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
- 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。
- 每一颜色区域由给定波长的红、绿、蓝三原色构成的。
- 三原色决定了每个单位区域的颜色。
3.算法理论发展
- 单尺度Retinex算法(single scale retinex, SSR)
- 多尺度加权平均的Retinex算法(multi-scale retinex, MSR)
- 带彩色恢复的多尺度Retinex算法(multi-scale retinex with color restoration, MSRCR)。
4.理论内容
- 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
- 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。
- 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.