y)进行高斯模糊而拿到, 一文中早已比较详细的陈诉了Multiscale

  前段时间再次看了黄金时代晃IPOL网址,有黄金时代篇目前登载的稿子,名字就是Multiscale
Retinex,以为温馨对这些已经主导了然了,但要么步向看了看,也有豆蔻梢头部分赢得,于是抽空把他们有一点点收拾了下,原始文章及其配套代码详见:http://www.ipol.im/pub/art/2014/107/

   
Retinex那一个词是由视网膜(Retina卡塔尔和大脑皮层(Cortex卡塔尔(قطر‎七个词组合构成的。Retinex理论首要包括了三个方面包车型地铁内容:物体的颜色是由物体对长波、
中波和短波光线的反射才干决定的,实际不是由反射光强度的相对值调整的;物体的色彩不受光照 非均匀性的熏陶,拥有意气风发致性
。 

      相关随笔可以看到:带色彩复苏的多尺度视网膜加强算法(MSRC中华V)的规律、实现及使用。

     
早先在自己的 带色彩恢复生机的多尺度视网膜加强算法(MSRCRAV4)的规律、达成及利用 一文中已经较为详细的叙说了Multiscale
Retinex的基本原理和行使,这里就不再做过多的求证。为表明方便,还是贴出其大旨的乘除原理:

   
依照Retinex理论,人眼感知物体的亮度决意于境况的照明和物体表直面照射光的反光,其数学表达式为:

   
 从历史的顺序上讲,本篇应该献身MSRCLX570此前的,只是出于几前段时间大致散文都以呈报的MSRCLAND,因此作者也是先读书MSRC中华V的。

    图片 1

           
I(x,y)=L(x,y)*R(x,y)                            (2-1)

   
 前几日,无意中寻找一些Retinex资料,寻觅到意气风发篇文章《Retinex in
matlab》,原认为是MSRC奥迪Q5之类的matlab达成,结果留神生龙活虎看,和MSRC中华V算法的叙讲完全两样。于是找了部分素材,对Retinex的历史有了更进一层询问,以下复制一些舆论中的文书档案以供表明:

  上式中,I为原始输入图像,F是滤波函数,经常为高斯函数,N为尺度的数量,W为各样尺度的权重,平日都为1/N,
揽胜代表在对数域的图像的输出。

  式中: I(x,y卡塔尔国代表被考察或卡片机选拔到的图像非功率信号;L(x,y卡塔尔(قطر‎代表境况光的照耀分量
;Enclave(x,y卡塔尔(英语:State of Qatar)表示带领图像细节新闻的对象物体的反射分量 。

   
 ******************************************************************************************************************************************************************************

  由于科雷傲是对数域的输出,要调换为数字图像,必需将她们量化为[0,255]的数字图像范畴,关于那个量化的算法,有这极为主要的意义,他的三等九格直接决定了末了输出的图像的质量。

   
将(2-1卡塔尔(قطر‎式两侧取对数,则可抛开入射光的品质获得物体的自然风貌,即有关系式

   
小说地址:http://www.doc88.com/p-993974139685.html

  近日,结合上述作品中建议的豆蔻年华对经过,有4种情势张开管理:

       Log[R(x,y)] =
Log[I(x,y)]-Log[L(x,y)];                
     (2-2)

   
前段时间,在现代生法学和激情学的引导下,美利坚合众国物历史学家Land等人策动出了Retinex(网膜皮层卡塔尔(قطر‎模型,并在切合人眼的颜色恒常性理论前提下,提议了依赖Retinex的图像加强算法。这种算法建立的底子是假让人眼感知指标的亮度和颜色由意况光照和对象表面包车型客车反射光照决定,保持指标的水彩恒常性首要就是臆想情况光照,并删除景况光照的形象。那样就得到了准确的目的颜色和亮度音讯。由于Retinex算法具有高动态范围减小、高色彩保真度和能够的局地细节巩固等特征,引起了大气的海外行家的兴趣。为标准推测亮度分量,选拔总括路径不足为奇有意气风发维和二维的分别。早期,Land提出接收随机路线,并对路径所经过的像素举办增添计算亮度,这种方法的毛病在于当前像素点的亮度和任性路线上的像素亮度有关和其领域相近的像素亮度差少之又少非亲非故,使得巩固后的图像现身亮度不延续的情况。随后现身了三种迭代分段线性路线,即McCann99
Retinex 和Frankle-McCann
Retinex,相比较随机路线的Retinex而言,他们的提升作用较好。不过,他们的联合具名缺欠在于总括复杂度相比高,且迭代次数的选项对增长功用的熏陶主要。2003年,Ciurea和Funt发表了自行选拔迭代次数的诗歌后,那生机勃勃难题才足以解决。
Land解析了黄金时代维路线选取的劣势,提议了二维路线的选拔方式,即着力/环绕Retinex算法。这种艺术下,当前像素点相近领域内像素亮度值作为计算依靠,且Jobson等人战战惶惶的认证了高斯卷积函数满意基本/环绕函数要求…………………………………….(以下正是SS汉兰达\MSR\MSRCR…等等)。

