最近再次看了一下IPOL网站，有一篇最近发表的文章，名字就是Multiscale Retinex，感觉自己对这个已经基本了解了，但还是进去看了看，也有一些收获，于是抽空把他们稍微整理了下，原始文章及其配套代码详见：。

      之前在我的  一文中已经较为详细的描述了Multiscale Retinex的基本原理和应用，这里就不再做过多的说明。为表述方便，还是贴出其基本的计算原理：

　　　　

　　上式中，I为原始输入图像，F是滤波函数，一般为高斯函数，N为尺度的数量，W为每个尺度的权重，一般都为1/N， R表示在对数域的图像的输出。

　　由于R是对数域的输出，要转换为数字图像，必须将他们量化为[0,255]的数字图像范畴，关于这个量化的算法，有这极为重要的意义，他的好坏直接决定了最终输出的图像的品质。

　　目前，结合上述文章中提出的一些过程，有4种方式进行处理：

　　第一种，也是最容易想到的就是，直接线性量化，即采用下式进行处理：

　　     

　　这种方式，由于Retinex数据处理后的高动态特性，数据分布很广，会出现严重的两极化现象，一般难以获得满意的结果。

　　第二种，就是在经典的MSRCR文章《A Multiscale Retinex for Bridging the Gap Between Color Images and the Human Observation of Scenes》中提出的Canonical Gain/Offset 算法。计算公式如下：

　　           

　　其中G和b为经验参数。

　　第三种，实在上述文章中提到的Simplest Color Balance（我简写为SCR）方式，这种方式的处理类似于Photoshop中的自动色阶，他把数据按照一定的百分比去除最小和最大的部分，然后中间的部分重新线性量化到0和255之间。

　　第四种，就是GIMP的Retinex算法，这个可详见  一文的描述。

　　还有一种方式，就是大家知道HDR的过程吧，他也是将高动态的数据量化到图像的可视范围，因此可以直接将这类算法应用与这个问题上。我也做了实验，效果似乎一般。

　　在用第二种或第三种方式处理时，最好还需要有个Color Restoration的过程，因为如果直接对MSR处理的结果进行量化，得到的图像往往整体偏灰度，这是由于原始的彩色值经过log处理后的数据范围就比较小了，这样各通道之间的差异也很小，而之后的线性量化比log曲线要平滑很多，因此整体就丧失了彩色。

　　论文中提出了修正方式如下：

　　　　　　　　　　

　　　　　　　　　　

　　　　　　　　　　

 

　　 其中β=46，α=125为经验参数，但是最终我的分析认为β不可能取这么大，取1试验表明效果还不错。

　　 对于一些原始图像HUE较为合理的图，如果用经典的MSRCR算法，会导致处理后的图容易偏色，上述论文提出了对图像的Intensity数据进行Retinex处理，然后再把数据根据原始的RGB的比例映射到每个通道，这样就能在保留原始颜色分布的基础上增强图像，文章中称其为MSRCP。

　　这个算法的编码论文的附带代码里已经有了很好的例子了，其实真是很简单的工作，需要的朋友自己去参考。

　　我自己做了5种算法的比较，分别是：

　　　　　　MSRCRGIMP　　　　-　　　　Gimp内嵌的Retinex增强算法

　　　　　　MSRCRStandard　　-　　　　按照《A Multiscale Retinex ....  the Human Observation of Scenes》一文写的算法，其中G=30，B=-6，β=1，α=125

　　　　　　MSRCRSCR　　　　  -          使用Color Restoration + Simplest Color Balance算法量化得到的结果

　　 　　　  MSRCPSCR　　　　  -          使用Intensity数据 + Simplest Color Balance算法量化得到的结果

　　　　　　MSRHSV　　　　　　-　　　　对HSV空间的V分量进行（用的SCR量化）Retinex处理并返回RGB空间后的结果

　　他们的效果比较如下：

  

　　　　　　　　original 　　　　　　　　　　　　　　　　　　　    　MSRCRGIMP    　　　　　　　　　　　　　　　　             　　MSRCRStandard

  

 　　　　　    　MSRCRSCR　　　　　　　　　　　　　　　　　　      MSRCPSCR　　　　  　　　　　　　　　　　　　　　　　　MSRHSV

  

　　　　　　　　original 　　　　　　　　　　　　　　　　　　　 　     MSRCRGIMP    　　　　　　　　　　　　　　　　          　　MSRCRStandard

  

　　　　　　 MSRCRSCR　　　　　　　　　　　　　　　　　　          MSRCPSCR　　　　  　　　　　　　　　　　　　　　　　　MSRHSV

  

　　　　　　　　original 　　　　　　　　　　　　　　　　　　　 　     MSRCRGIMP    　　　　　　　　　　　　　　　　          　　MSRCRStandard

  

 　　　　　　　　MSRCRSCR　　　　　　　　　　　　　　　　　　          MSRCPSCR　　　　  　　　　　　　　　　　　　　　　　　MSRHSV　　

　　孰好孰坏给位自己去斟酌吧。

　　算法效果测试：

　　很久没有写博客了，其实也没有江郎才尽的感觉，就是呢没有想写的冲动。现在写也无以前那么认真了，感觉就是像计流水账一样。算了，记账就记账吧。

 

****************************作者： laviewpbt   时间： 2014.6.26    联系QQ:  1664462947  转载请保留本行信息********************