HDR之双边滤波和引导滤波

---

3D LUT

提升感知质量(perceptual quality)是数码相机图像处理不可缺少的，一般通过级联的模块例如曝光补偿(exposure compensation), 色调/饱和度调整(hue/saturation adjustment), 颜色空间转换和修改(color space conversion and manipulation), 色调映射(tone mapping), 伽马校正(gamma correction)

• 数据集
  MIT-Adobe FiveK dataset

---

基于深度学习的增强方法可以分为两类

1. 学习一个像素到像素的映射(pixel-to-pixel mapping) or 预测一个像素级的变换(pixel-wise transformations)
2. 预测一系列预定义增强操作的概率和/或映射曲线的参数

The networks take down-sampled low-resolution (LR) images as input to predict which ones of the pre-defined operators and/or mapping curves should be used to enhance the given high-resolution (HR) source images
按照以前的方法，网络采用低分辨率(LR)的输入预测哪个预定义的操作和/或映射曲线应该被应用在高分辨率(HR)的源图像上

---

• framework
  
  3D LUTs 怎么学习的？

---

• 相机图像流程增强(enhancement in camera imaging pipeline)
• exposure correction [13, 14]
• color constancy [15, 16]
• constrast enhancement [17, 18]
• color manipulation [19, 20]
• tone mapping [21, 22]
  按照文献[1] 大部分操作在实际应用中都可以使用相同的技术, 例如1D or 3D LUT

---

• 后期调整增强(enhancement in photo reto