CN100568279C - 一种基于Retinex理论的快速彩色图像增强方法 - Google Patents

Abstract

本发明公开了一种基于Retinex理论的快速彩色图像增强方法，该方法中，首先构造一个新的色彩空间，既简化了格式转换中的复杂运算，又保证色彩鲜艳；其次，通过预先构造均值模板，将卷积运算简化为均值计算，极大地减少运算次数；最后，在图像后处理阶段，通过自适应参数选取来调节像素值的分布。利用本发明，可以大幅减少运算次数，提高处理效率，并能有效避免了普通多尺度Retinex方法中可能存在的色彩失真现象，尤其适合对雾、霭等天候的图像进行快速增强处理。

Description

一种基于Retinex理论的快速彩色图像增强方法

技术领域

本发明涉及一种适用于彩色图像的快速图像增强方法，尤其涉及一种基于Retinex理论，通过构造新的色彩空间来减少色彩空间转换的运算量，并通过简化高斯卷积运算来提高运算速度的快速彩色图像增强方法，属于数字图像处理技术领域。

背景技术

彩色图像增强是改善图像质量的有效措施之一。它是在增强图像细节、提高图像质量的同时，以不带来失真或色偏为前提，使得图像更加生动和色彩鲜艳，以便于人眼观察和机器后期处理。目前，彩色图像增强主要包括两方面的任务：灰度图像增强和彩色空间的颜色信息处理。

灰度图像的常规增强方法主要有非线性转换、直方图均衡化、同态滤波等，这些方法在处理雾天或沙暴等环境下的图像时存在局限性，不能在增强细节和拉伸对比度两方面都达到满意的效果。

1964年，E·Land从人类视觉的亮度和颜色感知出发，提出了色彩恒常知觉的Retihex理论。色彩恒常知觉是指在照明发生变化的条件下，人们对物体表面的知觉存在趋于稳定的心理倾向。基于Retinex理论的图像增强方法是将入射光变化造成的场景成像模糊的因素消除，提取出反映场景本来特征的部分。从物理意义上分析，该图像增强方法是在对数空间中，将原图像减去高斯函数与原图像的卷积，其物理本质是除去了原图像中的平滑的部分，突出了原图像中的快速变化的部分，而且高斯函数越尖锐，越是突出图像中的细节，高斯函数越平坦，图像色调保持得越好。基于Retinex理论的图像增强方法可以在拉伸对比度的同时，增强图像的细节并保持颜色恒定性，在雾、霭等气候状况下能够获得更加良好的处理效果。

目前，应用较多的是利用中心/包围函数来计算的单尺度Retinex方法(SSR)及多尺度Retinex方法(MSR)。对于这两种方法的介绍，可以参考论文《An analysis of selected computer interchange color space(对备选计算机交互色彩空间的分析)》(载于《Association forComputing Machinery Transactions on Graphics》，1992年11月第2期，第33到34页)和《Properties and performance of acenter/surroundretinex(中心/边缘Retinex方法的性质和效能)》(载于《IEEETransaction On Image Processing》，1997年第6期，第451到462页)。

但是，上述MSR和SSR方法还存在一定的缺陷。首先，MSR和SSR方法需要同时在R、G、B三个色彩通道中进行处理，计算量庞大。其次，MSR方法需要对原始图像进行多次不同参数下的卷积运算，这种卷积运算十分耗时。而且在进行卷积运算时，图像尺寸的大小和扩充的数值都将影响到计算结果，并且会增大计算量，影响了方法的效率。再次，MSR方法在结束卷积运算后，需要将处理前后的图像数据转换到log(对数)域，再进行减法运算。这时的输出图像不能够直接用来显示或打印，必须经过相应的处理，将输出图像的像素映射到0～255的范围内，否则得到的结果图像偏灰，改善效果不明显。

在此背景下，研究一种既能提高运算速度，又能保证增强后色彩真实鲜艳的快速图像增强方法显得尤为重要。

发明内容

本发明所要解决的技术问题在于提供一种基于Retinex理论的快速彩色图像增强方法。该方法通过构造新的色彩空间来减少色彩空间转换的运算量；通过简化高斯卷积运算提高运算速度；并通过自适应后处理来拉伸结果和调节全局对比度，从而保证了图像增强的速度和质量。

