CN103353982A - 一种基于直方图均衡化的色调映射方法 - Google Patents

Abstract

本发明公开了一种基于直方图均衡化的色调映射方法，包括：1）输入高动态范围图像；2）获取图像亮度并转换为对数域；3）进行直方图统计；4）计算图像的平均亮度，以平均亮度为分割点对直方图进行分段；5）差异化设置两段直方图的映射参数；6）分段进行直方图均衡化算法；7）把色调映射后的亮度通道还原到RGB色彩空间；8）输出可显示的低动态范围图像。本发明中对直方图进行分段后差异化设置两段的映射参数，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。本发明在增强图像对比度的同时能有效地保持图像原来的亮度，有效改善经典直方图均衡化算法中亮度饱和现象。

Description

一种基于直方图均衡化的色调映射方法

技术领域

本发明涉及一种应用于高动态范围图像在低动态范围显示设备上显示的方法，更具体地，涉及一种根据输入图像的平均亮度，对直方图进行分段，差异化设置两段的映射参数，从而得到比经典的直方图均衡化算法映射效果更好的基于直方图均衡化的色调映射方法。

背景技术

高动态范围图像作为一种能够表示真实场景中高动态范围亮度信息的图像。近年来在数字摄影、电影特效、基于图像的虚拟现实、卫星遥感技术等领域均得到了广泛的应用。然而，现在大多数的显示设备只支持低动态范围的显示。高动态范围图像无法较好地在传统的显示设备上重现，也难以对其进行存储、传输、处理等操作，故必须采用色调映射方法对其动态范围进行压缩，以便在普通的显示设备上显示。

对于高动态范围图像的色调映射方法至少要满足两点要求。第一，映射算方法必须要保证能够把最暗区域到最亮区域的所有细节尽可能多地显示出来。第二，映射后的图像能够较好地保留真实场景的视觉对比，确保能生成出符合真实场景视觉感受的图像。一个效果理想的色调映射方法必然需要很好的把握这两方面的平衡。为了保留原始图像的视觉对比，最好的方法就是从高动态范围到低动态范围的线性映射。但是，由于目前的显示设备的动态范围远远小于真实场景的动态范围，图像的可视程度将会因动态范围的压缩而受到限制。对于另一种极端的方法是采用某种算法使得映射到低动态范围的图像有着最大的对比度，例如，直方图均衡化算法。一个好的色调映射方法能够在线性映射与好的对比度中找到良好的平衡点。

基于直方图均衡化的全局色调映射方法的好处在于计算复杂度低、原理简单易懂并且通过重新分布图像中的灰度级从而达到更好地映射到低动态范围显示设备上的目的。但其不足之处在于固定的变换曲线不能自适应图像的不同区域，导致图像在暗部和亮部方面的细节有所丢失。

发明内容

针对以上的不足，本发明提出一种基于直方图均衡化的色调映射方法，该法结合图像的平均亮度信息，对直方图分段后再进行基于直方图均衡化的色调映射方法的处理，此举能够较好地保留场景高亮度部分的细节。

本发明的技术方案为：

一种基于直方图均衡化的色调映射方法，具体步骤如下：

第1步：输入一幅高动态范围图像；

第2步：根据输入图像的RGB色彩通道值获取该图像的亮度值并转换为对数域LI；

第3步：直方图统计，找出第2步得到的对数域公式LI中的最小值L _min 以及最大值L _max ，将在[L _min ，L _max ]的动态范围均匀划分为N份，使得落在某一区间内的连续的对数亮度值离散为[0，N-1]中对应的亮度级，即；

            （1）

其中，

表示向下取整操作，统计每一个划分区间的直方图得：

              （2）

其中，

，表示图像的对数亮度级被划分成了N等份的亮度等级。N一般取1000或者更高；

第4步：通过第3步得到直方图统计结果计算输入图像的平均亮度μ，以μ作为分割直方图的分割点，将直方图分割为两个区间段h₁(i)和h₂(i)，平均亮度的计算公式如下：

                 （3）

其中，Total_pixel为图像的像素总和，N表示量化后的亮度级数。

第5步：差异化设置两段直方图的映射参数，对于前半段的直方图，映射参数α₁在0.5与1间找到最优值；对于后半段的直方图，映射参数α₂在0.3与0.5间找到最优值，映射参数α为0表示线性映射，α为1表示直方图均衡化映射，通过调整α值可以控制线性映射和直方图均衡化映射的耦合程度，从而在视觉效果以及对比度的提高上找到平衡点；

第6步：利用第5步获取的映射参数，对两段直方图进行均衡化映射；

具体步骤如下：

步骤(1)：将以μ作为分割点的前半部分的直方图h₁(i)分配x_m个区间，x_m的公式如下：

                 (4)