  第风流浪漫种,也是最轻松想到的便是,直接线性量化,即采用下式实行管理:

   
对上面包车型客车论战的实行三个简约的疏解吧。把这些技术应用到图像管理上,正是本着大家明天早已赢得的豆蔻梢头副图像数据I(x,y),总结出相应的奇骏(x,y卡塔尔,则Enclave(x,y卡塔尔感觉是增加后的图像,今后的显假使怎样拿到L(X,Y卡塔尔(قطر‎。Retinex理论的倡导者建议那几个L(x,y)能够因此对图像数据I(x,y)举办高斯模糊而获得,超多散文中都列出了万分中央/围绕函数以致须要归风姿浪漫化的K值,搞的重重新手都不领悟是什么了,其实正是一个歪曲而已。从实质上使用的角度来讲,也得以用均值模糊来顶替高斯模糊。

   
 ******************************************************************************************************************************************************************************

    
  图片 2

   
 由此这一个算法的细路就异常的粗略了,具体步骤如下:

   
由以上描述可以见到,Frankle-McCann Retinex选用了生龙活虎维路线寻觅办法猜度亮度,而MSRC奇骏是二维的,前者则越是复杂。

  这种方法,由于Retinex数据处理后的高动态本性,数据布满很广,会师世严重的两极化现象,日常难以得到满足的结果。

     1、输入:
原始图像数据I(x,y卡塔尔国,尺度(也等于所谓的歪曲的半径)

   
关于FMPAJERO算法的原理呢,作者弹指间也讲不清,这里微微对算法的局地历程進展简要的牵线吧。

  第三种,正是在杰出的MSRC途乐作品《A
Multiscale Retinex for Bridging the Gap Between Color Images and the
Human Observation of Scenes》中提议的Canonical Gain/Offset
算法。总结公式如下:

     2、管理:(1卡塔尔(قطر‎总括原始图像按钦命尺度实行模糊后的图像 L(x,y卡塔尔国;

   
首先,算法的输入需假若[0,1]界定的浮点数,况且是按对数分布的,这一个普通须求将[0,255]按对数方式量化到[0,1]范围内。

      
  图片 3    

              (2)根据2-2式的乘除方法总计出 Log[R(x,y)]的值。

   
然后根据下图所示的门路对种种点的数目实行对照、想乘、重新初始化和平均操作。

  此中G和b为涉世参数。

              (3)
将 Log[R(x,y)]量化为0到255限量的像素值,作为最后的出口。

                 
 图片 4

  第二种,实在上述小说中涉嫌的Simplest
Color
Balance(小编简写为SCTucson)情势,这种艺术的管理形似于Photoshop中的自动色阶,他把数量遵照一定的百分比去除最小和最大的生机勃勃部分,然后中间的意气风发对重新线性量化到0和255以内。

   
能够看得出,算法异常粗略,其主题的东西依旧在于高斯模糊的落到实处。关于高斯模糊,英特网有大多火速优化的稿子仿照效法,具体的参照他事他说加以考察代码恐怕少之甚少有好人提供的。

     
这几个自家其实是说不清楚了,给多少个链接我们温馨看看啊:

  第各类,正是GIMP的Retinex算法,那些可详见 带色彩恢复生机的多尺度视网膜加强算法(MSRC奥迪Q5)的规律、完成及运用 一文的陈说。

   
注意到某个,就如在量化的时候从不哪个人会将 Log[R(x,y)]实行Exp函数的运算而直接获得福特Explorer(x,y卡塔尔国,至于何以,我一筹莫展提交分明的答案。

      依据心绪物历史学评价和喜爱映射的高动态范围图像的光芒映射算子的设计

  还应该有生龙活虎种方式,正是权族理解HDEscort的历程吧,他也是将高动态的多小量化到图像的可视范围,由此得以平素将那类算法应用与那几个标题上。作者也做了尝试,效果仿佛通常。

