基于圖像增強的去霧算法研究

陳柱銘 郭磊 黃振興

摘? 要：在“地攤經濟”下的城市環境智能監測系統的搭建過程中，文章針對戶外攝像頭在霧天、雪天、雨天或霧霾等影響下，獲取的圖像會出現模糊、過暗或細節丟失等現象進行了研究。對比了基于圖像增強的全局直方圖均衡化、局部直方圖均衡化、單尺度Retinex算法、多尺度加權平均Retinex算法以及帶色彩恢復的多尺度Retinex算法的圖像去霧原理和仿真結果。引入多種客觀評估指標，構建了主客觀評價和客觀評估相結合的圖像去霧效果評價方法。

關鍵詞：圖像去霧評估;直方圖均衡化;Retinex算法

中圖分類號：TP391.4;TP301.6? ? ? ?文獻標識碼：A 文章編號：2096-4706（2021）01-0095-04

Research on the Defogging Algorithm Based on Image Enhancement

CHEN Zhuming，GUO Lei，HUANG Zhenxing

（Guangdong Ocean University，Zhanjiang? 524088，China）

Abstract：In the process of building an intelligent monitoring system for urban environment under the “stall economy”，this paper studies the phenomenon that the images obtained by outdoor cameras will appear blurred，too dark or details lost under the influence of fog，snow，rain or haze. The principles and simulation results of global histogram equalization，local histogram equalization，single scale Retinex algorithm，multi-scale weighted average Retinex algorithm and multi-scale Retinex algorithm with color restoration are compared. By introducing a variety of objective evaluation indexes，an image defogging effect evaluation method combining subjective and objective evaluation is constructed.

Keywords：image defogging evaluation;histogram equalization;Retinex algorithm

0? 引? 言

新冠肺炎疫情沖擊過后，“地攤經濟”火爆全國，但其經營后的垃圾殘留也對城市環境造成很大影響，因此“地攤經濟”下城市環境的智能監測就成為亟須解決的問題。在監測過程中，由于霧、雪、雨或霧霾等不良氣象環境的存在，戶外成像系統所成圖像的清晰度受到了極大的影響，因此用圖像增強的方法來實現圖像去霧的效果就成為了一種流行的處理思路[1]。

目前，基于圖像增強的去霧算法研究較為常見的方法有：基于直方圖均衡化算法的去霧，和基于Retinex算法的去霧，其中直方圖均衡化算法可細分為全局直方圖均衡化和局部直方圖均衡化;Retinex算法可分為單尺度Retinex（SSR），多尺度加權平均Retinex（MSR）和帶色彩恢復的多尺度Retinex（MSRCR）。本文通過對上述算法進行原理解讀和仿真并引入多種客觀評估指標，實現了主客觀評價和客觀評估相結合的圖像去霧效果評價體系。

1? 基于直方圖均衡化的去霧算法

基于直方圖均衡化的去霧算法主要思想就是對原圖像的直方圖進行均衡處理。由于霧天降質圖像相比原圖像，其灰度直方圖的灰度級分布較為集中，進而導致降質圖像的亮度比原圖暗。因此，可以通過對霧天降質圖的直方圖的對比度進行拉伸處理，讓降質圖中較為集中的灰度級能夠相對均勻地分布在灰度空間中，進而達到拉伸圖像對比度，突出圖像細節，提高質量的效果[2]。霧天降質圖的變換函數可表示為：

（1）

其中，sk為變換后的圖像灰度級;T（）為灰度變換函數;rk為霧天降質圖的灰度級，rk∈[0，1];pr（r）為霧天降質圖的概率密度函數，k=0，1，2，…，255。

1.1? 全局直方圖均衡化

全局直方圖均衡化處理的基本思想就是通過對彩色圖像的R、G、B三層通道分別進行直方圖均衡化處理，然后合并形成新的圖像。霧天氣象下的城鎮圖像原圖和進行全局直方圖均衡化去霧處理后的圖像的對比圖如圖1所示。

