Python编写：多尺度MSR算法实现详解

最新推荐文章于 2025-09-20 15:36:11 发布

code_welike

最新推荐文章于 2025-09-20 15:36:11 发布

阅读量977

点赞数 2

CC 4.0 BY-SA版权

文章标签： python 算法 opencv

本文链接：https://blog.youkuaiyun.com/code_welike/article/details/131114528

Python 专栏收录该内容

418 篇文章 ¥99.90 ¥299.90

订阅专栏

本文详细介绍了如何使用Python实现多尺度MSR算法，该算法能提升图像的亮度、对比度和色彩平衡。文章涵盖了算法流程，包括图像转灰度、计算自然对数、求最大最小值、比例因子计算及最终的输出图像生成。还提供了具体的Python代码实现，并指出可通过调整尺度参数适应不同图像增强需求。

Python编写：多尺度MSR算法实现详解

多尺度MSR（Multi-Scale Retinex）算法是一种图像增强算法，该算法可用于提高图像的亮度、对比度和色彩平衡等方面的表现。本文将通过 Python 代码实现该算法并详细解析其实现过程。

算法流程：

将原始图像转换为灰度图像
对每个像素点的 RGB 值求取自然对数
分别计算最大值和最小值
计算相应的全局和局部比例因子
求取输出图像的像素值

代码实现：

import cv2
import numpy as np

def MSR(img, scales):
    weight = np.array([0.01, 0.99])
    levels = scales.shape[0]
    img = np.float32(img)
    img_out = np.zeros_like(img)
    
    for i in range(levels):
        img_blur = cv2.GaussianBlur(img, (scales[i], scales[i]), 0)
        img_detail = img - img_blur
        img_detail_rescale = cv2.resize(np.log(weight[0]+weight[1]*img_detail), img.shape[:2][::-1])[...,np.newaxis]
        img_out += cv2.resize(img_blur, img.shape[:2][::-1]

了解本专栏