圖像去霧中圖像增強(qiáng)算法運(yùn)用分析

doi：10.3969/J.ISSN.1672-7274.2025.06.049

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)志碼：A 文章編碼：1672-7274（2025）06-0147-03

Analysis of the Application of Image Enhancement Algorithm in Mist Removal

REN Zhijiao，LIANG Ling

（DepartmentofComputer Engineering，Shanxi EngineeringVocationalCollge，TaiyuanO3oooo，China）

Abstract：There are Varioussuspended particles in the atmosphere，which easily lead tocolor distortion and low contrastinoutdoorimages.Some detailsareobscuredbyhaze，thereby limiting theefectivenessofoutdoor video surveillance. Using defogging algorithms to process images can reduce the impact of haze on image quality.This article takes image enhancement algorithms as the research object，and on the premise of explaining the theory of image dehazing，introduces indetail the algorithms thatcanbeused for image dehazing，and evaluates the processing effects of different algorithms based on simulation results for reference.

Keywords：image enhancement; image dehazing;algorithm application

隨著圖像采集設(shè)備技術(shù)的不斷進(jìn)步，圖像去霧和增強(qiáng)已成為計(jì)算機(jī)視覺還有圖像處理領(lǐng)域的重要研究方向。霧霾天氣極易導(dǎo)致圖像質(zhì)量下降，嚴(yán)重影響視覺信息的傳遞，去霧技術(shù)能夠通過恢復(fù)、增強(qiáng)圖像的細(xì)節(jié)，提高圖像的可視性和可用性。本文旨在分析不同算法在圖像增強(qiáng)方面的應(yīng)用效果，以期為實(shí)際應(yīng)用提供科學(xué)依據(jù)，推動(dòng)相關(guān)技術(shù)的發(fā)展。

1 圖像去霧理論

1.1顏色空間模型

顏色空間模型是用于表示顏色的信息系統(tǒng)，RGB、HSV、Lab均屬于顏色空間模型。其中，RGB主要由三種基本光的強(qiáng)度組合而成，局限性是在處理霧霾圖像時(shí)，有較大概率受到光照的影響導(dǎo)致信息丟失。HSV的創(chuàng)新之處是通過分離顏色的屬性，使處理圖像顏色和亮度的過程更加直觀，現(xiàn)已成為處理色彩圖像的主要模型之一。Lab包含明度和色彩成分，由其所表示圖像十分接近人眼的感知，換言之，將Lab用于圖像去霧等高級處理往往能夠取得理想效果，這點(diǎn)應(yīng)引起重視。

1.2數(shù)字圖像

數(shù)字圖像由像素構(gòu)成，每個(gè)像素包含特定的顏色和亮度信息，這也決定了處理圖像時(shí)，不僅要對所采集的像素信息進(jìn)行編碼，還要根據(jù)工作需要對其進(jìn)行存儲(chǔ)及顯示。在將圖像去霧前，先要了解圖像的成像模型。霧霾天氣下，圖像信息極易由于受到散射和吸收光的影響而變得模糊，常用的去霧技術(shù)包括基于物理模型的方法、基于學(xué)習(xí)的深度學(xué)習(xí)方法，通過分離霧霾層與物體表面反射光，恢復(fù)真實(shí)場景的清晰圖像[1]。

2 圖像增強(qiáng)算法

現(xiàn)有圖像增強(qiáng)算法主要包括直方圖均衡算法、算法兩類，二者的原理和處理效果存在顯著差異。

2.1直方圖均衡算法

2.1.1理論基礎(chǔ)

該算法的原理是通過均衡處理圖像所對應(yīng)直方圖，優(yōu)化圖像質(zhì)量。考慮到降質(zhì)圖對應(yīng)灰度直方圖具有灰度級集中的特征，使得圖像整體亮度略暗于原圖，因此，有關(guān)人員可以通過拉伸直方圖對比度，使灰度級在固定的灰度空間內(nèi)得到均勻分布，進(jìn)而達(dá)到優(yōu)化圖像各處細(xì)節(jié)及整體質(zhì)量的目的。降質(zhì)圖對應(yīng)變換函數(shù)的表達(dá)式如下：

