对Retinex的野史有了一发询问,y)进行高斯模糊而获得

  近日再次看了壹晃IPOL网址,有1篇近来登载的稿子,名字就是Multiscale
Retinex,以为温馨对这些已经主导通晓了,但要么进入看了看,也可能有部分赢得,于是抽空把他们有一点点整理了下,原始小说及其配套代码详见:http://www.ipol.im/pub/art/2014/107/

   
Retinex那一个词是由视网膜(Retina)和大脑皮层(Cortex)
八个词组合构成的。Retinex理论首要涵盖了七个方面包车型客车内容:物体的颜料是由物体对长波、
中波和短波光线的反光技术调控的,而不是由反射光强度的相对值调控的;物体的色彩不受光照 非均匀性的影响,具备1致性
。 

      相关小说可知:带色彩恢复生机的多尺度视网膜巩固算法(MS大切诺基CQX56)的原理、完成及利用。

     
在此之前在本身的 带色彩恢复生机的多尺度视网膜加强算法(MSTiguanC中华V)的原理、实现及运用 一文中早已比较详细的叙述了Multiscale
Retinex的基本原理和平运动用,这里就不再做过多的辨证。为发挥方便,依旧贴出其核心的估算原理:

   
依照Retinex理论,人眼感知物体的亮度取决于情形的照明和实体表面对照射光的反射,其数学表明式为:

   
 从历史的依次上讲,本篇应该献身MS牧马人C本田CR-V此前的,只是出于现行反革命大略诗歌都以讲述的MSTiguanCLAND,因而小编也是先读书MS大切诺基C奥迪Q伍的。

    图片 1

           
I(x,y)=L(x,y)*R(x,y)                            (2-1)

   
 明天,无意中寻觅一些Retinex资料,寻觅到1篇小说《Retinex in
matlab》,原感到是MS奥迪Q伍C奥迪Q5之类的matlab完成,结果仔细一看,和MS昂科雷CKoleos算法的描述完全两样。于是找了有个别资料,对Retinex的历史有了越来越询问,以下复制一些舆论中的文书档案以供表达:

  上式中,I为原始输入图像,F是滤波函数,一般为高斯函数,N为标准的数额,W为各类尺度的权重,一般都为1/N,
Murano代表在对数域的图像的出口。

  式中: I(x,y)代表被阅览或照相机接收到的图像时限信号;L(x,y)代表情况光的投射分量
;奥迪Q三(x,y)表示指引图像细节消息的靶子物体的反光分量 。

   
 ******************************************************************************************************************************************************************************

  由于中华V是对数域的输出,要改换为数字图像,必须将她们量化为[0,255]的数字图像范畴,关于这么些量化的算法,有那极为重要的含义,他的优劣直接调节了最后输出的图像的灵魂。

   
将(二-一)式两边取对数,则可抛开入射光的特性获得物体的本来风貌,即有关系式

   
作品地址:http://www.doc88.com/p-993974139685.html

  近来,结合上述小说中建议的部分进度,有四种办法张开管理:

       Log[R(x,y)] =
Log[I(x,y)]-Log[L(x,y)];                
     (2-2)

   
近年来,在今世生艺术学和激情学的诱导下,美利坚合众国物法学家Land等人设计出了Retinex(视视网膜皮层)模型,并在符合人眼的颜料恒常性理论前提下,建议了依据Retinex的图像加强算法。这种算法建设构造的基本功是1旦人眼感知指标的亮度和颜色由遇到光照和指标表面包车型地铁反射光照决定,保持指标的颜色恒常性首要正是估算情状光照,并剔除意况光照的形象。那样就获得了准确的目的颜色和亮度音讯。由于Retinex算法具备高动态范围减小、高色彩保真度和可观的片段细节加强等脾性,引起了大量的国外专家的志趣。为规范预计亮度分量,接纳计算路线常见有一维和二维的区分。先前时代,Land建议选用随机路线,并对路径所经过的像素进行增加总结亮度,这种措施的缺陷在于当前像素点的亮度和任性路径上的像素亮度有关和其领域周围的像素亮度大约非亲非故,使得巩固后的图像出现亮度不总是的气象。随后出现了二种迭代分段线性路线,即McCann99Retinex 和Frankle-McCann
Retinex,相比随机路线的Retinex来讲,他们的加强功效较好。然则,他们的同步缺陷在于总计复杂度相比高,且迭代次数的挑三拣肆对增高成效的熏陶首要。200四年,Ciurea和Funt公布了活动选拔迭代次数的舆论后,那一难题技能够化解。
Land深入分析了一维路径选取的缺点,建议了贰维路线的精选情势,即着力/环绕Retinex算法。这种格局下,当前像素点周边领域内像素亮度值作为计量依靠,且Jobson等人小心的注明了高斯卷积函数满意基本/环绕函数需求…………………………………….(以下便是SSPRADO\MSR\MSRCR…等等)。

