基于Retinex的水下图像增强算法---去除光照的影响，还原图像的本来面目

1、单尺度SSR（Single Scale Retinex）

import cv2
import numpy as np
import matplotlib.pyplot as plt

#SSR
def replaceZeroes(data):
    min_nonzero = min(data[np.nonzero(data)])
    data[data == 0] = min_nonzero
    return data

def SSR(img,ksize):
    L_blur = cv2.GaussianBlur(img,(ksize,ksize),0)  # 对输入图像进行高斯模糊处理
    img = replaceZeroes(img)
    L_blur = replaceZeroes(L_blur)
 
    dst_img = cv2.log(img/255.0)
    dst_Lblur = cv2.log(L_blur/255.0)
    dst_IxL = cv2.multiply(dst_img,dst_Lblur)    # 高斯模糊后的图与原图相乘？不这样，只会留下边缘部分
    log_R = cv2.subtract(dst_img,dst_IxL)
#     log_R = cv2.subtract(dst_img,dst_Lblur)
 
    # array = cv2.normalize(array,None,0,255,cv2.NORM_MINMAX),指定将图片的像素值放缩到 0-255 之间,线性量化
    # 量化操作，量化的方式对处理效果有决定性影响，目前没有论文能够对这一块选用什么方式讲清楚
    dst_R = cv2.normalize(log_R,None,0,255,cv2.NORM_MINMAX)   
    # array = cv2convertScaleAbs(src, dst=None, alpha=None, beta=None)
    # 输入深度图数组中的每个值srci（它是16位的，数据类型是uint16），先乘以系数α，再加上偏置β，最后将结果取绝对值，
    # 并截取为8位（uint8），然后返回与原数组相同维度的数组dst。
    dsr_R = np.exp(dst_R)
    log_uint8 = cv2.convertScaleAbs(dst_R)
    return log_uint8 
    
    # 效果一样，手动实现缩放
#     minvalue,maxvalue,minloc,maxloc = cv2.minMaxLoc(log_R)
#     for i in range(h):
#         for j in range(w):
#             log_R[i,j] = (log_R[i,j]-minvalue)*255.0/(maxvalue-minvalue)
#     log_uint8 = cv2.convertScaleAbs(log_R)
#     return log_uint8

img = cv2.imread("C:\\Users\\HP\\Desktop\\ssr_test.PNG")
b,g,r = cv2.split(img)
img = cv2.merge([r,g,b])
ssr_img = SSR(img,3) 
plt.subplot(3,1,1)
plt.imshow(img)
plt.subplot(3,1,2)
plt.imshow(ssr_img)
float_img.shape,blur_img.shape