當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

MSRCR（Multi-Scale Retinex with Color Restore）多尺度Retinex图像增强

發布時間：2025/3/21 编程问答 17 豆豆

生活随笔收集整理的這篇文章主要介紹了 MSRCR（Multi-Scale Retinex with Color Restore）多尺度Retinex图像增强小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

引言

始于Edwin Herbert Land（埃德溫·赫伯特·蘭德）于1971年提出的一種被稱為色彩恒常的理論，并基于此理論的圖像增強方法。Retinex這個詞由視網膜(Retina)和大腦皮層(Cortex)合成而來.之所以這樣設計，表明Land他也不清楚視覺系統的特性究竟取決于此兩個生理結構中的哪一個，抑或兩者都有關系。不同于傳統的圖像增強算法，如線性、非線性變換、圖像銳化等只能增強圖像的某一類特征，如壓縮圖像的動態范圍，或增強圖像的邊緣等，Retinex可以在動態范圍壓縮、邊緣增強和顏色恒常三方面達到平衡，可以對各種不同類型的圖像進行自適應性地增強，在很多方面得到了廣泛的應用。

算法概述

Retinex 理論的基本內容是物體的顏色是由物體對長波（紅）、中波（綠）和短波（藍）光線的反射能力決定的，而不是由反射光強度的絕對值決定的；物體的色彩不受光照非均性的影響，具有一致性，即Retinex理論是以色感一致性（顏色恒常性）為基礎的。如下圖所示，觀察者所看到的物體的圖像S是由物體表面對入射光L反射得到的，反射率R由物體本身決定，不受入射光L變化。?

對于觀察圖像S，有公式表示為：?

S(x,y)=R(x,y)L(x,y)(1)
其中，

L(x,y) 表示亮度分量，

R(x,y) 表示物體反射分量，

S(x,y)表示觀測到的圖像。?
Retinex理論增強算法的思想就是利用式(1)，去除亮度分量

L 求得反射分量

R ，從而達到圖像增強效果。?
對(1)式兩邊取對數?

log(S(x,y))=log(L(x,y))+log(R(x,y))(2)
由(2)得?

log(R(x,y))=log(S(x,y))?log(L(x,y))(3)
由式(3)可知，只需要估計亮度分量

L 就能求得反射分量，因此L的估計直接決定圖像去霧恢復效果.Jobson等論證了高斯卷積函數可以從已知圖像

S 中更好地估計出亮度分量，即?

L(x,y)=S(x,y)?G(x,y)(4)
其中，’*’代表卷積操作，高斯函數

G(x,y)=k?exp(?x2+y2σ2) ，

σ 是高斯函數尺度參數，

k 為歸一化因子，使

?G(x,y)dxdy=1 。對于RGB彩色圖像的某一個通道，?

log(Rc(x,y))=log(Sc(x,y))?log(Sc(x,y))?G(x,y)(5)
其中，

c 表示RGB3個通道的某一個通道；

σ ?為尺度函數，取值大時，顏色失真小但細節恢復差，取值小時，細節恢復好，但顏色失真大。?
為彌補SSR算法不足，MSR算法對每一個通道進行3次不同尺度濾波，加權求和，處理時間也會變長，且使用不同的尺度，導致恢復的RGB比值與原圖比值不太一樣，顏色失真。?

log(R(x,y))=Weight1?log(Rσ1(x,y))+Weight2?log(Rσ2(x,y))+Weight3?log(Rσ3(x,y))(6)
Rehman等提出MSRCR算法，引入分量比值調整因子從而降低色彩失真的影響。?

RMSRCR(x,y)=C(x,y)RMSR(x,y)(7)
其中

C(x,y)=G{log[αIc(x,y)]?log[∑c=13Ic(x,y)]} 。

流程

按照（4）式，計算入射分量

L；

按照（3）式，計算單一尺度下的

log(Rσ(x,y))；

按照（6）式，對不同尺度進行加權求和；

按照（7）式，進行色彩恢復；

將

RMSRCR量化為0到255范圍，輸出。

入射分量獲取

Retinex算法核心在于入射分量的獲取，簡單來說，這個可以對原圖像進行高斯卷積獲取，卷積核的大小與原圖像大小相等。當圖像比較大的時候，其計算過程是非常復雜的，O(M2N2)，M，N是原圖像的高度和寬度。實現的時候可以使用遞歸高斯濾波，復雜度O(MN)（參見paper：Recursive implementation of the Gaussian filter，源碼在GIMP中有）。下面我給出在3種不同尺度下獲取的亮度圖，等分權重。?

