CN104408752B - 一种基于混合色调映射算法的高动态范围图像压缩方法 - Google Patents
一种基于混合色调映射算法的高动态范围图像压缩方法 Download PDFInfo
- Publication number
- CN104408752B CN104408752B CN201410765414.3A CN201410765414A CN104408752B CN 104408752 B CN104408752 B CN 104408752B CN 201410765414 A CN201410765414 A CN 201410765414A CN 104408752 B CN104408752 B CN 104408752B
- Authority
- CN
- China
- Prior art keywords
- image
- dynamic range
- value
- range images
- high dynamic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明属于图像、视频处理技术领域,具体公开了一种基于混合色调映射算法的高动态范围图像压缩方法,主要解决多高动态图像在普通显示设备上显示时出现的图像失真问题。本发明中,首先利用基于图像类型的全局线性压缩去保存图像的整体效果,然后利用自适应的躲避和烧值技术对图像的自然度进一步的加强,最后利用基于双边滤波器的局部色调映射算法提高图像细节信息的可视度。本发明能够的获得自然、清晰的低动态图像结果,可广泛应用于图像、视频处理的相关领域中。
Description
技术领域
本方法属于图像、视频处理技术领域,特别涉及高动态图像(HDR-high dynamicrange image)的压缩方法,可用于在普通低动态显示范围设备上高动态范围图像的显示,具体是一种基于混合色调映射算法的高动态范围图像压缩方法。
背景技术
高动态图像层次非常的丰富,可以得到比普通图像更逼近现实的光影效果,因此,高动态图像在卫星气象、医疗、军事等领域都有巨大的应用价值,就此,近几年来,高动态范围图像越来越受到关注。图像的动态范围指的是一幅图像中最亮的像素点的亮度值和最暗的像素点的亮度值之间的比率。高动态图像的获得往往有两种常见的方法,一是用光学仿真完成的,二是用一系列曝光程度不同的照片制作高动态范围图像。利用不同的曝光时间拍摄相同的场景,由于曝光度的差别每幅图像都会展现出了其他图像展现不出来的细节。比如说,太阳光直接照射的部分的真实场景只能在曝光度最低的图像中显示出来,而在这一系列不同曝光的其他照片中这部分的色彩都过度曝光了,而阴影处的细节在曝光度高的图像中才能完整呈现,而在曝光度较低的图像中却是模糊一片。由于以上问题,普通照相机无法在一幅图像中同时捕捉并展现所有细节;而对于人类来说,由于人的眼睛会根据物体的亮度不同进行自动调节,同时感知这些不同曝光度下的细节,因此照片在视觉体验方面总不能完全展现真实且自然的场景,为了在图像中展示更加真实自然的场景,高动态图像合成技术就应运而生了。然而当高动态图像被显示时,由于普通显示设备显示的动态范围有限,往往不能保证带给我们对高动态场景真实感觉再现,为了解决真实场景和传统显示设备动态范围不匹配的矛盾,学者提出了许多HDR图像色调映射算法。
高动态范围图像压缩的目的在于:在高动态图像合成方面,利用现有技术将曝光度不同的图片合成一幅高动态范围图像,该图像的动态范围可以高达25,000:1;然而,一般的显示设备的动态范围通常低于100:1,因此,如果想要在普通显示设备上重构出可以与现实场景真实度相媲美的图像,必须先对高动态图像进行适当的压缩处理。
与低动态范围图像相比,高动态范围图像拥有很多优点,在医学图像,视频监视等一些应用中高动态范围图像尤为重要。然而,高动态范围图像也为显像技术带来了挑战:如今的显像设备,如显示器,打印机等的动态范围都远远小于真实场景中的动态范围,急需解决的问题就是如何能在尽量保留图像细节和视觉内容的前提下利用低动态范围的显像设备来显示高动态范围的图像。
由于高动态图像本身特有的特点,目前为止,关于高动态图像的压缩和显示问题,人们已经做了大量的研究工作,一直没有较大的突破,直到2002年ACM会议上,基于快速双边滤波器的色调映射算法,自适应的对数函数映射算法和梯度域的色调映射算法的提出,其中基于快速双边滤波器的色调映射算法可以得到比较理想的低动态图像,在此基础上学者做了一系列改进工作,其中J.W.Lee,R.-H.Park和S.Chang提出的运用亮度压缩和自适应的色彩饱和度调整系数的局部色调映射算法,不仅保证了图像细节信息的重建,而且得到自然地色彩外观。传统的色调映射算法往往包括两个部分:图像亮度信息的压缩和图像彩色信息的重建。亮度信息的压缩是色调映射的第一步,压缩的效果直接影响着后续图像色彩重建效果。现在已经存在很多高动态图像的色调映射算法,主要分为全局映射算法和局部映射算法两大类。一般意义上来说,全局映射方法可以较好的保存图像的整体效果,但往往是以牺牲图像的局部信息为代价的,而局部映射算法往往关注图像处理的局部对比度和细节增强,忽略图像的整体质量。