为实现上述的发明目的，本发明采用下述的技术方案：

一种基于Retinex理论的快速彩色图像增强方法，其特征在于包括如下步骤：

(1)从原始图像的RGB色彩空间中选取R、G、B三个色彩分量中的最大值作为亮度信息，得到亮度图像；

(2)对所述亮度图像进行高斯卷积运算：通过预先构造多个均值模板将多次高斯卷积运算简化为均值运算，得到高斯卷积运算后的图像；

(3)将转换到对数域中的原始图像和转换到对数域中的多次高斯卷积运算后图像的均值相减，得到相减后图像，进行拉伸以调节所述相减后图像的像素值分布，得到输出亮度图像；

(4)将所述输出亮度图像转换回所述RGB色彩空间，得到最终的输出结果图像。

其中，所述步骤(2)中，通过选取环绕高斯函数的尺度参数和相应的高斯模板尺寸实现将多次高斯卷积运算简化为均值运算。

在使用三次高斯卷积运算的情况下，高斯模板尺寸和环绕高斯函数的尺度参数分别为：

(i)高斯模板大小为33×33，环绕高斯函数的尺度参数为30；

(ii)高斯模板大小为65×65，环绕高斯函数的尺度参数为90；

(iii)高斯模板大小为129×129，环绕高斯函数的尺度参数为200。

所述步骤(2)中，先相加求和再求均值，并用移位运算代替除法浮点运算。

所述步骤(3)中，使用S曲线对所述相减后图像进行拉伸处理，得到输出亮度图像；

所述S曲线为：

$I_{\mathrm{out}}(x,y)=\frac{K_1}{K_2+\exp \left\{K_3(K_4-I_{\mathrm{in}}(x,y))\right\}}$

其中K_i是常数，I_in(x，y)是输入，K₁、K₂为归一化系数，K₃是决定曲线倾斜度的参数，K₄是决定曲线水平方向位移的参数。

所述S曲线中，K₄的取值为相减后图像的均值，K₃用如下步骤确定：首先求出相减后图像的方差，并将相减后图像的均值左右附近3个方差大小的像素映射到整体灰度值的1％～99％范围之内，由此计算出K₃的取值。

所述步骤(4)中，将所述输出亮度图像和原始图像相除得到放大参数，将所述原始图像的每个分量值乘以所述放大参数，对每点像素值进行同等倍数的扩大或缩小，得到最终的输出结果图像。

与现有技术相比较，本发明通过构造一个新的色彩空间，在简化格式转换过程中复杂运算的同时保证了色彩的真实鲜艳；通过预先构造均值模板，将卷积运算简化为均值运算，减少运算次数；在图像后处理阶段通过自适应参数选取来拉伸调节像素的分布，同时调节图像全局的对比度。有关实验表明，本发明比现有的MSR方法获得的增强效果更好，并且运算时间短、处理效率高。

附图说明

下面结合附图和具体实施方式对本发明作进一步的说明。

图1为本发明所述的基于Retinex理论的快速彩色图像增强方法的流程简图；

图2为相邻模板间计算量差别的示意图；

图3为三条倾斜程度不同的S曲线示意图；

图4为将转换到log域的原始图像和转换到log域的多次卷积后图像的均值相减，得到相减后图像的直方图分布示意图。

具体实施方式

本发明所提供的快速彩色图像增强方法是从现有的基于Retinex理论的多尺度增强方法(MSR)中进一步发展出来的。与现有技术相比较，主要的改进之处体现在处理效果的优化和运算效率的提高上。下面对此展开详细的说明。

