張亞飛

摘要：針對光照不均圖像暗區(qū)細節(jié)丟失的問題，提出了基于冪次變換和MSR（多尺度Retinex）的光照不均圖像增強算法。首先對光照不均圖像進行冪次變換，擴展圖像暗區(qū)灰度值的動態(tài)范圍，增強暗區(qū)的細節(jié)，然后再利用MSR算法對冪次變換的結(jié)果進行進一步處理，提高圖像的對比度。實驗表明，該算法在消除不均勻光照、保持圖像較高的對比度的同時，有效地增強了原始圖像中暗區(qū)的細節(jié)。

關鍵詞：光照不均圖像；圖像增強；冪次變換；多尺度Retinex

中圖分類號：TP391文獻標識碼：A文章編號：1009-3044(2012)22-5456-03

Non-uniform Illumination Image Enhancement Based on the Power Low Transformation and MSR

ZHANG Ya-fei

(Department of Communication Engineering, Nanjing Institute of Technology, Nanjing 211167, China )

Abstract: Concerning the loss of details in the dark areas of non-uniform illumination images, the algorithm of non-uniform illumination image enhancement based on the power transform and MSR(Multi-Scale Retinex) is proposed. Firstly, the power low transformation on non-uniform illumination image is used to expand the dynamic range of the gray value in the dark areas and enhance the image details in the dark areas. Then, the result of the power low transformation is processed further based on MSR to improve the image contrast. The experiments show that the algorithm can eliminate non-uniform illumination and maintain the high contrast of the image, at the same time, enhance the details of dark areas in the original image.

Key words：non-uniform illumination image; image enhancement; power low transformation; MSR(Multi-Scale Retinex)

在圖像采集過程中，由于光照環(huán)境或物體表面反光等原因會造成圖像光照不均。光照不均在一定程度上改變了圖像的原始面貌，增加了進一步處理的難度[1]。因此，需要對光照不均圖像進行增強處理。常見的光照不均圖像的增強方法有直方圖均衡、Retinex增強方法[2]以及梯度域增強方法[3]等。直方圖均衡化有利于圖像對比度的提高，但由于該方法將原始圖像中的多個灰度級合成一個新的灰度級，因此，原始圖像中的一些細節(jié)信息會丟失。Retinex增強方法在濾掉了照射光的時候僅保留了反射光，從而導致增強后的圖像具有較好的邊緣細節(jié)，但對比度較差。而且，Retinex理論對圖像中的照射分量還沒有統(tǒng)一的理論模型，現(xiàn)有各種Retinex算法都只是在實驗中驗證了各自對光照補償?shù)挠行?，并且都假設圖像中的照明是平滑的，因此Retinex算法在全局上對圖像的光照補償有較好的效果，但對于局部光照變化較大的圖像，其通過光照補償?shù)膱D像增強效果不太理想[4]。

該文針對光照不均圖像的特點和常用圖像增強算法的不足，提出了基于冪次變換和MSR的光照不均圖像的增強算法。為了驗證該算法的有效性，分別將冪次變換和MSR算法與該文算法的實驗結(jié)果進行比較，結(jié)果表明該文的算法可以達到更好的增強效果。

1 MSR算法

Retinex（視網(wǎng)膜“Retina”和大腦皮層“Cortex”的縮寫）是E. land[5-6]提出來的關于人類視覺系統(tǒng)如何調(diào)節(jié)感知到物體的顏色和亮度的模型，這個模型詮釋了為什么同樣的物體在不同光源或光線下顏色是恒定的。在Retinex理論中，一幅圖像s(x,y)主要由兩部分構成，分別是照射分量l(x,y)和物體的反射分量r(x,y)，用公式表示為：

2圖像的冪次變換

圖像冪次變換的基本形式為

3該文算法描述

Retinex算法的物理意義是，在對數(shù)空間中，將原圖像減去高斯函數(shù)與原圖像的卷積的值，實際上是原圖像被減去了平滑的部分，從而突出原圖像中的細節(jié)。前面已經(jīng)給出Retinex算法實現(xiàn)的前提是假設光照的平滑性，因此對于光照不均的圖像其增強效果不太理想。因此，該文首先對光照不均圖像進行冪次變換，在一定程度上改善光照的不均勻性對圖像的影響。然后再利用Retinex算法進行增強處理。算法具體實現(xiàn)如下[12]：