现在提出了许多高效的色调映射算法,在名为“一种基于直方图均衡化的色调映射方法”的专利NO.CN201310179268.1中公开了一种高动态图像的压缩方法,在这个方法中对图像直方图进行分段后差异化设置两段映射参数,对于明亮背景使之尽可能地线性映射,减少高亮部分细节的丢失,对于前景部分仍进行直方图均衡化处理,扩展图像的对比度。在该种方法中用到了直方图均衡化处理,如果系数设置不当会存在亮度饱和度现象。在名为“基于混合色阶映射及压缩系数的高动态范围图像重构方法”的专利NO.CN201310280327.4中公开了高动态图像的压缩方法,在这个方法中根据高动态图像范围和色调值计算出图像的亮度因子,用亮度因子对原始图像进行全局色阶映射获取图像的整体色调,然后对全局色阶映射的图像进行梯度域的局部色阶映射以补偿细节。但是该方法在图像色彩信息和图像自然度的保存上有些不足。最后通过研究发现大部分的压缩方法存在,图像细节保存不是很完整,图像整体对比度不好,图像的亮度不自然,重建的低动态图像颜色发生失真等一系列问题。
发明内容
本发明的目的是克服上述现有技术的缺点,针对上述高动态图像压缩问题进行深入研究,通过基于高动态图像类型的全局线性压缩算法来保证图像的整体效果和自适应的“躲避和烧值”技术来保证图像更加自然的外观,以及基于双边滤波器技术的局部压缩算法来保证图像的局部信息重建,大大提高图像细节的重现和图像色彩重建的自然度。
为此,本发明提出一种基于混合色调映射算法的高动态范围图像压缩方法,其技术方案是:一种基于混合色调映射算法的高动态范围图像压缩方法,包括如下步骤:
1)输入一幅高动态范围图像;
2)由步骤1)中输入图像的R,G,B三个通道像素值,计算出高动态范围图像的亮度信息值Lworld;
3)根据高动态范围图像的亮度信息值Lworld,计算出高动态范围图像的钥匙值AverageLumFactor,然后对高动态范围图像亮度信息值做基于图像类型的全局线性压缩,得到后续处理的基础图Ld;
4)利用自适应的躲避和烧值技术对步骤3)得到的基础图Ld从低像素端和高像素端同时做补偿处理,得到更加自然的基础图像Li;
5)利用基于双边滤波器的局部色调映射算法对步骤4)得到的基础图像Li进行局部对比度的增强和细节信息的加强,来得到高动态范围图像亮度信息的最终压缩结果lo(x),然后利用自适应的色彩饱和度参数对图像做颜色重建,得到低动态彩色显示图像;
6)把5)中得到的低动态彩色显示图像转化为灰度图像进行显示。
上述步骤1)所述的高动态范围图像,是格式为.hdr的高动态范围图像。
上述步骤2)所述的计算出高动态范围图像的亮度信息值Lworld,按如下公式计算:
Lworld=0.27·R+0.67·G+0.06·B
其中Lworld是高动态图像的亮度信息,R,G和B是输入的高动态图像的R,G,B三个颜色通道的像素值。
上述步骤3)所述的基于图像类型的全局线性压缩,通过如下公式进行:
Ld=Lworld·AverageLumFactor
其中Lworld指的是高动态范围图像的亮度信息值,AverageLumFactor指的是高动态范围图像的钥匙值,用来判断高动态范围图像的类型:如果该钥匙值的范围在0.00-0.30,则高动态图像属于高亮度类型,若在0.31-0.60,则高动态图像属于正常亮度类型,若在0.61-1.00,则高动态图像属于低亮度类型,其计算过程如下:
首先,
其中Lworld(x,y)代表高动态范围图像在像素(x,y)处的亮度信息值,N是高动态范围图像的所有像素个数,δ是一个极小数值,其值在0.0003以下,它被用来防止在黑色像素值处进行计算时奇异值的产生;
然后,
其中AverageLumFactor指的是高动态范围图像的钥匙值,用来判断图像的类型,Lmax和Lmin分别是高动态范围图像最大亮度信息值和最小亮度信息值。
上述步骤4)所述的自适应的躲避和烧值技术如下所述:
其中Lworld是高动态范围图像的亮度信息值,来自步骤2),Ld是基于图像类型的全局线性压缩结果,其描述在步骤3),Llc是双边滤波器的输出,此时双边滤波器的输入是Lworld。
上述步骤5)所述的基于双边滤波器的局部色调映射算法具体如下:
其中分别代表高动态图像亮度信息在像素x处的基层信息和细节层信息,它们是利用双边滤波器得到的,滤波器的输入是步骤4)得到的基础图像Li,滤波器的输出作为基层信息f(·)是压缩函数,可以是对数函数,伽马函数或者线性函数,在此利用伽马函数进行处理,w(x)被定义为像素x的自适应压缩权值,其中k用来调整输出图像细节信息的加强程度,
其中w(x)的具体定义如下:
这里li(x)是步骤4)得到的基础图像Li的亮度信息,来自步骤(4),α是一个常数因子,它被定义为:
图像细节的调整系数k作如下的定义:
其中是原始高动态图像的亮度信息的细节层,α和β是两个常数值,通过变形的Sigmoid函数调整后,k的范围是(α,α+β);
利用自适应颜色饱和度参数对图像做颜色重建,以此来得到彩色的低动态显示图像,
