基于改進Retinex算法的低照度圖像增強

摘? 要：通過對比不同圖像增強算法，針對傳統圖像增強算法無法兼顧色彩、細節以及紋理的同步處理等問題，文章提出一種MSRCR-HIS圖像增強算法，融合直方圖轉換法與MSRCR算法的優勢，并將處理后的圖像與原始圖像進行融合以保留原圖細節信息，通過驗證，文章提出的算法與經典算法相比，能夠有效地改善圖像的呈現效果，有利于后續各項實驗操作。

關鍵詞：低照度；圖像增強；圖像融合；多尺度Retinex

中圖分類號：TP391.4? 文獻標識碼：A? ? 文章編號：2096-4706（2023）05-0113-04

Low Illumination Image Enhancement Based on Improved Retinex Algorithm

ZOU Liangna

（Xi'an Technological University， Xi'an? 710021， China）

Abstract： By comparing different image enhancement algorithms， aiming at the problems that traditional image enhancement algorithms can not take into account the synchronous processing of color， detail and texture， this paper proposes a MSRCR-HIS image enhancement algorithm， which combines the advantages of histogram conversion method with MSRCR algorithm， and fuses the processed image with the original image to retain the details of the original image information. Through verification， compared with the classical algorithm， the algorithm proposed in this paper can effectively improve the rendering effect of images， and it is conducive to subsequent experimental operations.

Keywords： low illumination; image enhancement; image fusion; multi-scale Retinex

0? 引? 言

圖像能夠直觀的展示物體以及環境，圖像獲取方式眾多，處理技術成熟，已經廣泛的滲入到科研以及生活中，但正是由于圖像提供的信息之多，從中提取所需的關鍵信息摒除冗雜信息與干擾，變得至關重要，這需要圖像的質量達到一定的要求。由于圖像采集過程中各種不可控因素，特別是在室內照明、夜間照明、陰天等不利條件下，圖像采集系統所采集的圖像往往存在缺陷，在這些不利條件下，目標表面的反射較弱，并且由于存在噪聲而使顏色失真，從而導致圖像質量嚴重下降，使圖像無法最大化發揮其作用。因此，如何在低照度條件下獲得清晰的靜止或運動圖像已成為亟待解決的問題。圖像增強技術提供了一種可能的解決方案，圖像增強不僅滿足了對更好視覺體驗的需求，還提高了圖像的可靠性和魯棒性，使圖像處理系統更容易分析和處理圖像。

對于圖像增強算法，眾多科研人員提出了很多創新可行的方法。DU等人提出了一種新的醫學圖像增強算法。采用對比度限制自適應直方圖均衡（CLAHE）來提高全局對比度；使用低頻分量和幾個高頻分量來增強邊緣細節。Alismail等人提出了一種算法，用于在具有挑戰性的光照條件下進行魯棒和實時的視覺跟蹤，其特征是光照不足和光照突然劇烈變化。為了解決低照度條件下的視頻監控問題，Zhi等人提出了一種新的基于光照調整結合引導濾波和“S曲線”功能的非均勻圖像增強算法，用于煤礦環境。Malm H等人突出一種極低光線視頻的自適應圖像增強算法，實現了對動態視頻圖像的實時增強，提高了圖形增強算法的適用領域。Jim H等人將小波變換應用于圖像處理過程中，并將不同參數處理后的圖像進行融合來達到增強夜間圖像的目的。

圖像增強是各個領域普遍存在的問題，如何增強低照度或光照不均勻的圖像需要進一步研究。

1? 傳統低照度圖像增強算法

傳統的圖像增強算法有基于Retinex理論的SSR算法、MSR算法、MSRCR算法以及直方圖變換法等。Jobson等人在Land等人建立的Retinex照明反射基礎上，提出了一種單尺度Retinex算法，即SSR算法，對圖像進行單尺度的變換與調整從而達到對圖像的整體增強，由于處理尺度單一，因此圖像質量不高，會出現亮度提高但細節丟失嚴重、顏色失真等問題；該算法經過延伸發展為多尺度Retinex算法，即MSR算法，融合多尺度處理的結果，能夠使圖片呈現出更好的效果，但是會存在亮度過高，顏色失真的現象；在此基礎上通過引入色彩參數對圖像的顏色進行修正，這就是帶顏色恢復的MSRCR算法，圖像的色彩飽和度有了明顯的提升，但是會產生光暈的現象；直方圖轉換法是使用最廣泛的一種圖像增強算法，通過構造映射函數，實現圖像像素的再分配，使得集中在某一區域的像素值盡可能的分布在較廣的范圍，從而增強圖像的對比度，但是強制的像素擴展會導致圖像細節丟失，顏色失真，色彩飽和度不高。

