一種基于多尺度Retinex的夜間圖像增強算法

牛志忠 楊坤

摘? 要：現有的夜間圖像增強算法存在著圖像對比度過高和暗區細節不佳的情況。因此，文章提出了一種基于多尺度Retinex（MSR）的夜間圖像增強方法，首先通過對圖像進行MSR增強，將增強后的圖像轉換到YUV色彩空間，對Y通道進行伽馬變換。實驗表明，與傳統的MSR方法對比，改進后的算法能夠很好地提高圖像的對比度，改進暗區的細節表現，具有很好的視覺效果。

關鍵詞：夜間圖像增強;Retinex算法;YUV顏色空間

中圖分類號：TP391.41? ? ? ?文獻標識碼：A 文章編號：2096-4706（2020）17-0066-04

Abstract：The existing night image enhancement algorithms have the problems of high image contrast and poor dark area details. Therefore，a night image enhancement method based on multi-scale Retinex （MSR） is proposed. Firstly，the image is enhanced by MSR，transforming the enhanced image into YUV color space，and using the gamma conversion to transformed Y channel. The experimental results show that compared with the traditional MSR method，the improved algorithm can improve the contrast of the image，improve the detail performance of the dark area，and has a good visual effect.

Keywords：night image enhancement;Retinex algorithm;YUV color space

0? 引? 言

近年來，隨著城市化的進程和車輛的增多，夜間交通事故也時有發生，對肇事車輛的識別存在著曝光過度或者光線不足而導致無法辨認車輛的問題，從而對廣大人民的生命和財產造成極大的傷害。夜間圖像自然光線較少，并且摻雜著各種光線，容易導致圖像質量差，整體亮度偏低，光線強度不一;圖像亮度集中在較低或較高的范圍內，對比度低，細節少。當前針對圖像增強的算法有直方圖均值化的增強算法[1，2]、圖像融合算法[3]、單尺度Retinex算法及其改進算法[4]、多尺度Retinex算法及其改進算法[5，6]，以上算法對于夜間圖像的增強都有一些效果，但是未能很好地解決因光線不足、夜間圖像過曝等因素導致的細節不足、對比度差、圖像過白等問題。

為了能夠為后續夜間場景下的車牌識別提供幫助，提高圖像的可用價值，針對以上問題進行優化，本文對MSR算法進行改進，提出了一種將圖像轉換到YUV色彩空間進行伽馬增強的MSR算法。通過實驗證明，該方法能夠在亮度、對比度、暗區細節方面優于傳統算法，對夜間場景下的車牌識別的研究具體很強的參考價值和使用意義。

1? Retinex理論

Retinex理論[7]是由E.Land在1963年提出的一種顏色恒常性的計算理論，他主要闡述了物體的顏色是由物體對不同波長的反射能力所決定的，與外界的反射光的強度無關，不會受到光照不均勻等因素的影響，始終保持一致性。因此，可以認為我們看到的圖像是物體本身的顏色R（x，y）和外界光L（x，y）的乘積，物體接受了外界光，反射到觀察者眼里或者圖像采集設備中的圖像S（x，y），則有式（1）：

Retinex理論的實質就是為獲得夜間圖像的真實色彩，通過對夜間圖像去除外界干擾的操作得到物體原本圖像的真實信息。由于人的視覺系統更適應對數函數曲線[8]，加上加法運算的復雜度要低于乘法運算，所以將兩端取對數，得到式（2）、式（3）：

這里的r（x，y）表示取對數后的物體原本的色彩。

物體原本的顏色：

已知觀察到的圖像S（x，y），若要計算出r（x，y）就要知道L（x，y），通過觀察圖像S（x，y）與高斯濾波器F（x，y）卷積則可以計算出L（x，y），計算公式如下：

其中，F（x，y）服從二元正態分布，且隨機變量獨立，期望為0，標準差均為σ，則有：

實驗表明，不同的標準差會直接影響到圖像的增強效果，通常標準差較小的時候，能夠較好地獲取到圖像的邊緣信息，但是會丟失色彩信息;標準差較大的時候，能夠較好地保留色彩信息，但是圖像邊緣信息、對比度不夠[3]。因此，單尺度Retinex算法（SSR）則無法滿足實際的需求。研究人員提出了多尺度Retinex算法（MSR），在單尺度Retinex算法的基礎上增加多個不同尺度的單尺度Retinex算法加權平均，這樣能夠很好地解決圖像邊緣信息、對比度、色彩信息的問題，但是計算成倍增加。為兼顧不同尺度的優缺點，一般取小、中、大不同尺度的SSR算法加權平均，如下：

2? 夜間圖像增強算法流程

作者研究的算法首先對夜間圖像進行三個不同尺度的Retinex算法加權，將圖像由RGB色彩空間轉換到YUV色彩空間，對其中的Y（亮度）分量進行伽馬變換，最后將圖像還原到RGB色彩空間，得到增強后的圖像，流程如圖1所示。

2.1? MSR圖像增強算法

本文采用了三個尺度標準差為5、80、200的三個尺度的SSR算法，以權重為? 、 、 ，運用式（8）可得：

2.2? 色彩空間轉換

YUV色彩空間是最早的電視信號采用的顏色編碼形式，其中Y表示亮度，U、V表示色度，這種編碼形式使得亮度和色度分開，避免互相干擾的情況，具有降低圖像亮度對色度沒有任何影響的特性，因此在夜間場景下燈光亮度不均勻的情況下，YUV色彩空間特別適合夜間場景圖像的表示，YUV轉換到RGB色彩空間的公式：

