一.基于视网膜皮层理论的增强（重点讲解MSR）
Retinex是一种常用的建立在科学实验和科学分析基础上的图像增强方法，它是Edwin.H.Land于1963年提出的。Retinex也是由两个单词合成的一个词语，他们分别是retina 和cortex，即：视网膜和皮层。Land的retinex模式是建立在以下三个假设之上的：
- 真实世界是无颜色的，我们所感知的颜色是光与物质的相互作用的结果。我们见到的水是无色的，但是水膜—肥皂膜却是显现五彩缤纷，那是薄膜表面光干涉的结果。
- 每一颜色区域由给定波长的红、绿、蓝三原色构成的；
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。
一幅给定的图像S(x,y)可以分解为两个不同的图像：反射图像R(x,y)和入射图像（也有人称之为亮度图像）L(x,y)，其原理图如下所示： 
如上图所示，图像可以看做是入射图像和反射图像构成，入射光照射在反射物体上，通过反射物体的反射，形成反射光进入人眼。
1. 单尺度原理
形成的图像可以如下公式表示：
r(x,y)=logR(x,y)=logS(x,y)L(x,y)r(x,y)=logR(x,y)=logS(x,y)L(x,y)
其中，R(x, y)表示了物体的反射性质，即图像内在属性，我们应该最大程度的保留；而L(x, y)表示入射光图像，决定了图像像素能达到的动态范围，我们应该尽量去除。
一般，我们把照射图像假设估计为空间平滑图像，原始图像为S(x, y)，反射图像为R(x, y)，亮度图像为L(x, y)，可以得出上面的公式(1)，以及下面的公式：
r(x,y)=logR(x,y)=logS(x,y)L(x,y)r(x,y)=logR(x,y)=logS(x,y)L(x,y) …………(2)
r(x,y)=logS(x,y)−log[F(x,y)⨂S(x,y)]r(x,y)=logS(x,y)−log[F(x,y)⨂S(x,y)] ………….(3)
这里，r(x, y)是输出图像，式(3)中后面中括号里的运算是卷积运算。F(x, y)是中心环绕函数，表示为：
F(x,y)=λe−(x2+y2)c2F(x,y)=λe−(x2+y2)c2 ………….(4)
式(4)中的C是高斯环绕尺度，λ是一个尺度，它的取值必须满足下式：
∫∫F(x,y)dxdy=1∫∫F(x,y)dxdy=1 ………….(5)
2.MSR原理
MSR是在SSR基础上发展来的，优点是可以同时保持图像高保真度与对图像的动态范围进行压缩的同时，MSR也可实现色彩增强、颜色恒常性、局部动态范围压缩、全局动态范围压缩，也可以用于X光图像增强。
MSR计算公式如下：
r(x,y)=∑Kkwk{logS(x,y)−log[Fk(x,y)⋅S(x,y)]}r(x,y)=∑kKwk{logS(x,y)−log[Fk(x,y)⋅S(x,y)]} …………(6)
式中，K是高斯中心环绕函数的个数。当K=1时，MSR退化为SSR。
通常来讲，为了保证兼有SSR高、中、低三个尺度的优点来考虑，K取值通常为3，且有：
w1=w2=w3=13w1=w2=w3=13 …………(7)
此外，实验表明，ci分别取15, 80, 200可以得到较好效果。
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。
二.暗通道去雾
在绝大多数非天空的局部区域里，某些像素总会有至少一个颜色通道具有很低的值。换言之，该区域光强度的最小值是一个很小的数。下面给暗通道一个数学定义，对于任意的输入图像J，其暗通道可以用下式表达：
Jdark(x)=miny∈Ω(x)[minc∈(r,g,b)Jc(y)]Jdark(x)=miny∈Ω(x)[minc∈(r,g,b)Jc(y)]
式中的JcJc表示彩色图像的每个通道，Ω(x)Ω(x)表示以像素x为中心的一个窗口。上式的意义用代码表达也很简单，首先求出每个像素RGB分量中的最小值，存入一幅和原始图像大小相同的灰度图中，然后再对这幅灰度图进行最小值滤波，滤波的半径由窗口大小决定，一般有WIndowSize=2*Radius+1。
