基于Retinex增強算法的圖像去霧方法研究

黃麗韶

摘 要：文章討論了霧霾天氣下的圖像清晰化技術，首先對圖像去霧的背景和理論基礎進行了介紹，然后分別利用全局直方圖、局部直方圖和Retinex增強處理霧天圖像的清晰化技術進行實驗。實驗結果表明，基于Retinex增強處理的去霧方法針對性強，運行效率高，且易于融合其他圖像增強算法。文章討論的去霧技術對其他惡劣天氣下的圖像清晰化技術也起到促進作用。

關鍵詞：圖像去霧;直方圖;Retinex

0? ? 引言

近年來，霧霾等惡劣天氣給人類的生產和生活帶來極大的不便。一般而言，在惡劣天氣（如霧天、雨天等）條件下，戶外景物圖像的對比度和顏色也會退化或被改變，圖像中蘊含的許多特征也會模糊或被覆蓋，這也會導致某些視覺系統（如電子卡口、門禁監控等）無法正常工作。因此，從霧霾天氣所采集的退化圖像中復原和增強景物細節信息具有重要的現實意義[1]。

1? ? 理論基礎

1.1? 空域圖像增強

圖像增強主要是指空間域增強、頻率域增強、彩色增強、多圖像代數運算、多光譜圖像增強等。我們進行圖像增強的主要目的是改變圖像的灰度等級，提高圖像對比度，消除邊緣和噪聲，平滑圖像，突出邊緣或線狀地物，銳化圖像，合成彩色圖像，壓縮圖像數據量，突出主要信息等。比如，對于拍攝的圖像，目標物的顏色與背景顏色相差不大，這導致邊緣提取很困難，可以采取增強對比度使得前景與背景的顏色辨識度提高，以便于后期的邊緣提取。空域處理法是指直接對圖像中的像素進行處理，一般是以圖像灰度映射變換為基礎并且根據圖像增強的目標采用所需的映射變換，常用的圖像對比度增強、圖像的灰度層次優化等處理均屬于空域處理法[2]。

1.2? 直方圖均衡化

一般來說，圖像對比度可用較為常見的兩種方法進行增強處理，分別為直方圖拉伸方法和直方圖均衡化方法。對于直方圖均衡化而言，圖像灰度的改變是通過累積函數實現的，以此達到增強對比度的效果。其操作步驟的核心思路即對原始圖像的非均質化拉伸處理，使其像素值間距擴張，均勻化各灰度范圍的像素量。直方圖與圖像清晰度有如下關系：亮度不足，即代表其在直方圖中主要位于像素值較小區間;亮度高，即表示其在直方圖中主要位于像素較大區間;灰度級隨對比度的降低而降低，且中間水平的灰度級是主要信息的儲存區;灰度級隨對比度的升高而升高，且主要信息呈均勻化分布。

數字圖像是離散化的數值矩陣，其直方圖可以被視為一個離散函數，它表示數字圖像中每一灰度級與其出現概率間的統計關系[3]。直方圖在一定程度上能夠反映數字圖像的概貌性描述，包括圖像的灰度范圍、灰度分布、整幅圖像的亮度均值和陰暗對比度等，并可以此為基礎進行分析得出對圖像進一步處理的重要依據。直方圖均衡化也叫作直方圖均勻化，就是把給定圖像的直方圖分布變換成均勻分布的直方圖，是一種較為常用的灰度增強算法。直方圖均衡化包括以下3個主要步驟：（1）預處理。輸入圖像，計算該圖像直方圖。（2）灰度變換表。根據輸入圖像的直方圖計算灰度值變換表。（3）查表變換。

根據信息論的相關理論，我們可以知道圖像經直方圖均衡化后，將會包含更多的信息量，進而能突出某些圖像特征。

2? ? 程序實現

為進行圖像去霧實驗，本文采用全局直方圖均衡化、局部直方圖均衡化算法進行圖像去霧實驗，并選擇Retinex增強算法作為直方圖去霧算法延伸。采用GUI設計軟件并通過菜單關聯不同的去霧算法，通過顯示處理前后的圖像直方圖進行去霧效果的對比。

2.1? 設計GUI界面

為增加軟件交互的易用性，調用Matlab的GUI生成軟件框架，提供有關去霧圖像載入、處理、對比的過程。軟件通過菜單關聯的方法進行功能設計，實現模塊化編程。其中，文件菜單主要用于載入待處理圖像等基本操作，圖像去霧菜單用于關聯不同的去霧算法并進行結果顯示，幫助菜單彈出獨立窗口用于軟件操作流程介紹。GUI主窗口加入坐標軸控件用于圖像顯示，通過原圖像與結果圖像的顯示可以簡捷地演示算法的去霧效果。

2.2? 全局直方圖處理

Matlab通過函數imread讀取RGB圖像，并通過維數m?n?3的矩陣表示。其中m?n表示圖像的行數、列數信息，維數3表示圖像的R，G，B三層通道數據。因此，全局直方圖處理通過對RGB圖像的R，G，B三層通道分別進行直方圖均衡化，再整合到新圖像的方式進行。

