tony365的博客

首先weight map的计算和 mertens有所不同。mertens方法中，主要使用了亮度，对比度，饱和度三个概念。local contrast的实现效率比较低，先stack在一起多层。借鉴了 mertens的方法，进行rgb和nir图像的融合。然后 V 与 NIR图像计算weight map。然后 高斯-拉普拉斯金字塔融合，得到新的V。rgb转换到 HSV，对比度增强，就是锐化。

是不是满足这个条件可以看下通过设置 图像输入，相同灰度的像素 输出的 weightmap是不是也是相同的。查找表没有利用语义信息，可能不够平滑，即使假如guide filter,guide filter的参数也不能自适应调整。输入一个图像 全为0， 得到K个weight map，求这k个weight map的mean, 作为。还有一个最终要的问题就是。这样的假设相当于认为， 网络学到的映射关系是 只与 单个像素值有关系。效果不如本文提出的网络，说明本文提出的网络转换为1Dlut 更加有效。

tone mapping

作者 LUXI ZHAO , ABDELRAHMAN ABDELHAMED , AND MICHAEL S. BROWN。然后每个patch的中心直接用1D lut， 其他部分像素用周边lut插值得到，避免引入aritfact.个patch， 卷积网络为RGB三个通道预测。损失函数是 L2 + 浅层vgg特征损失。就是每个patch 3个1D lut.个 look up table,

更多分析和代码，查看。

原图：图分割算法：分为129块， 129个颜色表示每一块129块分别用 灰度0，1，2，3… 128表示原理参考： code主函数如下可以得到上面的两张图。2. 按灰度区域合并区域分割后129个region, 然后将其归类为10个gray zone.灰度值范围[0, 1]zone 0: [0,0.1]zone 1: [0.1,0.2]zone 2: [0.2,0.3]zone 3: [0.3,0.4]zone 4: [0.4,0.5]zone 5: [0.5,0.6]zone 6