【图像暗光照增强】面向低光照图像增强的生物启发式多曝光融合框架、基于曝光融合框架的新型图像对比度增强算法、基于相机响应模型的新型低光照图像增强算法（Matlab代码实现）-优快云博客

本文链接：https://blog.youkuaiyun.com/Yan_she_He/article/details/147035053

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

⛳️赠与读者

💥1 概述

面向低光照图像增强的生物启发式多曝光融合框架（A Bio-Inspired Multi-Exposure Fusion Framework for Low-light Image Enhancement）

基于曝光融合框架的新型图像对比度增强算法（A New Image Contrast Enhancement Algorithm using Exposure Fusion Framework）

基于相机响应模型的新型低光照图像增强算法（A New Low-Light Image Enhancement Algorithm using Camera Response Model）

总结

📚2 运行结果

2.1 低光增强

2.2 暗光区域增亮”+“过曝光区域降光

2.3 过曝降光”又做“低光增强”

2.4 只做“低光增强”

🎉3 参考文献

🌈4 Matlab代码实现

⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能解答你胸中升起的一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

【图像暗光照增强】面向低光照图像增强的生物启发式多曝光融合框架、基于曝光融合框架的新型图像对比度增强算法、基于相机响应模型的新型低光照图像增强算法研究

本文包含：

A Bio-Inspired Multi-Exposure Fusion Framework for Low-light Image Enhancement
面向低光照图像增强的生物启发式多曝光融合框架
A New Image Contrast Enhancement Algorithm using Exposure Fusion Framework
基于曝光融合框架的新型图像对比度增强算法
A New Low-Light Image Enhancement Algorithm using Camera Response Model
基于相机响应模型的新型低光照图像增强算法

面向低光照图像增强的生物启发式多曝光融合框架（A Bio-Inspired Multi-Exposure Fusion Framework for Low-light Image Enhancement）

一、背景与意义

在低光照条件下，标准成像设备捕获的图像往往存在能见度低的问题，导致图像内容难以被清晰观察。为了解决这个问题，研究者们提出了多种图像增强技术。然而，现有的方法往往难以在保证图像质量的同时，避免对比度增强不足或过度的问题。因此，设计一种能够精确增强低光照图像对比度和亮度的算法具有重要意义。

二、算法原理

该算法受人类视觉系统的启发，设计了一个多曝光融合框架。该框架包括两个主要阶段：眼睛曝光调整和眼睛曝光调整后的图像融合。

眼睛曝光调整：模拟人眼调整曝光的过程，生成多曝光图像集。这一过程中，首先利用光照估计技术设计图像融合的权重矩阵，然后引入相机响应模型来合成多曝光图像。
图像融合：在得到多曝光图像集后，算法找到最佳曝光比，使合成图像在原始图像曝光不足的区域得到良好的曝光。最后，根据权重矩阵将输入图像与合成图像进行融合，得到增强结果。

三、算法特点

生物启发性：算法的设计灵感来源于人类视觉系统，能够模拟人眼在不同光照条件下的调整过程。
多曝光融合：通过生成多曝光图像集并进行融合，算法能够在保证图像质量的同时，避免对比度增强不足或过度的问题。
精确性：算法在对比度和亮度畸变较小的情况下获得了满意的结果，具有较高的精确性。

基于曝光融合框架的新型图像对比度增强算法（A New Image Contrast Enhancement Algorithm using Exposure Fusion Framework）

一、背景与意义

对比度增强是图像增强技术中的一种重要方法，能够在图像中显示曝光不足区域的信息。然而，现有的对比度增强技术往往存在过度增强或产生不切实际结果的问题。因此，设计一种能够精确增强图像对比度的算法具有重要意义。

二、算法原理

该算法基于曝光融合框架，通过合成多曝光图像并找到最佳曝光率来增强图像对比度。

权重矩阵设计：首先使用光照估计技术为图像融合设计权重矩阵。
多曝光图像合成：利用相机响应模型和指定的曝光比合成多重曝光图像。
最佳曝光率选择：找到最佳的曝光率，以便合成图像在原始图像曝光不足的区域中曝光良好。
图像融合：根据权重矩阵将输入图像与合成图像进行融合，以获得图像增强的结果。

