На приведенных фото нормальный результат только с Autolevel.
А прочитав название статьи, решил что речь пойдёт про некое подобие градиентного фильтра в Lightroom… Ан нет…
На мой взгляд MSR лучше ввсего справился с задачей выравнивания освещения по всему изображению. Все объекты что на фото с маяком что на фото с девочкой стали хорошо видны
Не согласен. Исходное изображение с маяком темное, объекты типа машины и деревья на заднем плане совсем не видны. MSR делает все объекты хорошо видимыми, но фотография становится менее естественна. Гамма коррекция оставляет фото естественным, но алгоритм либо высветляет либо затемняет изображение, что не всегда хорошо. А автолевел сделал маяк слишком белым, а машина и деревья слева так и не видны.
Также согласен. Вот пример как можно улучшить изображение
Полная статья здесь
И хотя там совершенно другой метод обработки требующий 3 снимков с разной экспозицией, можно попробовать применить его к нескольким снимкам, полученным с одного.
Кстати у моей камеры есть подобный режим съёмки. Она делает три снимка с разной экспозицией а потом на основе их делает один. По такому же принципу есть режим и с разным фокусным расстоянием.
Такой режим называется брекетинг экспозиции. И к данной статье не имеет никакого отношения. Равно как и статья не имеет отношения к улучшению (восстановлению) фотографии.
Статья про «Восстановление неравномерно освещенных изображений». А несколько снимков с разной экспозицией например можно получить из одиночного RAW снимка.
Несколько снимков с разной экспозицией не нужно получать из одиночного RAW. Это метод-костыль придуман для того, чтобы обманывать софт для tone-mapping, который не понимает RAW на входе. Тон-маппинг и приведенные выше алгоритмы могут быть применены к RAW-данным непосредственно, в общем случае.
Ну да, если есть хорошая камера и задача стоит сделать хорошие снимки, то этот метод обработки актуален.
А когда задача стоит улучшить восприятие практически не видимых объектов на данной фотографии, то MSR и Гамма коррекция могут прекрасно с этим справится.
Вот в такой постановке уже можно о чем-то говорить.
К сожалению, ни в заголовке, ни в описании нет указания, что цель — распознавание образов.
Впрочем, тогда нужно рассматривать другие критерии — насколько такие улучшения могут исказить образ
визуальное качество изображения как раз-таки ухудшилось: появились пересветы на стене дома, непонятная тень вокруг маяка, изменилось время суток. А фонарь, машину, деревья, табличку, подпорки у дерева — всё это было видно и так.
В том то и дело, что эти методы, гхм, не совсем для людей (и совсем не для людей).
Если перестать говорить «улучшилось», а начать пользоваться строгими терминами, вроде «повышен локальный контраст» или что-то в этом духе, все встанет на свои места…
Вот с этого и надо было начинать…
Потому как слово «улучшение» может соответствовать чему угодно — от модной нынче «обработки фотографий» до алгоритмов машинного зрения.
Художественной ценности вышеописанные алгоритмы фотографиям явно не прибавляют. А вот ориентирующийся в дыму и тумане робот за такое улучшение будет благодарен. Как и дорожная камера.
Вопрос не по теме: а нет ли в numpy быстрого оператора свертки, который бы передавал функции на питоне окно исходного массива, и быстро пробегал бы этим окном весь массив?
Я иногда для вытаскивания объектов из тени пользуюсь Enfuse-ом (open-source утилита).
Беру фотографию, делаю из нее несколько с разной экспозицией (подтягиваю уровень белого, чтобы линейно увеличить яркость).
А потом загоняю их все в Enfuse. На выходе получается фотография с выровненной экспозицией без потери цвета и прочих искажений.
Алгоритм получается похожим на Multi-Scale Retinex, но Enfuse аккуратно обращается с границами объектов, поэтому артефактов со свечением и тенями вокруг объекта не возникает.
Детали можно узнать тут.
Адаптивная чуствительность нужна фотоаппаратам… Как у живого глаза, чтобы в яркое вглядывался меньше, а затенённое — больше, и давал картинку с относительно выровненной яркостью… когда придумают?..
Восстановление неравномерно освещенных изображений