精华内容
下载资源
问答
  • Retinex

    2019-09-28 19:27:34
    http://dragon.larc.nasa.gov/retinex/ Retinex Image processing NASA Langley Research Center(让图像象你实际看见的...RETINEX: 解释发音're-tin-ex, 'ret-nex;名词noun;复数形式(pl) retinexes; 解释:from Medi...
    http://dragon.larc.nasa.gov/retinex/  Retinex Image processing  NASA Langley Research Center
    (让图像象你实际看见的世界一样的明亮、清晰和清楚)。
    RETINEX: 解释 
     发音're-tin-ex, 'ret-nex;
     名词noun; 
    复数形式(pl) retinexes;
    解释:from Medieval Latin retina and Latin cortic. Edwin Land coined word for his model of human color vision, combining the retina of the eye and the cerebral cortex of the brain. More specifically defined in image processing as a process that automatically provides visual realism to images.(retinex 是来自于中古拉丁文Retina 和拉丁文 Cortic,Edwin Land 为他提出的人类色彩视觉模型,结合眼睛的视网膜(retina)和大脑的头皮层(cortex)而创新出来的一个词。更加明确的定义了人类的视觉成像过程中,图像的处理过程。)

    转载于:https://www.cnblogs.com/MichaelLu/archive/2006/10/17/531387.html

    展开全文
  • retinex

    千次阅读 2017-08-26 15:41:29
    网上关于Retinex的资料很多,在Github上下载的代码跑了一下,效果还不错,见下图(图像拼接方法见我的代码段 转自http://blog.csdn.net/CSDNMicrosoftCSDN/article/details/50207101?locationNum=3&fps=1...1.“Retinex

    网上关于Retinex的资料很多,在Github上下载的代码跑了一下,效果还不错,见下图(图像拼接方法见我的代码段 <script src="https://code.csdn.net/snippets/2551564.js"></script>转自http://blog.csdn.net/CSDNMicrosoftCSDN/article/details/50207101?locationNum=3&fps=1)

    效果代码参考 点击打开链接

    效果还不错

    自己的项目上面尝试如下

    针对retinex有一些疑问

    1.“Retinex理论的基础理论是物体的颜色是由物体对长波(红色)、中波(绿色)、短波(蓝色)光线的反射能力来决定的,而不是由反射光强度的绝对值来决定的”

    (如果上述说法是对的,那么物体的色彩不受光照非均匀性的影响,具有一致性



    展开全文
  • Retinex算法

    2017-04-05 17:16:34
    Retinex算法
  • Retinex程序

    2015-03-17 15:31:46
    Retinex基于单尺度Retinex 算法的图像增强
  • RETINEX代码

    2016-03-04 09:44:43
    RETINEX代码,单尺度和多尺度以及对此相关的改进代码。
  • retinex msr

    2009-12-22 16:49:42
    retinex msr retinex msr retinex msr retinex msr
  • retinex算法

    2014-09-10 16:11:12
    目前流行的图像增强算法retinex算法,用c实现
  • Retinex.rar

    2019-08-01 22:45:46
    一个修改后的多尺度retinex图像增强算法源代码,经验证效果不错!去雾效果也行! (A modified multiscale retinex image enhancement algorithm source code, proven good results! To fog effects are OK!)
  • retinex算法代码

    2019-04-09 20:57:22
    retinex算法的几种代码分享 以DIARETDB0 眼底图像数据库为研究对象,并与多尺度 Retinex( MSR) 、带 色彩恢复的多尺度 Retinex( MSRCR) 、直方图均衡化( HE) 、对比度受限自适应直方图均衡化( CLAHE) 4 种经典...
  • Retinex.zip

    2020-02-12 21:46:50
    首先,代码编写是正确的; 其次,代码详细讲述了Retinex算法的原理 最后,希望大家多发paper!
  • retinex.zip

    2020-06-16 10:55:07
    用于低照度图像增强,亲测可用,希望有大佬能提供一下zm_retinex_Light.m文件代码对应的原文献,我找了很久没找到
  • Retinex理解

    万次阅读 2018-08-27 22:02:11
    Retinex是一种常用的建立在科学实验和科学分析基础上的图像增强方法,它是Edwin.H.Land于1963年提出的。就跟Matlab是由Matrix和Laboratory合成的一样,Retinex也是由两个单词合成的一个词语,他们分别是retina 和...

