颜色恒常知觉的计算理论——Retinex理论

1.简介

Retinex是一种常用的建立在科学实验和科学分析基础上的图像增强方法，它是Edwin.H.Land于1963年提出的。就跟Matlab是由Matrix和Laboratory合成的一样，Retinex也是由两个单词合成的一个词语，他们分别是retina 和cortex，即：视网膜和皮层。

 

2.建立的基础

1. 真实世界是无颜色的，我们所感知的颜色是光与物质的相互作用的结果。
2. 每一颜色区域由给定波长的红、绿、蓝三原色构成的。
3. 三原色决定了每个单位区域的颜色。

 

3.算法理论发展

1. 单尺度Retinex算法（single scale retinex, SSR）
2. 多尺度加权平均的Retinex算法（multi-scale retinex, MSR）
3. 带彩色恢复的多尺度Retinex算法（multi-scale retinex with color restoration, MSRCR）。

 

4.理论内容

1. 物体的颜色是由物体对长波、中波和短波光线的反射能力决定的，而不是由反射光强度的绝对值决定的
2. 物体的色彩不受光照非均性的影响，具有一致性。即retinex是以色感一致性（颜色恒常性）为基础的。
3. 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达到平衡，因此可以对各种不同类型的图像进行自适应的增强。

 

5.通用计算方法

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（也有人称之为入射图像）L(x,y)，其原理如下图所示：

 

如上图所示，图像可以看做是由入射图像和反射图像构成，入射光照射在反射物体上，通过反射物体的反射形成反射光进入人眼，就是人类所看到的图像，如图所示，最后形成的图像可以用公式表示为

S(x,y)=R(x,y)·L(x, y)

其中，L(x, y)表示入射光图像，它直接决定了图像中像素所能达到的动态范围，R(x,y)表示物体的反射性质图像，即图像的内在属性，S(x,y)表示人眼所能接收到的反射光图像。

Retinex理论的基本思想就是在原始图像中，通过某种方法去除或者降低入射图像的影响，从而尽量的保留物体本质的反射属性图像。基于Retinex的图像增强的目的就是从原始图像S中估计出光照L，从而分解出R，消除光照不均的影响，以改善图像的视觉效果，正如人类视觉系统那样。

从数学上来讲，求解R(x,y)是一个奇异问题，只能通过数学方法近似的估计来计算。根据亮度图像估计方法的不同，先后涌现出了很多Retinex算法.