  第一种,也是最轻松想到的就是,直接线性量化,即采用下式进行管理:

   
对上面的理论的张开一个轻松易行的笺注吧。把这几个技能使用到图像处理上,便是针对大家后天曾经收获的1副图像数据I(x,y),计算出相应的普拉多(x,y),则中华V(x,y)以为是加强后的图像,今后的首纵然什么获得L(X,Y)。Retinex理论的提议者提出那个L(x,y)可以经过对图像数据I(x,y)进行高斯模糊而获取,大多舆论中都列出了要命大旨/围绕函数以及供给归1化的K值,搞的广大新手都不知底是怎么了,其实正是1个歪曲而已。从实际利用的角度来讲,也足以用均值模糊来代表高斯模糊。

   
 ******************************************************************************************************************************************************************************

    
  图片 2

   
 由此这几个算法的细路就很简单了,具体步骤如下:

   
由上述描述可知,Frankle-McCann Retinex选择了1维路线寻觅办法测度亮度,而MSRC揽胜是二维的,后者则越来越复杂。

  这种措施,由于Retinex数据管理后的高动态天性,数据遍布很广,会油可是生严重的两极化现象,一般难以得到满足的结果。

     壹、输入:
原始图像数据I(x,y),尺度(相当于所谓的混淆的半径)

   
关于FM卡宴算法的规律呢,小编弹指间也讲不清,这里稍微对算法的部分进程举行轻便的牵线吧。

  第贰种,便是在精彩的MSTiguanCCR-V文章《A
Multiscale Retinex for Bridging the Gap Between Color Images and the
Human Observation of Scenes》中提议的Canonical Gain/Offset
算法。计算公式如下:

     2、管理:(一)
总结原始图像按钦命尺度进行模糊后的图像 L(x,y);

   
首先,算法的输入需借使[0,1]限制的浮点数,并且是按对数布满的,这一个一般必要将[0,255]按对数格局量化到[0,1]范围内。

      
  图片 3    

              (贰)
遵照二-二式的持筹握算方法总结出 Log[R(x,y)]的值。

   
然后依照下图所示的门径对各种点的数码进行自己检查自纠、想乘、重新复苏设置和平均操作。

  当中G和b为涉世参数。

              (3)
将 Log[R(x,y)]量化为0到255限量的像素值,作为最终的出口。

                 
 图片 4

  第三种,实在上述文章中涉嫌的Simplest
Color
Balance(笔者简写为SC凯雷德)格局,这种艺术的管理类似于Photoshop中的自动色阶,他把数量遵照一定的百分比去除最小和最大的有个别,然后中间的某些重新线性量化到0和25五之间。

   
能够看得出,算法不会细小略,其主干的事物照旧在于高斯模糊的兑现。关于高斯模糊,英特网有众多高速优化的小说仿照效法,具体的参照代码可能十分少有好人提供的。

     
那几个作者骨子里是说不清楚了,给多少个链接大家温馨看看啊:

  第九种,就是GIMP的Retinex算法,这么些可详见 带色彩恢复生机的多尺度视网膜加强算法(MSCRUISERC景逸SUV)的规律、完毕及应用 一文的叙述。

   
注意到一些,如同在量化的时候从不何人会将 Log[R(x,y)]进行Exp函数的运算而一向获取CR-V(x,y),至于何以,笔者无能为力提交鲜明的答案。

      基于心思物农学评价和偏爱映射的高动态范围图像的颜色映射算子的宏图

  还应该有一种方法,便是豪门知道HDR的经过吧,他也是将高动态的多少许化到图像的可视范围,由此得以一贯将那类算法应用与那几个主题素材上。小编也做了试验,效果仿佛一般。

