在前文我们已经详细说明了SSR单尺度低光图像增强算法了，作为一种传统的低光图像增强算法，SSR只能作为理论学习的算法，帮助我们了解视网膜算法，学习颜色恒常性理论知识，SSR是不足以算真正的图像增强算法的，MSR和MSRCP才是实际应用中真正使用到的低光图像增强算法，也就是我们常说的Retinex算法，但其实只要前面学习过SSR的，这一块就比较简单了，MSR多尺度低光图像增强算法，顾名思义就是多个

首先，直方图均衡化之前，我们需要计算一幅图像中，各个像素的所占比例，也就是概率分布，计算出图像在[0, 255]中所有像素的直方图（绘制），通过计算出来的直方图去做直方图均衡化的CDF概率计算。所以我们这里讲一下怎么计算直方图，我会介绍两种方法，分别是手动底层计算直方图和调用OpenCV的API去计算直方图，建议大家学习一下如何底层计算。

在前面我们讲述了最基本的图像增强方法-直方图均衡化，今天我们来讲解一下新的图像增强的方法，Retinex算法，这一篇为简单的单尺度的Retinex算法，首先Retinex算法认为一副图像是由反射光与照射光强度构成的，其中发射光代表了图像的纹理、材质等主要的，而照射光强度则认为是像素所能到达的动态范围。

在前面我们讲述了最基本的图像增强方法-直方图均衡化，今天我们来讲解一下新的图像增强的方法，Retinex算法，这一篇为简单的单尺度的Retinex算法，首先Retinex算法认为一副图像是由反射光与照射光强度构成的，其中发射光代表了图像的纹理、材质等主要的，而照射光强度则认为是像素所能到达的动态范围。

首先，直方图均衡化之前，我们需要计算一幅图像中，各个像素的所占比例，也就是概率分布，计算出图像在[0, 255]中所有像素的直方图（绘制），通过计算出来的直方图去做直方图均衡化的CDF概率计算。所以我们这里讲一下怎么计算直方图，我会介绍两种方法，分别是手动底层计算直方图和调用OpenCV的API去计算直方图，建议大家学习一下如何底层计算。