Retinex圖像增強(qiáng)算法

• 前言
• 參考
• 一 Retinex理論基礎(chǔ)
• 二 單尺度SSR(Single Scale Retinex)原理
• 三 算法的實(shí)現(xiàn)流程
• 四 其它Retinex改進(jìn)算法（了解）
• • 多尺度的Retinex——MSR
  • 彩色恢復(fù)多尺度Retinex——MSRCR，MSRCP等

前言

本人第一次寫博客，記錄整理一下自己學(xué)的知識(shí)，供大家參考，有寫的不好的地方，希望大家諒解。如有錯(cuò)誤，希望大家提出，本人予以改正。
本文參考以下文章，如有侵犯，請(qǐng)聯(lián)系我處理。

參考

參考1
參考2
參考3

一 Retinex理論基礎(chǔ)

Retinex理論始于Land和McCann于20世紀(jì)60年代作出的一系列貢獻(xiàn),其基本思想是人感知到某點(diǎn)的顏色和亮度并不僅僅取決于該點(diǎn)進(jìn)入人眼的絕對(duì)光線，還和其周圍的顏色和亮度有關(guān)。Retinex這個(gè)詞是由視網(wǎng)膜(Retina)和大腦皮層(Cortex)兩個(gè)詞組合構(gòu)成的。Land之所以設(shè)計(jì)這個(gè)詞，是為了表明他不清楚視覺系統(tǒng)的特性究竟取決于此兩個(gè)生理結(jié)構(gòu)中的哪一個(gè)，抑或是與兩者都有關(guān)系。

Retinex理論基于一下假設(shè)：
1.真實(shí)世界是無顏色的，我們所感知的顏色是光與物質(zhì)的相互作用的結(jié)果。我們見到的水是無色的，但是水膜—肥皂膜卻是顯現(xiàn)五彩繽紛，那是薄膜表面光干涉的結(jié)果。
2.每一顏色區(qū)域由給定波長的紅、綠、藍(lán)三原色構(gòu)成的；
3.三原色決定了每個(gè)單位區(qū)域的顏色。

Retinex 理論的基本內(nèi)容:
物體的顏色是由物體對(duì)長波（紅）、中波（綠）和短波（藍(lán)）光線的反射能力決定的，而不是由反射光強(qiáng)度的絕對(duì)值決定的；物體的色彩不受光照非均性的影響，具有一致性，即Retinex理論是以色感一致性（顏色恒常性）為基礎(chǔ)的。
不同于傳統(tǒng)的線性、非線性的只能增強(qiáng)圖像某一類特征的方法，Retinex可以在動(dòng)態(tài)范圍壓縮、邊緣增強(qiáng)和顏色恒常三個(gè)方面達(dá)到平衡，因此可以對(duì)各種不同類型的圖像進(jìn)行自適應(yīng)的增強(qiáng)。
如下圖所示，觀察者所看到的物體的圖像S是由物體表面對(duì)入射光L反射得到的，反射率R由物體本身決定，不受入射光L變化。

40多年來，研究人員模仿人類視覺系統(tǒng)發(fā)展了Retinex算法，從單尺度Retinex算法-SSR，改進(jìn)成多尺度加權(quán)平均的Retinex算法-MSR，再發(fā)展成彩色恢復(fù)多尺度MSRCR算法和色彩增益加權(quán)的AutoMSRCR算法。
本文主要講解單尺度SSR(Single Scale Retinex)

