对低照度图像的亮度通道用多尺度Retinex增强图像亮度代码

以下是Python实现的多尺度Retinex增强图像亮度的代码：

import cv2
import numpy as np

def multi_scale_retinex(img, sigma_list):
    retinex = np.zeros_like(img)
    for sigma in sigma_list:
        gaussian = cv2.GaussianBlur(img, (0, 0), sigma)
        img_log = np.log10(img + 1)
        gaussian_log = np.log10(gaussian + 1)
        retinex += img_log - gaussian_log
    retinex = retinex / len(sigma_list)
    retinex = np.power(10, retinex) - 1
    retinex = np.uint8(retinex)
    return retinex

if __name__ == '__main__':
    img = cv2.imread('low_light_image.jpg')
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    sigma_list = [15, 80, 250]
    enhanced_img = multi_scale_retinex(img, sigma_list)
    cv2.imshow('Input Image', img)
    cv2.imshow('Enhanced Image', enhanced_img)
    cv2.waitKey(0)

在这个代码中，我们使用了OpenCV库实现了多尺度高斯模糊。函数`multi_scale_retinex`接收一张灰度图像和一个sigma列表作为输入，然后运行多尺度Retinex算法并返回增强后的图像。在主函数中，我们读取了一张低照度图像，将其转换为灰度图像，并使用上述函数增强了图像亮度。最后，我们将输入图像和增强后的图像一起显示出来。