CN109410126A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN109410126A
CN109410126A CN201710764423.4A CN201710764423A CN109410126A CN 109410126 A CN109410126 A CN 109410126A CN 201710764423 A CN201710764423 A CN 201710764423A CN 109410126 A CN109410126 A CN 109410126A
Authority
CN
China
Prior art keywords
brightness
ldr
image
histogram
cut
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.)
Granted
Application number
CN201710764423.4A
Other languages
English (en)
Other versions
CN109410126B (zh
Inventor
谭洪舟
刘付康
朱雄泳
陈荣军
谢舜道
吴炆芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
Original Assignee
SYSU HUADU INDUSTRIAL SCIENCE AND TECHNOLOGY INSTITUTE
Sun Yat Sen University
SYSU CMU Shunde International Joint Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SYSU HUADU INDUSTRIAL SCIENCE AND TECHNOLOGY INSTITUTE, Sun Yat Sen University, SYSU CMU Shunde International Joint Research Institute filed Critical SYSU HUADU INDUSTRIAL SCIENCE AND TECHNOLOGY INSTITUTE
Priority to CN201710764423.4A priority Critical patent/CN109410126B/zh
Publication of CN109410126A publication Critical patent/CN109410126A/zh
Application granted granted Critical
Publication of CN109410126B publication Critical patent/CN109410126B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Picture Signal Circuits (AREA)

Abstract

本发明公开了一种细节增强与亮度自适应的高动态范围图像色调映射方法。本发明对输入HDR图像亮度灰度图进行全局细节增强，计算HDR图像亮度灰度图细节增强后的对数，利用对数转换初步压缩原始场景中的亮度；再对其进行亮度直方图统计，并且计算其平均值与标准差，对直方图进行分段裁剪与补偿；再由亮度与标准差估算模型计算映射后中间低动态范围图像的平均亮度与标准差，从而求解HDR图像到中间LDR图像的亮度直方图全局映射曲线，其中由最大熵亮度估算方法自适应选出最优输出中间LDR图像亮度；接着，对中间LDR图像亮度过暗或过亮区域进行局部细节增强映射得到输出LDR图像亮度；最后将HDR图像色彩映射到输出LDR图像色彩，合并色彩空间获得输出LDR图像。本发明能将HDR图像映射到LDR图像，输出的LDR图像亮度自适应，细节增强，主观效果和谐。

