Retinex 算法代码

Retinex算法是一种图像增强算法，它可以提高图像的亮度、对比度和饱和度。以下是一个简单的Retinex算法的Python代码实现：

import cv2
import numpy as np

def singleScaleRetinex(img, sigma):
    # 将图像转换为浮点数类型
    img = np.float64(img)
    # 计算对数值
    img_log = np.log10(img + 1.0)
    # 计算高斯滤波器
    gauss = cv2.GaussianBlur(img, (0,0), sigma)
    # 计算高斯滤波器的对数值
    gauss_log = np.log10(gauss + 1.0)
    # 计算差异
    img_retinex = img_log - gauss_log
    # 将图像转换回uint8类型
    img_retinex = np.uint8(np.clip((img_retinex + 1.0) * (255.0 / np.max(img_retinex)), 0, 255))
    return img_retinex

def multiScaleRetinex(img, sigma_list):
    # 将图像转换为浮点数类型
    img = np.float64(img)
    # 计算对数值
    img_log = np.log10(img + 1.0)
    # 初始化图像
    img_retinex = np.zeros_like(img)
    # 对每个sigma值进行单尺度Retinex处理
    for sigma in sigma_list:
        # 计算高斯滤波器
        gauss = cv2.GaussianBlur(img, (0,0), sigma)
        # 计算高斯滤波器的对数值
        gauss_log = np.log10(gauss + 1.0)
        # 计算差异
        img_retinex += img_log - gauss_log
    # 将图像转换回uint8类型
    img_retinex = np.uint8(np.clip((img_retinex + 1.0) * (255.0 / np.max(img_retinex)), 0, 255))
    return img_retinex

def colorRestoration(img, alpha, beta):
    # 将图像转换为浮点数类型
    img = np.float64(img)
    # 分离通道
    b, g, r = cv2.split(img)
    # 计算均值
    mb, mg, mr = cv2.mean(b), cv2.mean(g), cv2.mean(r)
    # 进行颜色恢复
    b = np.uint8(np.clip(b * alpha / mb, 0, 255))
    g = np.uint8(np.clip(g * alpha / mg, 0, 255))
    r = np.uint8(np.clip(r * alpha / mr, 0, 255))
    # 合并通道
    img_color = cv2.merge([b, g, r])
    # 调整饱和度
    img_hsv = cv2.cvtColor(img_color, cv2.COLOR_BGR2HSV)
    img_hsv[:,:,1] = np.uint8(np.clip(img_hsv[:,:,1] * beta, 0, 255))
    img_color = cv2.cvtColor(img_hsv, cv2.COLOR_HSV2BGR)
    return img_color

def MSRCP(img, sigma_list, alpha, beta):
    # 多尺度Retinex处理
    img_retinex = multiScaleRetinex(img, sigma_list)
    # 颜色恢复
    img_color = colorRestoration(img, alpha, beta)
    # 合并图像
    img_msrcp = cv2.addWeighted(img_retinex, 0.75, img_color, 0.25, 0)
    return img_msrcp

使用时，可以先调用`MSRCP()`函数，然后传入图像，sigma值列表、alpha和beta参数，函数将返回经过Retinex增强处理的图像。例如：

img = cv2.imread('test.jpg')
sigma_list = [15, 80, 250]
alpha = 128
beta = 1.5
img_msrcp = MSRCP(img, sigma_list, alpha, beta)
cv2.imshow('MSRCP', img_msrcp)
cv2.waitKey(0)
cv2.destroyAllWindows()

这将会显示经过Retinex增强处理的图像。