本程序实现单尺度Retinex算法以增强图像，并提供五种客观评价指标用于评估处理效果。适用于科研与教学中图像处理相关领域。
单尺度Retinex图像增强是一种基于视觉感知理论的图像处理技术，旨在改善图像对比度和亮度，使细节更加清晰，并保留原始色彩。该技术模拟人眼对光线强度的感知过程，通过分离光照影响与物体固有颜色来提升图像效果。
本压缩包中包含了一个实现单尺度Retinex算法的程序，此算法一般包括以下步骤：
1. 输入图像预处理：可能涉及去噪、归一化等操作以提高后续处理的效果。
2. 光照估计：通过某种形式的滤波或分析来估算整个图像中的光照变化情况。
3. 应用Retinex模型：利用所估得的光照信息对原图进行反光照处理，生成突出纹理和细节的中间结果。
4. 图像增强：基于上述中间结果调整对比度与亮度以达到视觉上的优化效果。
此外，压缩包内还提供了5种常用的图像评价指标用于评估算法的效果：
1. 局部均值：衡量局部平滑程度；低数值表示更多细节。
2. 局部方差：测量像素变化量，反映纹理和边缘信息。
3. 信息熵：量化图像的信息含量，高值代表更复杂的内容。
4. 峰值信噪比(PSNR)：通过比较原始图与处理后图的均方误差来评价质量；数值越高表示效果越好。
5. 结构相似性指数(SSIM)：评估保持结构信息的程度，综合考虑亮度、对比度和结构因素；接近1表明增强图像在结构上更类似于原图。
这些指标可用于量化图像增强的质量，帮助开发者优化算法参数。实际应用中可能需要根据特定场景选择合适的评价标准进行测试与调整。压缩包中的测试例程允许用户观察不同设置下的效果，并使用上述方法分析性能表现，从而深入理解单尺度Retinex的工作原理及改进空间。
5星
