基于SSR算法的图像增强系统

资 源 简 介

该项目利用MATLAB环境实现了经典的单尺度Retinex（SSR）图像增强算法。Retinex理论的核心在于将观察到的图像视为入射分量与反射分量的乘积，其中入射分量代表环境光照，反射分量则代表物体的真实属性。本项目通过对图像进行对数变换，将乘法模型转变为加法模型，并利用高斯滤波器估计图像中的低频入射分量，随后将其从原图中减除，从而高效提取并增强图像的反射特征。该实现方案特别增加了直方图显示功能，能够通过可视化手段直观展示处理前后图像亮度和对比度的分布变化情况。代码经过严格的测试，验证了其在解决光照不均、

详 情 说 明

基于MATLAB的单尺度Retinex（SSR）图像增强系统

项目介绍

本项目是一个基于MATLAB开发的图像增强工具，核心采用了经典的单尺度Retinex（SSR）理论。Retinex理论认为，人眼感知到的图像是由环境光照射产生的入射分量（Illumination）和物体本身反射属性的反射分量（Reflection）共同决定的。本项目通过数学建模将图像转换至对数域，利用高斯滤波技术有效分离并去除光照分量，从而还原物体的真实反射特征，达到提升图像清晰度、改善对比度和增强细节的目的。

功能特性

• 物理模型还原：严格遵循 Retinex 物理模型，通过对数空间变换处理亮度分布不均的问题。
• 高度可调控性：支持用户自定义高斯核尺度参数（Sigma），以适应不同场景下的增强需求。
• 多通道支持：能够同时处理彩色（RGB）和灰色图像，对彩色图像的三个通道进行并行增强。
• 边缘保护处理：在光照估计过程中采用边缘填充技术，有效减少了图像边缘的卷积伪影。
• 可视化数据分析：内置了直方图统计功能，可直观对比增强前后的全局亮度分布。
• 光照分量提取：除了输出增强后的图像，程序还能够提取并显示估计的入射分量。

实现逻辑与算法细节

该系统的核心实现逻辑分为以下五个关键步骤：

1. 预处理与环境初始化 程序首先初始化运行环境，清除残留变量。通过交互式界面引导用户选择待处理图像，并支持自动处理系统自带模板图。所有图像数据被转换为双精度浮点数（double）以确保计算精度。

2. 环境光估计（高斯滤波） 根据设定的尺度参数生成高斯滤波器。程序采用卷积方式对原图进行平滑处理，目的是提取图像中的低频部分，这部分在 Retinex 理论中被视为环境光照射产生的入射分量。

3. 对数域变换与减除 为了将复杂的乘法模型转换为简单的加法操作，程序对原始图像和估计出的入射分量分别进行对数变换。在此过程中，特别加入了微小偏置量以防止对零取对数导致的数值异常。通计算原图对数与光照分量对数之差，成功提取出代表物体固有属性的反射分量。

4. 动态范围压缩与线性拉伸 提取出的反射分量由于处于对数空间，其值域分布不适合直接显示。程序采用极值归一化（Min-Max Stretching）方法，将处理结果重新映射回 [0, 1] 的可视化区间。

5. 结果展示与直方图分析 系统生成一个多子图窗口。左侧展示原始图像，中间展示提取出的光照分量，右侧展示增强后的最终结果。底部则通过绘制 R、G、B 三通道的像素分布直方图，量化展示图像在对比度扩展和亮度均衡方面的改进效果。

关键函数与实现说明

• 空间域卷积：利用预设的高斯核对各通道进行滤波。使用了边界复制填充模式，确保图像四周不会出现黑边。
• 对数减法运算：这是 Retinex 算法的核心，实现了从混合信号中分离出反射分量的功能。
• 直方图统计绘图：对处理前后的图像进行像素频率分布统计，使用彩色曲线分别绘制三原色的分布情况，帮助评估色彩保持度。
• 动态参数调节：通过修改代码顶部的尺度因子，可以改变算法对细节增强的敏感程度，较大的尺度能获得更自然的光影效果，较小的尺度则能突出更多边缘细节。

系统要求

• 软件环境：MATLAB R2016a 或更高版本。
• 必备工具箱：Image Processing Toolbox（图像处理工具箱）。
• 硬件要求：标准桌面电脑即可，内存建议 4GB 以上以支持大尺寸图像处理。

使用方法

1. 启动 MATLAB 软件，将工作目录切换至本项目文件夹。
2. 运行主脚本程序。
3. 在弹出的文件选择框中，选择一张需要增强的图像（支持 .jpg, .png, .bmp 等格式）。
4. 等待程序处理完成后，观察输出的对比视图及直方图分析。
5. 如果增强效果不理想，可以尝试直接在代码顶部调整尺度参数并重新运行。