通過圖1中的對比，可以發現均衡化處理后的降質圖，視覺可見比原來的降質圖更加清晰，細節更加的突出;通過比較變換前后城鎮圖的直方圖，也可發現處理后圖像的直方圖，灰度的分布也比原圖直方圖的分布更加均勻。

1.2? 局部直方圖均衡化

局部直方圖均衡化是在全局直方圖均衡化的基礎上，將原圖像單個顏色通道的信息劃分為數個非重疊的子塊，并對每個子塊進行獨立的直方圖均衡化處理，疊加經處理后的子塊，就可得到新圖像[3]。霧天氣象下的衛星圖原圖和局部直方圖均衡化處理后的圖像的對比圖如圖2所示。

通過圖2直觀對比，可以發現均衡化處理后的降質圖，視覺可見比原來的降質圖更加的突出細節;處理后圖像的直方圖，灰度的分布也確實比原圖直方圖的分布更加均勻。

2? 基于Retinex的去霧算法

Retinex理論是根據人類視覺系統提出的一種圖像增強理論，是在色感一致性（顏色恒常性）基礎上提出的。色感一致性是指反射物體其本體的顏色不是受反射光強度大小和受光照非均勻性所影響，而是由物體本體對不同光波（長波（紅色）、中波（綠色）、短波（藍色））的反射能力所決定[4]。根據該理論，圖像的形成可以拆分為入射圖像和反射圖像，其中反射圖像可表示為：

S（x，y）=R（x，y）·L（x，y）? ? ? ? ? ? ? （2）

其中，S（x，y）為觀察者所接收的反射物體圖像，R（x，y）為物體的反射率，L（x，y）為入射光。

2.1? 單尺度Retinex算法

單尺度Retinex算法是三種Retinex算法中較為簡單的一種增強算法，其計算公式為：

r（x，y）=logS（x，y）-log[F（x，y）*S（x，y）] （3）

其中，r（x，y）為輸出圖像;F（x，y）為中心環繞函數;*為卷積運算[4]。

2.2? 多尺度加權平均Retinex算法

MSR是以SSR為基礎而發展過來的，它相對SSR而言，優點在于處理后的圖像能夠同時保持圖像的動態范圍壓縮和色調再現[5]。因為MSR的原理和SSR相似，所以多尺度Retinex算法會分為大、中、小三個尺度，多尺度Retinex算法的基本公式如式（5）所示：

Ri（x，y）={logS（x，y）-log[F（x，y）*S（x，y）]}

（4）

其中，i∈{R，G，B}代表三個顏色通道;Ri（x，y）為第i個顏色通道中被處理后的圖像;Wn為尺度的權重系數;N為尺度的個數，當N=1時，表示圖像為灰度圖像，N=3時，表示圖像為彩色圖像。

2.3? 帶色彩恢復的多尺度Retinex算法

J.J.McCann和Jobsond等科學家又在MSR的基礎上，提出了具有顏色恢復因子的多尺度Retinex算法——MSRCR[6]。該算法通過引入一個色彩恢復因子C來補償由于圖像對比度的過度增強而導致的顏色失真，通常情況下所引入的色彩恢復因子可表示為：

RMSRCRi（x，y）=Ci（x，y）·RMSRi（x，y）? ? ? ?（5）

（6）

f [Ii（x，y）]=β{log[αIi（x，y）]-log[（x，y）] （7）

其中，Ii（x，y）表示第i個顏色通道的圖像信息;β是增益常數;α是受控制的非線性強度;Ci表示第i個通道的色彩恢復系數，用來盡可能恢復到原圖的三通道顏色分量比例;f（ ）表示的是色彩空間的映射函數。

2.4? 改進的MSRCR算法

無論是SSR算法，還是MSR算法或者MSRCR算法，對圖像進行處理后，可以達到一定的除霧效果，但是圖像的某些細節仍然不夠突出，圖像仍然模糊，或者是色彩失真，根本原因在于圖像的最大動態范圍未能被充分利用。為了更好地利用到圖像的最大動態范圍，可以對由Retinex算法處理后的圖像進行線性拉伸和CLAHE，以此來進一步增強處理后圖像的對比度，使原圖像的灰度范圍從其本身的[Rmin，Rmax]拉伸到我們設定的[0，255]，線性拉伸的公式為：

