，依据S型函数特点压缩图像中亮度两侧区域范围。利用层次化处理的方式提升图像整体的视觉效果，完成图像对数域相减处理后选取sigmoid函数实施S型曲线函数拉伸。sigmoid函数为

(11)

完成S型曲线函数拉伸处理后，还原园林景观图像对比度公式如下：

(12)

式中，P(x)表示还原后的像素值，g1表示对比度系数，g2表示像素值系数。

根据还原公式实现园林景观图像的最终优化，优化后园林景观图像具有较高的色彩饱和度，避免出现颜色失真情况。完成颜色还原后像素值区间为0～255 pixel，可有效避免颜色反转情况，降低图像偏色现象，令园林景观图像以高质量效果展示。

2 实例分析

为检测本文研究改进Retinex的园林景观图像增强方法优化园林景观图像有效性，从某园林景观设计网站中选取10幅不同光照情况下的园林景观图像。通过主观测试结果以及客观测试结果两部分检测本文方法对图像增强的有效性。

测试过程中以园林景观图像的亮度、信息熵、清晰度、均方误差(MSE)、峰值信噪比(PNSR)为客观评价指标，将文献[7]的优化估计方法以及文献[8]的宽动态方法作为对比方法进行测试。具体评价指标内容如表1所示。

表1 评价指标内容

2.1 主观测试结果

随机选取10组目标图像中的1幅弱光照强度园林景观图像，分别利用本文方法、宽动态方法和优化估计方法对其进行增强，并得到主观测试结果如图2所示。由图2可知，宽动态方法对园林景观图像光强的校正结果不理想，经过改进后图像亮度仍然很低；优化估计方法对园林景观图像中的过度曝光区域进行了最优处理，但图像细节的完整度不佳；本文方法具有较好的光照补偿效果以及色彩恢复效果，真实展示园林景观图像细节，具有较高的优化效果。其主要原因是，本文方法对园林景观图像进行了改进，使其具有较高的人眼视觉效果，消除了图像中的暗角落，保持了图像的颜色，且对整幅图像的颜色进行了修正，得到了清晰的边缘。

(a) 原始图像

2.2 客观测试结果

2.2.1 图像质量

客观测试首先考察本文方法、宽动态方法和优化估计方法增强后的园林景观图像质量，以亮度、信息熵和清晰度3个指标为判断标准，测试结果如表2所示。

由表2可知，宽动态方法和优化估计方法应用后亮度、信息熵和清晰度分别低于120 cd/m、7 bit和5，而本文方法应用后亮度、信息熵和清晰度高于120 cd/m、7.4 bit和5。综上分析可知，本文方法增强后的园林景观图像光强分布比较均衡，没有明显的高、低现象，具有较好的图像质量。

表2 不同方法优化后图像质量对比

2.2.2 峰值信噪比

统计采用3种方法优化不同光照强度下园林景观图像的峰值信噪比，对比结果如图3所示。从图3可以看出，本文方法优化10幅不同光照强度下园林景观图像峰值信噪比高于20 dB，而宽动态方法和优化估计方法低于20 dB。由此可知，本文方法对园林景观图像增强后图像失真程度最小，因此，本文方法与其他2种方法相比，增强后图像与原始图像之间具有更好的相似度和平衡性。

2.2.3 优化时间

统计采用3种方法优化园林景观图像所需时间，统计结果如图4所示。从图4可以看出，采用本文方法优化园林景观图像所需时间均在200 ms以内，而采用宽动态方法和优化估计方法优化园林景观图像所需时间均高于200 ms。综上分析可知，本文方法可在较短时间内实现园林景观图像的高质量增强，具有较高的实时性。

图3 不同方法峰值信噪比对比结果

图4 不同方法优化时间对比

2.2.4 去噪效果对比

对比3种方法在不同含量噪声图像中的增强效果，对比结果如图5所示。从图5可以看出，对于5～25 dB噪声的图像，本文方法的增强效果在92%以上，采用宽动态方法和优化估计方法增强效果均低于86%。综合上述数据可知，本文方法在噪声干扰下具有较好的增强效果，图像清晰度更高，因此，本文方法可令图像具有较高的去噪效果。

图5 噪声图像增强效果

3 总结

光照强度对图像呈现效果影响较大，为此，本文识别了园林景观图像光照强度，针对光照强度较高以及较低图像实施光照归一化，利用改进的Retinex算法实现园林景观图像增强处理。经实验测试可知，本文方法能够在很短的时间内达到高品质的图像优化目的。增强后的图像峰值信噪比较高，均方误差较小，能够很好地满足园林景观图像增强的实际需求。但是此次研究未对通用图像进行深入分析，下一步将对通用图像的增强效果等进行深入研究。