2026《基于Retinex理论的图像增强算法综述》1000字.docxVIP

基于Retinex理论的图像增强算法综述

1.1Retinex理论的基本原理

Retinex理论模型是人眼的成像特点的形象概括，即视网膜(retina)与大脑皮层(cortex)的概括。Retinex理论的理论公式如1.1式，该理论认为，物体的颜色是由物体对红、绿、蓝三种光波的反射能力决定，真实信息存储在反射分量Rx,y中并通过R

Sx,y=Rx,y

式中，S(x,y)代表被观察或照相机接收到的图像信号；L(x,y)代表环境光的照射分量；R(x,y)表示携带图像细节信息的目标物体的反射分量。Retinex理论的理论模型如下：

图2-1Rtinex的理论模型

对数曲线和与生理学上的人类视觉系统对光线的敏感度曲线接近；对数域下的乘法运算将转化为加法演算可以使演算处理过程更为简便，表达式如下：

rx,y=sx,y

其中，rx,y=logR(x,y)、

综上所述，通过所观测到的图像数据S(x,y)去估计入射光L(x,y)，并减少入射光L(x,y)的影响从而获取更多的真实信息R(x,y)，是Retinex理论算法的主体部分，Lx,y

1.2Retinex理论的算法流程

根据图1.1的理论模型可知，物体的真实信息存储在反射分量Rx,y中并通过Rx,y

???1、输入:原始图像,

???2、处理：

预定义输入图像数据模糊的半径尺度;

计算模糊后的图像L(x,y);

按照1.2式的计算方法计算出logR

令logR

图2-2Retinex的理论流程

Retinex算法增强的效果测试如图2-3。由图2-3可知，Retinex算法处理后的图像给人的第一感觉就是亮度提升明显，图像视觉上也比原图更清晰，图中包装盒上文字也比原图更容易识别。但夜间彩色图像中存在局部光源时，图像中将同时包含大量的黑暗连通区和局部高亮度区，但处理后的图像存在色偏现象，局部光源周围物体由于强光照射导致图像中大量细节信息被隐藏，图像颜色偏差明显，细节处理差强人意。

1.3本章小结

本章节介绍了Retinex理论的基本概念，梳理了Retinex算法的步骤流程图，利用python实现了Rtinex算法并对室内昏暗环境所拍摄的图像仿真处理，最后分析图像处理效果。

原图

（b）Retinex算法处理过的图像

图2-3Retinex算法对比图