二 單尺度SSR(Single Scale Retinex)原理

Retinex理論的基本假設(shè)是原始圖像S是光照?qǐng)D像L和反射率圖像R的乘積,即可表示為下式的形式：
$$S(x,y)=R(x,y)?L(x,y)$$基于Retinex的圖像增強(qiáng)的目的就是從原始圖像S中估計(jì)出光照L，從而分解出R，消除光照不均的影響，以改善圖像的視覺效果,正如人類視覺系統(tǒng)那樣。在處理中，通常將圖像轉(zhuǎn)至對(duì)數(shù)域，即
$$s=logS(x,y),l=logL(x,y),r=logR(x,y)............(1)$$所以有：
$$logS(x,y)=logR(x,y)+logL(x,y).........................(2)$$轉(zhuǎn)換得：
$$r(x,y)=logR(x,y)=log\frac{S(x,y)}{L(x,y)}.............................(3)$$$$r(x,y)=logS(x,y)?log[F(x,y)?S(x,y)]............(4)$$
這里，$r(x,y)$是輸出圖像，上式中后面中括號(hào)里的運(yùn)算是卷積運(yùn)算。$F(x,y)$是中心環(huán)繞函數(shù)，表示為：
$$F(x,y)=\lambda e^{\frac{?(x^2+y^2)}{c^2}}..................................................(5)$$式中$c$是高斯環(huán)繞尺度，$\lambda$是一個(gè)尺度，它的取值必須滿足下式：
$$\int \int F(x,y)dxdy=1..............................................(6)$$上面的式中可以看出，SSR算法中的卷積是對(duì)入射圖像的計(jì)算，其物理意義是通過計(jì)算像素點(diǎn)與周圍區(qū)域在加權(quán)平均的作用下，估計(jì)圖像中照度的變化，并將$L(x,y)$去除，只保留$S(x,y)$屬性。

三 算法的實(shí)現(xiàn)流程

1）將圖像進(jìn)行l(wèi)og變換
2）然后將log圖像進(jìn)行高斯模糊
3）利用原圖和模糊之后的log圖像做差分

單尺度Retinex算法SSR的實(shí)現(xiàn)流程可以概括如下：

讀原圖$S(x,y)$：
若原圖為灰度圖：將圖像各像素的灰度值由整數(shù)型(int)轉(zhuǎn)換為浮點(diǎn)數(shù)(float)，并轉(zhuǎn)換到對(duì)數(shù)域；
若原圖為彩色圖：將顏色分通道處理，每個(gè)分量像素值由整數(shù)型(int)轉(zhuǎn)換為浮點(diǎn)數(shù)(float)，并轉(zhuǎn)換到對(duì)數(shù)域；

輸入高斯環(huán)繞尺度$c$，把積分運(yùn)算離散化，轉(zhuǎn)為求和運(yùn)算，通過上式(5)(6)確定λ的值；

由式(4)得$r(x,y)$；
若原圖是灰度圖，則只有一個(gè)$r(x,y)$；
若原圖為彩色圖，則每個(gè)通道都有一個(gè)對(duì)應(yīng)的$r(x,y)$；

將$r(x,y)$從對(duì)數(shù)域轉(zhuǎn)換到實(shí)數(shù)域，得到輸出圖像$R(x,y)$；

此時(shí)的$R(x,y)$值的范圍并不是0–255，所以還需要進(jìn)行線性拉伸并轉(zhuǎn)換成相應(yīng)的格式輸出顯示。

前面的公式中，中心環(huán)繞函數(shù)$F(x,y)$用的是低通函數(shù)，這樣能夠在算法中估計(jì)出入射圖像對(duì)應(yīng)原始圖像的低頻部分。從原始圖像中除去低頻照射部分，就會(huì)留下原始圖像所對(duì)應(yīng)的高頻分量。高頻分量很有價(jià)值，因?yàn)樵谌祟惖囊曈X系統(tǒng)中，人眼對(duì)邊緣部分的高頻信息相當(dāng)敏感，所以SSR算法可以較好的增強(qiáng)圖像中的邊緣信息。
由于SSR算法中所選用的高斯函數(shù)特點(diǎn)，對(duì)于動(dòng)態(tài)范圍大幅度壓縮和對(duì)比度增強(qiáng)兩個(gè)指標(biāo)，增強(qiáng)后的圖像不能同時(shí)保證。但是為了平衡兩種增強(qiáng)效果，就必須選擇一個(gè)較為恰當(dāng)?shù)母咚钩叨瘸Ａ緾。C值一般取值在80–100之間。

四 其它Retinex改進(jìn)算法（了解）

多尺度的Retinex——MSR

通俗解釋：就是再多個(gè)單尺度Retinex做平均，區(qū)別是在第二步高斯模糊是選擇的sigma是不同的

原始圖像進(jìn)行三次SSR
高斯模糊選擇15，80，200作為高斯模糊sigma參數(shù)
對(duì)三次的SSR結(jié)果做平均即為MSR圖像

彩色恢復(fù)多尺度Retinex——MSRCR，MSRCP等

對(duì)多尺度MSR結(jié)果做了色彩平衡，歸一化，增益和偏差線性加權(quán)

總結(jié)

以上是生活随笔為你收集整理的Retinex图像增强算法的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。