1. 前言
今天分享一篇2003年的低照度图像增强论文《Adaptive Logarithmic Mapping For Displaying High Contrast Scenes》,论文地址为:https://domino.mpi-inf.mpg.de/intranet/ag4/ag4publ.nsf/0/53A4B81D590A3EEAC1256CFD003CE441/$file/logmap.pdf
。
2. 原理
首先论文第一个重要的公式是:
其中代表每个像素的显示亮度,代表原图像亮度,是原图像亮度的最大值。
第二个重要的公式是:
这就是高中学过的换底公式了。
第三个重要公式是:
这个公式的来源为:经过实验表明人眼对亮度的适应比较符合对数曲线,为了使得对数变换变得"平滑",使用了上述的变换。这个变换就是将一个数值做一个指数变换,来达到调节的目的,当时,即是,当取时,得到的调整函数最接近的伽马矫正结果,论文还尝试,,,的不同恢复结果,最后在代码实现部分选择了,这个值看起来是最优秀的。
第4个重要的公式为:
其中是设定的一个比例因子,根据不同的显示器需要进行调整,CRT显示器可以取,这部分的细节和的取值建议去看原论文,最后作者在实现过程中使用的是将原始的rgb
转成ciexyz
色彩空间,然后在ciexyz
空间进行变换后再转回rgb
颜色空间。
按照这几个公式以及自己的理解去复现了一把,和论文展示的结果是比较类似的,应该不会有大问题。
3. 代码复现
代码语言:javascript复制double Transform(double x)
{
if (x <= 0.05)return x * 2.64;
return 1.099*pow(x, 0.9 / 2.2) - 0.099;
}
struct zxy {
double x, y, z;
}s[2500][2500];
int work(cv::Mat input_img, cv::Mat out_img) {
int rows = input_img.rows;
int cols = input_img.cols;
double r, g, b;
double lwmax = -1.0, base = 0.75;
for (int i = 0; i < rows; i ) {
for (int j = 0; j < cols; j ) {
b = (double)input_img.at<Vec3b>(i, j)[0] / 255.0;
g = (double)input_img.at<Vec3b>(i, j)[1] / 255.0;
r = (double)input_img.at<Vec3b>(i, j)[2] / 255.0;
s[i][j].x = (0.4124*r 0.3576*g 0.1805*b);
s[i][j].y = (0.2126*r 0.7152*g 0.0722*b);
s[i][j].z = (0.0193*r 0.1192*g 0.9505*b);
lwmax = max(lwmax, s[i][j].y);
}
}
for (int i = 0; i < rows; i ) {
for (int j = 0; j < cols; j ) {
double xx = s[i][j].x / (s[i][j].x s[i][j].y s[i][j].z);
double yy = s[i][j].y / (s[i][j].x s[i][j].y s[i][j].z);
double tp = s[i][j].y;
//修改CIE:X,Y,Z
s[i][j].y = 1.0 * log(s[i][j].y 1) / log(2 8.0*pow((s[i][j].y / lwmax), log(base) / log(0.5))) / log10(lwmax 1);
double x = s[i][j].y / yy*xx;
double y = s[i][j].y;
double z = s[i][j].y / yy*(1 - xx - yy);
//转化为用RGB表示
r = 3.2410*x - 1.5374*y - 0.4986*z;
g = -0.9692*x 1.8760*y 0.0416*z;
b = 0.0556*x - 0.2040*y 1.0570*z;
if (r < 0)r = 0; if (r>1)r = 1;
if (g < 0)g = 0; if (g>1)g = 1;
if (b < 0)b = 0; if (b>1)b = 1;
//修正补偿
r = Transform(r), g = Transform(g), b = Transform(b);
out_img.at<Vec3b>(i, j)[0] = int(b * 255);
out_img.at<Vec3b>(i, j)[1] = int(g * 255);
out_img.at<Vec3b>(i, j)[2] = int(r * 255);
}
}
return 0;
}
4. 效果
原图1
结果图1
原图2
结果图2
对于常态的图片,一般也能起到一定的视觉增强效果:
原图3
结果图3
5. 总结
从结果图看出效果还是很不错的,这里提供了朴素实现的代码,其实我也有优化版,这里先卖个关子哈。请持续关注本公众号吧,我决心会在图像算法优化上下很大的功夫,希望和大家一起进步。