基于Retinex增强算法的图像去雾方法研究

黄丽韶

摘 要：文章讨论了雾霾天气下的图像清晰化技术，首先对图像去雾的背景和理论基础进行了介绍，然后分别利用全局直方图、局部直方图和Retinex增强处理雾天图像的清晰化技术进行实验。实验结果表明，基于Retinex增强处理的去雾方法针对性强，运行效率高，且易于融合其他图像增强算法。文章讨论的去雾技术对其他恶劣天气下的图像清晰化技术也起到促进作用。

关键词：图像去雾;直方图;Retinex

0    引言

近年来，雾霾等恶劣天气给人类的生产和生活带来极大的不便。一般而言，在恶劣天气（如雾天、雨天等）条件下，户外景物图像的对比度和颜色也会退化或被改变，图像中蕴含的许多特征也会模糊或被覆盖，这也会导致某些视觉系统（如电子卡口、门禁监控等）无法正常工作。因此，从雾霾天气所采集的退化图像中复原和增强景物细节信息具有重要的现实意义[1]。

1    理论基础

1.1  空域图像增强

图像增强主要是指空间域增强、频率域增强、彩色增强、多图像代数运算、多光谱图像增强等。我们进行图像增强的主要目的是改变图像的灰度等级，提高图像对比度，消除边缘和噪声，平滑图像，突出边缘或线状地物，锐化图像，合成彩色图像，压缩图像数据量，突出主要信息等。比如，对于拍摄的图像，目标物的颜色与背景颜色相差不大，这导致边缘提取很困难，可以采取增强对比度使得前景与背景的颜色辨识度提高，以便于后期的边缘提取。空域处理法是指直接对图像中的像素进行处理，一般是以图像灰度映射变换为基础并且根据图像增强的目标采用所需的映射变换，常用的图像对比度增强、图像的灰度层次优化等处理均属于空域处理法[2]。

1.2  直方图均衡化

一般来说，图像对比度可用较为常见的两种方法进行增强处理，分别为直方图拉伸方法和直方图均衡化方法。对于直方图均衡化而言，图像灰度的改变是通过累积函数实现的，以此达到增强对比度的效果。其操作步骤的核心思路即对原始图像的非均质化拉伸处理，使其像素值间距扩张，均匀化各灰度范围的像素量。直方图与图像清晰度有如下关系：亮度不足，即代表其在直方图中主要位于像素值较小区间;亮度高，即表示其在直方图中主要位于像素较大区间;灰度级随对比度的降低而降低，且中间水平的灰度级是主要信息的储存区;灰度级随对比度的升高而升高，且主要信息呈均匀化分布。

数字图像是离散化的数值矩阵，其直方图可以被视为一个离散函数，它表示数字图像中每一灰度级与其出现概率间的统计关系[3]。直方图在一定程度上能够反映数字图像的概貌性描述，包括图像的灰度范围、灰度分布、整幅图像的亮度均值和阴暗对比度等，并可以此为基础进行分析得出对图像进一步处理的重要依据。直方图均衡化也叫作直方图均匀化，就是把给定图像的直方图分布变换成均匀分布的直方图，是一种较为常用的灰度增强算法。直方图均衡化包括以下3个主要步骤：（1）预处理。输入图像，计算该图像直方图。（2）灰度变换表。根据输入图像的直方图计算灰度值变换表。（3）查表变换。

根据信息论的相关理论，我们可以知道图像经直方图均衡化后，将会包含更多的信息量，进而能突出某些图像特征。

2    程序实现

为进行图像去雾实验，本文采用全局直方图均衡化、局部直方图均衡化算法进行图像去雾实验，并选择Retinex增强算法作为直方图去雾算法延伸。采用GUI设计软件并通过菜单关联不同的去雾算法，通过显示处理前后的图像直方图进行去雾效果的对比。

2.1  设计GUI界面

为增加软件交互的易用性，调用Matlab的GUI生成软件框架，提供有关去雾图像载入、处理、对比的过程。软件通过菜单关联的方法进行功能设计，实现模块化编程。其中，文件菜单主要用于载入待处理图像等基本操作，图像去雾菜单用于关联不同的去雾算法并进行结果显示，帮助菜单弹出独立窗口用于软件操作流程介绍。GUI主窗口加入坐标轴控件用于图像显示，通过原图像与结果图像的显示可以简捷地演示算法的去雾效果。

