简介一份面向水下图像增强与融合的 Matlab 工程资源主要服务图像处理方向毕设、课设与算法入门者。实现聚焦经典融合增强思路包含拉普拉斯金字塔重建、高斯金字塔分解、引导滤波与双边滤波、白平衡校正、显著区域检测及 UCIQE 质量评估等覆盖从预处理到质量评价的完整流程代码中还加入 RGB/La b 颜色空间转换与基础层细节层分离针对水下图像偏蓝偏绿、对比度低等问题设计融合权重。同时附带原理论文与说明文档便于对照理解。压缩包共 55 个文件由 12 个 .m 源程序、41 张水下原始图与增强结果对比图、1 篇论文和 1 份说明文档组成整体约 7.01 MB目录分为算法模块与结果图像便于按需查阅。全部源码经过严格测试可在 Matlab 中直接运行也支持替换图像做进一步实验。目前已有 74 人学习浏览适合用于课设毕设选题、算法复现或水下图像处理应用扩展。1. 拿到水下图像增强融合算法的 MATLAB 包先分清增强和融合一个名为“水下图像增强融合算法”的 MATLAB zip 包通常包含的并不是单个滤波器而是一套“先增强、再融合”的级联流程。水下图像退化有两个独立维度一是水体对红光吸收快、蓝绿光穿透深导致色彩严重偏蓝绿二是悬浮颗粒造成散射使对比度下降、细节模糊。增强环节负责修正这两类退化融合环节则把不同增强结果中各自保留的有效信息合并成一幅更完整的输出。这个标题真正的技术含量在于融合不是简单的像素平均而是要在“色彩还原”和“细节锐化”这两个互相牵制的目标之间做加权决策。适合的人群是正在做海洋工程、水下机器人视觉或遥感图像预处理的人。解压 zip 之前建议先用 MATLAB 的unzip函数或系统工具把文件放到无中文路径的目录下因为后续脚本里的相对路径在中文目录下常出幺蛾子。2. 水下成像退化模型与增强融合算法的选型逻辑2.1 为什么直接套用直方图均衡化不够用水下图像最直观的问题就是偏色和低对比度所以很多初学者第一反应是调用histeq或imadjust。这两个函数确实能把灰度动态范围拉开但问题在于水下图像的色彩偏移是非线性的通道间的衰减系数差异很大。红通道在 5 米深度可能已经衰减掉 70% 以上的能量而蓝绿通道还保留着较强的信号。用imadjust对每个通道做独立拉伸会放大蓝绿通道的噪声同时让红通道的微弱信号也“被拉伸”结果是输出图色彩更怪异。常见的水下退化模型是 Jaffe-McGlamery 模型简化形式为I(x) J(x) * T(x) B * (1 - T(x))其中I是观测到的退化图像J是清晰辐射图T是透射率图B是背景光。这个模型说明要恢复J必须估计两个量——背景光B和透射率T。基于这个模型的方法称为“物理模型法”代表作是水下暗通道先验UDCP及其变体。但物理模型法有个通病当水体浑浊程度很高时透射率估计误差会被指数放大导致恢复出的图像出现光晕伪影。另一种思路是“非物理模型法”直接对像素分布做调整比如灰度世界假设、白平衡、直方图规定化、Retinex 增强等。这类方法计算简单、实时性好但不会修正散射造成的模糊。所以真正实用的工程方案通常把两者结合起来先用物理模型估计透射率做去模糊再用色彩校正方法恢复色调最后用融合把两个版本的优点叠加。这也正是“水下图像增强融合算法”这个 zip 包最可能的核心逻辑。2.2 融合算法里到底在融合什么融合不是把原图和处理图各取一半像素。标准的多尺度融合Multi-Scale Fusion思路最早来自 Ancuti 等人的工作把同一张退化图经不同增强算法生成多个输入然后计算每个输入的权重图再做金字塔融合。在 MATLAB 中多尺度融合的“尺度”通常指拉普拉斯金字塔和高斯金字塔。拉普拉斯金字塔保存每个尺度的边缘细节高斯金字塔用于对权重图做平滑避免融合边界出现接缝。整体流程如下对原始水下图像分别做白平衡增强、对比度拉伸增强、锐化增强。对每张增强图计算权重局部对比度权重、色彩饱和度权重、显著性权重。将权重图做高斯金字塔分解将增强图做拉普拉斯金字塔分解。每一层按权重金字塔对拉普拉斯金字塔加权求和。重构金字塔输出融合结果。权重计算中局部对比度权重常用拉普拉斯滤波器的响应绝对值显著性权重可以用频域残差法或 MATLAB 的saliency相关函数需要 Image Processing Toolbox。对水下图像来说局部对比度权重最为关键因为它直接决定了融合结果保留多少细节。2.3 融合算法的取舍单尺度融合与多尺度融合的适用边界很多人误以为融合层数越多越好。