CN114187192A - 一种基于多曝光融合的图像处理方法 - Google Patents
一种基于多曝光融合的图像处理方法 Download PDFInfo
- Publication number
- CN114187192A CN114187192A CN202111384572.0A CN202111384572A CN114187192A CN 114187192 A CN114187192 A CN 114187192A CN 202111384572 A CN202111384572 A CN 202111384572A CN 114187192 A CN114187192 A CN 114187192A
- Authority
- CN
- China
- Prior art keywords
- image
- exposure
- noise
- color model
- short
- 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.)
- Pending
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 21
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 206010027146 Melanoderma Diseases 0.000 claims abstract description 6
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 4
- 238000009499 grossing Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种基于多曝光融合的图像处理方法,包含步骤:S1、短曝光图像噪声估计,并根据噪声估计结果去除短曝光图像中的噪声;S2、采用膨胀法去除长曝光图像中的黑点;S3、对去噪声的短曝光图像、正常曝光图像、去黑点的长曝光图像进行图像颜色模型转换:将RGB颜色模型转换成YUV颜色模型;S4、对步骤S3所得Y通道的值进行合成,求取高动态范围图像;S5、将步骤S4得到的高动态范围图像进行色调映射转换至8位图像;S6、将步骤S3得到的U、V通道的值与步骤S5处理得到的Y通道的值进行组合,得到基于YUV颜色模型的图像,并将得到的YUV颜色模型图像转换成RGB颜色模型图像,得到最终融合图像。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种基于多曝光融合的图像处理方法。
背景技术
相机的动态范围指的是拍摄图像的最小亮度值与最大亮度值之间的范围。当前,由于硬件性能的不足,相机的动态范围受到限制,而现实世界中亮度的动态范围非常广泛,人眼可见的亮度动态范围可以达到10-4~108,而一般显示器的动态范围只有0~255。高动态范围场景下,超出相机有效动态范围的细节往往无法在图像中正常显示。特别地,在光照条件差异较大的条件下采集图像时,低照度环境下通常会出现欠曝光问题,同时,昏暗的光线还会加重相机的噪声,在图像中表现为黑白噪声点,严重影响画质;而当镜头面对车灯等强光直射时,会出现过曝光现象,导致背景难以辨别,并且过曝中心很大概率会呈现黑点状态。尽管市场上已有专用的HDR成像设备,其成像的动态范围远大于普通相机,但这些设备的售价都非常高,还不适用于日常场景。普通相机在图像采集过程中,通过改变积分时间,能够获取覆盖了不同动态范围的图像。通常情况下,相机根据估计的光照程度成像的为正常曝光图像,若减少积分时间,可以得到短曝光图像,与正常曝光图像相比更暗,能够捕获明亮区域的细节,但信噪比较低,包含噪声较多;增加积分时间则得到长曝光图像,比正常曝光图像更亮,能够突出黑暗区域的细节。因此,通过算法手段,输入多张不同曝光的图像,并结合多曝光融合算法,可以生成更加真实的高动态范围图像。
常用的多曝光融合算法包括基于色调映射的方法,基于加权滤波的方法,基于亮度梯度大小的方法以及基于拉金字塔变换的方法。学者们针对多曝光融合算法已经进行了深入研究,并取得了不少成果,但仍存在一些问题。一方面,大多数研究人员使用的实验图像多为室内昏暗场景,或是室外处于黄昏时分的场景,这些能见度尚可的场景下算法效果较好,但应用于能见度极低的场景图像时效果不佳;另一方面,多曝光融合前的去噪问题被忽略,而多曝光融合主要就是应用于光照条件不佳的场景,这些图像所含噪声通常要多于正常图像,尤其是光线昏暗拍摄的图像,其中的噪声问题更加突出。
因此,本领域的技术人员致力于开发一种基于多曝光融合的图像处理方法。
发明内容
本发明的目的在于针对上述已有技术的不足,提出一种基于多曝光融合的图像处理方法,该方法考虑到光线昏暗情况下图像噪声大、容易出现黑点、亮暗区域差异大等特点,在融合前增加了预处理步骤,首先对短曝光图像进行噪声估计,结合估计的噪声水平,利用非局部均值算法完成去噪;然后针对长曝光图像可能出现的黑点,通过膨胀手段进行去除。为了提高算法效率,将基于RGB颜色模型的实验图像转换至YUV颜色模型,只针对Y通道图像求取相机响应曲线与辐照度,并采用对比度受限的自适应直方图均衡化算法进行色调映射,最后,将基于YUV颜色模型的结果图像转换至RGB颜色模型,得到最终融合结果,从而更好地提升图像的动态范围。