   
量化的不二等秘书技实在有众各样,而以此点子在极大的程度上对拍卖的效益有所决定性的震慑。现今小编没来看有哪壹篇散文对那一块讲的很清楚,也不知情他们的那三个结果是什么样收获的,1种最轻松易行的点子便是计算出Log[R(x,y)]的最大值马克斯和微小值Min,然后对每2个值Value,实行线性量化,公式为:

        依照色彩恒常性的图像去雾才具

  在用第一种或第三种艺术管理时,最棒还亟需有个Color
Restoration的经过,因为只要直接对MS猎豹CS6管理的结果进行量化,获得的图像往往全部偏灰度,那是出于原有的彩色值经过log管理后的数目范围就相当的小了,那样各通道之间的差距也非常小,而后来的线性量化比log曲线要平滑许多,由此全体就丧失了花花绿绿。

            R(x,y) = (
Value – Min ) / (Max – Min) * (255-0)                          
(2-3)

      Retinex in
Matlab

  杂文中提议了改良格局如下:

    效果测试:

     
最后把拍卖的数据从对数域调换来[0,255]限制内(这里供给使用exp函数哦)。

          图片 5

 
  图片 6  图片 7  图片 8 

     
大家照旧把时光放在算法效果的大致深入分析上。

          图片 9

                     
   原图                                  
经过Retinex(尺度为拾)加强后的图像            
 经过Retinex(尺度为300)巩固后的图像

   
 图片 10

          图片 11

 
  图片 12  图片 13  图片 14

   
 一般景况下,能够以为FM中华V算法唯有迭代次数二个参数。由上海教室可知,迭代次数越小,图像的相比度越小,连读越亮,动态压缩范围越小。迭代次数越大,图像的自己检查自纠度越刚毅。从直方图上看,迭代次数时辰,直方图集聚焦在一块儿,随着迭代次数等扩大,直方图慢慢布满到全部动态范围内。
当迭代次数比比较大时,图像会和原始图像很类似。

 

                     
 原图                                  
经过Retinex(尺度为十)加强后的图像                
经过Retinex(尺度为300)巩固后的图像

     
大家在贴一些该算法管理的结果。

  
个中β=46,α=1贰伍为涉世参数,不过最后我的辨析以为β不容许取那样大,取1检验申明效果还不易。

   
杂谈中说,尺度取值十分小时, 能够较好地成功动态范围的削减,暗区域的底细能得到较好地增加,但输出颜色易失真;取值非常大时,色感1致性较好。
作者倒是没见到尺度小有如何好处。

   
  图片 15  图片 16  图片 17

  
对于部分本来图像HUE较为合理的图,如果用优良的MS昂科威C普拉多算法,会导致管理后的图轻易偏色,上述随想建议了对图像的Intensity数据开始展览Retinex管理,然后再把多少依照原有的CRUISERGB的比例映射到每种通道,那样就能够在保留原始颜色分布的根底上加强图像,小说中称其为MS大切诺基CP。

   
以上算法所完结的历程一般倍称作为SSCRUISER(Single Scale
Retinex,单尺度视网膜加强);

   
  图片 18  图片 19  图片 20

  那几个算法的编码杂谈的附带代码里早已有了很好的例证了,其实便是非常粗大略的干活,要求的相爱的人本身去参谋。

   
为了博取越来越好的作用,大家又开拓出所谓的多尺度视网膜巩固算法(MS纳瓦拉,
Multi-Scale
Retinex),最为杰出的正是三规范化的,大、中、小,既能达成图像动态范围的削减,又能保险色感的1致性较好。同单尺度相比,该算法有在图谋Log[R(x,y)]的值时步骤有所不相同:

   
  图片 21  图片 22  图片 23

  小编要好做了八种算法的相比,分别是:

    (1)
必要对原始图像举行各种尺度的高斯模糊,获得模糊后的图像Li(x,y),在那之中型小型标i表示原则数。

                     
 原图                                                迭代三回          
                                     迭代十一遍

      MSPRADOCTiggoGIMP    -    Gimp内嵌的Retinex加强算法

     (二)
 对每种尺度下进行增多总计  Log[R(x,y)] =  Log[R(x,y)] + Weight(i)*
( Log[Ii(x,y)]-Log[Li(x,y)]);
 个中Weight(i)表示每个尺度对应的权重,需求各尺度权重之和必须为一,杰出的取值为等权重。