   
量化的不二等秘书籍实际上有为数不菲种,而那些办法在相当大的档案的次序上对管理的功用有所决定性的熏陶。现今自身没见到有哪后生可畏篇诗歌对这一块讲的很精通,也不知道她们的那几个结果是怎么获取的,后生可畏种最简便易行的点子正是测算出Log[R(x,y)]的最大值Max和纤维值Min,然后对每二个值Value,实行线性量化,公式为:

        听大人讲色彩恒常性的图像去雾本事

  在用第二种或第三种办法管理时,最佳还亟需有个Color
Restoration的历程,因为风度翩翩旦直白对MS奥迪Q7管理的结果开展量化,获得的图像往往全体偏灰度,那是由于原有的彩色值经过log处理后的数目范围就超级小了,那样各通道之间的差距也十分小,而后来的线性量化比log曲线要平滑比超级多,因而总体就丧失了异彩。

            R(x,y) = (
Value – Min ) / (Max – Min) * (255-0)                          
(2-3)

      Retinex in
Matlab

  故事集中提议了改善情势如下:

    效果测量检验:

     
最终把拍卖的数据从对数域调换成[0,255]限定内(这里须要使用exp函数哦)。

          图片 5

 
  图片 6  图片 7  图片 8 

     
我们如故把时光放在算法效果的洗练解析上。

          图片 9

                     
   原图                                  
经过Retinex(尺度为10)加强后的图像            
 经过Retinex(尺度为300)巩固后的图像

   
 图片 10

          图片 11

 
  图片 12  图片 13  图片 14

   
 日常情形下,可以认为FMEvoque算法独有迭代次数叁个参数。由上海体育场面可以见到,迭代次数越小,图像的比较度越小,连读越亮,动态压缩范围越小。迭代次数越大,图像的周旋统意气风发度越刚烈。从直方图上看,迭代次数小时,直方图汇集集在一块,随着迭代次数等充实,直方图慢慢布满到整个动态范围内。
当迭代次数非常大时,图像会和原始图像很周围。

 

                     
 原图                                  
经过Retinex(尺度为10)巩固后的图像                
经过Retinex(尺度为300)巩固后的图像

     
咱们在贴一些该算法处理的结果。

  
个中β=46,α=125为涉世参数,可是最终自身的剖判以为β不容许取那样大,取1考试阐明效果尚可。

   
故事集中说,尺度取值很小时, 能够较好地产生动态范围的滑坡,暗区域的内部原因能博得较好地提升,但输出颜色易失真;取值比较大时,色感黄金时代致性较好。
笔者倒是没来看尺度小有啥样利润。

   
  图片 15  图片 16  图片 17

  
对于一些原来图像HUE较为合理的图,假使用杰出的MSRCENCORE算法,会招致管理后的图轻松偏色,上述随想提议了对图像的Intensity数据开展Retinex管理,然后再把数据依附原有的奥迪Q5GB的比重映射到种种通道,那样就能够在保留原始颜色布满的根基上做实图像,文章中称其为MSRCP。

   
以上算法所完成的经过常常倍称作为SSENVISION(Single Scale
Retinex,单尺度视视网膜加强);

   
  图片 18  图片 19  图片 20

  这几个算法的编码杂文的附带代码里已经有了很好的例子了,其实正是很简短的做事,需求的朋友本人去参照他事他说加以考察。

   
为了获得更加好的效果与利益,大家又开采出所谓的多尺度视网膜加强算法(MS揽胜,
Multi-Scale
Retinex),最为优异的正是3口径的,大、中、小,不只能达成图像动态范围的回降,又能保全色感的大器晚成致性较好。同单尺度相比较,该算法有在总计Log[R(x,y)]的值时步骤有所分化:

   
  图片 21  图片 22  图片 23

  小编本人做了5种算法的可比,分别是:

    (1)
必要对本来图像举办各个尺度的高斯模糊,获得模糊后的图像Li(x,y卡塔尔(英语:State of Qatar),个中型Mini标i表示原则数。

                     
 原图                                                迭代一次          
                                     迭代13回

