基于Retinex理论的图像去雾与增强系统

资 源 简 介

本系统是一个集成多种经典Retinex算法的MATLAB图像处理平台，专门用于解决户外拍摄图像因雾气、水汽或烟雾导致的对比度低、细节模糊和色彩失真问题。系统核心功能围绕Retinex物象分解理论展开，将图像视为入射分量与反射分量的乘积。其中，单尺度Retinex算法（SSR）通过高斯滤波模拟人类视觉系统对环境光的感知过程，在对数域内提取反射分量，能够显著压缩图像的动态范围并增强阴影区域细节。多尺度Retinex算法（MSR）在此基础上进一步演进，通过对不同尺度（如大、中、小三个高斯核）的处理结果进行加权求

详 情 说 明

基于Retinex理论的多算法图像去雾与增强系统

项目介绍

本项目是一个集成多种经典Retinex算法的MATLAB图像处理系统，专门用于修复受雾气、水汽或烟雾影响的图像。系统基于Retinex物象分解理论，将图像分解为入射分量（照射光）和反射分量（物体固有属性），通过对细节和色彩的重构，有效解决图像对比度低、视距受限及色彩失真问题。系统不仅实现了基本的增强功能，还包含了大气散射模型仿真及定量化的性能评价体系，适用于安防监控、无人机航拍等场景。

功能特性

1. 雾气环境仿真：通过大气散射模型模拟真实环境下生成的雾图，作为算法处理的输入基准。
2. 多算法对比：集成单尺度Retinex（SSR）、多尺度Retinex（MSR）和带彩色恢复因子的多尺度Retinex（MSRCR）三种主流算法。
3. 全方位性能评估：自动计算图像信息熵、对比度等量化指标。
4. 可视化直方图分析：同步展示处理前后RGB三通道的频率分布，直观反映动态范围压缩与扩展的效果。
5. 自动化流水线：涵盖预处理、核心算法执行、指标计算与结果展示。

使用方法

1. 准备环境：打开MATLAB环境，确保安装了图像处理工具箱（Image Processing Toolbox）。
2. 输入数据：在主程序起始位置配置输入图像（系统默认为 peppers.png）。
3. 调整参数：根据需要修改SSR尺度、MSR多尺度权重或MSRCR的色彩恢复系数。
4. 运行程序：执行程序后，系统会自动在控制台打印各项算法的性能评估数值。
5. 查看结果：系统将弹出集成展示窗口，对比不同算法生成的去雾图像及其对应的RGB直方图。

系统要求

1. 软件环境：MATLAB R2016b 或更高版本。
2. 硬件环境：建议配置 4GB 以上内存，以保证多尺度高斯卷积的运算效率。
3. 依赖工具箱：Image Processing Toolbox（涉及 imgaussfilt, imhist, entropy 等函数）。

实现逻辑与算法流程分析

#### 1. 图像预处理与雾气模拟 系统首先将输入图像转化为双精度浮点数（double），以避免计算中的溢出问题。核心阶段利用大气散射模型生成模拟雾气：通过计算像素到图像中心的距离生成指数衰减的透射率图，并结合设定的大气光值（L=0.9），根据模型公式生成合成雾图。这一步为后续去雾算法提供了受控的实验对象。

#### 2. 单尺度Retinex (SSR) 实现细节 SSR算法在对数域执行。核心逻辑是对输入通道进行高斯低通滤波以估计入射分量（低频部分），然后在对数域内从原图中减去入射分量，从而提取出代表物体细节的反射分量。处理最后通过线性拉伸函数将动态范围重新映射至显示范围。该方法能显著提升阴影区域的可见度，但在增强力度与边缘保持上存在折中。

#### 3. 多尺度Retinex (MSR) 实现细节 为了解决单尺度算法在光晕抑制与细节保留之间的矛盾，MSR算法引入了三个不同尺度（小尺度15, 中尺度80, 大尺度250）的高斯核。系统对三种尺度下的处理结果进行等权重（1/3）加权求和。小尺度保证细节增强，大尺度保证色彩及全局光照的一致性，从而在抑制伪影的同时实现更自然的对比度提升。

#### 4. 带彩色恢复因子的MSR (MSRCR) 实现细节 作为系统中最先进的算法，MSRCR在MSR的基础上引入了彩色恢复函数。它通过计算各颜色通道与总亮度的对数比值，动态生成彩色恢复因子（CRF）。结合增益固定系数（G）与偏置（b），该算法能够修正Retinex处理中常见的“灰化”和色彩饱和度降低现象，使结果更加符合实际场景的色彩表现。

#### 5. 辅助功能与后处理

• 色彩平衡与拉伸：系统设计了针对性的拉伸函数。对于SSR/MSR，采用裁剪极端值（1%分位数）的线性拉伸方法；对于MSRCR，采用全量程的归一化拉伸，确保输出图像在[0,1]区间内。
• 质量评价体系：系统自动提取处理后图像的灰度特征，计算信息熵（反映信息量丰富度）和标准差（反映图像全局对比度），通过数值客观评价去雾效果。
• 统计分析：通过绘制三通道叠加的拆线视图，展示各算法对图像动态范围重塑的贡献。