關於Retinex的基礎知識這裡就不再說了，http://blog.csdn.net/piaoxuezhong/article/details/78248219已經介紹過了，本篇將繼續講一下基於鄰域的Retinex演算法實現，主要分為三類：單尺度Retinex，多尺度Retinex和帶色彩恢復的Retinex。

單尺度Retinex:SSR

根據之前對retinex演算法的原理分析，我們可以得到：r=s-l=logS-logL，其中原始影象為S(x, y)，反射影象為R(x, y)，亮度影象為L(x, y)，下面我直接貼下SSR的公式部分：

在 SSR 演算法中，引數 c 的選擇直接影響影象增強的效果：c 越小，SSR 的動態壓縮能力越強，影象陰暗部分的細節得到更好的增強，但是由於平均對比度範圍較小，結果會產生顏色失真；c 越大，SSR 的顏色保真度越高，但是動態壓縮能力會減弱。通常 SSR 是在動態範圍壓縮和色感一致性之間尋找平衡點。

    %計算SSR
    SS=zeros(m,n);
    for i=1:m
       for j=1:n
        SS(i,j)=log(S(i,j)+0.00005); %對原始影象取對數操作
        GG(i,j)=log(G(i,j)+0.00005);
        V(i,j)= SS(i,j)-GG(i,j); %初步得到反射影象
       end
    end

%SSR測試函式
clc,clear all,close all;
Img=imread('../testImg/15.jpg');
if length(size(Img))>2
    OutImg=Img;
    R = Img(:,:,1);  
    G = Img(:,:,2);  
    B = Img(:,:,3);  
    OutImg(:,:,1) = SSR(R);  
    OutImg(:,:,2) = SSR(G); 
    OutImg(:,:,3) = SSR(B);  
else
    OutImg=SSR(Img);
end
figure,subplot(1,2,1),imshow(Img); title('original image');
subplot(1,2,2),imshow(OutImg); title('SSR image');
 

可以看出，單獨使用傳統SSR演算法很有可能不能取得很好的處理效果，所以有許多改進演算法出現，如參考2,3；

多尺度Retinex:MSR

SSR 演算法可能出現 halo 現象，Jobson等人又提出了多尺度Retinex演算法。通過聯合多個尺度的濾波結果，補償 halos 和照射資訊的缺失，突出暗區域的細節；MSR在SSR基礎上，同時保持影象高保真度與對影象的動態範圍進行壓縮，MSR也可實現色彩增強、顏色恆常性、區域性動態範圍壓縮、全域性動態範圍壓縮。公式為：

測試函式如下：

%% MSR
clc,clear all,close all;
Img=imread('../testImg/25.jpg');
if length(size(Img))>2
    OutImg=Img;
    R = Img(:,:,1);  
    G = Img(:,:,2);  
    B = Img(:,:,3);  
    OutImg(:,:,1) = MSR(R);  
    OutImg(:,:,2) = MSR(G); 
    OutImg(:,:,3) = MSR(B);  
else
    OutImg=MSR(Img);
end
figure,
subplot(1,2,1),imshow(Img); title('original image');
subplot(1,2,2),imshow(OutImg); title('MSR image');
 

我選擇了霧天影象做了測試，引數還有優化的餘地，這裡效果感覺不是很好。

帶色彩恢復的Retinex:MSRCR

SSR或MSR演算法，可能會導致結果影象增加噪聲，使得影象的區域性細節色彩失真，不能顯現出物體的真正顏色，為此，MSRCR在MSR的基礎上，加入了色彩恢復因子，補償由於影象區域性區域對比度增強而導致顏色失真的缺陷。目前來看，MSRCR演算法受關注程度比較高，可以查到的文獻相對也多。這裡介紹兩種色彩恢復方法：

（1）IPOL的《Multiscale Retinex》一文中給出的顏色恢復方法為：

，

，

，

Ii(x, y)表示第i個通道的影象，S表示通道數，Ci表示第i個通道的彩色恢復因子； f()表示顏色空間的對映函式； β表示增益常數；α表示受控制的非線性強度；

%% MSRCR
clc,clear all,close all;
Img=imread('../testImg/25.jpg');
OutImg=MSRCR(Img);
figure,
subplot(1,2,1),imshow(Img); title('original image');
subplot(1,2,2),imshow(OutImg); title('MSRCR image');

以上都是在RGB空間域操作的，還可以轉換到HSV或者頻率域操作，這裡就不再碼了，有興趣的可以嘗試，說不定效果輸出會有意外的驚喜哦~~

這個我沒測試過，只是拷貝一下演算法步驟，參見參考7：

• 計算出 log[R(x,y)]中R/G/B各通道資料的均值Mean和均方差Var（注意是均方差）。
• 類似下述公式計算各通道的Min和Max值。
  
  • Min = Mean - Dynamic * Var;
  • Max = Mean + Dynamic * Var;
• 對Log[R(x,y)]的每一個值Value，進行線性對映：
  R(x,y) = ( Value - Min ) / (Max - Min) * (255 - 0), 同時要注意增加一個溢位判斷，即：
  
  • if (R(x, y) > 255) R(x,y) = 255;
  • else if (R(x,y) < 0) R(x,y) = 0;

參考：

1. https://www.researchgate.net/publication/272643640_Multiscale_Retinex
2. 《基於改進SSR的LDCT影像增強演算法》[J].計算機工程
3. 《改進單尺度Retinex演算法在影象增強中的應用》[J].計算機應用與軟體
4. http://download.csdn.net/download/u011004632/8071643?locationNum=2&fps=1
5. 《A Multiscale Retinex for Bridging the Gap Between Color Images and the Human Observation of Scenes》
   

6. http://blog.csdn.net/ajianyingxiaoqinghan/article/details/71435098

7. http://blog.csdn.net/bluecol/article/details/45675615
   

8. http://www.cnblogs.com/Imageshop/archive/2013/04/17/3026881.html

9. http://www.cnblogs.com/Imageshop/p/3810402.html