低照度

图像增强算法

本项目完整构建了基于Retinex理论的McCann99算法及其优化版本的MATLAB实现，旨在解决低照度、背光或光照分布不均匀场景下的图像质量下降问题。算法核心基于色彩恒常性原理，模拟人类视觉系统处理光照信息的方式。具体实现中，系统首先将输入图像转换至对数域，并构建多尺度高斯金字塔结构，将图像分解为不同分辨率的层级。在每一层级上，算法执行McCann特有的迭代“比较-重置”操作，通过长距离的像素比较来估算环境光照分量，并将低分辨率层的光照估计结果通过插值上采样传递至高分辨率层作为初始估计。这一过程自顶向下反复迭代，最终从原始图像中分离出代表物体真实属性的反射分量（Reflectance），并剔除光照分量（Illuminance）。项目代码包含完整的算法流程封装，提供灵活的参数设置（如金字塔层数、每层迭代次数），并具备自动白平衡与对比度拉伸的后处理功能。该工具箱适用于夜间监控视频增强、水下图像复原、医学影像清晰化以及老旧照片修复等多种应用场景，能显著提升图像的局部对比度、动态范围及色彩还原度。

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。