本文主要介绍基于Retinex 理论的雾霭天气图像增强及其实现。并通过编写两个程序来实现图像的去雾功能。
1 Rentinex 理论
Retinex (视网膜“Retina ”和大脑皮层“Cortex ”的缩写)理论是一种建立在科学实验和科学分析基础上的基于人类视觉系统(Human Visual System )的图像增强理论。该算法的基本原理模型最早是由Edwin Land (埃德温?兰德)于1971年提出的一种被称为的色彩的理论,并在颜色恒常性的基础上提出的一种图像增强方法。Retinex 理论的基本内容是物体的颜色是由物体对长波(红)、中波(绿)和短波(蓝)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,即Retinex 理论是以色感一致性(颜色恒常性)为基础的。
根据Edwin Land 提出的理论,一幅给定的图像S(x,y)分解成两幅不同的图像:反射物体图像R(x,y)和入射光图像L(x,y),其原理示意图如图8.3-1所示。
图-1 Retinex 理论示意图
对于观察图像S 中的每个点(x,y),用公式可以表示为:
S(x,y)=R(x,y)×L(x,y) (
实际上,Retinex 理论就是通过图像S 来得到物体的反射性质R ,也就是去除了入射光L 的性质从而得到物体原本该有的样子。
2 基于Retinex 理论的图像增强的基本步骤
步骤一: 利用取对数的方法将照射光分量和反射光分量分离,即:
S '(x, y)=r(x, y)+l(x, y)=log(R(x, y))+log(L(x, y));
步骤二:用高斯模板对原图像做卷积,即相当于对原图像做低通滤波,得到低通滤波后的图像D(x,y),F (x, y )表示高斯滤波函数:
D(x, y)=S(x, y) *F (x, y );
步骤三:在对数域中,用原图像减去低通滤波后的图像,得到高频增强的图像G (x, y ):
G(x,y)=S '(x, y)-log(D(x, y)) ;
步骤四:对G(x,y)取反对数,得到增强后的图像R(x, y):
R(x, y)=exp(G(x, y));
步骤五:对R(x,y)做对比度增强,得到最终的结果图像。
3 多尺度Retinex 算法
D Jobson 等人提出了多尺度Retinex 算法,多尺度算法的基本公式是:
其中,i R (x,y )
是Retinex 的输出,,,i R G B 表示3个颜色谱带,(,)F x y 是高斯滤波函数,n W 表示尺度的权重因子,N 表示使用尺度的个数,N =3,表示