文章目录
前言
因拍摄硬件和拍摄条件的限制,在某些情况下会存在低亮度的图像。无论是对标注还是算法都造成了困难。在标注mask时,尤其是分割类,低亮度图像很难看清目标轮廓;在算法上,也可以先对低亮度图像进行处理,再传入检测等算法当中,提高精度。
因只是应对工作需要,所以具体原理不去了解,能使用即可。因没有时间去标注,故AI算法只记录无监督算法。
一、传统方法
传统方法上一般有两种方式:直方图均衡化或直方图匹配、伽马变换。
直方图方法可参考 OpenCV4(C++)—— 直方图
伽马变换其原理简单来说就是对图像的每个像素进行非线性变换(幂次变换)来调整图像的亮度级别。伽马变换可以将图片变亮,也可以变暗。
- 当伽马值小于1时,会增加图像中较暗区域的对比度,使得细节更加明显。这种情况下,图像的低亮度部分会被拉伸,高亮度部分会被压缩。
- 当伽马值大于1时,会增加图像中较亮区域的对比度,使得细节更加明显。这种情况