互联网时代，照片是人们交流和表达的重要方式之一，人们往往喜欢通过照片分享自己的所见所闻，然而很多时候，受低光照或背光环境影响，拍摄到的照片经常会产生欠曝光的现象，常常导致拍了很多照片，却难以挑选出能拿得出手的。近期，腾讯优图实验室提出的“低光照图像增强算法”，则有望解决这一痛点。
各大厂商纷纷推出夜拍神器，夜拍痛点仍难除
近几年，各大手机厂商纷纷推出各种“夜拍神器”，企图抓住该细分市场，在智能手机的红海市场分一杯羹。
2018年11月，谷歌推出新的Pixel智能手机，同时宣布推出全新相机模式Night Sight。谷歌宣称，使用Night Sight拍摄的照片比使用标准相机模式拍摄的照片要精准得多。然而，Night Sight拍摄照片所需的时间取决于场景和可用光线，通常需要一两秒钟才能让手机启动该模式工作。同时该模式可以使用的前期是仍需要一些光才能工作，如果在非常黑暗的环境中拍摄照片时，会得到一个像素混乱的结果。换句话说，这不是真正的暗光拍摄。
不到半年，在华为P30发布会上，华为消费者业务CEO余承东重点介绍了P30在拍照和摄像能力的提升，在夜拍上余承东调侃称“三星的Galaxy拍不到银行，但P30可以”。其现场展示的P30拍摄的银河照片，也似有与拍摄“火星”的Pixel叫板之意。不过P30有个前提是拍摄场景不能有太大的亮暗差，这样相机会避免过曝而导致暗处一团黑。
一度风靡全球的街机iPhone，因夜拍效果差长期受消费者诟病，最新一代的iPhoneX虽然宣称在夜拍能力上增强不少，但仍有用户吐槽夜拍照片局部放大后，由于过度曝光噪点很多。
目前，业内有三种传统夜景图像增强算法。直方图均衡化(Histogram equalization)，这种方法简单的利用了图像整体的统计性质，通常不能对复杂场景达到理想效果。基于Retinex理论的增强算法，通常只能用单通道进行光照优化，颜色无法很好地回复，在光照复杂的情况下还容易出现过曝的现象。这些传统方法还容易在增加图像亮度的同时，放大噪声等瑕疵，影响图像质量。而基于深度学习的方法，通常是输入图像到标注图像之间直接训练回归(regression)模型，由于数据本身的特性，这种方法得到的结果通常清晰度、对比度比较低，而且会有一些人工痕迹。
技术揭秘：低光照图像增强，腾讯优图的“炫”科技
来自腾讯优图的研究员介绍说，该算法全称为“基于深度学习优化光照的暗光下的图像增强”，通俗理解，是可以在移动端实时实现比美Adobe Lightroom专业调光效果的高端算法。已经被计算机视觉国际顶级会议CVPR2019收录。
在应用了腾讯优图低光照图像增强算法后，原本黑乎乎的图片立马变得明亮清晰、色泽丰满起来，其效果比起国际大牌的商业软件也丝毫不逊，甚至更佳。
腾讯优图对传统夜景图像增强算法进行了分析，发现直方图均衡化对复杂场景不理想; Retinex算法，颜色无法很好地恢复，光照复杂还容易过曝;深度学习的直接训练回归模型，清晰度、对比度较低，且有人工痕迹。
传统办法的欠缺，都在于过度重视“优化图片”，依靠各种技术指标，缺乏对“人”之体验的终极关注。腾讯优图创新算法，在网络中引入中间照明，将输入与预期的增强结果相关联，增强了网络从专家修饰的输入/输出图像学习复杂的摄影调整的能力。通俗理解，就是引入了专业美术人员优化后的照片与原始照片对比，由机器自动学习，模拟出人类的智慧。腾讯优图引入了3000组原始图片和专业美工调节后的图像，并训练网络有效地学习各种照明条件的丰富多样的调整。
在网络结构的设计方面，该算法也采用创新的双分支的网络结构。网络分成了全分辨率分支和低分辨率分支。其中低分辨率分支用于学习到全图光照的整体信息，低分辨率图像的使用，有助于增大网络感受野，提高算法速度。低分辨率分支的结果将会传递给高分辨率网络分支，用于重建全分辨率下的亮度图，并最终得到增强后的图像。此外，新的损失函数也进一步帮助网络结构产生更加稳定、清晰、颜色真实鲜艳的结果。因此，腾讯优图的低光照图像增强算法，在增强结果中恢复清晰的细节，鲜明的对比度和自然色彩。
计算机视觉AI算法，不止是手机摄影
实验室的创新算法，目前可以用于哪些场景呢?腾讯优图的算法研究员介绍，手机摄影或手机拍照效果优化，依然是最重要的应用场景。该算法与手机硬件的结合，有望在夜景拍摄上取得进一步的突破，给消费者带来更好的夜拍体验。
自2012年开始，腾讯优图已在全球赢得就近700项专利，并多次刷新FDDB、MegaFace等多项国际顶级评测世界记录。这些在人脸识别、图像识别领域的科研探索，不但应用于美化图片，还被广泛应用于交通、医疗影像、自动驾驶、金融、社交、娱乐、零售等多个行业领域。
例如，基于腾讯优图AI算法研发的肺癌、宫颈癌及糖尿病视网膜病变筛查技术已经通过腾讯觅影平台上线，并逐步落地到全国多家医院。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
