Retinex图像增强算法（SSR，MSR，MSRCR）

Retinex是一种常用的建立在科学实验和科学分析基础上的图像增强方法，最早由埃德温•兰德（Edwin. H. Land）于1963年提出。就跟Matlab是由Matrix和Laboratory合成的一样，Retinex也是由两个单词合成的一个词语，他们分别是retina 和cortex，即：视网膜和皮层。Land的retinex模式是建立在以下三个假设之上的：
（1）真实世界是无颜色的，我们所感知的颜色是光与物质的相互作用的结果。我们见到的水是无色的，但是水膜—肥皂膜却是显现五彩缤纷，那是薄膜表面光干涉的结果。

（2）每一颜色区域由给定波长的红、绿、蓝三原色构成的；

（3）三原色决定了每个单位区域的颜色。

Retinex理论的基础理论是物体的颜色是由物体对长波（红色）、中波（绿色）、短波（蓝色）光线的反射能力来决定的，而不是由反射光强度的绝对值来决定的，物体的色彩不受光照非均匀性的影响，具有一致性，即retinex是以色感一致性（颜色恒常性）为基础的。不同于传统的线性、非线性的只能增强图像某一类特征的方法，Retinex可以在动态范围压缩、边缘增强和颜色恒常三个方面打到平衡，因此可以对各种不同类型的图像进行自适应的增强。

一、单尺度SSR(Single Scale Retinex)

根据兰德提出的理论，一幅给定的图像$S(x,y)$可以分解为两个不同的图像：反射图像$R(x,y)$和亮度图像（或称之为入射图像）$L(x,y)$，其原理如下图所示：

对于给定图像S中的每个点$(x,y)$，用公式可以表示为：
$S(x,y)=R(x,y)\cdot L(x,y)$
Retinex理论的基本思想在原始图像中，通过某种方法去除或者降低入射图像的影响，从而保留物体本质的反射属性图像。
单尺度的Retinex算法可以大致概括如下:

1. 读取原图像，若原图为彩色图：将颜色分通道处理，每个分量像素值由整数型(int)转换为浮点数(float)，并转换到对数域，取对数公式如下：
   $\log S(x,y)=\log R(x,y)+\log L$