单尺度Retinex

1、Retinex理论
Retinex 是两个单词合成的，它们分别是 retina （视网膜）和 cortex （皮层），因此 Retinex 理论很多时候也被称为是视网膜皮层理论。

最初的基于 Retinex 理论的模型提出了一个人眼视觉系统 (HVS, Human Visual System) 解 释了人眼为什么对于光线波长和亮度互不对应。在这个理论中，物体能够被观察到的颜色信 息是由两个因素决定的：物体本身的反射性质和物体周围的光照强度，但根据颜色恒常性的 理论，物体有自身的固有属性，这个不会受到光照影响，一个物体对于不同光波的反射能力 才能够决定物体的颜色。Retinex 理论的基本思想就是光照强度决定了原始图像中所有像素点 的动态范围大小，而原始图像的固有属性则是由物体自身的反射系数决定，即假设反射图像 和光照图像相乘为原始图像。所以 Retinex 的思路即是去除光照的影响，保留住物体的固有属性。

Retinex 模型示意图

如图 所示，假设观察者处成像的图像为I(x, y)，则表达式为：

其中，L(x, y)表示周围光照强度信息的光照分量，R(x, y)表示物体本身固有性质的反射分量。
对公式 (2.14) 两边作对数处理：

作对数处理的两大好处：首先因为人眼对亮度的感知能力不是线性的，它近似于对数曲线，如图 所示，

人眼对亮度的感知能力

其次是复杂的乘除在对数域中是简单的加减法，这些可以大幅度降低算法的复杂度。
Retinex 的基本算法流程图如图 所示：

Retinex 算法基本流程图

2、单尺度Retinex(Single-SR)
单尺度 Retinex 算法的处理过程非常拟合人眼的视觉成像过程，该算法的基本思路是：首 先先构建高斯环绕函数，然后利用高斯环绕函数分别对图像的三个色彩通道 (R 、 G 和 B) 进行 滤波，则滤波后的图像就是我们所估计的光照分量，接着再在对数域中对原始图像和光照分 量进行相减得到反射分量作为输出结果图像。该算法能压缩图像的动态范围、一定程度上的 保持图像的颜色和细节的增强。其具体的表达式如下：

其中，I(x, y)为原始图像，R(x, y)为反射分量，L(x, y)为光照分量，R i 表示第 i 个色彩通道的 反射图像， * 代表卷积，G(x, y)为高斯环绕函数，G(x, y)的构造如下：

其中，δ被称为高斯环绕的尺度参数，它是整个算法中的唯一可调节的参数，所以它可以非常 容易影响到图像增强的最终结果。下图 是经过许多调试之后得出的最佳的尺度参数的高斯 环绕函数的模型和实验结果图。在实验过程中发现，当δ比较小的时候，代表高斯模板尺度小， 此时能够较好的保持边缘的细节信息，动态范围变大，但是色彩无法保持；当δ比较大的时候， 色彩恢复很好，但动态范围变小，细节保持差。

SSR 最佳结果图和高斯环绕函数

SSR 算法的基本流程：
(1) 输入原始图像I(x, y)，并分离三个颜色空间分量,转换到对数
(2) 确定尺度参数δ的大小，保证满足条件∬ G(x, y)dxdy = 1的 λ的值。
(3) 根据公式 (2.17) 得到反射图像r(x, y)。
(4) 将r(x, y)从对数域转换到实数域得到R(x, y)。
(5) 对R(x, y)进行线性拉伸处理(因为像素值是0-255范围.)，得到最终结果并显示。