   
 可见,对一部分偏暗的图像的升高效率依然很醒目。

      MS路虎极光C宝马7系Standard  -    依照《A
Multiscale Retinex ….  the Human Observation of
Scenes》一文写的算法,其中G=30,B=-陆,β=一,α=1贰五

   
 其余的步骤和单尺度的没有分别。

   
 经过测试声明,这么些算法对于大家在正规光照下拍录的照片的管理有意想不到的功能,能够产生类似HDKuga的效率,贴出如下:

      MSRC本田CR-VSCLacrosse      –        
 使用Color Restoration + Simplest Color Balance算法量化获得的结果

   
 图片 24 
 图片 25   图片 26

   
 图片 27  图片 28

        MS途观CPSC途达      –        
 使用Intensity数据 + Simplest Color Balance算法量化获得的结果

                     
  原图                                    
 经过SSTucson(尺度为300)加强后的图像              
经过MS陆风X8(最大规格为300,尺度数为叁)增强后的图像

   
 图片 29  图片 30

      MSCR-VHSV      -    对HSV空间的V分量进行(用的SCXC60量化)Retinex管理并赶回QX56GB空间后的结果

   
 图片 31 
 图片 32 
 图片 33

                     
         原图                                                          
                   处理后

  他们的意义比较如下:

                     
     原图                                    
 经过SSTiguan(尺度为300)巩固后的图像            
 经过MS瑞鹰(最大规格为300,尺度数为3)加强后的图像

 
 其它,该算法对偏色图像也可能有料定的改正技巧,举例下图。

图片 34 图片 35 图片 36

  
 SSCR-V和MSLAND在最大条件同一时候什么人好什么人坏小编还真讲不清。

                     
   图片 37                       
                         
 图片 38

        original                    
    MSRCRGIMP                              
    MSRCRStandard

   
 在上述的两幅测试图像中,非常是第一幅,我们见到明显的偏色效果,那便是SSCR-V和MS途锐广泛都留存的问题。给1段比较杰出的随想中的原话供大家参考:

 
 图片 39 
 图片 40

图片 41 图片 42 图片 43

      The general
effect of retinex processing on images with regional or global
gray-world violations is a “graying out” of the image, either globally
or in specific regions. This desaturation of color can, in some cases, be
severe (see Fig. 4, middle). More rarely, the gray-world violations
can simply produce an unexpected color distortion (see Fig. 4,top
left).

                     
           原图                                                        
                    处理后

        
  MSRCRSCR                        MSRCPSCR    
                   MSRHSV

*** ***  
 为此,切磋者又开辟出一种叫做带色彩恢复生机的多尺度视网膜巩固算法(MS路虎极光C景逸SUV,Multi-Scale
Retinex with Color Restoration) ,具体研究的长河详见 <A Multiscale
Retinex for Bridging the Gap Between Color Images and the Human
Observation of
Scenes>这篇诗歌,这里要说的是,作者觉着故事集里的艺术不起其余成效,并且故事集里为了这几个又引进了太多的可调参数,扩张了算法的眼花缭乱,不方便人民群众自动化完成。

 
 贴出一段非常的粗糙的落实该函数的matlab代码:

图片 44 图片 45 图片 46

   
从自己近些日子的刺探来看,GIMP的contrast-retinex.c文件里使用的算法很好,效果也很好。他径直从量化的方法上出手,引进了均值和均方差的概念,再增加叁个决定图像动态的参数来贯彻无色偏的调护医疗进程,简要描述如下。

 

        original                    
      MSRCRGIMP                            
   MSRCRStandard

   
(壹)分别总计出 Log[R(x,y)]中Highlander/G/B各通道数据的均值Mean和均方差Var(注意是均方差)。

function Test()
    clear all
    rgb=imread('c:\222.jpg');%需要处理的图片
    m=size(rgb,1);
    n=size(rgb,2);
    rr=zeros(m,n);
    gg=zeros(m,n);
    bb=zeros(m,n);
    for i=1:m
        for j=1:n
            rr(i,j)=logm(double(rgb(i,j,1))+eps);
            gg(i,j)=logm(double(rgb(i,j,2))+eps);
            bb(i,j)=logm(double(rgb(i,j,3))+eps);
        end
    end
    rr=rr/max(max(rr(:)));
    gg=gg/max(max(gg(:)));
    bb=bb/max(max(bb(:)));
    rrr= retinex_frankle_mccann(rr, 4);
    ggg= retinex_frankle_mccann(gg, 4);
    bbb= retinex_frankle_mccann(bb, 4);
    for i=1:m
        for j=1:n
            rrr(i,j)=round(exp(rrr(i,j)*5.54));
            ggg(i,j)=round(exp(ggg(i,j)*5.54));
            bbb(i,j)=round(exp(bbb(i,j)*5.54));
        end
    end
    rgb=cat(3,uint8(rrr),uint8(ggg),uint8(bbb));
    rgb=max(min(rgb,255),0);
    imshow(rgb);
end

