文章目录1序言2论文原理3效果
1前言
继前面的伽马校正之后,一般的暗图像和亮图像可以很好地处理。 但是,如果图像部分明亮、部分暗,或者图像定时变亮或变暗,则环境不确定。 此时,需要自适应的伽马校正的是,所有图中不是使用相同的伽马值,而是需要使暗的部分变亮,使亮的部分变暗。
了解下一个方案1
论文localcolourcorrectionusingnonlinearmasking
2论文原理1 )公式如下。
f(I )=If(I )=If(I )=I
=2128 mask 128={2^ {d frac { 128-mask } { 128 }=2128128 mask
2 )步骤:
2-1 )将RGB图像转换为灰度图像。
2-2 )反转灰度图像。
2-3 )用大半径滤波器对相反的灰度图像进行模糊处理,得到mask。
模糊半径会影响遮罩效果
用灰度图像计算是为了避免色度通道的失真。
图像反转是因为在较暗的区域需要较大的蒙版来提高亮度,而在较亮的区域需要较小的蒙版来降低亮度。
图像模糊是为了防止识别图像的特征。
如果图像不模糊,图像的对比度会急剧下降,
如果图像太模糊,算法就会退化为简单的伽马校正。
这个计算过程可以用小图表计算加速。
可见,ps:使用了整个过程来获得动态伽马值,而不是上一篇文章中固定的伽马值。 每个像素都有自己的伽马值。 修改。 伽马是浮点数,所以这里不适合查找表。 在小图中,计算量会相当少。
对于mask128,指数为1,输出像素值大于输入像素值,图像变亮。
对于mask128,指数为1,输出像素值小于输入像素值,图像变暗。
可以用曲线表示输入、掩码和输出的关系,如下所示。
3效果
ps:从左到右分别是原图、伽马校正图、论文算法校正图