Description

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
技术领域
本发明设计了一种细节增强与亮度自适应的高动态范围图像(简称HDR图像)的色调映射方法，具体来说，它是一种对细节进行增强与基于亮度与标准差估算模型计算映射后中间低动态范围图像(简称LDR图像)的平均亮度与标准差，从而得到细节增强与亮度自适应的输出LDR图像的高动态范围图像色调映射方法。
背景技术
目前的CMOS传感器已能采集到170dB的高动态范围的真实场景的图像，从而对传统图像的存储、传输、处理、重现等技术提出了新的挑战。因此存在各种对采集到的HDR图像的动态范围进行压缩的方法，以解决真实场景与存储、传输、处理、重现等技术的动态范围不匹配的问题。这种对高动态范围图像的压缩方式称为色调映射。但是目前色调映射的方法过于依赖相关参数的调节，映射得到的图像细节部分与视觉感受部分不能很好体现真实场景。
发明内容
针对以上不足，本发明提供了一种细节增强与亮度自适应的HDR图像的色调映射方法。本发明能将HDR图像映射到LDR图像，输出的LDR图像亮度自适应，细节增强，主观效果和谐。
本发明提供了一种细节增强与亮度自适应的HDR图像的色调映射方法，包括有如下步骤：
1)对输入HDR图像亮度灰度图进行全局细节增强，计算HDR图像亮度灰度图细节增强后的对数，利用对数转换初步压缩原始场景中的亮度；
2)对全局细节增强的HDR图像亮度对数进行直方图统计，计算其平均值与标准差，对直方图进行分段裁剪与补偿；
3)由亮度与标准差估算模型计算映射到中间LDR图像的平均亮度与标准差，从而求解HDR图像到中间LDR图像的亮度直方图全局映射曲线，其中由最大熵亮度估算方法自适应选出最优输出中间LDR图像亮度；
4)对中间LDR图像亮度灰度图过暗或过亮区域进行局部细节增强映射得到输出LDR图像亮度；
5)将HDR图像色彩通道映射到对应输出LDR图像色彩通道，合并色彩空间获得输出LDR图像。
所述步骤1)包括：
11)定义输入HDR图像红绿蓝三个色彩通道的数据分别为R，G，B，定义HDR图像亮度Lw：
Lw＝0.299R+0.587G+0.114B (1)
12)定义输入HDR图像大尺度纹理层为b：
其中，I为单位矩阵；α是平衡因子，选取25～35之间；Qx,Qy是前向差分算子，是后向差分算子；Ax和Ay是分别包含平滑权重ax(Lw)和ay(Lw)的对角矩阵，平滑权重ax(Lw)和ay(Lw)分别定义如下：
其中，ε1是很小的数，取0.0002；β是决定ln(Lw)梯度灵敏度的参数，选取5～5.5之间；
13)计算输入HDR图像亮度的对数Le：
Le＝ln(Lw) (5)
14)定义HDR图像亮度细节层对数d：
d＝Le-ln(b) (6)
15)定义HDR图像全局增强亮度的对数L'e：
L'e＝λ1ln(b)+λ2d (7)
其中，λ1是修正因子，取0.94～0.98之间，λ2是增强因子，定义为：
其中，μHDR为输入HDR图像平均亮度；C为输入HDR图像对比度，μHDR和C分别定义如下：
其中，M和N是输入HDR图像的长和宽；Lw(i,j)表示位置为(i,j)像素点的亮度值，δ(τ,υ)＝|τ-υ|即是相邻像素间的亮度τ和亮度υ的差值绝对值，Pδ(i,j)即相邻像素间的亮度灰度差为δ的像素分布概率；像素相邻取四近邻。
所述步骤2)包括：
21)定义L'e的最大值Lmax以及最小值Lmin，直方图组数为D，取为1000，将L'e的值线性映射到[0,D-1]，定义离散后的亮度LI，由公式描述为：
其中，表示向下取整；
22)对离散后的亮度图像LI进行直方图统计，定义直方图为h(p):
h(p)＝<{LI(i,j)|LI(i,j)＝p}> (12)
其中，p＝0,…,D-1，<U>表示集合U的元素个数；
23)定义由步骤a)得到的直方图h(p),p＝0,…,D-1的平均值μ，
24)定义由步骤a)得到的直方图h(p),p＝0,…,D-1的标准差σ，
25)定义t1和t2为直方图h(p),p＝0,…,D-1的两个分割点：
t1和t2将直方图分割为三段独立的直方图分别定义为hl、hs和hu：
hl＝h(p),0≤p＜t1
hs＝h(p),t1≤p＜t2
hu＝h(p),t2≤p＜D (16)
定义r1，r2和r3分别为各段直方图在整体直方图中的比例：
26)对第一段直方图hl进行裁剪，定义裁剪阈值Tl：
定义裁剪后的直方图为hl'：
为了不改变hl在整体的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为hl”：
其中，resl为第一段直方图经过裁剪出来的数量之和，p＝0,…,t1-1；
27)对第二段直方图hs进行裁剪，定义裁剪阈值Ts：
定义裁剪后的直方图为hs'：
为了不改变hs在整体的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为hs”：
其中，ress为第二段直方图经过裁剪出来的数量之和，p＝t1,…,t2-1；
28)对第三段直方图hu进行裁剪，定义裁剪阈值Tu：
定义裁剪后的直方图为hu'：
为了不改变hu在整体的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为hu”：
其中，resu为第三段直方图经过裁剪出来的数量之和，p＝t2,…,D-1；
29)定义经过裁剪和补偿的直方图h”：
所述步骤3)包括：
31)定义HDR图像直方图的分割点t1和t2映射到中间LDR图像直方图的分割点为t1'和t'2，定义估计输出图像的模型平均亮度μm和标准差σm，通过迭代求解方程得到分割点t1'；
根据估计模型计算分割点t1',k的方程：
其中k是迭代次数，计算标准差σm,k的方程：
32)定义迭代计数器k＝1，定义最大迭代次数K，定义预设误差e，定义初始标准差σm,0，映射后的中间LDR图像初始平均亮度为μm,0，计算t1',0＝f1(μm,0,σm,0)，迭代开始；
