趙冬梅 李斯娜

摘 要： 為了解決傳統(tǒng)單尺度Retinex算法全部像素都采用同一空間濾波模塊實(shí)施操作，容易產(chǎn)生彩色圖像光暈以及色彩流失，彩色圖像增強(qiáng)效果差的問(wèn)題，提出改進(jìn)單尺度Retinex的彩色圖像增強(qiáng)算法。改進(jìn)算法融合粒子群優(yōu)化算法以及Retinex算法，基于熵值大小以及變換成HIS圖像的[H]值大小實(shí)施匹配，采用合理的濾波模板實(shí)施運(yùn)算，完成彩色圖像的增強(qiáng)處理。通過(guò)改進(jìn)SSR算法解決圖像邊緣亮度波動(dòng)時(shí)，圖像出現(xiàn)的光暈以及光陰影問(wèn)題，提升彩色圖像增強(qiáng)效果。實(shí)驗(yàn)結(jié)果表明，所提算法對(duì)室內(nèi)室外圖像的亮度、對(duì)比度、飽和度等內(nèi)容具有較高的增強(qiáng)效果，能提升總體圖像的質(zhì)量。

關(guān)鍵詞： 改進(jìn)單尺度； Retinex算法； 粒子群優(yōu)化； SSR算法； 彩色圖像增強(qiáng)； 濾波模板

中圖分類號(hào)： TN911.73?34； TP391.41 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）17?0071?05

Abstract： The same spatial filtering module is adopted for all the pixels in the traditional single scale Retinex algorithm， which is easy to produce the color reduction and halo of color images， and has poor effect of color image enhancement. Therefore， the color image enhancement algorithm based on single scale Retinex is proposed， in which the particle swarm optimization algorithm and Retinex algorithm are combined， the color images are matched on the basis of entropy value and [H]value transformed into HIS image， and the reasonable filtering template is adopted for calculation to enhance the color images. The SSR algorithm is improved to solve the halo and light shadow appearing in images while the luminance of image edge is fluctuating to improve the enhancement effect of color image. The experimental results show that the proposed algorithm has high enhancement effect for indoor and outdoor images in the aspects of brightness， contrast and saturation， and can improve the quality of the overall image.

Keywords： improved single scale； Retinex algorithm； particle swarm optimization； SSR algorithm； color image enhancement； filtering template

0 引 言

人們?cè)趫D像實(shí)時(shí)查看或后期加工時(shí)，可通過(guò)圖像增強(qiáng)處理方法解決入射光對(duì)圖像的不利干擾，提高圖像質(zhì)量。彩色圖像增強(qiáng)在模式識(shí)別、醫(yī)學(xué)圖像、遙感圖像或計(jì)算機(jī)視覺(jué)等方面具有較高的應(yīng)用價(jià)值，這是因?yàn)榻?jīng)過(guò)圖像增強(qiáng)處理可得到品質(zhì)較高的圖像，為人們或機(jī)械設(shè)備對(duì)圖像中有價(jià)值的信息進(jìn)行觀察提供依據(jù)。因此，彩色圖像增強(qiáng)技術(shù)成為圖像處理領(lǐng)域中研究的熱點(diǎn)方向[1]。

Reinex理論擁有明顯的動(dòng)態(tài)壓縮性、顏色恒常性和色調(diào)再現(xiàn)等特點(diǎn)，促進(jìn)了數(shù)字成像設(shè)備與計(jì)算機(jī)技術(shù)相結(jié)合的迅猛發(fā)展。傳統(tǒng)單尺度Retinex算法全部像素都采用同一空間濾波模塊實(shí)施操作，容易產(chǎn)生彩色圖像光暈以及色彩流失，彩色圖像增強(qiáng)效果差的問(wèn)題[2]。面對(duì)該現(xiàn)象，本文提出改進(jìn)單尺度Retinex的彩色圖像增強(qiáng)算法，提高彩色圖像質(zhì)量。

1 改進(jìn)單尺度Retinex的彩色圖像增強(qiáng)算法

1.1 單尺度Retinex算法

科學(xué)家基于顏色恒常原理提出Retinex理論，即人眼對(duì)事物觀察的結(jié)果并不會(huì)因光源的不同而受到影響。因?yàn)槿藗冊(cè)谟^察物體時(shí)，經(jīng)過(guò)大腦皮層對(duì)觀察到的信息進(jìn)行分析，在排除光照不均的因素后，留下基本信息。Retinex理論是一種顏色恒常知覺(jué)的計(jì)算理論，其由retina和cortex兩個(gè)詞構(gòu)成。Retinex理論包括：物體的色彩是由物體對(duì)光線反射能力決定的，而非取決于光源強(qiáng)度的絕對(duì)值；物體的色彩可通過(guò)修改對(duì)比度來(lái)增強(qiáng)，而非取決于光照是否均勻[3]。Retinex理論是對(duì)受光照影響的圖像進(jìn)行修復(fù)，將一張圖像[I]拆分為照射分量圖像和反射分量圖像。這樣就得到了另外2張圖像，利用Retinex理論可以將其表達(dá)為后期得到的照射圖像和反射圖像的乘積，即：