    Retinex是一种常用的建立在科学实验和科学分析基础上的图像增强方法,它是Edwin.H.Land于1963年提出的。就跟Matlab是由Matrix和Laboratory合成的一样,Retinex也是由两个单词合成的一个词语,他们分别是retina 和cortex,即:视网膜和皮层。Land的retinex模式是建立在以下三个假设之上的:

    (1)真实世界是无颜色的,我们所感知的颜色是光与物质的相互作用的结果。我们见到的水是无色的,但是水膜—肥皂膜却是显现五彩缤纷,那是薄膜表面光干涉的结果。

    (2)每一颜色区域由给定波长的红、绿、蓝三原色构成的;

    (3)三原色决定了每个单位区域的颜色。

    Retinex理论的基础理论是物体的颜色是由物体对长波(红色)、中波(绿色)、短波(蓝色)光线的反射能力来决定的,而不是由反射光强度的绝对值来决定的,物体的色彩不受光照非均匀性的影响,具有一致性,即retinex是以色感一致性(颜色恒常性)为基础的。不同于传统的线性、非线性的只能增强图像某一类特征的方法,Retinex可以在动态范围压缩、边缘增强和颜色恒常三个方面打到平衡,因此可以对各种不同类型的图像进行自适应的增强。

    40多年来,研究人员模仿人类视觉系统发展了Retinex算法,从单尺度Retinex算法改进成多尺度加权平均的Retinex算法,再发展成彩色恢复多尺度Retinex算法。

    一、单尺度SSR(Single Scale Retinex)

    一幅给定的图像S(x,y)可以分解为两个不同的图像:反射图像R(x,y)和亮度图像(也有人称之为入射图像)L(x,y),其原理如下图所示:

    由于SSR算法中所选用的高斯函数特点,对于动态范围大幅度压缩和对比度增强两个指标,增强后的图像不能同时保证。但是为了平衡两种增强效果,就必须选择一个较为恰当的高斯尺度常量C。C值一般取值在80–100之间。

    McCann Retinex 算法是McCann和Frankle一起提出的一种Retinex算法,该算法是一种基于多重迭代策略的Retinex算法,单个点的像素值取决于一条特定路径的环绕的结果,经过多次迭代逼近理想值。通过比较螺旋式路径上的各像素点的灰度值来估计和去除图像的照度分量。

    clip_image002[8]

    图8.McCann Retinex算法路径选择示意图

    这个图是参照人家论文的,不过我准备像论文那样讲,因为太复杂了,不容易懂。从图中我们可以看到,算法沿着这个螺旋式的路径选取用于估计的点,并且越靠近预测的中心点选取的点数越多。这个从实际物理上也解释的通,靠的近的像素点与中心像素点的相关性肯定要要比远处的点要高。

    该算法估测图像经过以下几个步骤:

    1. 将原图像变换到对数域clip_image004[8],彩色图像对各通道都进行对数变换;

    2. 初始化常数图像矩阵clip_image006[8],该矩阵作为进行迭代运算的初始值;

    3. 计算路径,如上图8所示,这里令clip_image008[8]为路径上的点,从远到近排列;

    4. 对路径上的像素点按照如下公式运算:

    clip_image010[8]

    clip_image012[8]

    公式所表示的大致意思为:从远到近,中心点像素值减去路径上的像素值得到的差值的一半与前一时刻的估计值之间的和。最终,中心像素点的像素大致的形式为

    clip_image014[6]

    其中clip_image016[6]表示中心位置最终的反射率估计,clip_image018[6]为常数值为转换后的图像中的最大值,在步骤2中被确定。从这里将clip_image020按照Retinex理论进行分解,最终公式中可以看到,最终照度分量被去除了,而中心位置的反射率由路径上各点的反射率之间的差值进行估计,并且从轨迹上可以看到,靠的越近的在最终估计的时候所占比重越大。

    就我个人理解,这类估计算法,实质是将中心位置和周围亮度之间的差异作为最终中心位置的反射率的估计。如果中心位置亮度本身高,那么最终的结果还是高亮度的;如果中心位置亮度低,那么中心与其它点的差肯定是负值,最终的结果clip_image016[7]就比较小,亮度就比较低。这就要求路径上的点需要能够很好地代表整幅图像的特性,如果图像本身很规则,那么可能中央与周围计算的结果无法估测该点像素本身的灰度特性,结果就与预期的可能不一样了。如下图9可以看到,算法实质是估计中心和周边的差值,因此图中原本黑色区域的图像由于与周边差别很小,因此呈现高亮度;而在小型的矩形周围随着距离的增大,差别渐渐变小,因此亮度逐渐升高,无法体现原本黑色像素点处原本的亮度特性。

    clip_image022

    图9.算法的测试图(来自Retinex in Matlab)

