为了解决在低照度条件下,可见光成像设备采集的图像亮度低、细节不清晰等问题,提出一种基于亮度通道细节增强的低照度图像处理算法。首先,将图像从RGB转换到Lab颜色模型,将Lab模型中的亮度通道通过指数派生函数校正构造为光照分量,再经过Retinex增强得到初步增强图像。然后,采用结构张量和多尺度引导滤波分别对初步增强图像进行细节提取,并将两种方法提取的细节信息进行了融合。最后,将细节图像和初步增强图像融合得到了目标图像。实验结果主观上得到了亮度合适、细节清晰的增强图像,客观上在亮度失真、信息熵和能量梯度上均有良好且稳定的表现,表明该算法能够有效提高图像的亮度和细节信息,并保持自然的色彩和光照效果。

out=HDRblend(imagepath,image_type,contrast,gamma,verbose) 融合“image_type”类型的图像，位于“imagepath”指定的文件夹内，添加“contrast”定义的局部对比度增强，以及“gamma”定义的伽马校正-------------------------------------------------- ------------------------ imagepath: string - 包含不同曝光的文件夹的路径image_type: string - 图像文件格式 'jpg', 'png' 等。都应该是彩色图像！ 对比度： [0,100] 范围内的两倍 - 局部对比度补偿的程度伽马：逻辑 - 为总曝光过度和总曝光不足的图像启用伽马补偿详细：逻辑 - 显示中间结果所有图像必须具有相同的大小和格式！ -------

matlab开发-基于多曝光图像融合的光照估计。融合高动态范围（HDR）场景中两个或多个不同曝光图像的功能。