基于图像增强的去雾算法研究

陈柱铭 郭磊 黄振兴

摘  要：在“地摊经济”下的城市环境智能监测系统的搭建过程中，文章针对户外摄像头在雾天、雪天、雨天或雾霾等影响下，获取的图像会出现模糊、过暗或细节丢失等现象进行了研究。对比了基于图像增强的全局直方图均衡化、局部直方图均衡化、单尺度Retinex算法、多尺度加权平均Retinex算法以及带色彩恢复的多尺度Retinex算法的图像去雾原理和仿真结果。引入多种客观评估指标，构建了主客观评价和客观评估相结合的图像去雾效果评价方法。

关键词：图像去雾评估;直方图均衡化;Retinex算法

中图分类号：TP391.4;TP301.6       文献标识码：A 文章编号：2096-4706（2021）01-0095-04

Research on the Defogging Algorithm Based on Image Enhancement

CHEN Zhuming，GUO Lei，HUANG Zhenxing

（Guangdong Ocean University，Zhanjiang  524088，China）

Abstract：In the process of building an intelligent monitoring system for urban environment under the “stall economy”，this paper studies the phenomenon that the images obtained by outdoor cameras will appear blurred，too dark or details lost under the influence of fog，snow，rain or haze. The principles and simulation results of global histogram equalization，local histogram equalization，single scale Retinex algorithm，multi-scale weighted average Retinex algorithm and multi-scale Retinex algorithm with color restoration are compared. By introducing a variety of objective evaluation indexes，an image defogging effect evaluation method combining subjective and objective evaluation is constructed.

Keywords：image defogging evaluation;histogram equalization;Retinex algorithm

0  引  言

新冠肺炎疫情沖击过后，“地摊经济”火爆全国，但其经营后的垃圾残留也对城市环境造成很大影响，因此“地摊经济”下城市环境的智能监测就成为亟须解决的问题。在监测过程中，由于雾、雪、雨或雾霾等不良气象环境的存在，户外成像系统所成图像的清晰度受到了极大的影响，因此用图像增强的方法来实现图像去雾的效果就成为了一种流行的处理思路[1]。

目前，基于图像增强的去雾算法研究较为常见的方法有：基于直方图均衡化算法的去雾，和基于Retinex算法的去雾，其中直方图均衡化算法可细分为全局直方图均衡化和局部直方图均衡化;Retinex算法可分为单尺度Retinex（SSR），多尺度加权平均Retinex（MSR）和带色彩恢复的多尺度Retinex（MSRCR）。本文通过对上述算法进行原理解读和仿真并引入多种客观评估指标，实现了主客观评价和客观评估相结合的图像去雾效果评价体系。

1  基于直方图均衡化的去雾算法

基于直方图均衡化的去雾算法主要思想就是对原图像的直方图进行均衡处理。由于雾天降质图像相比原图像，其灰度直方图的灰度级分布较为集中，进而导致降质图像的亮度比原图暗。因此，可以通过对雾天降质图的直方图的对比度进行拉伸处理，让降质图中较为集中的灰度级能够相对均匀地分布在灰度空间中，进而达到拉伸图像对比度，突出图像细节，提高质量的效果[2]。雾天降质图的变换函数可表示为：

（1）

其中，sk为变换后的图像灰度级;T（）为灰度变换函数;rk为雾天降质图的灰度级，rk∈[0，1];pr（r）为雾天降质图的概率密度函数，k=0，1，2，…，255。

1.1  全局直方图均衡化

全局直方图均衡化处理的基本思想就是通过对彩色图像的R、G、B三层通道分别进行直方图均衡化处理，然后合并形成新的图像。雾天气象下的城镇图像原图和进行全局直方图均衡化去雾处理后的图像的对比图如图1所示。

通过图1中的对比，可以发现均衡化处理后的降质图，视觉可见比原来的降质图更加清晰，细节更加的突出;通过比较变换前后城镇图的直方图，也可发现处理后图像的直方图，灰度的分布也比原图直方图的分布更加均匀。

1.2  局部直方图均衡化

局部直方图均衡化是在全局直方图均衡化的基础上，将原图像单个颜色通道的信息划分为数个非重叠的子块，并对每个子块进行独立的直方图均衡化处理，叠加经处理后的子块，就可得到新图像[3]。雾天气象下的卫星图原图和局部直方图均衡化处理后的图像的对比图如图2所示。

通过图2直观对比，可以发现均衡化处理后的降质图，视觉可见比原来的降质图更加的突出细节;处理后图像的直方图，灰度的分布也确实比原图直方图的分布更加均匀。

2  基于Retinex的去雾算法

Retinex理论是根据人类视觉系统提出的一种图像增强理论，是在色感一致性（颜色恒常性）基础上提出的。色感一致性是指反射物体其本体的颜色不是受反射光强度大小和受光照非均匀性所影响，而是由物体本体对不同光波（长波（红色）、中波（绿色）、短波（蓝色））的反射能力所决定[4]。根据该理论，图像的形成可以拆分为入射图像和反射图像，其中反射图像可表示为：

S（x，y）=R（x，y）·L（x，y）              （2）

其中，S（x，y）为观察者所接收的反射物体图像，R（x，y）为物体的反射率，L（x，y）为入射光。

2.1  单尺度Retinex算法

单尺度Retinex算法是三种Retinex算法中较为简单的一种增强算法，其计算公式为：

r（x，y）=logS（x，y）-log[F（x，y）*S（x，y）] （3）

其中，r（x，y）为输出图像;F（x，y）为中心环绕函数;*为卷积运算[4]。

2.2  多尺度加权平均Retinex算法

MSR是以SSR为基础而发展过来的，它相对SSR而言，优点在于处理后的图像能够同时保持图像的动态范围压缩和色调再现[5]。因为MSR的原理和SSR相似，所以多尺度Retinex算法会分为大、中、小三个尺度，多尺度Retinex算法的基本公式如式（5）所示：

