retinex（SSR,MSR,MSRCR）的优缺点

1.单尺度Retinex:SSR

 2.多尺度Retinex:MSR

3.带色彩恢复的Retinex:MSRCR 

从S中如何估计L，就衍生出了各种各样的实现方式，影响较大的有：中心环绕、随机路径、变分、金字塔迭代等等方法。其中，中心环绕算法无疑是影响最大的retinex实现方式，使用高斯尺度算子来估计光照图像，计算速度快。当然，它也有一些缺点：

    1） 在强光阴影过渡区容易出现光晕现象； 主要是由于高斯算子不能在过渡区很好的估计光照所致。

    2） 对比较亮的图像处理欠佳，比如雾霾图像。

        主要原因有二：retinex不是专门的去雾算法；对数化处理压缩了亮区域的显示范围，导致其细节弱化。

        由于L和R是乘积的关系，为了便于处理，一般对观测图像S先进行对数处理，这样就转换成了加性关系。使用对数处理可以极大的提升暗区域的像素值，以增加对比度，但代价是压缩了亮区图像的显示范围，导致其细节模糊甚至丢失。所以个人认为，retinex适用于处理那些光照不足的图像，对于比较亮的图像，不妨先进行反色处理再retinex。

    3） 色彩保持能力较弱。

        因为对rgb三个颜色通道各自归一化处理的缘故，有论文提到了一些改善方法，但我发现还是不容乐观。此外，三通道各自归一化处理后，其颜色均值是接近于128的，如果后面再跟一个指数化操作（对数处理的反操作），将导致图像颜色明显偏暗，所以这是一般retinex算法只有对数处理没有指数处理的缘故。

    一点点改进如下：

        1）使用引导滤波来快速估计光照图像，减少光晕的出现，实验表明，该步骤对色彩保持能力也有一定的提升；

        2）在使用多个尺度算子进行合成的时候，不是简单的做均值处理；

        3）在完成retinex处理之后，再做一次简单的gamma校正，使其均值接近于128。
————————————————
版权声明：本文为CSDN博主「女王の专属领地」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Julialove102123/article/details/89312058