MATLAB图像去雾算法RETINEX实现

MATLAB图像去雾算法RETINEX实现

本文主要介绍基于Retinex理论的雾霭天气图像增强及其实现。并通过编写两个程序来实现图像的去雾功能。

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。

参考链接 【如链接无效，请留言提醒】

MATLAB图像去雾.zip-其它文档类资源-CSDN下载

图-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。

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。

3 多尺度Retinex算法

在MSR算法的增强过程中，图像可能会因为增加了噪声而造成对图像中的局部区域色彩失真，使得物体的真正颜色效果不能很好的显现出来，从而影响了整体视觉效果。为了弥补这个缺点，一般情况下会应用带色彩恢复因子C的多尺度算法（MSRCR）来解决。带色彩恢复因子C的多尺度算法(MSRCR)]是在多个固定尺度的基础上考虑色彩不失真恢复的结果，在多尺度Retinex算法过程中，我们通过引入一个色彩因子C来弥补由于图像局部区域对比度增强而导致图像颜色失真的缺陷，通常情况下所引入的色彩恢复因子C的表达式为