Retinex影像增強演算法的優勢分析

    上面我們已經介紹了關於各類影像增強演算法，並重點對Retinex影像增強演算法進行了模擬，這裡我們將通過Retinex演算法和別的影像增強演算法的模擬結果對比，討論Retinex演算法的優勢。

1 空域影像增強演算法的模擬及模擬效能分析

·影像增強模擬效果

    空間域影像增強演算法有多種方式，這裡我們重點討論中值濾波演算法。 該演算法模擬結果如下所示：

·灰度直方圖

    任意選取一個圖片，通過其灰度直方圖進行增強分析，如圖2所示。

·熵

    影像的熵值反映了影像的資訊量，熵越大，資訊量就越大，那麼對應的影像的細節越豐富，下面我們對增強前後的影像計算其熵。

    我們計算測試圖片的熵，其計算結果如表2所示：

表2 中值濾波後的影像熵值

增強前的熵	增強後的熵
10.9280	11.6472

通過上面的分析，我們發現利用中值濾波後，影像並沒有得到明顯增強，所以我們在時間實現中不考慮採用這種方法的影像增強方法。

2 頻域影像增強演算法的模擬及模擬效能分析

·影像增強模擬效果

   頻域影像增強演算法有多種方式，這裡我們重點頻域濾波演算法。 該演算法模擬結果如下所示：

圖4 利用頻域濾波進行影像增強前後對比圖

·灰度直方圖

    任意選取一個圖片，通過其灰度直方圖進行增強分析，如圖2所示。

 (a)增強前的影像和影像灰度直方圖

(b)增強後的影像和影像灰度直方圖

圖5灰度直方圖

    影像的熵值反映了影像的資訊量，熵越大，資訊量就越大，那麼對應的影像的細節越豐富，下面我們對增強前後的影像計算其熵。

    我們計算測試圖片的熵，其計算結果如表3所示：

表3 中值濾波後的影像熵值

增強前的熵	增強後的熵
10.9280	12.1093

通過上面的分析，通過頻域濾波以後，雖然從其效果較中值濾波有所改善，但是通過計算其熵值仍然比Retinex演算法小，其外頻域增強法需要通過操作FFT和IFFT，在硬體實現上需要大量的資源，所以我們在硬體上使用Retinex進行影像增強演算法的實現。