去雾

基于retinex理论的图像去雾代码。本代码实现基于Retinex理论的三种方法，分别为单尺度Retinex，多尺度Retinex，以及自商图像方法。直接运行每个文件夹下的test文件就可以得到对应的方法的处理结果。

该程序主要是实现基于暗原色先验进行的去雾程序，希望对进行此项研究的人有所帮助

matlab代码实现图像引导滤波

带色彩恢复因子的retinex算法

Retinex图像增强毕设算法之迭代方法

图像对比度增强

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、

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。