VIP20

本课程属于：023-3A算法与ISP图像处理 AI视觉与工业视觉 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

低光增强与逆光补偿实战方法

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

低光增强概述

什么是低光图像？低光增强的应用场景（… · 手机摄影 · 自动驾驶）

低光增强概述什么是低光图像？…

直方图均衡化（HE）

原理讲解 · 全局直方图均衡化实现 · 局限性分析（噪声放大

HE直方图均衡化

自适应直方图均衡化（AHE）

局部对比度增强原理 · AHE实现步骤 · CLAHE（限制对比度）的引入与实战

AHE自适应直方图均衡…

Gamma校正与对数变换

Gamma校正原理 · 不同Gamma值的效果对比 · 对数变换与指数变换在低光增强中的应用

Retinex模型（光照分量与反射分… · 单尺度Retinex（SSR） · 多尺度Retinex（MSR）

基于滤波的Retinex改进

引导滤波 · 双边滤波在光照估计中的应用 · 快速Retinex算法实现

Retinex基于滤波的

暗通道先验去雾与低光增强

暗通道先验原理 · 从去雾到低光增强的迁移 · 去雾增强的局限性

暗通道先验去雾低光增强

基于融合的低光增强

多曝光图像融合 · 金字塔融合（Laplacian/Ga… · 权重图设计（对比度

基于融合的低光增…多曝光图像融合

基于深度学习的低光增强概述

CNN在低光增强中的演进 · 经典网络（LLNet · Retinex-Net

基于深度学习的低…CNN

零参考深度曲线估计 · 亮度调整曲线 · 损失函数设计（空间一致性

Zero-DCE零参考深度曲线估…

PyTorch/TensorFlow… · 模型训练与推理 · 效果对比与调优

Zero-DCEPyTorch/Tens…

Retinex-Net详解

分解网络（Decom-Net） · 调整网络（Enhance-Net） · 联合训练策略

Retinex-NetDecom-Net

Retinex-Net实战

数据准备（LOL数据集） · 模型搭建 · 训练与评估

GAN在低光增强中的应用 · 全局-局部判别器设计 · 自感知感知损失

EnlightenGANGAN

EnlightenGAN实战

生成器与判别器实现 · 训练技巧（学习率 · 损失权重）

EnlightenGAN生成器

基于Transformer的低光增强

Transformer在图像恢复中的… · IPT（Image Processi… · Uformer在低光增强中的应用

Transformer基于

轻量化低光增强模型

MobileNet/ShuffleN… · 知识蒸馏 · 模型剪枝与量化

轻量化低光增强模…MobileNet/Sh…

低光增强中的噪声抑制

低光图像噪声模型（泊松-高斯） · BM3D去噪 · 深度学习去噪（CBDNet

低光增强噪声抑制

色彩恢复与白平衡

低光增强中的色彩失真问题 · 自动白平衡算法（灰度世界 · 完美反射）

色彩恢复白平衡

视频低光增强

时序一致性约束 · 光流引导增强 · 在线实时增强方案

视频低光增强时序一致性约束

低光增强数据集

LOL数据集 · MIT-Adobe FiveK · DarkFace

低光增强数据集LOL

评价指标详解

PSNR · SSIM · LOE（Lightness Orde…

评价指标详解PSNR

OpenCV实战低光增强

使用OpenCV实现CLAHE · Gamma校正 · Retinex

OpenCV实战低光增强

基于Zero-DCE的API封装 · 批量处理脚本 · Web Demo（Flask/Gra…

移动端部署

ONNX导出 · TensorFlow Lite转换 · Android/iOS集成实战

移动端部署ONNX

逆光补偿概述

逆光场景特点 · 逆光与低光的区别 · 逆光补偿的难点（高动态范围

逆光补偿概述逆光场景特点

基于HDR的逆光补偿

多曝光HDR合成 · 色调映射（Tone Mapping） · 逆光场景的HDR应用

基于深度学习的逆光补偿

逆光专用网络（如GLADNet · MBLLEN） · 局部自适应增强

基于深度学习的逆…GLADNet

逆光补偿实战

构建逆光补偿管线（检测逆光区域 ->… · 效果对比与优化

逆光补偿实战构建逆光补偿管线

综合项目实战

从零构建一个低光/逆光增强系统 · 包含数据准备 · 模型选择

综合项目实战从零构建一个低光