版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/lz0499/article/details/82082481
多尺度的图像细节提升
论文的全名是DARK IMAGE ENHANCEMENT BASED ON PAIRWISE TARGET CONTRAST AND MULTI-SCALE DETAIL BOOSTING，论文核心的字段如下：
论文的核心思想类似于Retinex，使用了三个尺度的高斯模糊，再和原图做减法，获得不同程度的细节信息，然后通过一定的组合方式把这些细节信息融合到原图中，从而得到加强原图信息的能力：请参考这一篇博客介绍：SSE图像算法优化系列十二：多尺度的图像细节提升。该博客给出了SSE的实现过程
实现代码：
def multiScaleSharpen(img ,radius):
h,w,chan = img.shape
GaussBlue1 = zeros(img.shape,dtype = uint8)
GaussBlue2 = zeros(img.shape, dtype=uint8)
GaussBlue3 = zeros(img.shape, dtype=uint8)
Dest_float_img = zeros(img.shape, dtype=float32)
Dest_img = zeros(img.shape, dtype=uint8)
w1 = 0.5
w2 = 0.5
w3 = 0.25
GaussBlue1 = cv2.GaussianBlur(img,(radius,radius),1)
GaussBlue2 = cv2.GaussianBlur(img,(radius*2-1,radius*2-1),2)
GaussBlue3 = cv2.GaussianBlur(img,(radius*4-1,radius*4-1),4)
for i in range(0,h):
for j in range(0,w):
for k in range(0,chan):
Src = img.item(i,j,k)
D1 = Src-GaussBlue1.item(i,j,k)
D2 = GaussBlue1.item(i,j,k) - GaussBlue2.item(i,j,k)
D3 = GaussBlue2.item(i,j,k) - GaussBlue3.item(i,j,k)
if(D1 > 0):
sig = 1
else:
sig = -1
Dest_float_img.itemset((i,j,k),(1-w1*sig)*D1+w2*D2+w3*D3+Src)
Dest_img = cv2.convertScaleAbs(Dest_float_img)
return Dest_img
if __name__ == '__main__':
img = cv2.imread("LenaRGB.bmp")
multiScaleSharpen_out = zeros(img.shape, dtype=uint8)
multiScaleSharpen_out = multiScaleSharpen(img,5)
cv2.namedWindow("original image", cv2.WINDOW_NORMAL)
cv2.namedWindow("multiScaleSharpen image", cv2.WINDOW_NORMAL)
cv2.namedWindow("Compare image", cv2.WINDOW_NORMAL)
cv2.imshow("original image", img)
cv2.imshow("multiScaleSharpen image", multiScaleSharpen_out)
cv2.imshow("Compare image",hstack((img,multiScaleSharpen_out)))
cv2.imwrite("multiScaleSharpen_LenaRGB.bmp", multiScaleSharpen_out)
cv2.waitKey(0) # 等待键盘触发事件，释放窗口
实现效果图：
参考资料：