【图像处理】一种低光照图像的亮度提升方法（Adaptive Local Tone Mapping Based on Retinex for High Dynamic Range Images）

小咪咪 2022-04-16 02:41 188阅读 0赞

### **【fishing-pan：https://blog.csdn.net/u013921430 转载请注明出处】** ###

## 前言 ##

在实际的拍照过程中，常常会遇到，光线不足的情况。这时候单反用户一般会调大感光度，调大光圈，以让照片整体更清晰，更亮。那么如果照片已经被拍的很暗了，怎么办呢？这时候我们可以利用算法来提升图像整体的光照情况，让图像更清晰。

2013年这篇《[Adaptive Local Tone Mapping Based on Retinex for High Dynamic Range Images][]》发表在了IEEE上，如题目所说，文章提到将高动态图像在低动态范围显示设备上进行显式时，会面临信息丢失的问题。因此结合传统的CENTER/SURROUND 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。作者将他的Matlab脚本上传到了Github，有兴趣的可以点击[这里][Link 1]去查看。

## 全局自适应原理 ##

全局自适应方法的原理很简单，就是两个公式；  
 L g ( x , y ) = l o g ( L w ( x , y ) / L w ˉ + 1 ) l o g ( L w m a x / L w ˉ + 1 ) L\_\{g\}(x,y)=\\frac\{log(L\_\{w\}(x,y)/\\bar\{L\_\{w\}\}+1)\}\{log(L\_\{wmax\}/\\bar\{L\_\{w\}\}+1)\} Lg(x,y)=log(Lwmax/Lwˉ\+1)log(Lw(x,y)/Lwˉ\+1)  
  上述式子中， L g ( x , y ) L\_\{g\}(x,y) Lg(x,y) 代表全局自适应处理的输出结果； L w ( x , y ) L\_\{w\}(x,y) Lw(x,y) 表示输入图像的亮度值； L w m a x L\_\{wmax\} Lwmax 表示输入图像亮度的最大值； L w ˉ \\bar\{L\_\{w\}\} Lwˉ 表示输入图像的亮度值的对数平均值；由以下公式求得；  
 L w ˉ = e x p ( 1 m ∗ n ∑ l o g ( σ + L w ( x , y ) ) ) \\bar\{L\_\{w\}\}=exp\\left ( \\frac\{1\}\{m\*n\}\\sum log(\\sigma +L\_\{w\}(x,y))\\right ) Lwˉ=exp(m∗n1∑log(σ\+Lw(x,y)))  
  其中， m ∗ n m\*n m∗n 代表图像的尺寸。 σ \\sigma σ 是一个很小的值，为了防止遇到图像中亮度为0的黑点的情况；

文中提到“随着对数均值趋近于高值，函数的形状从对数趋势转换为线性趋势，因此对低对数均值的图像具有更好的提升效果。”这个方法利用到了图像的对数均值，这就是自适应的体现。

我在Matlab中分别简单的画了一下曲线，发现在对数均值比较大的时候曲线确实非常接近直线。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTM5MjE0MzA_size_16_color_FFFFFF_t_70]

## 代码&结果 ##

我根据自己的理解以及作者的Matlab脚本，分别利用OpenCV实现了全局自适应方法。两者有很多细节不一样，结果也有一些差异；  
   首先是作者的matlab 代码；

function outval = ALTM_Retinex(I)
    II = im2double(I);
    Ir=double(II(:,:,1)); Ig=double(II(:,:,2)); Ib=double(II(:,:,3));
    % Global Adaptation
    Lw = 0.299 * Ir + 0.587 * Ig + 0.114 * Ib;% input world luminance values
    Lwmax = max(max(Lw));% the maximum luminance value
    [m, n] = size(Lw);
    Lwaver = exp(sum(sum(log(0.001 + Lw))) / (m * n));% log-average luminance
    Lg = log(Lw / Lwaver + 1) / log(Lwmax / Lwaver + 1);
    gain = Lg ./ Lw;
    gain(find(Lw == 0)) = 0;
    outval = cat(3, gain .* Ir, gain .* Ig, gain .* Ib);
    figure;
    imshow(outval)