本发明提出一种基于多曝光融合的图像处理方法,包括以下步骤:
S1、短曝光图像噪声估计,并根据噪声估计结果去除短曝光图像中的噪声;
S2、采用膨胀法去除长曝光图像中的黑点;
S3、对去噪声的短曝光图像、正常曝光图像、去黑点的长曝光图像进行图像颜色模型转换:将RGB颜色模型转换成YUV颜色模型;
S4、对步骤S3所得Y通道的值进行合成,求取高动态范围图像;
S5、将步骤S4得到的高动态范围图像进行色调映射转换至8位图像;
S6、将步骤S3得到的U、V通道的值与步骤S5处理得到的Y通道的值进行组合,得到基于YUV颜色模型的图像,并将得到的YUV颜色模型图像转换成RGB颜色模型图像。
进一步地,所述短曝光、正常曝光和长曝光图像的曝光时间之比为1:8:64。
进一步地,所述步骤S1包括以下具体步骤:
S1-1、输入短曝光图像Is,利用两个拉普拉斯滤波器L1、L2计算噪声标准差σ,
S1-2、根据计算得到的噪声标准差σ,确定平滑系数h的取值;
S1-3、采用非局部均值算法去除短曝光图像Is中的噪声。
进一步地,所述噪声标准差σ与平滑系数h的取值关系为:
本发明的有益效果在于:本发明提出的一种基于多曝光融合的图像处理方法,更好地解决了图像的噪声问题,有效提高了图像的动态范围,并且能够在一定程度上消除强光源造成的眩光影响。
附图说明
图1为本发明的整体算法流程图。
具体实施方式
以下参考说明书附图介绍本发明的实施例,使其技术内容更加清楚和便于理解。
参考图1,本发明的技术方案包括以下步骤:
S1、短曝光图像噪声估计,并根据噪声估计结果去除短曝光图像中的噪声,具体的,包括以下步骤:
S1-1、输入短曝光图像IS,利用两个拉普拉斯滤波器L1、L2计算噪声标准差σ,
S1-2、根据计算得到的噪声标准差σ,确定平滑系数h的取值,具体的为:
S1-3、采用非局部均值算法去除短曝光图像IS中的噪声,具体的为:
设定一个搜索窗A(a,R),该搜索窗以像素点a为中心,大小为(2R+1)×(2R+1);设定两个邻域,第一个邻域B(a,r)以像素点a为中心,大小为(2r+1)×(2r+1),第二个邻域B(b,r)以像素点b为中心,大小为(2r+1)×(2r+1)。根据输入短曝光图像的大小,根据短曝光图像的宽度x和高度y确定R、r的取值,如下所示:
根据所求权重以及归一化系数进行图像去噪,
S2、采用膨胀法去除长曝光图像中的黑点,具体地采用以下公式,
S3、对去噪声的短曝光图像、正常曝光图像、去黑点的长曝光图像进行图像颜色模型转换:将RGB颜色模型转换成YUV颜色模型,Y通道都表示亮度分量,U、V通道表示两个色度分量,具体地,采用以下公式进行颜色模式的转换:
S4、对步骤S3所得Y通道的值进行合成,求取高动态范围图像,具体地,将去噪后短曝光图像、正常曝光图像以及去除黑点后长曝光图像的曝光时间记为tj,j=1,2,3;在每张图像上选取位置相同的M个像素点,i表示像素点的索引,1≤i≤M,
通过目标函数求解函数g,
目标函数可以改写为:
S5、将步骤S4得到的高动态范围图像进行色调映射转换至8位图像,以适应显示器,具体地,采用对比度受限的自适应直方图均衡化算法实现色调映射,将融合后Y通道图像分割成大小的子块,这些子块连续但互不重叠,通过对目标点周围4个子块的灰度级概率密度函数做变换,得到4个映射值后进行双线性插值,求得目标点像素值。假设图像的灰度级为M,其概率密度函数计算如下:
利用累积分布函数进行变换,公式为:
进行取整得到变换函数:
对每个矩形子块,分别计算其变换函数。
对变换后的映射值进行双线性插值:
具体的,直接对目标点所属子块的映射函数进行变换得到映射值,即目标点像素值,优选地,H取值为8。
S6、将步骤S3得到的U、V通道的值与步骤S5处理得到的Y通道的值进行组合,得到基于YUV颜色模型的图像,并将得到的YUV颜色模型图像转换成RGB颜色模型图像,具体地,采用以下公式进行颜色模型的转换:
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (5)
1.一种基于多曝光融合的图像处理方法,其特征在于,包括以下步骤:
S1、短曝光图像噪声估计,并根据噪声估计结果去除短曝光图像中的噪声;
S2、采用膨胀法去除长曝光图像中的黑点;
S3、对去噪声的短曝光图像、正常曝光图像、去黑点的长曝光图像进行图像颜色模型转换:将RGB颜色模型转换成YUV颜色模型;
S4、对步骤S3所得Y通道的值进行合成,求取高动态范围图像;
S5、将步骤S4得到的高动态范围图像进行色调映射转换至8位图像;
S6、将步骤S3得到的U、V通道的值与步骤S5处理得到的Y通道的值进行组合,得到基于YUV颜色模型的图像,并将得到的YUV颜色模型图像转换成RGB颜色模型图像。
2.如权利要求1所述的一种基于多曝光融合的图像处理方法,其特征在于,所述短曝光、正常曝光和长曝光图像的曝光时间之比为1:8:64。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111384572.0A CN114187192A (zh) | 2021-11-22 | 2021-11-22 | 一种基于多曝光融合的图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111384572.0A CN114187192A (zh) | 2021-11-22 | 2021-11-22 | 一种基于多曝光融合的图像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114187192A true CN114187192A (zh) | 2022-03-15 |
