采用retinex方法，其效率极高，并用MATLAB代码进行实现。

简介：
Retinex理论是一种建立在人类视觉系统基础上的图像处理技术，它模拟了人眼对亮度与对比度的感知方式，从而能够显著提升图像的质量，尤其是在光线不足或动态范围广泛的场景中。MATLAB，作为一种强大的数学计算和数据可视化平台，为实现Retinex算法提供了理想的工具环境。提供的压缩包内包含了多种不同的Retinex算法实现方案，每种方案都拥有各自独特的特性以及特定的应用领域：1. `retinex_mccann99.m`：该文件很可能基于John McCann于1999年提出的改进Retinex算法。这种方法巧妙地融合了局部和全局亮度校正机制，从而在处理图像时提高了稳定性及抗干扰能力。它通过自适应地调整局部窗口的大小来针对图像中不同亮度区域进行处理，最终更准确地恢复图像的色彩和细节信息。2. `MSR_new.m`：这很可能是Multi-Scale Retinex (MSR)算法的一种最新版本。该MSR算法基于多尺度分析原理进行Retinex处理，通过在不同尺度上对图像进行分析，能够有效地整合图像的局部和全局信息。这种方法能够有效抑制噪声干扰，并增强图像的层次感特征，特别适用于处理具有高动态范围的图像内容。3. `retinex_frankle_mccann.m`：此文件可能采用了Frankle和McCann提出的Retinex算法改进版，该改进版是在早期Retinex算法基础上进行的优化，引入了一种全新的亮度模型以提升算法在复杂光照条件下处理性能。通常情况下，这种方法能够更好地保留图像边缘以及纹理细节信息。4. `retinex.m`：这是最基础的Retinex算法实现代码，其中包含了基本的亮度均衡以及对比度增强步骤。基础Retinex通过比较同一张图片在不同尺度下的灰度响应值来估算局部和全局亮度信息后进行校正，旨在显著提高整体视觉效果。5. `MSRCR.m`：这代表Multi-Scale Retinex with Color Restoration（MSRCR）缩写，它不仅继承了多尺度Retinex的核心思想，还集成了颜色恢复机制的设计目标是弥补由于光照不均匀造成的颜色失真问题。这种方法在处理包含丰富色彩信息的图像时表现出卓越的能力。每种Retinex实现方案都具备各自独特的优势与适用范围；选择哪种方案取决于具体的应用需求——例如图像类型、光照条件以及对处理速度与质量的要求等因素综合考量。在MATLAB环境中运行这些代码时，可以方便地进行实验与参数调整以优化最终的处理结果。为了成功使用这些代码,需要具备MATLAB编程的基础知识,并深入理解Retinex算法的基本原理及其运作方式；实际操作过程中,可能还需要根据具体输入的图片进行参数微调,以达到最佳的图像增强效果.