接着是我参考作者提供的脚本实现的C++ 代码

//-------------------------------
    //函数名：adaptHDR；参照作者脚本实现
    //函数功能：全局自适应光照度提升
    //参数：Mat &scr，输入图像
    //参数：Mat &dst，输出图像
    //------------------------------
    bool adaptHDR(Mat &scr, Mat &dst)
    {
        
    
    	if (!scr.data)  //判断图像是否被正确读取；
    	{
        
    		cerr << "输入图像有误"<<endl;
    		return false;
    	}
    
    	int row = scr.rows;
    	int col = scr.cols;
    
    
    	Mat ycc;                        //转换空间到YUV；
    	cvtColor(scr, ycc, COLOR_RGB2YUV);
    
    	vector<Mat> channels(3);        //分离通道，取channels[0]；
    	split(ycc, channels);
    
    
    	Mat Luminance(row, col, CV_32FC1);
    	for (int i = 0; i < row; i++)
    	{
        
    		for (int j = 0; j < col; j++)
    		{
        
    			Luminance.at<float>(i, j) =(float)channels[0].at<uchar>(i, j)/ 255;
    		}
    	}
    
    
    	double log_Ave = 0;
    	double sum = 0;
    	for (int i = 0; i < row; i++)                 //求对数均值
    	{
        
    		for (int j = 0; j < col; j++)
    		{
        
    			sum += log(0.001 + Luminance.at<float>(i, j));
    		}
    	}
    	log_Ave = exp(sum / (row*col));
    
    	double MaxValue, MinValue;      //获取亮度最大值为MaxValue；
    	minMaxLoc(Luminance, &MinValue, &MaxValue);
    
    	Mat hdr_L (row,col,CV_32FC1);
    	for (int i = 0; i < row; i++)
    	{
        
    		for (int j = 0; j < col; j++)
    		{
        
    			hdr_L.at<float>(i, j) = log(1 + Luminance.at<float>(i, j) / log_Ave) / log(1 + MaxValue / log_Ave);
    
    
    			if (channels[0].at<uchar>(i, j) == 0)   //对应作者代码中的gain = Lg ./ Lw;gain(find(Lw == 0)) = 0;	
    			{
        
    				hdr_L.at<float>(i, j) = 0;
    			}
    			else
    			{
        
    				hdr_L.at<float>(i, j) /= Luminance.at<float>(i, j);
    			}
    		
    		}
    	}
    
    	vector<Mat> rgb_channels;        //分别对RGB三个通道进行提升
    	split(scr, rgb_channels);
    	for (int i = 0; i < row; i++)
    	{
        
    		for (int j = 0; j < col; j++)
    		{
        
    			int r = rgb_channels[0].at<uchar>(i, j) *hdr_L.at<float>(i, j); if ( r> 255){
        r = 255; }
    			rgb_channels[0].at<uchar>(i, j) = r;
    
    			int g = rgb_channels[1].at<uchar>(i, j) *hdr_L.at<float>(i, j); if (g> 255){
         g = 255; }
    			rgb_channels[1].at<uchar>(i, j) = g;
    
    			int b = rgb_channels[2].at<uchar>(i, j) *hdr_L.at<float>(i, j); if (b> 255){
         b = 255; }
    			rgb_channels[2].at<uchar>(i, j) = b;
    		}
    	}
    	merge(rgb_channels, dst); 
    
    	return true;
    }

最后是我自己根据自己的理解实现代码

//-------------------------------
    //函数名：my_AdaptHDR；自己理解实现
    //函数功能：全局自适应光照度提升
    //参数：Mat &scr，输入图像
    //参数：Mat &dst，输出图像
    //------------------------------
    
    bool my_AdaptHDR(Mat &scr, Mat &dst)
    {
        
    
    	if (!scr.data)  //判断图像是否被正确读取；
    	{
        
    		cerr << "输入图像有误" << endl;
    		return false;
    	}
    
    	int row = scr.rows;
    	int col = scr.cols;
    
