CN101193202A - 高动态范围图像在传统输出设备上的显示方法 - Google Patents

Abstract

本发明公开了一种高动态范围图像在传统输出设备上的显示方法，包括：一、将高动态范围图像用非线性映射的方法，分解成若干张含有不同曝光时间的低动态范围图像；二、将所得的低动态范围图像的像素与高动态范围图像的每个像素建立对应关系；三、根据高动态范围图像的每个像素本身以及像素周围的亮度情况，查找合适的曝光度下所对应的低动态范围图像结果；四、所得的低动态范围图像结果的像素值进行加权平均计算得出结果。本发明可以解决32bit灰度级的高动态范围图像在现有显示设备上的显示时的梯度倒置问题。

Description

高动态范围图像在传统输出设备上的显示方法

技术领域

本发明涉及一种计算机图像处理方法，特别涉及一种高动态范围图像在传统输出设备上的显示方法。

背景技术

目前在用数码摄影、摄像设备拍摄时，所获得的图像在在现有显示设备上显示时会产生局部图像细节不足的问题；为解决此类问题，计算机图像技术处理中往往采用一种叫做Fast Bilateral Filtering(快速低通滤波)的方法来处理32bit灰度级的高动态范围图像信号，即主要用一种低通滤波器(bilateral filter)将高动态范围图像(high dynmic rangeimage)信号分成低频信号(整体亮度)和高频信号(局部细节)两部分，将动态范围较高的低频信号压缩至低动态范围，再加上高频信号，所合成的图像便是处理后的输出结果，但该方法的主要缺点是：对于一些局部对比度较大的高动态范围图像，输出结果容易产生梯度倒置的问题(haloeffect)，如图4所示。

发明内容

本发明要解决的技术问题是提供一种高动态范围图像在传统输出设备上的显示方法，可以解决32bit灰度级的高动态范围图像在现有显示设备上的显示时的梯度倒置问题。

为解决上述技术问题，本发明方法包括如下步骤：一、将高动态范围图像用非线性映射的方法，分解成若干张含有不同曝光时间的低动态范围图像；二、将一所得的若干个低动态范围图像的像素与高动态范围图像的每个像素建立对应关系；三、根据高动态范围图像的每个像素本身以及像素周围的亮度情况，查找合适的曝光度下所对应的低动态范围图像结果；四、对三所得的低动态范围图像结果的像素值进行加权平均计算，得出结果；加权平均权重分配按照：距离越近的像素，所对应的曝光时间趋于相同；像素值越接近的像素，对应的曝光时间趋于相同；像素周围越亮，对应的曝光时间越短。

本发明方法由于对像素及其周围像素得值加权平均，可以有效去除高动态范围图像在传统输出设备上的显示梯度倒置问题，并且也克服了的局部图像细节不足问题。

附图说明

图1是一处风景亮度的二维信号图；

图2是图1信号处理后的理想二维信号图；

图3是计算机模拟高动态范围图像二维信号图；

图4是使用现有技术Fast bilateral Filtering处理图3的效果；

图5是使用本发明方法处理图3的效果，即本发明一具体实施例的效果；

图6是本发明方法的流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细的说明。

本发明基本原理是：人眼瞳孔的大小会随着环境亮暗的变化而变化，从而改变人眼所接受到的亮度。越亮的地方瞳孔越小，越暗的地方瞳孔越大。人们需要看清楚不同亮暗的地方，就需要不同的瞳孔大小。图1即是一处风景亮度的二维信号图；而图2是图1信号处理后的理想二维信号图，图3是计算机模拟高动态范围图像二维信号图，图4是使用现有技术Fastbilateral Filtering处理图3的效果。

对于高动态范围图像的显示，基于以上原理，本发明方法解决方案的如图6所示，包括：

1、用非线性映射的方法，将高动态范围图像分解成若干张含有不同曝光时间的低动态范围图像。每张图像都有清楚或不清楚的部分。

2、建立高动态范围图像的每个像素所与上一部所得的若干个低动态范围图像的像素的对应关系。

3、根据高动态范围图像的每个像素本身以及像素周围的亮度情况，对该像素所对应的若干个低动态范围图像的像素值加权平均，计算出结果同时该方法可以去除梯度倒置效应。权重分配的原则是：距离越紧的像素，所对应的曝光时间越相同。像素值越接近的像素，对应的曝光时间越相同。像素周围约亮，对应的曝光时间越小。