步骤(2):将后半部分的直方图h₂(i)分配256-x_m个区间。

步骤(3):分段进行基于直方图均衡化的色调映射。首先，对前半部分的直方图h₁(i)进行处理。先要寻找一个值t₁(i)，i=0,1,…,x_m，使得在[t₁(i)，t₁(i+1)]，i=0,1,…,x_m的区间中的像素总数相等，公式如下： 

              (5)

根据公式(5)得到最后的分割点C₁(i)，i=0,1,…,x_m，公式如下： 

           (6)

得到分割点C₁(i)后直方图h₁(i)则划分成了x_m个新的区间，每个区间依次为低动态图像的灰度级0，…，x_m-1。

步骤(4):对直方图h₂(i)进行处理。先寻找一个值t₂(i)，i=x_m,…,256使得在[t₂(i)，t₂(i+1)]，i=x_m,…,256的区间中的像素总数相等，如下式： 

            (7)

根据公式(5)得到最后的分割点C₂(i)，i=x_m,…,256,公式如下： 

   (8)

得到分割点C₂(i)后直方图将h₂(i)被分为256- x_m个区间。 

步骤(5):合并分割点C(i)，i=0,…,256,公式如下：

C(i)= C₁ (i)∪C₂ (i)                       (9)

最终得到了 257 个分割点，分割点将高动态图像的亮度划分为了 256个区间，分别对应于低动态图像的 256 个灰度级，落在同一个区间中的像素点将被映射到低动态范围图像的同一个值，从而生成了能够在显示设备上显示的低动态图像的灰度图L _out 。

第7步：把色调映射后的亮度通道还原到RGB色彩空间；

需要将色调映射后得到的亮度通道还原到RGB色彩空间，公式如下：

                         (10)

其中，R、G和B分别为图像输入或输出时的RGB三个通道的数据。此处的γ值控制颜色(一般设置为0.4或0.6为佳)。

第8步：输出低动态范围图像。

本发明的有益效果：本发明能够有效抑制高亮度区域出现的过饱和现象，同时也较好地呈现出图像中的细节纹理而且对图像中色彩的表现也更加细致。

附图说明

图 1 为本发明具体实施过程中采用本发明方法对源图处理后的输出结果示意图。

图 2 为采用Jiang Duan与Guoping Qiu的直方图均衡化色调映射方法对源图进行处理的结果示意图。

图3 为本发明输出图像的DRIM评估结果图。

图4 为采用Jiang Duan与Guoping Qiu的算法处理后输出图像的DRIM评估结果。

图5 为本发明输出图中的高亮度部分细节图。

图6 为Jiang Duan与Guoping Qiu的算法结果图中的高亮度部分细节图。

图7 为本发明输出图中的低亮度部分细节图。

图8 为Jiang Duan与Guoping Qiu的算法结果图中的低亮度部分细节图。

图9 为本发明的算法流程图。

具体实施方式

下面结合附图对本发明进行进一步详细说明。实施例中，采用本发明方法处理一幅如图1所示的高动态范围图像，处理过程如下： 

第1步：输入一幅高动态范围图像。 

第2步：根据输入图像的RGB色彩通道值获取该图像的亮度值并转换为对数域LI。

第3步：直方图统计。具体为：找出第2步得到的对数域公式LI中的最小值L _min 以及最大值L _max ，将在[L _min ，L _max ]的动态范围均匀划分为N份，使得落在某一区间内的连续的对数亮度值离散为[0，N-1]中对应的亮度级，即：

               (1)

其中，

表示向下取整操作。统计每一个划分区间的直方图，得：

         (2)

其中，

，表示图像的对数亮度级被划分成了N等份的亮度等级。N一般取1000或者更高。 

第4步：通过第3步得到直方图统计结果计算输入图像的平均亮度μ，以μ作为分割直方图的分割点，将直方图分割为两个区间段h₁(i)和h₂(i)。平均亮度的计算公式如下：

                        (3)

其中，Total_pixel为图像的像素总和，N表示量化后的亮度级数。

第5步：差异化设置两段直方图的映射参数。对于前半段的直方图，映射参数α₁在0.5与1间找到最优值；对于后半段的直方图，映射参数α₂在0.3与0.5间找到最优值，映射参数α为0表示线性映射，α为1表示直方图均衡化映射，通过调整α值可以控制线性映射和直方图均衡化映射的耦合程度，从而在视觉效果以及对比度的提高上找到平衡点。

第6步：利用第5步设置的映射参数，对两段直方图进行均衡化映射。具体步骤如下：

步骤(1)：将以μ作为分割点的前半部分的直方图h₁(i)分配x_m个区间，x_m的公式如下：

                 (4)

步骤(2):将后半部分的直方图h₂(i)分配256-x_m个区间。

步骤(3):分段进行基于直方图均衡化的色调映射。首先，对前半部分的直方图h₁(i)进行处理。先要寻找一个值t₁(i)，i=0,1,…,x_m，使得在[t₁(i)，t₁(i+1)]，i=0,1,…,x_m的区间中的像素总数相等，公式如下： 

