孫玲姣
湖北民族學院科技學院
基于Retinex理論的圖像增強算法研究
孫玲姣
湖北民族學院科技學院
Retinex是一個構(gòu)建在科學實驗與分之上的圖像增強算法,其本質(zhì)是從圖像中減去照射分量的影響來得到物體的反射分量,也就是得出物體原本的樣子。文章首先分析了圖像增強算法的概念,然后研究了全局及局部Retinex的算法和流程,以期對基于Retinex理論的圖像增強算法有所借鑒。
Retinex 圖像增強 全局特征 局部特征 算法分析
Retinex是一個構(gòu)建在科學實驗與分之上的圖像增強算法,和其他的圖像增強方法比較而言,Retinex算法有著銳化效果好、動態(tài)范圍壓縮大、顏色具恒常性、色彩保真度高等優(yōu)點,在圖像增強領(lǐng)域的應用前景非常廣闊。
圖像增強為相對概念,其增強效果的優(yōu)劣,不但和算法的優(yōu)劣有某種關(guān)系之外,還和圖像的數(shù)據(jù)特點有直接關(guān)系,并且因為評價圖像質(zhì)量的好壞常??坑^測者的主觀判斷而定,無通用的標準,故而增強技術(shù)基本為面向問題,增強方法僅可選擇性的使用?,F(xiàn)在圖像增強方法可分為空間域處理與頻域處理2類。
其中,所謂的空間域處理是在原圖上直接運算數(shù)據(jù),其又分局部運算和點運算2種,前者在像素點鄰域的空間域進行,后者是對圖像進行逐點運算,其處理能夠為線性抑或非線性的;而所謂的頻域處理一般是運用某種變換,把圖像變至頻域,運算圖像的變化系數(shù),也就是作一定的修正,繼而利用逆變換獲得增強的圖像,主要有低通(用于消除噪音)和高通濾波(用于提升邊緣和輪廓)。
2.1 基于全局特征的Retinex算法分析
2.1.1 灰度圖像增強
圖1 m×n的灰度圖像
首先是相對明暗關(guān)系的推導,如圖1所示,為一寬m、高n的灰度圖像。圖像起點A至終點B有一路徑,其中有八個像素點,其灰度值為d1-d8,則A和B間的相對明暗關(guān)系為:
經(jīng)過計算、簡化,不難看出起點A與終點B間的相對明暗關(guān)系其實就是像素的灰度值在對數(shù)域中的差。
接下來是起點、終點的選取。從上式能夠發(fā)現(xiàn),對同一起點,選取不同的終點就會出現(xiàn)不同的相對明暗關(guān)系,利用這些相對明暗關(guān)系來校正起點就能得到不同的起點像素的灰度校正值。為解決這一問題,可以用隨機法來選擇起點與終點。
最后是數(shù)據(jù)顯示,初始時,把增強后的圖像內(nèi)全部像素點的灰度值均設(shè)為constant,在對像素點灰度值校正之后圖像的全部像素點的灰度值均集中于constant周圍,用下面的公式對校正后的圖像線性拉伸:
其中,min為增強后圖像像素點灰度值內(nèi)的最小值,而max為增強后圖像像素點灰度值內(nèi)的最大值。L[ i][j]為圖像原像素點經(jīng)線性拉伸之后的灰度值。
2.1.2 彩色圖像增強
彩色圖像增強同樣要有像素點灰度值的校正以及數(shù)據(jù)顯示。其中,數(shù)據(jù)顯示部分,對24位的彩色圖像,可將其分解為R、G、B3幅灰度圖像,如此一來,就可以把一幅彩色圖像轉(zhuǎn)化為三幅灰度圖像,然后依次對它們予以數(shù)據(jù)準備就行。數(shù)據(jù)顯示的步驟與前述的過程恰好相反,把線性拉伸后的3圖像按R、G、B順序分別寫進一個24位的彩色圖像內(nèi)進行輸出,獲得的就是增強之后的彩色圖像。
2.2 算法流程
第一步:分析輸入圖像S(i,j),如果是灰度圖像,就把圖像內(nèi)像素點灰度值的數(shù)據(jù)類型轉(zhuǎn)化為double型;如果是彩色圖像,就把它分解成3個灰度圖像,然后把這3個圖像內(nèi)像素點灰度值的類型轉(zhuǎn)化成double型;
第二步:把輸入圖像S(i,j)放進對數(shù)域內(nèi)進行處理,也就是S'(i,j)=logS(i,j);
第三步:把增強之后的圖像R(i,j)內(nèi)像素點的灰度值全部初始化成constant,也就是R(i,j)=constan t;
第六步:使h=h/2,l=l/2,重復第四步與第五步,直至h=1且l=1;R(i,j)第七步:對增強之后的圖像予以線性拉伸,如果是灰度圖像,就直接進行輸出;如果是彩色圖像,就把線性拉伸之后的三個圖按R、G、B次序分別寫進一24位的彩色圖像內(nèi)進行輸出。
2.3 增強結(jié)果顯示
圖2 全局Retinex增強結(jié)果
3.1 局部Retinex 的實質(zhì)
