基于retinex与matlab的图像对比度增强算法，MATLAB

基于retinex与matlab的图像对比度增强算法，MATLAB，带GUI用户界面

这种增强算法首先依据像素的R，G，B分量将输入的彩色图像被分解成为三幅图像，代表场景中波长不同（长波、中波和短波）的反射光的强度；分别计算长波、中波和短波波段内像素间的相对明暗关系，进而确定每个像素的色彩。最后，将Retinex色度空间内的色彩线性映射到RGB空间，获得经过增强的图像。通过这种方法所获得的图像具有色彩逼真度、动态范围大的特点。计算机仿真结果表明运用这种方法进行图像处理可以获得非常好的处理效果。

针对光照不均匀、光线暗等环境导致图像采集单元采集到的图像视觉效果差、噪声大等问题，本文提出一种基于视网膜和皮层(Retinex)理论改进的低照度图像增强算法去恢复图像原有的视觉特征。将低照度图像从红、绿、蓝(RGB)空间转换到色调、饱和度、亮度(HSV)空间，在HSV空间的V通道去对低照度图像进行处理，这样能够避免图像三基色比例关系被破坏；采用改进的多尺度Retinex (MSR)算法估计光照分量，用非局部均值(NLM)滤波代替高斯滤波，利用滤波窗口与相邻窗口间的递归关系来简化计算，不仅能准确估计光照分量，还能够提高图像的处理速度；最后进行颜色空间逆变换，转换到人眼习惯的RGB颜色空间。实验结果表明该算法可以有效提高图像清晰度，保护图像的细节信息。

夜间图像去雾对夜间场景中的视频监控、目标识别等有重要应用价值。目前夜间图像去雾研究较少，且处理结果存在失真度高、细节模糊、稳健性差等缺点。针对以上情况，结合大气散射模型和夜间雾天图像成像特点，提出基于Retinex理论和暗通道先验的去雾算法。首先，根据Retinex理论求得夜间场景的有雾入射光图像和有雾反射光图像；其次，利用暗通道先验得到场景的无雾反射光图像；然后，分别根据夜间雾天图像和有雾反射光图像求得光源位置和景深，利用相机成像机理求得场景点与各光源的距离之和，进而求得无雾入射光图像；最后，利用Retinex理论复原得到夜间无雾图像。实验结果表明，本文算法不仅能彻底去雾，提高图像对比度，更能大幅度降低去雾过程中的颜色失真。

基于 Retinex-UNet 算法的低照度图像增强

在图像增强技术中，现有的夜间图像增强算法在对夜间图像进行处理时，总是伴随着处理后图像存在暗区亮度过 度增强和噪声放大的现象。因此，提出一种基于 Retinex 改进的夜间图像增强算法，该方法通过将图像转换到 HSV 空间对 V 通道图像进行导向滤波获得亮度分量图像，并对传统的颜色恢复函数进行改进，从而解决了传统夜间图像增强过程中造 成的暗区过度增强、噪声放大、实时性差的问题。实验结果证明，改进的夜间图像增强方法优于现有的算法，并且该算法 可以在对夜间图像增强的基础上有效的提高算法的实时性。

C++基于 Retinex 的图像增强算法-Opencv-C++。 一种常见图像增强算法，基于Retinex理论。本代码通过vs2015编译通过，Opencv3.1.0，C++ opencv c++ Retinex 图像增强

《数字图像处理高级应用》中的代码，注意是单尺度的Retinex呦~