msrcr(Multi-Scale Retinex with Color Restoration) 带色彩恢复的多尺度视网膜增强算法 整理

本文主要总结整理msrcr算法相关，包括基本原理，效果和实现代码

为了提高低亮度条件和背光条件下拍摄图像的效果，尝试了各种常规的数字图像处理方法，包括：

线性变换

对数变换

直方图均衡等

对yuv分量进行处理，对亮度分量进行处理，提升亮度对比，提升亮度低得值，提高可见度，uv分量不进行处理，避免色彩出现偏差。

这些方法有一定的效果，缺点也很明显，色度恢复不够，处理后的图像泛白，色彩饱和度降低。然后找到了msrcr算法，下文详细比较了msrcr算法和其他常规数字图像处理方法的异同：

Rahman Z, Woodell G A, Jobson D J. A comparison of the multiscale retinex with other image enhancement techniques[C]//Is and T Annual Conference. THE SOCIETY FOR IMAGING SCIENCE AND TECHNOLOGY, 1997: 426-431.

msrcr算法最早文献如下：

Jobson D J, Rahman Z, Woodell G. A multiscale retinex for bridging the gap between color images and the human observation of scenes[J]. Image Processing, IEEE Transactions on, 1997, 6(7): 965-976.

基本原理请参考：

http://www.cnblogs.com/Imageshop/archive/2013/04/17/3026881.html

http://blog.csdn.net/bluecol/article/details/45675615

http://www.ipol.im/pub/art/2014/107/?utm_source=doi

个人观点：

对RGB三个颜色通道分别进行处理

单通道进行大中小三个强度的高斯滤波，取对数，近似三种不同尺度下光照的变化，滤波强度越大，模糊效应越强，对应于光线背景变化越缓和，大中小三个滤波结果按权重（经典的是每个结果1/3）相加，整体亮度整体背景，原始通道对数值减去上述结果，相当于单通道减去背景光照变化的影响，这一过程就是MSR

MSR的问题在于，三个通道分别处理，而没有考虑rgb三个通道的内在关联，会产生色差问题，

MSRCR在此基础上加上颜色恢复和颜色均衡

具体实现：

1. GIMP 现成的图像处理工具可以使用，是开源软件mac linux下都可安装，可以自行搜索，打开图片，点击colors->retinex可以看到效果

msrcr源码参考：http://gimp.sourcearchive.com/documentation/2.6.1/contrast-retinex_8c-source.html

2. 参考如下论文，这篇论文提出了MSRCP，比较了和MSRCR的区别，给出了源码和详细的计算结果，具体代码自己跑了下有点问题，需要自己手动改一改，文件路径在主函数里面写好

http://www.ipol.im/pub/art/2014/107/?utm_source=doi

3. opencv实现：http://blog.csdn.net/smallstones/article/details/41787079

4. cuda实现： Wang Y K, Huang W B. A CUDA-enabled parallel algorithm for accelerating retinex[J]. Journal of Real-Time Image Processing, 2014, 9(3): 407-425.

前三种自己都已验证，结果差不多的。算法的关键在于高斯滤波，高斯滤波的快速实现的算法可以参考IIR高斯滤波，来回递归滤波，滤波复杂度跟窗口大小没关系，实现2中采用的是这种，intel给出了具体的sse加速实现

具体效果如下，gimp处理，确实能起到彩色增强的效果

但问题也很明显：

1. 块效应：处理背光的人的照片，背光部分有很明显的方块效应，中间试验了下，是因为三种强度的高斯滤波叠加，出现像素强度的不连续性，不适合人脸的处理

2. 特别暗的图片处理下来效果不理想，夜晚拍摄的图片，能保证看到原图中看不到的部分，但处理出来的结果色差会严重

可以变换颜色空间的处理