图像处理实例--Retinex增强处理

算法概述

Retinex理论的基础理论是物体的颜色是由物体对长波（红色）、中波（绿色）、短波（蓝色）光线的反射能力来决定的，而不是由反射光强度的绝对值来决定的，物体的色彩不受光照非均匀性的影响，具有一致性，即retinex是以色感一致性（颜色恒常性）为基础的。不同于传统的线性、非线性的只能增强图像某一类特征的方法，Retinex可以在动态范围压缩、边缘增强和颜色恒常三个方面打到平衡，因此可以对各种不同类型的图像进行自适应的增强。

40多年来，研究人员模仿人类视觉系统发展了Retinex算法，从单尺度Retinex算法改进成多尺度加权平均的Retinex算法，再发展成彩色恢复多尺度Retinex算法。

算法优点

该算法可以平衡图像灰度动态范围压缩、图像增强和图像颜色恒常三个指标，能够实现对含雾图像的自适应性增强。

实验代码

function in=retinex(f,flag)% 用retinex的msr实现图像去雾%提取图像的RGB分量fr=f(:,:,1);fg=f(:,:,2);fb=f(:,:,3);%数据类型归一化mr=mat2gray(im2double(fr));mg=mat2gray(im2double(fg));mb=mat2gray(im2double(fb));%定义alpha参数alpha=1200;%定义模板大小n=128;%计算中心n1=floor((n+1)/2);for i=1:n    for j=1:n        %高斯函数        b(i,j)=exp(-((i-n1)^2+(j-n1)^2)/(4*alpha))/(pi*alpha);    endend%卷积滤波nr1=imfilter(mr,b,'conv','replicate');ng1=imfilter(mg,b,'conv','replicate');nb1=imfilter(mb,b,'conv','replicate');ur1=log(nr1);ug1=log(ng1);ub1=log(nb1);tr1=log(mr);tg1=log(mg);tb1=log(mb);yr1=(tr1-ur1)/3;yg1=(tg1-ug1)/3;yb1=(tb1-ub1)/3;%定义beta参数beta=55;%定义模板大小%x=32;%计算中心%x1=floor((n+1)/2);for i=1:n    for j=1:n        %高斯函数        a(i,j)=exp(-((i-n1)^2+(j-n1)^2)/(4*beta))/(6*pi*beta);    endend%卷积滤波nr2=imfilter(mr,a,'conv','replicate');ng2=imfilter(mg,a,'conv','replicate');nb2=imfilter(mb,a,'conv','replicate');ur2=log(nr2);ug2=log(ng2);ub2=log(nb2);tr2=log(mr);tg2=log(mg);tb2=log(mb);yr2=(tr2-ur2)/3;yg2=(tg2-ug2)/3;yb2=(tb2-ub2)/3;%定义eta参数eta=13944.5;%定义模板大小%l=500;%计算中心%l1=floor((n+1)/2);for i=1:n    for j=1:n        %高斯函数        e(i,j)=exp(-((i-n1)^2+(j-n1)^2)/(4*eta))/(4*pi*eta);    endend%卷积滤波nr3=imfilter(mr,e,'conv','replicate');ng3=imfilter(mg,e,'conv','replicate');nb3=imfilter(mb,e,'conv','replicate');ur3=log(nr3);ug3=log(ng3);ub3=log(nb3);tr3=log(mr);tg3=log(mg);tb3=log(mb);yr3=(tr3-ur3)/3;yg3=(tg3-ug3)/3;yb3=(tb3-ub3)/3;dr=yr1+yr2+yr3;dg=yg1+yg2+yg3;db=yb1+yb2+yb3;cr=im2uint8(dr);cg=im2uint8(dg);cb=im2uint8(db);%集成处理后的分量得到图像in=cat(3,cr,cg,cb);%结果显示    figure;    subplot(1,2,1);imshow(f);title('原图像');    subplot(1,2,2);imshow(in);title('处理后的图像');end

测试图像如下：

参考文献：《MATLAB计算机视觉与深度学习实战》刘衍琪 詹福宇等著 电子工业出版社 2017年6月