Family
ID=80602289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111384572.0A Pending CN114187192A (zh) | 2021-11-22 | 2021-11-22 | 一种基于多曝光融合的图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114187192A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494084A (zh) * | 2022-04-14 | 2022-05-13 | 广东欧谱曼迪科技有限公司 | 一种图像颜色均化方法、装置、电子设备及存储介质 |
WO2024094222A1 (zh) * | 2022-11-02 | 2024-05-10 | 深圳深知未来智能有限公司 | 一种基于图像区域有效性的多曝光图像融合方法及*** |
-
2021
- 2021-11-22 CN CN202111384572.0A patent/CN114187192A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494084A (zh) * | 2022-04-14 | 2022-05-13 | 广东欧谱曼迪科技有限公司 | 一种图像颜色均化方法、装置、电子设备及存储介质 |
CN114494084B (zh) * | 2022-04-14 | 2022-07-26 | 广东欧谱曼迪科技有限公司 | 一种图像颜色均化方法、装置、电子设备及存储介质 |
WO2024094222A1 (zh) * | 2022-11-02 | 2024-05-10 | 深圳深知未来智能有限公司 | 一种基于图像区域有效性的多曝光图像融合方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046663B (zh) | 一种模拟人类视觉感知的自适应低照度图像增强方法 | |
CN110378859B (zh) | 一种新的高动态范围图像生成方法 | |
CN112767289A (zh) | 图像融合方法、装置、介质及电子设备 | |
CN110599433B (zh) | 一种基于动态场景的双曝光图像融合方法 | |
CN107845128B (zh) | 一种多尺度细节融合的多曝光高动态图像重建方法 | |
CN110378845B (zh) | 一种基于卷积神经网络的极端条件下的图像修复方法 | |
Yu et al. | Low-illumination image enhancement algorithm based on a physical lighting model | |
CN110619593B (zh) | 一种基于动态场景的双曝光视频成像*** | |
US20040042676A1 (en) | Method and apparatus for illumination compensation of digital images | |
CN114187192A (zh) | 一种基于多曝光融合的图像处理方法 | |
CN110706172B (zh) | 基于自适应混沌粒子群优化的低照度彩色图像增强方法 | |
CN112734650A (zh) | 一种基于虚拟多曝光融合的不均匀光照图像增强方法 | |
CN109816608B (zh) | 一种基于噪声抑制的低照度图像自适应亮度增强方法 | |
KR20090078583A (ko) | 저조도 영상 처리 방법 및 시스템 | |
CN112419181B (zh) | 一种宽动态红外图像细节增强方法 | |
CN110675351B (zh) | 一种基于全局亮度自适应均衡化的海上图像处理方法 | |
CN113313639A (zh) | 基于Retinex多层次分解的图像增强方法 | |
CN107533756A (zh) | 图像处理装置、摄像装置、图像处理方法以及存储图像处理装置的图像处理程序的存储介质 | |
CN109493299B (zh) | 一种消除点光源光照影响的方法 | |
CN115063331A (zh) | 基于多尺度块lbp算子无鬼影多曝光图像融合算法 | |
Lv et al. | Low-light image enhancement via deep Retinex decomposition and bilateral learning | |
CN113947553B (zh) | 一种图像亮度增强方法及设备 | |
CN112927160B (zh) | 一种基于深度Retinex的单张低光图像增强方法 | |
CN113379861B (zh) | 基于色彩恢复块的彩色微光图像重建方法 | |
CN101478690B (zh) | 一种基于色域映射的图像光照校正方法 |
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 |