关于Retinex的基础知识这里就不再说了，/piaoxuezhong/article/details/78248219已经介绍过了，本篇将继续讲一下基于邻域的Retinex算法实现，主要分为三类：单尺度Retinex，多尺度Retinex和带色彩恢复的Retinex。
单尺度Retinex:SSR
根据之前对retinex算法的原理分析，我们可以得到：r=s-l=logS-logL，其中原始图像为S(x, y)，反射图像为R(x, y)，亮度图像为L(x, y)，下面我直接贴下SSR的公式部分：
在 SSR 算法中，参数 c 的选择直接影响图像增强的效果：c 越小，SSR 的动态压缩能力越强，图像阴暗部分的细节得到更好的增强，但是由于平均对比度范围较小，结果会产生颜色失真；c 越大，SSR 的颜色保真度越高，但是动态压缩能力会减弱。通常 SSR 是在动态范围压缩和色感一致性之间寻找平衡点。
%计算SSRSS=zeros(m,n);for i=1:mfor j=1:nSS(i,j)=log(S(i,j)+0.00005); %对原始图像取对数操作GG(i,j)=log(G(i,j)+0.00005);V(i,j)= SS(i,j)-GG(i,j); %初步得到反射图像endend
函数实现我放在资源里了，链接地址，可以实现灰度图像或彩色图像的SSR，测试函数为：
%SSR测试函数clc,clear all,close all;Img=imread('../testImg/15.jpg');if length(size(Img))>2OutImg=Img;R = Img(:,:,1); G = Img(:,:,2); B = Img(:,:,3); OutImg(:,:,1) = SSR(R); OutImg(:,:,2) = SSR(G); OutImg(:,:,3) = SSR(B); elseOutImg=SSR(Img);endfigure,subplot(1,2,1),imshow(Img); title('original image');subplot(1,2,2),imshow(OutImg); title('SSR image');
可以看出，单独使用传统SSR算法很有可能不能取得很好的处理效果，所以有许多改进算法出现，如参考2,3；
多尺度Retinex:MSR
SSR 算法可能出现 halo 现象，Jobson等人又提出了多尺度Retinex算法。通过联合多个尺度的滤波结果，补偿 halos 和照射信息的缺失，突出暗区域的细节；MSR在SSR基础上，同时保持图像高保真度与对图像的动态范围进行压缩，MSR也可实现色彩增强、颜色恒常性、局部动态范围压缩、全局动态范围压缩。公式为：
为了保证兼有SSR高、中、低三个尺度的优点，K取值通常为3，高斯尺度分别取15, 80, 200（这个可以自己多次尝试）。当K=1时，即为SSR。代码请参见：/download/piaoxuezhong/10029685。
测试函数如下：
%% MSRclc,clear all,close all;Img=imread('../testImg/25.jpg');if length(size(Img))>2OutImg=Img;R = Img(:,:,1); G = Img(:,:,2); B = Img(:,:,3); OutImg(:,:,1) = MSR(R); OutImg(:,:,2) = MSR(G); OutImg(:,:,3) = MSR(B); elseOutImg=MSR(Img);endfigure,subplot(1,2,1),imshow(Img); title('original image');subplot(1,2,2),imshow(OutImg); title('MSR image');
我选择了雾天图像做了测试，参数还有优化的余地，这里效果感觉不是很好。
带色彩恢复的Retinex:MSRCR
SSR或MSR算法，可能会导致结果图像增加噪声，使得图像的局部细节色彩失真，不能显现出物体的真正颜色，为此，MSRCR在MSR的基础上，加入了色彩恢复因子，补偿由于图像局部区域对比度增强而导致颜色失真的缺陷。目前来看，MSRCR算法受关注程度比较高，可以查到的文献相对也多。这里介绍两种色彩恢复方法：
（1）IPOL的《Multiscale Retinex》一文中给出的颜色恢复方法为：
，
，
，
Ii(x, y)表示第i个通道的图像，S表示通道数，Ci表示第i个通道的彩色恢复因子； f()表示颜色空间的映射函数； β表示增益常数；α表示受控制的非线性强度；
算法实现链接地址：/download/piaoxuezhong/10030135，测试函数：
%% MSRCRclc,clear all,close all;Img=imread('../testImg/25.jpg');OutImg=MSRCR(Img);figure,subplot(1,2,1),imshow(Img); title('original image');subplot(1,2,2),imshow(OutImg); title('MSRCR image');
以上都是在RGB空间域操作的，还可以转换到HSV或者频率域操作，这里就不再码了，有兴趣的可以尝试，说不定效果输出会有意外的惊喜哦~~
（2）contrast-retinex.c文件的算法：/documentation/2.6.1/contrast-retinex_8c-source.html
这个我没测试过，只是拷贝一下算法步骤，参见参考7：
计算出 log[R(x,y)]中R/G/B各通道数据的均值Mean和均方差Var（注意是均方差）。类似下述公式计算各通道的Min和Max值。
Min = Mean - Dynamic * Var;Max = Mean + Dynamic * Var; 对Log[R(x,y)]的每一个值Value，进行线性映射：
R(x,y) = ( Value - Min ) / (Max - Min) * (255 - 0), 同时要注意增加一个溢出判断，即：
if (R(x, y) > 255) R(x,y) = 255;else if (R(x,y) < 0) R(x,y) = 0;
参考：
/publication/272643640_Multiscale_Retinex《基于改进SSR的LDCT影像增强算法》[J].计算机工程《改进单尺度Retinex算法在图像增强中的应用》[J].计算机应用与软件/download/u011004632/8071643?locationNum=2&fps=1《A Multiscale Retinex for Bridging the Gap Between Color Images and the Human Observation of Scenes》
/ajianyingxiaoqinghan/article/details/71435098
/bluecol/article/details/45675615
/Imageshop/archive//04/17/3026881.html
/Imageshop/p/3810402.html
如果觉得《图像增强处理之：同态滤波与Retinex算法(三)Retinex邻域算法:SSR MSR MSRCR》对你有帮助，请点赞、收藏，并留下你的观点哦！
