学习
实践
活动
专区
工具
TVP
写文章

【阅读笔记】照度图像增强-《Fast efficient algorithm for enhancement of low lighting video》

本文介绍的是一种比较实用的照度图像增强效果很好的方法,Xuan Dong论文《Fast efficient algorithm for enhancement of low lighting video 》 概述 光照图像取反(255 - 光照图像),和有雾图像存在一些共性,比如在天空或者遥远的背景这些地方,亮度值都是很高的,但在近景的 RGB 三通道中至少有一个亮度值很低。 作者提出直接用去雾算法对光照图像的反转图像处理,去雾结果再取反得到照度增强结果。 照度图像增强算法 大气散射模型 大多透雾算法基于大气散射模型,模型如下: I (x) = J (x)t(x) + A(1 − t(x)) 其中,I(x)表示含雾图,J(x)表示无雾图,A表示大气光模型 算法参数优化 文中自适应调节t(x),如下式 优化t(x)如下,增强暗区提亮,亮区微处理,效果更好 效果对比 图片 图片 图片 算法总结 简单易实现的增强算法,普世性较好,透雾算法处理部分兼容各种透雾算法

16030
  • 广告
    关闭

    热门业务场景教学

    个人网站、项目部署、开发环境、游戏服务器、图床、渲染训练等免费搭建教程,多款云服务器20元起。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    在线图片像素怎么处理 改善像素图片的方法

    有时候我们收到的图片很糊,完全不是高清像素的。那么有些小伙伴是不是直接把图片删除了或者就将就用呢?其实这种情况还是有办法把图片得像素提高的。想要知道在线图片像素怎么处理的小伙伴看过来了。 手机调整图片像素的方法 手机打开美图秀秀,单击美化图片,在里面添加我们需要修改像素的图片。然后点一下尺寸修改。在“尺寸”界面中,我们可以看到修改图片的"宽度"、“高度”和尺寸单位。 修改完后,点击下面的“应用”,图片尺寸就修改完成啦;修改完了之后我们还可以看图片修改前后的对比。在线图片像素怎么处理的方法是不是很容易上手呢? 调整完成后,点击左上角的保存就可以完成图片像素的调整了。在线图片像素怎么处理的方法很简单吧。   以上是对在线图片像素怎么处理操作方法的描述,如果你刚好需要就赶紧学起来,学完别忘记给我们点个关注哦!我们有很多修图的干货教给大家。

    1.3K20

    【阅读笔记】照度图像增强-《Adaptive and integrated neighborhood-dependent approach for nonlinear enhancement of

    本文介绍改进INDANE算法的照度图像增强改进算法(AINDANE算法),《Adaptive and integrated neighborhood-dependent approach for nonlinear 映射曲线 Y_{n}^{'}=\frac{(Y_{n}^{(0.75z+0.25)}+(1-Y_{n})*0.4*(1-z)+Y_{n}^{(2-z)})}{2} 其中,改进项是z受图像统计数据影响对不同照度图像有不同处理 \end{cases} $$ 式中的 L 表示灰度图像Y的累计直方图到1%像素总数时的灰阶值,如果Y很亮,90%的像素值都大于150,则Z=1,则Y_{n}^{'}=Y_{n},相当不处理,优化了正常照度过度提亮的问题 测试图像4、INDANE处理效果、AINDANE处理效果 算法总结 相较INDANE算法,主要改进点在步骤2、4统计图像数据对亮度调节和对比度增强两个模块进行分别优化,达到算法应用普适化的效果,即对正常照度对比度好的图像微处理

    9520

    实时移动通信中,基于时空域联合约束的照度视频增强技术研究

    相关技术 现有的照度视频图像增强技术主要借鉴照度图像增强的一些方法,具体举几个例子:例如,直方图均衡(Hist Equalization):增强曲线为图像的概率累积分布函数,该方法能最大程度地拉伸整个图像的对比度 时空域联合约束的照度视频增强技术 本文提出了一种实时移动通信中基于时空域联合约束的照度视频增强技术。 首先,照度视频图像增强的最重要的处理就是亮度增强。一种最为直接的方式就是使用一族增强函数来定义亮度值增强,如图1所示: 图1. 亮度值的增强函数族(横轴为照度亮度值,纵轴为增强后的亮度值)。 在我们的设计中,通过采集同一场景下照度和正常照度的视频数据对,通过离线训练的方式,得到了基于训练样本的亮度增强函数族FI。 Face图片上的主观实验结果,a表示原始暗视频图像,b-e分别表示文献[1][2][3][4]的方法,f表示我们提出的方法处理的视频图像。 图2和图3分别给出了照度条件下景物和人物的增强效果。

