CN105825472A - 一种快速的基于多尺度高斯滤波器的色调映射系统及方法 - Google Patents
一种快速的基于多尺度高斯滤波器的色调映射系统及方法 Download PDFInfo
- Publication number
- CN105825472A CN105825472A CN201610149009.8A CN201610149009A CN105825472A CN 105825472 A CN105825472 A CN 105825472A CN 201610149009 A CN201610149009 A CN 201610149009A CN 105825472 A CN105825472 A CN 105825472A
- Authority
- CN
- China
- Prior art keywords
- module
- dynamic range
- image
- picture
- scale
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000013507 mapping Methods 0.000 title claims abstract description 38
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 26
- 238000012937 correction Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000004927 fusion Effects 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 27
- 238000007788 roughening Methods 0.000 claims description 24
- 238000007906 compression Methods 0.000 claims description 12
- 230000006835 compression Effects 0.000 claims description 7
- 238000007499 fusion processing Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明请求保护一种快速的基于多尺度高斯滤波器的色调映射系统及方法,包括多尺度分解模块、粗化层模块、细节层模块、融合模块、色度处理模块、伽玛校正模块、终端显示模块。采用高斯滤波器构造一组多尺度高斯滤波器,对高动态范围图像进行分解,获得粗化图像和细节图像;所述融合模块,利用线性组合的方式把高动态范围图像分解成的粗化层图像和细节层图像融合成为新的低动态范围图像;所述色度处理模块,引入对色度信息的补偿处理;所述伽玛校正模块,采用伽玛校正,预先补偿显示系统输入信号与输出信号之间的非线性关系。本发明可以有效地压缩高动态范围图像,较好地保留图像信息,并且算法效率高,消耗时间短,适用于移动终端上。
Description
技术领域
本发明属于高动态范围图像的色调映射技术领域,具体涉及一种基于多尺度高斯滤波器的高效率的色调映射方法。
背景技术
大自然的真实场景能显示高动态范围的亮度,而人类的视觉感知系统也能够很好地适应该动态范围。光学数字成像技术能利用成像处理器把大自然的光线转变为数字信号,并通过存储介质保存下来。计算机显示设备利用这些数字信号重现所拍摄的自然场景。最终要求使用者能从显示设备上获得与直接观察真实场景一致的视觉感知。当前的低动态范围图像处理技术仍然不能完整地重现真实自然场景,而高动态范围图像和色调映射算法正是解决该问题的有效方法。近年来,高动态范围图像(HighDynamicRangeImage,HDRI)能记录真实场景的丰富明暗细节和色彩信息,在拍摄处理、电影特效、智能交通、卫星图像等领域都有着巨大的应用前景,进而吸引了人们越来越多的关注。高动态范围图像能够包含传统低动态范围图像缺少的但却能被人眼所获取的较高和较低亮度区域的细节、颜色和饱和度等信息。随着数码摄像技术的发展,人们能很容易地直接通过硬件拍摄或软件合成方式来获取高动态范围图像。但高动态范围图像无法直接通过一般的低动态范围显示设备显示。因为当前普遍的CRT和LCD显示器只能显示102:1(1cd/m2~102cd/m2)范围的亮度,只能支持普通低动态范围图像的显示,而HDR图像的亮度范围却能高达109:1(0.0001cd/m2~100000cd/m2),甚至更高。一般的方法是把HDR图像的动态范围通过线性变换压缩到普通显示器的动态范围里,但会严重丢失HDR图像本身记录的图像信息。
