搜索
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Im2unit8Unit8Unit8,Unit16,Double,logicalIm2unit16Unit16Unit8,Unit16,Double,logicalMat2grayDouble[0-1]Unit8,Double,Unit16,logicalIm2doubleDoubleUnit8,Double,Unit16,logicalIm2bwlogicalUnit8,Unit16,Double3)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=102410245)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,[lowhigh])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_inhigh_in],[low_outhigh_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（HumanVisualSystem）的图像增强理论。该算法的基本原理模型最早是由EdwinLand（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-ScaleRetinex,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-ScaleRetinex,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