基于matlab的Retinex 图像去模糊

Retinex算法是一种用于图像增强的经典算法，可以在去除图像模糊的同时提高图像的亮度、对比度等。下面是一种基于MATLAB实现的Retinex图像去模糊的方法：

1. 读取图像

img = imread('image.jpg');

2. 对图像进行高斯模糊

sigma = 20; % 高斯核的标准差
ksize = ceil(sigma*3)*2+1; % 高斯核的大小
h = fspecial('gaussian', ksize, sigma); % 生成高斯核
img_blurred = imfilter(img, h, 'replicate'); % 对图像进行高斯模糊

3. 计算图像的对数灰度值

img_log = log(double(img_blurred)+1); % 对图像进行对数变换

4. 分解图像的亮度和细节

sigma_l = 10; % 亮度分量的高斯核标准差
ksize_l = ceil(sigma_l*3)*2+1; % 亮度分量的高斯核大小
h_l = fspecial('gaussian', ksize_l, sigma_l); % 生成亮度分量的高斯核
img_l = imfilter(img_log, h_l, 'replicate'); % 计算亮度分量
img_d = img_log - img_l; % 计算细节分量

5. 对亮度分量进行伽马校正

gamma = 0.5; % 伽马校正参数
img_l_gamma = exp(img_l).^gamma; % 对亮度分量进行伽马校正

6. 对细节分量进行增强

sigma_d = 0.5; % 细节分量的高斯核标准差
ksize_d = ceil(sigma_d*3)*2+1; % 细节分量的高斯核大小
h_d = fspecial('gaussian', ksize_d, sigma_d); % 生成细节分量的高斯核
img_d_enhanced = imfilter(img_d, h_d, 'replicate'); % 对细节分量进行高斯滤波
img_d_enhanced = imadjust(img_d_enhanced); % 对细节分量进行直方图均衡化

7. 将亮度和细节分量相乘得到增强后的图像

img_enhanced = img_l_gamma .* exp(img_d_enhanced); % 将亮度和细节分量相乘得到增强后的图像
img_enhanced = uint8(img_enhanced); % 将图像转换为8位无符号整型

以上就是基于MATLAB的Retinex图像去模糊的实现方法，您可以根据实际情况调整算法中的参数来得到更好的效果。