色调映射算法是高动态范围图像处理的最关键环节,能使HDR图像在只能支持低动态范围的普通显示器上重现HDR图像的丰富内容,深刻影响着观察者的视觉感知体验,并且它又涉及到色彩学、心理学、视觉学和光学等领域。近二十年来,很多科研工作者、研究机构和图像图形硬件生产商都做出了相当多的工作。
目前,根据其处理办法不同,色调映射算法主要分为三类:(a)空域不变算子(spatiallyuniform),又称全局映射算子,即采用同一个映射曲线来处理图像的所有像素;(b)空域变化算子(spatiallyvarying),又称局部映射算子,即图像的每一个像素都有各自映射曲线,与其周围的像素相关,从而使不同大小的像素点可能映射为大小相同的像素值,相同大小的像素点可能映射为大小不同的像素值;(c)混合空域算子,它能结合空域不变和空域变化这两种算子的各自优势,虽然能取得较好的效果,但实现难度极大,可能导致算法效率极低。
如何让HDR图像在普通的低动态范围显示器上快速有效地获得最优化的显示输出,即快速的高动态范围图像色调映射方法成为了人们越来越关注的重点。
发明内容
针对以上技术的不足,提出了一种有效地压缩高动态范围图像,较好地保留图像信息,并且算法效率高,消耗时间短的基于多尺度高斯滤波器的色调映射系统及方法。本发明的技术方案如下:一种快速的基于多尺度高斯滤波器的色调映射系统,其包括:多尺度分解模块、粗化层模块、细节层模块、融合模块、色度处理模块、伽玛校正模块和终端显示模块;其中
所述多尺度分解模块用于采用高斯尺度空间构造一组多尺度高斯滤波器,把原始的高动态范围图像分解为一系列不同尺度下的粗化图像和细节图像;所述粗化层模块用于对多尺度分解模块中的高动态范围图像反复进行边缘保留分解,同时在迭代过程中,增大处理窗口的半径,获得一系列逐渐模糊的新粗化图像,保留了图像的局部平均值和局部显著边缘信息;细节层模块用于把经过多尺度分解模块分解的粗化层模块中相邻尺度之间粗化图像的像素差异值作为对应尺度的细节层图像;所述融合模块用于把细节层和粗化层通过线性组合的方式融合成新的低动态范围图像;所述色度处理模块用于弥补融合模块丢失的色度信息;伽玛校正模块用于预先补偿显示系统的输入信号与输出信号之间的非线性关系;终端显示模块用于观察显示最终经过色调映射算法处理过的高动态范围图像。
进一步的,所述多尺度分解模块(1)采用高斯尺度空间理论,假设原始图像为uo(x),x∈Ω,Ω表示图像区域,采用尺度参数t(t>0)的多尺度方法来处理原始图像,输出结果图像为u(x,t),则称Tt:uo(x)→u(x,t)为尺度空间算子,尺度空间算子族{Tt}t>0即表示尺度空间,并认为Tt+h:u(x,t)→u(x,t+h)是尺度从t变化到t+h的尺度空间算子。
进一步的,所述多尺度分解模块(1)的多尺度高斯滤波器是采用低通滤波器处理图像,并不在大尺度的输出图像上引入虚假结构,高斯滤波器的高斯核完整地实现尺度变换的唯一变换核,即采用不同高斯核来处理原始图像后获得新图像系列。
进一步的,所述粗化层模块中对输入的高动态范围图像进行多尺度边缘保留分解,包括:设MEPl表示多尺度边缘保留函数,l表示当前所在的尺度级别,对高动态范围图像的亮度图像I处理后,获得一系列逐渐模糊的粗化图像,公式如下:
Bl-1=MEPl(Bl),l=n,...,2且Bn=I
其中,Bl表示l尺度上对应的粗化图像,Bn表示高动态范围图像对应的亮度图像。进一步的,所述细节层模块中,将基础层B1的平均值作为最后粗化层B0,即B0=Mean(B1),一系列不同尺度的细节图像Dl定义如下:
