摘  要: 在MSR图像增强算法的基础上进行了改进，采用RGB与HSV颜色空间的快速转换算法，并在MSR算法中用快速均值滤波代替高斯模板卷积，提高算法运算速度；对增强后的图像采用自动截断式对比度拉伸方法，提高增强后图像的对比度。实验结果表明，本算法在提高图像质量的同时，算法速度提高3~4倍。
关键词: 图像增强； Retinex理论； 自动截断拉伸法； 色彩空间转换； 快速均值滤波

     在摄影或监控时由于光照不足,会使图像过暗，产生低照度图像。低照度图像灰度范围较窄，相邻像素的空间相关性高，灰度变化不明显，进而影响后续的图像识别、理解与判断,因此对低照度图像进行增强处理具有重要意义。传统的图像增强方法主要包括空域法和频域法两大类,它们实现简单、运行速度快，但没有考虑图像的局部信息，适用范围较窄。目前主要采用区域自适应的方法进行图像增强，如基于Retinex理论的方法[1]、基于梯度域操作的方法[2]和基于多尺度小波的方法[3]等。由于Retinex理论具有锐化、颜色恒常性、动态范围压缩大、色彩逼真度高等特点，因而在图像增强处理中应用更加广泛。
    本文首先介绍Retinex基础理论，分析现有方法的特点，提出多尺度Retinex算法在HSV颜色空间的截断式快速图像增强方法，该方法采用RGB空间和HSV空间的快速转换算法，并用快速均值滤波代替高斯滤波，对增强后的图像采用自动截断式对比度拉伸，在提高算法速度的同时，进一步提高了图像的质量。
1 Retinex理论
    在Retinex模型中，图像S(x,y)由入射光和反射性质两个元素组成，可以表示为：
    
  
    Retinex算法的关键是估计入射光分量，根据估计亮度图像的不同，出现了许多基于Retinex理论的图像增强算法，其中多尺度Retinex算法效果相对比较好。多尺度Retinex MSR(Multi-scale Retinex)算法的本质是将高斯卷积函数与图像做卷积来获得平滑图像，然后再提取亮度图像，其数学表达形式为：
　

其中，RMi(x,y)是MSR在第i个颜色谱段的输出，N为尺度个数，Wn为对应每一个尺度的权值(通常取1/3)，Ii(x,y)对应第i个色彩空间的图像分布，Fn(x,y)是对应第n个高斯环绕函数。
2 算法原理
    MSR算法通常应用在RGB、HSV与YUV 3个颜色空间，根据参考文献[4]的分析，MSR在HSV空间的增强效果比在RGB和YUV空间要好,因此本文算法将对HSV空间的MSR增强算法进行改进。MSR在HSV空间对低照度图像增强时，首先把图像由RGB空间转到HSV空间，对V通道增强后，再将图像由HSV空间转回RGB空间。传统的方法处理速度慢，主要原因有两个：RGB颜色空间与HSV颜色空间相互转换时，转换算法过于复杂，耗费时间；MSR算法中有多次的高斯卷积，且卷积模板尺寸大，计算量非常大。本文采用RGB空间和HSV空间快速转换算法，并用均值滤波代替高斯滤波，但是增强后的图像对比度普遍不高，一般的对比度拉伸方法不具有通用性，因此本文采用自动截断式进行对比度拉伸，算法具体流程如图2所示。

2.1 颜色空间快速转换
    根据RGB颜色空间与HSV颜色空间的相互转换公式可知，图像在HSV空间的亮度分量V的取值是RGB颜色空间中每个像素的（R,G,B）三通道值的最大值，如式(4)表示：
    V=max(R,G,B)  (4)
    获得单通道图像V后，采用MSR算法增强，增强后的图像为V′，定义参数矩阵为r, r取值为：
 
  

其中，Vi′(x,y)是指数变换后的图像，i表示颜色通道，Riout(x,y)表示输出的图像。由于获取的极大值和极小值在图像中所占的比例可能会很小，进而使MAXi-MINi的值变大，输出值R聚集在相对少的区域内，使图像的对比度降低。采用截断式对比度拉伸方法，在对每个通道进行拉伸时，采用累积直方图统计的自适应拉伸方法确定图像的极大值与极小值，具体步骤为：
     
3 实验结果与分析
　在MSR算法中，用截断式对比度拉伸方法代替直接对比度拉伸方法，实验结果如图4所示。  
    从图4可以看出，截断式对比度拉伸方法要比直接对比度拉伸方法的处理效果更好；从图像灰度直方图的比较中可以看出，利用截断式对比度增强，使图像的灰度范围变得更宽，因而处理效果更好。

    取4幅尺寸不同的低照度图像，如图5第一列，尺寸分别是186×187、390×260、664×485、960×630，分别用原MSR算法和改进后的MSR算法对图像进行增强处理，处理后的结果如图5第二列和第三列所示。从图5可以看出，算法改进前与改进后图像增强效果都很好，差别不大。记录多次处理算法消耗的时间，然后取平均

    从表1中可以看出，改进后的MSR算法比原MSR算法快了3~4倍。改进后的MSR算法在增强中、小尺寸的图像时，速度优势并不明显，但在增强大尺寸的图像时，速度明显要快很多。
    本文针对MSR算法进行了两个方面的改进，即对比度增强算法的改进以及MSR的快速计算方法。在提高对比度方面，用截断式对比度拉伸方法代替了原来的直接对比度拉伸方法；在提高处理速度方面，一是在RGB与HSV空间转换方面进行了算法改进，二是用均值滤波方法代替了原来的高斯函数卷积方法，从而使运算次数减少，进而达到了提升图像增强速度的目的，改进的算法处理速度提升了3~4倍。
参考文献
[1] DIMITRIOU T. A lightweight RFID protocol to protect against trace ability and cloning attacks[C].Conference on Security and Privacy for Emerging Areas in Communication Networks. Athens, Greece， IEEE Press，2005:59-66.
[2] SONG B, MITCHELL C J. RFID authentication protocol for low-cost tags[C]. Proceedings of the 1st ACM Conference on Wireless Network Security, Alexandria, Virginia, USA.ACM Press, 2008:140-147.
[3] 王晋, 潘宏侠, 赵润鹏. 基于多尺度小波的图像增强算法[J]. 河北工业科技, 2011,28(6):369-371.
[4] Wang Wen, Li Bo, Zheng Jin, et al. A fast multi-scale retinex algorithm for color image enhancement[C]. Proceedings of International Conference on Wavelet Analysis and Pattern Recognition, 2008.
[5] Pan Jianjia, Tang Yuanyan, Pan Baochang. The algorithm of fast mean filtering[C]. International Conference on Wavelet Analysis and Pattern Recognition. Beijing, China, 2007:244-248.