Image Enhance (图像增强：论文)_retinexmamba

图像增强领域的发展和研究

标题：基于生成模型的低光照图像增强算法综述(来自知网)

基于自编码器的方法
基于生成对抗网络的方法（GAN）
基于扩散模型的方法（DDPM）
本文总结
本文主要介绍了这三种生成模型在图像增强方面的方法，通过这篇文章获得的创新点就是可不可以将扩散模型用于图像的增强。

标题：Advancements in Low Light Image Enhancement Techniques and Recent Applications

摘要
这张图展示了低光照图像增强的不同技术方法，包括灰度变换、直方图均衡、去雾模型、Retinex方法、图像融合、小波变换和机器学习方法。每种主要方法又被细分为不同的子类。

1. 灰度变换（Gray Transformation）：

   • 线性变换（Linear Transformation）
   • 非线性变换（Non Linear Transformation）

2. 直方图均衡（Histogram Equalization）

3. 去雾模型（Defogging Models）

4. Retinex方法（Retinex Methods）：

   • 单尺度Retinex（Single Scale Retinex）
   • 多尺度Retinex（Multi Scale Retinex）

5. 图像融合（Image Fusion）

6. 小波变换（Wavelet Transform）

7. 机器学习方法（Machine Learning Methods）

这些技术各自针对不同的低光照图像增强需求，提供了多种手段来改善图像质量。通过这些方法，可以在不同场景下有效地提升图像的对比度、亮度和细节，进而提高图像的可用性和视觉效果。

灰度变换技术
数字图像由称为像素的二维数组组成。每个像素对应于图像中的一个位置，由其(x, y)坐标定义。根据强度级别，每个像素值的范围从0到255，分别表示其暗度或亮度。仅具有像素强度作为图像细节的图像是灰度图像。颜色空间、图像大小、内存空间、分辨率等是其他关键图像细节。众所周知，任何观察到的颜色都是由红、绿、蓝三种主要颜色成分组合而成的。因此，彩色图像有三个不同的强度层，分别表示红色、绿色和蓝色的强度。这三种颜色的组合比例决定了该像素的真实颜色。通常，低光照图像的像素值比对应的真实图像要小。灰度变换方法通过基于映射的方法将每个像素的低灰度值转换为较高的灰度值。该方法通过修改灰度值和分布的动态范围来增强图像。该方法有两种子类：线性灰度变换和非线性灰度变换。

总结：

1. 像素和图像组成：

   • 数字图像由像素组成，每个像素都有一个(x, y)坐标。
   • 像素值根据其暗度或亮度范围在0到255之间。

2. 灰度图像和彩色图像：

   • 灰度图像仅使用像素强度表示图像细节。
   • 彩色图像由红、绿、蓝三个颜色强度层组成，每个颜色层都有其强度值。

3. 低光照图像：

   • 低光照图像的像素值通常较低。
   • 灰度变换方法通过映射将低灰度值转换为较高灰度值，以增强图像质量。

4. 灰度变换方法：

   • 该方法通过修改灰度值的动态范围和分布来增强图像。
   • 包括两种子类：线性灰度变换和非线性灰度变换。

这段内容详细解释了数字图像的基本组成、灰度图像和彩色图像的区别、低光照图像的特点以及灰度变换方法如何通过调整灰度值来增强图像质量。
线性灰度变换
在这种方法中，灰度值被线性变换，因此称为线性拉伸，其公式为：

[ 声明：本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：【wpsshop博客】