三种Retinex图像去雾算法比较与分析

林东升

摘要：采集到的图像会因为大雾或雾霾的影响而出现清晰度低、对比度差、色彩失真等问题，必须进行去雾处理，基于颜色恒常理论的Retinex算法被证实是一种有效的图像增强方法，可以被用于去雾，分别对SSR、MSR、 MSRCR三种Retinex算法进行了剖析和比较，并将其应用于图像去雾，以图像质量的改善和执行时间为评价指标对去雾效果进行了详细分析，为实际应用提供选择依据。

关键词：Retinex;图像去雾;图像增强;图像质量

中图分类号： TP181        文献标识码：A

文章编号：1009-3044（2020）32-0197-02

1 引言

随着智慧交通、智慧城市等系统的广泛应用，图像成为信息获取最重要的载体。但是，在大雾或雾霾等天气下，采集到的图像质量受到严重影响，模糊不清，细节丢失，甚至无法从中提取有效信息，如电子警察拍摄的图像可能因为大雾的影响无法为交通事故责任的划分提供佐证，需要在图像处理技术上取得突破。目前，针对图像去雾的研究越来越多，基于图像增强的Retinex方法由于实验环境简单[1]等特点，受到广泛关注。

Retinex是Land等人提出的一种颜色恒常知觉的计算理论，该理论认为，物体的颜色是由物体对长波、中波和短波光线的反射能力决定的，而不是由反射光强度的绝对值决定的，物体的色彩不受光照非均性的影响，具有一致性[2-3]。Retinex理论被提出以来，掀起了研究热潮，理论得以不断丰富，并在图像增强等实际应用中得到进一步发展，但是理论基础还是集中在三个基本方面，即基于中心环绕的单尺度Retinex算法（single scale retinex， SSR）、基于多尺度加权平均的Retinex算法（multi-scale retinex， MSR）和带彩色恢复的多尺度Retinex算法（multi-scale retinex with color restoration， MSRCR）[4]，这三种基础算法用于图像去雾，会在图像质量改善和算法执行时间等方面呈现出不同的结果，在实际应用中，应用者可以基于执行环境、质量需求等方面进行合理选择。

2 单尺度Retinex算法

Retinex理论的基本思想是图像 [I（x，y）]是由入射光分量[L（x，y）] 即光照圖像和反射光分量[R（x，y）] 组成[5]，即：

基于中心环绕的单尺度Retinex（SSR）算法将原图像的R、G、B三个通道分别与中心环绕函数进行卷积运算，卷积后的图像可以认为是对原图像光照分量的估计[6]，式（3）可以转换为：

式（4）中*代表卷积操作，i是R、G、B三个颜色通道值，G代表高斯环绕函数，G的数学表达式如下：

式（5）中[σ]为高斯标准差，在单尺度Retinex方法中被称为尺度参数。

3 多尺度Retinex算法

从式（5）可以看出，对于单尺度Retinex算法来说，尺度参数[σ]是唯一可调节的。[σ]取较小值时，边缘信息保持较好，但色彩难以保持，可能出现颜色失真，[σ]取较大值时，色彩恢复较好，但是边缘信息丢失较多。所以，要在细节保持和色彩保真两方面获得一个比较完美的平衡，Jobson等人在SSR的基础上提出了多尺度Retinex（MSR）算法，MSR算法实质是对SSR算法加权平均[7]，简单地说，相对于做了多次SSR，表达式如下：

[ck]为第k个尺度上的高斯标准差，或者被称为尺度参数。

4 带彩色恢复的多尺度Retinex算法

SSR和MSR算法都是基于RGB颜色空间的，R、G、B三个通道有很强的耦合性，经过高斯卷积操作后无法保证各个通道之间像素点的比值与原始图像一致，也就是说在理想情况下，应该满足以下条件：

然而，这种比例很难保证，最终可能导致色彩溢出和失真的问题，Jobson等人基于MSR算法提出了一种带彩色恢复的多尺度Retinex算法[8]，引入了恢复因子，表达式如下：

5 实验结果与分析

选择2幅不同的大雾/雾霾图像，分别应用SSR、MSR和MSRCR算法进行去雾处理，主观评价去雾后图像的质量和记录算法执行时间，依此对3种算法进行分析和评价。在SSR算法中，[σ]取值80，而MSR、MSRCR算法中采用了3个尺度，[σ]分别取值15、80、250，各个尺度的权重[ω]均等于1/3，MSRCR算法中[α]、[β]取值分别为5.5、2.5，实验结果和具体分析如下。

1）第1幅图像是523*599的真彩色图像，如图1所示。应用SSR进行去雾处理，效果如图2所示，可以看出有明显的去雾效果，近处的房屋、田地等都恢复了本来面目，但此时，图像还比较模糊，亮度较高，细则不明显。MSR综合不同大小的3种尺度，平衡了图像细则保持与色彩保真，主观判断达到的去雾效果优于SSR算法，如图3所示。图4是应用MSRCR去雾后的效果，对比图3，图像的清晰度较大提高，色彩保持更好，近处土壤和植被的颜色等更加自然了，主观判断效果最优。

2）第2幅图像是358*500的真彩色图像，原图像如图5所示，分别应用SSR、MSR、MSRCR算法进行去雾处理后得到如图6、图7、图8所示效果，不难发现MSR算法相对于SSR算法有较明显的优势，而MSRCR算法色彩保持最好，去雾后的图像最清晰。综合两幅图的去雾效果，基于主观视觉评价，可以得出MSRCR算法去雾效果最佳、MSR算法去雾效果次之、SSR算法去雾效果最差的结论。

3）图像1、图像2分别应用SSR、MSR、MSRCR算法去雾的时间开销如表1所示，三种算法基于同样的运行环境，具备可比性，SSR算法执行时间最短，MSRCR算法执行时间最长，所以，如果对处理时间有一定的需求，而质量方面要求较低的情况下，可以选择应用SSR算法。

参考文献：

[1] 王建国，李永全.一种基于Retinex理论的改进图像去雾算法[J].电脑知识与技术，2019，15（26）：200-201，203.

[2] Land E H，McCann J J.Lightness and retinex theory[J].Journal of the Optical Society of America，1971，61（1）：1.

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

[4] 谢娜.基于图像增强的图像去雾算法研究[J].机械设计与制造工程，2017，46（12）：31-33.

[5] Xu K Q，Jung C.Retinex-based perceptual contrast enhancement in images using luminance adaptation[C]//2017 IEEE International Conference on Acoustics，Speech and Signal Processing （ICASSP）.March 5-9，2017，New Orleans，LA，USA.IEEE，2017：1363-1367.

[6] Jobson D J，Rahman Z，Woodell G A.Properties and performance of a center/surround retinex[J].IEEE Transactions on Image Processing，1997，6（3）：451-462.

[7] 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，1997，6（7）：965-976.

[8] Rahman Z U，Jobson D J，Woodell G A.Retinex processing for automatic image enhancement[C]//2004：100-110.

【通聯编辑：唐一东】