Dl=Bl-Bl-1,l=n,...,2
进一步的,所述融合模块中将高动态范围图像分解成的多个细节层和粗化层,通过线性组合的方式来融合成为新的低动态范围图像L′,公式如下:
其中,α和βl表示不同的平滑函数,取n=3;βl采用S型函数:
进一步的,所述色度处理模块中的色度信息补偿处理根据人的视觉模型,通过一个映射函数,补偿图像的原有色度信息,采用了如下公式处理色度信息:
其中,Cin表示原始高动态范围图像的R,G,B颜色通道;Lin表示原始图像的像素亮度;Lout表示压缩处理后的像素亮度,s表示用户可调的颜色饱和度系数,取值空间为(0,1]。
进一步的,所述伽玛校正模块的取值采用取2.2。
一种快速的基于多尺度高斯滤波器的色调映射方法,其包括以下步骤:
步骤1、首先输入一幅高动态范围图像,接下来求取高动态范围图像的亮度图像,对亮度图像进行归一化处理;步骤2、然后对不同尺度的高斯滤波器反复进行边缘保留分解,获得一系列的粗化图像,通过计算粗化图像之间的像素差异值进而得到不同尺度下的细节图像;步骤3、采用线性组合的方式把粗化图像和细节图像重构为新的低动态范围图像,在融合过程中采用S型函数消除噪声;步骤4、通过保留颜色与亮度的比值来对低动态范围图像进行色度处理,同时采用伽玛校正函数处理压缩后的图像;步骤5、最后,得到最终的低动态范围图像,可直接在普通的显示器上显示。
进一步的,所述步骤3在融合过程中采用消除噪声的S型函数,公式如下:
进一步的,所述步骤4中的色度信息补偿处理通过一个映射函数,补偿图像的原有色度信息,如下公式:
其中,Cin表示原始高动态范围图像的R,G,B颜色通道;Lin表示原始图像的像素亮度;Lout表示压缩处理后的像素亮度,s表示用户可调的颜色饱和度系数,取值空间为(0,1]。
本发明的优点及有益效果如下:
本发明专利采用多尺度高斯滤波器能够对高动态范围图像进行多尺度描述,弥补了高动态范围图像在单一尺度上的图像特征的不完整性,同时在图像尺度空间中,采用不同高斯核来处理原始图像后获得的图像序列是规范和线性的,能满足平移不变性、尺度不变性和旋转不变性等特征。根据高斯金字塔的原理,构造一组多尺度高斯滤波器,能有效压缩高动态范围图像,较好地保留图像在颜色、亮度和细节等方面的信息。
本发明专利通过多尺度高斯滤波器对高动态范围图像反复进行边缘保留分解,在迭代过程中,增大处理窗口半径,获得一系列不同尺度下的粗化图像和细节图像,从而把分解得到的粗化层和细节层重构成新的低动态范围图像。在整个对高动态范围图像进行边缘保留分解迭代过程和融合过程中,易于操作,明显减少了内存消耗和计算时间。
本发明专利引入对色度信息的补偿处理。高动态范围图像被映射到低动态范围图像后,往往丢失图像的色度信息,导致颜色偏移,基于人的视觉模型,通过一个映射函数,弥补图像的原有色度信息,修复图像的颜色和细节。弥补了因动态范围压缩而导致丢失色度信息的缺点。
本发明专利采用伽玛校正,通过计算显示系统的输入信号与输出信号的非线性关系,预先补偿显示系统输出图像与映射后图像之间的偏离程度,使得显示系统更好地显示经过色调映射处理后的高动态范围图像。解决了显示系统显示的亮度与映射后的图像数据不一致的问题,且增强了在现有显示系统上的适应性。本发明专利为具有较高实用性的色调映射方法。高动态范围图像包含了逼真的细节和丰富的色彩,广泛应用在游戏特效、卫星气象、医疗影像和高清电影等不同领域,目前高动态范围图像局部色调映射方法尽管显示效果好,但是算法效率较低,消耗时间长。实用性的色调映射方法不仅能保持高动态范围图像在颜色、亮度和细节等方面的信息,而且可以快速地把高动态范围图像映射为可供普通显示设备输出的低动态范围图像,具有一定的实用意义。
附图说明
图1是本发明提供优选实施例种快速的基于多尺度高斯滤波器的色调映射方法功能结构示意图。
图2为一维波浪信号的多尺度描述示意图
图3为小屋图像的多尺度描述示意图
图4为平滑函数示意图
图5不同伽玛值校正示意图
图6为本发明优选实施例一种快速的基于多尺度高斯滤波器的色调映射方法整体工作流程示意图。
图7为本发明优选实施例一种快速的基于多尺度高斯滤波器的色调映射算法描述示意图。
