1。3 本文的研究工作

这篇文章侧重从图像增强的角度来处理雾天模糊图像，在Retinex理论的基础之上，利用图像增强算法，进行去除图像雾天效果的处理，将此算法处理后的图像，与其它图像增强算法的处理图像进行比较，通过对比总结出Retinex理论在图像增强领域的强大优势。论文网

我们知道一般增强图像的方法虽然可以达到增强图像的作用，但往往由于多种因素会使得到的图像不够自然，而本文提出的Retinex算法处理模糊图像，相较于之前的种种方法具有很大的优点，它可以使得处理后的图像颜色稳定自然，在压缩图像动态范围也具有优势。文本研究的主旨就是在于如何解决雾天得到的图像模糊这个问题，本文所提出的处理方法都是基于Retinex理论。而此理论分为两个方向，一个是基于全局特征，一个是基于局部特征。本文通过对比这些理论改进了全局Retinex算法中的线性拉伸相关的问题，使得处理后得到的图像的更加完善。

2 图像增强方法概述

图像增强是一个专业术语，常被用在计算机行业。图像增强可以加强图像判读，图像增强可以让人更容易的接受到更多有关图片的信息，它可以在通过增强微观下图片的特定基本构成单位，让人在宏观上更加清楚的接受图片信息。因为评价图像质量的好坏仅凭借观测者本人的主观意识而定，没有默认的统一标准，在图像增强算法的选择上，是由观测者决定的。频域法和空间域法是图像增强方法的两个基本类别。

空间域(spatial domain)处理的方法是指对图像像素数据本身直接进行运算，包括对像素点数据逐点处理，称之为点运算；还有一种处理方法称之为局部运算，简单的来说局部运算就是在像素相邻的空间域上对图像进行处理的一种运算。，如果我们用表示原始图像，用表示处理后的图像，那么空间域法的图像增强技术就可以用公式表示成 [5]。

不同于空间域法是直接将图像本身进行计算，频域法是把图像转换成二维信号，并且按照一定的方法增强二维信号，频域法中处理二维信号的方法有很多种。频域法需要用滤波来过滤一些不需要的东西，本文中用到的方法就是高通滤波和低通滤波这两种，高通滤波指的是增强边缘等高频信号，使得到的图片变得更容易识别，而低通滤波则是通过降噪的方式来处理图像。

2。1 线性变换和分段线性变换

2。1。1 线性变换

用大家能够理解的方式来说，设定一个常数作为固定的比例系数，实现因变量和自变量之间的比例变换，就是线性变换。下面的线性函数是灰度发生变换的函数：

借助这个函数，输出图像可以很清楚的显示出对比度的变化，在时，显示出图像的对比度逐渐变大；相反时，显示出图像的对比度逐渐变小；而输出图像的明亮度变化是仅在，时，通过输出图像的灰度值上下变动实现的。如果的值小于零，这个时候像素点的运算，类似于对原始图像的补充，即将图像的亮处和暗处进行明亮度互换调整。

没有特殊的情况下，直接线性拉伸就是不加区别地将原图中所有灰度值统一进行拉伸。

2。1。2 分段线性变换

将图像区间分成两段甚至多段来做线性变换叫做分段线性变换。分段线性变换可以突出感兴趣的部分，抑制某些不需要的部分。如图21所示：

图 21 三段式线性变换

图21所示的三段式公式为

由此可见，分段线性变换对[r1,r2]进行拉伸，也就是加强这个区间内的信