圖像是客觀對象的一種相似性描述，但是在拍攝過程中，由于光照、氣候等因素影響，往往造成圖像的失真或者產(chǎn)生噪聲。圖像增強能在保留圖像自身信息的同時突出某些特征信息，從而滿足應用需求。本文所設計的算法策略主要應用于智能割草機器人關于采集的草地圖像預處理，由于割草機器人的工作環(huán)境所致，拍攝的圖片會經(jīng)常受到光照不均和大霧天氣的影響。針對光照和大霧的影響，常見的圖像增強算法主要有直方圖均衡化方法，Retinex算法，梯度域增強算法等。

　　傳統(tǒng)的圖像增強算法，如直方圖均衡化主要是通過對圖像的非線性拉伸，使圖像動態(tài)范圍增大，對比度也增大，但是這些傳統(tǒng)的方法多應用于灰度圖像。隨著人們視覺感知模型的發(fā)展，Retinex理論也隨之建立，經(jīng)過40多年的發(fā)展，從最開始的單尺度Retinex算法（SSR算法）發(fā)展到多尺度加權平均Retinex算法（MSR算法）再到彩色恢復Retinex算法（MSRCR算法）。

　　MSRCR算法雖然能突出圖像的細節(jié)部分，但也存在著缺陷，比如如果輸入圖像質量不高，噪聲也會隨著細節(jié)的突出而放大；處理完的圖像會整體偏暗變灰等等。為了解決這些問題，本文提出一種分別對商頻分量和低頻分量處理的辦法，既能抑制高頻的噪聲放大，同時又增加低頻分量的對比度，使圖像清晰度增強。