实际经验是对 640×480 的典型水下图像3 到 4 层金字塔就足够了。层数再多低频部分会被过度平滑色彩层次反而丢失。单尺度融合直接对权重图归一化后加权求和速度很快适合视频流实时处理但遇到亮度突变区域会出现光晕多尺度融合能避免光晕但计算量大约增加 3 到 5 倍。如果 zip 包里同时存在fusion_single.m和fusion_multiscale.m建议优先看多尺度版本。fusion_multiscale.m里通常会有类似这样的金字塔构建代码function pyr laplacian_pyramid(img, levels) % 输入 img 为 double 类型灰度图或三通道图 % levels 为金字塔层数常用 3 或 4 pyr cell(levels, 1); current img; for i 1:levels % 先高斯降采样 gauss_filter fspecial(gaussian, 5, 1.0); blurred imfilter(current, gauss_filter, replicate); down blurred(1:2:end, 1:2:end, :); % 再上采样回原尺寸用于差分 up imresize(down, [size(current,1), size(current,2)], bilinear); pyr{i} current - up; % 拉普拉斯层 当前层 - 预测层 current down; end pyr{levels1} current; % 最后一层保存低频残差 end这段代码的关键在于imresize的上采样方式。bilinear是常用选择但如果你追求边缘更锐利可以改用lanczos3。注意金字塔差分是在 double 类型下计算的如果输入是 uint8必须先转换否则会出现负数截断融合结果会出现黑色网格状伪影。参数levels不是越大越好我一般对水下图像固定为 3。因为水下图像本身细节退化严重更高层级的拉普拉斯分量基本是噪声。3. 用 MATLAB 跑通水下图像增强融合的最小复现流程3.1 解压 zip 后先检查这些文件拿到水下图像增强融合算法-matlab.zip解压后先看目录结构。常见结构是root/ ├── main.m ├── functions/ │ ├── white_balance.m │ ├── contrast_enhance.m │ ├── sharpening.m │ ├── weight_map.m │ └── fusion_pyramid.m ├── data/ │ ├── underwater1.png │ └── underwater2.jpg └── results/首先要做的不是双击main.m而是用 MATLAB 打开main.m按CtrlEnter逐节运行。因为很多包是作者在某个特定版本下写的可能在imresize的插值方法参数或fspecial的使用上有兼容问题。MATLAB R2018a 之后fspecial仍可用但 MATLAB 官方更推荐imgaussfilt如果你的版本较新且工具箱完整可以顺手替换。% main.m 的基本框架根据常见实现整理 clc; clear; close all; addpath(genpath(functions)); img imread(data/underwater1.png); if size(img, 3) 1 img repmat(img, 1, 1, 3); end img im2double(img); % 统一转到 double % 第一步白平衡增强 img_wb white_balance(img); % 第二步对比度增强CLAHE img_clahe contrast_enhance(img); % 第三步锐化增强 img_sharp sharpening(img); % 第四步计算融合权重并融合 weight_wb weight_map(img_wb); weight_clahe weight_map(img_clahe); weight_sharp weight_map(img_sharp); fused fusion_pyramid({img_wb, img_clahe, img_sharp}, ... {weight_wb, weight_clahe, weight_sharp}, 3); figure; imshow([img, fused]); title(左原图 右融合增强结果);这段代码的逻辑很直白把三个增强结果当成三个“专家”每个专家有自己的权重图融合金字塔负责协调他们。