python+opencv图像处理（三十八）

Retinex理论

最近研究了下Retinex，这个算法用的地方还挺多的，较多是用在水下图像或者去雾等，还没有研究得太清楚，先做个笔记

。

Retinex是Edwin.H.Land于1963年提出的建立在科学实验和科学分析基础上的图像增强方法。Retinex是由retina和cortex两个单词合成的，即：视网膜和皮层。

Retinex理论是建立在以下三个假设之上的：

（1）真实世界是无颜色的，我们所感知的颜色是光与物质相互作用的结果。

（2）每一颜色区域由给定波长的红、绿、蓝三原色构成。

（3）三原色决定了每个单位区域的颜色。

Retinex理论的基础理论是物体的颜色是由物体对长波、中波、短波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。

1、单尺度SSR（Single Scale Retinex）

一幅给定的图像s(x,y)可以分解为两个不同的图像：反射图像R(x,y)和亮度图像L(x,y)。

即：S(x,y)=R(x,y)·L(x,y)   式1

其中，S(x,y)是原始图像。R(x,y)是反射图像。L(x,y)是亮度图像。

Retinex理论就是在原始图像中，通过某种方法去除或降低入射光图像即亮度图像的影响，从而尽量保留反射光图像。

一般的处理过程如下：

（1）对上式两边取对数，即：logS(x,y)=logR(x,y)+logL(x,y)，

故：logR(x,y)=logS(x,y)-logL(x,y) 式2

（2）估算L(x,y)，通常用的是高斯函数来估算，即：

logL(x,y)=log[F(x,y)*S(x,y)] 式3

这里的*表示卷积，F(x,y)=

,其中， c表示高斯环绕尺度，是一个尺度，它的取值须满足：

（3）将式3的结果代入式2中即可得到logR(x,y)，再对其取反对数，即可得到R(x,y)。

2、实验结果

如下图所示，左图为原图，右边两张图是SSR后的图，因为尺度选择的不同，其效果是有差别的。