带色彩恢复因子的Retinex算法亮度增强python代码

以下是一个基于Python的带色彩恢复因子的Retinex算法的代码示例：

import cv2
import numpy as np

def retinex_with_color_restoration(img, sigma_list=[15, 80, 250], G=5, b=25, alpha=125, beta=46, low_clip=0.01, high_clip=0.99):
    img = np.float64(img) + 1.0

    img_retinex = np.zeros_like(img)
    for sigma in sigma_list:
        img_retinex += np.log10(img) - np.log10(cv2.GaussianBlur(img, (G, G), sigma))

    img_color = np.zeros_like(img)
    for channel in range(3):
        img_color[:, :, channel] = np.median(img[:, :, channel])

    img_msb = np.max(img_color, axis=2)

    img_msb = (cv2.GaussianBlur(img_msb, (b, b), sigma_list[0]) + alpha) * 255 / (beta + alpha)

    img_retinex = cv2.normalize(img_retinex, None, 0, 255, cv2.NORM_MINMAX)
    img_retinex = np.uint8(np.clip((img_retinex * img_msb) / 255.0, 0, 255))

    low_val, high_val = np.percentile(img_retinex, [low_clip * 100, high_clip * 100])
    img_retinex = np.uint8(cv2.normalize(img_retinex, None, low_val, high_val, cv2.NORM_MINMAX))

    return img_retinex

其中，`img`是输入的图像，`sigma_list`是用于计算Retinex的高斯核参数列表，`G`是高斯核大小，`b`是用于计算颜色恢复的高斯核大小，`alpha`和`beta`是颜色恢复的参数，`low_clip`和`high_clip`是用于调整输出结果的参数。

使用该函数可以对图像进行带色彩恢复因子的Retinex算法亮度增强。