      MSRC福特ExplorerGIMP    -    Gimp内嵌的Retinex加强算法

     (2卡塔尔(قطر‎ 对每一种尺度下进行增添总结  Log[R(x,y)] =  Log[R(x,y)] + Weight(i)*
( Log[Ii(x,y)]-Log[Li(x,y)]卡塔尔国;
 个中Weight(i卡塔尔国表示每一个尺度对应的权重,须求各尺度权重之和必需为1,精华的取值为等权重。

   
 可知,对部分偏暗的图像的加强成效依旧很显眼。

      MSRC讴歌MDX斯坦dard  -    依照《A
Multiscale Retinex ….  the Human Observation of
Scenes》一文写的算法,此中G=30,B=-6,β=1,α=125

   
 其余的步调治将养单尺度的从未有过区分。

   
 经过测量试验注脚,那几个算法对于大家在常规光照下版画的肖像的拍卖有出人意料的功效,可以生出相同HD本田UR-V的功能,贴出如下:

      MSRCCRUISERSC牧马人      –        
 使用Color Restoration + Simplest Color Balance算法量化得到的结果

   
 图片 24 
 图片 25   图片 26

   
 图片 27  图片 28

        MSRCPSC昂科威      –        
 使用Intensity数据 + Simplest Color Balance算法量化获得的结果

                     
  原图                                    
 经过SSTiggo(尺度为300)巩固后的图像              
经过MS汉兰达(最大标准为300,尺度数为3)加强后的图像

   
 图片 29  图片 30

      MSLacrosseHSV      -    对HSV空间的V分量举行(用的SC哈弗量化)Retinex管理并再次回到RubiconGB空间后的结果

   
 图片 31 
 图片 32 
 图片 33

                     
         原图                                                          
                   处理后

  他们的效应比较如下:

                     
     原图                                    
 经过SSHighlander(尺度为300)巩固后的图像            
 经过MS奥迪Q5(最大条件为300,尺度数为3)加强后的图像

 
 其它,该算法对偏色图像也许有自然的改进技艺,比方下图。

图片 34 图片 35 图片 36

  
 SSEnclave和MS奥迪Q5在最大口径同一时间哪个人好何人坏小编还真讲不清。

                     
   图片 37                       
                         
 图片 38

        original                    
    MSRCRGIMP                              
    MSRCRStandard

   
 在以上的两幅测验图像中,极度是第二幅,我们来看明明的偏色效果,那正是SS雷克萨斯LC和MSLAND普及都设有的难题。给风华正茂段比较杰出的舆论中的原话供大家参谋:

 
 图片 39 
 图片 40

图片 41 图片 42 图片 43

      The general
effect of retinex processing on images with regional or global
gray-world violations is a “graying out” of the image, either globally
or in specific regions. This desaturation of color can, in some cases, be
severe (see Fig. 4, middle). More rarely, the gray-world violations
can simply produce an unexpected color distortion (see Fig. 4,top
left).

                     
           原图                                                        
                    处理后

        
  MSRCRSCR                        MSRCPSCR    
                   MSRHSV

*** ***  
 为此,钻探者又开采出后生可畏种名称为带色彩苏醒的多尺度视网膜巩固算法(MSRC福睿斯,Multi-Scale
Retinex with Color Restoration卡塔尔国 ,具体研讨的历程详见 <A Multiscale
Retinex for Bridging the Gap Between Color Images and the Human
Observation of
Scenes>那篇故事集,这里要说的是,我以为杂谈里的法门不起任何效果,並且随想里为了这几个又引进了太多的可调参数,扩张了算法的复杂性,不低价自动化完毕。

 
 贴出大器晚成段不会微小糙的落到实处该函数的matlab代码:

图片 44 图片 45 图片 46

   
从本身如今的问询来看,GIMP的contrast-retinex.c文件里接受的算法很好,效果也很好。他直接从量化的方式上初阶,引进了均值和均方差的定义,再增加一个决定图像动态的参数来贯彻无色偏的调护医疗进度,简要描述如下。

 

        original                    
      MSRCRGIMP                            
   MSRCRStandard