1)對原始圖像進行冪次變換，增強原始圖像暗區(qū)的細節(jié)，參數(shù)γ取0到1之間的值；

2)根據(jù)輸入的高、中、低三個尺度確定高斯環(huán)繞函數(shù)F(x,y)；

3)用高斯函數(shù)和原始圖像做卷積，得到低通濾波后的圖像，即照射分量l(x,y)，見公式（4）；

4)從原始圖像中除去低頻的照射分量，得到增強后的信息，即R(x,y)，見公式（5）；

5)根據(jù)步驟3）和4）分別計算三個尺度下的增強信息，然后加權求和，見公式（6）；

6)對R(x,y)進行指數(shù)變換，將其從對數(shù)域轉(zhuǎn)換到實數(shù)域，得到增強后的圖像r(x,y)。

4實驗結(jié)果與分析

基于上述的圖像增強算法，實驗使用的是Matlab編程環(huán)境，并對不同方法的實驗結(jié)果進行比較。圖1為光照不均圖像及其增強結(jié)果。其中，（a）為原始圖像，（b）為冪次變換增強結(jié)果（c）為MSR增強結(jié)果，（d）為該文算法增強結(jié)果。

從圖中可以看出，原始圖像的光照不均勻；經(jīng)過冪次變換后圖像暗區(qū)的細節(jié)得到了增強，但圖像整體的對比度較低。對原始圖像進行MSR增強后，圖像的對比度增強，但部分暗區(qū)的細節(jié)人眼仍無法辨別；而該文的算法在消除不均勻光照、保持圖像較高的對比度的同時，有效地增強了圖像中暗區(qū)的細節(jié)。為了評價圖像增強的客觀效果，該文采用熵和交叉熵來定量地進行評價[13]。

熵是衡量圖像信息豐富程度的一個重要指標，熵的大小表示圖像所包含的平均信息量的多少。圖像的熵定義為：

5結(jié)論

光照不均影響了圖像的視覺效果，同時增強了進一步圖像處理的難度。針對光照不均的圖像，該文提出了基于冪次變換和MSR的圖像增強方法。實驗表明該文的算法在增強光照不均圖像中暗區(qū)的細節(jié)有明顯的優(yōu)勢，為光照不均圖像的進一步處理奠定了基礎。

參考文獻：

[1]梁琳,何衛(wèi)平,雷蕾,等.光照不均圖像增強方法綜述[J].計算機應用研究,2010,27(5):1625-1628.

[2] JOBSON D J, RAHMAN Z, WOODELL G A. Properties and performance of a center/surround Retinex[J]. IEEE Trans. on Image Processing, 1997, 6(3):451-462.

[3] FATTAL R, LISCHINSKI D, WERMAN M. Gradient domain high dynamic range compression[C]//Proc of the 29th Annual Conference on Computer Graphics and Interactive Techniques. New York：ACM Press, 2002: 249-256.

[4]蔣永馨，王孝通，徐曉剛，等.一種基于光照補償?shù)膱D像增強算法[J].電子學報，2009，37(4A)：151-155.

[5] LAND E H, MCCANN J. Lightness and retinex theory[ J] . Journal of Optical Society of America, 1971, 61( 1) : 1- 11.

[6] LAND E H. The Retinex theory of color vision[J]. Scientific American, 1977, 237(6):108-128.

[7]汪榮貴，朱靜，楊萬挺，等.基于照度分割的局部多尺度Retinex算法[J].電子學報，2010，38(5)：1181-1186.

[8]儲昭輝，汪榮貴，方帥.基于Retinex理論的小波域霧天圖像增強方法[J].計算機工程與應用，2011，47(15)：175-179.

[9]江興方，陶純堪. Retinex彩色圖像增強理論的物理思考及其截斷區(qū)間對圖像質(zhì)量的影響[J].光學技術，2007，33(1)：127-129.

[10] Rahman Z, Jobson D J, Woodell G A. Multi-Scale retinex for color image enhancement[J]. IEEE Image Processing, 1996,3:1003-1006.

[11]劉茜，盧心紅，李象霖.基于多尺度Retinex的自適應圖像增強方法[J].計算機應用，2009，29(8)：2077-2079.

[12]艾玲梅，喬麗，申軍.多尺度Retinex方法在車輛胎痕圖像增強方面的應用[J].計算機工程與應用，2011，47(30)：192-194.

[13]周西柳,章潔.基于聚類余弦變換的圖像增強算法研究[J].計算機仿真,2012,29(2):216-219.