為了使彩色圖像增強(qiáng)效果保持最佳，文獻(xiàn)[7]針對(duì)像素不一樣的情況下采取不同的[σ]值操作隨機(jī)尋優(yōu)。但是這種計(jì)算難度較大，本文將[σ]進(jìn)行分類，對(duì)相鄰的像素點(diǎn)使用同一個(gè)[σ]值來(lái)計(jì)算，這樣就可以克服像素不會(huì)自主選擇[σ]值這一缺陷，并保證整個(gè)計(jì)算順利進(jìn)行。對(duì)[σ]的分類采取將RGB轉(zhuǎn)換為HIS的方式，利用[H]值的取值空間不同而得到不同種類的[σ]值。其主要思路是，將[H]值劃分為相同的30個(gè)區(qū)間，[σ∈10，90]，迭代次數(shù)最大值取100。在[σ]值隨機(jī)尋優(yōu)時(shí)，熵值越大，增強(qiáng)效果越明顯。

1.3.2 彩色圖像增強(qiáng)算法過(guò)程

基于粒子群優(yōu)化的單尺度Retinex彩色圖像增強(qiáng)算法過(guò)程為：

1） 利用式（8）對(duì)已讀取的原彩色圖像從RGB顏色空間轉(zhuǎn)換為HIS顏色空間。

2） 將[H][Hmin，Hmax]劃分為相同的30個(gè)區(qū)間，即[m=]30，并且生成[C]個(gè)不同類別，即[C=C1，C2，…，Cm]。根據(jù)同一個(gè)圖像中像素點(diǎn)的[H]值是否屬于一個(gè)區(qū)間，來(lái)為像素點(diǎn)分類[8]，并進(jìn)行相同的濾波模板尋優(yōu)計(jì)算。

3） 在生成的高斯空域模板集中，根據(jù)[σ∈10，90]，得到[N=81]個(gè)空域?yàn)V波模板，即[G=G1，G2，…，GN]，通過(guò)直接使用演化值取整的方式提高粒子尋優(yōu)速度。

4） 將粒子群初始化并取值SN=10，此時(shí)[C=C1，C2，…，Cm]與[G=G1，G2，…，GN]相對(duì)應(yīng)。

5） 利用式（7）進(jìn)行計(jì)算并獲得最佳熵值。每一輪的提取可使用如下公式進(jìn)行計(jì)算：

當(dāng)卷積是[Sx，y]時(shí)，可通過(guò)[H]值的分類對(duì)像素點(diǎn)[x，y]確定其采用的模板是[G（x，y）∈G]。

6） 當(dāng)計(jì)算的迭代次數(shù)達(dá)到最高時(shí)，得到[R（x，y）]作為最佳彩色增強(qiáng)圖像。

圖像增強(qiáng)算法流程圖如圖1所示。

1.4 采用改進(jìn)SSR算法解決圖像光暈問(wèn)題

粒子群各粒子具有各向同性屬性，如果圖像邊緣亮度波動(dòng)，則不能對(duì)當(dāng)前圖像背景亮度進(jìn)行準(zhǔn)確估計(jì)[9]，導(dǎo)致圖像出現(xiàn)光暈以及陰影問(wèn)題。本文通過(guò)SSR算法解決該問(wèn)題。在此通過(guò)雙邊濾波提取圖像的背景亮度，其是一種動(dòng)態(tài)濾波方法，也是融合圖像的空間鄰近度和像素值相似度的一種折中處理過(guò)程，同時(shí)考慮空域信息和灰度相似性，最終減少光暈的影響。利用雙邊濾波對(duì)圖像的亮度估計(jì)如下：

