算法的基本原理是認為人眼觀看的圖像S是由兩部分組成，即入射光圖像L與反射圖像R相乘得到，因為R與圖像輪廓信息相關，所以問題變為從S中提取R。其中的關鍵便是根據L的特征對L進行合適的建模。

　　最基礎的算法認為光原本照度是均勻的，所以在S圖像上進行高斯濾波，從而留下物體反射的信息R，而且認為物體的顏色也是由物體反射能力決定的，處理照度信息不會對顏色信息產生損失。

　　在這些理論的假設下，感覺這個算法最適合處理的是光照不足下物體的還原，但是要想處理效果好，最好不要有額外的光源，如路燈，建築物燈，因為這會破壞L的低頻特性。

　　算法采取的多通道MSRCR算法，三通道標準差為經典的30，150，300，對顏色有一定修復。

　　例子：

　　處理理較好的幾幅圖像。

　　這幾幅的共同特點是，觀察的物體都在遠方，霧對物體的模糊程度較均勻，假如是物體有近有遠，霧僅僅對遠處的物體模糊，效果就會變差。抑或有燈光破環原本照度的均勻性效果也會變差（照度存在高頻信息）。

　　較差的效果：

　　我們可以發現在左下光照區域的建築細節都丟失了，因為算法顏色恢復使用的是對數域線性的恢復128*顏色比重+127，由對數函數的特性，高亮度的區域被壓縮了。再就是像路燈附近，亮度變化較大的部分被平滑化了，這還是對亮度L估計方式不當造成的（此情況不應認為照度是緩慢變化的）。

　　算法也可以解決的光照不足的情況，例如夜晚，清晨，傍晚的圖片，解決因為光照不足導致人眼對圖像不敏感的問題。

　　　　　　　　　　McCann算法

　　 此算法意在對不均勻照度產生一種更好的估計，其對照度信息的提取不再是高斯卷積的加權方式，而是選取在一條螺旋線上的亮度進行加權，相比與高斯加權這樣可以獲取更大範圍內的照度信息，並且根據圖像大小進行規定數目的叠代。

　　算法細節不再贅述，我們看看其與MSRCR處理性能的區別。

　　　　　　　　　　　　　　　　　　　　　　（MSRCR）

(McCann)

　　還是可以看出明顯的性能優勢的，但是相應的計算量也大大上升（因為有叠代的過程）。

萌新的計算機視覺入門1--Retinex算法