基于不均匀光照下的颜色校正——retinex算法,通态滤波算法

retinex算法原理及算法实现

Retinex是一种常用的建立在科学实验和科学分析基础上的图像增强方法,它是Edwin.H.Land1963年提出的。就跟Matlab是由MatrixLaboratory合成的一样,Retinex也是由两个单词合成的一个词语,他们分别是retina cortex,即:视网膜和皮层。Landretinex模式是建立在以下三个假设之上的:

1、真实世界是无颜色的,我们所感知的颜色是光与物质的相互作用的结果。我们见到的水是无色的,但是水膜肥皂膜却是显现五彩缤纷,那是薄膜表面光干涉的结果。

2、每一颜色区域由给定波长的红、绿、蓝三原色构成的;

3、三原色决定了每个单位区域的颜色。

retinex算法——单尺度SSR

原理如下图所示



原文转自:https://blog.youkuaiyun.com/carson2005/article/details/9502053

算法:

SSR、MSR均有。

如有使用请先联系本人,希望共同学习,共同进步。

联系qq:1033844289

实现效果:

SSR


MSR


同态滤波原理及算法

同态滤波(Homomorphic filter)是信号与图像处理中的一种常用技术,它采用了一种线性滤波在不同域中的非线性映射。这一技术是上世纪60年代由麻省理工学院(MIT)Thomas StockhamAlan V. Oppenheim Ronald W. Schafer 等几位学者提出。

原理部分:http://blog.sciencenet.cn/home.php?mod=space&uid=425437&do=blog&id=1052070

算法:可联系QQ:1033844289

共同学习共同进步

实现效果:


为了深入理解多级分解Retinex算法在低照度图像增强中的应用,本文推荐《多级分解Retinex算法:低照度图像增强新方法》一书作为参考资料。该书详细介绍了如何结合双边滤波技术,在同尺度上对图像进行有效增强。 参考资源链接:[多级分解Retinex算法:低照度图像增强新方法](https://wenku.youkuaiyun.com/doc/1t7nzzvvyz?spm=1055.2569.3001.10343) 多级分解的Retinex算法将图像分解为反射分量和照度分量,分别代表物体的色彩和光照条件。过设置同的滤波参数,可以在多级分解过程中对这些分量进行增强。双边滤波技术在此过程中起到了关键作用,它结合了空间邻近性和像素相似性,能够有效保留图像边缘信息,同时对图像进行平滑处理,确保图像增强过程中会丢失细节。 在增强过程中,指数函数被用来增强反射分量,这是因为指数函数的非线性特性能够放大图像的微小差异,从而提升图像的细节表现。对于照度分量,则使用S型函数进行调整,该函数能够线性地改变图像亮度分布,增强低照度区域,适当抑制高亮度区域,从而避免了图像过曝的问题。 最后,颜色恢复函数被应用在后处理阶段,以校正增强过程中可能出现的色彩失真,确保增强后的图像色彩更加真实。过这些步骤,可以有效地提升低照度图像的视觉质量和各项量化指标,为低光照环境下的图像增强提供了新的技术途径。 如果你希望进一步深入学习关于低照度图像增强的更多内容,除了《多级分解Retinex算法:低照度图像增强新方法》外,还可以查阅其他关于Retinex理论、双边滤波技术及图像处理的高级教程和研究论文。这些资源将有助于你全面掌握图像增强的理论基础和实际操作技能。 参考资源链接:[多级分解Retinex算法:低照度图像增强新方法](https://wenku.youkuaiyun.com/doc/1t7nzzvvyz?spm=1055.2569.3001.10343)
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值