请你提供准确的Retinex源代码，对灰度图像进行处理

Retinex算法是一种用于图像增强的算法，它可以通过去除图像中的光照不均匀性来提高图像的对比度和清晰度。Retinex算法的核心思想是分离图像中的反射成分和照明成分，然后再对反射成分进行增强。以下是一个简单的Retinex算法的代码实现:

import cv2
import numpy as np

def retinex(img, sigma_list=[15, 80, 250], gain=30, offset=128):
    # 将图像转为浮点类型
    img = img.astype(np.float32)
    # 计算反射成分
    for sigma in sigma_list:
        blur = cv2.GaussianBlur(img, (0, 0), sigma)
        img = np.where(img == 0, 0.1, img)
        img = img * (blur / img) ** gain
    # 对反射成分进行归一化
    img = (img - img.min()) / (img.max() - img.min()) * 255
    # 计算照明成分
    dst = np.log10(img) * offset
    # 对照明成分进行归一化
    dst = (dst - dst.min()) / (dst.max() - dst.min()) * 255
    # 将反射成分和照明成分相加得到最终图像
    out = cv2.normalize(dst, None, 0, 255, cv2.NORM_MINMAX) + cv2.normalize(img, None, 0, 255, cv2.NORM_MINMAX)
    return out.astype(np.uint8)

这个函数的输入参数是一个灰度图像，sigma_list是一个列表，包含了用于计算反射成分的高斯滤波器的标准差，gain是反射成分的增强系数，offset是照明成分的增强系数。函数的输出是一个经过Retinex算法处理后的灰度图像。

使用这个函数对灰度图像进行处理的方法如下：

import cv2

# 读取灰度图像
img = cv2.imread('gray_image.jpg', cv2.IMREAD_GRAYSCALE)

# 对图像进行Retinex增强
out = retinex(img)

# 显示结果
cv2.imshow('Input', img)
cv2.imshow('Output', out)
cv2.waitKey(0)

这个例子中，我们读取了一张灰度图像，然后使用retinex函数对图像进行Retinex增强，并将结果显示出来。