CN104065939A - Hdri的生成方法及装置 - Google Patents

Abstract

本发明实施例提供的方法及装置，在获取第一照度图后，由第一照度图生成第二照度图，第二照度图由动态范围被压缩后的基本层与细节层融合而成，基本层和所述细节层从所述第一照度图中提取，再将所述第二照度图映射到预设的色彩通道上，并将所述色彩通道上的图像融合为HDRI，可见，在生成HDRI的过程中，只压缩照度图中的基本层的动态范围，而细节层则不进行压缩，因此，能够最大程度地保留原有照度图中的细节信息，从而避免在HDRI生成过程中造成的细节丢失的问题。

Description

HDRI的生成方法及装置

技术领域

本发明涉及图像处理领域，尤其涉及HDRI的生成方法及装置。

背景技术

高动态范围图像(High Dynamic Range Image，HDRI)具有更为宽广的动态范围，而现有的普通显示设备能够展现的动态范围远远小于HDRI的动态范围，所以，为了使得HDRI能够在普通的显示设备上显示，在生成HDRI时，有必要对HDRI进行动态范围的压缩。

而现有的HDRI生成方法，会造成HDRI中细节的丢失。

发明内容

有鉴于此，本发明实施例提供了HDRI的生成方法及装置，目的在于解决现有的HDRI生成方法造成的HDRI中细节丢失的问题。

为了实现上述目的，本发明实施例提供了以下技术方案：

本发明的第一方面提供了一种HDRI的生成方法，包括：

获取第一照度图；

由所述第一照度图生成第二照度图，所述第二照度图由动态范围被压缩后的基本层与细节层融合而成，所述基本层和所述细节层从所述第一照度图中提取；

将所述第二照度图映射到预设的色彩通道上；

将所述色彩通道上的图像融合为HDRI。

在本发明的第一方面的第一种实现方式中，所述获取第一照度图包括：

由图像I1、I2、……IN生成相机响应函数标定方程，所述图像I1、I2、……IN具有不同的曝光条件，其中，所述N为图像的个数，且所述N为大于或等于2的整数；

依据从所述图像I1、I2、……IN中选取的采样像素点，使用QR分解算法求解所述相机响应函数标定方程，得到相机响应函数和照度对数；

依据所述相机响应函数和照度对数，得到所述第一照度图。

在本发明第一方面的第二种实现方式中，所述由图像I1、I2、……IN生成相机响应函数标定方程组包括：

获取所述图像I1、I2、……IN；

将所述图像I1、I2、……IN作为已知参数，利用最小二乘法求解预设的目标函数，得到相机响应函数标定方程组。

在本发明的第一方面的第三种实现方式中，所述预设的目标函数包括：

$O=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\ω}\left(Z_{i,j}\right){[g\left(Z_{i,j}\right)-{\ln E}_i-{\ln \mathrm{\Δt}}_j]}^2+\mathrm{\λ}\underset{Z=Z_{\min }+1}{\overset{Z_{\max -1}}{\mathrm{\Σ}}}\mathrm{\ω}\left(Z_{i,j}\right){\left[g^{\′\′}\left(z_{i,j}\right)\right]}^2$

其中，M为已知参数中每幅图像的像素点的个数，g(z_i，j)＝lnE_i+lnΔt_j，E_i为场景照度，Δt_j为当前图像Z_i，j的曝光时间，Z_i，j为当前图像的像素值，λ为控制参数，ω(Z_i，j)为当前图像Z_i，j的权值函数，Z_min为当前图像的像素值的最小值，Z_max为当前图像的像素值的最大值。