關聯到菜單“圖像去霧/全局直方圖算法”，執行圖像的全局直方圖處理并進行顯示。運行結果表明，全局直方圖去霧算法可以實現含霧圖像的增強效果，處理前后的直方圖在分布上具有明顯變化，但在圖像整體上容易出現某些色彩失真的現象。

2.3? 局部直方圖處理

全局直方圖均衡化增強只是將原圖像的直方圖進行了均衡化，未能有效保持原始圖像的局部特征，容易出現色彩失真問題。通過選擇固定尺寸的滑動窗口作用于原始圖像進行局部直方圖處理，可以在一定程度上保持原始圖像的局部特征，提高圖像增強的效果。因此，局部直方圖處理通過對RGB圖像的R，G，B三層通道分別進行局部直方圖均衡化，再整合到新圖像的方式進行。

關聯到菜單“圖像去霧/局部直方圖算法”，執行圖像的局部直方圖處理并進行顯示。局部直方圖的處理結果表明該算法能有效保持原始圖像的局部特征，未出現明顯的色彩失真現象，同時也得到了去霧增強的效果。但是，該算法處理結果整體亮度偏暗，依然存在某些模糊區域。

2.4? Retinex增強處理

基于全局直方圖、局部直方圖的圖像去霧算法比較簡單，能起到一定的去霧處理效果。實驗采取了Retinex圖像增強算法進行對比，該算法可以平衡圖像灰度動態范圍壓縮、圖像增強和圖像顏色恒常3個指標，能夠實現對含霧圖像的自適應性增強。因此，Retinex增強處理通過對RGB圖像的R，G，B三層通道分別應用Retinex算法進行處理，再整合到新圖像的方式進行。核心代碼如下所示。

function In=RemoveFogByGlobalHisteq（f，flag）

%用Retinex的MSR實現圖像去霧

% 輸入參數：

% f—圖像矩陣

% flag—顯示標記

% 輸出參數：

% In—結果圖像

if nargin<2? flag=1;

end

%RGB通道

fr=f（：，：，1）;……

%數據類型歸一化

mr=mat2gray（im2double（fr））;……

%定義標準差

alpha=1458;

%定義模板大小

n=161;

%計算中心

n1=floor（（n+1）/2）;

for i=1：n

for j=1：n

%高斯函數

b（i，j）=exp（-（（i-n1）^2+（j-n1）^2）/（4*alpha））/（pi*alpha）;

end

end

%卷積濾波

nr1=imfilter（mr，b，conv，replicate）;……

ur1=log（nr1）;……

tr1=log（mr）;……

yr1=（tr1-ur1）/3;……

%定義標準差

beta=53.38;

%定義模板大小

x=31;

%計算中心

x1=floor（（n+1）/2）;

for i=1：n

for j=1：n

%高斯函數? ?a（I，j）=exp（-（（i-n1）^2+（j-n1）^2）/（4*beta））/（6*pi*beta）;

end

end

%卷積濾波

%定義標準差

eta=13944.5;

%定義模板大小

l=501

%計算中心

l1=floor（（n+1）/2）;

for i=1：n

for j=1：n

%高斯函數? e（i，j）=exp（-（（i-n1）^2）+（j-n1）^2）/（4*eta））/（4*pi*eta）;

end

end

%卷積濾波

%結果顯示

關聯到菜單“圖像去霧/Retinex算法去霧”，執行圖像的Retinex算法去霧處理并進行顯示。處理前后的直方圖分布表明，Retinex圖像增強可以在一定程度上保持原始圖像的局部特征，處理結果較為平滑，顏色特征也較為自然，具有良好的去霧效果。

3? ? 結語

基于圖像處理的去霧增強技術可以顯著提高對比度、突出圖像細節、提升視覺效果，該方法已經廣泛應用于項目實踐。基于Retinex增強處理的去霧方法針對性強，運行效率高，且易于融合于其他圖像增強算法，所以該技術必將獲得進一步發展。盡管圖像去霧技術在實際應用中已經取得了若干成果，但在不同的場景下依然面臨著某些局限性，需要引起研究人員的進一步關注。

[參考文獻]

[1]齊卉，孫超，蘇通，等.基于MATLAB的圖像去霧技術研究[J].江漢大學學報（自然科學版），2020（6）：84-90.

[2]宋聰瑩，邵清.基于暗通道先驗的Retinex去霧算法研究[J].軟件導刊，2021（1）：214-218.

[3]劉衍琦，詹福宇.MATLAB圖像與視頻處理實用案例詳解[M].北京：電子工業出版社，2015.

（編輯 王雪芬）

Research on image fogging method based on Retinex enhancement algorithm

Huang Lishao

（College of Electronics and Information Engineering， Hunan University of Science and Engineering， Yongzhou 425199， China）

Abstract：This paper discusses the image clarity technology in haze weather. Firstly， the background and theoretical basis of image de-fogging are introduced， and then experiments are carried out using global histogram， local histogram and Retinex enhancement to process fog sky image clarity. Experimental results show that the fog removal method based on Retinex enhancement is targeted， efficient and easy to fuse with other image enhancement algorithms. The fog removal technology discussed in this paper will also play a role in promoting image clarity in other bad weather.

Key words：image fogging; histogram; Retinex