基于Retinex算法视频增强的MATLAB实现

一、读书笔记

1：数字图像文件简介

BMP文件：Windows操作系统中的标准图像文件格式，能够被多种Windows应用程序所支持。

GIF文件：GIF文件的数据是一种基于LZW算法的连续色调的无损压缩格式，不属于任何应用程序。

JPEG图像格式：后缀名为.jpg或者.jpeg,是一种有损压缩格式。

ICO文件：Windows的图标文件格式的一种，可以存储单个图案、多尺寸、多色板的图标文件

HDF文件：层次型数据格式可以存储不同类型的图像和数码数据，有函数库。

PNG文件：常用于JAVA程序、网页和S60中。

TIFF文件：主要用来存储包括照片和艺术图在内的文件格式。

DICOM文件:数字影像和通信标准。

2:基于MATLAB图像处理基础

1)图像数据类型

double类型：图像处理最常用的数据类型，也是matlab中默认的数据类型。图像数据的取值范围为0-1。

Unit8类型：常用于从存储设备中读取数据时，操作不能使结果超出[0,255].

Unit16类型：用于精度较高的图像中。

Logical类型：常用于二值图像中，可用true、false或关系运算符得到。

2)数据类型转换

名称

将输入转换为

有效的输入图像数据类型

Im2unit8

Unit8

Unit8, Unit16, Double, logical

Im2unit16

Unit16

Unit8,Unit16, Double, logical

Mat2gray

Double[0-1]

Unit8,Double, Unit16, logical

Im2double

Double

Unit8,Double, Unit16, logical

Im2bw

logical

Unit8, Unit16, Double

3)文件信息读取

Matlab提供imfinfo函数来实现所有格式(除DICOM)的信息读取，调用形式： info=imfinfo(’filename’)

4)读取图像

使用imread可以将图像读入matlab环境，语法：

imread (‘filename’),其中，filename是一个含有文件全名的字符串。

函数size可给出一副图像的行数和列数

>>size(f)

Ans=

1024  1024

5)显示图像

在matlab桌面上显示图像一般用imshow，语法：

imshow (f,G)

其中，f是一个图像数组，G为显示该图像的灰度级数。若将G省略，则默认256.语法 imshow(f,[low high])会将小于或等于low的显示为黑色，大于或等于high的显示为白色，介于两者之间的值以默认的级数显示为中等亮度值。语法 imshow(f,[])可以将变量low设置为数组f的最小值，将high设置为f的最大值。

6)保存图像

使用imwrite函数可将图像写入磁盘，语法;

Imwrite(f,’filename’)

Filename必须是一个可识别的文件格式扩展名

另一种常用但只用于jpeg图像的函数imwrite,其语法为

Imwrite(f,’filename.jpg’,’quality’,q),

Q为一个0到100的整数，q越小，图像退化越严重

3:亮度变换与空间滤波

1)函数imadjust是对灰度图像进行亮度变换的基本IPT工具。语法

g=imadjust(f,[low_in high_in],[low_out high_out],gamma)

将low_in至high_in之间的值映射到low_out至high_out之间的值，其他的值被剪切掉了。

2)对数和对比度的拉伸变换

对数变换通过以下表达式实现：

g=c*log(1+double(f))

3)阈值变换

表达式：g=1./(1+(m./(double(f)+eps)).^E)

Eps可避免f出现0值的溢出现象

4)计算并绘制图像直方图

函数：imhist(f);

直方图均衡化有函数histep实现，语法：g=histep(f,nlev)

Nelv为输出图像制定的灰度等级

5)空间滤波：

工具箱使用函数imfilter来实现线性空间滤波，语法

g=imfilter(f,w,filter_mode,boundary_options,size_options)

w为滤波掩膜，g为滤波结果

二、Retinex算法简介 与实现

1)简介

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基于理论的图像增强方法。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。

不同于传统的图像增强算法，如线性、非线性变换、图像锐化等只能增强图像的某一类特征，如压缩图像的动态范围，或增强图像的边缘等，Retinex可以在动态范围压缩、边缘增强和颜色恒常三方面达到平衡，因此可以对各种不同类型的图像进行自适应性地增强。

单尺度(Single-Scale Retinex, SSR)算法原理 根据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)，其原理示意图如下

Retinex原理示意图

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) (1)

据Retinex 理论，物体的颜色是由物体对光线的反射能力决定的，而物体对光线的反射能力是物体本身固有的属性，与光源强度的绝对值没有依赖关系。因此通过计算各个像素间的相对明暗关系，可以对图像中的每个像素点做校正，从而确定该像素点的颜色。

单尺度(Single-Scale Retinex, SSR)算法在对数域中则表示为：

根据上面式的原理，Retinex理论进行图像增强的关键是从原图像中有效的信息计算出亮度图像L(x,y)。但是从原图像计算亮度图像在数学上是一个奇异问题，因此只能通过数学上近似估计的方式估算亮度图像。在Retinex算法的发展史中，曾经出现过平方反比的环绕形式、指数形式以及高斯指数形式，但在单尺度Retinex增强算法中，杰泊森(Jobson)论证了高斯卷积函数可以对源图像提供更局部的准确处理，因而可以更好地增强图像，其可以表示为：

其中λ是常量矩阵,c是滤波半径，并且满足：

c越小，灰度动态范围压缩的越多，c越大，图像锐化的越厉害。因此亮度图像最终可以表示为：

单尺度(SSR)可以表示为：

2)matlab实现

步骤：读入图像→归一化→设置高斯函数参数及矩阵→高斯函数和输入图像矩阵卷积→取对数→和输入图像矩阵的对数相差→取指数→输出图像

结果：

原图

处理后

原图

处理后的图