深入探究Retinex

导读

  Retinex理论是建立在人对颜色感知的恒常性上，真实物体都是无色的，所有颜色的产生都是光和物体相互作用，再被人眼感知的过程。在这样的理论基础下，Retinex模仿人类视觉系统，衍生出了很多简单实用的算法。Retinex相关算法，兼顾了动态范围增强，细节增强，颜色恒常性等方面。我自己在看这些算法的时候，其实遇到了不少问题，特此记录。

  本文不再叙述算法模型，而从上面提到的几个方面出发，从最基础的图像处理知识入手，结合自己的理解，深入探究Retinex算法。如对Retinex还不太了解，可以先去自行搜索相关博客等。

Retinex

  Retinex算法在色偏、低照度、雾图等成像环境恶劣的情况下有显著效果，因此着重于这几个点对Retinex算法进行分解，从个人理解的角度详解算法中的每个步骤。

  首先回顾一下单尺度Retinex(Single Scale Retinex)算法框架，对输入图像$I$，若是多通道就分通道处理：

• 将$I$变换到log域，得到$I_{log}$。
• 用尺度为$\alpha$的高斯核对$I$卷积来估计光照$G$，并变换到log域，得到$G_{log}$