本文包含了5种Retinex理论增强算法,1种直方图增强算法,助力你进行论文复现、实验对比,图像数据增强。
先来介绍一下Retinex理论。
Retinex是一种常用于图像增强的算法,其核心思想是在保留图像细节信息的前提下,调整图像的对比度和亮度。Retinex算法主要有三种不同的实现方式:单尺度Retinex(SSR)、多尺度Retinex(MSR)和多尺度自适应增益Retinex(MSRCR)。
单尺度Retinex算法假设图像中的光照变化主要集中在低频分量上,因此只需对图像进行一次滤波处理即可去除低频分量,然后对得到的中高频分量进行增强。
多尺度Retinex算法将图像分解成不同尺度的图像,对每个尺度的图像进行增强,以保留不同尺度的细节信息。
多尺度自适应增益Retinex算法综合了前两种算法,先分解成不同尺度的图像,然后使用自适应增益函数对每个尺度的图像进行增强,最后重建图像以达到增强效果。
Retinex的理论基础是三色理论和颜色恒常性。
这意味着物体的颜色是由它对红、绿、蓝三种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。同时,物体的颜色也不会受到光照不均匀性的影响,具有一致性。
Retinex模型利用这种颜色恒常性,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,不同于传统的只能增强图像某一类特征的方法。
我看网上的代码往往是运行出来各种报错,并且需要自己去搜索Retinex的理论的各种衍生算法,我搜集了5种Retinex理论增强算法,1种直方图增强算法,帮助大家节省实验对比的时间,代码链接放在下面了
一顿饭钱就能节省好多时间,快速出图,增强效果如下
代码中可以将每种处理结果单独出图,可以放在论文中,美观大方
开组会时用作复现的结果增加自己的工作量也是美滋滋
各位老爷何不考虑一下?本人使用此代码作为对比实验发了一篇计算机方向的EI,代码运行真实性有保障。