retinex演算法代碼

㈠ 低亮度圖片增強方法：基於保持圖像自然度的低亮度圖片增強演算法

這篇博客介紹一篇基於保持圖像自然度的低亮度圖片增強演算法：

這篇文章主要主要有以下三個方面的工作：

作者提出用相對亮度順序（the relative lightness order）來衡量圖像的自然程度。相對亮度順序可以用來表示光照的方向和光照的變化程度。

文章中定義了LOE來衡量增強圖片 和 之間的亮度順序差：

其中 為RGB channel中的最大值。

對於每個pixel ，其在原圖和增強圖中的相對的亮度順序差定義為：

其中 為異或操作。

最後，LOE定義為：

文中首先選擇了五個pixel的四連接域作為領域范圍：

對於在位置 的值 ， 表示領域內值為 的數量， 表示值為 和領域內值為 的數量在圖片中所有位置的數量之和：

為了減少雜訊的影響，使用局部的均值進行處理：

Bright-Pass Filter定義為：

其中 為局部的一個patch，文中是用 ，權重 定義為：

由Retinex理論，

其中 為每個channel的反射分量， 為亮度分量：

亮度分量可有Bright-Pass Filter獲得：

反射分量可由下式獲得：

文中使用了直方圖規范化的方法進行亮度分量的增強。文中使用了對數變換：

但文中表示對數變換會使所有圖像的亮度變得非常相似，作者根據輸入圖片的灰度值分布，適當地增加了低灰度值的數量，所以，新的加權的直方圖分布為：

直方圖的累積分布為：

經過CDF of the specified histogram後的直方圖， 為：

然後求解 :

最後，增強後的圖片為：

http://blog.sina.com.cn/u/2694868761

㈡ 有誰matlab寫過基於自適應濾波的Retinex圖像增強演算法

根據最後一個公式計算w(x,y), 實際上就是計算梯度水平(水平和垂直方向兩個方向綜合)

I = imread('test3.jpg'); %讀入圖象

subplot(121);imshow(I);

I = double(rgb2gray(I));

[m,n]=size(I);

H1 = [-1 -2 -1

0 0 0

1 2 1];

H2 = [-1 0 1

-2 0 2

-1 0 1];

w0 = (abs(conv2(I,double(H1),'same')) + abs(conv2(I,double(H1),'same')))/2+ones(m,n);

subplot(122);imshow(uint8(w0));

w = 1./w0;

㈢ 請高手幫忙看下，matlab中為什麼顯示的彩色圖像全白

你再加上歸一化去除加性分量試試

㈣ 低亮度圖片增強方法：基於多圖像融合的低亮度圖片增強演算法

這篇博客介紹兩篇基於多圖像融合的低亮度圖片增強演算法：

基於多圖像融合的低亮度質量評價演算法主要考慮融合多幅圖片來進行低亮度圖片的增強。

由Retinex理論：

其中 是亮度分量， 是RGB通道上的反射分量， 是待增強的分量。

首先，使用RGB通道上每個pixel的最大值最為亮度分量的一個估計值。

因為圖像的亮度分量一般是局部光滑的，所以文章中使用了形態學中的閉環操作來進一步估計亮度分量：

公式中除以255是為了將亮度分量限制到了[0,1]，文章中選取了disk作為結構元素。

亮度分量通過guided filter來保持the shape of large contours：

是中心在 上的窗口。

multi_fusion融合了多幅增強的亮度分量：

最後，權重由以下公式表示：

文章中首先將各個亮度分量 通過Laplacian金字塔分解為多個尺度上特徵圖，將權重 使用高斯金字塔光滑過度的部分。

將第 金字塔層的圖像進行融合：

融合多個金字塔層的圖像：

其中 是上采樣操作。

最後增強的圖片由下式得到：

EFF考慮融合同一場景下不同曝光程度的圖片來增強低亮度圖片。

為了得到完美曝光的圖片，Exposure Fusion框架融合了不同曝光的圖片：

其中 是各個顏色通道上的不同曝光率下的圖片， 為對應的權重。

由之前基於相機響應模型的低亮度圖片增強演算法，我們可以得到同一場景下，不同曝光率的圖片間的轉換公式：

在這篇文章中，作者只考慮了兩種曝光率的圖片，第一種是低亮度下的圖片，另一種是低亮度下的圖片使用曝光增強後的圖片。

由於需要將曝光完好的像素賦予更大的權重，所以文章中使用圖片的亮度分量作為權重：

其中 用來調節增強的程度

對於亮度分量的求解可參考原文或是之前介紹基於相機響應模型的低亮度圖片增強演算法的博客。

與之前介紹基於相機響應模型的低亮度圖片增強演算法的博客中一致：

文章中首先排除了原圖中曝光較好的像素點：

其中 只包含了曝光不足的像素點。

的亮度部分定義為：

則對於曝光率增強後的亮度分量有：

將曝光不足的像素點轉化為曝光正常的像素點後，可以提供的信息應該變大，所以，這里使用了圖片墒最大化來求解曝光比：

則由

可得到增強後的圖片。

https://xueyangfu.github.io/projects/sp2016.html
https://t.github.io/OpenCE/caip2017.html