自适应多尺度Retinex算法的应用
来源:用户上传
作者: 郭贵法 杨磊
【摘要】随着计量检测技术的发展，全自动指针式压力表检定装置成为压力计量技术的研究重点。但制约其发展的依然是图像预处理技术。由于受到环境等因素的影响，在实际应用中很难得到理想的效果图，针对这种情况，本文利用自适应多尺度Retinex算法对该类图像进行预处理。并通过实验仿真，能得到清晰的二值图，实验结果说明该方法是有效的。
【关键词】指针式压力表；图像预处理；多尺度Retinex
图像识别的研究已有五十多年，目前制约仪表识别系统发展的预处理技术还是处于研究阶段[1]，预处理效果的好坏直接影响着后续的特征抽取，从而直接影响到整个系统的性能。
针对指针式压力表受工作环境影响，在自然光下拍摄的仪表图像会因光照不均而呈现大面积阴影区域这个问题，本文提出自适应多尺度Retinex算法的方法对采集到的仪表进行图像预处理。通过预处理，基本解决因光照不均问题造成的图像大面积背景干扰等问题，大大减少后续仪表全自动自识别的难度。实验结果说明该方法是有效的。
1.图像的预处理
图像预处理的目的就是为了得到一副干净、清晰的二值图，方便后续的图像特征提取。目前，图像预处理的方法一般可分为滤波降噪、目标增强。滤波降噪可以分为空域法和频域法，而目标增强的方法有对比度增强、修正直方图、微分方法、高通滤波方法等[2]。
对于一幅图像来说，其灰度值可以看成是由入射光分量和反射光分量两部分的乘积，即：
其中入射光取决于光源，它比较均匀，随空间位置变化较小，所以入射光占据频率域的低频部分，对应图像背景。而反射光取决于物体本身的性质，即景物的亮度特征主要取决于反射光。由于物体性质和结构特点不同，反射光的强弱也很不相同，随空间位置变化较剧烈，所以，反射光占据频率域的高频部分，对应图像细节。对光照不均的图像进行预处理的目的就是要尽量削减入射光分量的影响，即压制图像的低频分量，同时要增强物体的反射光分量，即是放大图像的高频分量。经过这样的处理，对于一幅光照不均的图像，能够在压制其动态范围的同时增强图像的对比度。Retinex算法正是基于以上入射光分解原理进行的。
2.自适应多尺度Retinex增强算法
Retinex（视网膜“Retina”和大脑皮层“Cortex”的缩写）是Edwin Land提出来的一个关于人类视觉系统如何调节感知到物体的颜色和亮度的模型[3]。不同于传统的图像增强算法只能增强图像的某一类特征，Retinex可以在灰度动态范围压缩，边缘增强和颜色恒定性三方面达到平衡，因而可以对各种不同类型的图像进行自适应性地增强。
单尺度Retinex（SSR）算法是Jobson和他的同事在1997年对Edwin Land中心/环绕Retinex的改进和完善。可以较好地增强图像，但是当图像中有大块灰度相似的区域时，增强后的图像会产生晕环现象[4]。
当将数个不同尺度上的SSR进行加权组合时，基本可以解决该问题。多尺度（MSR）算法的数学表达如下：
MSR算法是一种既可很好完成图像的动态范围压缩，又可保证图像的色感一致性好的图像增强方法。但直接利用MSR方法会出现两个问题：第一，MSR的尺度参数人为经验值，无法自适应选择；第二，处理后的图像像素值通常会出现负值，而且会出现超出显示器的显示范围的情况，无法自适应将其平移和压缩到显示器显示的范围内，再把修正后的图像的灰度值映射到显示器显示的灰度范围。本文针对这种情况，提出了自适应多尺度Retinex算法。从而优化了Retinex算法，加快处理速度。
2.1 MSR算法尺度参数的自适应
尺度参数是Retinex算法的重要参数。一般情况下MSR算法中需要选择一个小尺度、一个中尺度和一个大尺度，以保证处理结果能够得到较好的图像对比度增强，在动态范围得到压缩的同时能够保持图像的基本色调。
目前，MSR算法的尺度参数基本上都是人为事先设定，如果尺度参数设定不好，会造成经过MSR增强后的图像有光晕现象。
为了使MSR算法能针对不同的情况自适应地应用各种尺度参数，本文采用不同像素级别的摄像机对不同精度的仪表图像进行Retinex算法的尺度、权重进行实验并结合频域功率分布规律，得到以下规律：
（1）当尺度为图像有效信息大小的1%～5%时，可以选择其作为小尺度。
