c++实现LIME低照度图像处理算法

LIME（Low-light IMage Enhancement）低照度图像处理算法是一种用于增强低照度图像的算法。下面是C语言实现LIME算法的步骤：

1.导入图像：从文件中读取低照度图像并存储在一个数组中。

2.归一化：将图像中的像素值归一化到[0,1]之间。

3.亮度增强：使用Gamma校正技术对图像进行亮度增强，以提高整体亮度和对比度。

4.暗通道先验：计算图像中的每个像素的暗通道先验值，以确定图像中的最小亮度值。暗通道先验值的计算方式为：对于每个像素，计算它周围一个固定大小的窗口内最小像素值，并将这些值的平均值作为该像素的暗通道先验值。

5.全局增益：根据暗通道先验值计算全局增益系数，以增强图像的整体亮度。

6.局部对比度增强：使用Retinex算法对图像进行局部对比度增强，以改善图像的细节和清晰度。

7.反归一化：将增强后的图像的像素值反归一化到[0,255]之间。

8.输出图像：将增强后的图像写入文件以进行保存或显示。

下面是C语言中实现LIME算法的代码示例：

#include <stdio.h>
#include <stdlib.h>
#include <math.h>

#define WIDTH 640
#define HEIGHT 480

typedef struct {
    unsigned char r, g, b;
} rgb;

double min(double a, double b) {
    return a < b ? a : b;
}

double max(double a, double b) {
    return a > b ? a : b;
}

double get_dark_channel(rgb* img, int x, int y, int size) {
    double min_value = 1.0;
    for (int i = x - size; i <= x + size; i++) {
        for (int j = y - size; j <= y + size; j++) {
            double value = min(min(img[i * WIDTH + j].r, img[i * WIDTH + j].g), img[i * WIDTH + j].b);
            min_value = min(min_value, value);
        }
    }
    return min_value;
}

void lime(rgb* img, int width, int height, double gamma, int size, double w) {
    double* dark_channel = (double*)malloc(sizeof(double) * width * height);
    double min_dark = 1.0;

    // 计算暗通道先验值
    for (int i = 0; i < height; i++) {
        for (int j = 0; j < width; j++) {
            double value = get_dark_channel(img, i, j, size);
            dark_channel[i * width + j] = value;
            min_dark = min(min_dark, value);
        }
    }

    // 计算全局增益系数
    double global_gain = 1.0 / max(1.0 - w * min_dark, 0.01);

    // 对图像进行亮度增强
    for (int i = 0; i < height; i++) {
        for (int j = 0; j < width; j++) {
            double r = pow(img[i * width + j].r / 255.0, gamma);
            double g = pow(img[i * width + j].g / 255.0, gamma);
            double b = pow(img[i * width + j].b / 255.0, gamma);
            img[i * width + j].r = (unsigned char)(r * 255.0);
            img[i * width + j].g = (unsigned char)(g * 255.0);
            img[i * width + j].b = (unsigned char)(b * 255.0);
        }
    }

    // 对图像进行局部对比度增强
    for (int i = 0; i < height; i++) {
        for (int j = 0; j < width; j++) {
            double value = dark_channel[i * width + j];
            double gain = 1.0 / max(1.0 - w * value, 0.01);
            img[i * width + j].r = (unsigned char)(global_gain * pow(img[i * width + j].r / 255.0, gain) * 255.0);
            img[i * width + j].g = (unsigned char)(global_gain * pow(img[i * width + j].g / 255.0, gain) * 255.0);
            img[i * width + j].b = (unsigned char)(global_gain * pow(img[i * width + j].b / 255.0, gain) * 255.0);
        }
    }

    // 反归一化
    for (int i = 0; i < height; i++) {
        for (int j = 0; j < width; j++) {
            img[i * width + j].r = (unsigned char)((img[i * width + j].r / 255.0) * 255.0);
            img[i * width + j].g = (unsigned char)((img[i * width + j].g / 255.0) * 255.0);
            img[i * width + j].b = (unsigned char)((img[i * width + j].b / 255.0) * 255.0);
        }
    }

    free(dark_channel);
}

int main() {
    FILE* fp = fopen("input.bmp", "rb");
    unsigned char bmp_header[54];
    fread(bmp_header, sizeof(unsigned char), 54, fp);
    rgb* img = (rgb*)malloc(sizeof(rgb) * WIDTH * HEIGHT);
    fread(img, sizeof(rgb), WIDTH * HEIGHT, fp);
    fclose(fp);

    lime(img, WIDTH, HEIGHT, 1.0, 3, 0.95);

    fp = fopen("output.bmp", "wb");
    fwrite(bmp_header, sizeof(unsigned char), 54, fp);
    fwrite(img, sizeof(rgb), WIDTH * HEIGHT, fp);
    fclose(fp);

    free(img);

    return 0;
}