低照度图像增强细节算法代码

以下是一种基于Retinex算法的低照度图像增强细节的Python代码实现：

import cv2
import numpy as np

def retinex(image, sigma=50):
    """
    Retinex算法实现
    :param image: 输入图像
    :param sigma: 高斯核方差
    :return: 输出图像
    """
    # 将图像转换为浮点类型
    image = image.astype(np.float32)
    # 对图像进行高斯模糊
    blur = cv2.GaussianBlur(image, (0, 0), sigma)
    # 计算原始图像和高斯模糊图像的差值
    diff = image - blur
    # 对差值进行均值和方差的估计
    avg = np.mean(diff)
    var = np.mean(np.square(diff - avg))
    # 对图像进行Retinex增强
    output = np.log10(1 + image - avg)
    output = np.multiply(output, 255 / np.max(output))
    return output.astype(np.uint8)

# 读取低照度图像
image = cv2.imread('low_light_image.jpg')
# 对图像进行Retinex增强
output = retinex(image)
# 显示结果
cv2.imshow('Low Light Image', image)
cv2.imshow('Retinex Enhanced Image', output)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个实现中，我们使用了Retinex算法对低照度图像进行增强。首先，我们将输入图像转换为浮点类型，然后对其进行高斯模糊。接下来，我们计算原始图像和高斯模糊图像的差值，并对差值进行均值和方差的估计。最后，我们对图像进行Retinex增强，并将其转换为8位无符号整数类型以便于显示。