参见图1所示的实施流程图，本快速彩色图像增强方法包括如下的各个步骤：

1.构造一个新的色彩空间：对原始图像进行色彩空间的转化，选取R、G、B三个色彩通道中的最大值作为亮度信息，得到亮度图像。

Hurbert等人指出，Retinex理论实际上隐藏了一种“灰色世界”的假定，即普通的MSR方法在R、G、B三个通道同时进行运算时，仅在三个通道环绕均值基本相等(“灰色”)的情况下，原图像的颜色信息才不被破坏；若三个通道环绕值相差较大，MSR方法不仅消除了光照强度变化的影响，同时也将产生颜色失真，因此采用原有的RGB色彩空间并非较好的选择。

经过研究，另外一种色彩空间-HSV色彩空间在图像增强处理的具体实现中能够获得较好的效果。但实现不同色彩空间的转换十分耗时。为此，本发明将这两种色彩空间的优点进行结合，构造一个新的色彩空间集，记为J。构造新的色彩空间的目的一方面是保证增强处理后的颜色真实鲜艳，另一方面是简化颜色空间转换的计算量。

新的色彩空间的构造过程如下：

在RGB色彩空间中选取R、G、B三个色彩分量中的最大值作为亮度信息进行处理，即

J＝max(R，G，B)                            (1)

2.对亮度图像进行高斯卷积运算：通过预先构造多个均值模板，将MSR方法中的多次高斯卷积运算部分简化为普通的均值运算，得到卷积后的图像。

由于在MSR方法中，最耗时的部分出现在卷积部分，其形式如下：

H_n(x，y)＝I(x，y)*F_n(x，y)                (2)

其中，I(x，y)表示经色彩空间转换后得到的亮度图像，“*”表示卷积操作，H_n(x，y)表示第n个模板卷积得到的结果，F_n(x，y)表示归一化环绕高斯函数，形式为：

$F_n(x,y)={\mathrm{Ke}}^{-r^2/{c_n}^2},r=\sqrt{x^2+y^2}---\left(3\right)$

其中K为归一化参数，使得∫∫F_n(x，y)dxdy＝1，c_n为高斯函数的尺度参数，需人为选择。卷积相当于一个加权平均和，其实质是一个低通滤波器，若选取合适的环绕高斯函数的尺度参数和相应的高斯模板尺寸，模板中的数值都近似相等，因此可以将高斯卷积运算简化为普通的均值运算。

将MSR方法中的高斯卷积运算简化为普通的均值运算的方法包括如下两个步骤：首先，分别选取合适的环绕高斯函数的尺度参数和相应的高斯模板尺寸，使得实质为低通滤波器的卷积运算简化为普通模板的均值运算；然后，用移位运算代替浮点除法运算，用模板移动的方法减少模板中像素求和时的运算量，并用查表方法代替log运算。

下面结合具体的计算例对上述方法进行进一步的说明。在该计算例中，使用三次高斯滤波。经过反复比对和实验发现，确定以下的尺度参数和相应的高斯模板尺寸：

(i)选取小模板为33×33，c_n＝30，高斯模板中每个值基本趋向于一个相同的值，约为9.2×10^-4；

(ii)选取中模板为65×65，c_n＝90，高斯模板中每个值基本趋向于一个相同的值，约为0.2367×10^-4；

(iii)选取大模板为129×129，c_n＝200，高斯模板中每个值基本趋向于一个相同的值，约为0.6094×10^-4。

接下来的步骤是进行均值运算，即相加求和再求均值，并用移位运算代替除法浮点运算。例如上述步骤(ii)中0.2367×10^-4≈1/(64)²，计算除法时可以用右移12位来代替；步骤(iii)中0.6094×10^-4≈1/(128)²，计算除法时可以用右移14位来代替。

在均值模板与图像进行求和运算时，相邻两个点之间的计算中大部分运算是重复的。如图2所示，相邻两点之间可能仅仅移动了一行或者一列。利用这一性质，可以用一个数组存储均值模板范围内各个点的和，相邻点的移动只需对应加上一行的数据或者减去一行的数据。对于运算中涉及到的对数运算，可通过建立查找表来实现，简单快捷。这样可以在更大程度上减少运算次数，减少运行时间。