色彩恢復

GIMP中色彩恢復代碼如下：

<code class="hljs cpp has-numbering" style="display: block; padding: 0px; background-color: transparent; color: inherit; box-sizing: border-box; font-family: 'Source Code Pro', monospace;font-size:undefined; white-space: pre; border-top-left-radius: 0px; border-top-right-radius: 0px; border-bottom-right-radius: 0px; border-bottom-left-radius: 0px; word-wrap: normal; background-position: initial initial; background-repeat: initial initial;"> /* Final calculation with original value and cumulated filter values. The parameters gain, alpha and offset are constants. */ /* Ci(x,y)=log[a Ii(x,y)]-log[ Ei=1-s Ii(x,y)] */ alpha = 128.0f; gain = 1.0f; offset = 0.0f; for ( i = 0; i < size; i += bytes ) { float logl; psrc = src+i; pdst = dst+i; logl = (float)log( (float)psrc[0] + (float)psrc[1] + (float)psrc[2] + 3.0f ); pdst[0] = gain * ((float)(log(alpha * (psrc[0]+1.0f)) - logl) * pdst[0]) + offset; pdst[1] = gain * ((float)(log(alpha * (psrc[1]+1.0f)) - logl) * pdst[1]) + offset; pdst[2] = gain * ((float)(log(alpha * (psrc[2]+1.0f)) - logl) * pdst[2]) + offset; }</code><ul class="pre-numbering" style="box-sizing: border-box; position: absolute; width: 50px; background-color: rgb(238, 238, 238); top: 0px; left: 0px; margin: 0px; padding: 6px 0px 40px; border-right-width: 1px; border-right-style: solid; border-right-color: rgb(221, 221, 221); list-style: none; text-align: right;"><li style="box-sizing: border-box; padding: 0px 5px;">1</li><li style="box-sizing: border-box; padding: 0px 5px;">2</li><li style="box-sizing: border-box; padding: 0px 5px;">3</li><li style="box-sizing: border-box; padding: 0px 5px;">4</li><li style="box-sizing: border-box; padding: 0px 5px;">5</li><li style="box-sizing: border-box; padding: 0px 5px;">6</li><li style="box-sizing: border-box; padding: 0px 5px;">7</li><li style="box-sizing: border-box; padding: 0px 5px;">8</li><li style="box-sizing: border-box; padding: 0px 5px;">9</li><li style="box-sizing: border-box; padding: 0px 5px;">10</li><li style="box-sizing: border-box; padding: 0px 5px;">11</li><li style="box-sizing: border-box; padding: 0px 5px;">12</li><li style="box-sizing: border-box; padding: 0px 5px;">13</li><li style="box-sizing: border-box; padding: 0px 5px;">14</li><li style="box-sizing: border-box; padding: 0px 5px;">15</li><li style="box-sizing: border-box; padding: 0px 5px;">16</li><li style="box-sizing: border-box; padding: 0px 5px;">17</li><li style="box-sizing: border-box; padding: 0px 5px;">18</li><li style="box-sizing: border-box; padding: 0px 5px;">19</li><li style="box-sizing: border-box; padding: 0px 5px;">20</li><li style="box-sizing: border-box; padding: 0px 5px;">21</li><li style="box-sizing: border-box; padding: 0px 5px;">22</li><li style="box-sizing: border-box; padding: 0px 5px;">23</li></ul>

