基于分塊和多尺度Retinex的圖像去霧方法

（湖南科技學院，湖南永州市，425199）黃麗韶

1 背景及意義

隨著社會科技進步，人類在跟自然相互作用的過程中引發了一些不良的天氣，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，使得圖像采集系統在濃霧時所捕獲的圖像的對比度較低，并且還會影響色彩，色彩會有失真現象，甚至有時候會導致機器視覺系統無法正常工作。目前在各城市中面向公共安全應用的系統中，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，研究針對霧霾天氣下抓拍到的濃霧圖像進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。本文的研究對其他的一些相似情況也具有一定的借鑒作用。

2 相關原理與算法

近年來，專家學者對圖像去霧進行了大量的研究，總結主要的去霧方法有四類。①暗通道去霧；②色階調整去霧；③直方圖均衡化；④Retinex算法。濃霧圖像更適合使用增強方法進行處理。圖像增強方法忽略圖像降質原因，主要以提升圖像細節來改善圖像清晰度。針對圖像的增強，在眾多的方法中，總結出來主要有曲波變換、直方圖均衡化算法和Retinex算法。針對濃霧圖像進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，主要是因為它可以將三個方面進行平衡。其他的算法難以平衡顏色恒定、細節增強和灰度動態范圍壓縮，而Retinex算法可以做到。另外一個原因是，Retinex算法可以應用到不同背景下的霧天。因此長期以來，國內外專家學者進行了大量的關注和研究。

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的。主要提出，由于生活中的三個主要的原因會造成圖像中的暗原色中低通道值現象。首先，來自現實中的一些陰影和投影。比如地面上的建筑物、公路上的汽車或者房間中的窗簾、餐椅等陰影，大自然中大山、大樹和樹葉的投影等；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、藍色的海面和綠油油的樹葉等。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境下，會有一個有很低值的一個顏色通道，主要集中在一些非天空的局部區域里，而暗通道處理可以說是一個假設。

圖像增強的方法主要有以下幾種。①提高對比度；②Gamma校正；③直方圖均衡化。選擇一個模板，這個模板主要是由相鄰的多個像素構成。均值濾波方法是將這多個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排序的環節。不同點是需要將模板中的像素按照從小到大排好序，再利用中值來替換原來的像素值。也可以利用現有的圖像處理庫PIL來進行處理。比如，python中就有一個叫做ImageEnhance的模塊。

3 基于分塊和多尺度Retinex的圖像去霧方法

作為霧霾圖像增強技術研究的理論基礎，在掌握霧霾的成因、基本特性及霧天圖像形成過程的基礎上，從圖像增強角度分析圖像去霧增強，采用包括直方圖均衡、對比度受限自適應直方圖均衡和單尺度Retinex等一些經典的圖像增強方法對具有濃霧的圖像進行相應的清晰化增強處理，然后通過對這些方法進行相應的實驗，最后對清晰化的圖像進行評價從而比較這些方法的優勢和需要改進的地方。而傳統的多尺度中心環繞Retinex算法在霧氣濃度分布不均勻時，利用全局均值統計量來進行高頻細節信息動態范圍調整的適應性較差。據霧氣濃度的規律性，把濃霧圖像進行分塊得到原始圖像的多個子塊。針對這多個子塊采取匯總均值的方法進行截斷值的計算。將對分塊和計算處理后的圖像進行局部最優的圖像清晰化增強操作，增強后的圖像進行融合處理。

將濃霧圖像中的濃霧去掉，進行濃霧圖像的清晰化操作，達到一定的去霧效果是本文的研究目標。①對濃霧圖像中每個區域的均值進行計算，霧氣在圖像中分布不均勻的情況，最優動態截斷范圍并不一致，如何改進傳統的多尺度Retinex算法，提高圖像細節的可視度，增強圖像全局對比度的同時，也增強圖像高頻信息部分。②在保持現有的運行速度的情況下，保證同一個子塊盡量聚集不同濃度的有霧區域，解決如何將圖像進行分塊，劃分多少子塊不會影響動態截斷效果的問題。③解決如何進行子塊圖像的融合，盡量在圖像細節增強和圖像過增強之間尋找平衡點，是否可以將多個局部最優的增強圖像進行線性加權組合。

從最基礎的全局直方圖均衡化、局部直方圖均衡化和Retinex增強處理入手，設計并實現GUI界面，為后續研究做好前期準備工作。采用分塊和多尺度Retinex實現霧霾圖像增強。首先，將圖像進行高頻細節信息分解，采用多尺度Retinex（Muhi-Scalde Retinex，MSR）思想，抑制光暈，獲取高頻細節分量；其次，將圖像劃分為多個子塊，計算出適合不同霧霾的動態截斷值；再次，利用這幾個動態截斷值對高頻細節信息進行動態范圍調整，得到多幅局部最優的圖像；最后，融合多幅局部最優圖像生成高質量的結果，從而實現霧霾圖像每個區域細節的增強。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

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，針對每個局部的均值統計量不一致的情況，改進了多尺度Retinex量化拉伸的過程，增強Retinex算法的魯棒性是主要的創新之處。