    1.2K10

    照度和光强度的区别_光照度勒克斯一般多大好

    常用的光学量概念有发光强度、光照度、光出射度和光亮度。“光强”只是一个通俗的说法,很难说对应哪一个光度学概念。 光照度:被照明面单位面积上得到的光通量,单位是勒克斯,即每平方米1流明。 光出射度:光源单位面积上发出的光通量,单位与光照度相同。 由于地面上的照度是由天空及地球上整个环境包括天空各部分的亮度、地面上其他反射体反射、散射而得到的光亮度综合产生的照度,所以难以用一个直接的公式进行计算。 不过可以借助成像光学系统来实现您的想法,可以用一个照相物镜,或者简单点用一个放大镜也行,将某一部分光源例如天空或别的什么成像于像面上,将照度计置于像面测得照度E,则E=1/4πKL(D/f’)2。 利用这个公式就可以从照度换算到亮度。这个公式用于计算对无穷远成像时像面的照度或已知照度反过来求无穷远物的亮度。

    12360

    gamma校正什么意思_串联滞后校正对系统性能的影响

    人眼对于照度的物体更敏感,这意味着对于照度为2、3、4的三个物体,人眼能够区分,而对于照度为222、223、224的三个物体,人眼不能区分。 基于人眼对照度的感知特点,我们不能线性的去表示照度,需要表示出更多的照度,以便人眼能分辨出更多的物体细节。 反过来的意思是:当我们用摄像机拍照时,很多照度的物体的照度值被存储下来,根据公式一可以得到: 存储的值 = 物体的照度值^(1/n) (公式二) 这个n就是gamma值,其值到底为多少呢? 如果图像是通过相机生成的,必然做了encode gamma,如果图片是由计算机生成的,那么在保存为图片文件时,需要手动做encode gamma,这就是gamma校正。 如果不进行gamma校正,那么经过display gamma后,也即decode gamma后,屏幕的照度会比预想的,导致整个画面看起来比较暗。

    7910

    CVPR 2018 | 无需额外硬件,全卷积网络让机器学习学会夜视能力

    图 1:使用卷积网络得到的照度图像(昏暗的室内环境,相机的照度(illuminance)<0.1 勒克斯,索尼 α7SII 传感器曝光 1/30 秒)。(a)ISO 为 8000 的相机得到的图像。 大多数现有处理照度图像的方法都是在合成数据或无效的照度图像上进行评估的。就我们所知,还没有合适的、能用于训练或测试处理快速照度图像技术的数据集。 因此,我们收集了一些在照度条件下快速曝光拍摄的原始图像作为新数据集。每个照度图像都具有对应的长曝光高质量参考图像。 我们在新数据集上取得了良好的成果:照度图像被放大了 300 倍的同时,其噪声也得到了有效的抑制且颜色转换正确。 ? 为了推进基于学习的照度图像处理研究,我们引入了原始 RAW 格式的短曝光照度图像数据集以及相应的长曝光参考图像。使用这个数据集,我们开发了一个基于端到端训练的全卷积网络进行照度图像处理。

    63460

    AI时代的视频云转码移动端化——更快、更好,更低,更广

    随后也会与大家分享如何实现照度增强,大家也可以跟着这个思路复现照度增强,速度可以覆盖到 2ms,很低端的机型例如 2015 年的机型小米2S,2ms 可以实现。 但照度会有个问题,这也是业界难题,在极度暗的情况下出现噪点放大。那我们为什么走低照度增强? 3.4 移动端照度 照度设计 照度方面,第一版是用 2D 查找表方式,发现其维度不够,后改用 3D 查找表,用网络模型训练得到查找表本身,而不是模型,后续将推理库丢掉,只要进来数据,有三个维度分别是图像输入的原始像素点 5、演示Demo 照度增强示例视频 上述视频是照度增强示例,视频前后分别为原始视频和渐变处理后的视频。明暗程度可以在查找表中动态调整,实例中达到渐变效果,网络生成出来的模型调整程度是固定的。 这里没有用噪点视频,不可否认在照度增强中会把噪点放大。 以上是我的全部分享,谢谢!

    11720

    代码宣言——代码指南

    代码指南》序言 虽然维格云公司一直都被认为是一个代码软件公司。 产品维格云,拥有着像电子表格一样,但是可以轻松的定制出各种各样的应用系统,想客户管理系统、项目管理系统等等数千种应用场景。 在我看来,代码更多是一种事后总结。 要让我讲解代码,我觉得还不如从我的创业初心开始说起。 2019年的时候,我时任喜茶CTO,负责IT管理、数字营销、技术研发三个部门共100多人的团队。 我们理解的代码,面向终端用户,分成三种不同的层次: 大学级。虽然说是“代码”,但是,操作代码软件的人,却是个具有高水平技术素养的人,像技术工程师,架构师等,他们需要拖拽复杂的业务逻辑和节点。 维格云,就是定位于一个“小学级”的代码产品,希望能够真正的普惠社会。 不同的代码产品都会互相依存,并不是你死我活的,他们存在于不同的场景、不同的行业、不同的用户群,现在还只是一个开始,我们需要耐心,越多的代码产品进入市场,越能加速这个社会数字化平权的过程,让越多的普通人获得科技能力

