msrcr图像增强算法 matlab,图像处理之Retinex增强算法(SSR、MSR、MSRCR)

视网膜-大脑皮层(Retinex)理论认为世界是无色的，人眼看到的世界是光与物质相互作用的结果，也就是说，映射到人眼中的图像和光的长波(R)、中波(G)、短波(B)以及物体的反射性质有关

其中I是人眼中看到的图像，R是物体的反射分量，L是环境光照射分量，(x, y)是二维图像对应的位置

基于上面的原理，看下Retinex常见的几种增强算法

一、SSR(Single Scale Retinex)单尺度Retinex算法

它通过估算L来计算R，具体来说，L可以通过高斯模糊和I做卷积运算求得，用公式表示为：

其中F是高斯模糊的滤波器，“ * ”表示卷积运算

其中σ称为高斯周围空间常数(Gaussian Surround Space Constant)，也就是算法中所谓的尺度，对图像处理有比较大的影响，对于二维图像

对应于图像中位置，即：

因此，这个算法的思路就可以归结为以下几步：

1、输入: 原始图像数据I(x,y),尺度(也就是高斯函数中的σ)

2、①计算原始图像按指定尺度进行模糊后的图像 L(x,y);

②按照log(R)=log(I)-log(L)公式的计算方法计算出 Log[R(x,y)]的值

③将 Log[R(x,y)]量化为0到255范围的像素值，作为最终的输出，量化公式：R(x,y) = ( Value - Min ) / (Max - Min) * (255-0)(注：无需将Log[R(x,y)]进行Exp函数的运算,而是直接利用Log[R(x,y)]进行量化，即上述公式中的value值)

<