在本发明的第一方面的第四种实现方式中，在所述将所述色彩通道上的图像融合为HDRI之前，还包括：

将各个色彩通道上的图像分别进行Gamma校正；

所述将所述色彩通道上的图像融合为HDRI包括：

将所述色彩通道上经过Gamma校正后的图像融合为HDRI。

在本发明的第一方面的第五种实现方式中，所述由所述第一照度图生成第二照度图包括：

提取第一照度图的基本层和细节层；

将所述基本层的动态范围压缩到预设范围；

将动态范围被压缩后的基本层与所述细节层融合为第二照度图。

在本发明的第一方面的第六种实现方式中，所述提取第一照度图的基本层和细节层包括：

使用提升小波变换算法，提取第一照度图的基本层和细节层；

所述将动态范围被压缩后的基本层与所述细节层融合为第二照度图包括：

使用提升小波反变换算法，将动态范围被压缩后的基本层与所述细节层融合为第二照度图。

本发明的第二方面提供了一种HDRI的生成装置，包括：

获取模块，用于获取第一照度图；

生成模块，用于由所述第一照度图生成第二照度图，所述第二照度图由动态范围被压缩后的基本层与细节层融合而成，所述基本层和所述细节层从所述第一照度图中提取；

映射模块，用于将所述第二照度图映射到预设的色彩通道上；

融合模块，用于将所述色彩通道上的图像融合为HDRI。

在本发明的第二方面的第一种实现方式中，所述获取模块具体包括：

方程生成单元，用于由图像I1、I2、……IN生成相机响应函数标定方程组，所述图像I1、I2、……IN具有不同的曝光条件，其中，所述N为图像的个数，且所述N为大于或等于2的整数；

求解单元，用于依据从所述图像I1、I2、……IN中选取的采样像素点，使用QR分解算法求解所述相机响应函数标定方程组，得到相机响应函数和照度对数；

获取单元，用于依据所述相机响应函数和照度对数，得到所述第一照度图。

在本发明的第二方面的第二种实现方式中，所述方程生成单元，用于由图像I1、I2、……IN生成相机响应函数标定方程组，包括：

所述方程生成单元具体用于，获取所述图像I1、I2、……IN，并将所述图像I1、I2、……IN作为已知参数，利用最小二乘法求解预设的目标函数，得到相机响应函数标定方程组。

在本发明的第二方面的第三种实现方式中，所述方程生成单元具体用于，获取所述图像I1、I2、……IN，并将所述图像I1、I2、……IN作为已知参数，利用最小二乘法求解预设的目标函数，得到相机响应函数标定方程组包括：

所述方程生成单元具体用于，获取所述图像I1、I2、……IN，并将所述图像I1、I2、……IN作为已知参数，利用最小二乘法求解预设的目标函数，得到相机响应函数标定方程组，所述预设的目标函数为：

$O=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\ω}\left(Z_{i,j}\right){[g\left(Z_{i,j}\right)-{\ln E}_i-{\ln \mathrm{\Δt}}_j]}^2+\mathrm{\λ}\underset{Z=Z_{\min }+1}{\overset{Z_{\max -1}}{\mathrm{\Σ}}}\mathrm{\ω}\left(Z_{i,j}\right){\left[g^{\′\′}\left(z_{i,j}\right)\right]}^2$

其中，M为已知参数中每幅图像的像素点的个数，g(z_i，j)＝lnE_i+lnΔt_j，E_i为场景照度，Δt_j为当前图像Z_i，j的曝光时间，Z_i，j为当前图像的像素值，λ为控制参数，ω(Z_i，j)为当前图像Z_i，j的权值函数，Z_min为当前图像的像素值的最小值，Z_max为当前图像的像素值的最大值。