其中smax代表最大的色调饱和度系数,这里取值为2,lo(x)是高动态范围图像亮度信息的最终压缩结果,a是一个常数因子,这里取值为1;
然后利用保存颜色比例的色彩重建公式对显示图像进行颜色重建,
其中,co(x)是输出的经过压缩后低动态图像,ci(x)是输入的高动态范围图像,其中c=R,G,B,li(x)是输入的高动态范围图像的亮度信息值。
本发明的有益效果:本发明主要解决高动态范围图像合成中产生的图像对比度不强,细节丢失严重以及重建图像颜色不自然的问题,与现有方法相比具有以下优点:
1)本方法结合了全局色调映射算法和局部色调映射算法。首先利用全局色调映射算法来保证图像的整体质量效果,然后利用局部色调映射算法加强局部图像信息质量效果,而且利用了自适应的“躲避和烧值”技术对压缩图像做了进一步的处理,使压缩结果看起来更加的自然。
2)提出了基于Retinex理论的自适应的图像细节加强系数,使重建图像的外观看起来更加符合人眼视觉***(HVS)。
附图说明
图1是本发明的实现流程图;
图2是本发明中提出的基于混合色阶映射方法的高动态范围图像的亮度信息压缩结果图;
图2(a)高动态范围图像的原始亮度信息值;
图2(b)本发明的高动态范围图像亮度信息压缩结果;
图3是本发明和现有方法在室内白天图像上的视觉效果图;
图4是本发明和现有方法在室内夜晚图像上的视觉效果图;
图5是本发明和现有方法在室外夜晚图像上的视觉效果图;
图6是本发明和现有方法在室外白天图像上的视觉效果图。
具体实施方式
参照图1,本发明的实现步骤如下:
步骤1:输入图像
输入一幅不能在普通低动态显示设备上清晰显示的.hdr格式的图像(HDR)。
步骤2:图像亮度信息的生成:
为了保持图像彩色信息重建的完整性,这里我们只对图像的亮度信息进行压缩,首先我们从原始的高动态彩色图像得到其亮度信息,
Lworld=0.27·R+0.67·G+0.06·B
其中Lworld是高动态图像的亮度信息,R,G和B是输入的高动态图像的R,G,B三个颜色通道的像素值。
步骤3:基于图像内容的全局线性映射算法:
全局色调映射算法可以很好的重建图像整体效果,其中线性映射算法因其简单易行得到很大的关注,线性色调映射算法利用一个常数尺度因子,对原有图像的亮度信息做一个基本的映射,使其映射到一个更加自然的图像显示范围:
Ld=m·Lw
其中Ld是线性色调映射算法的输出结果,m是常数尺度因子,Lw是高动态图像的亮度信息。然而此方法利用常数尺度因子,如果想要得到合适的常数因子,对于每一个高动态图像需要进行多次试验,来确定出最合适的因子,而且,对于另一副不同的场景图我们又要重复这些试验。
动态范围就是图像中最大像素值和最小像素值的比值,有的图像动态范围高于显示设备的显示范围,有的接近显示器的显示范围,有的甚至小于,因此用单一的压缩函数,不同类型的场景会产生意想不到的效果。基于这些问题,我们提出了基于图像类型的线性映射算法。
每一幅高动态图像都有自己的主要色调特征,往往被叫做图像的“钥匙”。这里的“钥匙”可以从主观上说明一幅图像是较亮的图像,正常的图像,还是较暗的图像。我们从亮度信息的直方图角度来说明,较亮的图像就是说整体图像的亮度直方图偏向亮色调,正常的图像就是亮度直方图在色调轴上分布均匀,较暗的图像也就是整体图像的直方图分布偏向暗色调。这里我们提出新的离散变量来作为图像的“钥匙”来判断图像的类型,然后以此“钥匙”值做自适应的线性色调映射。
我们往往用一幅图像的均值信息来权衡它的整体信息,这里我们首先采用均值信息作为中间桥梁:
其中Lworld(x,y)代表图像在像素(x,y)处的亮度信息值,N是图像的所有像素的个数,δ是一个极小数值,防止黑色像素值处奇异值发生的产生。
最后利用离散的方法计算每一个场景图像的“钥匙”值:
其中AverageLumFactor这里定义为图像的“钥匙”用来判断图像的类型,Lmax和Lmin是高动态图像最大的亮度信息值和最小亮度信息值。
根据AverageLumFactor值,我们可以判断出图像场景类型,它的值在0.00-0.30就属于较亮的场景,需要小的压缩系数,它的值在0.61-1.00就属于较暗场景,需要大的压缩系数,值在0.31-0.60就属于正常的场景,它的像素值分布均匀。基于此种思想,我们提出了基于的图像类型的线性映色调映射算法:
Ld=Lworld·AverageLumFactor
其中Lworld是高动态图像的亮度信息,AverageLumFactor是高动态图像的钥匙值,这种简单的全局压缩方法可以裁剪掉极端的低像素和高像素,可以把原始的显示比较糟糕的亮度信息图处理得到更加自然的图像,为下一步的处理提供了比较自然的基础图。
步骤4:自适应的躲避和烧值技术;
“躲避和烧值”是在打印领域提出的一种技术,即在打印图片时,如果图像的某部分比较暗,就增加此区域光的亮度,称为“烧值”,如果图像的某部分比较亮,就减少此区域光的亮度,称为“躲避”,使打印出来的图片看起来更加的自然美观。
