当在低光条件下拍摄图像时，图像通常会出现低可见性的问题。除了降低图像的视觉美感外，这种低质量还可能显著降低许多主要为高质量输入设计的计算机视觉和多媒体算法的性能。

项目信息

编号：MCV-11
大小：12.5M

运行条件

Matlab开发环境版本：
– Matlab R2023b

项目介绍

本研究提出了一种简单而有效的低光图像增强方法，称为LIME（Low-light Image Enhancement）。该方法首先通过在R、G、B通道中找到最大值来分别估计每个像素的照明，然后在初始照明图上施加结构先验进行优化，生成最终的照明图。实验结果表明，使用LIME方法增强后的图像在亮度和清晰度方面有显著提高，能够有效改善低光条件下图像的可见度。

在这项工作中，我们提出了一种非常简单但有效的方法，称为LIME，用于增强低光图像。更具体地说，通过在R、G和B通道中找到最大值，首先分别估计每个像素的照明。进一步地，我们通过在初始照明图上施加结构先验来优化它，得到最终的照明图。有了这个构建良好的照明图后，可以相应地实现增强效果。

项目报告

Tipps：设计报告Word格式，需要另外购买。
– 项目配套文档：设计报告

算法流程

代码讲解

Tipps：仅对LIME.m部分代码简要讲解。该项目可以按需有偿讲解，提供后续答疑。

运行效果

– 运行demo.m
图像1（输入）

分析：这是原始低光图像，显示了在夜晚拍摄的悬崖边的建筑和背景中的月亮。图像整体亮度较低，细节不清晰。

图像2（LIME）

分析：这是经过LIME方法增强后的图像。图像的亮度和对比度显著提高，之前不清晰的细节变得更为明显。色彩也更加丰富，背景中的细节得到了更好的呈现。

图像3（初始照明图）

分析：这是通过在每个像素的RGB通道中找到最大值生成的初始照明图。高亮区域被突出显示（主要是图像中的建筑和天空中的月亮），呈现出显著的红色和黄色。这张图像主要用于展示图像中的亮度分布情况。

图像4（优化后的照明图）

分析：这是在初始照明图基础上施加结构先验后的优化照明图。优化后的照明图更加平滑和一致，突出了主要结构和光照区域，减小了噪声和不规则性。

项目文档

Tipps：可根据您的需要有偿文档撰写及文献翻译。
– 文档格式：WORD、PPT (后续免费修改服务)
– 文献翻译：中译英、英译中 (后续免费修改服务)

远程部署

Tipps：购买后可免费协助安装，确保运行成功。
– 远程工具：Todesk 、向日葵远程控制软件
– 操作系统：Windows OS

项目文件

文件目录

Tipps：完整项目文件清单如下：
项目目录
– 1.Code (完整代码：确保运行成功)
– 2.Result (运行结果：真实运行截图)
– 3.Demo (演示视频：真实运行录制)

声明：本站所有项目资源都可以正常运行，亲测无错！而且我们录制了演示视频，在我们注明的环境版本下，项目运行效果完全和演示视频一致。客服QQ：下载须知