基于分塊和多尺度Retinex的圖像去霧方法

（湖南科技學(xué)院，湖南永州市，425199）黃麗韶

1 背景及意義

隨著社會(huì)科技進(jìn)步，人類(lèi)在跟自然相互作用的過(guò)程中引發(fā)了一些不良的天氣，其中霧霾天氣就是其中一種。一般而言，在霧霾天氣條件下，受到空氣中漂浮顆粒對(duì)光的折射、反射、自身吸收和自身成像等影響，使得圖像采集系統(tǒng)在濃霧時(shí)所捕獲的圖像的對(duì)比度較低，并且還會(huì)影響色彩，色彩會(huì)有失真現(xiàn)象，甚至有時(shí)候會(huì)導(dǎo)致機(jī)器視覺(jué)系統(tǒng)無(wú)法正常工作。目前在各城市中面向公共安全應(yīng)用的系統(tǒng)中，安裝了很多的電子眼。這些電子眼可以精確地捕捉到人臉、車(chē)牌等信息，但受惡劣天氣、大氣污染的影響，捕捉的效率大大降低。所以，研究針對(duì)霧霾天氣下抓拍到的濃霧圖像進(jìn)行去霧的方法是非常有意義的工作。

本文主要是研究霧霾天氣下拍攝的單幅濃霧圖像的清晰化工作。惡劣天氣除了濃霧以外還有其他雪天雨天等。本文的研究對(duì)其他的一些相似情況也具有一定的借鑒作用。

2 相關(guān)原理與算法

近年來(lái)，專家學(xué)者對(duì)圖像去霧進(jìn)行了大量的研究，總結(jié)主要的去霧方法有四類(lèi)。①暗通道去霧；②色階調(diào)整去霧；③直方圖均衡化；④Retinex算法。濃霧圖像更適合使用增強(qiáng)方法進(jìn)行處理。圖像增強(qiáng)方法忽略圖像降質(zhì)原因，主要以提升圖像細(xì)節(jié)來(lái)改善圖像清晰度。針對(duì)圖像的增強(qiáng)，在眾多的方法中，總結(jié)出來(lái)主要有曲波變換、直方圖均衡化算法和Retinex算法。針對(duì)濃霧圖像進(jìn)行去霧處理的方法中，Retinex算法獲得了一定的成果。Retinex算法之所以獲得成功，主要是因?yàn)樗梢詫⑷齻€(gè)方面進(jìn)行平衡。其他的算法難以平衡顏色恒定、細(xì)節(jié)增強(qiáng)和灰度動(dòng)態(tài)范圍壓縮，而Retinex算法可以做到。另外一個(gè)原因是，Retinex算法可以應(yīng)用到不同背景下的霧天。因此長(zhǎng)期以來(lái)，國(guó)內(nèi)外專家學(xué)者進(jìn)行了大量的關(guān)注和研究。

在眾多的去霧算法中，非常有名的是暗通道去霧算法，是何凱明博士提出來(lái)的。主要提出，由于生活中的三個(gè)主要的原因會(huì)造成圖像中的暗原色中低通道值現(xiàn)象。首先，來(lái)自現(xiàn)實(shí)中的一些陰影和投影。比如地面上的建筑物、公路上的汽車(chē)或者房間中的窗簾、餐椅等陰影，大自然中大山、大樹(shù)和樹(shù)葉的投影等；其次，在一些顏色比較鮮明的物體中，必然固有一些通道的值是比較低的，比如，顏色鮮明的紅色玫瑰花、藍(lán)色的海面和綠油油的樹(shù)葉等。再次，本身顏色就比較暗沉的物體中，有暗原色中低通道值，陰雨天氣下的大地，灰色的房屋等。在一些顏色鮮艷的物體或表面，還有一些暗沉的物體或環(huán)境下，會(huì)有一個(gè)有很低值的一個(gè)顏色通道，主要集中在一些非天空的局部區(qū)域里，而暗通道處理可以說(shuō)是一個(gè)假設(shè)。

圖像增強(qiáng)的方法主要有以下幾種。①提高對(duì)比度；②Gamma校正；③直方圖均衡化。選擇一個(gè)模板，這個(gè)模板主要是由相鄰的多個(gè)像素構(gòu)成。均值濾波方法是將這多個(gè)像素模板的均值作為要處理像素的值。而中值濾波方法增加了一個(gè)排序的環(huán)節(jié)。不同點(diǎn)是需要將模板中的像素按照從小到大排好序，再利用中值來(lái)替換原來(lái)的像素值。也可以利用現(xiàn)有的圖像處理庫(kù)PIL來(lái)進(jìn)行處理。比如，python中就有一個(gè)叫做ImageEnhance的模塊。

