前言

$\quad$偶然見到了這篇paper，雖然之前復現的一些paper已經可以較好的處理低照度下的色彩恢復，然而在光度強度很大的情況下怎麼恢復還不清楚，並且如果出現圖片中既有很亮的部分，又有很暗的部分，又不知道怎麼處理了。這篇paper，正式為了解決這一問題，他的局步顏色矯正，和He KaiMing的暗通道去霧有相似的想法，值得借鑑。

演算法原理

首先對與太亮和太暗的影象，我們可以使用Gamma校正來提高對比度。
圖片表示：較暗影象，Gamma係數為0.5的Gamma校正，直方圖均衡化

代表較亮的原始影象，Gamma係數為2.5的Gamma校正，直方圖均衡化
代表原始影象，Gamma係數為0.5,2.5,0.75,1.5的Gamma校正影象

使用Gamma校正後可以提高影象的動態範圍，實際上作者講這麼多實際是要說，如果當影象既有較亮又有較暗的區域時，如果僅僅使用一個Gamma矯正輸出的影象效果反而會變差，這是因為Gamma矯正是全域性的方法，某一部分相近的畫素將被對映到相同的灰度值，並沒有考慮待到畫素鄰域的資訊。對於普通的過亮和過暗的影象，當影象的平均灰度大於127.5使用 $\gamma \>$

1 \gamma >1 ，對影象的亮度進行抑制；當影象的灰度資訊均值小於127.5時使用 $\gamma <1$

對影象亮度進行增強。這裡我們假設影象用無符號8bit表示，那麼 $\gamma = 2^{\frac{u-127.5}{127.5}}$。在既有較暗又有較亮的區域的影象中，全域性Gamma失效，這時候作者就提出了利用影象鄰域的資訊，進行Gamma矯正。對較暗的區域進行增加亮度，對較亮的區域降低亮度。區域性顏色校正的方法可以根據鄰域內畫素的灰度值情況，把統一輸入畫素值，對映成不同水平的畫素灰度值。

演算法步驟

• 根據輸入影象計算出掩膜影象
• 結合輸入影象和掩模影象計算出最終結果
  掩膜影象一般根據彩色影象各個通道的影象灰度值獲得。假設RGB影象各個通道的畫素灰度值為R，G，B，則掩膜影象可以表示為 $I = (R + G + B) / 3$，之後對掩膜影象進行高斯濾波: $M(x,y) = (Gaussian*(255-I))(x,y)$，高斯濾波時，選取較大值進行濾波，以保證對比度不會沿著邊緣方向過度減小。上述的輸出結果表明：影象哪部分需要提亮，哪部分需要減暗。最後輸出影象為： $Output(x, y)=255(\frac{Input(x,y)}{255})^{2^{\frac{128-M(x,y)}{128}}}$，如果掩膜影象大於128，將得到一個大於1的指數，並對影象該點的亮度移植，反之增加亮度。如果等於128，則不改變該畫素點亮度。

C++程式碼

Mat LCC(const Mat &src){
    int rows = src.rows;
    int cols = src.cols;
    int **I;
    I = new int *[rows];
    for(int i = 0; i < rows; i++){
        I[i] = new int [cols];
    }
    int **inv_I;
    inv_I = new int *[rows];
    for(int i = 0; i < rows; i++){
        inv_I[i] = new int [cols];
    }
    Mat Mast(rows, cols, CV_8UC1);
    for(int i = 0; i < rows; i++){
        uchar *data = Mast.ptr<uchar>(i);
        for(int j = 0; j < cols; j++){
            I[i][j] = (src.at<Vec3b>(i, j)[0] + src.at<Vec3b>(i, j)[1] + src.at<Vec3b>(i, j)[1]) / 3.0;
            inv_I[i][j] = 255;
            *data = inv_I[i][j] - I[i][j];
            data++;
        }
    }
    GaussianBlur(Mast, Mast, Size(41, 41), BORDER_DEFAULT);
    Mat dst(rows, cols, CV_8UC3);
    for(int i = 0; i < rows; i++){
        uchar *data = Mast.ptr<uchar>(i);
        for(int j = 0; j < cols; j++){
            for(int k = 0; k < 3; k++){
                float Exp = pow(2, (128 - data[j]) / 128.0);
                int value = int(255 * pow(src.at<Vec3b>(i, j)[k] / 255.0, Exp));
                dst.at<Vec3b>(i, j)[k] = value;
            }
        }
    }
    return dst;
}

效果

所有的圖片均為未處理和處理後的順序