2 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)搜集來(lái)自于Yellow sand以及House圖庫(kù)中分辨率為1 024×768的圖像，并保證圖像色彩比較暗。實(shí)驗(yàn)環(huán)境為CPU 3.8 GHz，內(nèi)存2 GB，Windows XP系統(tǒng)，利用Matlab 2007 軟件進(jìn)行計(jì)算。實(shí)驗(yàn)通過(guò)模擬的方式檢測(cè)不同彩色圖像增強(qiáng)算法的有效性。實(shí)驗(yàn)中所用到的對(duì)比彩色圖像增強(qiáng)算法有HE（直方圖均衡化）算法、POSHE（部分子塊重疊的直方圖均衡化）算法、單尺度Retinex算法以及方向?yàn)V波算法。

2.1 主觀評(píng)估結(jié)果檢測(cè)

圖2，圖3是利用上述各算法對(duì)室外圖像及室內(nèi)圖像進(jìn)行處理得到的主觀評(píng)估結(jié)果。

經(jīng)過(guò)觀察發(fā)現(xiàn)，在圖2b）中，雖然對(duì)各建筑物的可見(jiàn)度有所增加，但色彩卻大部分流失，特別是天空的色彩流失最為嚴(yán)重，同時(shí)在路燈周圍，亮度增強(qiáng)過(guò)高；將圖2c）與圖2b）進(jìn)行對(duì)比，圖2c）路燈部分要好于圖2b），但是分塊效果比較明顯；圖2d）整體圖像比較模糊，對(duì)比度很低，而且有噪聲影響，比如拱門處；圖2e）藍(lán)天變成灰色，色彩流失比較嚴(yán)重；圖2d）與圖2e）都有光暈，對(duì)圖像質(zhì)量有所影響；圖2f）與圖2e）進(jìn)行對(duì)比，顏色更為真實(shí)，而且使原圖像的亮度有所增加，這就提高了整體圖像的質(zhì)量。

圖3b）和圖3c）在增強(qiáng)圖像對(duì)比度的同時(shí)也丟失了原有的色彩；圖3b）窗外樹(shù)葉部分被弱化，色彩流失較為明顯；圖3c）由于該算法未能考慮到色彩，所以還存在著分塊效果比較明顯的缺陷；圖3d）雖然亮度有所提高，但該算法只針對(duì)陰影部分進(jìn)行增強(qiáng)處理，因此整體效果變得極為模糊；圖3e）的室外效果要好于圖3d），但整體色彩存在不夠亮的問(wèn)題，導(dǎo)致天空發(fā)灰；圖3f）與圖3e）相比，色彩亮度明顯有所提高，并且能夠?qū)κ彝廨^清晰的部分進(jìn)行保留，且質(zhì)量較好。就圖3中總體圖像而言，圖3f）整體質(zhì)量要高于其他圖像。

2.2 客觀實(shí)驗(yàn)結(jié)果檢測(cè)

根據(jù)上述實(shí)驗(yàn)，得到不同增強(qiáng)算法增強(qiáng)后圖像亮度信息、對(duì)比度信息、信息熵以及飽和度信息，分別如表1～表4所示。

對(duì)表1中的數(shù)據(jù)分析可得，各種算法均增強(qiáng)了原圖亮度，只是各算法的增強(qiáng)效果不同，本文算法對(duì)室內(nèi)室外彩色圖像亮度信息的增強(qiáng)效果最佳。

分析表2可得，由于Retinex算法利用對(duì)數(shù)方式對(duì)圖像進(jìn)行增強(qiáng)，即圖像的灰度值提高，圖像的增強(qiáng)程度就會(huì)隨之降低，因此除了本文算法外的其他基于Retinex算法使圖像對(duì)比度降低。這是因?yàn)樽儞Q函數(shù)與線性函數(shù)在增強(qiáng)圖像時(shí)未能考慮像素點(diǎn)具有本身灰度屬性，特別是在圖像高光處這種情況更為嚴(yán)重。對(duì)于室外圖像，HE與POSHE算法也使原圖的對(duì)比度有所降低。本文算法對(duì)于室內(nèi)以及室外圖像對(duì)比度的增強(qiáng)效果優(yōu)于原圖。

分析表3中的數(shù)據(jù)可得，在幾種不同算法中，大部分算法都提高了圖像的信息熵，但是本文算法的增強(qiáng)效果更佳明顯。

如表4所示，在幾種不同算法中，大部分算法都提高了圖像飽和度，尤其是采用本文算法增強(qiáng)的圖像在室內(nèi)以及室外的飽和度最高，通過(guò)單尺度Retinex算法增強(qiáng)的圖像飽和度和原圖像接近，說(shuō)明本文算法對(duì)圖像飽和度增強(qiáng)效果最佳。

3 結(jié) 語(yǔ)

本文采用粒子群優(yōu)化算法以及SSR算法對(duì)傳統(tǒng)單尺度Retinex算法進(jìn)行改進(jìn)，解決了彩色圖像增強(qiáng)過(guò)程中存在的光暈以及色彩流失問(wèn)題，獲取到更加清晰的彩色圖像，極大地提升了彩色圖像的質(zhì)量。

參考文獻(xiàn)

[1] 李垚峰，何小海，吳小強(qiáng).改進(jìn)的帶色彩恢復(fù)的多尺度Retinex霧天圖像增強(qiáng)算法[J].計(jì)算機(jī)應(yīng)用，2014，34（10）：2996?2999.