3.将转换到log域(对数域，下同)的原始图像和转换到log域的三次卷积后图像的均值相减，得到相减后图像；对相减后图像进行后处理，即进行拉伸来调节像素值的分布，得到输出亮度图像。

具体的实施步骤如下：

首先，将转换到log域的原始图像和转换到log域的三次卷积后图像的均值相减，得到相减后图像。其计算公式如下：

$R(x,y)=\log I(x,y)-\frac{1}{3}*\left(\underset{n=1}{\overset{3}{\mathrm{\Σ}}}\log \left(H_n(x,y)\right)\right)---\left(4\right)$

其中，表示求取三次卷积后图像的均值。

然后针对R(x，y)进行后处理，即拉伸图像并自适应调节全局的对比度，得到输出亮度图像。

在本发明中，利用自适应S曲线对R(x，y)进行后处理。S曲线的形式为：

$I_{\mathrm{out}}(x,y)=\frac{K_1}{K_2+\exp \left\{K_3(K_4-I_{\mathrm{in}}(x,y))\right\}}---\left(5\right)$

其中，K_i是常数，I_in(x，y)是输入，K₁，K₂为归一化系数，一般取1。而K₃，K₄是两个决定曲线形状的重要参数，其中K₃决定了曲线的倾斜度，K₄决定了曲线水平方向的位移。

S曲线的形状参见图3所示，其需要自适应调节的参数有两个。在本发明中，对K₃，K₄进行自适应的调节。S曲线中的参数自适应调节过程为：首先，其中一个用于确定曲线平移位置的参数K₄用均值来确定；然后，另一个用于确定曲线倾斜程度的参数K₃用如下步骤确定：求出方差，并将均值左右附近3倍方差大小范围内的像素映射到整体灰度值的1％～99％范围之内，此时符合条件的参数即为所需曲线参数。

具体的计算步骤如下：

(1)先将待处理图像R(x，y)进行归一化操作，将所有的像素点值映射到0～1范围之内得到I_in(x，y)；

(2)确定影响曲线水平位移的参数K₄

通过实验发现，通过MSR方法计算得到的图像，即I_in(x，y)的像素直方图是基本类似于高斯分布的，如图4所示。由高斯分布的性质可知，绝大部分像素都落在(μ-3σ，μ+3σ)范围内，其中μ表示均值，σ表示方差。因此本发明利用这一性质，将S曲线的中值定义在高斯曲线分布的均值处，即K₄＝μ，μ表示均值，即

此时S曲线的形式为：

$I_{\mathrm{out}}(x,y)=\frac{1}{1+\exp \left\{K_3(\mathrm{\μ}-I_{\mathrm{in}}(x,y))\right\}}---\left(6\right)$

(3)确定影响曲线的倾斜度的参数K₃

参数K₃对S曲线的影响可参见图3所示。通过上述的分析，可知绝大部分像素都落在(μ-3σ，μ+3σ)范围内。因此，本发明中参数K₃的确定也需要尽量将1％～99％的数据都映射到(μ-3σ，μ+3σ)区域内。

为此，利用下述的公式(8)求参数K₃：

(i)令I_in(x，y)＝I_in(μ-3σ，y)，I_out(x，y)＝0.01，

K₃₁；

(ii)令I_in(x，y)＝I_in(μ+3σ，y)，I_out(x，y)＝0.99，

K₃₂；

(iii) $K_3=\frac{(K_{31}+K_{32})}{2};---\left(7\right)$

(4)利用公式(7)进行后处理，处理结果I_out(x，y)的范围在0～1之间，需要将其映射到0～255范围之内，于是利用下式：

R_{final_out}(x，y)＝255*I_out(x，y)                    (8)

其中R_{final_out}(x，y)即为最后的增强结果。

4.将输出亮度图像转换回原始的RGB色彩空间，得到最终的输出结果图像

具体而言，将输出亮度图像和处理前的原始图像相除得到放大参数，并将RGB色彩空间中的原始图像的每个色彩分量乘以放大参数，对R、G、B每点像素值进行同等倍数的扩大或缩小，得到最终的输出结果图像。

