水下图像增强带有颜色矫正的多尺度色彩恒常Retinex算法python代码

以下是基于Python实现的带有颜色矫正的多尺度色彩恒常Retinex算法的代码：

import cv2
import numpy as np

def color_correction(img):
    # 将图像转换为YCbCr颜色空间
    img_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
    # 提取亮度通道
    y = img_yuv[:,:,0]
    # 计算亮度直方图均值
    hist_y = cv2.calcHist([y],[0],None,[256],[0,256])
    mean_y = np.sum(hist_y * np.arange(256)) / np.sum(hist_y)
    # 计算颜色矫正系数
    alpha = 128 / mean_y
    # 对亮度通道进行矫正
    y_corrected = np.uint8(np.clip(alpha * y, 0, 255))
    # 将矫正后的亮度通道与原图的色度通道合并
    img_corrected = cv2.cvtColor(cv2.merge([y_corrected, img_yuv[:,:,1], img_yuv[:,:,2]]), cv2.COLOR_YUV2BGR)
    return img_corrected

def single_scale_retinex(img, sigma):
    # 高斯模糊
    img_blur = cv2.GaussianBlur(img, (0, 0), sigma)
    # 计算对数值
    img_log = np.log10(np.float32(img)) - np.log10(np.float32(img_blur))
    # 反变换
    img_log = cv2.normalize(img_log, None, 0, 255, cv2.NORM_MINMAX)
    img_retinex = np.uint8(img_log)
    return img_retinex

def multi_scale_retinex(img, sigma_list):
    img_retinex = np.zeros_like(img)
    for sigma in sigma_list:
        img_retinex += single_scale_retinex(img, sigma)
    img_retinex = img_retinex / len(sigma_list)
    return np.uint8(img_retinex)

def underwater_image_enhancement(image_path, sigma_list):
    # 读取图像
    img = cv2.imread(image_path)
    # 颜色矫正
    img_corrected = color_correction(img)
    # 应用多尺度色彩恒常Retinex算法
    img_retinex = multi_scale_retinex(img_corrected, sigma_list)
    # 显示增强后的图像
    cv2.imshow('Retinex', img_retinex)
    cv2.waitKey()

if __name__ == '__main__':
    image_path = 'underwater_image.jpg'
    sigma_list = [15, 80, 250]
    underwater_image_enhancement(image_path, sigma_list)

在上述代码中，我们首先定义了颜色矫正函数，通过将图像转换为YCbCr颜色空间，提取亮度通道并计算亮度直方图均值，然后计算颜色矫正系数并对亮度通道进行矫正，最后将矫正后的亮度通道与原图的色度通道合并。接着，我们定义了单尺度Retinex和多尺度Retinex两个函数，与之前的多尺度Retinex算法类似，但这里使用了矫正后的图像进行增强处理。在测试代码中，我们读取了一张水下图像，并设置了sigma列表进行多尺度色彩恒常Retinex增强，最后通过cv2.imshow()函数显示增强后的图像。