简述几种图像增强的算法_图像增强算法

1、几种经典的图像增强算法

1.1、Retinex

简单来说，直方图均衡化采用的方法是将图像中像素点的直流分量都去掉，只剩下交流分量，然后对交流分量进行归一化、拉伸或者直接输出。

原理：

输入图像由照度分量和反射分量两部分组成，即：
                                                     

其中，L为亮度分量，描述照明，变化缓慢，处于低频部分；R为反射分量，描述景物细节，变化较快，处于高频部分。
Retinex算法对图像的处理目的就是从图像I中获取反射分量R。算法流程如下：

发展：

Retinex算法理论有两个经典算法：基于路径的Retinex以及基于中心环绕Retinex。基于中心环绕Retinex又从单尺度（Single Scale Retinex）到多尺度（Multi Scale Retinex），再发展至带有色彩恢复的多尺度（Multi Scale Retinex with Color Restoration）以及其他更多的改进。在此只学习基于中心环绕的一个典型算法。

单尺度算法（SSR）

1.2、直方图均衡化

简单来说，直方图算法来做图像增强是利用了将图像中像素点的直流分量补齐。使得灰度值低的像素点的亮度提高。

直方图的概念
对一幅灰度图像，其直方图反映了该图像中不同灰度级出现的统计情况。图2给出了一个直方图的示例，其中图(a)是一幅图像，其灰度直方图可表示为图(b)，其中横轴表示图像的各灰度级，纵轴表示图像中各灰度级像素的个数。（需要注意，灰度直方图表示了在图像中各个单独灰度级的分布，而图像对比度则取决于相邻近像素之间灰度级的关系。）

直方图均衡化是一种简单有效的图像增强技术，通过改变图像的直方图来改变图像中各像素的灰度，主要用于增强动态范围偏小的图像的对比度。原始图像由于其灰度分布可能集中在较窄的区间，造成图像不够清晰。例如，过曝光图像的灰度级集中在高亮度范围内，而曝光不足将使图像灰度级集中在低亮度范围内。采用直方图均衡化，可以把原始图像的直方图变换为均匀分布（均衡）的形式，这样就增加了像素之间灰度值差别的动态范围，从而达到增强图像整体对比度的效果。换言之，直方图均衡化的基本原理是：对在图像中像素个数多的灰度值（即对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并，从而增大对比度，使图像清晰，达到增强的目的。举个例子，如图1所示，左图为原始图像，右图为直方图均衡化后的图像。

—

 1.3、PDE

2、几种基于经典算法改进的新图像增强算法

2.1受 Retinex 启发的展开与合作先验架构搜索的弱光图像增强

原文：《Retinex-inspired Unrolling with Cooperative Prior Architecture Search
for Low-light Image Enhancement》