3 基于分塊和多尺度Retinex的圖像去霧方法

作為霧霾圖像增強(qiáng)技術(shù)研究的理論基礎(chǔ)，在掌握霧霾的成因、基本特性及霧天圖像形成過(guò)程的基礎(chǔ)上，從圖像增強(qiáng)角度分析圖像去霧增強(qiáng)，采用包括直方圖均衡、對(duì)比度受限自適應(yīng)直方圖均衡和單尺度Retinex等一些經(jīng)典的圖像增強(qiáng)方法對(duì)具有濃霧的圖像進(jìn)行相應(yīng)的清晰化增強(qiáng)處理，然后通過(guò)對(duì)這些方法進(jìn)行相應(yīng)的實(shí)驗(yàn)，最后對(duì)清晰化的圖像進(jìn)行評(píng)價(jià)從而比較這些方法的優(yōu)勢(shì)和需要改進(jìn)的地方。而傳統(tǒng)的多尺度中心環(huán)繞Retinex算法在霧氣濃度分布不均勻時(shí)，利用全局均值統(tǒng)計(jì)量來(lái)進(jìn)行高頻細(xì)節(jié)信息動(dòng)態(tài)范圍調(diào)整的適應(yīng)性較差。據(jù)霧氣濃度的規(guī)律性，把濃霧圖像進(jìn)行分塊得到原始圖像的多個(gè)子塊。針對(duì)這多個(gè)子塊采取匯總均值的方法進(jìn)行截?cái)嘀档挠?jì)算。將對(duì)分塊和計(jì)算處理后的圖像進(jìn)行局部最優(yōu)的圖像清晰化增強(qiáng)操作，增強(qiáng)后的圖像進(jìn)行融合處理。

將濃霧圖像中的濃霧去掉，進(jìn)行濃霧圖像的清晰化操作，達(dá)到一定的去霧效果是本文的研究目標(biāo)。①對(duì)濃霧圖像中每個(gè)區(qū)域的均值進(jìn)行計(jì)算，霧氣在圖像中分布不均勻的情況，最優(yōu)動(dòng)態(tài)截?cái)喾秶⒉灰恢拢绾胃倪M(jìn)傳統(tǒng)的多尺度Retinex算法，提高圖像細(xì)節(jié)的可視度，增強(qiáng)圖像全局對(duì)比度的同時(shí)，也增強(qiáng)圖像高頻信息部分。②在保持現(xiàn)有的運(yùn)行速度的情況下，保證同一個(gè)子塊盡量聚集不同濃度的有霧區(qū)域，解決如何將圖像進(jìn)行分塊，劃分多少子塊不會(huì)影響動(dòng)態(tài)截?cái)嘈Ч膯?wèn)題。③解決如何進(jìn)行子塊圖像的融合，盡量在圖像細(xì)節(jié)增強(qiáng)和圖像過(guò)增強(qiáng)之間尋找平衡點(diǎn)，是否可以將多個(gè)局部最優(yōu)的增強(qiáng)圖像進(jìn)行線性加權(quán)組合。

從最基礎(chǔ)的全局直方圖均衡化、局部直方圖均衡化和Retinex增強(qiáng)處理入手，設(shè)計(jì)并實(shí)現(xiàn)GUI界面，為后續(xù)研究做好前期準(zhǔn)備工作。采用分塊和多尺度Retinex實(shí)現(xiàn)霧霾圖像增強(qiáng)。首先，將圖像進(jìn)行高頻細(xì)節(jié)信息分解，采用多尺度Retinex（Muhi-Scalde Retinex，MSR）思想，抑制光暈，獲取高頻細(xì)節(jié)分量；其次，將圖像劃分為多個(gè)子塊，計(jì)算出適合不同霧霾的動(dòng)態(tài)截?cái)嘀担辉俅危眠@幾個(gè)動(dòng)態(tài)截?cái)嘀祵?duì)高頻細(xì)節(jié)信息進(jìn)行動(dòng)態(tài)范圍調(diào)整，得到多幅局部最優(yōu)的圖像；最后，融合多幅局部最優(yōu)圖像生成高質(zhì)量的結(jié)果，從而實(shí)現(xiàn)霧霾圖像每個(gè)區(qū)域細(xì)節(jié)的增強(qiáng)。如圖1所示。

圖1 基于分塊和多尺度Retinex的圖像去霧方法

4 總結(jié)

本文提出的分塊和多尺度Retinex考慮了霧氣不均勻的霧霾圖像特征，針對(duì)每個(gè)局部的均值統(tǒng)計(jì)量不一致的情況，改進(jìn)了多尺度Retinex量化拉伸的過(guò)程，增強(qiáng)Retinex算法的魯棒性是主要的創(chuàng)新之處。