    26720

    苏州科达首席科学家章勇:详解AI超微光技术与边缘算力选择

    而科达则将这种深度学习技术应用到前端传感器图像增强处理技术领域,直接对前端图像传感器输出的裸数据进行图像恢复,最大化还原照度环境下的实际图像效果。 具体来说,它是一项基于深度学习算法,在边缘侧实现照度图像增强的技术。 ? 为什么我们把照微光作为AI的主要应用场景呢?因为照微光是视频监控领域的一大痛点。摄像机的成像原理与人眼类似。 因此照成像技术的应用场景非常广泛,包括平安城市、雪亮工程、酒店、住宅小区等等。几乎所有视频监控摄像机都会注明它的照度指标,这说明照度是视频监控摄像机的基本特性。 ? 比如下面这页ppt中的图片,左边的图片还能看清是一个小伙子,右边的图片就完全看不清了,毫无价值。所以监控的重点不是拍到而是拍清,要给人家有用的信息,能分析出里面的具体内容。 ? 所以我们采用了这样一个方法,即对照度场景进行有监督的深度学习训练,让神经网络在传感器输出的数据中自动寻找并增强图像中的有用信息。这个想法非常好,我们尝试后也发现,它在算法模拟上是可以成功的。 ?

    51220

    强光抑制算法研究

    可能单纯的概念不足以证实这个功能,下面让大家通过一组图片来了解一下,通过两幅图片的对比,大家能够清楚的认识到该功能的作用,对于漆黑的夜晚,具备这样功能的监控设备一样可以很少的处理灯光问题,保证视频画面的清晰度 图像传感器的动态范围定义为: 20lg_{(I_min/I_max)} I_min和 I_max 是 CCD 线性检测到的入射光的最小和最大光强,单位流明(lm),若用光照度表示动态范围,可定义为: 、光照度之间的关系为: (5.19) 自然环境的动态范围常在 100dB 以上,一般摄像机拍摄图像的对比度为几十分贝值。 由人眼睛视觉和心理特性可知,变换幅度大和细节丰富的区域更容易引起人眼的注意,变化平坦的区域不易引起人的注意,依据人眼睛的灰度特性,处理灰度图像时,对占有范围较窄的灰度级和高灰度级区域,将它们的灰度间隔拉伸 ;适当压缩间隔较大的中等灰度区域,并把剩余的灰度级分配给那些需要扩展的高灰度级区域或灰度级区域。

    41210

    光图像目标检测的研究成果总结

    Color Image by Multiple Surveillance Camera under Low Illumination Based-on Fuzzy Corresponding Map针对照度下的真实监控系统 它为亮度条件提供模糊对应图和颜色相似度的自动计算,在照度下检测电荷耦合器件相机图像中的小彩色区域。 这将提高夜间照度区域的安全性。还可以建立一个更有效的监测系统,监测照度地区的情况。 这种挑战在照度下更为明显。本文提出了一个检测和识别模型的道路警告标志与语音通知系统都自动和普通车辆考虑不同的照明水平。使用opencv分析来自车辆的实时视频。使用过滤器去除了视频中的噪音。 Low-Illumination Image Enhancement for Night-Time UAV Pedestrian Detection为了在夜间条件下利用无人机实现可靠的行人检测,提出了一种图像增强方法来改善照度图像质量

    1.7K20

    Self-supervised Image Enhancement Network Training with Low Light Images Only

    为了解决上述问题,本文基于信息熵理论和Retinex模型,提出了第一篇基于深度学习的完全自监督做图像增强的论文,本文提出的网络不用成对的数据集,只需要光照图像(甚至只要一张光照图像),训练时间为分钟级 该网络将光照图像分解为反射部分和照度部分,其中反射部分即为增强后的结果。 本文的理论来源:根据信息熵理论,直方图均匀分布的图像熵最大,信息量最大。 基于最大熵的Retinex模型,其理论来源如下,根据Retinex理论,图像可以分解成反射和照度部分,即 ? 根据贝叶斯公式,可得: ? 这个损失函数意味着反射率的最大通道应该与直方图均衡后光图像的最大通道一致,并且具有最大的熵。 照度图的一个基本假设是局部一致性和结构感知。即纹理细节平滑,同时还能保持整体结构的边界。 仅用一张光照图像训练的结果如下: image.png

    73430

    关注

    腾讯云开发者公众号
    10元无门槛代金券
    洞察腾讯核心技术
    剖析业界实践案例
    腾讯云开发者公众号二维码

    相关产品

    • 腾讯云微搭低代码

      腾讯云微搭低代码

      腾讯云微搭低代码 WeDa 是高效、高性能的拖拽式低代码开发平台,向上连接前端的行业业务,向下连接云计算的海量能力,助力企业垂直上云。微搭将繁琐的底层架构和基础设施抽象化为图形界面,通过行业化模板、拖放式组件和可视化配置快速构建小程序、H5应用、Web应用等多端应用,免去了代码编写工作,让您能够完全专注于业务场景。

    相关资讯

    热门标签

    活动推荐

    扫码关注腾讯云开发者

    领取腾讯云代金券