在本发明的第二方面的第四种实现方式中，还包括：

校正模块，用于在所述将所述色彩通道的图像融合为HDRI之前，将各个色彩通道上的图像分别进行Gamma校正。

在本发明的第二方面的第五种实现方式中，所述融合模块用于将所述色彩通道上的图像融合为HDRI包括：

所述融合模块具体用于，将所述色彩通道上经过Gamma校正后的图像融合为HDRI。

在本发明的第二方面的第六种实现方式中，所述生成模块具体包括：

提取单元，用于提取第一照度图的基本层和细节层；

压缩单元，用于将所述基本层的动态范围压缩到预设范围；

融合单元，用于将动态范围被压缩后的基本层与所述细节层融合为第二照度图。

在本发明的第二方面的第七种实现方式中，所述提取单元，用于提取第一照度图的基本层和细节层包括：

所述提取单元具体用于，使用提升小波变换算法，提取第一照度图的基本层和细节层。

在本发明的第二方面的第八种实现方式中，所述融合单元，用于将动态范围被压缩后的基本层与所述细节层融合为第二照度图包括：

所述融合单元具体用于，使用提升小波反变换算法，将动态范围被压缩后的基本层与所述细节层融合为第二照度图。

本发明实施例提供的方法及装置，在获取第一照度图后，由第一照度图生成第二照度图，第二照度图由动态范围被压缩后的基本层与细节层融合而成，基本层和所述细节层从所述第一照度图中提取，再将所述第二照度图映射到预设的色彩通道上，并将所述色彩通道上的图像融合为HDRI，可见，在生成HDRI的过程中，只压缩照度图中的基本层的动态范围，而细节层则不进行压缩，因此，能够最大程度地保留原有照度图中的细节信息，从而避免在HDRI生成过程中造成的细节丢失的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例公开的一种HDRI的生成方法中由第一照度图生成第二照度图的方法的流程图；

图2为本发明实施例公开的一种HDRI的生成方法中又一种由第一照度图生成第二照度图的方法的流程图；

图3为本发明实施例公开的一种HDRI的生成方法的流程图；

图4为本发明实施例公开的一种HDRI的生成方法中求解出的相机的响应函数的曲线示意图；

图5为本发明实施例公开方法与现有技术方法分别生成的HDRI的对比图；

图6为本发明实施例公开的一种HDRI的生成装置的结构示意图。

具体实施方式

本发明实施例提供的HDRI的生成方法及装置，其发明构思为，只压缩照度图像的基本层的动态范围，而对于其细节层的动态范围不进行压缩，以便达到保存图像中的细节的目的。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明实施例公开了一种HDRI的生成方法，包括以下步骤：

A：获取第一照度图；

B：由所述第一照度图生成第二照度图；

其中，所述第二照度图由动态范围被压缩后的基本层与细节层融合而成，所述基本层和所述细节层从所述第一照度图中提取；

C：将所述第二照度图映射到预设的色彩通道上；

D：将所述色彩通道上的图像融合为HDRI。

其中，本实施例中B的具体执行过程可以参照图1或图2所示。

图1中所示方法包括以下步骤：

S101：提取第一照度图的基本层和细节层；

通常，照度图用于表征图像中每个像素点的亮度值，照度图的基本层是指照度图的低频信息，也就是照度图的主要能量成分，细节层是指照度图的高频信息，因此，细节层包括了照度图中的细节信息。

S102：将所述基本层的动态范围压缩到预设范围；

动态范围是指一个待测物理量的最大值与最小值之比，对于不同的对象，动态范围有着不同的含义，就数字图像而言，动态范围D是指一个数字图像中最大和最小亮度值的比值：

D＝L_max/L_min

这里亮度的单位用坎德拉/平方米(cd/m²)表示。

图像的动态范围限制了自然场景中亮度最大的区域和亮度最小的区域的细节在一幅图像中同时展现的能力。在真实的自然场景中，亮度具有非常宽广的动态范围(超过9个数量级10-4～10-5cd/m2)，人眼视觉系统能感知约5个数量级的动态范围的场景亮度。而现有的显示设备所能发射的亮度范围约为2个数量级。显而易见地，显示设备与真实世界中的自然景物之间存在着亮度范围上不匹配的矛盾。

本实施例中，将基本层的动态范围压缩到预设范围的具体实现方式可以参见现有的方式，例如，将基本层的动态范围乘以一个小于1的数值，压缩到预设范围，此数据的具体值可以依据预设范围进行设定，从图像显示的角度而言，预设范围为显示设备能够显示的动态范围，但本实施例对此不做限定。

S103：将动态范围被压缩后的基本层与所述细节层融合为第二照度图。

图1中所示的方法，在对照度图进行动态范围的压缩时，只对照度图的基本层压缩动态范围，而对于细节层不进行动态范围的压缩，所以，能够最大程度地保证细节信息的完整，从而避免细节的丢失。

