实现低照度lime算法

低照度下的图像处理是计算机视觉中一个重要的研究领域，其目的是从弱光环境拍摄的图像中提取信息。本文将介绍一种实现低照度LIME（Low-light IMage Enhancement）算法的方法。

LIME算法通过引导滤波（guided filter）和色调映射（tone mapping）来增强低照度图像。首先，我们需要对原始图像进行暴光补偿。使用曝光轮廓曲线（Exposure curve）对原始图像的每个像素进行曝光度修正，得到一个曝光度增强的图像。然后，使用引导滤波器进行细节增强。引导滤波器可以在保留边缘的前提下改善图像的细节。最后，在增强细节后，使用色调映射器进行色彩修正来获得更好的视觉效果。

以下是一个简单的低照度LIME算法实现步骤：
1. 对原始图像进行曝光度补偿。
2. 使用引导滤波器进行细节增强。
3. 使用色调映射器进行色彩修正。

代码实现：
1. 曝光补偿：使用“gamma”变换对像素点进行操作
2. 引导滤波：可以使用openCV库自带的guidedFilter()函数，这种函数会对原始图像与已知的导向（guide）图像进行滤波操作，导向图像一般选择亮度较高或细节较丰富的图片。
3. 色调映射：可以使用Reinhard's Tone Mapping算法，它在色均衡方面表现良好，将原始图像变得更清晰，但可能会导致图像出现饱和度失真的现象。

总之，这是一种常用的低照度LIME算法。在实际应用中，我们需要根据具体情况进行调整，以提高图像质量和清晰度。