【图像处理基石】基于暗光图像恢复颜色有哪些难点？
基于暗光图像的颜色恢复任务旨在从低光照条件下拍摄的图像中，还原物体真实的颜色信息。这类任务因光照不足导致的信号缺失、噪声干扰等问题，面临诸多挑战。以下从难点、现有算法解决情况及待解决问题三方面详细分析：
一、暗光图像颜色恢复的核心难点
暗光环境下，图像传感器接收的光子数量少，信号-to-噪声比（SNR）极低，同时光照分布不均、光源色温偏移等问题进一步加剧了颜色失真，具体难点包括：
-
颜色信息严重缺失与失衡
暗光下，相机传感器对RGB三通道的响应差异被放大（例如蓝色通道对弱光更敏感，红色通道响应较弱），导致原始图像颜色通道失衡（如偏色、饱和度不足）。此外，极端暗部区域的像素值接近0，几乎丢失所有颜色信息，无法直接通过简单增强恢复。 -
噪声与信号的强耦合
低光照下，图像噪声（泊松噪声、高斯噪声、热噪声等）显著增强，且噪声与真实颜色信号高度混合。若单纯抑制噪声，可能同时抹去真实的颜色细节；若保留细节，则噪声会被放大，导致颜色呈现“颗粒感”或伪影。 -
动态范围与局部对比度矛盾
暗光场景常存在高动态范围（如夜景中的灯光与阴影），相机传感器的有限动态范围会导致“高光过曝”或“暗部死黑”。恢复颜色时，若增强暗部颜色，可能导致高光区域颜色溢出（如灯光变成纯白或偏色）；若压制高光，又会使暗部颜色更暗淡，难以平衡全局与局部的颜色一致性。 -
光源色温与颜色恒常性破坏
暗光场景的光源（如白炽灯、霓虹灯、月光）通常是非中性的，会导致图像色温偏移（如暖黄光、冷蓝光）。人类视觉系统能通过颜色恒常性感知物体真实颜色，但算法难以区分“光源导致的偏色”与“物体本身的颜色”，容易将光源色误判为物体