色彩恢复

基于retinex算法的图像去雾

基于双边滤波的Retinex图像增强算法

本项目采用MATLAB完整实现MSRCR算法，通过多尺度Retinex理论与颜色恢复技术，显著提升图像对比度与细节表现。系统在传统MSR基础上优化色彩保真度，适用于低光照、雾霾等复杂场景的图像质量增强。

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

本系统旨在利用Retinex（Retina-Cortex）理论实现复杂光照环境下的图像质量提升，核心理念是将图像分解为反映物体本质特征的反射分量和反映环境光照分布的入射分量。

本项目基于人类视觉系统的Retinex（视网膜大脑皮层）理论，专门针对图像中的阴影区域和光照不均现象进行处理。核心思想是利用中心环绕（Center-Surround）机制来分离图像的光照分量和反射分量。在功能实现上，系统首先将输入的RGB图像转换到对数域，利用高斯函数作为环绕函数与图像进行卷积运算，以估计场景中的光照分布。随后，通过在对数域中将原始图像减去估计的光照分量，恢复出物体本身的反射率信息，从而达到去除阴影、增强暗部细节且保持亮部不过曝的效果。项目详细实现了单尺度Retinex (SSR)、多尺度Retinex (MSR) 以及带色彩恢复的多尺度Retinex (MSRCR) 算法，用户可以对比不同尺度（Sigma参数）下的去阴影效果。除了MATLAB源代码外，本项目还包含一份详细的配套PPT演示逻辑资料，内容涵盖：阴影去除的研究背景、Retinex中心环绕算法的数学物理原理、高斯卷积核的设计、核心代码段的逐行解析、算法处理前后的直方图与视觉效果对比，以及针对色彩失真问题的解决方案讨论，形成了一套完整的理论与实践结合的技术方案。

本项目完整设计并开发了一套基于Retinex理论的图像增强MATLAB工具包，涵盖了单尺度Retinex（SSR）、多尺度Retinex（MSR）以及带色彩恢复的多尺度Retinex（MSRCR）三种核心算法。该系统基于光照-反射成像模型，假设图像由入射光分量和物体反射分量构成，通过算法移除或减弱入射光的影响，从而恢复物体本身的物理特征。具体实现功能包括：1. SSR模块：利用高斯低通滤波器作为环绕函数来估计光照分量，通过对数变换将乘性噪声转化为加性噪声，进而分离出反射分量，有效改善图像的动态范围；2. MSR模块：通过对三个不同尺度（小、中、大）的SSR结果进行加权求和，在增强图像暗部细节的同时，避免了大尺度下的光晕现象和小尺度下的局部对比度不足问题，实现了动态范围压缩与色彩一致性的平衡；3. MSRCR模块：在MSR的基础上引入了色彩恢复因子（Color Restoration Function），通过计算各颜色通道之间的比例关系来修正MSR处理后可能出现的“发灰”或色彩失真现象，显著提升了图像的色彩饱和度和视觉自然度。程序还包含自动化脚本，支持批量读取图片、自动调整增益与偏差参数、直方图均衡化后处理以及增强前后效果的并排对比显示。

本项目专注于在MATLAB计算环境中复现并优化Retinex理论中的McCann99算法。该系统旨在模拟人类视觉系统（HVS）的颜色恒常性特性，通过分离图像中的光照分量与反射分量，解决图像因光照条件不足、光照分布不均或背光拍摄导致的细节丢失和对比度低的问题。核心功能包括：1. 图像预处理与空间转换，将输入图像转换至适宜Retinex计算的对数域空间；2. 完整的McCann迭代算法实现，采用多分辨率金字塔（Multi-resolution Pyramid）架构，通过对图像进行下采样构建不同尺度的图层，在每个尺度上执行像素间的长距离路径比较；3. 实现关键的“比率-乘积-重置-平均”（Ratio-Product-Reset-Average）操作逻辑，通过沿路径传播最大亮度值来估算光照分布，并在每层迭代完成后通过上采样插值将结果传递至更高分辨率层；4. 针对彩色图像的通道独立处理或亮度通道处理功能，确保增强对比度的同时保持色彩自然度；5. 动态范围压缩与后处理，将计算得到的反射率数据映射回显示设备可用的像素范围（0-255），并提供直方图均衡化等可选后处理步骤以进一步优化视觉效果；6. 提供可视化界面或脚本接口，方便用户对比原始图像与处理后图像的直方图、灰度分布及细节差异。