    从原始算法中可以看到,还有一个重要的步骤,就是迭代。迭代的作用是尽可能保留中央周边差的分量,原本每次只保留中央周边差的一半(见步骤4中最后的除2的处理),迭代次数越多,保留的分量就越多,迭代n次保留的分量就是clip_image024,这样局部的信息就更多,相当于降低动态范围的压缩。这样的操作可以使图像更加自然,但是会增加运算量,下图可以更加明显地看出迭代次数的影响:

    clip_image026

    图10.迭代次数的影响

     

    三. 带颜色恢复的MSR方法MSRCR(Multi-Scale Retinex with Color Restoration)

    在以上的两幅测试图像中,特别是第二幅,我们看到明显的偏色效果,这就是SSR和MSR普遍都存在的问题。

    为此,研究者又开发出一种称之为带色彩恢复的多尺度视网膜增强算法(MSRCR,Multi-Scale Retinex with Color Restoration) ,具体讨论的过程详见《A Multiscale Retinex for Bridging the Gap Between Color Images and the Human Observation of Scenes》论文。

    1. 原理

    在前面的增强过程中,图像可能会因为增加了噪声,而使得图像的局部细节色彩失真,不能显现出物体的真正颜色,整体视觉效果变差。针对这一点不足,MSRCR在MSR的基础上,加入了色彩恢复因子C来调节由于图像局部区域对比度增强而导致颜色失真的缺陷。 
    改进算法如下所示:

    RMSRCRi(x,y)=Ci(x,y)RMSRi(x,y)RMSRCRi(x,y)=Ci(x,y)RMSRi(x,y) …………(8) 
    Ci(x,y)=f[I′i(x,y)]=f[Ii(x,y)∑Nj=1Ij(x,y)]Ci(x,y)=f[Ii′(x,y)]=f[Ii(x,y)∑j=1NIj(x,y)] …………(9) 
    f[I′i(x,y)]=βlog[αI′i(x,y)]=β{log[αI′i(x,y)]−log[∑Nj=1Ij(x,y)]}f[Ii′(x,y)]=βlog⁡[αIi′(x,y)]=β{log⁡[αIi′(x,y)]−log⁡[∑j=1NIj(x,y)]} …………(10) 
    其中参数说明如下:

    • Ii(x, y)表示第i个通道的图像
    • Ci表示第i个通道的彩色回复因子,用来调节3个通道颜色的比例;
    • f(·)表示颜色空间的映射函数;
    • β是增益常数;
    • α是受控制的非线性强度;

    MSRCR算法利用彩色恢复因子C,调节原始图像中3个颜色通道之间的比例关系,从而把相对较暗区域的信息凸显出来,达到了消除图像色彩失真的缺陷。 
    处理后的图像局部对比度提高,亮度与真实场景相似,在人们视觉感知下,图像显得更加逼真。

    但是MSRCR算法处理图像后,像素值一般会出现负值。所以从对数域r(x, y)转换为实数域R(x, y)后,需要通过改变增益Gain,偏差Offset对图像进行修正。使用公式可以表示为: 
    RMSRCRi(x,y)′=G⋅RMSRCRi(x,y)+ORMSRCRi(x,y)′=G⋅RMSRCRi(x,y)+O …………(11) 
    式(11)中,G表示增益Gain,O表示偏差Offset。它们的值取决于软件中的算法实现。

    2. MSRCR其他实现方法

    MSRCR方法如上,且获得了不错的效果。但在博文《MSRCR》中,作者认为论文里的方法不起任何作用,并且论文里为了这个又引入了太多的可调参数,增加了算法的复杂性,不利于自动化实现。 
    博文作者认为,GIMP的contrast-retinex.c文件里使用的算法很好,效果也很好。他直接从量化的方式上入手,引入了均值和均方差的概念,再加上一个控制图像动态的参数来实现无色偏的调节过程,简要描述如下:

    • 计算出 log[R(x,y)]中R/G/B各通道数据的均值Mean和均方差Var(注意是均方差)。
    • 类似下述公式计算各通道的Min和Max值。 
      • Min = Mean - Dynamic * Var;
      • Max = Mean + Dynamic * Var;
    • 对Log[R(x,y)]的每一个值Value,进行线性映射: 
      R(x,y) = ( Value - Min ) / (Max - Min) * (255 - 0), 同时要注意增加一个溢出判断,即: 
      • if (R(x, y) > 255) R(x,y) = 255;
      • else if (R(x,y) < 0) R(x,y) = 0;

    就是经过这么简单的处理,实践证明可以取得非常好的效果,下面贴出一些处理后的效果

    展开全文
  • 1、Retinex理论 Retinex 是两个单词合成的,它们分别是 retina (视网膜)和 cortex (皮层),因此 Retinex 理论很多时候也被称为是视网膜皮层理论。 最初的基于 Retinex 理论的模型提出了一个人眼视觉系统 (HVS, ...