下面结合具体实施例进一步讲述本发明。

实施例：

图5是使用本发明方法处理图3的效果，即本发明一具体实施例的具体效果。

在处理如图3所示的获得的图像时，具体按如下过程执行：

1.计算所有像素中的最大值Ymax，Ymax＝Max(Y)；Y为原高动态范围图像；

2.计算最大曝光值offset_max，offset_max＝log(Ymax+1)；

3.在0-offset_max之间平均的取X个值N[](10＜X＜1000)；X为所取得不同曝光的个数；N[]为从小到大记录各个曝光度的矩阵；

for i＝0:1:x

 N[i]＝0+i*(offset_max/X)

End

4.根据每一个曝光度N[]，计算高动态范围图像Y在不同的曝光度N[]下所对应的低动态范围图像ldrY[]：

for i＝0:1:x

    ldrY[i]＝log(Y+N[i])；

End

5.将图像Y平均分成M*M个窗口WIN[][]，(2＜＝M＜＝500)；

6.计算每一个窗口WIN[][]的中心像素的坐标Center[][]；

7.计算每个窗口内的所有像素的平均值Mean_WIN[][]：

for i＝0:1:M

    for j＝0:1:M

     Mean_WIN[i][j]＝mean(WIM[i][j])

    End

End

8.对于图像Y内的每一个像素P(x，y)，计算P(x，y)到每一个Center[][]的欧几里德距离D[][]。(x，y)为每一个像素P的坐标。

for i＝0:1:M

    for j＝0:1:M

     D[i][j]＝||P(x，y)-Center[i][j]||

    End

End

9.对于图像Y内的每一个像素P(x，y)，计算P(x，y)的距离权重DW[][]，距离权重系数deltaD(1＜deltaD＜100)，

for i＝0:1:M

    for j＝0:1:M

     DW[i][j]＝exp(-D[i][j]/deltaD)

    End

End

10.对于图像Y内每一个像素的亮度L(x，y)，计算L(x，y)与每一个窗Mean_WIN[][]的差的绝对值。(x，y)为每一个像素P的坐标。

for i＝0:1:M

    for j＝0:1:M

     S[i][j]＝|L(x，y)-mean_WIN[i][j]|

    End

End

11.对于图像Y内的每一个像素的亮度L(x，y)，计算P(x，y)的亮度权重DS[][].亮度权重系数deltaS(0＜deltaS＜1)，

for i＝0:1:M

for j＝0:1:M

     DS[i][j]＝exp(-S[i][j]/deltas)；

    End

End

12.计算每一个窗口WIN[][]所对应的曝光度expo[][]：

for i＝0:1:M

    for j＝0:1:M

     expo[i][j]＝log(mean_WIN[i][j]+1)；

    End

End

13.对于Y内的每一个像素，计算它与每一个窗口WIN[][]所对应的ldrY[]的加权平均值outY。outY为结果。

for i＝0:1:M

    for j＝0:1:M

     for k＝0:1:X

             if(expo[i][j]＝＝N[k])

             break；

             end

         end

         outYi＝sum[ldrY(k)*Dw[i][j]*Ds[i][j]]    /

sum[Dw[i][j]*Ds[i][j]]；

    End

End

上述涉及的函数名称与含义，见下表所示：

函数名称	含义和解释
		Max()	最大值
Log()	对数函数
		For x＝a:b:c	变量X以a为起点c为终点，步长为b的循环函数
Mean()	平均值
		||a-b||	a与b之间的欧几里德距离
|a-b|	a b之差的绝对值
		Sum[]	求和函数

表1

其结果可见于图5。

图5相比于图3，在一幅图像中，本发明方法获得的结果拥有更多的图像细节和更好的效果。与图4相比，在箭头所指处，本发明方法获得的结果没有出现梯度倒置现象。

Claims (2)

1.一种高动态范围图像在传统输出设备上的显示方法，其特征在于，包括如下步骤：

步骤一、将高动态范围图像用非线性映射的方法，分解成若干张含有不同曝光时间的低动态范围图像；

步骤二、将步骤一所得的若干个低动态范围图像的像素与所述高动态范围图像的每个像素建立对应关系；

步骤三、根据所述高动态范围图像的每个像素本身以及像素周围的亮度情况，查找合适的曝光度下所对应的低动态范围图像结果；

步骤四、对步骤三所得的低动态范围图像结果的像素值进行加权平均计算，得出结果；所述加权平均权重分配按照：距离越近的像素，所对应的曝光时间趋于相同；像素值越接近的像素，对应的曝光时间趋于相同；像素周围越亮，对应的曝光时间越短。

2.根据权利要求1所述的高动态范围图像在传统输出设备上的显示方法，其特征在于，步骤四中所述加权平均计算指：根据像素间的距离和相似度对像素及其周围像素得值加权平均。

Images