基于MSRRetinex參數(shù)融合的真彩色圖像增強(qiáng)

白晨帥 魏潔柔 蘇維亞 王亞丁

摘 要：針對(duì)小波變換的單尺度（SSR）Retinex的真彩色圖像增強(qiáng)算法的不足，文章提出了一種基于非抽樣小波變換的多尺度（MSR）Retinex參數(shù)融合的真彩色圖像增強(qiáng)算法，該算法在HSV空間下將亮度分量V按3個(gè)不同參數(shù)進(jìn)行Retinex變換，對(duì)得到的不同參數(shù)再進(jìn)行基于非下采樣小波變換的融合，進(jìn)而得到融合后的V分量，最后，將處理后的高低頻系數(shù)進(jìn)行反變換得到增強(qiáng)后結(jié)果圖像。

關(guān)鍵詞：圖像增強(qiáng)；Retinex；HSV；小波變換

圖像是傳遞信息的重要手段，真彩色圖像包含的有效信息遠(yuǎn)遠(yuǎn)高于灰度圖像，為了得到人們所需要的彩色圖像，就需要對(duì)圖像進(jìn)行處理以增強(qiáng)有用信息、淡化無(wú)用信息。根據(jù)Pratt理論，圖像增強(qiáng)可描述為：“圖像增強(qiáng)是用來(lái)提高圖像的視覺(jué)效果，或?qū)D像轉(zhuǎn)換成適于人眼、機(jī)器分析的形式的一門(mén)技術(shù)?！标愂貏俒1]提出將彩色圖像的3個(gè)分量進(jìn)行直方圖均衡化后再進(jìn)行增強(qiáng)的方法。文獻(xiàn)[2]和文獻(xiàn)[3]使用了將彩色圖像由RGB空間轉(zhuǎn)換到HSV空間再增強(qiáng)的方法，這種方法使得增強(qiáng)后圖像的色彩保持不變。小波變換[4-5]作為一種多尺度分析工具，能夠有效提取圖像的方向細(xì)節(jié)信息，它在圖像處理方面有著廣泛的應(yīng)用[6-7]。

本文主要研究的是圖像增強(qiáng)，文中提出了基于多尺度（MSR）Retinex參數(shù)融合的圖像增強(qiáng)方法，為了驗(yàn)證提出方法的有效性，實(shí)驗(yàn)過(guò)程中分別對(duì)兩幅圖像進(jìn)行增強(qiáng)，實(shí)驗(yàn)結(jié)果表明：本文提出的方法能較好地消除低照度以及光照不均的現(xiàn)象，從而來(lái)增強(qiáng)真彩色圖像。

1 基于MSR Retinex下的非抽樣小波變換的彩色圖像增強(qiáng)

1.1 Retinex算法

1.2 基于MSR Retinex參數(shù)融合的真彩色圖像增強(qiáng)算法

本文提出了基于MSR Retinex的彩色圖像增強(qiáng)的方法，該方法有效地對(duì)亮度不均、細(xì)節(jié)不明顯的圖像進(jìn)行了增強(qiáng)，提出算法的具體步驟如下。

Step1：將彩色圖像由RGB空間轉(zhuǎn)換到HSV空間。

Step2：對(duì)亮度分量V按3個(gè)不同參數(shù)進(jìn)行Retinex變換，分別得到V1，V2和V3分量。

Step3：對(duì)V1，V2和V3分量進(jìn)行融合，得到處理后的Vnew分量；融合時(shí)采用基于非下采樣的小波變換，其中低頻信息取平均，高頻信息取最大值。

Step4：將處理后的Vnew做HSV空間到RGB空間的逆變換，最終得到增強(qiáng)后的圖像。

2 實(shí)驗(yàn)分析

本文采用Matlab2013作為實(shí)驗(yàn)環(huán)境，選取兩幅對(duì)比度低、亮度不均、細(xì)節(jié)不明顯的真彩色圖像，如圖1—2所示，為了驗(yàn)證本方法提出算法的有效性，實(shí)驗(yàn)中用到的對(duì)比方法為雙邊濾波增強(qiáng)算法和經(jīng)典的MSR圖像增強(qiáng)算法。其中，圖1—2（a）為原始圖像，圖1—2（b）為雙邊濾波增強(qiáng)算法的實(shí)驗(yàn)結(jié)果，圖1—2（c）為MSR圖像增強(qiáng)算法的實(shí)驗(yàn)結(jié)果，圖1—2（d）為本文提出方法的實(shí)驗(yàn)結(jié)果。

圖1的實(shí)驗(yàn)結(jié)果表明，雙邊濾波增強(qiáng)算法得到的圖像較模糊，MSR方法得到的增強(qiáng)圖像較清晰，但圖像較暗，相較于以上兩種方法，本文提出方法得到的增強(qiáng)圖像亮度更好，且圖像更清晰。圖2所示為另一幅待增強(qiáng)圖像，從圖中可以看出，雙邊濾波增強(qiáng)算法使圖像邊緣平滑，但圖像較暗且圖像模糊；MSR算法得到的結(jié)果圖像較清晰，但圖像較暗；而本文所提出的算法能夠在增加圖像亮度和對(duì)比度的同時(shí)，又保持了原圖像較暗區(qū)域的信息，而且增強(qiáng)后的圖像更光滑、細(xì)膩。

3 結(jié)語(yǔ)

本文提出了一種基于MSR Retinex參數(shù)融合的真彩色圖像增強(qiáng)算法，實(shí)驗(yàn)中對(duì)兩幅光照不均的圖像進(jìn)行增強(qiáng)，將本文提出方法與雙邊濾波算法和經(jīng)典的MSR算法相比較，實(shí)驗(yàn)結(jié)果表明，相較于兩種比較算法，本文提出方法增強(qiáng)了圖像的對(duì)比度，且圖像的亮度有了較好的提升。

[參考文獻(xiàn)]

[1]陳守剛.基于直方圖均衡化的彩色圖像增強(qiáng)研究[J].重慶三峽學(xué)院學(xué)報(bào)，2011（3）：74-77.

[2]韓麗娜，熊杰，耿國(guó)華，等.基于HSV空間的雙通道同態(tài)濾波真彩色圖像增強(qiáng)[J].計(jì)算機(jī)工程與應(yīng)用，2009（27）：18-21.

[3]NAIK S K，MURTHY C A.Hue-preserving color image enhancement without gamut problem[J].IEEE Transfer Image Process，2003（12）：1591-1598.

[4]吳粉俠，段群，李洪星.基于非抽樣的小波變換的彩色圖像增強(qiáng)方法[J].咸陽(yáng)師范學(xué)院學(xué)報(bào)，2015（4）：52-55.

[5]BRUNO A，LUCIANO A，STEFANO B.Context-driven fusion of high spatial and spectral resolution images based on oversampled multiresolution analysis[J].IEEE Transactions on Geoscience and Remote Sensing，2002（10）：2300-2312.

[6]DOM N，VETTERLI M.The contourlet transform： an efficient directional multiresolution image representation[J].IEEE Trans on Image Processing，2005（12）：2091-2106.

[7]DOM N，VETTERLI M.The finite redgelet transform for image representation[J].IEEE Transactions on Image Processing，2003（1）：16-28.

[8]段群，吳粉俠，李紅.雙通道分塊同態(tài)濾波彩色圖像增強(qiáng)算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2016（1）：82-85.