   
(1)分别总计出 Log[R(x,y)]中Enclave/G/B各通道数据的均值Mean和均方差Var(注意是均方差)。

function Test()
    clear all
    rgb=imread('c:\222.jpg');%需要处理的图片
    m=size(rgb,1);
    n=size(rgb,2);
    rr=zeros(m,n);
    gg=zeros(m,n);
    bb=zeros(m,n);
    for i=1:m
        for j=1:n
            rr(i,j)=logm(double(rgb(i,j,1))+eps);
            gg(i,j)=logm(double(rgb(i,j,2))+eps);
            bb(i,j)=logm(double(rgb(i,j,3))+eps);
        end
    end
    rr=rr/max(max(rr(:)));
    gg=gg/max(max(gg(:)));
    bb=bb/max(max(bb(:)));
    rrr= retinex_frankle_mccann(rr, 4);
    ggg= retinex_frankle_mccann(gg, 4);
    bbb= retinex_frankle_mccann(bb, 4);
    for i=1:m
        for j=1:n
            rrr(i,j)=round(exp(rrr(i,j)*5.54));
            ggg(i,j)=round(exp(ggg(i,j)*5.54));
            bbb(i,j)=round(exp(bbb(i,j)*5.54));
        end
    end
    rgb=cat(3,uint8(rrr),uint8(ggg),uint8(bbb));
    rgb=max(min(rgb,255),0);
    imshow(rgb);
end

function [ Retinex ] = retinex_frankle_mccann( L, nIterations )
    global RR IP OP NP Maximum
    RR = L;
    Maximum = max(L(:));                                 % maximum color value in the image
    [nrows, ncols] = size(L);
    shift = 2^(fix(log2(min(nrows, ncols)))-1);          % initial shift
    OP = Maximum*ones(nrows, ncols);                     % initialize Old Product
    while (abs(shift) >= 1)
        for i = 1:nIterations
            CompareWith(0, shift);                         % horizontal step
            CompareWith(shift, 0);                         % vertical step
        end
        shift = -shift/2;                                 % update the shift
    end
    Retinex = NP;
end

function CompareWith(s_row, s_col)
    global RR IP OP NP Maximum
    IP = OP;
    if (s_row + s_col > 0)
        IP((s_row+1):end, (s_col+1):end) = OP(1:(end-s_row), 1:(end-s_col)) + ...
            RR((s_row+1):end, (s_col+1):end) - RR(1:(end-s_row), 1:(end-s_col));
    else
        IP(1:(end+s_row), 1:(end+s_col)) = OP((1-s_row):end, (1-s_col):end) + ...
            RR(1:(end+s_row),1:(end+s_col)) - RR((1-s_row):end, (1-s_col):end);
    end
    IP(IP > Maximum) = Maximum;                          % The Reset operation
    NP = (IP + OP)/2;                                    % average with the previous Old Product
    OP = NP;                                             % get ready for the next comparison
end

图片 47 图片 48 图片 49

 
  (2)利用相近下述公式总计各通道的Min和Max值。

   
相似,提供个编写翻译好的文件给有意思味讨论该算法的相爱的人看看效果:

       MSRCRSCR                    
       MSRCPSCR    
                   MSRHSV

            Min = Mean

 
 http://files.cnblogs.com/Imageshop/Frankle_Mccann_Retinex.zip

图片 50 图片 51 图片 52

  • Dynamic * Var;  

 

        original                    
      MSRCRGIMP                            
   MSRCRStandard

            Max = Mean

 ***************************笔者:
laviewpbt   时间: 二〇一三.4.18    联系QQ:  33184777
 转发请保留本行音讯*************************

图片 53 图片 54 图片 55

  • Dynamic * Var;
        (3)  对Log[R(x,y)]的每贰个值Value,举办线性映射: 

 

         MSRCRSCR                  
         MSRCPSCR    
                   MSRHSV  

           R(x,y) = (
Value – Min ) / (Max – Min) * (255-0卡塔尔(قطر‎,同不常间要专心扩张一个溢出判别,即:

  孰好孰坏给位本身去商讨吧。

           if (R(x,y)
> 255)  R(x,y) =255; else if (R(x,y) < 0) R(x,y)=0;

  算法效果测验:http://files.cnblogs.com/Imageshop/Retinex%E7%BB%BC%E5%90%88.rar

   
 正是通过如此轻松的管理,施行申明能够获取相当好的效用,下边贴出一些甩卖后的功用。

  非常久未有写博客了,其实也绝非江淹梦笔的感到,正是吧未有想写的激动。今后写也无早先那么认真了,感到便是像计流水账同样。算了,记账就记账吧。

 
 图片 56  图片 57  图片 58

 图片 59

   
 MSTucson(最大口径为300,尺度数为3)巩固图像        
  MSRCPRADO(最大规范为300,尺度数为3,Dynamic=2)加强图像
  MSRCENCORE(最大条件为300,尺度数为6,Dynamic=2)巩固图像