另外，最后一步代碼又增加了調節項，用于控制飽和度和顏色，最后將其量化到[0~255]，詳細代碼如下。

<code class="hljs applescript has-numbering" style="display: block; padding: 0px; background-color: transparent; color: inherit; box-sizing: border-box; font-family: 'Source Code Pro', monospace;font-size:undefined; white-space: pre; border-top-left-radius: 0px; border-top-right-radius: 0px; border-bottom-right-radius: 0px; border-bottom-left-radius: 0px; word-wrap: normal; background-position: initial initial; background-repeat: initial initial;"> /* Adapt the dynamics of the colors according to the statistics of the first and second order. The use of the variance makes it possible to control the degree of saturation of the colors. */ pdst = dst;compute_mean_var( pdst, &mean, &var, size, bytes ); mini = mean - rvals.cvar*var; maxi = mean + rvals.cvar*var; range = maxi - mini; if ( !range ) range = 1.0; for ( i = 0; i < size; i+= bytes ) { psrc = src + i; pdst = dst + i; for (j = 0 ; j < 3 ; j++) { float c = 255 * ( pdst[j] - mini ) / range; psrc[j] = (unsigned char)clip( c, 0, 255 ); } } free (dst);</code><ul class="pre-numbering" style="box-sizing: border-box; position: absolute; width: 50px; background-color: rgb(238, 238, 238); top: 0px; left: 0px; margin: 0px; padding: 6px 0px 40px; border-right-width: 1px; border-right-style: solid; border-right-color: rgb(221, 221, 221); list-style: none; text-align: right;"><li style="box-sizing: border-box; padding: 0px 5px;">1</li><li style="box-sizing: border-box; padding: 0px 5px;">2</li><li style="box-sizing: border-box; padding: 0px 5px;">3</li><li style="box-sizing: border-box; padding: 0px 5px;">4</li><li style="box-sizing: border-box; padding: 0px 5px;">5</li><li style="box-sizing: border-box; padding: 0px 5px;">6</li><li style="box-sizing: border-box; padding: 0px 5px;">7</li><li style="box-sizing: border-box; padding: 0px 5px;">8</li><li style="box-sizing: border-box; padding: 0px 5px;">9</li><li style="box-sizing: border-box; padding: 0px 5px;">10</li><li style="box-sizing: border-box; padding: 0px 5px;">11</li><li style="box-sizing: border-box; padding: 0px 5px;">12</li><li style="box-sizing: border-box; padding: 0px 5px;">13</li><li style="box-sizing: border-box; padding: 0px 5px;">14</li><li style="box-sizing: border-box; padding: 0px 5px;">15</li><li style="box-sizing: border-box; padding: 0px 5px;">16</li><li style="box-sizing: border-box; padding: 0px 5px;">17</li><li style="box-sizing: border-box; padding: 0px 5px;">18</li><li style="box-sizing: border-box; padding: 0px 5px;">19</li><li style="box-sizing: border-box; padding: 0px 5px;">20</li><li style="box-sizing: border-box; padding: 0px 5px;">21</li><li style="box-sizing: border-box; padding: 0px 5px;">22</li><li style="box-sizing: border-box; padding: 0px 5px;">23</li><li style="box-sizing: border-box; padding: 0px 5px;">24</li><li style="box-sizing: border-box; padding: 0px 5px;">25</li><li style="box-sizing: border-box; padding: 0px 5px;">26</li><li style="box-sizing: border-box; padding: 0px 5px;">27</li></ul>

效果

我依據GIMP中插件contrast-retinex.c用Matlab實現了一遍，效果如下

寬動態圖像

水下圖像

低照度圖像

霧天圖像

Retinex算法在圖像增強諸多領域應用廣泛，如上述寬動態圖像增強，水下圖像增強，霧天圖像增強，低照度圖像增強等等，更多可以參考NASA關于Retinex的介紹。Retinex的實現，C語言用了遞歸高斯濾波器，我不知道Matlab是否有對應的函數，我在這里是將圖像轉換到頻率域高斯低通濾波處理的，因此算法時間耗費也并不大。OpenCV版本的Retinex算法已傳到CSDN上共享，下載請點擊這里，記得給好評哦。

總結

以上是生活随笔為你收集整理的MSRCR（Multi-Scale Retinex with Color Restore）多尺度Retinex图像增强的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇：深度学习——人工神经网络再掀研究热潮
下一篇：图像处理概述

生活随笔