低照度图像的亮度采用MSRCR算法进行增强代码

以下是使用MSRCR算法进行低照度图像增强的Python代码：

import cv2
import numpy as np

def MSRCR(img, sigma_list):
    # 将图像转为浮点型
    img = np.float32(img) / 255.0

    # 对图像进行拉普拉斯变换
    Laplacian = cv2.Laplacian(img, cv2.CV_32F)

    # 计算每个像素的对比度
    contrast = np.zeros_like(img)
    for sigma in sigma_list:
        blurred = cv2.GaussianBlur(img, ksize=(0, 0), sigmaX=sigma, sigmaY=sigma)
        contrast += cv2.pow(blurred - img, 2)
    contrast = np.sqrt(contrast)
    contrast /= len(sigma_list)
    contrast = cv2.max(contrast, 1.0 / 255.0)

    # 对图像进行多尺度增强
    enhanced = np.zeros_like(img)
    for sigma in sigma_list:
        blurred = cv2.GaussianBlur(img, ksize=(0, 0), sigmaX=sigma, sigmaY=sigma)
        alpha = cv2.min(contrast / cv2.sqrt(cv2.pow(blurred - img, 2) + cv2.pow(Laplacian, 2)), 1.0)
        beta = 1.0 - alpha
        blurredEnhanced = alpha * blurred + beta * img
        enhanced += cv2.GaussianBlur(blurredEnhanced, ksize=(0, 0), sigmaX=sigma, sigmaY=sigma)

    # 将增强后的图像转为8位无符号整型
    enhanced = np.uint8(np.clip(enhanced * 255.0, 0, 255))

    return enhanced


# 读取图像
img = cv2.imread('low_light_image.jpg')

# 设置sigma值列表
sigma_list = [15, 80, 250]

# 使用MSRCR算法进行增强
enhanced = MSRCR(img, sigma_list)

# 显示原始图像和增强后的图像
cv2.imshow('original', img)
cv2.imshow('enhanced', enhanced)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码中使用了OpenCV库来进行图像处理。首先将图像转为浮点型，然后计算每个像素的对比度，并进行多尺度增强。最后将增强后的图像转为8位无符号整型，并显示原始图像和增强后的图像。可以根据实际需要调整sigma值列表来获得更好的增强效果。