基于HSV顏色空間的改進的多尺度Retinex算法

闞建霞

（江蘇科技大學 電子信息學院，江蘇 鎮江 212000）

基于HSV顏色空間的改進的多尺度Retinex算法

闞建霞

（江蘇科技大學 電子信息學院，江蘇 鎮江 212000）

針對帶顏色恢復的多尺度Retinex算法在最后輸出的圖像上存有重疊的問題，提出了一種改進的子頻帶分解的Retinex算法，該算法不僅能增強亮點中的細節，也能增強在陰影中的細節。由于RGB這三種顏色之間有很強的關系，而HSV這三者之間沒有很大的關聯，能夠較好的反映人對色彩的感知。實驗結果表明，與基于RGB空間的多尺度Retinex算法相比，改進的基于HSV的算法更有效的增強圖像在亮點和陰影中的細節，顏色更接近于原圖。

多尺度Retinex算法；子頻帶分解；圖像增強；HSV彩色空間

由于拍攝壞境、場景照明和被測物體材料特征等因素的綜合影響，使的產生的圖像質量下降，模糊不清。因此，為了得到質量的圖像信息有必要進行圖像增強處理。現在有很多的圖像增強方法，例如直方圖均衡化、直方圖規定化、同態濾波和Retinex算法[1]。

Retinex理論是由美國物體學家Land等人提出來的，之后逐漸發展形成單尺度 Retinex（SSR）和多尺度 Retinex（MSR）[2]。尤其多尺度Retinex算法在局部對比增強更加有效。現在，有很多針對邊緣清晰度，光暈效應等提出了改進，而沒有對子頻帶的特征進行全面的研究。在本篇文章中，我們提出一種子頻帶分解的MSR算法，使得產生的Retinex輸出沒有重疊現象。

彩色圖像增強在數字圖像處理中扮演著重要的角色。彩色圖像的增強是指對彩色圖像的亮度，色彩等信息進行調節，以符合人類對顏色的感知。相對于灰度圖像，彩色圖像包含更加豐富的信息。如果對彩色圖像的RGB 3個分量分別進行圖像增強時不合適的，得到的增強圖像會顯的比較單調。而用HSV是基于人的視覺感知特性建立的色彩空間，它具有兩個重要的特點:1)亮度分量（V）與圖像的彩色信息無關；2)色度分量（H）和飽和度分量（S）與人感受顏色的方式是緊密相連的。因此，HSV很適合圖像處理[3]。

1 多尺度Retinex算法

Retinex理論指出，人眼中圖像的成像，主要由2個部分組成，分別是入射光和反射光物體[4]，可以表示為：

其中：L(x,y)代表入射光，R(x,y)代表物體的反射性質，S(x,y)代表反射光，是被觀察者或照相機接受，就構成物體彩色圖像。

多尺度Retinex（MSR）輸出是由幾個不同單尺度Retinex（SSR）輸出相加的權重之和[5-6]，可以表示為：

其中σn是一個高斯環繞空間常數，Kn是讓F(x,y)滿足積分條件的系數：

因為MSR受σn的影響很大，所以選擇合適的σn很重要。比較小的σn適合增強細節，而大的σn適合改善色調[7-8]。

2 提出的改進的算法

改進的MSR算法總體上包括下面幾步：1)子頻帶分解；2)空間變化的子頻帶增益；3)增強圖像輸出。

2.1 子頻帶分解

標準的MSR算法中的Retinex輸出有重疊的頻譜范圍，所以，根據它們頻譜的特征不能有效的把增益運用到Retinex輸出中。為了解決這個問題，我們把改進的Retinex輸出分解成幾乎沒有重疊的光帶譜[9]。子帶分解式子如下：

其中，Rnv和分別表示標準的V通道Retinex輸出和子頻帶分解的V通道Retinex輸出。

2.2 空間變化的子頻帶增益

在標準的MSR算法中是由用戶自定義常數增益應用到Retinex輸出的。而在本文改進的算法中，定義一個空間變化的增益應用到最后V通道Retinex輸出中[10]。定義式子如下：

其中，Rv′(x,y)表示一個標準化的子頻帶V通道Retinex輸出，表示一個標準化的高斯環繞空間常數，它們可定義為：

運用空間變化增益不僅提高了圖像的對比度，也使得圖像對比度增強的度數不需要用戶定義，而是根據Rv′(x,y)和自動決定，提高了精確性。

2.3 增強圖像的輸出

把空間變化的子頻帶增益應用到MSR輸出之后，在顯示最后增強的圖像之前，增益控制也是有必要的。我們可以采用一個簡單地自動增益控制[11]，最后增強的圖像式子如下：

3 基于HSV顏色空間的多尺度Retinex算法

RGB和HSV都是表示色彩的方法。其中，RGB是從顏色發光的原理來設計的，這三種主要顏色之間有很強的關系，把這三種顏色各自單獨處理可能導致整幅圖像變形；同時，RGB的數值與色彩沒有直接關系，不能揭示色彩之間的關系。而HSV是基于人的眼睛對色彩的識別，是將色彩分解成色調（Hue），飽和度(Saturation)和明度（Value），這三者之間沒有很大的關聯，而且直接與人的視覺感知相對應，能夠較好的反映人對色彩的感知。所以，HSV非常適合圖像處理。RGB色彩空間轉換到HSV空間的公式如下：

