一天都在读这个文章，并用MATLAB实现了，心里还是很激动的，晚上睡不着，干脆写下来嘿嘿！

      文章算法主要是两部分，第一部分，你只需要有一个曝光不佳（文章是处理低照度图像的）的图像，根据CRF，找到一个曝光率，模仿相机，将这个图像重新曝光，得到另外一个图像。这个曝光系数k的选择，根据光组件经过BTF处理，也就是那个g函数之后得到的图像，使这个图像熵最大的k。这个光组件呢，首先选择一部分曝光不好的像素（T<0.5）,再将这些像素的几何平均数作为光组件。那个g函数推导部分，一堆相机参数什么的，就用论文提的那几个参数做就好了。

第二部分就是融合了，有个融合权重，这个权重是根据光照图来的，W= T的μ次方，μ取了0.5，而光照图的估计跟LIME差不多，有点不一样，是T的梯度的权重，思想是如果这是边缘，相同方向的梯度多，那它有个更小的最小化权值，也就是更容易被保留下来。

这篇论文呢，计算起来还是不复杂，没有乱七八糟的傅里叶呀让人头疼的东西，那个求T的最小化函数用WLS方法，源码一改一粘完事。

遇到的几个问题。MATLA B的imresize方法，机制是用哪种插值呢，如果之前是0到1之间的，改变大小后，出现了负值！解决方法是先不转为0-1，改变大小再double.

最终找到了一个fminind函数，一个带一个未知数的公式，求使这个式子最大的未知数的值，式子里还有个entropy函数，也没错。之前用fminsearch,出错，就随便用了个别的成功了，这个函数需要再查查用法。

凭回忆写了这些，以后再修改吧！