具体的计算步骤如下：

在RGB色彩空间中，记J＝max(R，G，B)。对J分量运用上述的步骤2和步骤3进行增强处理，处理后的结果记为J′。设放大参数矩阵为r，其中

r＝J′/J                (9)

对RGB空间中的三个分量进行相应倍数的扩大，得到的R′，G′，B′分量即为处理结果，如式(10)：

$\left\{\begin{array}{c}{R}^{\′}=R*r\\ G^{\′}=G*r\\ B^{\′}=B*r\end{array}\right.---\left(10\right)$

对于计算处理前后J值变化倍数的除法运算，可建立查找表来进行。表中的值分别为分母为1～255时的值，即

这样即可将浮点除法运算修改为查表运算和浮点乘法运算，从而进一步提高本快速彩色图像增强方法的运算效率。

需要说明的是，以上公开的仅为本发明的具体实施例。根据本发明所提供的技术思想，本领域的普通技术人员所能思及的变化都应落入本发明的保护范围内。

Claims (8)

1.一种基于Retinex理论的快速彩色图像增强方法，其特征在于包括如下步骤：

(1)从原始图像的RGB色彩空间中选取R、G、B三个色彩分量中的最大值作为亮度信息，得到亮度图像；

(2)对所述亮度图像进行高斯卷积运算：通过预先构造多个均值模板将多次高斯卷积运算简化为均值运算，得到高斯卷积运算后的图像；

(3)将转换到对数域中的原始图像和转换到对数域中的多次高斯卷积运算后图像的均值相减，得到相减后图像，进行拉伸以调节所述相减后图像的像素值分布，得到输出亮度图像；

(4)将所述输出亮度图像转换回所述RGB色彩空间，得到最终的输出结果图像。

2.如权利要求1所述的基于Retinex理论的快速彩色图像增强方法，其特征在于：

所述步骤(2)中，通过选取环绕高斯函数的尺度参数和相应的高斯模板尺寸实现将多次高斯卷积运算简化为均值运算。

3.如权利要求2所述的基于Retinex理论的快速彩色图像增强方法，其特征在于：

在使用三次高斯卷积运算的情况下，高斯模板尺寸和环绕高斯函数的尺度参数分别为：

(i)高斯模板大小为33×33，环绕高斯函数的尺度参数为30；

(ii)高斯模板大小为65×65，环绕高斯函数的尺度参数为90；

(iii)高斯模板大小为129×129，环绕高斯函数的尺度参数为200。

4.如权利要求2所述的基于Retinex理论的快速彩色图像增强方法，其特征在于：

所述步骤(2)中，先相加求和再求均值，并用移位运算代替除法浮点运算。

5.如权利要求1所述的基于Retinex理论的快速彩色图像增强方法，其特征在于：

所述步骤(3)中，使用S曲线对所述相减后图像进行拉伸处理，得到输出亮度图像；

所述S曲线为：

$I_{\mathrm{out}}(x,y)=\frac{K_1}{K_2+\exp \left\{K_3(K_4-I_{\mathrm{in}}(x,y))\right\}}$

其中K_i是常数，I_in(x，y)是输入，K₁、K₂为归一化系数，K₃是决定曲线倾斜度的参数，K₄是决定曲线水平方向位移的参数。

6.如权利要求5所述的基于Retinex理论的快速彩色图像增强方法，其特征在于：

所述S曲线中，所述K₄的取值为相减后图像的均值。

7.如权利要求5所述的基于Retinex理论的快速彩色图像增强方法，其特征在于：

所述S曲线中，所述K₃用如下步骤确定：首先求出相减后图像的方差，并将相减后图像的均值左右附近3个方差大小的像素映射到整体灰度值的1％～99％范围之内，由此计算出K₃的取值。

8.如权利要求1所述的基于Retinex理论的快速彩色图像增强方法，其特征在于：

所述步骤(4)中，将所述输出亮度图像和原始图像相除得到放大参数，将所述原始图像的每个分量值乘以所述放大参数，对每点像素值进行同等倍数的扩大或缩小，得到最终的输出结果图像。

Images