LI Yaofeng， HE Xiaohai， WU Xiaoqiang. Improved multi?scale Retinex fog image enhancement algorithm with color restoration [J]. Computer applications， 2014， 34（10）： 2996?2999.

[2] 肖進(jìn)勝，單姍姍，段鵬飛，等.基于不同色彩空間融合的快速圖像增強(qiáng)算法[J].自動(dòng)化學(xué)報(bào)，2014，40（4）：697?705.

XIAO Jinsheng， SHAN Shanshan， DUAN Pengfei， et al. Fast image enhancement algorithm based on different color space fusion [J]. Acta automatica Sinica， 2014， 40（4）： 697?705.

[3] 劉海波，湯群芳，楊杰.改進(jìn)直方圖均衡和Retinex算法在灰度圖像增強(qiáng)中的應(yīng)用[J].量子電子學(xué)報(bào)，2014，31（5）：525?532.

LIU Haibo， TANG Qunfang， YANG Jie. Application of improved histogram equalization and Retinex algorithm in grayscale image enhancement [J]. Chinese journal of quantum electronics， 2014， 31（5）： 525?532.

[4] 睢丹，焦振，楊杰.基于小波分析和Retinex算法的圖像增強(qiáng)算法[J].吉林大學(xué)學(xué)報(bào)（理學(xué)版），2016，54（3）：592?596.

SUI Dan， JIAO Zhen， YANG Jie. Image enhancement algorithm based on wavelet analysis and Retinex algorithm [J]. Journal of Jilin University （science edition）， 2016， 54（3）： 592?596.

[5] 姬偉，呂興琴，趙德安，等.蘋果采摘機(jī)器人夜間圖像邊緣保持的Retinex增強(qiáng)算法[J].農(nóng)業(yè)工程學(xué)報(bào)，2016，32（6）：189?196.

JI Wei， L? Xingqin， ZHAO Dean， et al. Retinex enhancement algorithm for edge preserving of apple picking robot at night [J]. Transactions of the Chinese society of agricultural engineering， 2016， 32（6）： 189?196.

[6] 代少升，劉琴，王斐，等.基于路徑的Retinex算法在紅外圖像增強(qiáng)中的應(yīng)用[J].半導(dǎo)體光電，2015，36（3）：482?485.

DAI Shaosheng， LIU Qin， WANG Fei， et al. Application of path based Retinex algorithm in infrared image enhancement [J]. Semiconductor optoelectronics， 2015， 36（3）： 482?485.

[7] 馬忠麗，文杰.融合邊緣信息的單尺度Retinex海霧去除算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2015，27（2）：217?225.

MA Zhongli， WEN Jie. Single scale Retinex sea fog removal algorithm integrating edge information [J]. Journal of computer aided design and graphics， 2015， 27（2）： 217?225.

[8] 姜濤，王彩玲.融合多幀信息的Retinex監(jiān)控視頻增強(qiáng)算法[J].桂林理工大學(xué)學(xué)報(bào)，2015，35（2）：402?407.

JIANG Tao， WANG Cailing. Retinex surveillance video enhancement algorithm incorporating multi frame information [J]. Journal of Guilin University of Technology， 2015， 35（2）： 402?407.

[9] 陳琛，張建州.改進(jìn)的多尺度Retinex醫(yī)學(xué)X射線圖像增強(qiáng)算法[J].計(jì)算機(jī)工程與應(yīng)用，2015，51（9）：191?195.

CHEN Chen， ZHANG Jianzhou. Improved multi?scale Retinex medical X?ray image enhancement algorithm [J]. Computer engineering and applications， 2015， 51（9）： 191?195.

[10] 張紅穎，袁曉鵬.基于YUV色彩空間的Retinex夜間圖像增強(qiáng)算法[J].科學(xué)技術(shù)與工程，2014，14（30）：71?75.

ZHANG Hongying， YUAN Xiaopeng. Retinex night image enhancement algorithm based on YUV color space [J]. Science technology and engineering， 2014， 14（30）： 71?75.