式中， s_k 是指圖像經(jīng)過變換處理的灰度級； Π_T 是指灰度變換對應(yīng)函數(shù)； r_k 是指霧天降質(zhì)圖實(shí)際灰度級，取值為[0，1]； p_r（r） 是指霧天降質(zhì)圖對應(yīng)概率密度函數(shù)，取值為0·255。

2.1.2算法介紹

2.1.2.1全局均衡化

GHE可以簡單理解為分別處理圖像三層顏色通道，疊加處理后的通道，形成更加清晰的圖像。其原理是通過計(jì)算整個(gè)圖像的灰度直方圖，將圖像的灰度值重新分配，以達(dá)到更均勻的灰度分布。實(shí)際操作時(shí)，需要先計(jì)算圖像中每個(gè)灰度級的出現(xiàn)頻率并生成CDF，再使用CDF將原圖像的灰度值映射到新的灰度范圍，實(shí)現(xiàn)圖像的對比度增強(qiáng)。仿真效果表明，全局均衡化能夠顯著提高圖像清晰度，同時(shí)圖像細(xì)節(jié)也較處理前更為突出，這表示該算法具有易于實(shí)現(xiàn)和能夠有效提升低對比度圖像的視覺效果的優(yōu)點(diǎn)。當(dāng)然，該算法同樣存在局限性，具體表現(xiàn)為在處理明顯光照不均的圖像時(shí)，容易導(dǎo)致圖像細(xì)節(jié)丟失或偽影現(xiàn)象，產(chǎn)生過度增強(qiáng)的效果，因此，適用于對比度較低、光照相對均勻的圖像處理[2]。

2.1.2.2局部均衡化

AHE與 GHE 不同，其原理是以全局均衡化為前提，整理原圖所包含顏色通道及各通道對應(yīng)的信息，將其劃分成多個(gè)互不重疊的、獨(dú)立存在的子塊，分別處理各子塊并按照順序疊加，獲得更加清晰的圖像[3]。在處理過程中考慮圖像的局部區(qū)域，通過對小塊圖像進(jìn)行獨(dú)立均衡化，提升局部對比度。如果有關(guān)人員決定利用AHE處理圖像，則要將圖像分成多個(gè)重疊的小窗口，并對每個(gè)窗口做直方圖均衡化處理，以增強(qiáng)局部對比度，在此基礎(chǔ)上，使用插值方法將局部增強(qiáng)的窗口合成為完整的圖像，從而保留和突出細(xì)節(jié)。需要注意的是，在處理噪聲較高的圖像時(shí)，AHE可能會(huì)進(jìn)一步增強(qiáng)噪聲，導(dǎo)致圖像質(zhì)量下降。要想避免出現(xiàn)該情況，可以采用CLAHE，在局部均衡化中增加對比度限制。事實(shí)證明，這樣做可以有效防止過度增強(qiáng)問題。

2.2算法

2.2.1理論基礎(chǔ)

Retinex理論是以人類視覺系統(tǒng)為基礎(chǔ)的、以色感一致性為核心的增強(qiáng)圖像的理論。其中，色感一致性指的是反射物顏色主要取決于本體反射短、中、長波的能力，而非光照均勻程度、反射光照射強(qiáng)度。若以該理論為導(dǎo)向，則可以將圖像拆解成反射、入射圖像兩部分，反射圖像的表達(dá)式為：

