前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >OpenCV图像处理专栏二十 | 复现2003年一篇古老的低照度图像增强论文

OpenCV图像处理专栏二十 | 复现2003年一篇古老的低照度图像增强论文

作者头像
BBuf
发布2020-04-03 17:19:45
8120
发布2020-04-03 17:19:45
举报
文章被收录于专栏:GiantPandaCVGiantPandaCV

1. 前言

今天分享一篇2003年的低照度图像增强论文《Adaptive Logarithmic Mapping For Displaying High Contrast Scenes》,论文地址为:https://domino.mpi-inf.mpg.de/intranet/ag4/ag4publ.nsf/0/53A4B81D590A3EEAC1256CFD003CE441/$file/logmap.pdf

2. 原理

首先论文第一个重要的公式是:

其中代表每个像素的显示亮度,代表原图像亮度,是原图像亮度的最大值。

第二个重要的公式是:

这就是高中学过的换底公式了。

第三个重要公式是:

这个公式的来源为:经过实验表明人眼对亮度的适应比较符合对数曲线,为了使得对数变换变得"平滑",使用了上述的变换。这个变换就是将一个数值做一个指数变换,来达到调节的目的,当时,即是,当取时,得到的调整函数最接近的伽马矫正结果,论文还尝试,,,的不同恢复结果,最后在代码实现部分选择了,这个值看起来是最优秀的。

第4个重要的公式为:

其中是设定的一个比例因子,根据不同的显示器需要进行调整,CRT显示器可以取,这部分的细节和的取值建议去看原论文,最后作者在实现过程中使用的是将原始的rgb转成ciexyz色彩空间,然后在ciexyz空间进行变换后再转回rgb颜色空间。

按照这几个公式以及自己的理解去复现了一把,和论文展示的结果是比较类似的,应该不会有大问题。

3. 代码复现

代码语言:javascript
复制
double Transform(double x)
{
	if (x <= 0.05)return x * 2.64;
	return 1.099*pow(x, 0.9 / 2.2) - 0.099;
}
struct zxy {
	double x, y, z;
}s[2500][2500];

int work(cv::Mat input_img, cv::Mat out_img) {
	int rows = input_img.rows;
	int cols = input_img.cols;
	double r, g, b;
	double lwmax = -1.0, base = 0.75;
	for (int i = 0; i < rows; i++) {
		for (int j = 0; j < cols; j++) {
			b = (double)input_img.at<Vec3b>(i, j)[0] / 255.0;
			g = (double)input_img.at<Vec3b>(i, j)[1] / 255.0;
			r = (double)input_img.at<Vec3b>(i, j)[2] / 255.0;
			s[i][j].x = (0.4124*r + 0.3576*g + 0.1805*b);
			s[i][j].y = (0.2126*r + 0.7152*g + 0.0722*b);
			s[i][j].z = (0.0193*r + 0.1192*g + 0.9505*b);
			lwmax = max(lwmax, s[i][j].y);
		}
	}
	for (int i = 0; i < rows; i++) {
		for (int j = 0; j < cols; j++) {
			double xx = s[i][j].x / (s[i][j].x + s[i][j].y + s[i][j].z);
			double yy = s[i][j].y / (s[i][j].x + s[i][j].y + s[i][j].z);
			double tp = s[i][j].y;
			//修改CIE:X,Y,Z
			s[i][j].y = 1.0 * log(s[i][j].y + 1) / log(2 + 8.0*pow((s[i][j].y / lwmax), log(base) / log(0.5))) / log10(lwmax + 1);
			double x = s[i][j].y / yy*xx;
			double y = s[i][j].y;
			double z = s[i][j].y / yy*(1 - xx - yy);

			//转化为用RGB表示
			r = 3.2410*x - 1.5374*y - 0.4986*z;
			g = -0.9692*x + 1.8760*y + 0.0416*z;
			b = 0.0556*x - 0.2040*y + 1.0570*z;

			if (r < 0)r = 0; if (r>1)r = 1;
			if (g < 0)g = 0; if (g>1)g = 1;
			if (b < 0)b = 0; if (b>1)b = 1;

			//修正补偿
			r = Transform(r), g = Transform(g), b = Transform(b);
			out_img.at<Vec3b>(i, j)[0] = int(b * 255);
			out_img.at<Vec3b>(i, j)[1] = int(g * 255);
			out_img.at<Vec3b>(i, j)[2] = int(r * 255);
		}
	}
	return 0;
}

4. 效果

原图1

结果图1

原图2

结果图2

对于常态的图片,一般也能起到一定的视觉增强效果:

原图3

结果图3

5. 总结

从结果图看出效果还是很不错的,这里提供了朴素实现的代码,其实我也有优化版,这里先卖个关子哈。请持续关注本公众号吧,我决心会在图像算法优化上下很大的功夫,希望和大家一起进步。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2020-04-02,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 GiantPandaCV 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1. 前言
  • 2. 原理
  • 3. 代码复现
  • 4. 效果
  • 5. 总结
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档