1.2    研究现状
 1.3  本文内容及章节安排
   本文先介绍了图像增强以及Retinex理论，在充分了解的基础上，重点研究了几种Retinex算法，并进行仿真运行，得到增强后的结果，相互之间进行比较进而分析各自优劣性。
本文结构如下：
（1）本文第一章为绪论，简单介绍对于Retinex理论的研究背景及现状。
（2）本文第二章为图像增强，对图像增强的定义及算法等进行了相应的介绍。
（3）本文第三章为基于Retinex理论的图像增强算法研究，介绍了有关颜色恒常性、Retinex理论相关本质内涵等，并通过仿真运行，应用SSR、MSR、MSRCR算法及McCann’s Retinex算法对彩色图像进行增强处理，并对结果进行比较。
（4）最后是本文由该项研究所得到的结论以及下一步的研究方向。
2  图像增强
图像增强的定义就是对图像中包含的有用信息进行增强操作，目标是要提升人们对图 像的观察效果，根据场景的要求，突出图像中的全部或部分特征，使得人类对图像的观察更清晰或者让某些特点更加的突出，加强不同物件特点之间在图像中的区分度，抑制无关信息，使得图像质量得到相应的提升、包含的信息量变得更加丰富，进而便于我们对图像进行判别和观察，满足某些特殊需要[5]。
2.1  空间域图像增强技术
2.1.1  概述
图像是由像素所构成的，空间域增强就是对这些用来组成图像的像素进行增强操作。该方法就是空间域方法。空间域处理可由下式定义：
                       (2.1)
在上式中 是输入的图像， 是经过操作后得到的图像， 是一种用于处理的函数，它在 的邻域中定义。另外，若输入的是图像的集合，函数 也能够对它进行处理。
2.1.2  对比度增强
对比度增强技术是一种很简单但极其重要的增强技术，它能增加或减少图像的动态范围压缩，或者在部分区间增加图像的动态范围压缩，而在其他区间减小图像的动态范围压缩。所以，对于一幅需要进行图像增强的图像，我们可以采用这种技术提高感兴趣部分的对比度。设输入图像为 ，而经过操作处理后得到的图像为 ，这种对比度增强技术可以由下面式子给出：
                       (2.2)
式中，输入图像和输出图像的亮度分别用 和 表示，该函数的倾斜程度由 来控制，如图2.1所示。
 
图2.1 对比度增强示意图
上式就是对比度拉伸变换函数的表达式，若是输入值低于 ，它的灰度级就会被压缩为输出图像中较暗灰度级的较窄范围内；若是输入值高于 ，它的灰度级就会被压缩为输出图像中较亮灰度级的较窄范围内，这样就可以得到拥有着高对比度的输出图像[6]。
2.1.3  线性变换
线性变换也可以被称作为比例变换，在该变换的自变量和因变量两者间有着确定的比例常数系数。其表达式如下所示：
                       (2.3)
若是a>1，输出图像中灰度的动态范围就会得到增大；若是a<1，输出图像中灰度的动态范围就会得到减小；若是a=1，b≠0，对应像素点变换前后的灰度差值将会不发生变化，仅有输出图像灰度值的上下移，表现在图像的亮暗程度变化上。若是a<0，则输出图像的灰度翻转，这样点运算就是对图像进行求补操作。 基于Retinex理论的图像增强算法研究(2):http://www.youerw.com/tongxin/lunwen_18893.html