33)计算输出图像的标准差σm,k＝f2(t1',k-1,σm,k-1)；更新自适应亮度μm,k：
该式子基于最大熵提出，其中，[ω0,ωL]是从HDR图像映射到低动态图像的范围，取[ω0,ωL]为[0,255]；
34)更新t1',k＝f1(μm,k,σm,k)；
35)若满足或k>K，迭代结束，输出最终的分割点t1’＝t’1,k，t2’＝t1’+2σm,k；否则令k＝k+1，转到步骤c3)；
36)定义直方图的累计密度函数cdf：
37)定义从高动态范围[0,D-1]的图像映射到低动态范围[ω0,ωL]的图像的映射曲线函数T：
38)定义映射后的中间低动态范围灰度图L'LDR：
L'LDR(i,j)＝T(LI(i,j)) (33)。
所述步骤4)包括：
41)定义中间低动态范围亮度灰度图L'LDR归一化亮度灰度图L”LDR：
L”LDR＝L'LDR/255 (34)
42)定义L”LDR的平均值
43)定义L”LDR的标准差
44)定义中心位于(i,j)大小为θ1×θ1的图像窗口θ，取θ1为5，低动态范围亮度灰度图L”LDR局部细节增强后得到低动态范围亮度灰度图L”'LDR；判断图像窗口θ是否为过暗区域，若是则进行过暗区域局部细节增强处理；判断图像窗口是否为过亮区域，若是则进行过亮区域局部细节增强处理；遍历整幅亮度灰度图L”LDR得到L”'LDR；
45)定义映射后的低动态范围亮度灰度图LLDR：
LLDR＝L”'LDR×255 (37)
所述步骤44)还包括：
441)定义图像窗口θ的灰度平均值μθ：
442)定义图像窗口的灰度标准差σθ：
443)判断图像窗口θ是否过暗区域，即是否满足 其中η1、η2和η3是可调参数，η1选取0.6～0.8之间，η2选取0～0.05之间，η3选取0.5～1之间，选取η1＝0.8,η2＝0,η3＝0.8；若满足则有：
其中ε2为修正参数，取为0.03；η4为过暗区域可调增强因子，η4选取1～3之间；
444)判断图像窗口θ是否过亮区域，即是否满足 其中η5、η6和η7是可调参数，η5选取1.2～1.4之间，η6选取0～0.05之间，η7选取大于5，选取η5＝1.3,η6＝0,η7＝10；若满足则有：
其中η8为过亮区域可调增强因子，η8选取1～3之间；
445)若图像窗口θ既不是过暗区域也不是过亮区域，则有：
L”'LDR(i,j)＝L”LDR(i,j) (42)。
所述步骤5)包括：
51)定义输出LDR图像RGB三个通道数据分别为RLDR，GLDR和BLDR：
其中γ为伽马校正的伽马参数，设置为0.45或0.55。
本发明的有益效果
本发明首先对HDR图像亮度灰度图全局细节增强；再由直方图裁剪与补偿、亮度与标准差估算模型获得HDR图像到LDR图像的亮度直方图全局映射曲线，其中由最大熵亮度估算方法自适应选出最优输出中间LDR图像亮度；然后对中间LDR图像灰度图过暗与过亮区域进行局部细节增强映射得到输出LDR图像亮度灰度图；这样减少了色调映射对相关参数依赖，映射得到的LDR图像细节部分与视觉感受部分很好的体现了真实场景。
附图说明
图1细节增强与亮度自适应的HDR图像色调映射方法的框图
图2细节增强与亮度自适应的HDR图像色调映射方法的流程图
图3估算中间LDR图像的标准差的直方图模型
图4输入HDR经典图像Memorial Church经过色调映射的LDR图像灰度图
具体实施方式
下面结合附图对本发明进行进一步阐述。
如图1所示，本发明一种细节增强与亮度自适应的HDR图像色调映射方法，包括如下步骤：1)对输入HDR图像亮度灰度图进行全局细节增强，计算HDR图像亮度灰度图细节增强后的对数，利用对数转换初步压缩原始场景中的亮度；2)对全局细节增强的HDR图像亮度对数进行直方图统计，计算其平均值与标准差，对直方图进行分段裁剪与补偿；3)由亮度与标准差估算模型计算映射到中间LDR的平均亮度与标准差，从而求解HDR图像到中间LDR图像的亮度直方图全局映射曲线，其中由最大熵亮度估算方法自适应选出最优输出中间LDR图像亮度；4)对中间LDR图像亮度灰度图过暗或过亮区域进行局部细节增强映射得到输出LDR图像亮度灰度图；5)将HDR图像色彩通道映射到对应输出LDR图像色彩通道，合并色彩空间获得输出LDR图像。本发明一种细节增强与亮度自适应的HDR图像色调映射方法的具体实施过程如图2所示。
下面对各步骤进行详细阐述：
1)对输入HDR经典图像Memorial Church亮度灰度图进行全局细节增强，计算HDR图像亮度灰度图细节增强后的对数，利用对数转换初步压缩原始场景中的亮度。
11)定义输入HDR图像红绿蓝三个色彩通道的数据分别为R，G，B，定义HDR图像亮度Lw：
Lw＝0.299R+0.587G+0.114B (87)
12)定义输入HDR图像大尺度纹理层为b：
其中，I为单位矩阵；α是平衡因子，一般选取25～35之间，本发明取为30；Qx,Qy是前向差分算子，是后向差分算子；Ax和Ay是分别包含平滑权重ax(Lw)和ay(Lw)的对角矩阵，平滑权重ax(Lw)和ay(Lw)分别定义如下：
其中，ε1是很小的数，本发明取0.0002；β是决定ln(Lw)梯度灵敏度的参数，一般选取5～5.5之间，本发明取5。
13)计算输入HDR图像亮度的对数Le：
Le＝ln(Lw) (91)
14)定义HDR图像亮度细节层对数d：
d＝Le-ln(b) (92)
15)定义HDR图像全局增强亮度的对数L'e：
L'e＝λ1ln(b)+λ2d (93)
其中，λ1是修正因子，一般选取0.94～0.98之间，取0.95；λ2是增强因子，定义为：
其中，μHDR为输入HDR图像平均亮度；C为输入HDR图像对比度。μHDR和C分别定义如下：
其中，M和N是输入HDR图像的长和宽；Lw(i,j)表示位置为(i,j)像素点的像素值。δ(τ,υ)＝|τ-υ|即是相邻像素间的亮度τ和亮度υ的差值绝对值，Pδ(i,j)即相邻像素间的亮度灰度差为δ的像素分布概率；本发明像素相邻取四近邻。