注意im2double是必须的因为后续所有滤波操作都假定输入在[0,1]区间内。如果你直接用imread读出来的 uint8 数据做运算减法和卷积都会产生溢出。addpath(genpath(functions))是为了把子文件夹下的函数全部加入路径避免white_balance等函数找不到。3.2 白平衡实现的两种常见写法水下白平衡不能直接使用陆地图像的灰度世界算法因为水下场景中蓝色通道的整体能量本来就高强制三通道均值相等会把画面变成偏黄。常见做法是“灰度世界 通道增益钳制”。function out white_balance(img) % 简化版灰世界白平衡带通道增益限制 r img(:, :, 1); g img(:, :, 2); b img(:, :, 3); mean_r mean(r(:)); mean_g mean(g(:)); mean_b mean(b(:)); % 以绿色通道为基准 gain_r mean_g / (mean_r eps); gain_b mean_g / (mean_b eps); % 限制增益范围防止红通道过度放大 gain_r min(gain_r, 2.5); gain_b min(gain_b, 2.5); out cat(3, r * gain_r, g, b * gain_b); out min(out, 1); end这里把红通道增益限制在 2.5是因为水下 5 米处红通道衰减到原值的 20% 到 30%理论上增益需要 3 到 5 倍但直接乘大会暴露噪声。限制到 2.5 是一种保守策略实际效果是颜色校正不完全但噪声可控。如果你把限制改到 4输出会偏紫红细节噪声明显。参数eps是防止除零图像中纯黑像素的通道均值不可能完全为 0但加上更保险。3.3 CLAHE 对比度增强的参数设定contrast_enhance.m里大概率用的是adapthisteq自适应直方图均衡化也就是 CLAHE。这个函数有两个必调参数NumTiles和ClipLimit。function out contrast_enhance(img) % 对每个颜色通道分别做 CLAHE out img; for c 1:3 out(:, :, c) adapthisteq(img(:, :, c), ... NumTiles, [8 8], ... ClipLimit, 0.02, ... Distribution, rayleigh, ... Alpha, 0.4); end endNumTiles决定局部对比度增强的粒度[8 8]表示把图像分为 8×8 的块每个块内做直方图均衡。对于水下图像块太小如[16 16]会出现块状伪影块太大如[4 4]则退化成全局均衡失去局部适应性。ClipLimit是直方图裁剪上限取值范围常见为0.01到0.1。0.02是比较保守的值如果图像过暗可以升到0.05但要注意蓝绿通道的噪声会被同步放大。Distribution设为rayleigh是为了塑造直方图形状让输出更符合自然图像的亮度分布。这里的Alpha只对rayleigh和exponential分布有效控制分布的形状参数。在融合流程中CLAHE 的输出通常负责“对比度”这一路输入所以不要对它做额外的 gamma 校正。gamma 校正会改变权重图中的局部对比度响应影响融合时细节的取舍。4. 融合权重计算与色彩校正的必调参数4.1 权重图计算的三个核心指标权重图决定了融合结果中每个像素更信任哪个输入。常见实现里weight_map.m会整合三个指标局部对比度权重用拉普拉斯滤波器卷积后取绝对值响应越大说明边缘越强。色彩饱和度权重计算每个像素 RGB 三通道的标准差标准差越大颜色越鲜艳。显著性权重计算像素与图像平均颜色的距离距离越大越显著。下面是一段可以直接替换的weight_map.m实现function W weight_map(img) % 输入 img 为 double 类型三通道图像 % 返回 W 为与 img 同尺寸的权重图单通道 % 局部对比度拉普拉斯响应绝对值 lap_filter fspecial(laplacian, 0.5); lap imfilter(rgb2gray(img), lap_filter, replicate); W_contrast abs(lap); % 色彩饱和度三通道标准差 mean_rgb mean(img, 3); std_rgb sqrt(mean((img - repmat(mean_rgb, 1, 1, 3)).