具体实施方式
以下结合附图,对本发明作进一步说明:
图1为本发明优选实施例一种快速的基于多尺度高斯滤波器的色调映射方法功能结构示意图,图1中,一种快速的基于多尺度高斯滤波器的色调映射方法,包括多尺度分解模块1、粗化层模块2、细节层模块3、融合模块4、色度处理模块5、伽玛校正模块6和终端显示模块7。
所述多尺度分解模块1用于构造一组多尺度高斯滤波器,把高动态范围图像分解为一系列不同尺度下的粗化图像和细节图像;粗化层模块2用于对高动态范围图像进行多尺度边缘保留分解,获得一系列逐渐模糊的粗化图像;细节层模块3用于把一系列相邻尺度下的粗化层的差异值作为对应尺度的细节层;融合模块4用于把细节层和粗化层通过线性组合的方式融合成新的低动态范围图像;色度处理模块5用于弥补因动态范围压缩而导致丢失的色度信息;伽玛校正模块6用于预先补偿显示系统的输入信号与输出信号之间的非线性关系;终端显示模块7显示最终经过色调映射算法处理过的高动态范围图像,并观察其效果。
进一步的,所述多尺度分解模块中根据高斯金字塔的原理,采用多尺度高斯滤波器,反复对高动态范围图像进行边缘保留分解,弥补了单一尺度上的特征描述图像内容较片面的缺点;其中在图像尺度空间的基础上,采用高斯核的尺度空间,叫高斯尺度空间,在图像处理领域可以理解为一个尺度可变的高斯函数g(X,t)与被处理图像I(X)的卷积L(X,t),公式如下:
L(X,t)=g(X,t)*I(X)
其中,I:RD→R,L:RD×R+→R。尺度可变高斯函数g(X,t)定义为:
进一步的,所述多尺度高斯滤波器采用对高动态范围图像进行多尺度描述,并构建稳定的图像尺度空间,能寻找到高动态范围图像在其它尺度上的细节、纹理、整体结构等特征,同时采用高斯核处理原始图像后获得的图像序列是规范和线性的,能满足平移不变性、尺度不变性和旋转不变性等特征。
进一步的,所述粗化层模块中,设MEPl表示多尺度边缘保留函数,l表示当前所在的尺度级别,对高动态范围图像的亮度图像I处理后,获得一系列逐渐模糊的粗化图像,公式如下:
Bl-1=MEPl(Bl),l=n,...,2且Bn=I
进一步的,所述细节层模块中,为了使最后的粗化图像尽可能地不受噪声影响,可以将基础层B1的平均值作为最后粗化层B0,即B0=Mean(B1)。一系列不同尺度的细节图像定义如下:
Dl=Bl-Bl-1,l=n,...,2
进一步的,所述融合模块中将高动态范围图像分解成的多个细节层和粗化层,通过线性组合的方式来融合成为新的低动态范围图像L′,公式如下:
其中,α和βl表示不同的平滑函数,为了有效节约时间消耗,取n=3;为了保持细节图像的平滑性,βl可以采用S型函数:
进一步的,所述色度处理模块中的色度信息补偿处理根据人的视觉模型,可以额外通过一个映射函数,补偿图像的原有色度信息,修复图像的颜色和细节,弥补了因动态范围压缩而导致丢失色度信息的缺点;一般,色度信息的处理是通过保留颜色与亮度的比值,如下:
其中,Cin表示原始高动态范围图像的R,G,B颜色通道;Lin表示原始图像的像素亮度;Lout表示压缩处理后的像素亮度。
由于亮度的动态范围压缩比较大,色度信息丢失明显,故采用了如下公式处理色度信息:
其中,s表示用户可调的颜色饱和度系数,取值空间为(0,1]。
图2为一维波浪信号的多尺度描述示意图,表示一维波浪信号与不同尺度的一维高斯函数卷积的结果示意图,即一维波浪信号的尺度空间描述,由下往上t单调增大。由图2可知,随着一维高斯函数尺度的不断增加,一维波浪信号的细节结构也渐渐被削去,原始的一维波浪信号变得越来越平滑,并且大尺度的结果信号也没有产生额外的“人工”结构。
图3为小屋图像的多尺度描述示意图,图3中,是一幅小屋图像,以及采用不同尺度的二维高斯函数过滤后的结果图像。图3(a)中尺度参数t=0,即为原始图像L(x,y,0)=I(x,y)。随着t单调增大,图像变得越来越平滑,局部细节也逐渐消失。高斯函数g(X,t)的标准差是因此过滤操作会抹掉尺度小于它的图像细节。在图3(d)中,窗口,烟囱和排水管等较小尺度结构都被过滤掉了,只保留具有大尺度结构的小屋外形。
图4为平滑函数示意图,由图4可知,远离零的较大数值会被压缩,靠近零的较小数值会被扩展,这样会有效地消除噪声,令细节图像更平滑。
