msr图像增强opencv c++ 实现

MSR图像增强是一种基于多尺度Retinex理论的图像增强方法，可以有效地提高图像的对比度和亮度，并且不会造成颜色失真。下面是使用OpenCV C++实现MSR图像增强的步骤：

1.加载图像并转换为灰度图像：

Mat src = imread("image.jpg");
cvtColor(src, src, CV_BGR2GRAY);

2.将图像的像素值转换为浮点类型，并将像素值缩放到0到1之间：

src.convertTo(src, CV_32F, 1.0 / 255);

3.计算图像的对数值：

Mat log_src;
log(src + 0.01, log_src);

4.分解图像为高频和低频成分：

Mat gauss;
GaussianBlur(log_src, gauss, Size(0, 0), 10);
Mat low_freq = log_src - gauss;

5.将低频成分进行缩放：

normalize(low_freq, low_freq, 0, 1, NORM_MINMAX);

6.计算低频成分的对数值：

Mat log_low_freq;
log(low_freq + 0.01, log_low_freq);

7.计算高频成分：

Mat high_freq = log_src - log_low_freq;

8.将高频成分进行缩放：

normalize(high_freq, high_freq, 0, 1, NORM_MINMAX);

9.将高频成分和低频成分加权融合：

Mat dst = high_freq * 0.5 + low_freq * 0.5;

10.将图像像素值重新缩放到0到255之间：

dst.convertTo(dst, CV_8U, 255);

完整代码如下：

#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    Mat src = imread("image.jpg");
    cvtColor(src, src, CV_BGR2GRAY);
    src.convertTo(src, CV_32F, 1.0 / 255);
    Mat log_src;
    log(src + 0.01, log_src);
    Mat gauss;
    GaussianBlur(log_src, gauss, Size(0, 0), 10);
    Mat low_freq = log_src - gauss;
    normalize(low_freq, low_freq, 0, 1, NORM_MINMAX);
    Mat log_low_freq;
    log(low_freq + 0.01, log_low_freq);
    Mat high_freq = log_src - log_low_freq;
    normalize(high_freq, high_freq, 0, 1, NORM_MINMAX);
    Mat dst = high_freq * 0.5 + low_freq * 0.5;
    dst.convertTo(dst, CV_8U, 255);
    imshow("src", src);
    imshow("dst", dst);
    waitKey(0);
    return 0;
}