2)对全局细节增强的HDR图像亮度对数进行直方图统计，计算其平均值与标准差，对直方图进行分段裁剪与补偿。
21)定义L'e的最大值Lmax以及最小值Lmin，直方图组数为D，本发明取为1000，将L'e的值线性映射到[0,D-1]，定义离散后的亮度LI，由公式描述为：
其中，表示向下取整操作；本发明取为2000。
22)对离散后的亮度图像LI进行直方图统计，定义直方图为h(p):
h(p)＝<{LI(i,j)|LI(i,j)＝p}> (98)
其中，p＝0,…,D-1，<U>表示集合U的元素个数。
23)定义由步骤a)得到的直方图h(p),p＝0,…,D-1的平均值μ，
24)定义由步骤a)得到的直方图h(p),p＝0,…,D-1的标准差σ，
25)定义t1和t2为直方图h(p),p＝0,…,D-1的两个分割点：
t1和t2将直方图分割为三段独立的直方图分别定义为hl、hs和hu：
hl＝h(p),0≤p＜t1
hs＝h(p),t1≤p＜t2
hu＝h(p),t2≤p＜D (102)
定义r1，r2和r3分别为各段直方图在整体直方图中的比例：
26)对第一段直方图hl进行裁剪，定义裁剪阈值Tl：
定义裁剪后的直方图为hl'：
为了不改变hl在整体的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为hl”：
其中，resl为第一段直方图经过裁剪出来的数量之和，p＝0,…,t1-1。
27)对第二段直方图hs进行裁剪，定义裁剪阈值Ts：
定义裁剪后的直方图为hs'：
为了不改变hs在整体的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为hs”：
其中，ress为第二段直方图经过裁剪出来的数量之和，p＝t1,…,t2-1。
28)对第三段直方图hu进行裁剪，定义裁剪阈值Tu：
定义裁剪后的直方图为hu'：
为了不改变hu在整体的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为hu”：
其中，resu为第三段直方图经过裁剪出来的数量之和，p＝t2,…,D-1。
29)定义经过裁剪和补偿的直方图h”：
3)由亮度与标准差估算模型计算映射到中间LDR的平均亮度与标准差，从而求解HDR图像到中间LDR图像的亮度直方图全局映射曲线，其中由最大熵亮度估算方法自适应选出最优输出中间LDR图像亮度，其中，标准差估算模型如图3所示。
31)定义HDR图像直方图的分割点t1和t2映射到中间LDR图像直方图的分割点为t1'和t'2，定义估计输出图像的模型平均亮度μm和标准差σm，通过迭代求解方程得到分割点t1'。
根据估计模型计算分割点t1',k的方程：
其中k是迭代次数，计算标准差σm,k的方程：
32)定义迭代计数器k＝1，定义最大迭代次数K，定义预设误差e，定义初始标准差σm,0，映射后的中间LDR图像初始平均亮度为μm,0，计算t1',0＝f1(μm,0,σm,0)，迭代开始；
33)计算输出图像的标准差σm,k＝f2(t1',k-1,σm,k-1)；更新自适应亮度μm,k：
该式子基于最大熵提出，其中，[ω0,ωL]是从HDR图像映射到低动态图像的范围，本发明取[ω0,ωL]为[0,255]。
34)更新t1',k＝f1(μm,k,σm,k)。
35)若满足或k>K，迭代结束，输出最终的分割点t1’＝t’1,k，t2’＝t1’+2σm,k；否则令k＝k+1，转到步骤c3)。
36)定义直方图的累计密度函数cdf：
37)定义从高动态范围[0,D-1]的图像映射到低动态范围[ω0,ωL]的图像的映射曲线函数T：
38)定义映射后的中间低动态范围灰度图L'LDR：
L'LDR(i,j)＝T(LI(i,j)) (119)。
4)对中间LDR图像亮度灰度图过暗或过亮区域进行局部细节增强映射。
41)定义中间低动态范围灰度图L'LDR归一化灰度图L”LDR：
L”LDR＝L'LDR/255 (120)
42)定义L”LDR的平均值
43)定义L”LDR的标准差
44)定义中心位于(i,j)大小为θ1×θ1的图像窗口θ，本发明取θ1为5，低动态范围灰度图L”LDR局部细节增强后得到低动态范围灰度图L”'LDR；判断图像窗口θ是否为过暗区域，若是则进行过暗区域局部细节增强处理；判断图像窗口是否为过亮区域，若是则进行过亮区域局部细节增强处理；遍历整幅灰度图L”LDR得到L”'LDR。
45)定义映射后的低动态范围灰度图LLDR：
LLDR＝L”'LDR×255 (123)
所述步骤44)还包括：
441)定义图像窗口θ的灰度平均值μθ：
442)定义图像窗口θ的灰度标准差σθ：
443)判断图像窗口θ是否过暗区域，即是否满足 其中η1、η2和η3是可调参数，η1一般选取0.6～0.8之间，η2一般选取0～0.05之间，η3一般选取0.5～1之间，本发明选取η1＝0.8,η2＝0,η3＝0.8；若满足则有：
其中ε2为修正参数，取为0.03；η4为过暗区域可调增强因子，η4一般取1～3之间，本发明取为2。
444)判断图像窗口θ是否过亮区域，即是否满足 其中η5、η6和η7是可调参数，η5一般选取1.2～1.4之间，η6一般选取0～0.05之间，η7一般选取大于5，本发明选取η5＝1.3,η6＝0,η7＝10；若满足则有：
其中η8为过亮区域可调增强因子，η8一般取1～3之间，本发明取为2。
445)若图像窗口θ既不是过暗区域也不是过亮区域，则有：
L”'LDR(i,j)＝L”LDR(i,j) (128)
5)将HDR图像色彩通道映射到对应输出LDR图像色彩通道，合并色彩空间获得输出LDR图像。
51)定义输出LDR图像RGB三个通道数据分别为RLDR，GLDR和BLDR：
其中γ为伽马校正的伽马参数，一般设置为0.45或0.55，本发明取为0.45。

