MATLAB实现：基于Frankle-McCann Retinex算法的图像增强系统

资 源 简 介

本项目提供Frankle-McCann Retinex算法的MATLAB实现，专门用于处理低光照、不均匀光照或高动态范围图像。通过色彩恒常性校正与细节增强，有效提升图像视觉质量与可用性，适用于科研与图像处理应用。

详 情 说 明

基于Frankle-McCann Retinex算法的图像增强系统

项目介绍

本项目实现经典的Frankle-McCann Retinex算法，通过对图像进行多尺度路径比较与迭代优化，有效解决低光照、不均匀光照及高动态范围场景下的图像质量问题。系统基于Retinex理论，模拟人类视觉系统的色彩恒常性机制，能够显著提升图像的视觉质量与可用性。

功能特性

• 色彩恒常性校正：消除光照不均影响，恢复物体真实色彩
• 细节增强：增强阴影和高光区域的细节表现力
• 多尺度处理：采用路径比较法实现不同尺度的光照估计
• 自适应优化：通过迭代像素重置策略优化增强效果
• 格式兼容：支持JPG/PNG/BMP等常见图像格式
• 尺寸自适应：支持任意尺寸图像处理，推荐分辨率不低于320x240像素

使用方法

1. 准备待处理的图像文件（RGB或灰度图像）
2. 运行主程序启动图像增强系统
3. 选择输入图像路径或直接加载图像矩阵
4. 系统自动执行Retinex算法处理并显示增强结果
5. 可选择保存增强后的图像文件或获取处理后的矩阵数据

系统要求

• MATLAB R2016b或更高版本
• Image Processing Toolbox图像处理工具箱
• 至少4GB内存（处理高分辨率图像建议8GB以上）

文件说明

主程序文件封装了完整的图像增强处理流程，其核心功能包括：实现图像文件的读取与格式验证，执行Frankle-McCann Retinex算法的多尺度路径比较计算，控制迭代优化过程中的像素重置操作，完成亮度均衡化与细节增强处理，提供增强结果的可视化展示，并支持处理后的图像导出与数据输出。