低光图像增强
在户外场景拍摄的影像可高度退化由于恶劣的照明条件。这些图像可以具有影响的计算机视觉算法的整体性能高噪音水平低动态范围。为了让计算机视觉算法在低光照条件下坚固，采用低光图像增强，以提高图像的可见度。低光图像或HDR图像的逐像素反转的直方图是非常相似的朦胧的图像的直方图。因此，你可以用阴霾去除技术来提高低光图像。
利用除霾技术增强低光图像包括三个步骤:
步骤1：反相低光图像。
步骤2：浊度移除算法应用到反相低光图像。
步骤3：反转的增强图像。
利用去雾算法增强微光图像
导入在低光拍摄的RGB图像。
A = imread（'lowlight_11.jpg');图中,imshow(一个);
反转图像，注意原始图像中的弱光区域是如何变得模糊的。
AINV = imcomplement（A）;图中，imshow（AINV）;
使用缩小的阴霾imreducehaze功能。
彼女= imreducehaze（AINV）;图中，imshow（彼女）;
反转的结果，以获得增强的图像。
B = imcomplement（彼女）;
显示原始图像和增强的图像，并排侧。
图中，蒙太奇（{A，B}）;
改善结果进一步使用imreducehaze可选参数
为了获得更好的结果，呼imreducehaze倒置图像再次，这次指定一些可选参数。
彼女= imreducehaze（AINV，'方法'，“约”，'ContrastEnhancement'，'促进');BImp = imcomplement (BInv);图中,蒙太奇({,BImp});
提高光线不足的图像的其他例子
导入在低光拍摄的RGB图像。
A = imread（'lowlight_21.jpg');
反转图像。
AINV = imcomplement（A）;
应用除雾算法。
彼女= imreducehaze（AINV，'ContrastEnhancement'，'没有');
反转的结果。
B = imcomplement（彼女）;
显示原始图像和增强的图像，并排侧。
图中，蒙太奇（{A，B}）;
减少色彩失真，通过使用不同的色彩空间
从RGB彩色到的L * a * b *表色空间转换输入图像。
实验室= rgb2lab（A）;
倒转的L * a * b *表图像。
LInv = imcomplement（实验室（：，：，1）./ 100）;
使用Dehaze倒像imreducehaze功能。
LEnh = imcomplement (imreducehaze (LInv'ContrastEnhancement'，'没有'））;
增加饱和度。
LabEnh(:，:，1) = LEnh .* 100;LabEnh(:，:，2:3) = Lab(:，:，2:3) * 2;％增加饱和度
将图像转换回RGB图像并显示原始和增强图像，并排侧。
AEnh = lab2rgb（LabEnh）;图中，蒙太奇（{A，AEnh}）;
提高使用去噪结果
低光图像具有高噪声水平。加强弱光图像可以增加此噪声水平。去噪可以是一种有用的后处理步骤。
使用imguidedfilter功能从增强后的图像中去除噪声。
B = imguidedfilter（BIMP）;图中，蒙太奇（{BIMP，B}）;
估计照明图
导入在低光拍摄的RGB图像。
A = imread（'lowlight_21.jpg');
反转图像。
AINV = imcomplement（A）;
在除雾算法应用到图像。
[彼女，TINV] = imreducehaze（AINV，'方法'，'approxdcp'，'ContrastEnhancement'，'没有');
反转增强后的图像。
T = imcomplement (TInv);
显示原始图像旁边的估计照明地图的假颜色。
图中，副区（1,2,1）;imshow（A），标题（“低光图像”);副区（1,2,2）;imshow（T），标题（“照明地图”);颜色表（GCA，热（256））;
限制
这种方法可能会失去一些细节，或获得过增强，因为在低光照条件下的黑暗通道的适应性差。
参考文献
董璇等。“快速高效的算法增强光线不足的视频。”多媒体和博览会（ICME），2011年IEEE国际会议。IEEE，2011。
参考文献
[1]董，X.，G.王，Y.庞，李W.，J.文，W.蒙了，Y.路。“快速高效的算法增强光线不足的视频。”IEEE论文集®国际会议的多媒体和博览会（ICME）。2011年，第1-6页。
也可以看看
你也可以从以下列表中选择一个网站:
