图片曝光修正方法（直方图均衡和CNN）

原创 最新推荐文章于 2026-10-06 10:48:52 发布 3.5k 阅读 AI写同款
蓝羽飞鸟
蓝羽飞鸟 博客等级 码龄8年 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 3.5k累计阅读 3.6k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要
1万+粉丝727篇原创
关注
自动曝光修复算法附完整C代码 众所周知，图像方面的3A算法有：AF自动对焦(Automatic Focus)自动对焦即调节摄像头焦距自动得到清晰的图像的过程AE自动曝光(Automatic Exposure)自动曝光的是为了使感光器件获得合适的曝光量AW自动白平衡(Automatic White Balance)白平衡的本质是使白色物体在任何光源下都显示白色前面的文章也有提及过，在刚开始做图像算法的时候，我是先攻克的自动白平衡... 阅读详情
AI摘要

本文介绍了图像曝光不足时的处理方法，包括使用OpenCV的直方图均衡技术，以及基于CVPR2021论文的LearningMulti-ScalePhotoExposureCorrection的CNN模型进行高级校正。详细展示了如何使用Python和torch实现和应用这些技术。,

图像过曝或曝光不足时需要曝光处理，
这里以曝光不足举例。

请添加图片描述

直方图均衡法：

通过RGB通道的直方图均衡达到处理曝光不足的效果。

请添加图片描述
代码：

underexpose = cv2.imread("exposure_test.jpg")
#underexpose = cv2.cvtColor(underexpose, cv2.COLOR_BGR2RGB)
equalizeUnder = np.zeros(underexpose.shape, underexpose.</
最低0.47元/天 解锁文章
标签
#cnn #人工智能 #神经网络
OpenCV使用直方图均衡，修正曝光过度和曝光不足的图片 《OpenCV系列教程》 《深度学习-如何提高数据集质量》 项目位置：OpenCV-Sample 代码位置：39-equalizeHist.py 图像直方图讲解 如果用一句话来表示的话，那就统计每个像素点数值出现的次数，如下图： 这里是一张图片，里面表示的是灰度数值，灰度值为1的有4个点，灰度值为2的有7个数值，灰度值为3的有5个。如果表示为直方图的形式就是下面的状态了。 这里用直方图的形式对... 阅读详情

相关推荐

Camera 的曝光校正概述

文章目录第一章 成像设备的曝光校正概述1.1 简介1.2 测光技术1.2.1 经典方法Spot MeteringPartial Area MeteringCenter-weighted Average MeteringAverage Metering1.2.2 Advanced ApproachesMatrix or Multi-zone Metering1.3 Exposure Correction Content Dependent1.3.1 Features Extraction: Contrast

yaoming168的专栏 3372

AI如何重构计算机视觉：从手工特征到端到端具身感知

计算机视觉（CV）正经历从‘手工设计特征’到‘数据驱动表征学习’的根本性转变。传统方法依赖边缘检测、HOG、SIFT等人工先验，泛化弱、调参难；而以卷积神经网络为代表的深度学习，通过端到端学习自动构建语义丰富的特征空间，显著提升小样本、复杂光照、遮挡等真实场景下的鲁棒性。自监督预训练进一步降低标注依赖，使模型在医疗、工业等数据稀缺领域快速落地；多模态对齐则突破单图局限，让文本成为视觉理解的通用接口。当前技术价值已不止于识别精度，更在于支撑实时推理优化与边缘部署，驱动CV从实验室走向产线、从静态分析迈向具身智

weixin_34224941的博客 351

【12】 神经网络与深度学习（下）

12章下

课题分离 367

Python入门实战：Python图像处理基础

1.背景介绍 图片是计算机视觉领域非常重要的数据类型。近几年来随着摄像头和智能手机的普及，在图像处理领域也越来越火热。相信随着人工智能的不断发展，计算机视觉领域将迎来更加绚丽、富有挑战性的时代。而作为Python一门高级语言，它自带的库也十分强大，可以实现对图像处理的各种功能。因此，掌握Python中图像处理相关库的使用方法，对于今后学习图像处理、机器

AI天才研究院 161

深度学习车牌识别实战：Python与CNN在智能交通中的应用

从计算机视觉中的图像分类概念出发，介绍卷积神经网络如何通过卷积、池化与全连接层自动提取字符特征，取代传统手工设计特征的方法。结合Python生态与Keras/TensorFlow，阐述从数据预处理、数据增强到模型训练与评估的完整流程，并针对光照变化、字符粘连、过拟合等工程痛点给出解决方案。随着智能交通和停车场管理需求增长，车牌识别作为典型应用场景，需要兼顾准确率与实时性，以Python+CNN方案为例，展示如何利用深度学习技术构建稳定可靠的车牌识别模型，并探讨迁移学习与实时视频流识别的落地技巧。

weixin_34176694的博客 468

基于OpenCV和YOLO的车辆多维特征识别系统解析

在目标检测与图像分类的实际工程中，仅靠车牌往往无法满足无牌车、套牌车或二手车图搜等复杂场景的需求。借助OpenCV与YOLO系列权重，开发者可以构建一套车辆多维特征识别系统，在检测框内同步完成车色、车标、品牌与车型的分类。这类系统通常采用“先检测后分类”的二段式架构：YOLO负责定位车辆，OpenCV负责图像预处理、ROI裁剪以及HSV颜色统计等任务，并可通过dnn模块直接加载darknet或ONNX权重实现轻量部署。技术价值在于将检测与多种细粒度分类任务解耦，便于独立替换或优化某一分支。广泛应用于智慧停车

weixin_34021089的博客 387

生产级垃圾分类图像数据集：10类细粒度标注+双格式支持

垃圾分类识别是计算机视觉在环保领域的重要落地场景，其核心挑战在于真实场景下的小目标检测与细粒度分类。数据质量直接决定模型泛化能力——需满足真实采集、严格分层划分、多格式标注（Pascal VOC/YOLO）、类别定义清晰等工程标准。本文聚焦‘垃圾分类图片数据集’这一高频搜索需求，提供覆盖中国四大类、拆解为10子类的实测可用资源，并详解VOC/XML与YOLO/TXT双格式验证方法、PyTorch数据加载适配技巧及Faster R-CNN训练优化策略，助力开发者跳过数据雷区，快速构建可部署的垃圾识别系统。

weixin_34258838的博客 443

基于Python与YOLOv5的手骨骨龄检测系统实现与避坑指南

深度学习技术正在加速进入医学影像分析领域，目标检测与回归模型的组合为传统影像判读提供了自动化新思路。在儿科生长发育评估中，通过左手X光片进行骨龄检测是判断儿童骨骼成熟度的关键手段，而借助YOLOv5这类主流目标检测框架，可以高效定位骨化中心区域，再结合轻量回归网络实现骨龄的连续值预测。两段式pipeline不仅突破了全图分类或端到端回归的精度瓶颈，也降低了训练与部署门槛，成为众多课程设计与毕业设计的优选方案。围绕RSNA公开骨龄数据集，从标注转换、数据增强策略到模型训练与推理链路，均有清晰可行的工程实践路径

weixin_34413802的博客 302

人工智能 基于深度学习的图像增强-低光照调亮

使用PReNet进行低光照调亮的图像增强深度学习任务 深度学习框架：torch 可以自行修改相应文件夹中的图片，实现自己的图像增强任务 在文件中实现了main.py文件用于对界面进行可视化操作，在此基础上大家可以任意对其进行修改，实现自己的相应的功能。

基于STM32的频率计（采用外部中断的方式）

前言 最近在了解电赛相关的东西，和指导老师交流一下，我决定先从最简单的频率计做起。 频率计是来检测信号的频率的，在做频率计的时候可以用信号发生器发出的信号来进行测试。 原理 这是最基础的方波，我们可以通过检测上升沿的方式来测量其频率。从周期的角度出发连续两个上升沿的时间就是这个方波的周期，那这个周期分之一就是这个方波的频率了。 在思考了一段时间~~（我是萌新。。）~~ 我觉得有两个方法可以实现，第一个是采用stm32定时器的输入捕获功能，第二个就是用外部中断来实现这个功能。正如标题，我这次采用外部中断的方

qq_45784922的博客 6170

直流耦合系统介绍

参考《SMA如何使用直流耦合技术实现更高效的光伏电站-白皮书》

圆桌骑士的博客 731

基于Ultralytic实现多路摄像头目标检测

基于Ultralytic实现多路摄像头目标检测前面的文章分享了单路摄像头画面的YOLO目标检测，这篇文章主要分享一下多路摄像头画面的实时YOLO目标检测。测试环境在Windows系统下进行。

qq_57674776的博客 939

从格雷码到多频外差：结构光相位展开实战指南（附Python仿真代码）

本文深入探讨了结构光三维测量中的相位展开技术，重点对比了格雷码和多频外差法在工业检测、逆向工程等领域的应用。通过详细的原理图解和Python仿真代码，展示了两种方法在精度、抗噪性和适用场景上的差异，为实际工程中的技术选型提供实用指南。

weixin_42535703的博客 433

全新DEIM有效涨点改进目录 | 本专栏持续更新500+篇内容 | 包含各种顶会顶刊卷积、注意力、特征融合模块、有效特征聚合提取模块，上采样模块、下采样模块，二次创新模块、独家创新等几百种创新点改进

🚀【CVPR2025DEIM改进专栏速览】🔥 专栏提供500+篇目标检测创新改进方案，涵盖卷积/注意力/特征融合等创新改进点，均源自顶会论文及实战经验。支持多领域应用（工业/医疗/遥感等），配套完整教程和答疑服务。亮点包括： 1️⃣ 持续更新SOTA模型改进方案 2️⃣ 小白友好型实验操作指南 3️⃣ 跨学科科研支持（已助非计算机专业发表论文） 4️⃣ 提供虚拟环境配置方案。 订阅可获完整项目代码及交流群服务，适合研究生科研论文改进需求。价格呈上涨趋势，早订更优惠！

Ai缝合怪、助力小伙伴高效发论文 2034

乐企归集能力说明文档V2.0006

纳税人销售货物、提供服务开具的增值税发票及购进货物、接受服务取得的增值税发票、海关缴款书（含出口转内销证明）、代扣代缴完税凭证，可以通过本能力进行归集。纳税人可将本能力中的各类规则和接口嵌入本单位信息化系统中（如：销售、报销、财务等），实现发票自动化归集，便于纳税人完成发票入账、抵扣、退税以及代办退税等操作，有效提升涉税业务办理效率。

记录点滴 573

SAP HANA 中的 Union Node Pruning：让 Calculation View 少走弯路的关键优化

摘要：SAP HANA的Union Node Pruning技术通过在执行前排除无关数据源来优化查询性能。该技术主要采用三种方式：Constant Mapping（适用于规则稳定的场景）、Pruning Configuration Table（灵活性高）和Column-Based Pruning（基于列可用性）。典型应用场景包括分层存储的数据查询，如区分当前和历史销售数据。需要注意的是，当查询发生Unfolding且不含聚合时，Pruning可能失效，此时可通过NO_CALC_VIEW_UNFOLDING提

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 874

【Unity】【2D】用连续图片生成动画Animation的简明步骤

本文介绍了Unity中使用2D连续图片制作2D动画Animation的简明步骤。

O青草O的博客 Unity和游戏制作知识分享 714

蓝牙模块HM-10手册

蓝牙模块HM-10手册，该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等，可在创建的窗口进行控制

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件，这是C++版本的破解文件
上一篇： 深度图优化之ThreadDepthCleaner
下一篇： SAM-Track online / offline配置
点赞 11
评论 0
书签 书签 16
蓝羽飞鸟
蓝羽飞鸟
博客等级 码龄8年 1万+粉丝 727原创
+ 关注 专栏目录
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

蓝羽飞鸟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值