2.2  全局直方图处理

Matlab通过函数imread读取RGB图像，并通过维数m?n?3的矩阵表示。其中m?n表示图像的行数、列数信息，维数3表示图像的R，G，B三层通道数据。因此，全局直方图处理通过对RGB图像的R，G，B三层通道分别进行直方图均衡化，再整合到新图像的方式进行。

关联到菜单“图像去雾/全局直方图算法”，执行图像的全局直方图处理并进行显示。运行结果表明，全局直方图去雾算法可以实现含雾图像的增强效果，处理前后的直方图在分布上具有明显变化，但在图像整体上容易出现某些色彩失真的现象。

2.3  局部直方图处理

全局直方图均衡化增强只是将原图像的直方图进行了均衡化，未能有效保持原始图像的局部特征，容易出现色彩失真问题。通过选择固定尺寸的滑动窗口作用于原始图像进行局部直方图处理，可以在一定程度上保持原始图像的局部特征，提高图像增强的效果。因此，局部直方图处理通过对RGB图像的R，G，B三层通道分别进行局部直方图均衡化，再整合到新图像的方式进行。

关联到菜单“图像去雾/局部直方图算法”，执行图像的局部直方图处理并进行显示。局部直方图的处理结果表明该算法能有效保持原始图像的局部特征，未出现明显的色彩失真现象，同时也得到了去雾增强的效果。但是，该算法处理结果整体亮度偏暗，依然存在某些模糊区域。

2.4  Retinex增強处理

基于全局直方图、局部直方图的图像去雾算法比较简单，能起到一定的去雾处理效果。实验采取了Retinex图像增强算法进行对比，该算法可以平衡图像灰度动态范围压缩、图像增强和图像颜色恒常3个指标，能够实现对含雾图像的自适应性增强。因此，Retinex增强处理通过对RGB图像的R，G，B三层通道分别应用Retinex算法进行处理，再整合到新图像的方式进行。核心代码如下所示。

function In=RemoveFogByGlobalHisteq（f，flag）

%用Retinex的MSR實现图像去雾

% 输入参数：

% f—图像矩阵

% flag—显示标记

% 输出参数：

% In—结果图像

if nargin<2  flag=1;

end

%RGB通道

fr=f（：，：，1）;……

%数据类型归一化

mr=mat2gray（im2double（fr））;……

%定义标准差

alpha=1458;

%定义模板大小

n=161;

%计算中心

n1=floor（（n+1）/2）;

for i=1：n

for j=1：n

%高斯函数

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

end

end

%卷积滤波

nr1=imfilter（mr，b，conv，replicate）;……

ur1=log（nr1）;……

tr1=log（mr）;……

yr1=（tr1-ur1）/3;……

%定义标准差

beta=53.38;

%定义模板大小

x=31;

%计算中心

x1=floor（（n+1）/2）;

for i=1：n

for j=1：n

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

end

end

%卷积滤波

%定义标准差

eta=13944.5;

%定义模板大小

l=501

%计算中心

l1=floor（（n+1）/2）;

for i=1：n

for j=1：n

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

end

end

%卷积滤波

%结果显示

关联到菜单“图像去雾/Retinex算法去雾”，执行图像的Retinex算法去雾处理并进行显示。处理前后的直方图分布表明，Retinex图像增强可以在一定程度上保持原始图像的局部特征，处理结果较为平滑，颜色特征也较为自然，具有良好的去雾效果。

3    结语

基于图像处理的去雾增强技术可以显著提高对比度、突出图像细节、提升视觉效果，该方法已经广泛应用于项目实践。基于Retinex增强处理的去雾方法针对性强，运行效率高，且易于融合于其他图像增强算法，所以该技术必将获得进一步发展。尽管图像去雾技术在实际应用中已经取得了若干成果，但在不同的场景下依然面临着某些局限性，需要引起研究人员的进一步关注。

[参考文献]

[1]齐卉，孙超，苏通，等.基于MATLAB的图像去雾技术研究[J].江汉大学学报（自然科学版），2020（6）：84-90.

[2]宋聪莹，邵清.基于暗通道先验的Retinex去雾算法研究[J].软件导刊，2021（1）：214-218.

[3]刘衍琦，詹福宇.MATLAB图像与视频处理实用案例详解[M].北京：电子工业出版社，2015.

（编辑 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