刘钉

摘要：通常Retinex算法直接对彩色通道处理，容易造成色彩失真，同时对数变换压缩了高亮区域的动态范围，而本文直接对灰度图处理，避免色彩损失；将灰度图反转图进行Retinex处理，并于灰度图处理结果融合，最后再进行Gammar矫正进一步扩展高光区域细节。

关键词：Retinex；灰度反转图；融合

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）11-0185-02

1 引言

图像增强技术在社会的各个方面存在着广泛应用，比如医学诊断、工业化检测、航空航天等领域。近些年图像质量的要求越来越高使得图像增强技术成为研究的热点。Retinex算法[1]是图像增强技术的一种，起初Retinex算法并未引起研究者的关注，但是随着NASA在航空航天上的应用才使得研究者们逐渐意识到Retinex的魅力所在，基于Retinex的算法大致可分为：基于路径的Retinex算法[2]和基于中心/环绕的Retinex算法[3，4，5]。这些算法都是对入射图像的估算，只是所用的方法不同。

2 Retinex算法原理

Retinex理论[1]的基本思想是人感知到的颜色和亮度并不取决于进入人眼的绝对亮度，而和场景的相对亮度关系分为紧密。其基本内容是物体的颜色是由物体对光线的反射能力决定的；物体的色彩不受光照非均匀性的影响（颜色恒常性）。

图像[S（x，y）]来自于两部分：入射图像（亮度图像）L和反射图像R。Retinex理论的基本假设是：

[ Sx，y=Lx，y×Rx，y （1）]

入射图像L中包含了光照信息，而反射图像R包含了物体的固有属性，在处理前，通常将图像转至对数域：

[logS=logL+logR （2）]

本文主要研究基于中心/环绕Retinex算法，所以对基于路径的Retinex算法不做详述。SSR算法是中心/环绕Retinex算法[6]的一种单尺度算法，即，