S（x，y）=R（x，y）?L（x，y）

式中， S（x，y） 是指觀察人員掌握的反射物的實(shí)際圖像； R（x，y） 是指本體反射率； L（x，y） 是指入射光。

2.2.2算法介紹

2.2.2.1單尺度算法

SSR的原理是模擬人眼在不同光照條件下的感知能力，通過對圖像進(jìn)行局部處理，改善圖像的亮度和對比度，增強(qiáng)圖像細(xì)節(jié)，消除光照變化的影響，提升視覺質(zhì)量。具體的處理步驟為：將RGB圖像轉(zhuǎn)換為灰度圖像，計(jì)算輸入圖像的亮度成分一一對輸入圖像做高斯濾波處理，得到光滑的背景亮度圖一一將原圖像的亮度分量與背景亮度圖進(jìn)行比值運(yùn)算，實(shí)現(xiàn)對光照不均的校正一對增強(qiáng)后的圖像進(jìn)行顏色恢復(fù)處理，確保色彩的自然性和真實(shí)感[4]。 SSR 的優(yōu)點(diǎn)是計(jì)算簡單且處理速度快，局限性在于利用其處理包含多層次細(xì)節(jié)的圖像的效果不如多尺度算法。計(jì)算公式如下：

r（x，y）=logS（x，y）-log[F（x，y）^*S（x，y）]

式中， r（x，y） 是指輸出圖像； 是指中心環(huán)繞函數(shù)； 是指卷積運(yùn)算過程。

2.2.2.2多尺度算法

該算法可以進(jìn)一步細(xì)分為MSR算法、MSRCR算法。 MSR 的前身為 sSR ，其核心思想是對圖像展開多尺度分析，利用多個(gè)不同標(biāo)準(zhǔn)差的高斯濾波器處理對應(yīng)圖像，在提取不同尺度的亮度成分之后，根據(jù)亮度信息及其權(quán)重進(jìn)行重建，獲得增強(qiáng)后的圖像。優(yōu)點(diǎn)是能夠有效減少光照強(qiáng)度不均勻帶來的影響，增強(qiáng)圖像各處的細(xì)節(jié)，保持自然的色彩分布。另外，利用該算法所處理的圖像，其色調(diào)、動(dòng)態(tài)范圍壓縮通常不會(huì)出現(xiàn)明顯的改變。計(jì)算公式為：

（4）式中， i∈{R，G，B} 是指顏色通道； R_i（x，y） 是指顏色通道討應(yīng)的、已經(jīng)經(jīng)過處理的圖像； W_n 是指尺度實(shí)際權(quán)重系數(shù)； N 是指尺度具體數(shù)量，若 N 的取值為1，代表圖像符合灰度圖像的條件，如果 N 的取值為3，則代表圖像是包含不同顏色的彩色圖像。

MSRCR作為MSR的延伸，其創(chuàng)新之處在于引入了色彩恢復(fù)因子，對增強(qiáng)圖像顏色對比度造成的顏色失真問題進(jìn)行補(bǔ)償，確保圖像在復(fù)雜光照條件下仍然能夠保持自然色彩，使圖像的視覺質(zhì)量和細(xì)節(jié)得到提高。處理步驟大致為：先對輸入圖像進(jìn)行多尺度處理，提取亮度信息，同時(shí)保留顏色信息。再將信息融合，調(diào)整圖像的色彩平衡和對比度，消除陰影和光照變化帶來的影響，重建更真實(shí)、更飽滿的圖像。具體的表達(dá)式如下：

R_MSRCRi（x，y）=C_i（x，y）?R_MSRi（x，y）

式中， I_i（x，y） 是指顏色通道討應(yīng)圖像信息； β 是指增益常數(shù)； α 是指非線性強(qiáng)度值； C_i 是指通道對應(yīng)色彩恢復(fù)系數(shù)，其作用是最大限度縮小處理圖像三層顏色通道的實(shí)際分量比與原圖分量比； f（ξ） 是指色彩空間所適用的映射函數(shù)。

2.2.2.3改進(jìn)算法

雖然利用上文所介紹算法處理圖像能夠取得相對理想的去霧效果，但仍然有色彩失真、細(xì)節(jié)模糊的可能。導(dǎo)致問題出現(xiàn)的原因主要是圖像動(dòng)態(tài)范圍利用程度不足。為徹底解決該問題，有關(guān)人員將線性拉伸、CLAHE引入算法的建議。事實(shí)證明，這樣做可以使圖像顏色對比度得到顯著增強(qiáng)，其灰度范圍將從初始的 [R_min，R_max 變更為[0，255]。其中，線性拉伸可以通過以下公式表示：