图5不同伽玛值校正示意图,由于软件和硬件设备差异,不同显示系统的伽玛值也不同。当校正的伽玛值小于2.2时,压缩了图像的较亮区域并扩展了较暗区域;当校正的伽玛值大于2.2时,扩展了图像的较亮区域并压缩了较暗区域。为了使本发明专利的色调映射算法具有普遍适用性,伽玛值取2.2比较合理。
图6为本发明优选实施例一种快速的基于多尺度高斯滤波器的色调映射方法整体工作流程示意图,图6中,首先输入一幅高动态范围图像,接下来求取高动态范围图像的亮度图像,对亮度图像进行归一化处理;然后对不同尺度的高斯滤波器反复进行边缘保留分解,获得一系列的粗化图像,通过计算粗化图像之间的差值进而得到不同尺度下的细节图像;采用线性组合的方式把粗化图像和细节图像重构为新的低动态范围图像,在融合过程中采用S型函数有效地消除噪声,令细节图像更平滑;通过保留颜色与亮度的比值来对低动态范围图像进行色度处理,同时采用伽玛校正函数处理压缩后的图像,使得显示系统显示的亮度与映射后的图像数据尽可能保持一致。最后,得到最终的低动态范围图像,可直接在普通的显示器上显示。
图7是本发明专利提供的一种快速的基于多尺度高斯滤波器的色调映射算法描述示意图。图7中,执行步骤1到步骤4完成算法的预处理,执行步骤5到步骤6得到多尺度分解下的粗化层与细节层,执行步骤7到步骤8得到较好保持图像颜色和细节的低动态范围图像。最后输出的低动态范围图像,可直接显示在普通的显示器上。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (10)
1.一种快速的基于多尺度高斯滤波器的色调映射系统,其特征在于,包括:多尺度分解模块(1)、粗化层模块(2)、细节层模块(3)、融合模块(4)、色度处理模块(5)、伽玛校正模块(6)和终端显示模块(7);其中
所述多尺度分解模块(1)用于采用高斯尺度空间构造一组多尺度高斯滤波器,把原始的高动态范围图像分解为一系列不同尺度下的粗化图像和细节图像;所述粗化层模块(2)用于对多尺度分解模块(1)中的高动态范围图像反复进行边缘保留分解,同时在迭代过程中,增大处理窗口的半径,获得一系列逐渐模糊的新粗化图像,保留了图像的局部平均值和局部显著边缘信息;细节层模块(3)用于把经过多尺度分解模块(1)分解的粗化层模块(2)中相邻尺度之间粗化图像的像素差异值作为对应尺度的细节层图像;所述融合模块(4)用于把细节层和粗化层通过线性组合的方式融合成新的低动态范围图像;所述色度处理模块(5)用于弥补融合模块(4)丢失的色度信息;伽玛校正模块(6)用于预先补偿显示系统的输入信号与输出信号之间的非线性关系;终端显示模块(7)用于观察显示最终经过色调映射算法处理过的高动态范围图像。
2.根据权利要求1所述的快速的基于多尺度高斯滤波器的色调映射系统,其特征在于,所述多尺度分解模块(1)采用高斯尺度空间理论,假设原始图像为uo(x),x∈Ω,Ω表示图像区域,采用尺度参数t(t>0)的多尺度方法来处理原始图像,输出结果图像为u(x,t),则称Tt:uo(x)→u(x,t)为尺度空间算子,尺度空间算子族{Tt}t>0即表示尺度空间,并认为Tt+h:u(x,t)→u(x,t+h)是尺度从t变化到t+h的尺度空间算子。
3.根据权利要求2所述的快速的基于多尺度高斯滤波器的色调映射系统,其特征在于,所述多尺度分解模块(1)的多尺度高斯滤波器是采用低通滤波器处理图像,并不在大尺度的输出图像上引入虚假结构,高斯滤波器的高斯核完整地实现尺度变换的唯一变换核,即采用不同高斯核来处理原始图像后获得新图像系列。
4.根据权利要求1或2所述的快速的基于多尺度高斯滤波器的色调映射系统,其特征在于,所述粗化层模块(2)中对输入的高动态范围图像进行多尺度边缘保留分解,包括:设MEPl表示多尺度边缘保留函数,l表示当前所在的尺度级别,对高动态范围图像的亮度图像I处理后,获得一系列逐渐模糊的粗化图像,公式如下:
Bl-1=MEPl(Bl),l=n,...,2且Bn=I
其中,Bl表示l尺度上对应的粗化图像,Bn表示高动态范围图像对应的亮度图像。
