将rgb转化成为hsi 并利用retinex算法将亮度分量分解成L和R成分python代码

以下是将RGB转换为HSI的Python代码：

import numpy as np

def rgb_to_hsi(rgb_img):
    # 将RGB图像的像素值归一化到[0, 1]范围内
    r, g, b = rgb_img[:, :, 0] / 255.0, rgb_img[:, :, 1] / 255.0, rgb_img[:, :, 2] / 255.0
    
    # 计算亮度、饱和度、色相
    i = (r + g + b) / 3.0
    s = 1 - (3.0 / (r + g + b + 1e-10) * np.minimum(np.minimum(r, g), b))
    h = np.arccos((0.5 * ((r - g) + (r - b))) / (np.sqrt((r - g) ** 2 + (r - b) * (g - b)) + 1e-10))
    h[b > g] = 2 * np.pi - h[b > g]
    h /= 2 * np.pi
    
    # 将HSI图像的像素值从[0, 1]范围内转换回[0, 255]
    h, s, i = h * 255, s * 255, i * 255
    hsi_img = np.zeros_like(rgb_img)
    hsi_img[:, :, 0], hsi_img[:, :, 1], hsi_img[:, :, 2] = h, s, i
    return hsi_img.astype(np.uint8)

以下是利用Retinex算法将亮度分量分解成L和R成分的Python代码：

import cv2
import numpy as np

def retinex_decomposition(img, sigma_list):
    img = img.astype(np.float32)
    img_sum = np.zeros_like(img)
    img_min = np.ones_like(img) * np.inf
    for sigma in sigma_list:
        img_blur = cv2.GaussianBlur(img, (0, 0), sigma)
        img_diff = img - img_blur
        img_sum += np.log10(img_diff + 1e-10)
        img_min = np.minimum(img_min, img_diff)
    R = np.exp(img_sum / len(sigma_list))
    L = np.log10(np.maximum(img_min, 1e-10))
    return L, R

其中，`img`为输入图像，`sigma_list`是高斯核的标准差列表，返回值`L`和`R`分别为亮度分量和反射分量。