传统图像处理——图像增强ALTM（亮度增强）-技术圈

En点击下方“AI算法与图像处理”，一起进步！

重磅干货，第一时间送达

来源：https://zhuanlan.zhihu.com/p/502972948（已授权）

编辑：AI算法与图像处理

《Adaptive Local Tone Mapping Based on Retinex for High Dynamic Range Images》该文章结合传统的Retinex技术提出了全局自适应和局部自适应的HDR实现过程，对HDR image 进行色调映射。而文中的全局自适应方法对于低照度图像具有很好的照度提升效果。

全局自适应原理：

Python代码

import numpy as np
def simple_balance(img, s1, s2):  # 线性增强，s1和s2为低高分段阈值百分比    h, w = img.shape[:2]    res = img.copy()    one_dim_array = res.flatten()  # 转化为一维数组    sort_array = sorted(one_dim_array)  # 对一维数组按升序排序    print(len(sort_array))
    per1 = int((h * w) * s1 / 100)    print(per1/len(sort_array))    minvalue = sort_array[per1]
    per2 = int((h * w) * s2 / 100)    print(((h * w) - 1 - per2)/len(sort_array))    maxvalue = sort_array[(h * w) - 1 - per2]
    # 实施简单白平衡算法    if (maxvalue <= minvalue):        for i in range(h):            for j in range(w):                res[i, j] = maxvalue    else:        scale = 255.0 / (maxvalue - minvalue)        for m in range(h):            for n in range(w):                if img[m, n] < minvalue:                    res[m, n] = 0                elif img[m, n] > maxvalue:                    res[m, n] = 255                else:                    res[m, n] = scale * (img[m, n] - minvalue)  # 映射中间段的图像像素
    return res
def ALTM(img):    h, w = img.shape[:2]    res = np.float32(img)  # res = np.array(img, dtype=np.float32)  # 转换为32位图像    Lwmax = res.max()    log_Lw = np.log(0.001 + res)    Lw_sum = log_Lw.sum()    Lwaver = np.exp(Lw_sum / (h * w))    Lg = np.log(res / Lwaver + 1) / np.log(Lwmax / Lwaver + 1)
    res = Lg * 255.0  # 不使用分段线性增强    # res = simple_balance(Lg, 2, 3)  # 使用线性增强，该算法比较耗时    dst = np.uint8(res)  # dst = cv2.convertScaleAbs(res)     return dst