一种简单快速有效的图像暗部增强/亮度均衡算法

2020/10/27更新：之前为克服光晕效应尝试过引导滤波，惜哉其他地方犯了个小错误以致未达到目标，处理的结果虽然保边但却过于模糊。后期修正之后再次尝试便得到了预期的效果。现将引入了引导滤波去光晕的程序脚本及处理结果分享到网盘上供读者下载测试（给出的是加权引导滤波程序，将权重设为全1矩阵便等价于一般引导滤波）：

链接：https://pan.baidu.com/s/1dTRXmFoeqk_FaHRe__JH3A          提取码：py29 

现给出几个示例（此次主要显示迭代处理的效果，故而不贴单次处理结果。以下以原图、迭代处理结果顺序贴图。除第一个示例为迭代7次外，其他均迭代3次）：

                                                                       （原始引导滤波迭代7次，用时0.43s） 

 

 

 

 

---

 2020/10/21更新说明：下面给出的链接为最新上传的资源链接，程序较早前有部分细节处的改动，早先贴出的链接已作废。读者们测试时可把AlgorithmsCompare.m中文件保存格式改为.png，这样保存质量更高一些。先前没注意，给设成了保存为.jpg格式。程序中最大增益参数可以进一步调大（程序默认为1.2），实测中发现哪怕设到4.0都没什么问题。不过上传的程序中忘记了开放这个参数，但也就就这样吧，不打算重新上传了。

 

---

在这里分享一下本人开发的一种简单快速有效的图像暗部增强/亮度均衡算法，算法思想非常简单，就是根据局部图像亮度进行增益控制，暗部增益更大，较亮部分增益更小，具体实现细节就不多说了（链接在文章下方）。算法目标是保持或者增强局部对比度的同时实现区域间亮度的尽可能均衡。该算法对于亮度提升较为克制，尤其适合于处理夜景，算法的非迭代版本可以实现流处理，迭代版本输入整图处理也可以实现实时处理。 下面给出测试该算法与对比算法的脚本文件（更多测试图像及结果见下方链接），除了与ALTM-Retinex算法进行对比外，读者也可将其与http://demo.ipol.im/demo/107/上Multiscale Retinex的算法进行对比。下面给出该算法与参考算法（ALTM-Retinex算法及Multiscale Retinex）的比较结果（贴图顺序按照原图、ALTM-Retinex处理结果、该算法迭代版本、该算法非迭代版本给出。几张网页图为该算法非迭代版本与Mutiscale Retinex算法的对比）。可以看出，该算法迭代版本总体处理效果远胜于其他作为参照的算法。

---

测试脚本及测试图像、处理结果：

链接：https://pan.baidu.com/s/1_xX6Bqt2gtMiWg_rVMCVcA 
提取码：1tr0 

---

处理结果对比（程序相比之前做过改动，贴图懒得换了，具体结果读者可以下载代码和图片自己测试查看）：