    1、Retinex理论

    Retinex 是两个单词合成的,它们分别是 retina (视网膜)和 cortex (皮层),因此 Retinex 理论很多时候也被称为是视网膜皮层理论。

    最初的基于 Retinex 理论的模型提出了一个人眼视觉系统 (HVS, Human Visual System) 解 释了人眼为什么对于光线波长和亮度互不对应。在这个理论中,物体能够被观察到的颜色信 息是由两个因素决定的:物体本身的反射性质和物体周围的光照强度,但根据颜色恒常性的 理论,物体有自身的固有属性,这个不会受到光照影响,一个物体对于不同光波的反射能力 才能够决定物体的颜色。Retinex 理论的基本思想就是光照强度决定了原始图像中所有像素点 的动态范围大小,而原始图像的固有属性则是由物体自身的反射系数决定,即假设反射图像 和光照图像相乘为原始图像。所以 Retinex 的思路即是去除光照的影响,保留住物体的固有属性。

    Retinex 模型示意图

    如图 所示,假设观察者处成像的图像为?(?, ?),则表达式为:

    其中,?(?, ?)表示周围光照强度信息的光照分量,?(?, ?)表示物体本身固有性质的反射分量。
    对公式 (2.14) 两边作对数处理:

    作对数处理的两大好处:首先因为人眼对亮度的感知能力不是线性的,它近似于对数曲线,如图 所示,

    人眼对亮度的感知能力

    其次是复杂的乘除在对数域中是简单的加减法,这些可以大幅度降低算法的复杂度。
    Retinex 的基本算法流程图如图 所示:

    Retinex 算法基本流程图

    2、单尺度Retinex(Single-SR)

    单尺度 Retinex 算法的处理过程非常拟合人眼的视觉成像过程,该算法的基本思路是:首 先先构建高斯环绕函数,然后利用高斯环绕函数分别对图像的三个色彩通道 (R 、 G 和 B) 进行 滤波,则滤波后的图像就是我们所估计的光照分量,接着再在对数域中对原始图像和光照分 量进行相减得到反射分量作为输出结果图像。该算法能压缩图像的动态范围、一定程度上的 保持图像的颜色和细节的增强。其具体的表达式如下:

    其中,?(?, ?)为原始图像,?(?, ?)为反射分量,?(?, ?)为光照分量,? ? 表示第 i 个色彩通道的 反射图像, * 代表卷积,?(?, ?)为高斯环绕函数,?(?, ?)的构造如下:

    其中,?被称为高斯环绕的尺度参数,它是整个算法中的唯一可调节的参数,所以它可以非常 容易影响到图像增强的最终结果。下图 是经过许多调试之后得出的最佳的尺度参数的高斯 环绕函数的模型和实验结果图。在实验过程中发现,当?比较小的时候,代表高斯模板尺度小, 此时能够较好的保持边缘的细节信息,动态范围变大,但是色彩无法保持;当?比较大的时候, 色彩恢复很好,但动态范围变小,细节保持差。

    SSR 最佳结果图和高斯环绕函数

    SSR 算法的基本流程:
    (1) 输入原始图像?(?, ?),并分离三个颜色空间分量。
    (2) 确定尺度参数?的大小,保证满足条件∬ ?(?, ?)???? = 1的 λ的值。
    (3) 根据公式 (2.17) 得到反射图像?(?, ?)。
    (4) 将?(?, ?)从对数域转换到实数域得到?(?, ?)。
    (5) 对?(?, ?)进行线性拉伸处理,得到最终结果并显示。

    3、多尺度 Retinex(MSR)

    由于 SSR 单尺度需要在颜色保真度和细节保持度上追去一个完美的平衡,而这个平衡在 应对不同图像的时候一般都有差别,所以针对这个情况, Jobson 和 Rahman 等人再次提出了 多尺度的 Retinex 算法 (MSR) ,即对一幅图像在不同的尺度上利用高斯进行滤波,然后在对 不同尺度上的滤波结果进行平均加权,获得所估计的照度图像。MSR 简单来说就是相当于做 多次的 SSR 。其公式如下:

