Retinex理论简介
Retinex的假设如下所示：
1.真实世界是无颜色的，人类感知的颜色是光和物质相互作用的结果，我们见到的水是无色的，但是水膜-肥皂却是五彩的，这是薄膜表面干涉的结果；
2.每一个颜色由给定波长的红绿蓝三原色构成；
3.三原色决定了每个单位区域的颜色。
Retinex理论基础是物体颜色由物体对长波、中波和短波光线的反射能力决定的，而不是由反射光强度的绝对值来决定的，物体的颜色不受光照非均匀性的影响，具有一致性，即retinex是以色感一致性（颜色恒常性）为基础的。不同于传统方法线性非线性只能增强图像某一类特征的方法，Retinex可以在动态范围压缩、边缘增强和颜色恒常三个方面达到平衡，因此可以对各种不同类型的图像进行自适应的增强。
SSR 单尺度Retinex
给定一副图像S，其可以分解成光照图像L和反射图像R的乘积，如下所示：
所以Retinex增强的目的是为了去掉光照L的影响，从而分解出R，即物体原本的特性。将上式两边取对数，得：
因此要得到R，只需要得到L就可以。但是L不能直接得到，只能近似估计出，一般用S(x,y)和一个高斯核的卷积来近似表示出L(x,y),物理意义是通过计算像素点与周围区域在加权平均的作用下，估计图像中照度的变化。所以最后R(x,y)表示如下:
这里的关键点是高斯模糊的实现，这里实际上很多时候就用均值模糊去替代，最后将logR(x,y)进行量化并不是直接使用exp得到，而是先求出其最大值Max和最小值Min，然后对每一个值Value，进行线性量化，公式为：
因为通过高斯模糊后的图像是图像的低频部分，其更对应图像的低频光照区域，去掉该部分即获得图像的高频区域，而人对高频区域的信息更敏感，所以SSR可以更好的增强图像的高频信息。
MSR 多尺度Retinex
MSR是在SSR基础上发展而来的，优点是可以同时保持高保真度和对图像动态范围进行压缩的同时，MSR也可以实现色彩增强、全局部动态范围压缩等，MSR的多尺度一般是三个尺度，即大中小三个尺度。和SSR相比，其在计算logR(x,y)时有所不同。
1.需要对原始图像进行不同尺度的高斯模糊，得到模糊后的图像$L_i(x,y)$,i表示尺度数。
2.对每个尺度数进行累加，公式如下:
其中权重之和一般为1，经典的一般是取均值。其他步骤和SSR相同。
一般的Retinex算法对光照图像估计时，都会假设初始光照图像是缓慢变化的，即光照图像是平滑的。但实际并非如此，亮度相差很大区域的边缘处，图像光照变化并不平滑。所以在这种情况下，Retinuex增强算法在亮度差异大区域的增强图像会产生光晕。 另外MSR常见的缺点还有边缘锐化不足，阴影边界突兀，部分颜色发生扭曲，纹理不清晰，高光区域细节没有得到明显改善，对高光区域敏感度小等。
此外，常见的Retinex算法还包括MSRCR、MSRCP等方法，这里不再赘述。
参考;
1.http://www.cnblogs.com/sleepwalker/p/3676600.html?utm_source=tuicool&utm_medium=referral
2.https://blog.csdn.net/lz0499/article/details/81154937
3.https://blog.csdn.net/ajianyingxiaoqinghan/article/details/71435098