1.3.1 Rentinex理论
Retinex(视网膜“Retina”和大脑皮层“Cortex”的缩写)理论是一种建立在科学实验和科学分析基础上的基于人类视觉系统(Human Visual System)的图像增强理论。该算法的基本原理模型最早是由Edwin Land(埃德温•兰德)于1971年提出的一种被称为的色彩的理论,并在颜色恒常性的基础上提出的一种图像增强方法。Retinex 理论的基本内容是物体的颜色是由物体对长波(红)、中波(绿)和短波(蓝)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理论是以色感一致性(颜色恒常性)为基础的。
根据Edwin Land提出的理论,一幅给定的图像S(x,y)分解成两幅不同的图像:反射物体图像R(x,y)和入射光图像L(x,y),其原理示意图如图8.3-1所示。
![v2-e3f2f9370c3e0407c2d06d1128bd682c_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/8c4492ceef4364d7b0eafc87d20c3c0c.png)
图 1.3-1 Retinex理论示意图
对于观察图像S中的每个点(x,y),用公式可以表示为:
S(x,y)=R(x,y)×L(x,y) (1.3.1)
实际上,Retinex理论就是通过图像S来得到物体的反射性质R,也就是去除了入射光L的性质从而得到物体原本该有的样子。
1.3.2 基于Retinex理论的图像增强的基本步骤
步骤一: 利用取对数的方法将照射光分量和反射光分量分离,即:
S'(x, y)=r(x, y)+l(x, y)=log(R(x, y))+log(L(x, y));
步骤二:用高斯模板对原图像做卷积,即相当于对原图像做低通滤波,得到低通滤波后的图像D(x,y),F(x, y)表示高斯滤波函数:
D(x, y)=S(x, y) *F(x, y);
步骤三:在对数域中,用原图像减去低通滤波后的图像,得到高频增强的图像G(x, y):
G(x,y)=S'(x, y)-log(D(x, y)) ;
步骤四:对G(x,y)取反对数,得到增强后的图像R(x, y):
R(x, y)=exp(G(x, y));
步骤五:对R(x,y)做对比度增强,得到最终的结果图像。
1.3.3 多尺度Retinex算法
D Jobson等人提出了多尺度Retinex算法,多尺度算法的基本公式是:
![v2-ee242fc6540cc1d67a7ac91853900478_b.jpg](https://ss.csdn.net/p?https://pic1.zhimg.com/v2-ee242fc6540cc1d67a7ac91853900478_b.jpg)
其中,
![v2-ec29f5722233f35db6340b1564cfb5e5_b.jpg](https://ss.csdn.net/p?https://pic2.zhimg.com/v2-ec29f5722233f35db6340b1564cfb5e5_b.jpg)
是Retinex的输出,
![v2-31185c58d6ee02ba7288684c1e76fb98_b.jpg](https://ss.csdn.net/p?https://pic1.zhimg.com/v2-31185c58d6ee02ba7288684c1e76fb98_b.jpg)
表示3个颜色谱带,
![v2-8950e66e68f9e4057156b90b4f8515ad_b.jpg](https://ss.csdn.net/p?https://pic2.zhimg.com/v2-8950e66e68f9e4057156b90b4f8515ad_b.jpg)
是高斯滤波函数,
![v2-1624aa99695efd5a6512f004d283facd_b.jpg](https://ss.csdn.net/p?https://pic2.zhimg.com/v2-1624aa99695efd5a6512f004d283facd_b.jpg)
表示尺度的权重因子,