计算机视觉与深度学习 ｜ 基于Matlab的低照度图像增强算法：全面总结与实现

一、算法核心原理

• 低照度图像增强旨在改善在弱光照条件下捕获的图像质量，主要解决以下问题：

• 低对比度与动态范围压缩
• 细节信息丢失
• 色彩失真
• 噪声放大

核心数学模型：

1. Retinex理论：

   I(x,y) = L(x,y) × R(x,y)
   

   其中：I为观测图像，L为光照分量，R为反射分量（增强目标）

2. 成像传感器模型：

   I = f(E × t) + N
   

   E为场景辐照度，t为曝光时间，f为相机响应函数，N为噪声

二、五大类增强算法详解

1. 基于Retinex的方法

原理：分离光照分量并调整，恢复反射分量

function enhanc