    其中, N 是尺度参数的个数,如果 N 为 1 ,则就是前面介绍的单尺度的 Retinex 算法。通过许 多实验后发现,当 N 取 3 ,即使用三个不同尺度的高斯滤波器对原始图像进行滤波处理时, 效果最好。? ? 是第 k 个尺度在进行加权的时候的权重系数,它需要满足下面的公式:

    经过实验发现,当取平均时,能适用于大量的低照度图像,且运算简单。最后,? ? (?, ?) 是在第 k 个尺度上的高斯滤波函数,即:

    MSR 不同尺度下的单通道滤波图像及结果图

    图显示了一幅彩色图像的一个通道中在不同尺度下的滤波结果图像。

    通过实验证明了多尺度的 Retinex 在颜色保持和细节突出等方面比单尺度的 SSR 要好很 多,但是一般情况下尺度选择为 3 ,所以一次 MSR 等同于三次的 SSR ,在时间复杂度上要 超出很多。

    4、带颜色恢复的多尺度 Retinex(MSRCR)

    前面介绍了单尺度 Retinex 和多尺度 Retinex ,我们都发现它们都是直接在 RGB 颜色空 间中直接进行的像素运算,在前面的颜色空间中介绍过,当使用 RGB 颜色空间时,由于其 自身很强的耦合性,所以无法保证在经过操作后各个通道之间像素点的比值与原始图像的一 致。假设原图像的三个通道的分别为? ? (?, ?)、? ? (?, ?)和? ? (?, ?),当输入图像由 MSR 算法增 强之后三个通道变为了??? ? (?, ?)、??? ? (?, ?)和??? ? (?, ?)。这个比例关系在增强效果十分理想的情况下应该由以下的公式表示:

    然而在实际中,这种比例是很难保证的,即在增强之后,比例的数值往往都会发生改 变,着就是色彩失真的原因所在。而前面的算法都未将这点考虑进行,所以很容易就会出现 色彩失真现象。针对这个情况, Jobson 和 Rahman 等人又一次提出了新的算法,即带颜色恢 复的多尺度 Retinex(MSRCR)。该算法可以将 MSR 得到的结果按照一定的比例进行调整 以求恢复原来的比例数值,具体是通过引入了颜色恢复因子 C ,其公式如下:

    其中? ? (?, ?)是?(? ∈ {?, ?, ?})颜色通道的颜色恢复因子,?是增益常数,?是一个调节因子, 一般情况下是非线性的。为了能在正常的屏幕中显示图像,需要对对数域中的像素值进行拉 伸处理,最好结合公式 (2.19) 和 (2.23) 可以得到 MSRCR 的数学表达式:

    其中,?和?分别是增益和偏移量系数,作用是为了将最后的图像能很好的显示在屏幕中。下列表格为 MSRCR 的一些基本参数。

    下图中给出了尺度参数?分别为 30 、 80 、 200 时 MSRCR 的处理效果。

    MSRCR 算法增强效果图
    展开全文
  • 多尺度Retinex

    2017-10-19 13:31:50
    多尺度retinex算法实现,用的是matlab,测试通过,里面的三个参数可以自己设置
  • Variational Bayesian Method for Retinex
  • Retinex算法学习

    2015-11-01 13:45:06
    这是自己在学习Retinex算法过程中整理出来的PPT和文档,还有自己参考的经典的论文,想了解Retinex算法的可以参考学习一下~
  • retinex算法MATLAB代码

    2020-12-26 12:30:24
    retinex算法是目前比较流行且重要的图像增强算法,主要是通过将影响图像质量的照度分量去除,得到图像本来面目的原理!利用了人类视觉系统的特性!
  • RETINEX算法.zip

    2019-10-22 18:31:51
    图像增强的Retinex三种方法的代码及其注释(matlab版)
  • retinex增强代码

    2016-01-23 00:56:59
    retinex 增强图像源代码 增强图像清晰效果 ,
  • retinex图像处理

    2015-05-19 08:48:26
    retinex 图像处理 光照补偿 新技术
  • 《数字图像处理高级应用》中的代码,注意是单尺度的Retinex呦~
  • retinex算法代码MSR

    2019-04-21 21:05:34
    搜集到的几个基于retinex算法的代码,用的是matlab,测试通过

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 856
精华内容 342
关键字:

retinex