尽管,步骤3中的提出的基于图像类型的线性映射方法,可以剪掉图像中极低的和极高的像素值,使亮度图像看起来更加的自然,但是有时候,这种简单的线性映射方法不能同时从图像的高和低动态范围端同时进行处理,使得图像不能同时权衡的处理暗区和亮区。为解决此问题,我们提出了自适应躲避和烧值方法。
在传统“躲避和烧值”技术中,利用“躲避”降低图像被选择部分的亮度,利用“烧值”来提高图像被选择部分的亮度,以此来保存图像的细节信息。一般来说,“躲避和烧值”技术被用在处理具有较大对比度边缘的图像区域。为了弥补步骤3中不理想的处理结果,我们提出了自适应的“躲避和烧值”方法,用每个像素的邻里信息作为自适应的处理权重。为了保存图像尖锐的边缘信息,这里我们提出采用双边滤波器来进行处理。双边滤波器是一种非线性滤波器,它的输出是输入的平均权重值,而且每个输出的像素值都与它的周围像素有关。因此,这里我们把双边滤波器的输出作为像素的周边信息值。
提出的自适应躲避和烧值方法如下:
其中Lworld是输入高动态图像的亮度信息,来自步骤2,Ld是基于图像类型的线性色调映射的结果,其获得过程在步骤3,Llc是双边滤波器的输出,此时双边滤波器的输入是Lworld。
步骤5:基于双边滤波器的局部色阶映射算法。
全局色阶映射算法可以保证图像的整体质量,而往往以图像局部信息和细节的牺牲为代价。为了得到保存完好的细节图像,我们利用基于双边滤波器的局部色阶映射算法对步骤4的结果进行局部信息的加强处理。
2002年提出的基于快速双边滤波器的色调映射算法吸引了人们的眼球,因为此方法不仅可以得到对比度较强和细节保存较好的低动态显示图,而且最大化的减少了图像失真问题,在保存此方法优点的基础上,研究者做了一系列改进工作。在原有方法的基础上,我们也提出了自己的方法。
原有方法描述如下:
压缩高动态图像的亮度信息,
其中分别代表高动态图像亮度信息在像素x处的基层信息和细节层信息,这里是利用双边滤波器得到的,f(·)是简单的压缩函数,可以是对数函数,伽马函数或者线性函数,w(x)被定义为像素x的自适应压缩权重。
w(x)的具体定义如下:
其中li(x)是步骤4)得到的基础图像Li的亮度信息,α是一个常数因子,它被定义为:
基于Rentinex理论,为了使重建图像呈现更自然颜色外观,我们提出了以下的压缩方法:
其中k用来调整输出图像的细节信息的加强程度,实验表明k值的大小与显示图像的外观有密切的关系,随着k值的增大,图像的细节信息会越来越清晰,但是当k值设置的过大时,图像会在某种程度上出现一些无关的噪音,影响输出图像的自然度。为了是输出的图像保存更加自然地外观,这里我们用Sigmoid函数来调整k值,
其中是原始高动态图像的亮度信息的细节层,α和β是两个常数值,通过调整k的范围是(α,α+β),这样可以使结果图像看起来更加的自然美观。
图像彩色信息的重建:
1)根据压缩的亮度信息,得到自适应的图像饱和度调整系数,
其中lo(x)表示压缩后得到的亮度信息,smax是最大的颜色饱和度调整系数,这里是设置的一个常数1,a是一个常数因子,这里我们设置为1。
2)利用保存原有颜色比例的公式进行图像颜色重建,
其中ci(x)是原始高动态图像的R,G,B三个通道的像素值,li(x)是原始高动态图像的亮度信息值。
步骤6:显示低动态图像。
把步骤5得到的低动态彩色显示图像在matlab软件中转化为灰度图,再进行显示。
本发明的结果可以通过以下实验进一步说明:
1.实验条件:
在中央处理器为Intel(R)Pentium(R)Dual CPU,内存16G,显卡为NVIDIA QuadroNVS 140M,操作***:Windows Vista Home Basic x32Edition的平台上进行。
2.实验内容:
为验证本方法的有效性,选择4幅不同场景高动态图像进行测试。其中,图3室内白天图像,图4室内夜晚图像,图5为室外夜晚图像,图6室外白天图像。
下面通过5个实验进行说明。
实验1,将高动态范围图像的原始亮度信息值和压缩后的亮度信息值进行视觉效果的比较,结果如图2,其中:
图2(a)所示的是高动态图像的原始亮度信息值,
图2(b)所示的是高动态范围图像的亮度信息压缩结果。
从图2可见,本发明能有效地把高动态范围图像亮度值的动态范围压缩到显示范围,不仅保存了图像的整体效果,而且保证了图像细节信息。
实验2,将本发明与现有的其他方法进行视觉效果的比较,结果如图3,其中:
图3(a)所示的是本发明的实验结果,
图3(b)所示的是梯度域高动态图像色阶映射算法的结果,
图3(c)所示的是基于双边滤波器局部色阶映射算法的结果,
图3(d)所示的是matlab软件中提出的tone mapping函数的结果。
从图3可见,本发明能有效保留图像的色调感观及细节信息,输出结果图像与其他现有方法相比较更加自然清晰。而梯度域高动态图像色阶映射算法虽然可以完整的保留图像的细节,但是图像中存在大量的边缘失真和边缝效应,基于双边滤波器局部色阶映射算法无法完整保留较亮区域和较暗区域的细节信息,matlab提供的函数无法保留图像的颜色信息,这几种现有方法不如本发明产生的图像自然。
实验3,将本发明与现有的其他方法进行视觉效果的比较,结果如图4,其中:
图4(a)所示的是本发明的实验结果,
图4(b)所示的是梯度域高动态图像色阶映射算法的结果,
图4(c)所示的是基于双边滤波器局部色阶映射算法的结果,
图4(d)所示的是matlab软件中提出的tone mapping函数的结果。
从图4可见,本发明能有效保留图像的色调感观及细节信息,输出结果图像与其他现有方法相比较更加自然清晰。而梯度域高动态图像色阶映射算法虽然可以完整的保留图像的细节,但是图像中存在大量的边缘失真和边缝效应,基于双边滤波器局部色阶映射算法无法完整保留较亮区域和较暗区域的细节信息,matlab提供的函数无法保留图像的颜色信息,这几种现有方法不如本发明产生的图像自然。
实验4,将本发明与现有的其他方法进行视觉效果的比较,结果如图5,其中:
图5(a)所示的是本发明的实验结果,
图5(b)所示的是梯度域高动态图像色阶映射算法的结果,
图5(c)所示的是基于双边滤波器局部色阶映射算法的结果,
图5(d)所示的是matlab软件中提出的tone mapping函数的结果。
从图5可见,本发明能有效保留图像的色调感观及细节信息,输出结果图像与其他现有方法相比较更加自然清晰。而梯度域高动态图像色阶映射算法虽然可以完整的保留图像的细节,但是图像中存在大量的边缘失真和边缝效应,基于双边滤波器局部色阶映射算法无法完整保留较亮区域和较暗区域的细节信息,matlab提供的函数无法保留图像的颜色信息,这几种现有方法不如本发明产生的图像自然。
实验5,将本发明与现有的其他方法进行视觉效果的比较,结果如图6,其中:
图6(a)所示的是本发明的实验结果,
图6(b)所示的是梯度域高动态图像色阶映射算法的结果,
图6(c)所示的是基于双边滤波器局部色阶映射算法的结果,
图6(d)所示的是matlab软件中提出的tone mapping函数的结果。本发明能有效保留图像的色调感观及细节信息,输出结果图像与其他现有方法相比较更加自然清晰。而梯度域高动态图像色阶映射算法虽然可以完整的保留图像的细节,但是图像中存在大量的边缘失真和边缝效应,基于双边滤波器局部色阶映射算法无法完整保留较亮区域和较暗区域的细节信息,matlab提供的函数无法保留图像的颜色信息,这几种现有方法不如本发明产生的图像自然。综上所述,这几种现有方法不如本发明产生的图像自然。
为进一步验证本发明有效性,也使用了主观评估方法,结果见表1。
表1
由以上表格可以看出,本发明提出的方法可以在保存图像对比度和细节的前提下得到比较自然的低动态范围图像。
综上,本发明主要解决了高动态范围图像合成中产生的图像对比度不强,细节丢失严重以及重建图像颜色不自然的问题,与现有方法相比具有以下优点:
1)本方法结合了全局色调映射算法和局部色调映射算法。首先利用全局色调映射算法来保证图像的整体质量效果,然后利用局部色调映射算法加强局部图像信息质量效果,而且利用了自适应的“躲避和烧值”技术对压缩图像做了进一步的处理,使压缩结果看起来更加的自然。
2)提出了基于Retinex理论的自适应的图像细节加强系数,使重建图像的外观看起来更加符合人眼视觉***(HVS)。
本实施方式中没有详细叙述的部分属本行业的公知的常用手段,这里不一一叙述。以上例举仅仅是对本发明的举例说明,并不构成对本发明的保护范围的限制,凡是与本发明相同或相似的设计均属于本发明的保护范围之内。
Claims (3)
1.一种基于混合色调映射算法的高动态范围图像压缩方法,其特征在于,包括如下步骤:
1)输入一幅高动态范围图像;
2)由步骤1)中输入图像的R,G,B三个通道像素值,计算出高动态范围图像的亮度信息值Lworld;
3)根据高动态范围图像的亮度信息值Lworld,计算出高动态范围图像的钥匙值AverageLumFactor,然后对高动态范围图像亮度信息值做基于图像类型的全局线性压缩,得到后续处理的基础图Ld;
所述的基于图像类型的全局线性压缩,通过如下公式进行:
Ld=Lworld·AverageLumFactor
其中Lworld指的是高动态范围图像的亮度信息值,
AverageLumFactor指的是高动态范围图像的钥匙值,用来判断高动态范围图像的类型:如果该钥匙值的范围在0.00-0.30,则高动态图像属于高亮度类型,若在0.31-0.60,则高动态图像属于正常亮度类型,若在0.61-1.00,则高动态图像属于低亮度类型,其计算过程如下:
首先,
其中Lworld(x,y)代表高动态范围图像在像素(x,y)处的亮度信息值,N是高动态范围图像的所有像素个数,δ是一个极小数值,其值在0.0003以下,它被用来防止在黑色像素值处进行计算时奇异值的产生;
然后,
其中AverageLumFactor指的是高动态范围图像的钥匙值,用来判断图像的类型,Lmax和Lmin分别是高动态范围图像最大亮度信息值和最小亮度信息值;
4)利用自适应的躲避和烧值技术对步骤3)得到的基础图Ld从低像素端和高像素端同时做补偿处理,得到更加自然的基础图像Li;
所述自适应的躲避和烧值技术如下所述:
其中Lworld是高动态范围图像的亮度信息值,来自步骤2),Ld是基于图像类型的全局线性压缩结果,其描述在步骤3),Llc是双边滤波器的输出,此时双边滤波器的输入是Lworld;
5)利用基于双边滤波器的局部色调映射算法对步骤4)得到的基础图像Li进行局部对比度的增强和细节信息的加强,来得到高动态范围图像亮度信息的最终压缩结果lo(x),然后利用自适应的色彩饱和度参数对图像做颜色重建,得到低动态彩色显示图像;
所述的基于双边滤波器的局部色调映射算法具体如下:
其中分别代表高动态图像亮度信息在像素x处的基层信息和细节层信息,它们是利用双边滤波器得到的,滤波器的输入是步骤4)得到的基础图像Li,滤波器的输出作为基层信息f(·)是压缩函数,在此对f(·)利用伽马函数进行处理,w(x)被定义为像素x的自适应压缩权值,其中k用来调整输出图像细节信息的加强程度,
其中w(x)的具体定义如下:
这里li(x)是步骤4)得到的基础图像Li的亮度信息,α是一个常数因子,它被定义为:
图像细节的调整系数k作如下的定义:
其中是原始高动态图像的亮度信息的细节层,α和β是两个常数值,通过变形的Sigmoid函数调整后,k的范围是(α,α+β);
利用自适应颜色饱和度参数对图像做颜色重建,以此来得到彩色的低动态显示图像,
其中smax代表最大的色调饱和度系数,这里取值为2,lo(x)是高动态范围图像亮度信息的最终压缩结果,a是一个常数因子,这里取值为1;然后利用保存颜色比例的色彩重建公式对显示图像进行颜色重建,
其中,co(x)是输出的经过压缩后低动态图像,ci(x)是输入的高动态范围图像,其中c=R,G,B,li(x)是输入的高动态范围图像的亮度信息值;
6)把5)中得到的低动态彩色显示图像转化为灰度图像进行显示。
2.根据权利要求1所述的一种基于混合色调映射算法的高动态范围图像压缩方法,其特征在于,其中步骤1)所述的高动态范围图像,是格式为.hdr的高动态范围图像。
3.根据权利要求1所述的一种基于混合色调映射算法的高动态范围图像压缩方法,其特征在于,其中步骤2)所述的计算出高动态范围图像的亮度信息值Lworld,按如下公式计算:
Lworld=0.27·R+0.67·G+0.06·B
其中Lworld是高动态图像的亮度信息,R,G和B是输入的高动态图像的R,G,B三个颜色通道的像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410765414.3A CN104408752B (zh) | 2014-12-11 | 2014-12-11 | 一种基于混合色调映射算法的高动态范围图像压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410765414.3A CN104408752B (zh) | 2014-12-11 | 2014-12-11 | 一种基于混合色调映射算法的高动态范围图像压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104408752A CN104408752A (zh) | 2015-03-11 |
CN104408752B true CN104408752B (zh) | 2017-07-04 |
Family
ID=52646380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410765414.3A Expired - Fee Related CN104408752B (zh) | 2014-12-11 | 2014-12-11 | 一种基于混合色调映射算法的高动态范围图像压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104408752B (zh) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3345388B1 (en) * | 2015-09-02 | 2021-11-24 | Faurecia Irystec Inc. | System and method for real-time tone-mapping |
CN106571127B (zh) * | 2015-10-08 | 2019-06-14 | 小米科技有限责任公司 | 一种显示目标图像的方法和装置 |
CN105979121A (zh) * | 2015-11-18 | 2016-09-28 | 乐视致新电子科技(天津)有限公司 | 一种图像处理方法和装置 |
CN105915909B (zh) * | 2016-05-27 | 2017-05-31 | 清华大学深圳研究生院 | 一种高动态范围图像分层压缩方法 |
CN106097279B (zh) * | 2016-06-24 | 2019-01-01 | 电子科技大学 | 一种高动态图像增强方法 |
CN107786865B (zh) * | 2016-08-31 | 2019-11-26 | 深圳市中兴微电子技术有限公司 | 一种视频帧的处理方法和装置 |
