用幂次变换来增强图像matlab,基于幂次变换及MSR光照不均图像增强.doc

基于幂次变换及MSR光照不均图像增强

基于幂次变换及MSR光照不均图像增强摘要：针对光照不均图像暗区细节丢失的问题，提出了基于幂次变换和MSR(多尺度Retinex)的光照不均图像增强算法。首先对光照不均图像进行幂次变换，扩展图像暗区灰度值的动态范围，增强暗区的细节，然后再利用MSR算法对幂次变换的结果进行进一步处理，提高图像的对比度。实验表明，该算法在消除不均匀光照、保持图像较高的对比度的同时，有效地增强了原始图像中暗区的细节。

关键词：光照不均图像；图像增强；幂次变换；多尺度Retinex

中图分类号：TP391文献标识码：A文章编号：1009-3044(2012)22-5456-03

Non-uniform Illumination Image Enhancement Based on the Power Low Transformation and MSR

ZHANG Ya-fei

(Department of Communication Engineering, Nanjing Institute of Technology, Nanjing 211167, China )

Abstract: Concerning the loss of details in the dark areas of non-uniform illumination images, the algorithm of non-uniform illumination image enhancement based on the power transform and MSR(Multi-Scale Retinex) is proposed. Firstly, the power low transformation on non-uniform illumination image is used to expand the dynamic range of the gray value in the dark areas and enhance the image details in the dark areas. Then, the result of the power low transformation is processed further based on MSR to improve the image contrast. The experiments show that the algorithm can eliminate non-uniform illumination and maintain the high contrast of the image, at the same time, enhance the details of dark areas in the original image.

Key words：non-uniform illumination image; image enhancement; power low transformation; MSR(Multi-Scale Retinex)

在图像采集过程中，由于光照环境或物体表面反光等原因会造成图像光照不均。光照不均在一定程度上改变了图像的原始面貌，增加了进一步处理的难度[1]。因此，需要对光照不均图像进行增强处理。常见的光照不均图像的增强方法有直方图均衡、Retinex增强方法[2]以及梯度域增强方法[3]等。直方图均衡化有利于图像对比度的提高，但由于该方法将原始图像中的多个灰度级合成一个新的灰度级，因此，原始图像中的一些细节信息会丢失。Retinex增强方法在滤掉了照射光的时候仅保留了反射光，从而导致增强后的图像具有较好的边缘细节，但对比度较差。而且，Retinex理论对图像中的照射分量还没有统一的理论模型，现有各种Retinex算法都只是在实验中验证了各自对光照补偿的有效性，并且都假设图像中的照明是平滑的，因此Retinex算法在全局上对图像的光照补偿有较好的效果，但对于局部光照变化较大的图像，其通过光照补偿的图像增强效果不太理想[4]。

该文针对光照不均图像的特点和常用图像增强算法的不足，提出了基于幂次变换和MSR的光照不均图像的增强算法。为了验证该算法的有效性，分别将幂次变换和MSR算法与该文算法的实验结果进行比较，结果表明该文的算法可以达到更好的增强效果。

1 MSR算法

Retinex(视网膜“Retina”和大脑皮层“Cortex”的缩写)是E. land[5-6]提出来的关于人类视觉系统如何调节感知到物体的颜色和亮度的模型，这个模型诠释了为什么同样的物体在不同光源或光线下颜色是恒定