Retinex理论去雾：从光照模型到MATLAB实战

Retinex这个词，是Retina（视网膜）和Cortex（大脑皮层）的合成词。说白了，这套理论想模拟的是——人眼怎么在千变万化的光照下，还能看出物体本来的颜色。

我最早接触Retinex是在做遥感图像增强的项目。那时候雾霾图一上来，直方图均衡化效果太生硬，暗通道先验在某些场景又失效。后来试了Retinex，嗯，真香。今天我就把这块内容掰开揉碎讲给你。

Retinex理论简介

Edwin Land在1971年提出这个理论时，其实是想解释一个现象：为什么一张白纸在暗处看起来还是白的？按物理亮度算，它反射的光可能比黑纸在亮处还少，但人眼就是能「纠正」过来。

数学上，Retinex把图像建模成：

I(x,y) = L(x,y) × R(x,y)

• I(x,y) — 我们看到的图像（含雾、含光照不均）
• L(x,y) — 光照分量，变化缓慢，低频
• R(x,y) — 反射分量，包含细节和颜色，高频

去雾的思路就清晰了：估计出L，然后从I中除掉L，剩下的就是R。实际操作中，我们会在对数域做减法，因为除法在对数域变成了减法，计算更稳定。

单尺度Retinex（SSR）

SSR是最基础的版本。它的做法很简单：用高斯滤波对原图做平滑，把平滑结果当作光照分量L，然后在对数域减去它。

公式长这样：

R(x,y) = log I(x,y) - log [G(x,y) * I(x,y)]

其中G是高斯核，*是卷积操作。高斯核的尺度σ（标准差）决定了平滑程度。

σ的影响：

σ值	效果	典型问题
σ 较小（< 30）	细节增强明显，边缘锐利	光晕伪影严重，颜色偏灰
σ 中等（30~100）	细节和颜色平衡较好	动态范围压缩不够
σ 较大（> 100）	颜色保真度高，光晕少	细节增强不足，图像偏暗

多尺度Retinex（MSR）

SSR的问题在于——一个σ搞不定所有场景。细节和颜色保真度总是打架。MSR的思路很直接：用多个不同尺度的SSR结果加权平均。

公式：

R_msr(x,y) = Σ w_i × R_i(x,y)

其中R_i是第i个尺度下的SSR结果，w_i是权重，通常Σ w_i = 1。

我常用的三尺度配置：

• 小尺度（σ=15~30）：抓细节，权重0.3~0.4
• 中尺度（σ=50~100）：平衡色调，权重0.4~0.5
• 大尺度（σ=150~300）：保颜色，权重0.2~0.3

你想想看，小尺度负责把雾气边缘的细节拉出来，大尺度保证天空不会变成灰色，中尺度在中间做调和。三个尺度各司其职，效果比单尺度稳得多。

MATLAB实现与参数调优

下面是我在实际项目中打磨过的MSR实现。代码不长，但每个参数都有讲究。

function R = msr_dehaze(I, sigmas, weights)
    % I: 输入图像 (double, [0,1])
    % sigmas: 高斯尺度数组，如 [15, 80, 200]
    % weights: 对应权重，如 [0.3, 0.4, 0.3]
    
    I = im2double(I);
    [h, w, c] = size(I);
    R = zeros(h, w, c);
    
    % 对数域处理
    log_I = log(I + 1e-6);  % 加小常数防止log(0)
    
    for i = 1:length(sigmas)
        % 高斯滤波估计光照
        hsize = 2 * ceil(3 * sigmas(i)) + 1;
        G = fspecial('gaussian', hsize, sigmas(i));
        
        log_L = zeros(h, w, c);
        for ch = 1:c
            log_L(:,:,ch) = imfilter(log_I(:,:,ch), G, 'replicate');
        end
        
        % SSR结果
        R_i = log_I - log_L;
        
        % 加权累加
        R = R + weights(i) * R_i;
    end
    
    % 指数变换回强度域
    R = exp(R);
    
    % 对比度拉伸到[0,1]
    for ch = 1:c
        R(:,:,ch) = imadjust(R(:,:,ch));
    end
end

参数调优的几条铁律：

1. σ不要取整十数。我习惯用15、80、200这种非整数倍关系，避免尺度重叠产生条纹。
2. 权重分配看场景。雾浓时加大中尺度权重（0.5以上），雾薄时加大尺度权重（0.4以上）。
3. 高斯核尺寸要自适应。hsize = 2×ceil(3×σ)+1，保证核覆盖99.7%的能量。
4. 对比度拉伸别太猛。imadjust的饱和度参数设0.01~0.02就够了，拉太猛噪声全出来了。

效果对比：SSR vs MSR

指标	SSR（σ=80）	MSR（15,80,200）
细节还原	中等，边缘有光晕	好，多尺度互补
颜色保真	偏灰，饱和度下降	接近真实色彩
计算时间	快（~0.3s）	中等（~0.8s）
适用场景	均匀薄雾	浓雾、不均匀光照

说实话，MSR比SSR慢一倍左右，但效果提升是肉眼可见的。我个人建议：除非你对实时性要求极高，否则直接上MSR。