5.根据权利要求4所述的快速的基于多尺度高斯滤波器的色调映射系统,其特征在于,所述细节层模块(3)中,将基础层B1的平均值作为最后粗化层B0,即B0=Mean(B1),一系列不同尺度的细节图像Dl定义如下:
Dl=Bl-Bl-1,l=n,...,2
6.根据权利要求5所述的快速的基于多尺度高斯滤波器的色调映射系统,其特征在于,所述融合模块(4)中将高动态范围图像分解成的多个细节层和粗化层,通过线性组合的方式来融合成为新的低动态范围图像L′,公式如下:
其中,α和βl表示不同的平滑函数,取n=3;βl采用S型函数:
7.根据权利要求5所述的快速的基于多尺度高斯滤波器的色调映射系统,其特征在于,所述色度处理模块(5)中的色度信息补偿处理根据人的视觉模型,通过一个映射函数,补偿图像的原有色度信息,采用了如下公式处理色度信息:
其中,Cin表示原始高动态范围图像的R,G,B颜色通道;Lin表示原始图像的像素亮度;Lout表示压缩处理后的像素亮度,s表示用户可调的颜色饱和度系数,取值空间为(0,1]。
8.根据权利要求5所述的快速的基于多尺度高斯滤波器的色调映射系统,其特征在于,所述伽玛校正模块(6)的取值采用取2.2。
9.一种快速的基于多尺度高斯滤波器的色调映射方法,其特征在于,包括以下步骤:
步骤1、首先输入一幅高动态范围图像,接下来求取高动态范围图像的亮度图像,对亮度图像进行归一化处理;步骤2、然后对不同尺度的高斯滤波器反复进行边缘保留分解,获得一系列的粗化图像,通过计算粗化图像之间的差值进而得到不同尺度下的细节图像;步骤3、采用线性组合的方式把粗化图像和细节图像重构为新的低动态范围图像,在融合过程中采用S型函数消除噪声;步骤4、通过保留颜色与亮度的比值来对低动态范围图像进行色度处理,同时采用伽玛校正函数处理压缩后的图像;步骤5、最后,得到最终的低动态范围图像,可直接在普通的显示器上显示。
10.根据权利要求9所述的一种快速的基于多尺度高斯滤波器的色调映射方法,其特征在于,所述步骤3在融合过程中采用消除噪声的S型函数,公式如下:
所述步骤4中的色度信息补偿处理通过一个映射函数,补偿图像的原有色度信息,如下公式:
其中,Cin表示原始高动态范围图像的R,G,B颜色通道;Lin表示原始图像的像素亮度;Lout表示压缩处理后的像素亮度,s表示用户可调的颜色饱和度系数,取值空间为(0,1]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610149009.8A CN105825472A (zh) | 2016-05-26 | 2016-05-26 | 一种快速的基于多尺度高斯滤波器的色调映射系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610149009.8A CN105825472A (zh) | 2016-05-26 | 2016-05-26 | 一种快速的基于多尺度高斯滤波器的色调映射系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105825472A true CN105825472A (zh) | 2016-08-03 |
Family
ID=56987755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610149009.8A Pending CN105825472A (zh) | 2016-05-26 | 2016-05-26 | 一种快速的基于多尺度高斯滤波器的色调映射系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105825472A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909560A (zh) * | 2017-09-22 | 2018-04-13 | 洛阳师范学院 | 一种基于SiR的多聚焦图像融合方法及系统 |
CN108022223A (zh) * | 2017-12-18 | 2018-05-11 | 中山大学 | 一种基于对数映射函数分块处理融合的色调映射方法 |
