Retinex是上个世纪七十年代由Land提出的色彩理论。我认为其核心思想基于俩点
（1）在颜色感知时，人眼对局部相对光强敏感程度要优于绝对光强。
（2）反射分量R(x,y)储存有无光源物体的真实模样，一幅图像对其光照分量L(x,y)的估计越准确，求得的R(x,y)也就越准确。
先来说明第一点，人对颜色的认知并不是基于绝对光强，反应在图像上时可以理解成，人眼对一像素点(X0,Y0)的颜色的认知不是基于其RGB三通道绝对值大小，而是与俩个因素相关。
1、（X0,Y0)点三通道值的差异，它会致使色偏。
2、（X0,Y0)一个邻域内其余像素的RGB值，它会形成颜色的感觉，RGB三通道绝对值主导亮度感觉。
我目前无法定量定性分析他们的关系，因为它涉及感觉这种玄妙的东西，但是我们会用就行。
再说明第二点，在给定场景的时候，如果场景内无光源，那么R(x,y)应该是一常量。无论光照L(x,y)如何改变，R(x,y)该不变。也就是说，无论我光照是什么颜色什么强度，我都应该能将其矫正到标准光照情况下。这也是色彩恒常性的体现。
那么问题来了，基于上面推理该怎么办去矫正多光照图像。
关于Retinex的算法的发展，从最初的随机路径法，到McCann迭代法，到变分法再到中心环绕的。关于他们的说明在网上一找一大堆，这里我不在赘述。
让我们从single-scale-Retinex开始，在网上能找到的SSR算法，说实话基本效果很差，根本体现不出其色彩恒常算法的特点。其实如果你查阅过大量资料后，你会发现NASA的原文对SSR说明就不清不楚，网上代码对其的实现可以说是一种无参考复现，你甚至会发现他们对环绕函数地描述都不一致。SSR说到底就是认为光照局部不变，以一个邻域的加权值来估计光照。
一般SSR会选择高斯函数或者类高斯函数，你可以直接用matlab中的fspesical函数，也可以自己写一个，其实问题不大。一般刚遇到SSR最让人困惑的就是如何明晰何为尺度，当你多看几个SSR的实现，就会发现会有越来越多的疑惑。如何确定尺度，高斯函数的sigma值和尺度之间到底有和数量关系，最后在对数域是否需要返回到指数域，需不需要归一化，最后成像出现色偏问题该怎么解决。这些细节的处理会显著影响图片质量，特别是视觉效果。
在SSR的基础上发展起来的MSR和MSRCR，但说实话，因为他们的实现是基于SSR的，所以如果你SSR都没有写好，那么他们的实现一定也不会尽人意。
在MSR的基础上，为了实现真正的色彩恒常计算，我对MSR进行了改动。
步骤大致分为三步：
1、使用导向滤波代替高斯滤波，与传统MSR算法不同，这里不分通道处理而是三通道合一来估计光照。这是基于一个认知，自然界中的光是连续，而RGB三通道只是为了方便屏幕显示，用三通道处理与形成割裂。
2、对估计出来的光照进行自适应调整后，计算出对数域中的反射量r(x,y)
3、对r(x,y)进行调整，为了适应不同的环境，我使用了一个一个小技巧实现色彩保真，在算法中可选是否保真，保真的前提是原图质量足够好，图像中元素足够丰富，如果不满足这俩个前提推算真实颜色的时候就会出严重错误。至于为何这般，这与Retinex算法实质有关，因为对光照估计的越准确，矫正到标准光源后的质量也就越好。而Retinex对光照的估计是基于空间邻域的。
注意：2是在对数域实现的，而这与MSR相似
附上一些图来说明效果
原图由来着东南大学的一位朋友提供
未保真计算，可以看出其色彩恒常性的体现不好
进行保真，充分体现色彩恒常性
原图，同样由东南大学的朋友提供
未保真计算
保真计算
原图，来着网络
未保真，可见光照为红光
矫正后，深红光照被削弱，但图中可见的光源被放大，同时因为原图质量不高，致使保真计算后图像质量目视比不保真低
以上是我对Retinex的粗浅认识。
2019年11月7日于北京航空航天大学