（8）

然后通過限制對比度自適應直方圖均衡，即對直方圖均衡化進行對比度限幅，通過在計算累積直方圖函數之前預定義的閾值來切割原始圖像的直方圖以達到限制幅度的目的。

2.5? 仿真結果分析

本節將上文提到的三種Retinex算法和改進的MSRCR算法進行仿真實現，所得結果如圖3所示。

可以看出，經過三種Retinex算法處理后的各個圖像都一定程度上實現了去霧的效果，而改進后的MSRCR算法則在MSRCR基礎上降低了亮度，說明改進是有效的，效果也更好。

3? 圖像質量評估指標

正常來說，評價一張圖像的好壞可分為主觀評價和客觀評價兩種。下文將結合本文的霧天降質圖內容來構建主觀評價和客觀評價相結合的評價體系。

3.1? 主觀評價

主觀評價是由參評員從個人角度出發，帶有一定的個人感情色彩，按照一定的標準去主觀地評價圖像質量的好壞。其要符合兩個要求：

（1）參評員應該具備隨機性，即來自四面八方，各自的評價要求不同;

（2）參評員應該基數較大，即數目越多，結果就越具備代表性。

其標準可參照表1給出的數據。

3.2? 客觀評價

本節將對文中出現過的衛星圖和城鎮圖進行仿真計算，通過比較它們的均值μ、標準差std、峰值信噪比PSNR來客觀地評價文中提到的各算法的圖像去霧效果。

表2給出圖像處理前后各算法所得均值。可見，經全局均衡化算法處理的圖像均值最為接近理想數值。但全局均衡化處理出現了顏色失真，即僅靠均值無法正確地表達感受。而其他算法得出的均值有偏差，是因為霧天條件下光照放射不均勻，導致圖像光照分布不均勻，進而導致圖像存在偏差。

表3給出圖像處理前后各算法所得標準差。可見，經算法增強后各圖像都高于霧天降質圖的標準差，表明這些增強后的圖片更加清晰，細節更加的突出，與我們之前對圖像的主觀評價結果一致。

結合表4，我們可以看到經過算法處理后的圖像，其信噪比都有正向增加。單獨對比各算法，我們發現對于全局直方圖均衡化和局部均衡化處理的圖像，其信噪比均高于Retinex算法，與人的主觀評價不一致。這是由于PSNR和MSE兩指標固有的缺陷，這也進一步證明評價圖像要全面。

4? 結? 論

本文在對不同去霧算法實際去霧效果分析的基礎上，構建了主客觀相結合的圖像去霧效果評價體系。該體系能有效避免主觀評價的個體因素影響，能更有效客觀的對去霧效果進行評價。但由于客觀評價指標的多樣性以及不同去霧算法的差異性，未來還需對更多客觀評價指標的深度和廣度進行更有效的評估和篩選。

參考文獻：

[1] 馬文君，劉金虎，王小鵬，等.結合Lab空間和單尺度Retinex的自適應圖像去霧算法 [J].應用光學，2020，41（1）：100-106.

[2] 謝娜.基于圖像增強的圖像去霧算法研究 [J].機械設計與制造工程，2017，46（12）：31-33.

[3] 汪秦峰.基于直方圖均衡化和Retinex的圖像去霧算法研究 [D].西安：西北大學，2016.

[4] 王超.基于圖像增強的幾種霧天圖像去霧算法 [J].自動化應用，2018（2）：70+80.

[5] 黃楙森.霧天退化圖像的去霧算法研究 [D].西安：西安電子科技大學，2019.

[6] 劉雪峰，劉學遠，付民.基于圖像增強和復原的圖像去霧方法研究 [J].現代電子技術，2018，41（6）：18-22.

作者簡介：陳柱銘（1997—），男，漢族，廣東佛山人，本科，研究方向：圖像處理;通訊作者：郭磊（1982—），男，漢族，黑龍江哈爾濱人，講師，博士，研究方向：圖像處理與機器視覺;黃振興（1998—），男，漢族，廣東廉江人，本科在讀;研究方向：機器視覺。