^2, 3)); W_sat std_rgb; % 显著性与平均颜色的欧氏距离 mean_color repmat(reshape(mean(reshape(img, [], 3)), 1, 1, 3), ... size(img, 1), size(img, 2), 1); W_saliency sqrt(sum((img - mean_color).^2, 3)); % 组合权重乘法组合避免线性加和抵消 W W_contrast .* W_sat .* W_saliency; % 平滑权重图避免融合接缝 W imgaussfilt(W, 1.5); end这段代码的乘法组合是刻意为之。如果改用加法组合某一路权重为 0 时其他路的权重依然有效融合结果会显得“平均化”。乘法则要求三路指标都很高时权重才高能突出那些同时具备边缘、色彩和显著性的区域。imgaussfilt的 sigma 参数1.5不能太小不然权重图会有高频抖动但也不能大于 3否则边缘位置偏移融合结果会出现重影。4.2 色彩校正白平衡之后还需要什么很多 zip 包在融合前还会加一步基于灰度世界的色彩校正这步和white_balance不同它是在融合之后做全局色偏修正。融合输出可能因为 CLAHE 的直方图重塑而再次出现偏色所以需要二次校正。常见的二次校正是灰度世界Gamma 联合校正function out color_correction(img) % 融合后的颜色校正 % 灰度世界校正 avg_r mean(img(:, :, 1), all); avg_g mean(img(:, :, 2), all); avg_b mean(img(:, :, 3), all); avg_all (avg_r avg_g avg_b) / 3; out(:,:,1) img(:,:,1) * (avg_all / (avg_r eps)); out(:,:,2) img(:,:,2) * (avg_all / (avg_g eps)); out(:,:,3) img(:,:,3) * (avg_all / (avg_b eps)); % 限制到合理范围 out min(max(out, 0), 1); % 可选轻微 gamma 校正 out out .^ 0.95; end注意这里的灰度世界校正是全局的如果图像中有大面积非水体的物体如潜水员、鱼群全局均值会被这些物体拉偏。工程上的妥协是只对图像的下半部分做统计因为水下机器人拍摄的图像底部通常是水体背景物体占比较小。0.95的 gamma 指数让图像稍微变亮同时不会引起过曝。如果你发现融合结果整体偏暗把 gamma 改为0.85但不要低于0.8否则对比度会丢失。4.3 融合层数与亮度范围的适配融合金字塔的层数和权重图的 sigma 值是相互关联的。层数越多金字塔顶层对应的空间频率越低如果权重图 sigma 较小高频权重会被逐层放大导致融合结果偏锐利甚至出现伪边缘。我常用的参数组合是场景金字塔层数权重图 sigmaCLAHE ClipLimit浅水3-5米31.50.02深水10米以上42.00.035浑浊水体低能见度52.50.05深水场景需要更多层因为低频色彩信息占主导融合权重需要更大范围的空间平滑。浑浊水体下透射率很低CLAHE 的对比度增强力度要加大但必须用较大的 sigma 来抑制噪声。这个表格不是万能公式但它给出了调整的方向水体越浑浊层数、sigma、ClipLimit 三者都要同步调大。一个典型的失败现象是融合结果出现“局部泛白”。这通常是因为ClipLimit过大导致某一通道被过度拉伸权重图中该区域的对比度权重异常高融合时把过曝的像素也当成有效细节。排查方法是分别输出三个增强结果和对应的权重图用imshow查看权重图是否在高亮区域有异常的峰值。4.4 调试用的 MATLAB 可视化工具包在 MATLAB 里调试融合流程imshowpair是比imshow更高效的函数。它能生成差异图、叠加图或蒙太奇imshowpair(img, fused, montage); imshowpair(weight_wb, weight_clahe, falsecolor);falsecolor模式会把两张权重图映射为青色和品红色叠加显示重叠区域呈白色差异区域颜色分明非常适合快速判断哪一路权重主导了融合。