Claims (6)

1.一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，其特征在于包括有如下步骤：
1)对输入HDR图像亮度灰度图进行全局细节增强，计算HDR图像亮度灰度图细节增强后的对数，利用对数转换初步压缩原始场景中的亮度；
2)对全局细节增强的HDR图像亮度对数进行直方图统计，计算其平均值与标准差，对直方图进行分段裁剪与补偿；
3)由亮度与标准差估算模型计算映射到中间LDR图像的平均亮度与标准差，从而求解HDR图像到中间LDR图像的亮度直方图全局映射曲线，其中由最大熵亮度估算方法自适应选出最优输出中间LDR图像亮度；
4)对中间LDR图像亮度灰度图过暗或过亮区域进行局部细节增强映射得到输出LDR图像亮度；
5)将HDR图像色彩通道映射到对应输出LDR图像色彩通道，合并色彩空间获得输出LDR图像。
2.根据权利要求1所述的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，其特征在于，所述步骤1)包括：
11)定义输入HDR图像红绿蓝三个色彩通道的数据分别为R，G，B，定义HDR图像亮度Lw：
Lw＝0.299R+0.587G+0.114B (1)
12)定义输入HDR图像大尺度纹理层为b：
其中，I为单位矩阵；α是平衡因子，选取25～35之间；Qx,Qy是前向差分算子，是后向差分算子；Ax和Ay是分别包含平滑权重ax(Lw)和ay(Lw)的对角矩阵，平滑权重ax(Lw)和ay(Lw)分别定义如下：
其中，ε1是很小的数，取0.0002；β是决定ln(Lw)梯度灵敏度的参数，选取5～5.5之间；
13)计算输入HDR图像亮度的对数Le：
Le＝ln(Lw) (5)
14)定义HDR图像亮度细节层对数d：
d＝Le-ln(b) (6)
15)定义HDR图像全局增强亮度的对数L'e：
L'e＝λ1ln(b)+λ2d (7)
其中，λ1是修正因子，取0.94～0.98之间，λ2是增强因子，定义为：
其中，μHDR为输入HDR图像平均亮度；C为输入HDR图像对比度，μHDR和C分别定义如下：
其中，M和N是输入HDR图像的长和宽；Lw(i,j)表示位置为(i,j)像素点的亮度值，δ(τ,υ)＝|τ-υ|即是相邻像素间的亮度τ和亮度υ的差值绝对值，Pδ(i,j)即相邻像素间的亮度灰度差为δ的像素分布概率；像素相邻取四近邻。
3.根据权利要求1所述的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，其特征在于，所述步骤2)包括：
21)定义L'e的最大值Lmax以及最小值Lmin，直方图组数为D，取为1000，将L'e的值线性映射到[0,D-1]，定义离散后的亮度LI，由公式描述为：
其中，表示向下取整；
22)对离散后的亮度图像LI进行直方图统计，定义直方图为h(p):
h(p)＝<{LI(i,j)|LI(i,j)＝p}> (12)
其中，p＝0,…,D-1，<U>表示集合U的元素个数；
23)定义由步骤a)得到的直方图h(p),p＝0,…,D-1的平均值μ，
24)定义由步骤a)得到的直方图h(p),p＝0,…,D-1的标准差σ，
25)定义t1和t2为直方图h(p),p＝0,…,D-1的两个分割点：
t1和t2将直方图分割为三段独立的直方图分别定义为hl、hs和hu：
hl＝h(p),0≤p＜t1
hs＝h(p),t1≤p＜t2
hu＝h(p),t2≤p＜D (16)
定义r1，r2和r3分别为各段直方图在整体直方图中的比例：
26)对第一段直方图hl进行裁剪，定义裁剪阈值Tl：
定义裁剪后的直方图为hl'：
为了不改变hl在整体的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为hl”：
其中，resl为第一段直方图经过裁剪出来的数量之和，p＝0,…,t1-1；
27)对第二段直方图hs进行裁剪，定义裁剪阈值Ts：
定义裁剪后的直方图为hs'：
为了不改变hs在整体的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为hs”：
其中，ress为第二段直方图经过裁剪出来的数量之和，p＝t1,…,t2-1；
28)对第三段直方图hu进行裁剪，定义裁剪阈值Tu：
定义裁剪后的直方图为hu'：
为了不改变hu在整体的比例，需要将裁剪多出的部分补偿到直方图中，定义补偿后的直方图为hu”：
其中，resu为第三段直方图经过裁剪出来的数量之和，p＝t2,…,D-1；
29)定义经过裁剪和补偿的直方图h”：
4.根据权利要求1所述的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，其特征在于，所述步骤3)包括：
31)定义HDR图像直方图的分割点t1和t2映射到中间LDR图像直方图的分割点为t1'和t'2，定义估计输出图像的模型平均亮度μm和标准差σm，通过迭代求解方程得到分割点t1'；
根据估计模型计算分割点t1',k的方程：
其中k是迭代次数，计算标准差σm,k的方程：
σm,k＝f2(t′1,k-1,σm,k-1)