CN106709888B (zh) * | 2017-01-09 | 2019-09-24 | 电子科技大学 | 一种基于人眼视觉模型的高动态范围图像产生方法 |
CN106961533A (zh) * | 2017-03-21 | 2017-07-18 | 齐鲁工业大学 | 一种基于喷墨数字印刷的高动态范围图像纸媒再现方法 |
EP3399497A1 (en) * | 2017-05-05 | 2018-11-07 | Koninklijke Philips N.V. | Optimizing decoded high dynamic range image saturation |
CN109035181B (zh) * | 2017-06-08 | 2022-02-08 | 小元感知(北京)科技有限公司 | 一种基于图像平均亮度的宽动态范围图像处理方法 |
EP3418972A1 (en) * | 2017-06-23 | 2018-12-26 | Thomson Licensing | Method for tone adapting an image to a target peak luminance lt of a target display device |
CN108885782B (zh) * | 2017-08-09 | 2022-04-26 | 深圳市大疆创新科技有限公司 | 图像处理方法、设备及计算机可读存储介质 |
CN109410126B (zh) * | 2017-08-30 | 2022-04-05 | 中山大学 | 一种细节增强与亮度自适应的高动态范围图像的色调映射方法 |
US10284785B2 (en) * | 2017-08-30 | 2019-05-07 | Gopro, Inc. | Local tone mapping |
CN108022223B (zh) * | 2017-12-18 | 2021-06-25 | 中山大学 | 一种基于对数映射函数分块处理融合的色调映射方法 |
CN108564633B (zh) * | 2018-01-05 | 2022-03-22 | 珠海市杰理科技股份有限公司 | 灰度图像压缩方法、装置及计算机设备 |
CN108259701A (zh) * | 2018-01-17 | 2018-07-06 | 深圳市唯特视科技有限公司 | 一种基于高动态范围色域映射的颜色再现方法 |
FR3083633B1 (fr) | 2018-07-05 | 2020-05-29 | Thales | Procede et dispositif d'affichage de donnees sonar ou radar a haute dynamique |
CN110717862B (zh) * | 2018-07-11 | 2022-07-19 | 瑞昱半导体股份有限公司 | 基于动态范围压缩的对比增强方法及其电子装置 |
CN111031301A (zh) * | 2018-10-10 | 2020-04-17 | 珠海全志科技股份有限公司 | 一种色域空间调整的方法、存储设备及显示终端 |
EP3867860A1 (en) * | 2018-10-19 | 2021-08-25 | GoPro, Inc. | Tone mapping and tone control integrations for image processing |
CN111105359B (zh) * | 2019-07-22 | 2023-05-12 | 浙江万里学院 | 一种高动态范围图像的色调映射方法 |
CN114359083B (zh) * | 2021-12-24 | 2022-11-29 | 北京航空航天大学 | 一种面向干扰环境的高动态热红外图像自适应预处理方法 |
CN114463207B (zh) * | 2022-01-24 | 2022-07-29 | 哈尔滨理工大学 | 基于全局动态范围压缩与局部亮度估计的色阶映射方法 |
CN114898577B (zh) * | 2022-07-13 | 2022-09-20 | 环球数科集团有限公司 | 一种用于高峰期道路管理的道路智能管理***与方法 |
CN115601267B (zh) * | 2022-10-31 | 2023-04-07 | 哈尔滨理工大学 | 一种具有局部细节补偿能力的全局色阶映射方法 |
CN115937045B (zh) * | 2023-01-05 | 2023-07-04 | 哈尔滨理工大学 | 一种迭代式色阶重建方法 |
CN116309109B (zh) * | 2023-01-05 | 2023-11-24 | 哈尔滨理工大学 | 一种基于亮度直方图均衡化的色阶映射方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8744198B1 (en) * | 2007-11-20 | 2014-06-03 | Lucasfilm Entertainment Company Ltd. | Image compression and decompression |
