（但是不知道是不是高版本的问题，有一些库是缺失的，比如我做到后期想用face一类的头文件，缺失！还有OpenCv里的一些训练器进行人脸识别也用不了，应该要先用cmake进行编译资源（contribute)这里后续我会重新再弄一下，再配置一下，有需要的我会再出一篇文去讲解p.s. 写在前面的话：此文章单纯是为了小伙伴有需要的可以参考一下，另一方面我在这里也只是为了存个档。（实验目的：1．熟悉图像的表
Dual Illumination Estimation for Robust Exposure Correction论文学习和总结摘要：前言相关工作方法实施和参数设置实验更多的分析Conclusion and Future Work 摘要：曝光校正是图像处理和计算摄影的基本任务之一。尽管各种方法被提出，它们要么不能产生视觉上令人愉悦的结果，或者仅适用于有限类型的图像（例如曝光不足的图像）。在本
# 低光照增强与Pytorch的应用
在计算机视觉中，低光照图像处理是一个重要且复杂的任务。由于环境光线的不足，图像往往会显得昏暗且模糊，难以提取有用信息。因此，低光照增强技术亟需被开发出来，以提高图像的可见性和可用性。本文将重点介绍如何使用Pytorch进行低光照增强，并提供一个示例代码。
## 低光照增强的基本概念
低光照增强的目标是改善因光线不足而导致的图像质量问题。通常，这包括去噪、
# 使用 PyTorch 实现随机光照增强
在计算机视觉和深度学习领域，数据增强是一种常见的技术，用于扩展训练数据的多样性，以改善模型的性能。光照变化是数据增强的一部分，能够使模型在不同的光照条件下表现更好。本篇文章将带领你学习如何在 PyTorch 中实现随机光照增强。我们将通过一系列步骤来实现这个目标。
## 整体流程
在开始之前，首先让我们看一下整个流程。下面是一个表格，展示了实现随机
论文地址：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8373911项目地址：https://github.com/weichen582/GLADNet作者：北大abstract在这篇文章中，我们讨论了微光增强的问题。我们的核心思想是先计算出弱光输入的全局光照估计，然后在估计的指导下调整光照，并通过与原始输入的级联来补充
上面这幅黑乎乎的图就是我们今天要处理的图片，这是书的一页，但特别特别黑，对于这种因为阴影而导致的细节缺失，我们就可以尝试对其进行图像增强了。图像增强真的有不少内容，范围也很广泛，今天就只针对这个例子进行实践了。本文代码都是成块儿的，大家可以复制自行组合。整体框架搭建首先就先写个框架啦，读取图片显示图片啥的：#include <iostream>
#include <opencv2
转载
2024-04-23 16:58:14
302阅读
文章目录PyTorch Lightning入门教程（二）前言单机多卡多机多卡半精度训练 PyTorch Lightning入门教程（二）前言pytorch lightning提供了比较方便的多GPU训练方式，同时包括多种策略和拓展库，比如ddp，fairscale等，下面将从单机多卡和多机多卡两个角度介绍。单机多卡pytorch lightning的官网提供了比较详细的使用方法，可以参考http
转载
2023-11-02 10:12:56
92阅读
1、场景需求 在现实场景中，由于光线、视角等问题会导致我们拍摄出来的照片比较阴暗，具体的图片如下图中的1、3、5列所示，然后这些阴暗的图片不仅会影响我们的观察，而且会极大的影响计算机视觉处理算法的效果，2、4、6列表示的是使用了低光照图像增强算法之后的效果。本文主要针对低光照的图片展开论述，对经典的一些低光照图像增强算法进行了总结和初略的分析。2、Retinex算法论文链接-Github链接2.1 Retinex算法简介 Retinex是一种常用的建立在科学实验和科学分析基础上的
原创
2021-08-13 09:36:17
2573阅读
编辑：Happy 本文是南开大学程明明与南洋理工大学Chen ChangeLoy等人关于深度学习时代的低光图像增强的综述。本文从低光图像增强的数据集、网络架构、损失函数、学习机制等不同角度对其进行了系统性的总数；为评估不同方法的泛化性与鲁棒性还提出了一个大尺度低光图像数据集；与此同时，针对低光图像增强存在的挑战以及未来有研究价值的方向进行了探讨。强烈推荐给各位low-level领域的同学！Abst
'''
图像的缩放
INTER_NEAREST 最近邻插值
INTER_LINEAR 双线性插值（默认设置）
INTER_AREA 使用像素区域关系进行重采样。 它可能是图像抽取的首选方法，因为它会产生无云纹理的
结果。 但是当图像缩放时，它类似于INTER_NEAREST方法。
INTER_CUBIC 4x4像素邻域的双三次插值
INTER_LANCZOS4 8x8像素邻域的
转载
2024-05-14 21:08:15
124阅读
前言 RGB特征信息少、提取特征困难、目标识别和定位精度低等问题，给检测带来一定的难度。 ?使用图像增强模块对原始图像进行画质提升，恢复各类图像信息，再使用目标检测网络对增强图像进行特定目标检测，有效提高检测的精确度。传统方法、Retinex、EnlightenGAN、SCI、Zero-DCE、IceNet、RRDNet、URetinex-Net等低
转载
2024-08-09 16:08:06
489阅读
点赞
EnlightenGAN: Deep Light Enhancement without Paired Supervision论文解读Motivation and introduction最近在xiajiba看一些论文，看到了关于低光图像增强的无监督学习的一篇论文。如题。作者题目起的非常低调，大概表达的意思是做了一件事情，之后论文的故事讲的也非常好。作者在introduction中介绍了现有的一些
转载
2024-05-17 20:40:49
152阅读
点赞
之前在做光照对于高层视觉任务的影响的相关工作，看了不少基于深度学习的低光照增强（low-light enhancement）的文章，于是决定简单梳理一下。光照估计（illumination estimation）和低光照增强（low-light enhancement）的区别：光照估计是一个专门的底层视觉任务（例如[1,2,6]），它的输出结果可以被用到其它任务中，例如图像增强、图像恢复（处理色差
转载
2024-08-20 17:33:10
219阅读
本文介绍改进INDANE算法的低照度图像增强改进算法（AINDANE算法），《Adaptive and integrated neighborhood-dependent approach for nonlinear enhancement of color images》INDANE算法文章链接概述改进算法同样采用亮度提升和对比度增强两个独立模块分别处理。1、通过使用非线性传递函数实现的亮度提升
Abstract 同时增强弱光图像并去除其噪声是不适定的，我们观察到噪声在不同频率层中表现出不同的对比度，并且在低频层比在高频层更容易检测噪声。受此启发，我们提出了一种基于频率的分解和增强模型，用于微光图像增强。基于该模型，我们提出了一种新的网络，该网络首先学习在低频层恢复图像对象，然后基于恢复的图像对象增强高频细节。此外，为了便于学习，我们还准备了一个新的具有真实噪声的微光图像数据集。
转载
2024-04-22 16:15:35
106阅读
例程：detect_indent_fft.hdev说明：这个程序展示了如何利用快速傅里叶变换（FFT）对塑料制品的表面进行目标（缺陷）的检测，大致分为三步：首先，我们用高斯滤波器构造一个合适的滤波器（将原图通过高斯滤波器滤波）；然后，将原图和构造的滤波器进行快速傅里叶变换；最后，利用形态学算子将缺陷表示在滤波后的图片上（在缺陷上画圈）。注：代码中绿色部分为个人理解和注释,其余为例程中原有代码*In
转载
2024-05-01 08:15:40
172阅读
图像处理工具——灰度直方图灰度直方图时图像灰度级的函数，用来描述每个灰度级在图像矩阵中的像素个数或者占有率。例子：矩阵图片来自网络，侵删！上面图片的灰度直方图python实现#!usr/bin/env python#-*- coding:utf-8 _*-"""@author:Sui yue@describe: 灰度直方图，描述每个灰度级在图像矩阵中的像素个数或者占有率@time: 2019/09
转载
2024-08-19 15:50:23
91阅读
F. Drago等人在《Adaptive Logarithmic Mapping For Displaying High Contrast Scenes》中提到了一种HDR增强算法，本文尝试对其进行复现。在这个亮度映射解决方案中的对数关系使用Stockham提出的转换方式作为图像处理的基础，Stockham使用如下公式作为低照度图像增强的方法： 其中，Ld为输出的亮度值，Lw为输入的亮度值，Lma
转载
2024-03-20 09:43:44
321阅读
文章概述 这篇文章来自 ACM MM 2019。本文建立了一个简单而有效的点燃黑暗（表示为 KinD）的网络，它受 Retinex 理论的启发，将原始图像分解为反射率和光照两个部分，其中光照负责光的调节，而反射率负责去除退化。通过这种方式，原始空间被解耦成两个较小的子空间，期望得到更好的学习。整个网络由两个组件组成，分别用于处理反射率和光照。从功能上看，还可
转载
2024-04-29 17:45:50
643阅读
本文算法参考文献：李勇.基于Retinex理论的低照度图像增强算法研究与实现[D].西安电子科技大学,2018本文是本人按照作者发表的原文进行复现并稍加改动，在尽力的基础上由于本人水平有限，对作者一些想法的理解和结果的复现不一定正确，需要研究此算法的朋友，在看我文章的时候最好加入自己的判断，或者直接查看原文。欢迎各位指出我不对的地方，或者与我探讨交流！需要程序可评论。原文摘要图像作为信息的一种载体
转载
2024-05-20 16:26:21
81阅读
