低亮度图片增强算法：基于去雾算法的低亮度图像增强算法

本文介绍一篇基于去雾算法的低亮度图片增强算法（FAST EFFICIENT ALGORITHM FOR ENHANCEMENT OF LOW LIGHTING VIDEO）。

该论文的作者观察到反转的低亮度图片（inverted image）具有与有雾图片类似的性质，比如：

• 在反转的低亮度图中，天空和远景部分的RGB通道的像素值非常大
• 在反转的低亮度图中，非天空区域中，在RGB通道中，至少有一个通道的像素值非常低。

以上两条性质是有雾图片特有的性质。
因此，我们可以运用成熟的去雾算法来进行低亮度图片的增强。

具体地做法如下：

• hazy image的模型
  

其中，是大气的亮度，是相机获取到的图像亮度，是原始图像或场景的亮度。

基于[1] , 我们可以得到：

其中 是大气的散射系数，是像素的景深。

其中在算法中设置为0.8，是中心位于的一个小区域，在算法中设置为9。

为了获取大气的亮度，作者选取了图像中RGB通道中最小值里最大的100个像素，然后选取这些像素中RGB值相加最大的像素值最为的估计值。

• 计算

这里需要注意，我们需要增强的区域是位于前景的物体，例如房子、车子等物体，同时需要避免过度增强背景区域，像天空等。

所以，这里我们需要根据图片内容的不同，自适应地调节，从而重点增强前景的内容。因此，这里引入了一个中间变量：

然后，需要恢复的图片可由下式计算得到：

[]论文还介绍了如何加速视频的方法，由于不是该博客的研究重点，故而忽略，有兴趣的朋友可以查看原文。

• 算法实现
  https://github.com/baidut/OpenCE/blob/master/others/dong.m
• 效果

低亮度条件下拍摄的图片 该算法增强后的效果_dong

• 参考文献
  [1] Single Image Haze Removal Using Dark Channel Prior
  [2] Fast efficient algorithm for enhancement of low lighting video