进一步地，图2中所示的方法包括：

S201：使用提升小波变换算法，提取第一照度图的基本层和细节层；在本

实施例中，依据提升小波算子的特点，细节层的数量可以为3，即细节层包括3个不同方向的细节层。

S202：将所述基本层的动态范围压缩到预设范围；

S203：使用提升小波反变换算法，将动态范围被压缩后的基本层与所述细节层融合为第二照度图。

在图2所示的方法中，从照度图中提取基本层和细节层使用的是提升小波变换算法，而将动态范围被压缩后的基本层与所述细节层融合使用的是提升小波反变换算法，因为提升小波变换和其反变换简便快捷的特点，所以，本实施例所述的方法，除了能够避免图像的细节丢失之外，还具有简单快捷的特点，因此，易于硬件实现，且具有更高的运算效率。

需要说明的是，使用提升小波算法只是本实施例的优选方式，但并不局限于此。

下面针对上述HDRI的生成方法进行详细说明，如图3所示，一种HDRI的生成方法的具体过程包括以下步骤：

S301：由图像I1、I2、……IN生成相机响应函数标定方程组，所述图像I1、I2、……IN具有不同的曝光条件，其中，所述N为图像的个数，且N为大于或等于2的整数；

S301的具体实现方式包括以下步骤：

1)获取所述图像I1、I2、……IN；

2)将所述图像I1、I2、……IN作为已知参数，利用最小二乘法求解预设的目标函数，得到相机响应函数标定方程组。

其中，目标函数为：

$O=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\ω}\left(Z_{i,j}\right){[g\left(Z_{i,j}\right)-{\ln E}_i-{\ln \mathrm{\Δt}}_j]}^2+\mathrm{\λ}\underset{Z=Z_{\min }+1}{\overset{Z_{\max -1}}{\mathrm{\Σ}}}\mathrm{\ω}\left(Z_{i,j}\right){\left[g^{\′\′}\left(Z_{i,j}\right)\right]}^2$

其中，M为已知参数中每幅图像的像素点的个数，g(z_i，j)＝lnE_i+lnΔt_j，E_i为场景照度，Δt_j为当前图像Z_i，j的曝光时间，Z_i，j为当前图像的像素值，λ为控制参数，ω(Z_i，j)为当前图像Z_i，j的权值函数，Z_min为当前图像的像素值的最小值，Z_max为当前图像的像素值的最大值。

目标函数的设定原理为：

1)定义相机的响应曲线与场景照度E_i、曝光时间Δt_j和数字图像像素值Z_i，j之间的关系：

Z_i，j＝f(E_i×Δt_j)

2)假设相机的响应曲线是平滑且单调的，所以函数f是可逆的，对上式求逆取对数，令g＝lnf^-1：

g(z_i，j)＝lnE_i+lnΔt_j

3)令Z的极值为，Z_min和Z_max；，建立如下目标函数：

$O=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{[g\left(Z_{i,j}\right)-{\ln E}_i-{\ln \mathrm{\Δt}}_j]}^2+\mathrm{\λ}\underset{Z=Z_{\min }+1}{\overset{Z_{\max -1}}{\mathrm{\Σ}}}{\left[g^{\′\′}\left(Z_{i,j}\right)\right]}^2$

由于一幅图像中的所有像素点中总是存在过曝光和欠曝光的像素点，往往在目标函数中加入最简单的权值函数：

$\mathrm{\ω}\left(Z_{i,j}\right)=\left\{\begin{array}{cc}Z-Z_{\min }& Z\≤Z_{\mathrm{mid}}\\ Z_{\max }-Z& Z>Z_{\mathrm{mid}}\end{array}\right.$

其中，Z_mid＝(Z_min+Z_max)/2。

最终的目标函数为：

$O=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\ω}\left(Z_{i,j}\right){[g\left(Z_{i,j}\right)-{\ln E}_i-{\ln \mathrm{\Δt}}_j]}^2+\mathrm{\λ}\underset{Z=Z_{\min }+1}{\overset{Z_{\max -1}}{\mathrm{\Σ}}}\mathrm{\ω}\left(Z_{i,j}\right){\left[g^{\′\′}\left(Z_{i,j}\right)\right]}^2$

S302：依据从所述图像I1、I2、……IN中选取的采样像素点，使用QR分解算法求解所述相机响应函数标定方程，得到相机响应函数和照度对数；

QR分解算法为一种首先将系数矩阵分解为一个正交矩阵和一个上三角矩阵的乘积，然后再回代求解的方法，相比于现有的奇异值分解求解的方法相比，QR分解算法更为简便，因此，更加易于硬件实现。