線性拉伸后，對圖像做CLAHE處理，通過限制直方圖均衡化過程中對比度的放大程度，將噪聲被放大的可能性降至最低。

3 圖像質(zhì)量評價(jià)

3.1評價(jià)方式

3.1.1主觀評價(jià)

主觀評價(jià)通常依賴于用戶的視覺感受和滿意度。具體來說，就是通過對比、收集用戶反饋，了解圖像清晰度、自然度、色彩還原以及細(xì)節(jié)保留效果，從而形成對不同算法效果的綜合主觀評價(jià)。

3.1.2客觀評價(jià)

主觀評價(jià)的內(nèi)容通常集中在視覺效果層面，且用戶參考的標(biāo)準(zhǔn)各不相同，即使針對同一幅經(jīng)過處理的圖像，也有可能出現(xiàn)評價(jià)大相徑庭的情況。因此，要想做到準(zhǔn)確地評價(jià)圖像質(zhì)量，應(yīng)堅(jiān)持客觀評價(jià)為主、主觀評價(jià)為輔的評價(jià)模式，通過對比MSE、PSNR，對圖像質(zhì)量做出相應(yīng)的評判。

3.2仿真效果

在評價(jià)圖像去霧效果時(shí)，有關(guān)人員應(yīng)聚焦于兩個(gè)方面，分別是對比度以及MSE、PSNR值，通常情況下，對比度高、PSNR高、MSE低的圖像更加清晰，利用改進(jìn)算法所處理圖像的數(shù)據(jù)見表1。

通過分析能夠發(fā)現(xiàn)，Retinex算法的去霧效果較為理想，其中，利用基于線性拉伸、CLAHE的算法處理的圖像，出現(xiàn)了對比度、PSNR數(shù)值加大，MSE數(shù)值減小的變化，且整體亮度較其他圖像更低，這表示有關(guān)人員所提出改進(jìn)建議有效。

4 結(jié)束語

綜上，圖像去霧可以在提高圖像質(zhì)量和可視性的同時(shí)，極大地豐富圖像處理的應(yīng)用場景，最大化實(shí)現(xiàn)圖像的價(jià)值。通過比較不同去霧算法能夠發(fā)現(xiàn)，基于深度學(xué)習(xí)的現(xiàn)代算法普遍展示了更強(qiáng)的適應(yīng)性和效果，在實(shí)際應(yīng)用中，需要根據(jù)具體的使用場景和圖像特征選擇適當(dāng)?shù)乃惴ú⒓右岳谩Ｎ磥淼难芯繎?yīng)當(dāng)更加關(guān)注算法的實(shí)時(shí)性、普遍適用性，以便在各種常見環(huán)境中有效地實(shí)現(xiàn)圖像增強(qiáng)，使圖像在交通安全、環(huán)境監(jiān)測等領(lǐng)域發(fā)揮更大的作用，為社會(huì)的發(fā)展貢獻(xiàn)力量。

參考文獻(xiàn)

[1]楊燕，沈汪良.多尺度細(xì)節(jié)增強(qiáng)與分層抑噪的圖像去霧算法[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版），2024，20（11）：1-12.

[2]蘇濤，陳芬，袁卓文，等.基于顏色校正和區(qū)域去霧的水下圖像增強(qiáng)算法[J].電子技術(shù)與軟件工程，2023（1）：175-181.

[3]王斌，梁宇棟，劉哲，等.亮度自調(diào)節(jié)的無監(jiān)督圖像去霧與低光圖像增強(qiáng)算法研究[J].計(jì)算機(jī)科學(xué)，2023，50（1）：123-130.

[4]何立風(fēng)，周廣彬，姚斌，等.基于引導(dǎo)系數(shù)加權(quán)和自適應(yīng)圖像增強(qiáng)去霧算法[J].微電子學(xué)與計(jì)算機(jī)，2020，37（9）：73-77，82