Retinex常常用在補償受照射光影響的圖像,其目標就是把一個圖像S分解為2個不同的圖像:照射分量與反射分量圖像2個圖。此種分解處理的優(yōu)點是可以移除前景與后景光照對圖像的影響,同時還可以增強室內(nèi)及室外圖像的光照變化。對圖像S內(nèi)的各個點(x, y),公式為:S( x, y)=R( x, y)·L( x, y),其中,L為照射光,R為物體的反射性質(zhì),S為反射光被觀察者接收到的所能看見的圖像。
3.2 局部Retinex算法的步驟
第一步:圖像的灰度函數(shù)可用下面的式子來計算,R為反射光分量,L為照射光分量S(x,y)=R(x,y)·L(x,y );
第二步:通過取對數(shù)的辦法把照射光與反射光分量進行分離;
第三步:運用高斯模板對原圖像進行卷積,也就是對原圖像進行低通濾波,獲得圖像D,式中F(x,y)為高斯濾波函數(shù):D(x,y)=S(x,y)·F(x,y);
第四步:在對數(shù)域內(nèi)運用原圖減掉經(jīng)過低通濾波以后的圖,就可以獲得高頻增強圖像G(x,y)=S'(x,y)-logD(x,y);
第五步:取G(x,y)的反對數(shù),方可獲得增強以后的圖像R(x,y)=exp(G(x,y)));
第六步:對R(x,y)進行對比度增強,從而獲得結(jié)果圖像。
3.3 局部Retinex算法分析
3.3.1 單尺度Retinex
利用圖像采集器得到的彩色圖像都會面臨能不能捕捉到場景內(nèi)物體的動態(tài)范圍及色彩的問題。針對這個問題,Jobson等人提出單尺度的Retinex算法,其公式為:,其中Ii( x, y)為輸入圖像的第i個顏色通道,*為卷積運算,Ri( x, y)為Retinex輸出,F(xiàn)( x, y)為高斯函數(shù)。
3.3.2 多尺度Retinex
多尺度Retinex(簡稱為MSR)是對單尺度Retinex(簡稱為SSR)的概括,它相對于SSR的優(yōu)點是它可以提供動態(tài)范圍壓縮以及顏色的高保真。在特定條件中,MSR可以實現(xiàn)以下目標:對未校準的設(shè)備予以局部動態(tài)范圍壓縮、補償、全局動態(tài)范圍壓縮、顏色恒常以及色彩增強,它的公式為:
其中,(x,y)為像素點的坐標,*為卷積運算,N為顏色通道的個數(shù),i∈R,G,B ,Ii(x, y)為輸入圖像內(nèi)的第i個顏色通道,Ri( x, y)為MSR輸出,F(xiàn)( x, y)為高斯函數(shù),Wk是和高斯函數(shù)有關(guān)的權(quán)重。
3.3.3 帶色彩恢復的多尺度Retinex(簡稱為MSRCR)
因為MSR在增強的時候有可對圖像的特定區(qū)域造成顏色的失真,使圖像中物體的實際顏色減淡,故而要用MSRCR算法去彌補MSR的缺陷。所謂MSRCR算法是在MSR的基礎(chǔ)上結(jié)合上色彩的結(jié)果。在MSR增強的時候,因為圖像局部區(qū)域的對比度增強,使得其顏色丟失,故而,引進一色彩恢復因子C:,其中Ci為第i個顏色通道的色彩恢復系數(shù),f()為顏色空間的映射函數(shù)。我們叫MSRCR為帶色彩恢復的MSR,主要就是因為色彩恢復因子C。把上面的式子進行簡化之后,能夠得出MSRCR的式子為:
MSRCR算法因為引進原始圖像內(nèi)3個顏色通道的比例關(guān)系,非常好的消除了顏色失真帶來的不足,在一定程度上對原圖像的顏色予以還原。
3.4 增強結(jié)果顯示
圖3 局部Retinex增強結(jié)果
綜上所述,Retinex的主要目的是把一個圖像分解為2個不同的圖像,其實質(zhì)是從圖像內(nèi)減除照射光的影響去得到物體的反射性質(zhì)。和其余的圖像增強方法比較而言,Retinex算法具備動態(tài)范圍壓縮大、色彩逼真度高等多個優(yōu)點,但也有個別問題,在未來的研究中仍有繼續(xù)探討研究的空間。
[1]李學明,基于Retinex理論的圖像增強算法,計算機應用,2005年第2期:235-237
[2]郎銳,數(shù)字圖像處理學,北京希望電子出版社,2002年
[3]任明武,數(shù)字圖像處理(第一版),南京理工大學,2003年
[4]勒中鑫等編著,數(shù)學圖像信息處理,國防工業(yè)出版社,2004年
[5]章毓晉,圖像處理和分析,清華大學出版社,1999年
[6]賈永紅編著,計算機圖像處理與分析,武漢大學出版社,2001
湖北省教育廳科學研究計劃指導性項目(B2015108)。
孫玲姣,女,1980年出生,碩士研究生。主要從事電子與信息系統(tǒng)理論與技術(shù)的研究。