关于Retinex理论的一些理解
目前一直在参与关于Retinex的相关课题,并完成了许多模型的构建,本文以个人的见解介绍Retinex的相关理论
1. 基本原理
Retinex理论是上世纪八十年代由land等人提出的算法。该理论认为人眼可以感知近似一致的色彩信息,这种性质称为色彩恒定性。这种恒定性是视网膜(Retina)与大脑皮层(Cortex)所共同作用的结果,即 Retinex理论。
Retinex 理论认为人眼视觉系统(Human Visual System, HVS)所感知到物体的色彩和亮度取决于物体表面的反射特性,所以人类视觉系统往往能过够在不同的光照条件下感知物体的反射率。Land 等人为该理论构建了如下数学模型:
2. Retinex理论的实质
就本人个人的体会而言,Retinex理论实际上属于图像分解的一种,但是与某些图像分解方法不同的是。分解得到的照度分量和反射分量是相乘的关系,这里可以理解为图像的结构信息和图像的细节纹理部分相乘的结果。正如Land等人所说的,反射分量(即包含纹理的部分)代表了图像的本质属性(除去了图像的亮度信息)包含图像的所有边缘细节颜色等等。照度分量包含了图像中景物的大致轮廓和亮度的分布。
什么意思呢?或许你觉得有点晦涩难懂,看完下面这张图像你将会对其有一个直观的感受。反射分量和照度分量图像如下所示:(左图原始图像,中图反射分量,右图照度分量)
换句话说,类似于反射分量类似是一张图片的基本特征,但是非常不真实,需要加入一些明暗对比度以及一些晕影阳光等信息使得图像变得更加真实。那么我们换个思路,对于图像增强技术,完全可以对照度分量进行处理,提升明暗亮度,这样的话再与反射分量进行重新组合即可得到最终的图像。
由此,对于常见的图像增强策略,主要分为以下几点:
1,直接将反射分量作为增强结果
(先不论说是否能完全分解准确,反射分量往往会损失一部分信息,图像会变得非常不真实)
2,对亮度信息进行处理,再与反射分量重新组合
(为目前的主流算法,一方面,这样可以不损失图像的本质属性,而仅仅处理亮度低的部分)
3. Retinex图像分解方法的应用
1,光照不均匀图像的抑制
2,图像亮度增强,细节的保护,色彩的保护,自然度的恢复等等
3,图像去噪(噪声属于高频信息,可将噪声留在反射分量中再去噪)
4,细节提取(类似于Canny边缘提取)
5,图像结构和纹理的单部分获取。
关于Retinex理论的一些理解相关推荐
- 基于retinex理论改进的低照度图像增强算法
写本文的目的是记录自己学习过或做过的一些东西,深化理解,理清思路,便于回忆.本人处于学习阶段,欢迎指出不对的地方. 本文算法参考文献:李勇.基于Retinex理论的低照度图像增强算法研究与实现[D]. ...
- 颜色恒常知觉的计算理论——Retinex理论
1.简介 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,Re ...
- 本征图像分解:Retinex理论【转载】
本征图像分解:Retinex理论 鲜橙关注 0.1742019.07.29 00:42:51字数 1,504阅读 2,531 我们通过眼睛观察到或者相机拍摄到的物体颜色主要由两方面因素决定,第一是物体 ...
- 复分析理论---如何形象理解平均值公式和最大模原理
导语 emmm这次讨论的话题如题,哎向其上次的作业怎么都还没写完,不管啦反正作业什么的都是浮云~ 平均值定理(解析函数版) 要说这个定理呢,其实有的书上也叫他平均值公式,也有叫它平均值性质,Whate ...
- ADC/DAC理论信噪比SNR理解
目录 1,量化噪声模型 2,量化噪声模型 3,SNR.处理增益和FFT噪底的关系 1,量化噪声模型 理想转换器对信号进行数字化时,最大误差为±½ LSB,如图1的一个理想N位ADC的传递 函数所示.对 ...
- HSV空间Retinex理论低照度图像增强
文章目录 一.课题任务.目的和要求 二.课题方案设计 三.课题设计实现 1 同态滤波算法增强夜晚图像的RGB各分量 2 HSV空间改进的多尺度Retinex 算法及伽马校正 3 直方图均衡函数对反射图 ...
- 【理论分析】理解SVPWM技术
本文的学习教材是这篇文章: 彻底吃透SVPWM如此简单 - 知乎 (zhihu.com) 在看本文前你至少得把这篇文章细读一遍. 一.宏观认识SVPWM 首先需要回到直流无刷电机BLDC的驱动方式,B ...
- 超图理论的一点理解(一)
一.超图的定义: 图论中,超图(HyperGraph)是一种广义的图,特点是一条超边可以连接多个点.超图是一个集合组,其中的X是顶点的集合,E是X的非空幂集. (引自维基百科) 超图的好处可以用一个简 ...
- 理论:深入理解Linux文件系统与日志分析
前言: inode(文件节点)与block(数据块) 硬链接与软连接 恢复误删除的文件 (即rm-rf 的操作,可以先进行备份的操作,然后可以进行恢复ext4和xfs文件系统皆可) 日志文件的分类 用 ...
- matlab Retinex图像增强算法
Retinex理论在彩色图像增强.图像去雾.彩色图像恢复方面拥有很好的效果,下面介绍一下我对该算法的理解. Retinex理论 Retinex理论始于Land和McCann于20世纪60年代作出的一系 ...
最新文章
- 独立测试团队在敏捷开发中的几个特别实践
- excel导入 HSSFWorkbook和XSSFWorkbook
- A - Junk-Mail Filter HDU - 2473
- 容斥问卷调查反馈——Co-prime,Character Encoding,Tree and Constraints,「2017 山东一轮集训 Day7」逆序对
- scatterpie | ggplot2的几何图形拓展包(1):如何在地图中添加饼图
- spring 事物的级别_Spring 事务中的隔离级别有哪几种?
- 野哥点评了Facebook、Amazon、Google、微软和苹果
- 20170910算法工程师在线笔试之求第n个丑数
- 51单片机(STC15W408AS)映射printf函数 串口收发实现
- 微信公众号-百度通用翻译API接入文档
- SpringCloud升级之路2020.0.x版-1.背景
- layui iframe弹出层高度自适应,并垂直居中
- VC常见的108个问题
- 织梦网站如何设置404错误页面?
- python ----Parser使用
- 批量制作PR字幕——雷特字幕插件
- 2016-春季校招面试笔试mark
- 佳能mp288打印机连供系统使用
- DIV+CSS 网页兼容性问题(IE6 IE7 IE8 IE9 火狐 chorm)
- Vue源码学习——v2.5.8
热门文章
- android 微信自带表情,Android 软键盘和emoji表情切换方案,和微信几乎一样的体验...
- poi实现word转html并返回html内容(Java版)
- xlsxwriter设置列宽_Python3之excel操作xlsxwriter模块
- 条码软件如何将标签文件输出为PDF文档
- java coap_CoAP协议-以Californium(Java)为例的CoAP初步实现
- 微信服务号获取地理位置
- 做自媒体原创视频多平台分发,视频一键发布多平台方法教程
- fgo日服服务器维护,【FGO日服】活动维护公告(10/25)
- 网络七层模型及各层协议
- macbook pro配置maven环境变量