基于Retinex理论的简化图像增强算法

摘 要

本文介绍了一种基于Retinex理论的快速图像增强算法。其核心是在Retinex模型的基础上，将经典的算法进行简化改进，然后在matlab软件平台上实现，并进行仿真。结果显示，简化的算法不但能降低运算成本，而且能尽可能地保持Retinex算法的图像增强性能，增强效果较好。

【关键词】Retinex 图像增强 算法

随着多媒体行业的不断发展，图像处理算法的应用也越来越广泛，然而现在各种图像增强算法在处理过程中也越来越难以平衡计算成本与处理效果之间的关系。适用于不同领域的图像增强算法正被不断地开发出来，尤其是针对计算机视觉等新兴领域的算法。本文介绍了一种基于Retinex模型的快速图像增强算法。

1 色彩空间与图像增强的基本原理

对于彩色图像的处理，可以针对单个彩色像素点进行全色域的处理，也可以将像素点的信息分解为某几种色彩分量，分别进行处理，后者较为便捷也常用。对图像进行色彩分量处理的过程中，有可能会导致图像整体性的确实，从而发生图像失真，为了尽可能减少失真，就需要在分解色彩分量的过程中，遵循已经为实践所检验的色彩模型来操作。比较常见的色彩模型有面向计算设备的XYZ模型，面向显示设备的RGB模型、CMY/CMYK模型、YIQ/YUV模型，以及面向视觉的HIS模型，这些都可以用于图像处理过程中色域空间的分解。

图像增强是通过计算使原始图像变得更有利于某种特定的目的，比如显示出来供人眼观察，用于计算机人脸识别等等。图像增强最常用的方式是进行空间域的运算操作，也即在像素层面上对图像的信息做数学运算，以达到期望的结果。目前的空间域处理技术主要灰度变换法、直方图处理法和滤波法。灰度变换法是对单个像素进行灰度的缩放，以期达到扩大整体图像对比度的方法；直方图处理是基于图像灰度级分布将图像处理成灰度均匀分布，从而增加其可观察性；滤波法是利用矩阵运算来综合处理某像素及其关联像素，达到整体细节补偿的效果。

2 Retinex算法理论及其计算模型

Retinex的名称来源于视网膜（retina）和大脑皮层（cortex）的合成，这个词命名了Land在1863年提出的一种理论。该理论认为人类观察到的影像是由物体和照射在物体上的光共同作用的结果，而与光谱特性无关，并且由于视网膜中的感光细胞分别感知红、绿、蓝三种颜色，所以人类的感知中对物体的影像也是基于这三种颜色的，并且单独一种颜色的图像都为灰度图像。

根据该理论，人眼看到的影像中含有入射图像和反射图像，用函数S（x，y）表示人眼接收到的图像，用L（x，y）表示入射图像，用R（x，y）表示反射图像，那么三者之间的关系具体可以表示为公式1.2.1：

S（x，y）=L（x，y）×R（x，y） （1.2.1）

入射图像是受光照影响之后的图像，而反射图像能够反映图像最本质的信息，我们希望通过源图像，也即观察到的图像S（x，y）来计算出图像本身含有的信息R（x，y），以达到图像增强的目的。这也是Retinex理论能够运用到图像增强领域的原因。

由于理论模型中用S（x，y）直接运算无法得到R（x，y），所以基于Retinex的图像增强算法一般都是先通过S计算出L（x，y），再运用除法来得出R（x，y），也即增强处理后的图像数据的。并且根据现实计算机运算操作的需求，该过程比较适宜在对数空间中运算，理论模型中的公式变为1.2.2：

Log S（x，y）=Log L（x，y）+Log R（x，y） （1.2.2）

然后可以利用矩阵运算来通过Log S（x，y）计算出Log L（x，y），最后用加减法来求Log R（x，y）的值，以得到图像处理结果。计算L（x，y）这一步，需要根据特定的模型来进行计算，比较经典的模型有SSR模型，MSR模型，MSRCR模型，但是这些模型本身运算都比较复杂，在目前图像处理深入高清视频领域的大环境下，使用起来硬件资源消耗严重。

3 基于Retinex算法的计算模型

Retinex算法在实际运用中，可以通过模糊算法来完成从S（x，y）到L（x，y）的计算，常用的方法是高斯模糊。其处理流程如图1。

但是在本文所述的模型中，将使用线性处理来代替高斯模糊，以期得到更好的算法效率。首先计算源图像S（x，y）模糊后的结果L（x，y），再根据公式1.2.2计算出Log R（x，y），最后将结果映射回线性空间得到增强图像R（x，y），并且其中的对数与反对数运算都通过查找表来完成，以使数据处理的速度最大化。

4 算法的matlab仿真

我们将所得的算法与传统的SSR，MSR，MSRCR三种算法分别在Matlab2014b平台上实现，并进行1000幅1600x900分辨率随机彩色图片的处理仿真，然后对结果进行比较。

结果评价中，主要使用了平均亮度误差（AAMBE），平均离散信息熵（ADE），平均对比度（AEME）。

仿真结果如表1。

可以看出，简化算法在AAMBE方面保持的较好，离散信息熵一栏稍偏低，在平均对比度方面和另外的三种算法相差也不大，并且都比原图像得到了可观的增强。并且从算法复杂度方面，是优于SSR、MSR、MSRCR处理模型的。

5 总结

本文在Retinex理论模型的基础上，将经典的算法进行简化改进，然后在matlab软件平台上实现，并进行了仿真。结果显示，简化的算法不但能降低运算成本，而且能尽可能地保持Retinex算法的图像增强性能，增强效果较好。

参考文献

[1]李学明.基于Retinex理论的图像增强算法[J].计算机应用研究，2005，02：235-237.

[2]邵丹，韩家伟.YUV与RGB之间的转换[J].长春大学学报，2004（04）.

[3]冯永超，罗敏，贺贵明.一种快速YUV-RGB彩色空间变换方法[J].微型机与应用，2002（07）.

[4]许欣，陈强，王平安，孙怀江，夏德深.消除光晕现象的快速Retinex图像增强[J].计算机辅助设计与图形学学报，2008，10：1325-1331.

[5]肖燕峰.基于Retinex理论的图像增强恢复算法研究[D].上海交通大学，2007.

[6]陈雾.基于Retinex理论的图像增强算法研究[D].南京理工大学，2006.

作者单位

北京工业大学 北京市 100124