基于Retinex理论的SSR计算公式代码

Retinex理论是一种图像处理算法，用于增强图像的亮度、对比度和颜色鲜艳度。其中，SSR（Single Scale Retinex）是一种基于Retinex理论的算法，用于增强图像的亮度和对比度。

SSR计算公式如下：

$ SSR(x,y) = \ln(I(x,y)) - \ln(I_{G}(x,y)) $

其中，$I(x,y)$表示图像在坐标$(x,y)$处的亮度值，$I_{G}(x,y)$为图像在该位置的高斯模糊值。

下面是基于Retinex理论的SSR计算公式的Python实现代码：

import cv2
import numpy as np

def SSR(image, sigma):
    # 图像灰度化
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 对图像进行高斯模糊
    blur = cv2.GaussianBlur(gray, (0, 0), sigma)
    # 计算SSR值
    ssr = np.log(gray) - np.log(blur)
    # 将SSR值归一化到[0,255]区间
    ssr = cv2.normalize(ssr, dst=None, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX)
    # 将SSR值转换为uint8类型
    ssr = np.uint8(ssr)
    return ssr

其中，`image`表示输入的图像，`sigma`表示高斯模糊的方差。函数返回值为计算后的SSR图像。