Retinex 理論

Retinex 這個詞由 Retina 和 Cortex 兩個單詞組成。在 Retinex 理論中，物體的顏色是由物體對長波、中波和短波光線的反射能力決定的，而不是由反射光強度的絕對值決定的，并且物體的色彩不受光照非均性的影響，具有一致性。

在 Retinex 理論中，人眼得到的圖像數據取決于入射光和物體表面對入射光的反射。如上圖所示，I(x,y) 是我們最終得到的圖像數據，先是由入射光照射，然后經由物體反射進入成像系統，最終形成我們所看到的圖像。該過程可以用公式表示：

其中，I(x,y)代表被觀察或照相機接收到的圖像信號；L(x,y) 代表環境光的照射分量 ；R(x,y) 表示攜帶圖像細節信息的目標物體的反射分量。

將該式子兩邊取對數，可以得到物體原本的信息:

在圖像處理領域，常將該理論用于圖像增強，為了得到成像更好的圖片。這時，R(x,y) 表示為圖像增強得到后的圖像，I(x,y) 為原始的圖像。在處理過程中 L(x,y) 常為 I(x,y) 高通濾波之后的結果，也可以用其他濾波的方法，比如中值濾波，均值濾波等等。

SSR 算法

SSR (Singal Scale Retinex)，即單尺度視網膜算法是 Retinex 算法中最基礎的一個算法。運用的就是上面的方法，具體步驟如下：

• 輸入原始圖像 I(x,y) 和濾波的半徑范圍 sigma;
• 計算原始圖像 I(x,y) 高斯濾波后的結果，得到 L(x,y);
• 按照公式計算，得到 Log[R(x,y)]；
• 將得到的結果量化為 [0, 255] 范圍的像素值，然后輸出結果圖像。

需要注意的是，最后一步量化的過程中，并不是將 Log[R(x,y)] 進行 Exp 化得-到 R(x,y) 的結果，而是直接將 Log[R(x,y)] 的結果直接用如下公式進行量化：

將過程整合在一起就是如下過程：

MSR 算法

MSR (Multi-Scale Retinex)，即多尺度視網膜算法是在 SSR 算法的基礎上提出的，采用多個不同的 sigma 值，然后將最后得到的不同結果進行加權取值，公式如下所示：

其中 n 是尺度的數量， σ= {σ1，σ2，…，σn} 是高斯模糊系數的向量， wk 是與第 k 個尺度相關的權重，其中 w1 + w2 + … + wn = 1 。

MSRCR 算法

MSRCR 算法是一種改進 MSR 的算法，全稱是 Multi-Scale Retinex with Color Restoration，即帶色彩恢復的多尺度視網膜增強算法。

就是在 MSR 的基礎上，加上了色彩恢復的功能。詳細的內容及公式可以查看論文 《A multiscale retinex for bridging the gap between color images and the human observation of scenes》。

作業要求

任務 1

在論文中隨機選擇兩個 MSR 算法，實現并比較。

任務 2

結果比較

一些標注
在比較結果之前，先對一些標注信息進行說明，這樣會有助于后續的結果對比。

SSR : Single Scale Retinex
SSR - DIV : Single Scale Retin e t ( Z = X/Y )
SSR - LOG : Single Scale Retinex (logZ = logX – logY)
MSR : Multi - Scale Retinex
MSRCR : Multi - Scale Retinex with Color Restoration

實驗結果

不同 sigma 取值的對比
在 SSR 圖像組、SSR- DIV 圖像組和 SSR- LOG 圖像組中，我們可以看到當 sigma 值不大的時候(16-128)，增強后的圖像亮度比原圖像要暗。而且圖像的亮度隨著 sigma 值的增加而增加。當 sigma=256 時，圖像的亮度將與原始圖像相似。

不同 SSR 算法對比
通過比較不同的 SSR 方法，可以發現當 sigma 值在 16-128 之間時，SSR-DIV 的結果亮度最暗，而 SSR-LOG 的結果稍暗，但結果比 SSR 的結果更藍。對于 SSR 和 SSR-LOG 算法，sigma 選擇 64 或 128 是當前實驗圖片的最佳結果。對于 SSR-DIV 的結果，選擇 256 是最佳選擇。

不同 MSR 算法對比
通過對 MSR 算法和 SSR 算法的比較，可以發現，MSR 和 MSRCR 算法的結果一般要比 SSR 算法的結果更亮，因為多重尺度（多個 sigma 的取值）的組合。對兩種 MSR 算法的結果進行比較，可以發現，結果沒有太大的差別。而且在這些組合中，64-128-256 的組合結果是最優的。不僅圖像變得更清晰，而且顏色也變得更加明亮。此外，對于 MSRCR 算法來說，太多的參數是一個負擔（實驗中只采用了論文推薦的經驗參數，而沒有嘗試更多的參數比較）。

總結

以上是生活随笔為你收集整理的基于 Retinex 的几种图像增强算法总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。