寬動態紅外圖像增強算法綜述
回顧過去
帶你回顧寬動態紅外圖像增強算法的歷史進程，歷來學者的一步步革命（新的算法框架提出），一步步改革（改進優化），從簡單粗暴到細致全面。
正所謂是：改革沒有完成時，只有進行時。沒有完美的算法，也沒有最好的算法，只有更好更優秀的算法。
展望未來
以現在看90年代的算法，那時候的算法是有點粗糙，但是正是在這一點點的積累上，才有了現在較之優秀完美的算法。
正所謂是：站在巨人的肩膀，我們看得更遠，不積跬步無以至千里。
目錄
為什么需要該算法？
摘要
主要的三類算法思路大致介紹
第一類：基於映射的寬動態圖像增強算法
第二類：基於圖像分層的寬動態圖像增強算法
第三類：基於梯度域的寬動態圖像增強算法
三類算法的對比與優缺點分析
1.關於為什么需要寬動態紅外圖像增強算法？
詳見我之前的文章《數字細節增強算法的緣由與效果（我對FLIR文檔詳解）》
https://blog.csdn.net/hahahahhahha/article/details/102978112.
2.摘要：
從三類算法開始介紹，基於映射的寬動態圖像增強算法，基於圖像分層的寬動態圖像增強算法，基於梯度域的寬動態圖像增強算法。
3.主要的三類算法思路大致介紹
早期的算法（大概1999年之前），主要是基於映射的。實現簡單，復雜度低，但是細節不夠凸顯。
為此，學者提出了基於圖像分層的算法（大概是從2001年開始），這種算法是將原始圖像分為基礎層和細節層，然后分別處理，以保證在壓縮動態范圍的前提下凸顯細節信息，這類算法在細節增強上有了很大提升，但是容易產生 梯度反轉 和 光暈現象。
為解決 梯度反轉 和 光暈現象，學者又提出了基於梯度域的算法，但是不如第二類算法的細節效果好。
4.第一類：基於映射的寬動態圖像增強算法
包括有：自增益的線性映射，Gamma 曲線，直方圖投影等。
4.1 自增益的線性映射**
Iout（i,j）=255*Iin（i,j）/(max(Iin)-min(Iin));
最大值和最小值都是去掉極值之后得到的。
如何去極值呢？留給你自己思考吧。
4.2 Gamma 曲線
不同的Gamma參數 對應不同的效果，時好時壞，得手動調試，無法自適應。
還有就是無法消除或者越過“空缺灰度值”，因為gamma曲線無法做到分段處理。
4.3 借助直方圖
4.3.1 最原始的直方圖均衡
在某些場景上效果不錯，但是缺點也很明顯，過度增強，噪聲過度放大，丟細節，褪色。
4.3.2 平台直方圖均衡
最原始的直方圖均給我們帶來了一種高對比度的視覺體驗，但它問題多多。
就丟細節這一點，FLIR在它的文檔中已經明確說明：FLIR的DDE不是HE(直方圖均衡)。我的這篇文章中對此有說明 https://blog.csdn.net/hahahahhahha/article/details/102978112.
它的水洗效果washed-out褪色 ，它的噪聲放大更是無法容忍。
因此，學者又提出了一些優化辦法。1995年，Vickers 提出了基於閾值的平台直方圖均衡算法（plateau histogram equalization ，PHE） 。
4.3.3 自適應直方圖均衡
1987年，PIZER等人還提出了自適應直方圖均衡算法（adaptive histogram equalization ，AHE）,這是一種不同於最原始的直方圖均衡它是分區域的，從此打開了直方圖均衡的另一扇窗，大家才知道原來還可以這么玩，也便有了“全局global”和“局部local ”之說。
AHE的優點是能夠凸顯局部細節，但是其缺點也是很惱人的，那就是很容易放大噪聲。
4.3.4 限制對比度的自適應直方圖均衡
1994年，ZUIDER VELD提出了對比度限制的自適應直方圖均衡（CLAHE）算法，發表了舉世矚目的經典論文《contrast limited adaptive histogram equalization 》（強烈推薦學習），在算法在醫學圖像處理，安檢圖像處理有着非常廣泛的應用。該算法從娘胎里就帶來了光暈現象，還需改善。
MATLAB的Image toolbox 中有相關函數adapthisteq，我個人覺得：輸入參數為手動，不能自適應，只是16-16，或者8-6，不適用於16bit到8bit 的紅外圖像處理。要想用，那就看原論文，自己寫代碼。
4.3.5 直方圖映射
2009年，南理工的左超等人，在其論文中提出了一種改進型的直方圖映射（modified histogram projection），該算法是在原始直方圖均衡的基礎上改進，不會放大噪聲，類似普通的線性映射，與普通線性映射的區別是，該算法能夠有效的越過（或者消除）“空缺灰度值”，在高動態的紅外圖像壓縮中，能夠得到一種類似“自適應的分段線性映射”的方法。對於灰度跨越過大的圖像，效果很好。比如：一個人手上拿着一個很熱的水杯。
結束語：
這一回用一首打油詩做個總結：
紅外圖像寬動態，
算法分為三大派。
基於映射第一類，
各路學者太有才。
全局局部都能搞，
是否線性無所謂。
噪聲抑制很關鍵，
圖像效果得改善。
時間有限，先寫這么多。
下回聊重點聊：
“基於圖像分層的寬動態圖像增強算法”。