簡介
本篇主要是對論文：Automatic Exposure Correction of Consumer Photographs 的實現總結。
作用是爲了讓圖像曝光、細節更好。
論文地址：點擊打開鏈接
實現原理
根據對輸入圖像的亮度信息進行分析處理，進而獲得該圖片對應的S型Gamma曲線。利用這條曲線對輸入圖像進行處理，得到更好曝光和細節效果的圖像。
算法實現
圖像分割
將輸入圖像縮放後，利用：graph-based segmentation方法進行圖像分割，直接網上搜索該關鍵字，有對應的論文和直接的代碼下載，代碼做點小修改之後
可以直接opencv編譯通過。
得到的結果如下：
縮放後圖像 區域分割後圖像
區域合併
首先將圖像歸一化，接着根據亮度0.0、0.1....1.0將圖像分爲11層。然後將之前分割出來的區域塊，根據亮度層進行合併。
得到的結果如下：
區域合併後圖像
細節提取
將圖像根據前面的分層和亮度中間值V爲分界線，將圖像分爲暗區和兩區兩部分；，對圖像分別用Gamma(2.2, 0.445)進行處理，得到欠曝和過曝圖像。
接着對着三張圖像進行canny 細節提取。針對之前得到的前面分層，根據每層亮度是否大於V，計算出該層的細節佔總細節的比例：Vb或者Vh。
區域尺寸比例
計算出每層區域的像素佔整個圖像像素的比例，對應爲：Ci;
相鄰層直方圖距離
得到每層對應的直方圖，計算兩兩相鄰層之間，直方圖重合區域最大時候移動的距離，記錄爲Dij。
區域層亮度重映射
根據論文上公式：
根據公式算法，枚舉所有可能的的區域層亮度組合，算出每種組合的Z值，取Z值最小時候的組合，就是我們求得的新區域層亮度。
如本文圖片範例所示：最開始的區域層亮度爲：0 1 2 3 4 7 8；算法調整後爲：2, 2, 2, 3, 5, 7, 8。亮處的區域層亮度沒有變化，暗處區域層
亮度增加了不少。
S曲線調整
前面得到的區域層亮度，就是用來求S曲線的Qs, Qh。如下圖所示：
Qs由如下公式求得：
ei可以理解爲區域層亮度調整前的區域亮度與區域size的比值；e'i爲區域層亮度調整後的區域亮度與區域size的比值。
Qh也是類似方式求得，本文範例圖像上，亮處區域調整爲0，所以Qh計算出來爲0，Qs爲正數。
接着便可以利用公式： 對原圖像進行S曲線調整。
處理後的結果對比如下：
S曲線調整後結果對比
可以明顯的看到，暗處的亮度和細節已經起來了。
細節優化
前面的調整，提高暗處亮度，本質上會壓縮了中間區域的動態範圍，將會導致圖像看起來有些朦朧模糊；因此在這基礎上，還需要
做些細節增強的處理。對原圖像I做guided filter，到新圖像F,用I - F得到用來增強細節的圖像。
接着使用如下公式進行處理：
處理後的結果對比如下：
可以看到右邊圖像細節部分，得到了增強。
色彩調整
前面可以看到，新圖像亮度增加之後，飽和度會降低。所以，這裏根據原圖像亮度和色彩的比值，以及新圖像的亮度，
來從新調整新圖像的色彩。
處理後的結果對比如下：
可以看到新圖像的色彩飽和度已經起來了。
另外需要注意，該算法的大缺點：會放大噪聲。
以上，圖像調整完畢。
結果顯示
最後，看幾組該算法的處理結果：
可以看到：該算法對弱光下拍攝的圖像，暗處細節得到了明顯的加強，同時對正常曝光的圖像，也不會造成變壞的影響。
