一、背景介绍
之前刷对比度相关调整算法，找到效果不错，使用局域拉普拉斯做图像对比度调整，尝试复现和整理了下相关代码。
二、实现流程
1、基本原理
对输入图像进行高斯金字塔拆分，对每层的每个像素都针对性处理，生产一组拉普拉斯金字塔图像，再图像重建，得到结果图像。
具体处理上：
a、针对每个像素点，以它原图位置为中心，在原图上取窗口区域ROI1。
b、以当前高斯层的当前像素和它对应ROI1为输入，根据预定公式得到细节和对比度调整后的原图窗口图像ROI2。
c、对ROI2进行和高斯金字塔一样层数的拉普拉斯金字塔拆分。
d、 取当前拉普拉斯金字塔里面和当前处理像素所在高斯金字塔一样层数，一样位置的像素，作为最终生成的拉普拉斯图像对应层和对应位置的信息填充。
具体算法细节上，已经有很多大佬讲过了，我这里就不特别展开了，感兴趣的小伙伴们可以参考：我为什么不是博士：局部拉普拉斯滤波（local laplican filter）
另外由于该算法复杂度奇高，实际工作中基本上没法用起来，对这个算法其实有不少性能优化方案，比如可以参考：深度优化局部拉普拉斯金字塔滤波器。 不过我这里主要是学习为主了，后面有兴趣再复现它性能版本。
2、代码流程
a、输入图像处理，生产对应高斯金字塔。
b、对高斯金字塔每层和每个像素都逐个遍历处理(没有顺序依赖关系，可以随意并行处理)。
根据如下流程，生成得到结果图像：
1)获取高斯金字塔1中某个像素。
2)该像素在原图位置为中心，从原图2中截取图像区域块，得到图像3。
3)对图像3根据论文公式做纹理/对比度调整，得到图像4。
4)对图像4进行拉普拉斯金字塔拆分得到局域块拉普拉斯5。
5)根据高斯金字塔1上当前原始像素所在层数和像素位置，在拉普拉斯金字塔6上，同样对应层对应位置上，使用拉普拉斯5上对应层中心位置像素值填充。
6)重复步骤2-5，遍历高斯金字塔1上所有像素，更新完所有拉普拉斯6像素值。
7)对拉普拉斯6进行金字塔图像重建，得到最终结果图像7。
三、效果展示
左边为输入图，右边是对比度调整后图像：
四、复现代码
原始的复现代码路径如下：
GitHub - psalvaggio/local_laplacian_filters: Local Laplacian Filters github.com/psalvaggio/local_laplacian_filters/tree/master
我这边从里面抽取了下必要核心模块，整理地址如下：