RGB轉換到YUV色彩空間的公式：

2.3? 對Y通道增強

介于Y通道的改變不改變圖像色度的特點，本文通過伽馬變換的方式對Y亮度通道中暗區進行增強，對過白區域進行壓縮，以提高夜間圖像的對比度，降低過白、偏暗現象對圖像的影響，公式如下：

其中，r為輸入的灰度值，一般取值在[0，1]，C為縮放系數，這里取1。

當γ∈（0，1）時，對灰度低的區域進行拉伸，對灰度高的區域進行壓縮;當γ>1時，對灰度低區域進行壓縮，對灰度高的區域進行拉伸;當γ=1時，不改變原圖像，本文取γ=0.4。

3? 實驗分析

因為燈光條件不佳環境下的停車場與夜間場景有很多相似之處，作者因此選取了兩幅停車場環境的圖片作為夜間場景的圖片為例，用MATLAB 7.1進行仿真實驗，類似圖2（a）幾乎全黑的圖片，整體的亮度較低，對比度差，細節嚴重不足，通過原圖不能夠觀察到車輛信息;類似圖3（a）背景很明亮而目標整體亮底偏暗，當前目標信息不清晰。將分別使用HE算法、MSR算法和本文算法的圖片進行對比，對比結果如圖2～3所示。

3.1? 主觀評價

主觀來看，圖2原圖很難看到任何細節，圖2（b）、圖2（c）能夠顯示出目標，但是周圍干擾較大，本文的方法能夠很好地顯示出目標以及周圍環境的細節，對比度表現適中，但整體亮度低于圖2（b）、圖2（c）;圖3原圖中在燈光下的車輛完全看不清車輛信息，背景燈光很亮，圖像整體出現過亮和過暗的現象，圖3（b）中圖像的亮度較高，但是遠處車輛的細節缺失嚴重，本文方法能夠在兼顧亮度的情況下提高車輛的細節以及周邊環境的細節，因此，從圖2、圖3中的各圖對比可以看出，本文算法能夠明顯提高整體圖像偏暗和圖像中出現過白、過暗現象的場景下的紋理特征和細節表現。

3.2? 客觀評價

從客觀數據來比較，本文選取了平均亮度、平均對比度、峰值信噪比（PSNR）、信息熵四個指標進行對比，平均亮度反映了圖像的整體的亮度和明暗程度，其均值越大，圖像越亮，在夜間增強上，平均亮度的提高能夠提升圖像的整體視覺效果。平均對比度能在一定程度上反映圖像的黑白反差，反映圖像的細節表現。峰值信噪比表示到達噪音比率的頂點信號，一般情況，數值越大表示圖像質量越好。信息熵是圖像具有信息量的度量，圖像的信息熵越大，圖像所包含的信息就越多，細節就越多。將圖像歸一化后各項指標如表1、表2所示。

通過實驗結果表明，本文算法較HE算法和MSR算法在平均亮度、對比度方面能夠保持適中的亮度和很好的圖像對比度，不至于出現過白的情況，在峰值信噪比和信息熵上面相較對比的算法也有較大的提升，在一定程度上能夠提高圖像在類似地下停車場光線不足的場景下的圖像質量。

4? 結? 論

本文探究了一種基于多尺度Retinex的夜間圖像增強算法，該算法在原有的MSR算法的基礎上，通過對YUV色彩空間中的Y分量進行伽馬變換進一步地增強圖像。通過以上實驗表明，與經典的MSR算法對比，該算法能夠增強夜間場景下圖像的對比度、紋理特征和細節表現，能為夜間場景下的圖像增強、圖像識別的應用提供參考和幫助。

參考文獻：

[1] OOI C H，KONG N S P，IBRAHIM H. Bi-histogram equalization with a plateau limit for digital image enhancement [J]. IEEE Trans. Consumer Electronics，2009，55（4）：2072-2080.

[2] SINGH K，KAPOOR R. Image enhancement using Exposure based Sub Image Histogram Equalization [J]. Pattern Recognition Letters，2014，36：10-14.

[3] ZOTIN A. Fast Algorithm of Image Enhancement based on Multi-Scale Retinex [J]. Procedia Computer Science，2018，131：6-14.

[4] LAND E H. An Alternative Technique for the Computation of the Designator in the Retinex Theory of Color Vision [J]. Proceedings of the National Academy of Sciences of the United States of America，1986，83（10）：3078-3080.

[5] JOBSON D J，RAHMAN Z，WOODELL G A. Properties and performance of a center/surround retinex [J]. IEEE transactions on image processing：a publication of the IEEE Signal Processing Society，1997，6（3）：451-462.

[6] JOBSON D J，RAHMAN Z，WOODELL G A. A multiscale retinex for bridging the gap between color images and the human observation of scenes [J]. IEEE transactions on image processing：a publication of the IEEE Signal Processing Society，1997，6（7）：965-976.

[7] LAND E H. The retinex theory of color vision [J]. Scientific American，1977，237（6）：108-128.

[8] 陶穎.基于Retinex的夜間彩色圖像增強技術的研究 [D].長春：長春理工大學，2018.

作者簡介：牛志忠（1987—），男，漢族，江蘇淮安人，碩士研究生，助教，研究方向：圖像處理、模式識別;楊坤（1987—），男，穿青人，貴州織金人，碩士研究生，講師，研究方向：圖像處理、模式識別。