如果你需要定量比较增强前后的灰度分布用histogram绘制三通道直方图观察通道均值的相对位置是否合理。水下图像增强后三通道均值差距应该显著缩小但不会完全相等因为完全相等反而会丢失水体的蓝绿色特征。5. 验证增强效果的三条捷径从指标到可视化5.1 用无参考图像质量指标 UCQI 做自动化筛选水下图像没有真实参考图所以无法用 PSNR 或 SSIM。常用的是 UCIQE水下彩色图像质量评价和 UIQM水下图像质量测量。MATLAB 没有内置这两个函数但可以根据论文公式自己写一个简化版 UCIQEfunction score uciqe(img) % img 为 double 类型水下图像 img_lab rgb2lab(img); [~, ~, b] imsplit(img_lab); % 色度分量标准差 chroma sqrt(a.^2 b.^2); score 0.4680 * std(chroma(:)) ... 0.2745 * mean(abs(a(:) - mean(a(:)))) ... 0.2576 * mean(b(:)); end这个公式只取了论文核心三项的近似。用它跑批量数据时你会发现在脚本运行结束后score值最大的参数组合往往对应视觉上“色彩鲜艳但不过曝”的结果。把这个函数写成一个脚本用for循环扫ClipLimit从 0.01 到 0.06 的网格是找到本图最优参数的快捷路径。需要注意的是UCIQE 对蓝绿色偏有天然偏好如果场景中物体本身颜色就偏蓝分数可能虚高所以还是要结合目视结果。5.2 用边缘保持指数判断细节是否真的增强很多融合结果看起来“干净”但细节其实被磨平了。边缘保持指数EPI可以量化这问题计算增强前后的拉普拉斯响应能量比。function epi edge_preservation(img, fused) lap fspecial(laplacian, 0.5); edge_orig imfilter(rgb2gray(img), lap, replicate); edge_fused imfilter(rgb2gray(fused), lap, replicate); epi sum(edge_fused(:).^2) / (sum(edge_orig(:).^2) eps); endEPI 大于 1.2 说明增强引入了更多边缘能量大概率是有效细节但如果大于 2.5你就要警惕锐化过度产生的振铃。配合这个指标你可以在融合后判断到底该增加ClipLimit还是调整锐化强度。注意计算前要保证img和fused已经对齐且尺寸一致。5.3 把融合过程导出成中间结果图最后一个技巧是不要只保存最终fused图像。在main.m里增加一段导出逻辑把三个增强中间态和权重图一同写成 PNG。PNG 是无损压缩对于数值分析的图像数据比 JPG 可靠。output_dir results/output_debug; if ~exist(output_dir, dir) mkdir(output_dir); end imwrite(img, fullfile(output_dir, 01_input.png)); imwrite(img_wb, fullfile(output_dir, 02_white_balance.png)); imwrite(img_clahe, fullfile(output_dir, 03_clahe.png)); imwrite(img_sharp, fullfile(output_dir, 04_sharp.png)); imwrite(fused, fullfile(output_dir, 05_fused.png)); % 权重图归一化后保存 imwrite(mat2gray(weight_wb), fullfile(output_dir, 06_w_wb.png));这样做的价值在于当最终结果不理想时你可以通过对比 02、03、04 这三张图快速定位是哪一路增强出了问题。如果05_fused在某些区域比所有中间图都差说明融合权重计算有误而不是增强环节的问题。mat2gray会把权重图映射到 0~1否则权重值域可能不在灰度图像的合法范围内保存后会全黑。这套调试习惯能减少大量重复跑脚本的时间也方便把中间结果放进报告或论文里作为过程展示。本文还有配套的精品资源点击获取