32)定义迭代计数器k＝1，定义最大迭代次数K，定义预设误差e，定义初始标准差σm,0，映射后的中间LDR图像初始平均亮度为μm,0，计算t′1,0＝f1(μm,0,σm,0)，迭代开始；
33)计算输出图像的标准差σm,k＝f2(t′1,k-1,σm,k-1)；更新自适应亮度μm,k：
该式子基于最大熵提出，其中，[ω0,ωL]是从HDR图像映射到低动态图像的范围，取[ω0,ωL]为[0,255]；
34)更新t′1,k＝f1(μm,k,σm,k)；
35)若满足或k>K，迭代结束，输出最终的分割点t1’＝t’1,k，t2’＝t1’+2σm,k；否则令k＝k+1，转到步骤c3)；
36)定义直方图的累计密度函数cdf：
37)定义从高动态范围[0,D-1]的图像映射到低动态范围[ω0,ωL]的图像的映射曲线函数T：
38)定义映射后的中间低动态范围灰度图L'LDR：
L'LDR(i,j)＝T(LI(i,j)) (33)。
5.根据权利要求1所述的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，其特征在于，所述步骤4)包括：
41)定义中间低动态范围亮度灰度图L'LDR归一化亮度灰度图L”LDR：
L”LDR＝L'LDR/255 (34)
42)定义L”LDR的平均值
43)定义L”LDR的标准差
44)定义中心位于(i,j)大小为θ1×θ1的图像窗口θ，取θ1为5，低动态范围亮度灰度图L”LDR局部细节增强后得到低动态范围亮度灰度图L”'LDR；判断图像窗口θ是否为过暗区域，若是则进行过暗区域局部细节增强处理；判断图像窗口是否为过亮区域，若是则进行过亮区域局部细节增强处理；遍历整幅亮度灰度图L”LDR得到L”'LDR；
45)定义映射后的低动态范围亮度灰度图LLDR：
LLDR＝L”'LDR×255 (37)
所述步骤44)还包括：
441)定义图像窗口θ的灰度平均值μθ：
442)定义图像窗口的灰度标准差σθ：
443)判断图像窗口θ是否过暗区域，即是否满足 其中η1、η2和η3是可调参数，η1选取0.6～0.8之间，η2选取0～0.05之间，η3选取0.5～1之间，选取η1＝0.8,η2＝0,η3＝0.8；若满足则有：
其中ε2为修正参数，取为0.03；η4为过暗区域可调增强因子，η4选取1～3之间；
444)判断图像窗口θ是否过亮区域，即是否满足 其中η5、η6和η7是可调参数，η5选取1.2～1.4之间，η6选取0～0.05之间，η7选取大于5，选取η5＝1.3,η6＝0,η7＝10；若满足则有：
其中η8为过亮区域可调增强因子，η8选取1～3之间；
445)若图像窗口θ既不是过暗区域也不是过亮区域，则有：
L”'LDR(i,j)＝L”LDR(i,j) (42)
6.根据权利要求1所述的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，其特征在于，所述步骤5)包括：
51)定义输出LDR图像RGB三个通道数据分别为RLDR，GLDR和BLDR：
其中γ为伽马校正的伽马参数，设置为0.45或0.55。
441)定义图像窗口θ的灰度平均值μθ：
442)定义图像窗口θ的灰度标准差σθ：
443)判断图像窗口θ是否过暗区域，即是否满足 其中η1、η2和η3是可调参数，η1一般选取0.6～0.8之间，η2一般选取0～0.05之间，η3一般选取0.5～1之间，本发明选取η1＝0.8,η2＝0,η3＝0.8；若满足则有：
其中ε2为修正参数，取为0.03；η4为过暗区域可调增强因子，η4一般取1～3之间，本发明取为2。
444)判断图像窗口θ是否过亮区域，即是否满足 其中η5、η6和η7是可调参数，η5一般选取1.2～1.4之间，η6一般选取0～0.05之间，η7一般选取大于5，本发明选取η5＝1.3,η6＝0,η7＝10；若满足则有：
其中η8为过亮区域可调增强因子，η8一般取1～3之间，本发明取为2。
445)若图像窗口θ既不是过暗区域也不是过亮区域，则有：
L”'LDR(i,j)＝L”LDR(i,j) (128)
5)将HDR图像色彩通道映射到对应输出LDR图像色彩通道，合并色彩空间获得输出LDR图像。
51)定义输出LDR图像RGB三个通道数据分别为RLDR，GLDR和BLDR：
其中γ为伽马校正的伽马参数，一般设置为0.45或0.55，本发明取为0.45。
CN201710764423.4A 2017-08-30 2017-08-30 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 Active CN109410126B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710764423.4A CN109410126B (zh) 2017-08-30 2017-08-30 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710764423.4A CN109410126B (zh) 2017-08-30 2017-08-30 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

