互聯網時代，照片是人們交流和表達的重要方式之一，人們往往喜歡通過照片分享自己的所見所聞，然而很多時候，受低光照或背光環境影響，拍攝到的照片經常會產生欠曝光的現象，常常導致拍了很多照片，卻難以挑選出能拿得出手的。近期，騰訊優圖實驗室提出的“低光照圖像增強算法”，則有望解決這一痛點。

各大廠商紛紛推出夜拍神器，夜拍痛點仍難除

近幾年，各大手機廠商紛紛推出各種“夜拍神器”，企圖抓住該細分市場，在智能手機的紅海市場分一杯羹。

2018年11月，谷歌推出新的Pixel智能手機，同時宣布推出全新相機模式Night Sight。谷歌宣稱，使用Night Sight拍攝的照片比使用標準相機模式拍攝的照片要精準得多。然而，Night Sight拍攝照片所需的時間取決于場景和可用光線，通常需要一兩秒鐘才能讓手機啟動該模式工作。同時該模式可以使用的前期是仍需要一些光才能工作，如果在非常黑暗的環境中拍攝照片時，會得到一個像素混亂的結果。換句話說，這不是真正的暗光拍攝。

不到半年，在華為P30發布會上，華為消費者業務CEO余承東重點介紹了P30在拍照和攝像能力的提升，在夜拍上余承東調侃稱“三星的Galaxy拍不到銀行，但P30可以”。其現場展示的P30拍攝的銀河照片，也似有與拍攝“火星”的Pixel叫板之意。不過P30有個前提是拍攝場景不能有太大的亮暗差，這樣相機會避免過曝而導致暗處一團黑。

一度風靡全球的街機iPhone，因夜拍效果差長期受消費者詬病，最新一代的iPhoneX雖然宣稱在夜拍能力上增強不少，但仍有用戶吐槽夜拍照片局部放大后，由于過度曝光噪點很多。

目前，業內有三種傳統夜景圖像增強算法。直方圖均衡化(Histogram equalization)，這種方法簡單的利用了圖像整體的統計性質，通常不能對復雜場景達到理想效果。基于Retinex理論的增強算法，通常只能用單通道進行光照優化，顏色無法很好地回復，在光照復雜的情況下還容易出現過曝的現象。這些傳統方法還容易在增加圖像亮度的同時，放大噪聲等瑕疵，影響圖像質量。而基于深度學習的方法，通常是輸入圖像到標注圖像之間直接訓練回歸(regression)模型，由于數據本身的特性，這種方法得到的結果通常清晰度、對比度比較低，而且會有一些人工痕跡。

技術揭秘：低光照圖像增強，騰訊優圖的“炫”科技

來自騰訊優圖的研究員介紹說，該算法全稱為“基于深度學習優化光照的暗光下的圖像增強”，通俗理解，是可以在移動端實時實現比美Adobe Lightroom專業調光效果的高端算法。已經被計算機視覺國際頂級會議CVPR2019收錄。

在應用了騰訊優圖低光照圖像增強算法后，原本黑乎乎的圖片立馬變得明亮清晰、色澤豐滿起來，其效果比起國際大牌的商業軟件也絲毫不遜，甚至更佳。

騰訊優圖對傳統夜景圖像增強算法進行了分析，發現直方圖均衡化對復雜場景不理想； Retinex算法，顏色無法很好地恢復，光照復雜還容易過曝；深度學習的直接訓練回歸模型，清晰度、對比度較低，且有人工痕跡。

傳統辦法的欠缺，都在于過度重視“優化圖片”，依靠各種技術指標，缺乏對“人”之體驗的終極關注。騰訊優圖創新算法，在網絡中引入中間照明，將輸入與預期的增強結果相關聯，增強了網絡從專家修飾的輸入/輸出圖像學習復雜的攝影調整的能力。通俗理解，就是引入了專業美術人員優化后的照片與原始照片對比，由機器自動學習，模擬出人類的智慧。騰訊優圖引入了3000組原始圖片和專業美工調節后的圖像，并訓練網絡有效地學習各種照明條件的豐富多樣的調整。

在網絡結構的設計方面，該算法也采用創新的雙分支的網絡結構。網絡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學習到全圖光照的整體信息，低分辨率圖像的使用，有助于增大網絡感受野，提高算法速度。低分辨率分支的結果將會傳遞給高分辨率網絡分支，用于重建全分辨率下的亮度圖，并最終得到增強后的圖像。此外，新的損失函數也進一步幫助網絡結構產生更加穩定、清晰、顏色真實鮮艷的結果。因此，騰訊優圖的低光照圖像增強算法，在增強結果中恢復清晰的細節，鮮明的對比度和自然色彩。

計算機視覺AI算法，不止是手機攝影

實驗室的創新算法，目前可以用于哪些場景呢？騰訊優圖的算法研究員介紹，手機攝影或手機拍照效果優化，依然是最重要的應用場景。該算法與手機硬件的結合，有望在夜景拍攝上取得進一步的突破，給消費者帶來更好的夜拍體驗。

自2012年開始，騰訊優圖已在全球贏得就近700項專利，并多次刷新FDDB、MegaFace等多項國際頂級評測世界記錄。這些在人臉識別、圖像識別領域的科研探索，不但應用于美化圖片，還被廣泛應用于交通、醫療影像、自動駕駛、金融、社交、娛樂、零售等多個行業領域。

例如，基于騰訊優圖AI算法研發的肺癌、宮頸癌及糖尿病視網膜病變篩查技術已經通過騰訊覓影平臺上線，并逐步落地到全國多家醫院。