分离背景光，利用retinex结合白平衡算法进行增强 matlab如何编写

分离背景光的方法有很多种，这里介绍一种基于多尺度Retinex算法的方法。具体步骤如下：

1. 读入图像并将其转换为双精度浮点型。

img = imread('image.jpg');
img = im2double(img);

2. 对图像进行多尺度Retinex增强。

r1 = imresize(retinex(img, 50), size(img));
r2 = imresize(retinex(img, 150), size(img));
r3 = imresize(retinex(img, 300), size(img));

r = (r1 + r2 + r3) / 3;

其中，retinex函数是一个自定义的多尺度Retinex增强函数，它的代码如下：

function [r] = retinex(img, sigma)
% 多尺度Retinex增强函数
% img：输入图像
% sigma：高斯核标准差

img = log(img + 1);  % 取对数
[r, ~] = size(img);

for i = 1:r
    img(i, :) = conv(img(i, :), gauss(sigma), 'same');  % 水平方向卷积
end

for i = 1:r
    img(:, i) = conv(img(:, i), gauss(sigma), 'same');  % 垂直方向卷积
end

r = img - log(imfilter(img, fspecial('gaussian', 15, sigma)) + 1);  % 得到增强后的图像
end

function [g] = gauss(sigma)
% 高斯核函数
% sigma：标准差

k = ceil(3 * sigma);  % 核大小为 2k + 1
g = zeros(1, 2 * k + 1);

for i = -k:k
    g(i + k + 1) = exp(-(i * i) / (2 * sigma * sigma));  % 计算高斯值
end

g = g / sum(g);  % 归一化
end

3. 进行白平衡处理。

grayWorld = mean(mean(r));  % 灰度世界假设，计算图像全局平均灰度值
r = r * (128 / grayWorld);  % 调整增强后的图像的平均灰度值为中间灰度值128

4. 对增强后的图像进行归一化。

r = (r - min(min(r))) / (max(max(r)) - min(min(r)));

5. 显示增强后的图像。

imshow(r);

以上就是基于多尺度Retinex算法结合白平衡算法进行图像增强的Matlab代码。