Publications (2)

Publication Number Publication Date
CN109410126A true CN109410126A (zh) 2019-03-01
CN109410126B CN109410126B (zh) 2022-04-05

Family

ID=65462768

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710764423.4A Active CN109410126B (zh) 2017-08-30 2017-08-30 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

Country Status (1)

Country Link
CN (1) CN109410126B (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110223244A (zh) * 2019-05-13 2019-09-10 浙江大华技术股份有限公司 一种图像处理的方法、装置、电子设备和存储介质
CN111369478A (zh) * 2020-03-04 2020-07-03 腾讯科技（深圳）有限公司 人脸图像增强方法、装置、计算机设备和存储介质
CN111915523A (zh) * 2020-08-04 2020-11-10 深圳蓝韵医学影像有限公司 Dr图像亮度自适应调整方法及***
CN111970564A (zh) * 2020-08-26 2020-11-20 展讯通信（上海）有限公司 Hdr视频显示处理的优化方法及装置、存储介质、终端
CN112381836A (zh) * 2020-11-12 2021-02-19 贝壳技术有限公司 图像处理方法和装置、计算机可读存储介质、电子设备
CN112785532A (zh) * 2021-01-12 2021-05-11 安徽大学 基于加权直方图分布伽玛校正的奇异值均衡图像增强算法
CN113052923A (zh) * 2021-03-31 2021-06-29 维沃移动通信（深圳）有限公司 色调映射方法、装置、电子设备和存储介质
CN113240590A (zh) * 2021-04-13 2021-08-10 浙江大华技术股份有限公司 一种图像处理方法及装置
WO2021218603A1 (zh) * 2020-04-28 2021-11-04 深圳光峰科技股份有限公司 图像处理方法及投影***
CN113676773A (zh) * 2021-08-16 2021-11-19 广州虎牙信息科技有限公司 一种视频播放方法、***、装置、计算机设备和存储介质
CN113850743A (zh) * 2021-11-30 2021-12-28 江苏游隼微电子有限公司 一种基于自适应参数的视频全局色调映射方法
CN113888419A (zh) * 2021-09-23 2022-01-04 南京大学 一种图像去暗角方法
CN114463207A (zh) * 2022-01-24 2022-05-10 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
CN114820377A (zh) * 2022-05-10 2022-07-29 平安科技（深圳）有限公司 文本图像处理方法、装置、计算机设备及可读存储介质
CN114862706A (zh) * 2022-04-25 2022-08-05 哈尔滨理工大学 一种保持图像梯度方向的色阶映射方法
CN115601267A (zh) * 2022-10-31 2023-01-13 哈尔滨理工大学（Cn） 一种具有局部细节补偿能力的全局色阶映射方法
CN116167950A (zh) * 2023-04-26 2023-05-26 镕铭微电子(上海)有限公司 图像处理方法、装置、电子设备及存储介质
CN116309109A (zh) * 2023-01-05 2023-06-23 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
CN116363148A (zh) * 2022-06-21 2023-06-30 上海玄戒技术有限公司 图像处理方法、装置、芯片及存储介质
CN116703798A (zh) * 2023-08-08 2023-09-05 西南科技大学 基于自适应干扰抑制的食管多模态内镜图像增强融合方法
CN117474816A (zh) * 2023-12-26 2024-01-30 中国科学院宁波材料技术与工程研究所 高动态范围图像色调映射方法、***及可读存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101901475A (zh) * 2010-06-12 2010-12-01 北京理工大学 基于视网膜自适应模型的高动态范围图像色调映射方法
CN102722868A (zh) * 2012-05-23 2012-10-10 西安理工大学 一种高动态范围图像色调映射方法
CN103353982A (zh) * 2013-05-15 2013-10-16 中山大学 一种基于直方图均衡化的色调映射方法
CN104408752A (zh) * 2014-12-11 2015-03-11 西安电子科技大学 一种基于混合色调映射算法的高动态范围图像压缩方法
US20150201109A1 (en) * 2014-01-13 2015-07-16 Marvell World Trade Ltd. System and Method for Tone Mapping of Images
CN104835121A (zh) * 2015-04-27 2015-08-12 西安电子科技大学 基于无穷范数约束与最大熵原则的色调映射方法
US20150269717A1 (en) * 2010-03-17 2015-09-24 Texas Instruments Incorporated Scene adaptive brightness/contrast enhancement
CN103295194B (zh) * 2013-05-15 2015-11-04 中山大学 亮度可控与细节保持的色调映射方法
US9374510B2 (en) * 2013-03-12 2016-06-21 Stmicroelectronics (Grenoble 2) Sas Tone mapping method
US20160364848A1 (en) * 2015-06-12 2016-12-15 Gopro, Inc. Global tone mapping
CN106709504A (zh) * 2016-11-28 2017-05-24 上海大学 细节保持的高保真色调映射方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150269717A1 (en) * 2010-03-17 2015-09-24 Texas Instruments Incorporated Scene adaptive brightness/contrast enhancement
CN101901475A (zh) * 2010-06-12 2010-12-01 北京理工大学 基于视网膜自适应模型的高动态范围图像色调映射方法
CN102722868A (zh) * 2012-05-23 2012-10-10 西安理工大学 一种高动态范围图像色调映射方法
US9374510B2 (en) * 2013-03-12 2016-06-21 Stmicroelectronics (Grenoble 2) Sas Tone mapping method
CN103353982A (zh) * 2013-05-15 2013-10-16 中山大学 一种基于直方图均衡化的色调映射方法
CN103295194B (zh) * 2013-05-15 2015-11-04 中山大学 亮度可控与细节保持的色调映射方法
US20150201109A1 (en) * 2014-01-13 2015-07-16 Marvell World Trade Ltd. System and Method for Tone Mapping of Images
CN104408752A (zh) * 2014-12-11 2015-03-11 西安电子科技大学 一种基于混合色调映射算法的高动态范围图像压缩方法
CN104835121A (zh) * 2015-04-27 2015-08-12 西安电子科技大学 基于无穷范数约束与最大熵原则的色调映射方法
US20160364848A1 (en) * 2015-06-12 2016-12-15 Gopro, Inc. Global tone mapping
CN106709504A (zh) * 2016-11-28 2017-05-24 上海大学 细节保持的高保真色调映射方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KIM ET AL: "Tone mapping with contrast preservation and lightness correction in high dynamic range imaging", 《SIGNAL IMAGE AND VIDEO PROCESSING 》 *
MA ET AL: "High Dynamic Range Image Compression by Optimizing Tone Mapped Image Quality Index", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 *
陆许明等: "一种亮度可控与细节保持的高动态范围图像色调映射方法", 《自动化学报》 *