Ri（x，y）={logS（x，y）-log[F（x，y）*S（x，y）]}

（4）

其中，i∈{R，G，B}代表三个颜色通道;Ri（x，y）为第i个颜色通道中被处理后的图像;Wn为尺度的權重系数;N为尺度的个数，当N=1时，表示图像为灰度图像，N=3时，表示图像为彩色图像。

2.3  带色彩恢复的多尺度Retinex算法

J.J.McCann和Jobsond等科学家又在MSR的基础上，提出了具有颜色恢复因子的多尺度Retinex算法——MSRCR[6]。该算法通过引入一个色彩恢复因子C来补偿由于图像对比度的过度增强而导致的颜色失真，通常情况下所引入的色彩恢复因子可表示为：

RMSRCRi（x，y）=Ci（x，y）·RMSRi（x，y）       （5）

（6）

f [Ii（x，y）]=β{log[αIi（x，y）]-log[（x，y）] （7）

其中，Ii（x，y）表示第i个颜色通道的图像信息;β是增益常数;α是受控制的非线性强度;Ci表示第i个通道的色彩恢复系数，用来尽可能恢复到原图的三通道颜色分量比例;f（ ）表示的是色彩空间的映射函数。

2.4  改进的MSRCR算法

无论是SSR算法，还是MSR算法或者MSRCR算法，对图像进行处理后，可以达到一定的除雾效果，但是图像的某些细节仍然不够突出，图像仍然模糊，或者是色彩失真，根本原因在于图像的最大动态范围未能被充分利用。为了更好地利用到图像的最大动态范围，可以对由Retinex算法处理后的图像进行线性拉伸和CLAHE，以此来进一步增强处理后图像的对比度，使原图像的灰度范围从其本身的[Rmin，Rmax]拉伸到我们设定的[0，255]，线性拉伸的公式为：

（8）

然后通过限制对比度自适应直方图均衡，即对直方图均衡化进行对比度限幅，通过在计算累积直方图函数之前预定义的阈值来切割原始图像的直方图以达到限制幅度的目的。

2.5  仿真结果分析

本节将上文提到的三种Retinex算法和改进的MSRCR算法进行仿真实现，所得结果如图3所示。

可以看出，经过三种Retinex算法处理后的各个图像都一定程度上实现了去雾的效果，而改进后的MSRCR算法则在MSRCR基础上降低了亮度，说明改进是有效的，效果也更好。

3  图像质量评估指标

正常来说，评价一张图像的好坏可分为主观评价和客观评价两种。下文将结合本文的雾天降质图内容来构建主观评价和客观评价相结合的评价体系。

3.1  主观评价

主观评价是由参评员从个人角度出发，带有一定的个人感情色彩，按照一定的标准去主观地评价图像质量的好坏。其要符合两个要求：

（1）参评员应该具备随机性，即来自四面八方，各自的评价要求不同;

（2）参评员应该基数较大，即数目越多，结果就越具备代表性。

其标准可参照表1给出的数据。

3.2  客观评价

本节将对文中出现过的卫星图和城镇图进行仿真计算，通过比较它们的均值μ、标准差std、峰值信噪比PSNR来客观地评价文中提到的各算法的图像去雾效果。

表2给出图像处理前后各算法所得均值。可见，经全局均衡化算法处理的图像均值最为接近理想数值。但全局均衡化处理出现了颜色失真，即仅靠均值无法正确地表达感受。而其他算法得出的均值有偏差，是因为雾天条件下光照放射不均匀，导致图像光照分布不均匀，进而导致图像存在偏差。

表3给出图像处理前后各算法所得标准差。可见，经算法增强后各图像都高于雾天降质图的标准差，表明这些增强后的图片更加清晰，细节更加的突出，与我们之前对图像的主观评价结果一致。

结合表4，我们可以看到经过算法处理后的图像，其信噪比都有正向增加。单独对比各算法，我们发现对于全局直方图均衡化和局部均衡化处理的图像，其信噪比均高于Retinex算法，与人的主观评价不一致。这是由于PSNR和MSE两指标固有的缺陷，这也进一步证明评价图像要全面。

4  结  论

本文在对不同去雾算法实际去雾效果分析的基础上，构建了主客观相结合的图像去雾效果评价体系。该体系能有效避免主观评价的个体因素影响，能更有效客观的对去雾效果进行评价。但由于客观评价指标的多样性以及不同去雾算法的差异性，未来还需对更多客观评价指标的深度和广度进行更有效的评估和筛选。

参考文献：

[1] 马文君，刘金虎，王小鹏，等.结合Lab空间和单尺度Retinex的自适应图像去雾算法 [J].应用光学，2020，41（1）：100-106.

[2] 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.

[3] 汪秦峰.基于直方图均衡化和Retinex的图像去雾算法研究 [D].西安：西北大学，2016.

[4] 王超.基于图像增强的几种雾天图像去雾算法 [J].自动化应用，2018（2）：70+80.

[5] 黄楙森.雾天退化图像的去雾算法研究 [D].西安：西安电子科技大学，2019.

[6] 刘雪峰，刘学远，付民.基于图像增强和复原的图像去雾方法研究 [J].现代电子技术，2018，41（6）：18-22.

作者简介：陈柱铭（1997—），男，汉族，广东佛山人，本科，研究方向：图像处理;通讯作者：郭磊（1982—），男，汉族，黑龙江哈尔滨人，讲师，博士，研究方向：图像处理与机器视觉;黄振兴（1998—），男，汉族，广东廉江人，本科在读;研究方向：机器视觉。