王建國 李永全

摘要：針對傳統(tǒng)去霧算法得到圖片失真和偏暗的問題，基于Retinex理論，將原圖用改進的SSR算法去霧，再將原圖轉換到hsv空間下提取v分量進行對比度增強，將去霧圖轉換到hsv空間下提取v分量，將兩個v分量線性權重疊加，得到rgb空間下的目標圖像，并將目標圖像轉換到hsi顏色空間下提取i分量，并進行增強處理，得到rgb空間下的最終去霧圖像。實驗表明，該算法能增強圖像對比度，得到明亮的圖片，同時也能解決圖像彩色失真的問題。

關鍵詞：中圖分類號：TP311? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）26-0200-02

開放科學（資源服務）標識碼（OSID）：

霧天，因為大氣中懸浮著大量的微小液滴和氣溶膠，這些介質對光的散射現象在一定程度上降低了環(huán)境的水平能見度，從而導致圖像傳感器捕獲的圖像質量比較低，會對成像圖像的質量造成影響，如何有效去霧，取得較好質量的圖片是一個十分有意義的研究。目前，傳統(tǒng)圖像去霧[1]主要有基于大氣退化模型的方法和基于圖像增強的方法。前者需要硬件的支持[2]，比如雷達等，后者實驗環(huán)境簡單，易于研究。

Retinex理論[3]是有Land提出的，該理論認為人類看到的物體表色與物體表面的反射性質有著密切的關系，與投射到人眼的光譜特性關系不大，圖像由入射光分量和放射光分量組成。自Retinex理論提出后，許多學者提出了基于Retinex理論的算法，比如基于中心環(huán)繞的單尺度Retinex（SSR）算法，以及多尺度Retinex（MSR）算法[4]。

1 Retinex算法原理

Retinex理論指出，人眼中圖像的成像，主要由入射光和反射光決定，可用如下關系式表示：

（1）式中，R（x，y）代表反射圖像，表示物體的反射性質;L（x，y）代表入射光，決定了S的動態(tài)范圍;S（x，y）代表人眼或攝像系統(tǒng)讀取的圖像。

（1）式中，S往往是確定的圖片，L可以用算法估計出來，則可以得到反射圖像R，也就是得到了去霧后的圖片。入射光圖像L通?？梢岳酶咚购瘮蹬c圖像S卷積得到，即：

（2）式即為用算法估計的入射圖像L（x，y），（3）式為高斯函數，式中c為環(huán)繞尺度，k為歸一化常數，且滿足：

式中i為圖像的通道。

2 本文算法主要步驟

2.1 高斯濾波核的選取

與傳統(tǒng)選取的高斯濾波核方法[5]相比，本算法根據原圖像邊長選取濾波核。環(huán)繞尺度c也由圖像邊長決定，公式如下：

上式中[ε]為環(huán)繞尺度c的決定系數，濾波核的大小N由下式決定：

上式中[ω]為濾波核大小N的決定系數，則：

2.2 hsv顏色空間v分量線性疊加

RGB和HSV都是表示色彩的方法。其中RGB是從顏色發(fā)光原理來設計的，HSV是基于人眼對色彩的識別，將色彩分解為色調、飽和度和明度，直接與人的視覺感知相對應，能夠較好地反應人對色彩的感知。RGB顏色空間轉換到HSV顏色空間[6]公式如下：

將原圖片轉換到hsv顏色空間，提取v分量v1，并增強v1的對比度，將SSR算法處理后的圖片轉換到hsv顏色空間，提取v分量v2，將v1和v2線性疊加，如下式

最后將得到的dstv分量與經過SSR算法處理的圖像的h和s分量轉換到rgb顏色空間，即得到利用hsv顏色空間處理后的圖片。

2.3 HSI顏色空間I分量的圖像增強

通常人眼對灰度等級的區(qū)分并不敏感，一般來說人眼能分辨的灰度等級介于十幾級到二十幾級之間，但卻可以分辨出上千種顏色。因此利用人眼的這一視覺特性，將灰度圖像變成彩色圖像或者改變已有彩色的分布，都可以改變圖像的可分辨性，這就是彩色增強。

HSI顏色模型從人的視覺系統(tǒng)出發(fā)，用H，S，I三個參數來描述色彩，它反映了人的視覺系統(tǒng)感知彩色的方式，這種彩色描述對人來說是直觀的、自然的。色調H 是描述純色的屬性（如紅色、黃色等）;飽和度S 表示的是一種純色被白光稀釋的程度的度量;強度I 是一個主觀的描述，是人對彩色感覺的關鍵參數，實際上它是不可能測量的。HSI模型可從彩色圖像中攜帶的彩色信息（色調和飽和度）里消去強度分量的影響，因而使得該模型在開發(fā)基于彩色描述的圖像處理算法中非常有用。

在對真彩色圖像增強時，我們自然想到直接在RGB坐標系用圖1所示的方法對R、G、B三個分量分別進行增強處理，再合成彩色，但其結果會改變原彩色圖像的顏色種類，使彩色圖像失真。對此，如圖2所示，現將彩色圖像從RGB顏色空間轉換到HSI顏色空間。I表示亮度，與彩色的種類無關，為了不改變彩色的種類，僅僅對I分量進行圖像增強處理，H和S分量不做處理，最后在轉換到RGB顏色空間下得到最終的去霧圖像。

3 算法效果對比

如圖4為算法效果對比，傳統(tǒng)去霧算法中直方圖均衡化[7]未能保持圖像的局部特征，容易出現色彩失真，而SSR算法處理后的圖像亮度整體偏暗，本文算法在色彩失真和圖像亮度效果上都較前兩種算法好。

4 實驗結論

通過實驗算法效果的對比，證明了通過運用改進的SSR算法處理后的圖片，將其和原圖像轉換到HSV顏色空間下增強明度V，經過線性權重疊加得到理想的明度圖片后轉換到RGB顏色空間，最后再從RGB轉換到HSI顏色空間下增強亮度I的方法能夠克服傳統(tǒng)算法處理去霧圖片失真和亮度整體偏暗的問題，該處理方法在處理效果上比傳統(tǒng)方法諸如直方圖均衡化、SSR算法等去霧的效果好。

參考文獻：

[1] 羅會蘭，林家彪.一種基于多尺度Retinex算法的圖像去霧霾方法[J].計算機應用與軟件，2013，30（4）

[2] OAKLEY J P， SATHERLEY B L. Improving image quality in poor visibility conditions using a physical model for contrast degradation[J].IEEE Transactions on Image Processing，1998，7（2） ：167-170.

[3] JOBSON D J，RAHMAN Z，WOODELL G A.Properties and Performance of a Center/Surround Retinex[J].IEEE Transactions on Image Processing（ S1057-7149），1997，6（ 3） ： 451-462.

[4] JOBSON D J， RRAHMAN Z， WOODELL G A. A multi-scale Retinex for bridging the gap between color images and the human observation of scenes[J].IEEE Transactions on Image Processing，1997，6（7）： 965-976.

[5] 李長領，宋裕慶，劉曉峰.基于MSR理論的交通圖像去霧霾方法[J].計算機應用，2015，35（S2）：234-237.

[6] 闞建霞.基于HSV顏色空間的改進的多尺度Retinex算法[J].電子設計工程，2015，23（7）：148-150

[7] 劉奇付，邵換崢.圖像去霧霾算法研究[J].信息與電腦（理論版），2018（17）：34-35.

【通聯(lián)編輯：李雅琪】