針對傳統的低照度圖像增強算法所存在的問題，文章將結合直方圖轉換法和MSRCR算法的優勢，提出一種將直方圖轉換法與MSRCR算法相結合，并將處理后的圖像與原始圖像高頻分量進行融合的MSRCR-HIS算法，在保留原圖細節的同時，本文算法平衡了整個圖像的顏色，并發現了以前在暗區不可見的細節，從而顯著提高了圖像質量。通過驗證，改進后的算法具有較高的清晰度、峰值信噪比以及較低的結構相似性。本文可為未來關于低照度圖像增強的研究提供新思路。

2? MSRCR-HIS算法

針對傳統的低照度圖像增強算法所存在的問題，本文將綜合直方圖轉換法和MSRCR算法的優勢，提出一種將直方圖轉換法與MSRCR算法相結合，并將處理后的圖像與原始圖像進行融合的MSRCR-HIS算法，通過驗證，改進后的算法具有較高的清晰度、峰值信噪比以及較低的結構相似性。

2.1? MSRCR-HIS算法流程圖

本小節將對本文提出的MSRCR-HIS算法處理彩色圖像的具體步驟進行介紹。具體算法流程圖如圖1所示。

2.2? MSRCR-HIS算法原理

2.2.1? 高頻分量提取

圖像的高頻部分能夠提供更多的信息，對圖像亮度的提升以及邊緣信息的提取至關重要，對整體的呈現效果影響巨大。本文選取高斯函數作為參與計算的中心環繞函數，依次將每個色彩通道與高斯函數進行濾波，以此來提取原始圖像中的高頻部分。高斯函數為：

低通濾波公式為：

其中Ii （x， y）表示輸入圖像的第i個光譜色帶HIS，*表示卷積運算。

2.2.2? 色彩空間的再分配

為了進一步實現色彩空間的均衡化，抑制光暈現象，借助映射函數將圖像三個尺度下的色彩映射到另一個分布上從而實現色彩值的重新分配，傳統的對RGB色彩空間進行操作，會使得圖像色調發生變化，因此此處依舊是在HIS色彩空間進行色彩值得再分配，亮度（I）和飽和度（S）尺度的處理公式為：

2.2.3? 多尺度圖像融合

將處理后得到的圖像金字塔從第二層起的每一層圖像進行上采樣以及高斯卷積，然后與其下一層圖像相減，得到的殘差圖像就是拉普拉斯分解圖像。計算公式為：其中，gas表示高斯卷積函數，Gas表示高斯金字塔，Lap表示拉普拉斯金字塔，*表示卷積運算。將得到的拉普拉斯金字塔對應圖層上的圖像進行融合得到HIS彩色圖像。

對應圖層的融合公式為：

，

其中，Hn （i， j），Sn （i， j）分別表示第n幅圖像（i， j）位置上的色調和飽和度

3? 實驗結果與分析

3.1? 主觀評價

經過圖像直觀對比可以發現，經過處理之后的圖像質量均有所提升，處理結果如圖2所示，依次為原圖，經過MSR、MSRCR、AHE、MSRCR-HIS處理后的圖像，MSR算法處理后的圖像亮度明顯提升，但是過分集中處理亮度導致圖像霧化，細節丟失嚴重；MSRCR算法處理的圖像色彩飽和度優越，霧化現象得到很好的抑制，但有光暈現象的存在；直方圖變換法對清晰度的提高比較明顯，但對色彩的處理不夠細致；本文算法能夠較好的保留圖像細節信息，增強圖像呈現效果，且有效的消除了光暈現象的出現。

3.2? 客觀評價

不同的算法具有不同的圖像增強焦點，主觀評價難以展示足夠的客觀性，為了使評價結果更加的客觀準確具有說服力，本文選擇清晰度（SMD2）、結構相似性（SSIM），峰值信噪比（PSNR）作為評價指標。