US8290295B2 (en) * | 2009-03-03 | 2012-10-16 | Microsoft Corporation | Multi-modal tone-mapping of images |
CN103353982B (zh) * | 2013-05-15 | 2016-03-09 | 中山大学 | 一种基于直方图均衡化的色调映射方法 |
CN103400342A (zh) * | 2013-07-04 | 2013-11-20 | 西安电子科技大学 | 基于混合色阶映射及压缩系数的高动态范围图像重构方法 |
CN103916669B (zh) * | 2014-04-11 | 2017-06-13 | 浙江宇视科技有限公司 | 高动态范围图像压缩方法及装置 |
-
2014
- 2014-12-11 CN CN201410765414.3A patent/CN104408752B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104408752A (zh) | 2015-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104408752B (zh) | 一种基于混合色调映射算法的高动态范围图像压缩方法 | |
Duan et al. | Tone-mapping high dynamic range images by novel histogram adjustment | |
Lee et al. | Adaptive multiscale retinex for image contrast enhancement | |
Reinhard et al. | Calibrated image appearance reproduction. | |
CN107220956A (zh) | 一种基于多幅具有不同曝光度的ldr图像的hdr图像融合方法 | |
Vonikakis et al. | Fast centre–surround contrast modification | |
CN110047051A (zh) | 一种非均匀照明彩色图像增强方法 | |
CN109447910A (zh) | 一种基于模糊理论的低照度彩色图像增强方法 | |
CN106504212A (zh) | 一种改进的hsi空间信息低照度彩色图像增强算法 | |
CN106897981A (zh) | 一种基于引导滤波的低照度图像增强方法 | |
CN109993698A (zh) | 一种基于生成对抗网络的单幅图像超分辨纹理增强方法 | |
CN103295194A (zh) | 亮度可控与细节保持的色调映射方法 | |
CN111968041A (zh) | 一种自适应图像增强方法 | |
CN108305232B (zh) | 一种单帧高动态范围图像生成方法 | |
CN106709504B (zh) | 细节保持的高保真色调映射方法 | |
CN106981054A (zh) | 一种图像处理方法及电子设备 | |
CN111105359B (zh) | 一种高动态范围图像的色调映射方法 | |
CN108022223A (zh) | 一种基于对数映射函数分块处理融合的色调映射方法 | |
Subramani et al. | Quadrant dynamic clipped histogram equalization with gamma correction for color image enhancement | |
CN110298792A (zh) | 低光照图像增强与去噪方法、***及计算机设备 | |
CN105513015B (zh) | 一种雾天图像的清晰化处理方法 | |
Li et al. | An adaptive enhancement method for low illumination color images | |
CN114463207B (zh) | 基于全局动态范围压缩与局部亮度估计的色阶映射方法 | |
Parihar et al. | A comprehensive analysis of fusion-based image enhancement techniques | |
Subramani et al. | Cuckoo search optimization‐based image color and detail enhancement for contrast distorted images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170704 Termination date: 20171211 |