相机的响应函数的曲线表示如图4所示。

S303：依据所述相机响应函数和照度对数，得到所述第一照度图；

此步骤的具体实现过程与现有技术相似，这里不再赘述。

S304：使用提升小波变换算法，提取第一照度图的基本层和3个不同方向的细节层；

S305：将所述基本层的动态范围压缩到预设范围；

S306：使用提升小波反变换算法，将动态范围被压缩后的基本层与所述细节层融合为第二照度图；

S307：将所述第二照度图映射到R、G、B色彩通道上；

S308：将各个色彩通道上的图像分别进行Gamma校正；

S309：将所述R、G、B色彩通道上经过Gamma校正后的图像融合为HDRI。

因为Gamma校正可以校正图像在显示器上显示时的亮度偏差，所以，经过Gamma校正再融合得到的HDRI的对比度能够被显著提升。

从上述步骤可以看出，本实施例所述的HDRI的生成方法，具有更为的速度、更易于硬件实现、能够避免从图像I1、I2、……IN到HDRI的过程中，图像细节部分的丢失，进一步地，由于细节部分能够完整保存，所以，能够较大程度地减少HDRI中光晕的出现；并且，本实施例所述方法生成的HDRI具有更好的对比度。

申请人在研究的过程中发现，本发明实施例所述的方法，与现有方法相比，能够得到更清晰的HDRI，如图5所示，左边一列为使用本发明实施例所述的方法得到的HDRI，右边一列为使用现有的方法得到的HDRI，从显示效果上看，左边一列的细节更为清晰，对比度更适于人眼观看。

与上述方法实施例相对应地，本发明实施例还提供了一种HDRI的生成装置，如图6所示，包括：

获取模块601，用于获取第一照度图；

生成模块602，用于由所述第一照度图生成第二照度图，所述第二照度图由动态范围被压缩后的基本层与细节层融合而成，所述基本层和所述细节层从所述第一照度图中提取；

映射模块603，用于将所述第二照度图映射到预设的色彩通道上；

融合模块604，用于将所述色彩通道上的图像融合为HDRI。

本实施例中，可选地，还包括：

校正模块605，用于在所述将所述色彩通道的图像融合为HDRI之前，将各个色彩通道上的图像分别进行Gamma校正。

在具有校正模块的情况下，所述融合模块具体用于，将所述色彩通道上经过Gamma校正后的图像融合为HDRI。

所述提取单元可以具体用于，使用提升小波变换算法，提取第一照度图的基本层和细节层；所述融合单元具体用于，使用提升小波反变换算法，将动态范围被压缩后的基本层与所述细节层融合为第二照度图。

本实施例中，具体地，获取模块601可以具体包括：

方程生成单元6011，用于由图像I1、I2、……IN生成相机响应函数标定方程组，所述图像I1、I2、……IN具有不同的曝光条件，其中，所述N为大于或等于2的整数；

求解单元6012，用于依据从所述图像I1、I2、……IN中选取的采样像素点，使用QR分解算法求解所述相机响应函数标定方程组，得到相机响应函数和照度对数；

获取单元6013，用于依据所述相机响应函数和照度对数，得到所述第一照度图。

具体地，所述方程生成单元由图像I1、I2、……IN生成相机响应函数标定方程组的具体实现方式可以为：

所述方程生成单元具体用于，获取所述图像I1、I2、……IN，并将所述图像I1、I2、……IN作为已知参数，利用最小二乘法求解预设的目标函数，得到相机响应函数标定方程组。

进一步地，所述预设的目标函数为：

$O=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\ω}\left(Z_{i,j}\right){[g\left(Z_{i,j}\right)-{\ln E}_i-{\ln \mathrm{\Δt}}_j]}^2+\mathrm{\λ}\underset{Z=Z_{\min }+1}{\overset{Z_{\max -1}}{\mathrm{\Σ}}}\mathrm{\ω}\left(Z_{i,j}\right){\left[g^{\′\′}\left(z_{i,j}\right)\right]}^2$

