retinex将亮度分量分解成L和R代码

以下是将亮度分量分解成L和R的Retinex算法的示例代码：

import cv2
import numpy as np

def retinex(img, sigma_list):
    # 将图像转换为浮点数类型
    img = np.float32(img)

    # 计算图像的亮度分量L
    L = np.zeros_like(img)
    for sigma in sigma_list:
        # 对图像进行高斯模糊
        img_smooth = cv2.GaussianBlur(img, (0, 0), sigma)
        # 计算亮度分量
        L += np.log10(img) - np.log10(img_smooth)

    # 计算图像的反射分量R
    R = img - L

    # 对L和R进行归一化
    L = cv2.normalize(L, None, 0, 255, cv2.NORM_MINMAX)
    R = cv2.normalize(R, None, 0, 255, cv2.NORM_MINMAX)

    return L, R

其中，`img`是输入的图像，`sigma_list`是Retinex算法中使用的高斯模糊的标准差列表。函数返回图像的亮度分量`L`和反射分量`R`。在函数内部，使用`cv2.GaussianBlur()`函数对图像进行高斯模糊，并计算图像的亮度分量和反射分量。最后，对亮度分量和反射分量进行归一化处理，以便显示在屏幕上。