什么是低照度图像增强？低照度图像增强算法有哪些

什么是低照度图像增强？

低照度图像增强（Low-light Image Enhancement, LLIE）旨在提升在低光环境下拍摄的图像的视觉质量。这些图像通常由于不足的环境光、相机质量限制等因素而具有低能见度。低照度图像增强算法通过不同的技术手段，使这些图像更清晰、更明亮，以改善其视觉效果. 例如，一些基于深度学习的算法（如MBLLEN）以及传统的图像处理技术都可以用于低照度图像增强。这些方法的目标是提高图像的感知质量，使其更适合人眼观察和分析。

低照度图像增强算法有哪些？

为了改善这些图像的视觉质量，研究人员提出了许多低照度图像增强算法。以下是一些具有代表性的低照度图像增强算法：

Retinex 算法

• Retinex 是一种基于科学实验和分析的图像增强方法，由 Edwin.H. Land 于 1963 年提出。
• Retinex 算法的核心理论是：物体的颜色由物体对不同波长光线的反射能力决定，而不是由反射光强度的绝对值来决定。
• Retinex 可以在动态范围压缩、边缘增强和颜色恒定三个方面平衡，适用于不同类型的图像。
• 具体实现可以使用单尺度或多尺度的 Retinex 算法，结合颜色恢复和简单的颜色均衡。

MBLLEN 算法

• MBLLEN 是一种基于深度学习的低照度图像增强算法。
• 它能够获得更自然的增强效果，使图像整体看起来更舒服，细节更清晰。
• 在真实的文档图像上，MBLLEN 的增强效果也相当不错，仿佛给图片带来了阳光，整个图片变得更亮堂。

KinD 算法

KinD 是另一种基于深度学习的低照度图像增强算法。

它在视觉质量、计算效率和下游视觉任务应用方面取得了突破。KinD 算法的研究背景是低光照图像增强作为图像处理中的经典任务，对智能安防、视频监控等领域至关重要。

自校准光照学习 (SCI) 算法

• SCI 是一种全新的低光照图像增强方案，通过构建引入自校准模块的权重共享光照学习过程，实现了仅使用简单操作进行增强的目的。
• 在视觉质量、计算效率和下游视觉任务应用方面都取得了突破性进展

ZEGO低照度图像增强技术优势

ZEGO 即构科技拥有一支专门从事视频增强的人工智能研发团队，并且已系统的建立了一套复杂的人工智能画质增强算法。该团队多年来深耕图像处理技术，不断超越现有的技术手段，即使在极端的低照度场景，也能提供令人惊艳的画质，同时能够在边缘设备上以高分辨率、高帧率、进行实时运行。

• FHD 实时视频 

FHD 视频是指具有高帧率的高清视频，它能给用户更好的观看体验。由于采用了深度学习算法训练得到的 2D/3D-LUT，该算法能在保证增强质量的同时进行实时处理。

• 舒适自然的视觉体验

我们相信 “少即是多 “的理念。我们对不同亮度的区域做不同程度的处理，避免过曝，使视频看起来自然、舒适。当我们检测到视频画面足够亮时，我们甚至不进行任何处理。

• 全面覆盖移动设备，包括低端设备

得益于离线深度学习方法和其他创新措施，ZEGO 低照度技术即使在低端或老旧智能手机（如小米 2S 或 iPhone 4S）和物联网设备上也能有出色的性能表现。

• 极端照明条件下的鲁棒性

ZEGO 低照度技术已经在大量的极端照明情况下进行了测试，能够在极端黑暗或明亮的条件下良好工作。我们还与其他友商解决方案进行了对比测试，发现后者在极端的照明条件下会出现炫光或闪烁等异常情况。

ZEGO 即构科技低照度处理技术能够智能感知环境光亮程度，并智能调整图像亮度到符合人眼舒适程度，一切以符合用户的感知为标准进行暗场景智能化调整。目前即构SDK已集成低照度增强模式，感兴趣的朋友可以注册去免费体验。