基于Retinex理论的MSR计算公式代码

Retinex理论是一种图像增强算法，包括单尺度Retinex（SSR）和多尺度Retinex（MSR）。其中，MSR计算公式如下：

$$MSR(x,y)=\frac{1}{n}\sum_{i=1}^{n}\log(R_i(x,y))$$

其中，$R_i(x,y)$表示在第$i$个尺度下像素$(x,y)$的反射率，$n$表示尺度的数量。

以下是基于Retinex理论的MSR计算公式的Python代码：

import cv2
import numpy as np

def MSR(img, scales):
    retinex = np.zeros_like(img)
    for scale in scales:
        gaussian = cv2.GaussianBlur(img, (0,0), scale)
        gaussian[gaussian==0] = 0.1
        retinex += np.log10(img) - np.log10(gaussian)
    retinex = retinex / len(scales)
    return np.uint8(np.clip((retinex+3)*64, 0, 255))

# 示例代码
img = cv2.imread('example.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
result = MSR(img, [15,80,250])
cv2.imshow('result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中`scales`表示尺度的列表，`img`为输入图像。`cv2.GaussianBlur`用于计算高斯模糊，`np.log10`用于计算对数，`np.clip`用于将结果限制在0-255之间。最终返回的结果是一个增强后的灰度图像。