q274488181的博客

算法比较简单，尽量简单说。（发的其实是比较水的期刊，可以看作一个启发吧）Part 1 原理首先，用到的ITM函数为：L是LDR图像的亮度，Lw是输出的HDR图像亮度，取决于显示器和图像本身（不是每个图像中的最亮值都要映射到显示器的最亮值。abcd都是参数，这个函数画出来像下面这样参数 a 和 d 允许分别控制曲线的所谓脚趾（对比度）和肩部（扩展速度）的形状。参数 mi 和 mo 充当曲线的锚点，并分别表示为输入 ILDR 定义的中间灰度值和输出 IHDR 中的预期中间灰度值

老规矩，先给出算法结果预览和算法flow map该算法在VTM领域比较有影响力。VTM问题和图像TM问题最大的区别在于，对视频进行处理的时候需要考虑到时域的一致性问题。在以往的算法中，很多方法都是用一些时域的约束或者滤波来进行求解的，这就不可避免地要用到一些关于未来的帧的信息，这导致VTM问题从本质上没有办法real time执行，而只能通过post process的方法来进行。本篇文章提出的方法很好地克服了这个问题。目录3 Approach overview3.

项目主页：CAIP2017 (baidut.github.io)笔者按：最近风格化的项目暂且告一段落，开始往HDR的方向进发。在开始阶段先不追求真HDR，只是尝试对图像的对比度进行改善（过曝和欠曝的优化），偶然在github上看到了这篇文章，其主页的效果非常吸引人，整个算法框架也肥肠简单，所以就看一下这篇论文，顺便把论文笔记记录下来，可能会顺便放一些自己的思考进去。