一、基本原理
Retinex 理论将一幅图像分为亮度图像和反射图像两部分,通过改善亮度图像对反射图像的影响而达到增强效果。传统Retinex 理论假设,亮度图像对应于原始图像的低频部分,而反射图像对应于高频部分。因此,通常采用一个低通滤波器来估计图像的亮度,但此方法的缺点在于,对于边缘部分会造成模糊。随后,又发展出带“边缘保持”的低通滤波方法,可有效改善这个问题。由于边缘部分的梯度值通常较大,所以与梯度有关的函数也经常拿来“边缘保持”。
二、具体实现
基于以上原理,本算法对亮度图像的估计是实现的一种带限制的最优化问题。为加快速度,可先对原始图像进行多尺度分解,先从低分辨率图像中估计出亮度,再将其作为上一层迭代的初始值,直至到原始图像层。
按上面方法从原始图像中分解出亮度图像和反射图像后,对其亮度图像进行压缩映射,实现时发现有些图片一次映射后仍然偏暗,也可考虑多迭代几次。
三、效果说明
(一)亮度估计