3.2.1? 清晰度（SMD2）

清晰度作為最直觀的評價指標，在圖像評價中具有非常重要的地位，本文選擇SMD2作為清晰度的評價指標，計算公式為：

清晰度指標得分越高，說明圖像的清晰度越高。

3.2.2? 結構相似性（SSIM）

該指標可以看作是處理后圖像的影像品質衡量指標，亮度模塊、對比度模塊以及結構模塊是SSIM評價系統的三個重要組成部分，計算公式為：

其中μx，μy表示平均灰度，σx，σy表示標準差。結構相似性指標得分越低，表示圖像與原始圖像相比圖像質量越高。

3.2.3? 峰值信噪比（PSNR）

評價圖像質量最常用的指標是峰值信噪比，單位為分貝，計算公式為：

其中MAXI表示圖像峰值像素值，峰值信噪比指數標得分越高，說明圖像信息保留的越完整。

圖像數據集處理后的評價指標平均值如表1所示。

通過各個指標分析來看，在清晰度方面，經過處理后圖像的清晰度都有一定程度的改善，但是可以看出本文算法對圖像清晰度的改善能力要遠遠超過其他算法；在圖像質量方面，處理之后的圖像質量都要優于原始圖像，其中本文算法處理后的圖像質量最高；在峰值信噪比方面，MSR以及MSRCR算法的得分較低，說明較之原圖失真度偏高，直方圖轉換法和本文算法得分較高，說明較之原圖失真度很低，其中文章算法要略優于直方圖轉換法；

為了進一步對比文章算法與其他算法的性能，此處選取圖3圖像經過各個算法處理之后的直方圖如圖3所示，依次為原圖，經過MSR、MSRCR、AHE、MSRCR-HIS處理后的圖像直方圖。通過圖3直方圖的對比我們可以看到，原始圖像的像素過多的集中在低亮度范圍，圖像呈現的效果就是亮度低，圖像不清晰；MSR算法處理后的圖像像素過多的集中在了高亮度范圍，圖像呈現的效果就是亮度過高，產生曝光現象，這也符合MSR算法會產生光暈的現象；MSRCR算法處理之后的圖像像素分布明顯得到了改善，變得均衡但是仍舊有過多的像素分布在高亮度范圍，會導致圖像會在細節部分丟失；直方圖轉換法處理后的圖像像素明顯分布更加均勻，表現為圖像清晰度的提高，但整體亮度范圍的像素值很低，圖像的色彩飽和度得不到保證；MSRCR-HIS算法處理以后的圖像像素分布均勻，表現為圖像的清晰度高，細節信息保存完整，色彩飽和度高，充分證明了文章算法的優越性。

4? 結? 論

文章針對低照度圖像的增強問題，基于光反射模型和多尺度理論，提出了一種將傳統MSRCR算法與直方圖轉換法相結合并與原圖高頻分量進行融合的MSRCR-HIS算法。實驗表明，文章算法在保留圖像細節信息的同時，比經典算法更好的平衡了圖像的顏色，提升圖像的對比度以及清晰度，圖片的色彩也得到了較好的恢復，有更好的呈現效果。同時文章提出的算法能夠呈現原始低照度圖像黑暗區域看不見的細節，顯著提高了圖像的質量。與傳統算法相比，具有較高的清晰度，峰值信噪比以及較低的結構相似性。并驗證了文章算法在極低照度圖像中的應用，體現了文章算法的優越性，可為未來關于光照不均勻的圖像增強研究提供新的思路。文章算法需要進一步的提升運行速度，擴展應用場景，例如動態視頻增強。

參考文獻：

[1] 高古學，賴惠成，劉月琴.結合CLAHE和改進MSRCR的沙塵圖像增強 [J].計算機仿真，2020，37（8）：157-161+430.

[2] TIAN X，LIU R，WANG Z Y，et al.High quality 3D reconstruction based on fusion of polarization imaging and binocular stereo vision [J].Information Fusion，2022，77：19-28.

[3] LAND E H，MCCAN J J. Lightness and Retinex Theory [J].Journal of the Optical Society of America，1971，61（1）：1-11.

[4] IMMANUEL K，DINESH K A，PRAVEEN K E. Enhanced Intelligent Automated Method to MSRCR Algorithm for Image Enhancement [J].International Journal of Engineering and Advanced Technology，2020，9（3）：1398-1401.

[5] ZHANG W，DONG L，PAN X，et al. Single Image Defogging Based on Multi-Channel Convolutional MSRCR [J].IEEE Access，2019，7：2169-3536.

[6] 崔旭東，楊有.結合HE和改進MSRCR的交通霧霾圖像增強 [J].重慶師范大學學報：自然科學版，2018，35（1）：100-106.

[7] 周佐，張靜.基于同態濾波與直方圖均衡的沙塵圖像增強研究 [J].信息與電腦：理論版，2020，32（23）：61-64.

[8] 宋喜娟.微光彩色圖像增強算法研究 [D].西安：中國科學院大學（）中國科學院西安光學精密機械研究所）.

作者簡介：鄒良娜（1996—），女，漢族，山東日照人，碩士研究生在讀，研究方向：圖像處理。

收稿日期：2022-11-06