其中，M为已知参数中每幅图像的像素点的个数，g(z_i，j)＝lnE_i+lnΔt_j，E_i为场景照度，Δt_j为当前图像Z_i，j的曝光时间，Z_i，j为当前图像的像素值，λ为控制参数，ω(Z_i，j)为当前图像Z_i，j的权值函数，Z_min为当前图像的像素值的最小值，Z_max为当前图像的像素值的最大值。

本实施例中，具体地，生成模块602可以具体包括：

提取单元6021，用于提取第一照度图的基本层和细节层；

压缩单元6022，用于将所述基本层的动态范围压缩到预设范围；

融合单元6023，用于将动态范围被压缩后的基本层与所述细节层融合为第二照度图。

本实施例所述的装置，在对照度图进行动态范围的压缩时，只对照度图的基本层压缩动态范围，而对于细节层不进行动态范围的压缩，所以，能够最大程度地保证细节信息的完整，从而避免细节的丢失。

具体地，本实施例中，所述提取模块可以使用提升小波变换算法，提取第一照度图的基本层和细节层；所述融合模块可以使用提升小波反变换算法，将动态范围被压缩后的基本层与所述细节层融合为第二照度图。因为提升小波变换和其反变换简便快捷的特点，所以，本实施例所述的装置，除了能够避免图像的细节丢失之外，还具有简单快捷的特点，因此，易于硬件实现，且具有更高的运算效率。

本实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本发明实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (16)

1.一种HDRI的生成方法，其特征在于，包括：

获取第一照度图；

由所述第一照度图生成第二照度图，所述第二照度图由动态范围被压缩后的基本层与细节层融合而成，所述基本层和所述细节层从所述第一照度图中提取；

将所述第二照度图映射到预设的色彩通道上；

将所述色彩通道上的图像融合为HDRI。

2.根据权利要求1所述的方法，其特征在于，所述获取第一照度图包括：

由图像I1、I2、……IN生成相机响应函数标定方程组，所述图像I1、I2、……IN具有不同的曝光条件，其中，所述N为图像的个数，且所述N为大于或等于2的整数；

依据从所述图像I1、I2、……IN中选取的采样像素点，使用QR分解算法求解所述相机响应函数标定方程组，得到相机响应函数和照度对数；

依据所述相机响应函数和照度对数，得到所述第一照度图。

3.根据权利要求2所述的方法，其特征在于，所述由图像I1、I2、……IN生成相机响应函数标定方程组包括：

获取所述图像I1、I2、……IN；

将所述图像I1、I2、……IN作为已知参数，利用最小二乘法求解预设的目标函数，得到相机响应函数标定方程组。

4.根据权利要求3所述的方法，其特征在于，所述预设的目标函数包括：

$O=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\ω}\left(Z_{i,j}\right){[g\left(Z_{i,j}\right)-{\ln E}_i-{\ln \mathrm{\Δt}}_j]}^2+\mathrm{\λ}\underset{Z=Z_{\min }+1}{\overset{Z_{\max -1}}{\mathrm{\Σ}}}\mathrm{\ω}\left(Z_{i,j}\right){\left[g^{\′\′}\left(z_{i,j}\right)\right]}^2$

其中，M为已知参数中每幅图像的像素点的个数，g（z_i，j)＝lnE_i+lnΔt_j，E_i为场景照度，Δt_j为当前图像Z_i，j的曝光时间，Z_i，j为当前图像的像素值，λ为控制参数，ω（Z_i，j)为当前图像Z_i，j的权值函数，Z_min为当前图像的像素值的最小值，Z_max为当前图像的像素值的最大值。

5.根据权利要求4所述的方法，其特征在于，在所述将所述色彩通道上的图像融合为HDRI之前，还包括：

将各个色彩通道上的图像分别进行Gamma校正；

所述将所述色彩通道上的图像融合为HDRI包括：

将所述色彩通道上经过Gamma校正后的图像融合为HDRI。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述由所述第一照度图生成第二照度图包括：

