基于高斯同態濾波和引導濾波對圖像增強的研究

張娜 劉娜 杜清漪

摘要：Retinex算法是通過削弱光照變化對圖像的消極影響以達到圖像增強效果的算法。本文利用高斯同態濾波和引導濾波對光照估計進行模擬仿真實驗，對比在不同濾波下Retinex算法對光照變化強烈的圖像增強處理。經過對算法的研究得出，高斯同態濾波是對圖像灰度級進行調整，通過增強圖像高頻部分的細節，減少低頻分量解決圖像上照明不均的問題，使圖像細節突出、層次清晰、包含更多信息量，對光照強度較高的圖片增強效果較好。

關鍵詞：Retinex算法;高斯同態濾波;引導濾波;圖像增強

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2020）03-0190-02

1 概述

在現實生活中，實際獲得的圖像基于某些不可控因素造成圖像達不到人眼觀察和后續處理的要求，對圖像進行增強處理的要求應運而生。圖像增強是指在保證圖像基本信息不變的情況下，通過有選擇的突出某些區域以提高圖像的質量和使用價值，方便人們或機器進行研究。Retinex理論的引入，為處理光照變化影響問題提供了新的思路。

由于經典Retinex算法存在不足[2]，本文依據Retinex算法采用高斯同態濾波和引導濾波進行模擬仿真實驗，對比分析出不同濾波的增強效果和適應圖像類型。

2 SSR算法及其改進

2.1 SSR算法

Retinex圖像增強算法的基本理論是：將有待增強的圖像S看作是由反射光分量和入射光分量的乘積，即

S=LxR

（1）

其中用反射分量R表示消除光照影響后的圖像，入射分量L表示光照給圖像帶來的干擾因素[3]。為了方便計算，我們通常采用對數變換將乘法運算轉換成加法運算：

log（S）=log（L）+ log（R）=l+r.

（2）

對原始圖像S進行不同濾波得到入射分量l的粗略估計，從需要增強的圖像中減去入射分量l，得到反射分量r

r= log（S） -l.

（3）

再經過對數反變換實現圖像增強

S=e l+r.

（4）

2.1 改進的SSR算法

2.1.1 高斯同態濾波

基于對Retinex算法的研究，本文結合高斯同態濾波進行圖像頻率過濾和灰度變換，對細節不突出又較為黑暗圖像進行處理。該濾波有調節圖像灰度范圍、強調圖像細節、增強對比度、消除照明不均的作用[4]。同態濾波是一種依靠圖像的照度——反射模型改善圖像質量的頻域方法。

對上述（2）式兩端進行傅里葉變換，可得

2.1.2 圖像引導濾波

本文在Retinex算法的基礎上，考慮采用兩次圖像引導濾波克服圖像處理中的“光暈”效應;提出圖像引導濾波的單尺度Retinex算法，引導濾波核函數具有良好的邊緣保持和細節增強性能。圖像引導濾波是一個線性可變的濾波過程[3]。對于輸出圖像中第i個像素而言，其計算方法為因子。

3 仿真實驗

3.1 實驗環境

針對本文研究提出的圖像增強算法，采用具體圖像進一步分析，MATLAB可以用來提取圖片中的像素信息，并對圖像簡單聚類分塊[5]。利用筆記本電腦Matlab2017版本，CPU 2.3CHz，內存4GB。本文測試圖片為人物圖和樹木圖，均來自標準圖像庫，大小為256～256，如圖l（a）與圖2（a）。

3.2 對比算法與客觀指標

SSR算法在光照強度較大時已經不能起到很好的圖像增強的作用[2]。為了分析圖像增強的效果，需要對圖像進行質量評價，本文采用圖像信息熵、對比度作為客觀評價指標。

1）信息熵是用于度量圖像信息的豐富程度的指標，所得圖像信息熵越大，圖像增強效果越好，其計算公式為

3.3 結果與分析

從對比結果可知，基于高斯同態濾波的改進SSR算法和基于引導濾波的改進SSR算法都有效地突出圖像細節，增強對比度并去除光照不均勻的影響。根據圖一所示，基于引導濾波的改進算法效果更明顯。根據圖二所示，基于高斯同態濾波的改進算法效果更好。圖一圖二的顯著不同之處在于人物圖的光照弱，樹木圖光照較強，所以在光照強度較亮時，基于高斯同態濾波的改進算法更加適用。

高斯同態濾波與引導濾波處理后圖像的信息熵都比原圖大，但是在圖片本身光照較暗（人物圖）時，引導濾波對圖像的信息熵改變量更大，增強效果更好;在本身光照強度較大（樹木圖）時，高斯濾波對圖像的信息熵改變量更大，增強效果更好。

由表1可知，高斯同態濾波與引導濾波處理后圖像的信息熵都比原圖大，但是在圖片本身光照較暗（人物圖）時，引導濾波對圖像的信息熵改變量更大，增強效果更好;在本身光照強度較大（樹木圖）時，高斯濾波對圖像的信息熵改變量更大，增強效果更好。

從表2的各種圖像增強算法的對比度結果可看出，在圖片本身光照較暗（人物圖）時，引導濾波將圖像對比度變大，增強效果更好;在本身光照強度較大（樹木圖）時，高斯同態濾波將圖像對比度變大，增強效果更好。

4 結束語

本文指出，高斯同態濾波和引導濾波均對由光照不足造成的細節無法辨認，灰度又較暗的圖像有較好的增強效果。經過對不同圖像運用同一濾波的結果分析和針對同一圖像運用不同濾波進行圖像增強的結果分析，對圖像增強效果進行主客觀評估，同時指出了這兩種濾波的不足之處，體現了本文的可靠度和真實性。但本文仍存在一些不足之處，如實驗次數少，圖像特征少，未對圖像紋理的還原進行深度分析。為了獲得更為清晰的復原圖像，往往在對圖像進行復原之前我們應該對圖像進行去噪。基于此類不足之處，我們將會在未來一年內對圖像紋理細節因素進行實驗對比，深入探討引導濾波的邊緣保持特性和細節優勢。

參考文獻：

[1]龔薇，斯科卅秀清，等，一種強魯棒性的實時圖像增強算法[J].傳感技術學報，2007，20（9）：2024-2028.

[2]陳超，改進單尺度Retinex算法在圖像增強中的應用[J].計算機應用與軟件，2013，30（4）：55-57，74.

[3]方帥，楊靜榮，曹洋，等，圖像引導濾波的局部多尺度Retinex算法[J]中國圖象圖形學報，2012，17（7）：748-755.

[4]程新.基于同態濾波的圖像增強算法研究[D].西安：西安郵電大學，2016.

[5]董美娜，劉笑楠.基于線性回歸的圖像邊緣處理算法的研究[J]電子元器件與信息技術，2018（7）：69-73.