计算机视觉与深度学习 ｜ 基于Matlab的低照度图像增强算法原理，公式及实现

基于Matlab的低照度图像增强是一个重要的图像处理领域。这里我们重点介绍一种经典且效果较好的算法：多尺度Retinex算法（Multi-Scale Retinex with Color Restoration, MSRCR），包括其原理、公式及Matlab实现。

一、核心原理：Retinex理论

Retinex理论由Edwin Land提出，其核心思想是：人眼感知到的物体颜色和亮度（即反射分量）是物体的反射属性本身，而非绝对光照强度的函数。 图像 I(x, y) 被建模为光照分量 L(x, y) 和 反射分量 R(x, y) 的乘积：

I(x, y) = L(x, y) * R(x, y)

• 光照分量 L: 代表照射在场景上的光强分布。在低照度图像中，L 整体较弱且可能不均匀（如存在阴影）。它变化缓慢，主导图像的低频信息。
• 反射分量 R: 代表物体固有的反射特性（颜色、纹理、边缘）。它包含图像的高频细节信息&#x