|
|
相关文章推荐
|
奋斗的机器人 · Tableau 和 JDBC - Tableau· 1 年前 · |
|
|
老实的电梯 · 小程序报错：TypeError: ...· 1 年前 · |
|
|
行走的眼镜 · PyramidCU::GenerateFea ...· 2 年前 · |
|
|
捣蛋的路灯 · Js利用ES6的map和reduce高阶函数 ...· 2 年前 · |
|
|
没有腹肌的排球 · 使用 Visual Studio ...· 3 年前 · |
Code
›
【阅读笔记】低照度图像增强-《Fast efficient algorithm for enhancement of low lighting video》 - AomanHao
|
有爱心的灌汤包
1 年前 |
本文介绍的是一种比较实用的低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》
低光照图像取反（255 - 低光照图像），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低光照图像的反转图像处理，去雾结果再取反得到低照度增强结果。
低照度图像增强算法
大气散射模型
大多透雾算法基于大气散射模型，模型如下：
\underset {y \in \Omega (x)}{min}(\underset{c}{min} \frac{I^{c} (y)}{A^{c}}) = \tilde t(x) \underset {y \in \Omega (x)}{min}(\underset{c}{min} \frac{J^{c} (y)}{A^{c}})+ 1 − \tilde t(x) y ∈ Ω ( x ) min ( c min A c I c ( y ) ) = t ~ ( x ) y ∈ Ω ( x ) min ( c min A c J c ( y ) ) + 1 − t ~ ( x )
根据暗原色先验理论
\tilde t(x) = 1-\underset {y \in \Omega (x)}{min}(\underset{c }{min} \frac{I^{c}(y)}{A^{c}}) t ~ ( x ) = 1 − y ∈ Ω ( x ) min ( c min A c I c ( y ) )
上式添加一个限制系数，得到 \tilde t(x) = 1-\omega\underset {y \in \Omega (x)}{min}(\underset{c }{min} \frac{I^{c}(y)}{A^{c}}) t ~ ( x ) = 1 − ω y ∈ Ω ( x ) min ( c min A c I c ( y ) )
图、测试图像3、原文处理效果、算法优化处理效果 ## 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。https://github.com/AomanHao/ISP_Low_Light_Image_Enhancement
我的个人博客主页，欢迎访问
我的CSDN主页，欢迎访问
我的GitHub主页，欢迎访问
我的个人博客主页，欢迎访问
我的CSDN主页，欢迎访问
我的GitHub主页，欢迎访问
算法实现参考
推荐文章
|
|
奋斗的机器人 · Tableau 和 JDBC - Tableau 1 年前 |