function [ Retinex ] = retinex_frankle_mccann( L, nIterations )
    global RR IP OP NP Maximum
    RR = L;
    Maximum = max(L(:));                                 % maximum color value in the image
    [nrows, ncols] = size(L);
    shift = 2^(fix(log2(min(nrows, ncols)))-1);          % initial shift
    OP = Maximum*ones(nrows, ncols);                     % initialize Old Product
    while (abs(shift) >= 1)
        for i = 1:nIterations
            CompareWith(0, shift);                         % horizontal step
            CompareWith(shift, 0);                         % vertical step
        end
        shift = -shift/2;                                 % update the shift
    end
    Retinex = NP;
end

function CompareWith(s_row, s_col)
    global RR IP OP NP Maximum
    IP = OP;
    if (s_row + s_col > 0)
        IP((s_row+1):end, (s_col+1):end) = OP(1:(end-s_row), 1:(end-s_col)) + ...
            RR((s_row+1):end, (s_col+1):end) - RR(1:(end-s_row), 1:(end-s_col));
    else
        IP(1:(end+s_row), 1:(end+s_col)) = OP((1-s_row):end, (1-s_col):end) + ...
            RR(1:(end+s_row),1:(end+s_col)) - RR((1-s_row):end, (1-s_col):end);
    end
    IP(IP > Maximum) = Maximum;                          % The Reset operation
    NP = (IP + OP)/2;                                    % average with the previous Old Product
    OP = NP;                                             % get ready for the next comparison
end

图片 47 图片 48 图片 49

 
  (二)利用类似下述公式计算各通道的Min和马克斯值。

   
同样,提供个编写翻译好的文本给有乐趣研究该算法的心上人看看效果:

       MSRCRSCR                    
       MSRCPSCR    
                   MSRHSV

            Min = Mean

 
 http://files.cnblogs.com/Imageshop/Frankle_Mccann_Retinex.zip

图片 50 图片 51 图片 52

  • Dynamic * Var;  

 

        original                    
      MSRCRGIMP                            
   MSRCRStandard

            Max = Mean

 ***************************小编:
laviewpbt   时间: 201叁.4.1捌    联系QQ:  3318477七 转发请保留本行消息*************************

图片 53 图片 54 图片 55

  • Dynamic * Var;
        (3)  对Log[R(x,y)]的每贰个值Value,进行线性映射: 

 

         MSRCRSCR                  
         MSRCPSCR    
                   MSRHSV  

           R(x,y) = (
Value – Min ) / (Max – Min) * (255-0)
,同临时候要小心扩展一个溢出剖断,即:

  孰好孰坏给位自身去研讨吧。

           if (R(x,y)
> 255)  R(x,y) =255; else if (R(x,y) < 0) R(x,y)=0;

  算法效果测试:http://files.cnblogs.com/Imageshop/Retinex%E7%BB%BC%E5%90%88.rar

   
 正是透过这么轻松的拍卖,实施评释能够获得相当好的作用,下边贴出一些管理后的职能。

  很久没有写博客了,其实也从不江郎才尽的痛感,就是啊未有想写的欢悦。未来写也无从前那么认真了,感到正是像计流水账一样。算了,记账就记账吧。

 
 图片 56  图片 57  图片 58

 图片 59

   
 MSOdyssey(最大标准为300,尺度数为三)巩固图像        
  MSSportageC中华V(最大原则为300,尺度数为3,Dynamic=二)巩固图像
  MSLX570C奥德赛(最大规格为300,尺度数为六,Dynamic=贰)巩固图像

****************************作者:
laviewpbt   时间: 2014.陆.二陆    联系QQ:  1664462九四七 转发请保留本行音信********************

 
  图片 60  图片 61  图片 62

 