              (5)

根据公式(5)得到最后的分割点C₁(i)，i=0,1,…,x_m，公式如下： 

           (6)

得到分割点C₁(i)后直方图h₁(i)则划分成了x_m个新的区间，每个区间依次为低动态图像的灰度级0，…，x_m-1。

步骤(4):对直方图h₂(i)进行处理。先寻找一个值t₂(i)，i=x_m,…,256使得在[t₂(i)，t₂(i+1)]，i=x_m,…,256的区间中的像素总数相等，如下式： 

            (7)

根据公式(5)得到最后的分割点C₂(i)，i=x_m,…,256,公式如下： 

   (8)

得到分割点C₂(i)后直方图将h₂(i)被分为256- x_m个区间。 

步骤(5):合并分割点C(i)，i=0,…,256,公式如下：

C(i)= C₁ (i)∪C₂ (i)                (9)

最终得到了 257 个分割点，分割点将高动态图像的亮度划分为了 256个区间，分别对应于低动态图像的 256 个灰度级，落在同一个区间中的像素点将被映射到低动态范围图像的同一个值，从而生成了能够在显示设备上显示的低动态图像的灰度图L _out 。

第7步：把色调映射后的亮度通道还原到RGB色彩空间。最后，需要将色调映射后得到的亮度通道还原到RGB色彩空间，公式如下：

                         (10)

其中，R、G和B分别为图像输入或输出时的RGB三个通道的数据。此处的γ值控制颜色(一般设置为0.4或0.6为佳)。

第8步：输出低动态范围图像，如图1所示。图1的DRIM评估结果图如图3所示，其高亮度部分处理结果和低亮度部分处理结果分别如图5和图7所示。

采用Jiang Duan与Guoping Qiu的直方图均衡化色调映射算法对同一源图进行处理，得到图2的低动态范围图像，图2的DRIM评估结果图如图4所示，其高亮度部分处理结果和低亮度部分处理结果分别如图6和图8所示。

由图1和图2比较可以得知在主观感知上，本发明能够较好地保留经典算法良好的整体视角效果。由图3和图4比较可得知在客观标准DRIM的结果对比中，本发明在DRIM评估结果图中灰色、绿色以及蓝色的区域与经典算法的DRIM评估结果图无明显差别。然而，在表示可见特征失真的红色区域上，本发明红色区域明显少于经典算法。通过对比与分析，客观评价结果与主观评价是相一致的。由图3、图4、图5、图6可以得知对于图像的高亮度区域，在主观感知上，本发明在有效抑制高亮度区域出现的过饱和现象的同时，也较好地呈现出窗户上的细节纹理而且对图像中色彩的表现也更加细致。在客观标准DRIM的评估结果图对比中，本发明在窗户区域的红色部分也明显少于经典算法。由图3、图4、图7、图8可以得知对于图像的低亮度区域，本发明与经典算法的效果无明显差别，仍然能够有效扩展低动态范围区域的对比度。

Claims (3)

1.一种基于直方图均衡化的色调映射方法，其特征在于方法的具体步骤如下：

第1步：输入一幅高动态范围图像；

第2步：根据输入图像的RGB色彩通道值获取该图像的亮度值并转换为对数域LI；

第3步：直方图统计，找出第2步得到的对数域公式LI中的最小值L _min 以及最大值L _max ，然后划分区间并统计直方图；

第4步：通过第3步得到直方图统计结果计算输入图像的平均亮度μ，以μ作为分割直方图的分割点，将直方图分割为两个区间段；

第5步：差异化设置两段直方图的映射参数，对于前半段的直方图，映射参数α₁在0.5与1间找到最优值；对于后半段的直方图，映射参数α₂在0.3与0.5间找到最优值，映射参数α为0表示线性映射，α为1表示直方图均衡化映射；

第6步：利用第5步获取的映射参数，对两段直方图进行均衡化映射；

第7步：把色调映射后的亮度通道还原到RGB色彩空间；

第8步：输出低动态范围图像。

2.根据权利要求1所述的基于直方图均衡化的色调映射方法，其特征在于，第3步的具体实现过程为：

将在[L _min ，L _max ]的动态范围均匀划分为N份，使得落在某一区间内的连续的对数亮度值离散为[0，N-1]中对应的亮度级，即；

            （1）

其中，

表示向下取整操作，统计每一个划分区间的直方图得：

              （2）

其中，

，表示图像的对数亮度级被划分成了N等份的亮度等级。

3.根据权利要求2所述的基于直方图均衡化的色调映射方法，其特征在于，第4步的平均亮度的计算公式如下：

                 （3）

其中，Total_pixel为图像的像素总和，N表示量化后的亮度级数。

Images