SSR公式有兩種不同的含義和套用場景：
統計學中的SSR公式：
SSR（Sum of Squares Regression） 表示回歸平方和，它度量了模型中因變數（回響變數）的變異，這些變異可以通過自變數（解釋變數）來解釋。
SSE（Sum of Squares Error） 表示誤差平方和，它度量了模型中因變數的變異，這些變異不能通過自變數來解釋。
SST（Total Sum of Squares） 表示總離差平方和，它是SSR和SSE的總和，度量了因變數的總變異。
公式：SSR = ∑(yi^ - yˉ)2，SSE = ∑(yi - yi^)2，SST = SSR + SSE。
圖像處理中的SSR公式：
SSR（Single Scale Retinex） 是一種用於圖像增強的算法，它通過計算對數變換後的原始圖像和亮度圖像的差值來增強圖像的對比度。
公式：r = s - l = logS - logL，其中S(x, y)是原始圖像，R(x, y)是反射圖像，L(x, y)是亮度圖像。
這兩種SSR公式的含義和套用場景完全不同，因此在具體使用時需要根據上下文進行區分。