在HSV空間描述的是色相，飽和度和明度之間的關系，其中v分量反映了圖像的亮度信息，對其操作而不直接對這3個分量進行操作，保持原始色相和飽和度的關系不變，使圖像的色彩得到保持。

本文首先使用公式將RGB顏色空間的圖像轉到HSV空間，然后對V（明度）分量利用改進的Retinex算法操作完成圖像的增強，最后將其轉換到RGB空間保持原來的色彩信息。最后運用公式將H、S、V分量重新轉換為R、G、B分量，輸出最終的結果。

4 實驗結果

本文的實驗是在MATALB7.0上完成的，為了說明本文算法的有效性，根據上面所提出的方法對圖像進行了仿真實驗，分別與傳統的MSR算法和改進的算法在RGB顏色空間的輸出圖像作對比。在實驗中，N的個數設置為3，高斯環繞空間常數分別為σ1=25，σ2=180，σ3=250進行了仿真。圖（b）是由標準的MSR算法的出的輸出結果，顏色有些偏亮；而圖（c）是改進的算法在RGB顏色空間輸出的圖像，顏色明顯偏暗了。實驗結果表明，本文提出的改進的算法處理效果不僅明亮清晰，細節突出，顏色也得到了更好的實現。

圖1 帶顏色恢復的多尺度Retinex算法的效果比較Fig.1 Difference of the restoring image with color of MSR algorithm

5 結束語

圖像增強是圖像處理領域的關鍵技術之一，本文主要對標準的多尺度Retinex算法最后輸出存有重疊現象等缺陷；如何使選取的色彩空間模型更有效的反映圖像的輪廓一直也是色彩圖像應用研究中的難點和重點之一，HSV顏色空間是基于人的眼睛對色彩的識別，直接與人的視覺感知相對應，所以本文提出了一種基于HSV顏色空間的改進的多尺度Retinex算法，并應用到圖像的增強中。仿真實驗驗證了本文算法具有非常大的優越性，值得推廣。

[1]Funt B,Ciurea F,McCann J.Retinex in matlab[J].Journal of Electronic Imaging,2004,13(1):48-57.

[2]Tao L,Asari V K.Modified luminance based MSR for fast and efficient image enhancement [J].In Proc,IEEE AIPR, 2003,3(2):174-179.

[3]Li G,Luo W,Li P,Contrast enhancement of image adapting to color space [J].Chinese Journal of Sensors and Actuators, 2009,22(1):833-837.

[4]Sun B,Chen W,Li H,et al.Modified luminance based adaptive MSR[J].In Proc,IEEE ICIG,2007,5(1):116-120.

[5]Qiao X,Ji G,Chen Q.An image enhancement algorithm and its application based on improved global Retinex theory[J]. Journal of System Stimulation,2009,21(3):1195-1197.

[6]Jiang X,Meng S.A method of color image enhancement using color advanced retinex [J].Journal of Optoelectronics Laser, 2008,19(1):1402-1404.

[7]Lee S.An efficient content-based image enhancement in the compressed domain using retinex theory [J].IEEE Trans. Circuits Syst.Video Technol.,2007,17(2):199-213.

[8]Tanaka G,Suetake N,Uchino E.Image enhancement based on multiple parametric sigmoid functions[J].In Proc,IEEE Int. Symp.Intell.Signal Process.Commun.Syst.,2007,7(2):108-111.

[9]Jao Ho Jang,Boorym Choi,Sung Deuk Kim,et al.Sub-band decomposed multiscale retinex with space varying gain[D]. Korea:the Image Information Research Center,2008.

[10]Jao Ho Jang,Boorym Choi,Sung Deuk Kim,et al.Enhancement of Optical Remote Sensing Image by Subband-Decomposed Multiscale Retinex with Hybrid Intensity Transfer Function [J].IEEE geoscience and remote sensing letters,2011,8(5): 983-987.

[11]Vonikakis V,Andreadis I,Gasteratos A.Fast centre-surround contrast modification [J].IEEE Transactions on Image Processing,2008,2(1):19-34.

Improved multiscale retinex algorithm based on the HSV color space

KAN Jian-xia
（Jiangsu University of Science and Technology,College of Electronic Information,Zhenjiang 212000，China）

For the multiscale Retinex algorithm with color restoration on the final output images existing a problem of overlapping,we proposed an improved Retinex algorithm of sub-band decomposition.The algorithm can not only enhance the details in the highlight,but also can improve the details in the shadows.Because the RGB has a strong relationship between these three kinds of color,however,there is no great connection in the HSV,the HSV are able to reflect the perception of color better.The experiments show that compared with the multiscale Retinex algorithm based on RGB space,the improved multiscale Retinex algorithm based on the HSV color space is more effective to enhance image details in the highlight and shadows and the color is more close to the original image.

multiscale Retinex algorithm;sub-band composition;image enhancement;HSV color space

TN911

A

1674－6236（2015）07-0148-03

2014-08-05 稿件編號：201408020

闞建霞(1990—)，女，江蘇南通人，碩士研究生。研究方向：數字圖像處理。