本项目提供一种高效的Retinex图像处理算法的MATLAB代码实现，旨在改善图像的视觉效果和对比度，适用于多种应用场景。
Retinex理论是一种基于人眼视觉系统的图像处理技术。它模拟了人类对亮度和对比度的感知方式，并能够显著提高图像质量，在低光照或高动态范围场景下尤其有效。
MATLAB因其强大的数学计算能力和数据可视化功能，成为实现Retinex算法的理想工具。提供的压缩包中包含了多种不同的Retinex方法，各有其特点与应用场景：
1. `retinex_mccann99.m`：基于John McCann在1999年提出的改进型Retinex算法。该方法结合了局部和全局亮度校正，提高了图像处理的稳定性和鲁棒性，并通过自适应调整窗口大小来优化不同光照区域的表现。
2. `MSR_new.m`：这是Multi-Scale Retinex (MSR)的新版本。它基于多尺度分析，在不同的空间尺度上进行处理，能有效减少噪声并增强层次感，特别适合于高动态范围图像的处理。
3. `retinex_frankle_mccann.m`：采用Frankle和McCann改进后的Retinex算法，并引入了新的亮度模型。该方法在复杂光照条件下表现出色，并能够更好地保持边缘与纹理信息。
4. `retinex.m`：这是基础的Retinex实现，包括基本的亮度均衡及对比度增强步骤。通过比较不同尺度下的灰度响应来估计局部和全局亮度变化，并进行校正以提升视觉效果。
5. `MSRCR.m`：缩写为Multi-Scale Retinex with Color Restoration (MSRCR)，结合了多尺度Retinex与颜色恢复机制，旨在纠正光照不均导致的颜色失真。这种方法在处理色彩丰富的图像时非常有效。
每种方法都有其独特的优势和适用范围，具体选择应根据实际应用需求如图像类型、光线条件及对速度与质量的要求来决定。使用这些MATLAB代码需要一定的编程基础以及理解Retinex算法原理，并可能需调整参数以获得最佳效果。
5星