Cited By (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110223244B (zh) * 2019-05-13 2021-08-27 浙江大华技术股份有限公司 一种图像处理的方法、装置、电子设备和存储介质
CN110223244A (zh) * 2019-05-13 2019-09-10 浙江大华技术股份有限公司 一种图像处理的方法、装置、电子设备和存储介质
CN111369478A (zh) * 2020-03-04 2020-07-03 腾讯科技（深圳）有限公司 人脸图像增强方法、装置、计算机设备和存储介质
CN111369478B (zh) * 2020-03-04 2023-03-21 腾讯科技（深圳）有限公司 人脸图像增强方法、装置、计算机设备和存储介质
WO2021218603A1 (zh) * 2020-04-28 2021-11-04 深圳光峰科技股份有限公司 图像处理方法及投影***
CN111915523A (zh) * 2020-08-04 2020-11-10 深圳蓝韵医学影像有限公司 Dr图像亮度自适应调整方法及***
CN111970564A (zh) * 2020-08-26 2020-11-20 展讯通信（上海）有限公司 Hdr视频显示处理的优化方法及装置、存储介质、终端
CN112381836A (zh) * 2020-11-12 2021-02-19 贝壳技术有限公司 图像处理方法和装置、计算机可读存储介质、电子设备
CN112785532A (zh) * 2021-01-12 2021-05-11 安徽大学 基于加权直方图分布伽玛校正的奇异值均衡图像增强算法
CN112785532B (zh) * 2021-01-12 2022-11-18 安徽大学 基于加权直方图分布伽玛校正的奇异值均衡图像增强算法
CN113052923A (zh) * 2021-03-31 2021-06-29 维沃移动通信（深圳）有限公司 色调映射方法、装置、电子设备和存储介质
CN113240590A (zh) * 2021-04-13 2021-08-10 浙江大华技术股份有限公司 一种图像处理方法及装置
CN113240590B (zh) * 2021-04-13 2022-05-27 浙江大华技术股份有限公司 一种图像处理方法及装置
CN113676773A (zh) * 2021-08-16 2021-11-19 广州虎牙信息科技有限公司 一种视频播放方法、***、装置、计算机设备和存储介质
CN113676773B (zh) * 2021-08-16 2023-11-14 广州虎牙信息科技有限公司 一种视频播放方法、***、装置、计算机设备和存储介质
CN113888419A (zh) * 2021-09-23 2022-01-04 南京大学 一种图像去暗角方法
CN113850743A (zh) * 2021-11-30 2021-12-28 江苏游隼微电子有限公司 一种基于自适应参数的视频全局色调映射方法
CN113850743B (zh) * 2021-11-30 2022-03-01 江苏游隼微电子有限公司 一种基于自适应参数的视频全局色调映射方法
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
CN114463207A (zh) * 2022-01-24 2022-05-10 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
CN114862706A (zh) * 2022-04-25 2022-08-05 哈尔滨理工大学 一种保持图像梯度方向的色阶映射方法
CN114820377A (zh) * 2022-05-10 2022-07-29 平安科技（深圳）有限公司 文本图像处理方法、装置、计算机设备及可读存储介质
CN116363148A (zh) * 2022-06-21 2023-06-30 上海玄戒技术有限公司 图像处理方法、装置、芯片及存储介质
CN116363148B (zh) * 2022-06-21 2024-04-02 上海玄戒技术有限公司 图像处理方法、装置、芯片及存储介质
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
CN115601267A (zh) * 2022-10-31 2023-01-13 哈尔滨理工大学（Cn） 一种具有局部细节补偿能力的全局色阶映射方法
CN116309109A (zh) * 2023-01-05 2023-06-23 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
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
CN116167950B (zh) * 2023-04-26 2023-08-04 镕铭微电子(上海)有限公司 图像处理方法、装置、电子设备及存储介质
CN116167950A (zh) * 2023-04-26 2023-05-26 镕铭微电子(上海)有限公司 图像处理方法、装置、电子设备及存储介质
CN116703798A (zh) * 2023-08-08 2023-09-05 西南科技大学 基于自适应干扰抑制的食管多模态内镜图像增强融合方法
CN116703798B (zh) * 2023-08-08 2023-10-13 西南科技大学 基于自适应干扰抑制的食管多模态内镜图像增强融合方法
CN117474816A (zh) * 2023-12-26 2024-01-30 中国科学院宁波材料技术与工程研究所 高动态范围图像色调映射方法、***及可读存储介质
CN117474816B (zh) * 2023-12-26 2024-03-12 中国科学院宁波材料技术与工程研究所 高动态范围图像色调映射方法、***及可读存储介质

Also Published As

Publication number Publication date
CN109410126B (zh) 2022-04-05

Similar Documents

Publication Publication Date Title
CN109410126A (zh) 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
Chang et al. Automatic contrast-limited adaptive histogram equalization with dual gamma correction
KR101309498B1 (ko) 높은 동적 범위 이미지 매핑을 위한 히스토그램 조정
KR101309497B1 (ko) 높은 동작 범위 이미지 매핑을 위한 히스토그램 조정
EP3566203B1 (en) Perceptually preserving scene-referred contrasts and chromaticities
CN110728633B (zh) 多曝光度高动态范围反色调映射模型构建方法及装置
CN101505421B (zh) 具有细节保留和噪声约束的高动态范围压缩方法
US7319787B2 (en) Automatic contrast enhancement
KR101742120B1 (ko) 영상 처리 장치 및 방법
CN109345491B (zh) 一种融合梯度和灰度信息的遥感图像增强方法
KR20120107429A (ko) 구역 기반의 톤 매핑
CN108198155B (zh) 一种自适用色调映射方法及***
CN111105376B (zh) 基于双分支神经网络的单曝光高动态范围图像生成方法
CN109343692B (zh) 基于图像分割的移动设备显示器省电方法
CN110009574B (zh) 一种低动态范围图像逆向生成高动态范围图像的方法
CN103702116B (zh) 一种图像的宽动态压缩方法和装置
CN104994382A (zh) 一种感知率失真的优化方法
Koz et al. Methods for improving the tone mapping for backward compatible high dynamic range image and video coding
Zhang et al. Non-uniform illumination video enhancement based on zone system and fusion
CN111836044B (zh) 决定量化参数的方法
CN117611501A (zh) 一种低照度图像增强方法、装置、设备及可读存储介质
CN104915934B (zh) 一种基于视网膜机制的灰度图像增强方法
KR101585187B1 (ko) Cielab 색 공간에서의 통합된 멀티 스케일 레티넥스를 수행하는 이미지 처리 방법 및 장치
CN115293989A (zh) 一种综合MsRcR和自动色阶的图像增强方法
Chang et al. Perceptual contrast enhancement of dark images based on textural coefficients

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240527

Address after: 510000 No. 135 West Xingang Road, Guangdong, Guangzhou

Patentee after: SUN YAT-SEN University

Country or region after: China

Address before: 510275 No. 135 West Xingang Road, Guangzhou, Guangdong, Haizhuqu District

Patentee before: SUN YAT-SEN University

Country or region before: China

Patentee before: SYSU-CMU SHUNDE INTERNATIONAL JOINT Research Institute

Patentee before: SYSU HUADU INDUSTRIAL SCIENCE AND TECHNOLOGY INSTITUTE

TR01 Transfer of patent right