自动曝光修复算法附完整C代码

众所周知，


图像方面的3A算法有：


AF自动对焦(Automatic Focus)


自动对焦即调节摄像头焦距自动得到清晰的图像的过程


AE自动曝光(Automatic Exposure)


自动曝光的是为了使感光器件获得合适的曝光量


AW自动白平衡(Automatic White Balance)


白平衡的本质是使白色物体在任何光源下都显示白色


前面的文章也有提及过，在刚开始做图像算法的时候，我是先攻克的自动白平衡算法。


后来攻克自动曝光的时候，傻啦吧唧的，踩了不少坑。


我相信一定不止我一个，一开始的时候抱着对图像均衡化，


软磨硬泡，想要做出兼顾自动曝光和自动白平衡的算法。


可惜，图像均衡化去做白平衡或者自动曝光，这条路是错的。


严格意义上来说，图像均衡化是拉伸曲线，这种做法有个弊端。


它没有考虑到图像的空间信息，也就是局部信息。


当然如果是处理音频之类的算法，肯定要考虑时间信息，因为数据是时序性为主的。


而图像，明显是空间信息为主的。


所以从理论上来说，用拉伸曲线这种不具备空间信息的操作，来做空间信息处理的事情，是不科学的。


我记得这博客刚开始写的时候，好多网友问我，为什么你要写那么多图像模糊算法，


图像模糊算法好像很鸡肋啊，没什么用的吧。


这就大错特错了，因为模糊算法是图像算法中，典型的包含空间信息的全局算法。


也就是说，如果要玩好图像算法，玩好模糊算法就是标配。


本次分享的算法为《Local Color Correction using Non-Linear Masking》，是ImageShop博主，


彭兄发出来的，安利一下他的博客https://www.cnblogs.com/imageshop 。


这个文章里的算法比较简单，


主要是通过图像模糊获取局域权重信息，然后映射回图片上。


matlab代码如下:


复制代码


% Read the image


A=imread('input.jpg');


% Seperate the Channels


R=A(:,:,1);


G=A(:,:,2);


B=A(:,:,3);


% Calculate Intensity Component


I=(R+G+B)/3;


% Invert the image


I_inverted=255-I;


% Apply Average Filter to obtain the Mask Image


h_average=fspecial('average',15);


M=imfilter(I_inverted,h_average);


% Color Correction for R channel


R_new=zeros(size(R));


[c_y, c_x,~] = size(R);


for j = 1:c_x


for i = 1:c_y


p=double(R(i,j));


q=double(M(i,j));


R_new(i,j,:)=int8(255*((p/255)^(2^((128-q)/128))));


end


end


% Color Correction for G channel


G_new=zeros(size(G));


[c_y, c_x,~] = size(G);


for j = 1:c_x


for i = 1:c_y


p=double(G(i,j));


q=double(M(i,j));


G_new(i,j,:)=int8(255*((p/255)^(2^((128-q)/128))));


end


end


% Color Correction for B channel


B_new=zeros(size(B));


[c_y, c_x,~] = size(B);


for j = 1:c_x


for i = 1:c_y


p=double(B(i,j));


q=double(M(i,j));


B_new(i,j,:)=int8(255*((p/255)^(2^((128-q)/128))));


end


end


% Output Image


O=zeros(size(A));


O(:,:,1)=R_new;


O(:,:,2)=G_new;


O(:,:,3)=B_new;


% Convert the double output image to uint8


O=uint8(O);


% Plot the images


subplot(1,3,1), imshow(A), title('Original Image');


subplot(1,3,2), imshow(M), title('Mask');


subplot(1,3,3), imshow(O), title('Output Image');


复制代码


算法步骤很清晰，就不展开了。