     
MSCRUISER(最大原则为300,尺度数为3)加强图像        
 MS锐界CLX570(最大口径为300,尺度数为叁,Dynamic=2)巩固图像
  MS宝马7系C奇骏(最大规范为300,尺度数为陆,Dynamic=二)加强图像

 

       
 由上述三幅图的职能得出的下结论:

       
(1)MS路虎极光CLAND效果要比MSHighlander好繁多,基本免除了色偏。

       
(贰)对于MSEvoqueC锐界,尺度数对结果的形象不是专门大,不过随着规范化数的扩张,算法耗费时间会线性扩充,由此,一般规范数取三就相比较适宜了。

       
 继续贴图做相比:

 
  图片 63  图片 64  图片 65

               
MS福睿斯CHaval(Dynamic=一)加强图像                          
 MS帕杰罗CGL450(Dynamic=贰)巩固图像                            
 MS途锐CLacrosse(Dynamic=5)巩固图像

 
 图片 66 
 图片 67  图片 68 
   

               
 MSTiggoCTiggo(Dynamic=壹)加强图像                          
 MS本田CR-VC帕杰罗(Dynamic=贰)巩固图像                        
 MSENCOREC凯雷德(Dynamic=5)巩固图像

   
  由以上3幅图的功用得出的定论:

   
(3)Dynamic取值越小,图像的相比较度越强。

   
(4)一般的话Dynamic取值二-三之内能收获比较猛烈的增加效率,即能获得很自然过渡效果,又能维系图像的清晰度适度进步。

   
 关于最大条件,个人提出取值以赶上十0为佳。

   
 retinex算法的功用对于有些正规的图像管理后的职能并不好,我们得以认为他正是为那多少个在外围情形不突出的景观下版画的图像巩固而设计的,非常的,对于航空拍录的雾天图片,历史学上的成像图片等成像条件恶劣的图有很显眼的效果,再列出有个别相片管理成效。

 
  图片 69 
 图片 70 
 图片 71

 
  图片 72 
 图片 73 
 图片 74

 
  图片 75 
 图片 76 
 图片 77

 
  图片 78 
 图片 79  图片 80

 
  图片 81   图片 82 
 图片 83

 
  图片 84   图片 85 
 图片 86

                   
原始图像                                             MSRubiconC福特Explorer加强的功用    
                                   NASA的Retinex加强结果

   
上述照片均接纳最大标准为300,尺度数为三,Dynamic=2时的作用。

   
由上述几组相片,能够看来,Retinex在图像去雾、宇宙航行图、文学图像、老照片等图像的管理上效果万分由此可见。

   
NASA的管理效果要比我那边的MS智跑C猎豹CS陆好有的,那当然无可非议,人家是怎样单位呀。

   
关于NASA对Retinex手艺的施用,可以参照:http://dragon.larc.nasa.gov/retinex/

   
关于去雾效果,我们在来和美图秀秀、可牛影象、光影魔术手等现成的软件做个轻松的可比:

  图片 87 
 图片 88   图片 89

                     
原图                                             MSEscortC兰德ENVISION                  
                                 美图秀秀 

  图片 90 
 图片 91

               
 可牛影象                                                
 光影魔术手

  图片 92 
 图片 93  图片 94

                     
 原图                                                 MS福睿斯C中华V            
                                    美图秀秀 

  图片 95 
  图片 96

                
可牛印象                                                
光影魔术手

   
关于什么人是哪个人非,为幸免不供给的口舌之争,这里依旧交给给位看管去辨别吧。

   
一样,提供个编写翻译好的公文给风趣味斟酌该算法的意中人看看效果:

 
  http://files.cnblogs.com/Imageshop/Retinex.zip

 

 
  图片 97

   
关于Rentinex,在共享两篇相比优秀的英文诗歌:

    Multi-Scale
Retinex for Color Image
Enhancement

    A Multiscale
Retinex for Bridging the Gap Between Color Images and the Human
Observation of
Scenes

   
关于完结代码,提供GIMP的contrast-retinex.c的下载链接(要像完全看懂当中的保有代码的情趣很拮据,但是要提取当中的算法部分就不那么复杂了)。

   
http://files.cnblogs.com/Imageshop/contrast-retinex.rar

 

 图片 98

 ***************************小编:
laviewpbt   时间: 20一三.四.1柒    联系QQ:  33184777 转发请保留本行信息*************************

相关文章