深入理解Retinex图像增强算法的原理和实践方法

最编程 2024-01-13 07:41:46

...

import cv2 import numpy as np # 对图像进行单尺度 Retinex 处理 def single_scale_retinex(img, sigma): retinex = np.log10(img) - np.log10(cv2.GaussianBlur(img, (0, 0), sigma)) return retinex # 对图像进行多尺度 Retinex 处理 def multi_scale_retinex(img, sigma_list): retinex = np.zeros_like(img) for sigma in sigma_list: retinex += single_scale_retinex(img, sigma) retinex = retinex / len(sigma_list) return retinex # 进行颜色恢复 def color_restoration(img, alpha, beta): img_sum = np.sum(img, axis=2, keepdims=True) color_restoration = beta * (np.log10(alpha * img) - np.log10(img_sum)) return color_restoration # 图像增强主函数，包括图像增强和颜色恢复 def retinex_process(img, sigma_list, G, b, alpha, beta): img = np.float64(img) + 1.0 img_retinex = multi_scale_retinex(img, sigma_list) img_color = color_restoration(img, alpha, beta) img_retinex = G * (img_retinex * img_color + b) # 将像素值限制在范围内 for i in range(img_retinex.shape[2]): img_retinex[:, :, i] = np.clip(img_retinex[:, :, i], 0, 255) img_retinex = np.uint8(img_retinex) return img_retinex def main(): # 读取图像 img = cv2.imread('WechatIMG9.jpeg') # 尺度列表 sigma_list = [15, 80, 250] # 增益参数 G = 5.0 # 偏置参数 b = 25.0 # 颜色恢复参数 alpha = 125.0 # 颜色恢复参数 beta = 46.0 # 进行图像增强 img_retinex = retinex_process(img, sigma_list, G, b, alpha, beta) # 显示原始图像 cv2.imshow('1', img) # 显示增强后的图像 cv2.imshow('Retinex', img_retinex) # 等待按键 cv2.waitKey(0) # 保存增强后的图片 cv2.imwrite('a.jpg', img_retinex) if __name__ == "__main__": main()

上一篇： 16进制颜色表与RGB颜色对照表：HTML颜色完全指南

下一篇：将16进制颜色转换为RGB

深入理解Retinex图像增强算法的原理和实践方法

深入理解PyTorch nn.Linear的使用方法和工作原理，以及全连接层的介绍与实践应用

深入理解Retinex图像增强算法的原理和实践方法