三、算法特点

曝光融合：通过合成多曝光图像并进行融合，算法能够增强图像的对比度。
精确性：算法在对比度和亮度失真较少的情况下获得了满意的结果，具有较高的精确性。
适用性：该算法适用于各种低光照条件下的图像对比度增强。

基于相机响应模型的新型低光照图像增强算法（A New Low-Light Image Enhancement Algorithm using Camera Response Model）

一、背景与意义

相机拍摄到的图片像素值并非正比于物体反射的亮度值，而是经过了一个非线性变换函数，即相机响应函数（CRF）。在低光照条件下，相机响应函数的变化可能导致图像质量下降。因此，设计一种能够基于相机响应模型增强低光照图像质量的算法具有重要意义。

二、算法原理

该算法通过分析不同曝光度的图片之间的关系得到一个相机响应模型，并利用该模型对低光照图片进行增强。

相机响应模型定义：将相机响应模型定义为图片的辐照度与像素值之间的关系。
亮度变换函数（BTF）估计：亮度变换函数是描述相同场景但曝光度不同的两幅图之间的映射函数。通过比较相同场景下不同曝光程度的两幅图的直方图，可以估计出亮度变换函数。
相机响应模型求解：利用亮度变换函数和相机响应模型的定义，可以求解出相机响应模型。
图像增强：基于相机响应模型，对低光照图像进行增强处理。

三、算法特点

物理意义明确：算法基于相机响应模型进行图像增强，具有明确的物理意义。
适用性广：该算法适用于各种相机和拍摄条件下的低光照图像增强。
增强效果显著：算法能够显著提高低光照图像的亮度和对比度，同时保持图像的细节和颜色信息。

总结

上述三种算法均针对低光照图像增强问题提出了有效的解决方案。其中，生物启发式多曝光融合框架通过模拟人类视觉系统的调整过程，实现了对低光照图像的精确增强；基于曝光融合框架的新型图像对比度增强算法则通过合成多曝光图像并找到最佳曝光率来增强图像对比度；而基于相机响应模型的新型低光照图像增强算法则通过分析相机响应函数的变化来增强低光照图像的质量。这些算法各具特色，可根据具体应用场景和需求进行选择。

📚2 运行结果

2.1 低光增强

单张图测试，把file修改成输入图像的路径，并修改文件名后缀，运行，即可得到增强后的输出（和输入图片同一路径）变亮

2.2 暗光区域增亮”+“过曝光区域降光

测试所有颜色空间下，“暗光区域增亮”+“过曝光区域降光”双重功能下的结果，保存在allColor文件夹下。
allColor文件夹中，P（或Q属于输入图片的名字）。其他图的名字含义是:图片名_颜色空间_操作.后缀。
其中操作包括Dark(过曝光区域降光) Light(暗光区域增亮) Light_Dark(“暗光区域增亮”+“过曝光区域降光”)

2.3 过曝降光”又做“低光增强”

单张图测试，把file修改成输入图像的路径，并修改文件名后缀，运行，即可得到增强后的输出（和输入图片同一路径）

2.4 只做“低光增强”

单张图测试，把file修改成输入图像的路径，并修改文件名后缀，运行，即可得到增强后的输出（和输入图片同一路径）变亮

部分代码：

% 只做“过曝降光”
% 单张图测试，把file修改成输入图像的路径，并修改文件名后缀，运行，即可得到增强后的输出（和输入图片同一路径）
tic;
addpath ours;
file = 'person\Q';%修改输入图片的路径
I = imread( [file,'.jpg'] );%修改输入图片的后缀
%J = BIMEF(I);
%{
A = Ying_2017_CAIP(I,0.5);
imwrite(A, [file,'_out_A.jpg'] );
B = 1-I;
imwrite(B, [file,'_out_B.jpg'] );
C = Ying_2017_CAIP(B,0.5);
imwrite(C, [file,'_out_C.jpg'] );
D = 1-C;
%J = test_diff(I);
imwrite(D, [file,'_out_D.jpg'] );
%}
J = TooDark(I,0.5,0.38); % 原图，照度变化，曝光率（曝光率人为控制亮度，越低越暗）
imwrite(J, [file,'_dark.jpg'] );