基于幂次变换和MSR的光照不均图像增强
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于幂次变换和MSR的光照不均图像增强范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：针对光照不均图像暗区细节丢失的问题，提出了基于幂次变换和msr（多尺度Retinex）的光照不均图像增强算法。首先对光照不均图像进行幂次变换，扩展图像暗区灰度值的动态范围，增强暗区的细节，然后再利用MSR算法对幂次变换的结果进行进一步处理，提高图像的对比度。实验表明，该算法在消除不均匀光照、保持图像较高的对比度的同时，有效地增强了原始图像中暗区的细节。
关键词：光照不均图像；图像增强；幂次变换；多尺度Retinex
中图分类号：TP391文献标识码：A文章编号：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)
在图像采集过程中，由于光照环境或物体表面反光等原因会造成图像光照不均。光照不均在一定程度上改变了图像的原始面貌，增加了进一步处理的难度[1]。因此，需要对光照不均图像进行增强处理。常见的光照不均图像的增强方法有直方图均衡、Retinex增强方法[2]以及梯度域增强方法[3]等。直方图均衡化有利于图像对比度的提高，但由于该方法将原始图像中的多个灰度级合成一个新的灰度级，因此，原始图像中的一些细节信息会丢失。Retinex增强方法在滤掉了照射光的时候仅保留了反射光，从而导致增强后的图像具有较好的边缘细节，但对比度较差。而且，Retinex理论对图像中的照射分量还没有统一的理论模型，现有各种Retinex算法都只是在实验中验证了各自对光照补偿的有效性，并且都假设图像中的照明是平滑的，因此Retinex算法在全局上对图像的光照补偿有较好的效果，但对于局部光照变化较大的图像，其通过光照补偿的图像增强效果不太理想[4]。
该文针对光照不均图像的特点和常用图像增强算法的不足，提出了基于幂次变换和MSR的光照不均图像的增强算法。为了验证该算法的有效性，分别将幂次变换和MSR算法与该文算法的实验结果进行比较，结果表明该文的算法可以达到更好的增强效果。
1 MSR算法
Retinex（视网膜“Retina”和大脑皮层“Cortex”的缩写）是E. land[5-6]提出来的关于人类视觉系统如何调节感知到物体的颜色和亮度的模型，这个模型诠释了为什么同样的物体在不同光源或光线下颜色是恒定的。在Retinex理论中，一幅图像s(x,y)主要由两部分构成，分别是照射分量l(x,y)和物体的反射分量r(x,y)，用公式表示为：
2图像的幂次变换
图像幂次变换的基本形式为
3该文算法描述
Retinex算法的物理意义是，在对数空间中，将原图像减去高斯函数与原图像的卷积的值，实际上是原图像被减去了平滑的部分，从而突出原图像中的细节。前面已经给出Retinex算法实现的前提是假设光照的平滑性，因此对于光照不均的图像其增强效果不太理想。因此，该文首先对光照不均图像进行幂次变换，在一定程度上改善光照的不均匀性对图像的影响。然后再利用Retinex算法进行增强处理。算法具体实现如下[12]：
1)对原始图像进行幂次变换，增强原始图像暗区的细节，参数γ取0到1之间的值；
2)根据输入的高、中、低三个尺度确定高斯环绕函数F(x,y)；
3)用高斯函数和原始图像做卷积，得到低通滤波后的图像，即照射分量l(x,y)，见公式（4）；
4)从原始图像中除去低频的照射分量，得到增强后的信息，即R(x,y)，见公式（5）；
5)根据步骤3）和4）分别计算三个尺度下的增强信息，然后加权求和，见公式（6）；
6)对R(x,y)进行指数变换，将其从对数域转换到实数域，得到增强后的图像r(x,y)。
4实验结果与分析
基于上述的图像增强算法，实验使用的是Matlab编程环境，并对不同方法的实验结果进行比较。图1为光照不均图像及其增强结果。其中，（a）为原始图像，（b）为幂次变换增强结果（c）为MSR增强结果，（d）为该文算法增强结果。
从图中可以看出，原始图像的光照不均匀；经过幂次变换后图像暗区的细节得到了增强，但图像整体的对比度较低。对原始图像进行MSR增强后，图像的对比度增强，但部分暗区的细节人眼仍无法辨别；而该文的算法在消除不均匀光照、保持图像较高的对比度的同时，有效地增强了图像中暗区的细节。为了评价图像增强的客观效果，该文采用熵和交叉熵来定量地进行评价[13]。
熵是衡量图像信息丰富程度的一个重要指标，熵的大小表示图像所包含的平均信息量的多少。图像的熵定义为：
5结论
光照不均影响了图像的视觉效果，同时增强了进一步图像处理的难度。针对光照不均的图像，该文提出了基于幂次变换和MSR的图像增强方法。实验表明该文的算法在增强光照不均图像中暗区的细节有明显的优势，为光照不均图像的进一步处理奠定了基础。
参考文献：
[1]梁琳,何卫平,雷蕾,等.光照不均图像增强方法综述[J].计算机应用研究,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]蒋永馨，王孝通，徐晓刚，等.一种基于光照补偿的图像增强算法[J].电子学报，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]汪荣贵，朱静，杨万挺，等.基于照度分割的局部多尺度Retinex算法[J].电子学报，2010，38(5)：1181-1186.
[8]储昭辉，汪荣贵，方帅.基于Retinex理论的小波域雾天图像增强方法[J].计算机工程与应用，2011，47(15)：175-179.
[9]江兴方，陶纯堪. Retinex彩色图像增强理论的物理思考及其截断区间对图像质量的影响[J].光学技术，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]刘茜，卢心红，李象霖.基于多尺度Retinex的自适应图像增强方法[J].计算机应用，2009，29(8)：2077-2079.
[12]艾玲梅，乔丽，申军.多尺度Retinex方法在车辆胎痕图像增强方面的应用[J].计算机工程与应用，2011，47(30)：192-194.
[13]周西柳,章洁.基于聚类余弦变换的图像增强算法研究[J].计算机仿真,2012,29(2):216-219.