一、背景介绍
继续在整理对比度调整相关算法，发现一篇单帧动态范围提升的算法：Simulated Exposure Fusion，论文表现看起来很秀，这里尝试对它进行了下效果复现。
二、实现流程
1、基本原理
整体来说，大致可以分为两步：
a、将单帧输入图像拆分为多帧图像，每帧图像相对输入来说，只保留部分区域信息，并对这部分区域进行了动态范围拓展。
b、对生成的多帧图像进行图像融合，得到最终结果图像，具体细节可以参考资料：杞朹：曝光融合(Exposure Fusion)
由于融合部分复用了之前讲过的算法，因此我们这里重点只关注如何生成帧。
在生成帧上，也分为两种情况：
a、外部直接指定生成帧数量。
b、算法内部自适应计算生成帧数量。
2、输入信息
a、单帧图像输入，并将输入图转换到HSV空间，对V通道处理。
b、三个输入参数：alpha, beta, lambda。
其中lambda参考论文，可以直接设置为0.125。
3.1、图像拆分帧数(外部指定)
beta可以控制生成帧数量：比如beta为0.25，那么设置生成帧数量M=1/beta=4。
3.2、图像拆分帧数(自适应生成)
a、利用直方图统计信息，计算出来图像中值，根据图像中值来反映当前图像的整理亮暗层度。
b、在后面帧序列生成上，我们可以知道，每个帧序列的有效像素范围为：
因此，我们可以根据公式：
找到序列帧之间，不存在有效像素公共区域的最大可拆帧数量，作为当前可生成帧的最大序列数量M。
对应的伪代码实现为：
4、帧序列生成
a、根据公式：
对生成序列每一帧都进行简单亮度调整,得到调整后图像f。
b、对生成序列每一帧，根据公式计算一个参数：
c、当图像f像素值范围在：
之间的时候，像素值保持不变。
否则像素值为：
通过这种方式保证当前序列帧只关注原图像
范围内的图像信息，并且保证和范围之外的像素信息过度平滑，避免出现明显截断。
d、生成帧演示：每一帧序列可以用如下一条曲线表示实际包含的原图像素信息：
部分实际序列帧效果：
三、效果对比
左边为输入图，右边为结果图像：
四、复现代码
相关的matlab代码，可以参考：IPOL Journal · Simulated Exposure Fusion
我这边做了简单的c++版本复现：
ImageQualityEnhancement/ltm/sef at master · yulinghan/ImageQualityEnhancement · GitHub