    
    	Mat ycc;                        //转换空间到YUV；
    	cvtColor(scr, ycc, COLOR_RGB2YUV);
    
    	vector<Mat> channels(3);        //分离通道，取channels[0]；
    	split(ycc, channels);
    
    
    	double log_Ave = 0;
    	double sum = 0;
    	for (int i = 0; i < row; i++)   //求对数均值
    	{
        
    		for (int j = 0; j < col; j++)
    		{
        
    			sum += log(0.001 + channels[0].at<uchar>(i, j));
    		}
    	}
    	log_Ave = exp(sum / (row*col));
    
    
    	double MaxValue, MinValue;      //获取亮度最大值为MaxValue；
    	minMaxLoc(channels[0], &MinValue, &MaxValue);
    
    	Mat hdr_L(row, col, CV_32FC1);
    	for (int i = 0; i < row; i++)
    	{
        
    		for (int j = 0; j < col; j++)
    		{
        
    			hdr_L.at<float>(i, j) = log(1 + channels[0].at<uchar>(i, j) / log_Ave) / log(1 + MaxValue / log_Ave);
    		}
    	}
    
    	double L_MaxValue, L_MinValue;            //获取亮度最大值为MaxValue；
    	minMaxLoc(hdr_L, &L_MinValue, &L_MaxValue);
    	
    	for (int i = 0; i < row; i++)            //对亮度通道进行提升；
    	{
        
    		for (int j = 0; j < col; j++)
    		{
        
    			channels[0].at<uchar>(i, j) = floor(0.5 + 255 * (hdr_L.at<float>(i, j) - L_MinValue) / (L_MaxValue - L_MinValue));
    		}
    	}
    
    	merge(channels, ycc);
    	cvtColor(ycc, dst, COLOR_YUV2RGB);
    
    	return true;
    
    }

两种思路的区别主要在于，我的方法是先把图像重RGB空间转换到YUV空间，然后对亮度进行提升，然后转换回RGB空间。这样做有一个问题，只提升了图像的亮度，而没有提高色度和浓度，图像会显得很亮，但是色彩不够鲜艳。而从作者提供的代码的思路来看，他用新得到的图像亮度除以原始图像亮度，得到一个亮度增益，然后将这个增益附加在每个颜色通道上。这样做三通道可以得到同样程度的亮度增强，但是这种方法可能会让图像色彩过饱和。

来看看结果；  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTM5MjE0MzA_size_16_color_FFFFFF_t_70 1]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTM5MjE0MzA_size_16_color_FFFFFF_t_70 2]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTM5MjE0MzA_size_16_color_FFFFFF_t_70 3]

## 总结 ##

到底谁的思路好，我觉得我还是尊重作者的思路。但是也许有些情况下，我的方法会取得更好的效果，也可能存在更好的思路。但是最主要的方法还是在上面的两个公式中。而作者在文中主要介绍的是局部的映射方法，全局自适应是为后面做局部自适应进行铺垫的，当然，这篇博客中，不会讲到局部的方法了。

对于低照度图像的计处理，我并不在行，这也是第一次接触，有些原理上面的东西还没摸清楚，只是觉得有意思就去实现了一下，有些不足的地方，还请大家指针（指正）。

## 参考 ##

> 1.  [Ahn H, Keum B, Kim D, et al. Adaptive local tone mapping based on retinex for high dynamic range images\[C\]//Consumer Electronics  
>     (ICCE), 2013 IEEE International Conference on. IEEE, 2013:  
>     153-156.][Adaptive Local Tone Mapping Based on Retinex for High Dynamic Range Images]
> 2.  https://github.com/IsaacChanghau/OptimizedImageEnhance/tree/master/matlab/ALTMRetinex

[Adaptive Local Tone Mapping Based on Retinex for High Dynamic Range Images]: https://ieeexplore.ieee.org/abstract/document/6486837/metrics#metrics
[Link 1]: https://github.com/IsaacChanghau/OptimizedImageEnhance/tree/master/matlab/ALTMRetinex
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTM5MjE0MzA_size_16_color_FFFFFF_t_70]: /images/20220416/c765063858214cdfac264c843ed1830b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTM5MjE0MzA_size_16_color_FFFFFF_t_70 1]: /images/20220416/536c10affa6a49d49f88d624e38f87f5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTM5MjE0MzA_size_16_color_FFFFFF_t_70 2]: /images/20220416/cda5a90811a944bda43c89fad752e830.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTM5MjE0MzA_size_16_color_FFFFFF_t_70 3]: /images/20220416/f3ee06f179194937b393b7e15a4294fe.png