提取第一照度图的基本层和细节层；

将所述基本层的动态范围压缩到预设范围；

将动态范围被压缩后的基本层与所述细节层融合为第二照度图。

7.根据权利要求6所述的方法，其特征在于，所述提取第一照度图的基本层和细节层包括：

使用提升小波变换算法，提取第一照度图的基本层和细节层；

所述将动态范围被压缩后的基本层与所述细节层融合为第二照度图包括：

使用提升小波反变换算法，将动态范围被压缩后的基本层与所述细节层融合为第二照度图。

8.一种HDRI的生成装置，其特征在于，包括：

获取模块，用于获取第一照度图；

生成模块，用于由所述第一照度图生成第二照度图，所述第二照度图由动态范围被压缩后的基本层与细节层融合而成，所述基本层和所述细节层从所述第一照度图中提取；

映射模块，用于将所述第二照度图映射到预设的色彩通道上；

融合模块，用于将所述色彩通道上的图像融合为HDRI。

9.根据权利要求8所述的装置，其特征在于，所述获取模块具体包括：

方程生成单元，用于由图像I1、I2、……IN生成相机响应函数标定方程组，所述图像I1、I2、……IN具有不同的曝光条件，其中，所述N为图像的个数，且所述N为大于或等于2的整数；

求解单元，用于依据从所述图像I1、I2、……IN中选取的采样像素点，使用QR分解算法求解所述相机响应函数标定方程组，得到相机响应函数和照度对数；

获取单元，用于依据所述相机响应函数和照度对数，得到所述第一照度图。

10.根据权利要求9所述的装置，其特征在于，所述方程生成单元，用于由图像I1、I2、……IN生成相机响应函数标定方程组，包括：

所述方程生成单元具体用于，获取所述图像I1、I2、……IN，并将所述图像I1、I2、……IN作为已知参数，利用最小二乘法求解预设的目标函数，得到相机响应函数标定方程组。

11.根据权利要求10所述的装置，其特征在于，所述方程生成单元具体用于，获取所述图像I1、I2、……IN，并将所述图像I1、I2、……IN作为已知参数，利用最小二乘法求解预设的目标函数，得到相机响应函数标定方程组包括：

所述方程生成单元具体用于，获取所述图像I1、I2、……IN，并将所述图像I1、I2、……IN作为已知参数，利用最小二乘法求解预设的目标函数，得到相机响应函数标定方程组，所述预设的目标函数为：

$O=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{\ω}\left(Z_{i,j}\right){[g\left(Z_{i,j}\right)-{\ln E}_i-{\ln \mathrm{\Δt}}_j]}^2+\mathrm{\λ}\underset{Z=Z_{\min }+1}{\overset{Z_{\max -1}}{\mathrm{\Σ}}}\mathrm{\ω}\left(Z_{i,j}\right){\left[g^{\′\′}\left(z_{i,j}\right)\right]}^2$

其中，M为已知参数中每幅图像的像素点的个数，g(z_i，j)＝lnE_j+lnΔt_j，E_i为场景照度，Δt_j为当前图像Z_i，j的曝光时间，Z_i，j为当前图像的像素值，λ为控制参数，ω(Z_i，j)为当前图像Z_i，j的权值函数，Z_min为当前图像的像素值的最小值，Z_max为当前图像的像素值的最大值。

12.根据权利要求10所述的装置，其特征在于，还包括：

校正模块，用于在所述将所述色彩通道的图像融合为HDRI之前，将各个色彩通道上的图像分别进行Gamma校正。

13.根据权利要求12所述的装置，其特征在于，所述融合模块用于将所述色彩通道上的图像融合为HDRI包括：

所述融合模块具体用于，将所述色彩通道上经过Gamma校正后的图像融合为HDRI。

14.根据权利要求8至13任一项所述的装置，其特征在于，所述生成模块具体包括：

提取单元，用于提取第一照度图的基本层和细节层；

压缩单元，用于将所述基本层的动态范围压缩到预设范围；

融合单元，用于将动态范围被压缩后的基本层与所述细节层融合为第二照度图。

15.根据权利要求14所述的装置，其特征在于，所述提取单元，用于提取第一照度图的基本层和细节层包括：

所述提取单元具体用于，使用提升小波变换算法，提取第一照度图的基本层和细节层。

16.根据权利要求15所述的装置，其特征在于，所述融合单元，用于将动态范围被压缩后的基本层与所述细节层融合为第二照度图包括：

所述融合单元具体用于，使用提升小波反变换算法，将动态范围被压缩后的基本层与所述细节层融合为第二照度图。