一种基于Retinex理论的改进图像去雾算法

2019-11-17 04:05王建国李永全
电脑知识与技术 2019年26期

王建国 李永全

摘要:针对传统去雾算法得到图片失真和偏暗的问题,基于Retinex理论,将原图用改进的SSR算法去雾,再将原图转换到hsv空间下提取v分量进行对比度增强,将去雾图转换到hsv空间下提取v分量,将两个v分量线性权重叠加,得到rgb空间下的目标图像,并将目标图像转换到hsi颜色空间下提取i分量,并进行增强处理,得到rgb空间下的最终去雾图像。实验表明,该算法能增强图像对比度,得到明亮的图片,同时也能解决图像彩色失真的问题。

关键词:中图分类号:TP311      文献标识码:A

文章编号:1009-3044(2019)26-0200-02

开放科学(资源服务)标识码(OSID):

雾天,因为大气中悬浮着大量的微小液滴和气溶胶,这些介质对光的散射现象在一定程度上降低了环境的水平能见度,从而导致图像传感器捕获的图像质量比较低,会对成像图像的质量造成影响,如何有效去雾,取得较好质量的图片是一个十分有意义的研究。目前,传统图像去雾[1]主要有基于大气退化模型的方法和基于图像增强的方法。前者需要硬件的支持[2],比如雷达等,后者实验环境简单,易于研究。

Retinex理论[3]是有Land提出的,该理论认为人类看到的物体表色与物体表面的反射性质有着密切的关系,与投射到人眼的光谱特性关系不大,图像由入射光分量和放射光分量组成。自Retinex理论提出后,许多学者提出了基于Retinex理论的算法,比如基于中心环绕的单尺度Retinex(SSR)算法,以及多尺度Retinex(MSR)算法[4]。

1 Retinex算法原理

Retinex理论指出,人眼中图像的成像,主要由入射光和反射光决定,可用如下关系式表示:

(1)式中,R(x,y)代表反射图像,表示物体的反射性质;L(x,y)代表入射光,决定了S的动态范围;S(x,y)代表人眼或摄像系统读取的图像。

(1)式中,S往往是确定的图片,L可以用算法估计出来,则可以得到反射图像R,也就是得到了去雾后的图片。入射光图像L通常可以利用高斯函数与图像S卷积得到,即:

(2)式即为用算法估计的入射图像L(x,y),(3)式为高斯函数,式中c为环绕尺度,k为归一化常数,且满足:

式中i为图像的通道。

2 本文算法主要步骤

2.1 高斯滤波核的选取

与传统选取的高斯滤波核方法[5]相比,本算法根据原图像边长选取滤波核。环绕尺度c也由图像边长决定,公式如下:

上式中[ε]为环绕尺度c的决定系数,滤波核的大小N由下式决定:

上式中[ω]为滤波核大小N的决定系数,则:

2.2 hsv颜色空间v分量线性叠加

RGB和HSV都是表示色彩的方法。其中RGB是从颜色发光原理来设计的,HSV是基于人眼对色彩的识别,将色彩分解為色调、饱和度和明度,直接与人的视觉感知相对应,能够较好地反应人对色彩的感知。RGB颜色空间转换到HSV颜色空间[6]公式如下:

将原图片转换到hsv颜色空间,提取v分量v1,并增强v1的对比度,将SSR算法处理后的图片转换到hsv颜色空间,提取v分量v2,将v1和v2线性叠加,如下式

最后将得到的dstv分量与经过SSR算法处理的图像的h和s分量转换到rgb颜色空间,即得到利用hsv颜色空间处理后的图片。

2.3 HSI颜色空间I分量的图像增强

通常人眼对灰度等级的区分并不敏感,一般来说人眼能分辨的灰度等级介于十几级到二十几级之间,但却可以分辨出上千种颜色。因此利用人眼的这一视觉特性,将灰度图像变成彩色图像或者改变已有彩色的分布,都可以改变图像的可分辨性,这就是彩色增强。

HSI颜色模型从人的视觉系统出发,用H,S,I三个参数来描述色彩,它反映了人的视觉系统感知彩色的方式,这种彩色描述对人来说是直观的、自然的。色调H 是描述纯色的属性(如红色、黄色等);饱和度S 表示的是一种纯色被白光稀释的程度的度量;强度I 是一个主观的描述,是人对彩色感觉的关键参数,实际上它是不可能测量的。HSI模型可从彩色图像中携带的彩色信息(色调和饱和度)里消去强度分量的影响,因而使得该模型在开发基于彩色描述的图像处理算法中非常有用。

在对真彩色图像增强时,我们自然想到直接在RGB坐标系用图1所示的方法对R、G、B三个分量分别进行增强处理,再合成彩色,但其结果会改变原彩色图像的颜色种类,使彩色图像失真。对此,如图2所示,现将彩色图像从RGB颜色空间转换到HSI颜色空间。I表示亮度,与彩色的种类无关,为了不改变彩色的种类,仅仅对I分量进行图像增强处理,H和S分量不做处理,最后在转换到RGB颜色空间下得到最终的去雾图像。

3 算法效果对比

如图4为算法效果对比,传统去雾算法中直方图均衡化[7]未能保持图像的局部特征,容易出现色彩失真,而SSR算法处理后的图像亮度整体偏暗,本文算法在色彩失真和图像亮度效果上都较前两种算法好。

4 实验结论

通过实验算法效果的对比,证明了通过运用改进的SSR算法处理后的图片,将其和原图像转换到HSV颜色空间下增强明度V,经过线性权重叠加得到理想的明度图片后转换到RGB颜色空间,最后再从RGB转换到HSI颜色空间下增强亮度I的方法能够克服传统算法处理去雾图片失真和亮度整体偏暗的问题,该处理方法在处理效果上比传统方法诸如直方图均衡化、SSR算法等去雾的效果好。

参考文献:

[1] 罗会兰,林家彪.一种基于多尺度Retinex算法的图像去雾霾方法[J].计算机应用与软件,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] 李长领,宋裕庆,刘晓峰.基于MSR理论的交通图像去雾霾方法[J].计算机应用,2015,35(S2):234-237.

[6] 阚建霞.基于HSV颜色空间的改进的多尺度Retinex算法[J].电子设计工程,2015,23(7):148-150

[7] 刘奇付,邵换峥.图像去雾霾算法研究[J].信息与电脑(理论版),2018(17):34-35.

【通联编辑:李雅琪】