****************************小编:
laviewpbt   时间: 二〇一四.6.26    联系QQ:  1664462947
 转发请保留本行音讯********************

 
  图片 60  图片 61  图片 62

 

     
MSEscort(最大原则为300,尺度数为3)巩固图像        
 MSRC牧马人(最大规格为300,尺度数为3,Dynamic=2)加强图像
  MSRC奥德赛(最大口径为300,尺度数为6,Dynamic=2)加强图像

 

       
 由上述三幅图的效力得出的下结论:

       
(1)MSRCR效果要比MSCRUISER好超级多,基本杀绝了色偏。

       
(2)对于MSRCLacrosse,尺度数对结果的影象不是特地大,但是随着规范化数的加码,算法耗时会线性扩充,因而,日常原则数取3就比较合适了。

       
 继续贴图做比较:

 
  图片 63  图片 64  图片 65

               
MSRC大切诺基(Dynamic=1)巩固图像                          
 MSRC812 Superfast(Dynamic=2)加强图像                            
 MSRCEscort(Dynamic=5)巩固图像

 
 图片 66 
 图片 67  图片 68 
   

               
 MSRC奥迪Q3(Dynamic=1)加强图像                          
 MSRCEvoque(Dynamic=2)巩固图像                        
 MSRCHighlander(Dynamic=5)巩固图像

   
  由以上三幅图的作用得出的下结论:

   
(3)Dynamic取值越小,图像的相持统大器晚成度越强。

   
(4)日常的话Dynamic取值2-3以内能博取相比较显明的加强作用,即能收获很自然过渡效果,又能保险图像的清晰度适度抓牢。

   
 关于最大规格,个人提议取值以高于100为佳。

   
 retinex算法的功能对于有些好端端的图像管理后的效应并不好,大家得以以为她正是为那么些在外场碰着白璧微瑕的情况下拍片的图像巩固而规划的,极其的,对于航空拍戏的雾天图片,工学上的成像图片等成像条件恶劣的图有很理解的效能,再列出部分相片管理成效。

 
  图片 69 
 图片 70 
 图片 71

 
  图片 72 
 图片 73 
 图片 74

 
  图片 75 
 图片 76 
 图片 77

 
  图片 78 
 图片 79  图片 80

 
  图片 81   图片 82 
 图片 83

 
  图片 84   图片 85 
 图片 86

                   
原始图像                                             MSRC奥德赛加强的遵循    
                                   NASA的Retinex增强结果

   
上述照片均使用最大原则为300,尺度数为3,Dynamic=2时的意义。

   
由上述几组相片,能够见见,Retinex在图像去雾、宇航空图、医学图像、老照片等图像的拍卖上效果与利益极度同理可得。

   
NASA的拍卖功用要比笔者那边的MSRC凯雷德好一些,那自然没有可过分指斥,人家是哪些单位呀。

   
关于NASA对Retinex手艺的接纳,能够参谋:http://dragon.larc.nasa.gov/retinex/

   
关于去雾效果,我们在来和美图秀秀、可牛影象、光影魔术手等现存的软件做个简易的可比:

  图片 87 
 图片 88   图片 89

                     
原图                                             MSRCMurano                  
                                 美图秀秀 

  图片 90 
 图片 91

               
 可牛影象                                                
 光影魔术手

  图片 92 
 图片 93  图片 94

                     
 原图                                                 MSRC凯雷德            
                                    美图秀秀 

  图片 95 
  图片 96

                
可牛影象                                                
光影魔术手

   
关于谁对谁错,为幸免无需的口舌之争,这里还是提交给位看管去辨别吧。

   
相仿,提供个编写翻译好的文件给风野趣商讨该算法的恋人看看效果:

 
  http://files.cnblogs.com/Imageshop/Retinex.zip

 

 
  图片 97

   
关于Rentinex,在分享两篇相比优良的德语随想:

    Multi-Scale
Retinex for Color Image
Enhancement

    A Multiscale
Retinex for Bridging the Gap Between Color Images and the Human
Observation of
Scenes

   
关于贯彻代码,提供GIMP的contrast-retinex.c的下载链接(要像完全看懂当中的具有代码的情致很困难,可是要提取个中的算法部分就不那么复杂了)。

   
http://files.cnblogs.com/Imageshop/contrast-retinex.rar

 

 图片 98

 ***************************小编:
laviewpbt   时间: 二〇一三.4.17    联系QQ:  33184777
 转发请保留本行音讯*************************

相关文章