（2）当尺度为图像有效信息大小的10%～15%时，可以选择其作为中尺度。
（3）当尺度为图像有效信息大小的30%～50%时，可以选择其作为大尺度。
通过实验，可以得到：尺度的选择与图像有效信息的大小有关，对于图像有效信息大小一定的系列图像，选定好尺度后MSR算法对这一系列的图像都能起较好的增强作用。在实际应用中，用户可以根据自己的需要来设置尺度的大小。通过实验，为使MSR算法可以对图像起到较好的增强作用，当图像，宜取尺度因子为（1.5，40，150）、权重为（0.1，0.1，0.8）；当图像，宜取尺度因子为（15，80，250）、权重为（0.8，0.5，0.5）；当图像，宜取尺度因子为（185，800，1250）、权重为（0.5，0.1，0.8）；当图像，宜取尺度因子为（185，850，1450）、权重为（0.3，0.2，0.7）。
2.2 MSR算法处理结果的自适应
对输入图像，环绕函数进行离散余弦变换（DCT），利用下式（7）计算输出图像：
经过MSR处理后的结果有正有负，因此输出到显示器或者输出为图像时，必须对其进行增益处理，将其像素值映射到输出设备的表示范围上，通常情况是映射到（0～255）内，从而得到视觉效果较好的增强图像。
在对多幅光照不均的仪表图像的处理中，我们对MSR处理后的结果图像进行分析，发现其输出结果的直方图绝大多数都近似于正态分布。由此本文尝试利用正态分布的特性，选择一种基于直方图的自动截断拉伸的自适应图像增强算法，以改善图像的处理效果。对输出结果的截取拉伸可以用如下公式表示： 其中：和分别为输入输出的灰度值，表示输出设备的动态范围，如8bit系统为256级，和分别为上限截取点和下限截取点的灰度值。这两者的选取是关键。对于正态分布的图像来说，每个样本落在平均值附近1倍标准差范围内的可能性达到68.3%，落在平均值附近2倍、3倍标准差范围内的可能性分别达到95.5%和99.7%。因此，可以根据图像的均值和标准差来确定截取点的上限和下限：
其中：为图像的均值，为图像的标准差，为需要在均值附近截取的标准差倍数。和是根据图像自动计算出来的，从理论上分析取3为最佳状态：实验结果也显示在处截取并拉伸得到的图像视觉效果最佳。
3.实验结果分析
本文采用自适应多尺度Retinex算法对采集到的指针仪表图像进行预处理，并在指针式仪表自动检定系统下进行仿真、验证。采用各种算法的对比效果图见图1。
分析图1（1）实验仿真得到四幅图像，图1（1）为原始灰度图像，该图像存在上边亮、下边暗而且整体偏暗、对比度较差等问题。图1（2）为未预处理图像得到的二值图，该图像的有效信息基本无法看清，特别是刻度线和刻度数字。图1（3）所示为本文所提算法的仿真结果，从图上我们可以清楚看到：采用该方法对仪表图像增强的结果则较为理想，不仅使图像的整体对比度有所改善，而且使图像整体亮度大大提高，图像的有效信息（刻度线、刻度数字、表盘信息）清晰可见，对图像的后续分析极为有利。通过该算法能有效地增强图像对比度、保留图像细节。图1（4）为图3的二值化效果图，可以看到：刻度线以及刻度数字完整无缺。虽然四周也有小部分干扰，但完全不影响有效信息的分割。而且在后续处理中，可以很容易采用图像分割的相关技术处理掉。从而说明该方法能解决这类因光照不均而引起大面积背景干扰。为仪表后续工作奠定了较好的基础。
参考文献
[1]于起峰，陆宏伟，刘肖琳.基于图像的精密测量与运动测量[M].科学出版社，2002.
[2]刁敏.指纹图像预处理算法的研究[J].辽宁师专学报，2007，9（4）：94-95.
[3]Land E，McCann J.Lightness and Retinex theory[J].Journal of Optical Society of America，1971，61（1）：1-11.
[4]Jobson D J，Rahman Zia-ur，Woodell G A.Properties and performance of a center/surround Retinex[J].IEEE Trans on Image Processing，1997，6（3）：451-462.
转载注明来源:https://www.xzbu.com/8/view-4257511.htm
