您好, 访客   登录/注册

基于Retinex理论的图像增强算法研究

来源:用户上传      作者: 凌敏

  摘 要:Retinex理论的图像增强算法,就是在一个图像中,忽略透射光的影响,同时来获得物体的反射的基本特性,并通过这种方式来获得物体原本的图像形态。本文在探讨了Retinex基本理论,对建立在该理论基础上的图像增强算法的实现做了理论与实践的研究。
  关键词:Retinex理论;图像增强;算法研究
  中图分类号:TP391.41
  在图像处理的领域内,图像增强技术是一项十分重要的内容。图像增强的基本原理就是根据图像自身的信息,并按照特定的需要,重点强调图像的部分信息,并删除或者隐去不重要的部分,从而更加容易被计算机识别出来,或者在人眼视觉范围内更明显。近些年,随着科学技术水平的不断提高,一些技术方式不断趋于成熟,而且也探究出了许多高效的方法。
  1 Retinex理论概述
  早在上个世界七十年代,就提出了有关Retinex算法的理论,其基本内容是关于色彩的稳定性保持理论。
  Retinex理论的核心作用在于弥补一些严重损坏的图像。基本的方法就是将要修订的图像首先分成两部分,分别对这两部分不同的图像进行修正。这两幅完全不同的图像称为照射分量图像和反射分量图像,这种处理方法的优势在于可以消除前景光照对于图像的负面影响,而且可以提升室内和室外光线的变化,进而改善图片的质量以及画面效果。因此Retinex理论的关键就在于根据图像而获取物体的相关的反射性质,去除照射光,还原物体的原本形态。
  根据Retinex理论的算法进行图像增强,从锐化以及对于色彩的整体系数维持、图像动态趋于的恒定以及色彩原有度的最大化保持方面,都发挥着有效且重要的作用。Retinex理论对于优化图像自身的清晰程度、色彩等方面,都最大程度地改善图片的质量,提升图像的效果。
  2 基于Retinex理论的图像增强算法研究
  基于Retinex理论的图像增强算法虽然可以在图像的动态研究范围内,可以更好地进行处理,在图像的颜色方面也更具优势,但是大量的实践表明,处理后的图像在颜色上更暗,而且在视觉效果上也大不如从前。因此,如何优化这种算法,进而改善图像的基本质量,成为Retinex理论中的首要任务。
  2.1 宏观意义上的Retinex算法。Retinex理论中的色彩原理,即物体本身的颜色,是由物体对于光线的反射能力决定的,光的波长有区别,包括长波、中波和短波,物体在各个波长范围内,显示出的特性是有区别的,这也由物体自身的属性决定。通过Retinex算法,计算出在任何一个光线的波段之内,各个像素之间的效果对比关系,并获得几个互不依赖的数值,包括长波中波和短波,进而来确定这个像素的基本颜色。这就引入了Retinex理论。
  从宏观的角度来看,这种算法的特点在于,所处理的图像中,由像素计算所得的对比度数值,都到光源的影响非常小,因此总地来看,整体上亮度比较均匀的图像,在处理起来就比较容易,而且可以排除光源产生的亮度不均匀的特点,进而改善图像的对比度,大大增强图像的质量。
  2.2 微观意义上的Retinex算法。从微观角度来分析Retinex算法,主要是从图像中得到物体反射的基本属性,基本目的是增强反射,弱化入射分量。基本步骤是在一个图像的具体区域中,将图像分解为完全不同的射分量和反射分量,并对结果数值做估算,接下里根据原始的图像进行对比处理,即用原来的图像减去照射分量,最后得出的数值,取相反的数值,得到利用Retinex理论增强的图像效果图。这种方法优于宏观Retinex理论在于,可以去除照射光,仅仅保留物体的反射光源,对细节要求较高的图像处理,可以采用这种方式。
  2.3 线性对比度拉伸算法。在利用Retinex理论进行调整中,利用直方图的方式可以有效改变图像对比度,因此可以利用线性对比拉伸算法,进一步改进。线性对比拉伸在图像增强中,简单且有效,基本形式如下:
  其中,R与I为图像的输入与输出,在设备的技术动态改变范围内,通过取经过带色彩恢复的多尺度RETINEX算法处理后的图像的像素的极端值,来进行数据处理,改善图像质量。在处理图像的灰度的时候,可以利用S(x,y)=R(x,y).L(x,y),S为原始图像,通过这个函数,取对数,利用求和的形式来表示光亮:s=logS=log(R・L)=logR+logL=r+l再通过对原来的图像进行滤波处理,得到较低的滤波通过之后的图像。在对数函数中,要利用原来的图像减去低滤波后的,进而求出增强的图像R(x,y)=logS(x,y)-logD(x,y)。
  为了使像素值为零的时候有函数价值,通过加入一个参数的方式:
  最后通过图像的色彩计算,得出色彩因子C。R=C*R,并通过线性拉伸,实现图像增强的目的。
  2.4 算法实验总结。原始图像经过带色彩恢复的多尺度RETINEX算法处理,在对比度等方面还是没有达到一个最优的数值,因此我们通过加入一个参数的方式,利用显现对比拉伸的算法,对灰度值进行进一步的处理,使图像的增强效果更明显。在图像的亮度与对比度方面,不同算法的效果也有区别,具体见下表。通过表格,单尺度Retinex算法SSR的亮度与对比度增强要略差于多尺度Retinex算法MSR,以及带色彩恢复的多尺度Retinex算法MSRCR。
  表1 亮度/对比度比较
  3 结束语
  Retinex理论是一种科学的图像处理技术,它通过大量的科学实验分析,来增强图像自身的辨认效果,并在算法技术上,从宏观以及微观的角度进行系统分析,进而实现这种算法的最优化。Retinex理论在增强图像效果方面具有很强的优越性,技术水平也逐步完善,但是由于整个过程的计算量较大,因此在实际的应用中,仍需要不断地优化和完善。
  参考文献:
  [1]陈雾.基于Retinex理论的图像增强算法研究[D].南京理工大学,2006(06).
  [2]王书新.基于Retinex理论的图像增强算法研究[D].昆明理工大学,2011(05).
  [3]史延新.一种基于Retinex理论的图像增强算法[J],电子科技,2007(12).
  作者简介:凌敏(1987.03-),女,江西人,助教,本科,研究方向:计算机科学与技术。
  作者单位:清远职业技术学院机电工程学院,广东清远 511510
转载注明来源:https://www.xzbu.com/8/view-5386239.htm