CN108122211A (zh) * | 2017-12-19 | 2018-06-05 | 中山大学花都产业科技研究院 | 一种基于箱式滤波器的局部边缘保持色调映射算法 |
CN108259701A (zh) * | 2018-01-17 | 2018-07-06 | 深圳市唯特视科技有限公司 | 一种基于高动态范围色域映射的颜色再现方法 |
CN109410127A (zh) * | 2018-09-17 | 2019-03-01 | 西安电子科技大学 | 一种基于深度学习与多尺度图像增强的图像去噪方法 |
WO2019090580A1 (en) * | 2017-11-09 | 2019-05-16 | SZ DJI Technology Co., Ltd. | System and method for image dynamic range adjusting |
CN109785263A (zh) * | 2019-01-14 | 2019-05-21 | 北京大学深圳研究生院 | 一种基于Retinex的逆色调映射图像转换方法 |
CN109886906A (zh) * | 2019-01-25 | 2019-06-14 | 武汉大学 | 一种细节敏感的实时弱光视频增强方法和系统 |
CN110246086A (zh) * | 2018-03-07 | 2019-09-17 | 舜宇光学(浙江)研究院有限公司 | 彩色图像增强的图像处理方法及其图像处理系统 |
CN110415188A (zh) * | 2019-07-10 | 2019-11-05 | 首都师范大学 | 一种基于多尺度形态学的hdr图像色调映射方法 |
CN110544457A (zh) * | 2019-09-09 | 2019-12-06 | 深圳博邦诚光电有限公司 | 反Gamma动态映射算法 |
CN111667430A (zh) * | 2020-06-09 | 2020-09-15 | 展讯通信(上海)有限公司 | 图像的处理方法、装置、设备以及存储介质 |
CN113096053A (zh) * | 2021-03-17 | 2021-07-09 | 西安电子科技大学 | 基于多尺度引导滤波的高动态红外图像细节增强方法 |
CN113168672A (zh) * | 2018-10-19 | 2021-07-23 | 高途乐公司 | 用于图像处理的色调映射和色调控制集成 |
CN113313637A (zh) * | 2020-02-27 | 2021-08-27 | 阿里巴巴集团控股有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN113327208A (zh) * | 2021-06-17 | 2021-08-31 | 烟台艾睿光电科技有限公司 | 高动态范围图像色调映射方法、装置、电子设备及介质 |
WO2024087756A1 (zh) * | 2022-10-27 | 2024-05-02 | 格科微电子(上海)有限公司 | 高动态范围图像传感器的实现方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392463A (zh) * | 2014-12-16 | 2015-03-04 | 西安电子科技大学 | 一种基于联合稀疏多尺度融合的图像显著区域检测方法 |
CN105163047A (zh) * | 2015-09-15 | 2015-12-16 | 厦门美图之家科技有限公司 | 一种基于色彩空间转换的hdr图像生成方法、系统及拍摄终端 |
US9275445B2 (en) * | 2013-08-26 | 2016-03-01 | Disney Enterprises, Inc. | High dynamic range and tone mapping imaging techniques |
CN105450939A (zh) * | 2015-11-19 | 2016-03-30 | 上海斐讯数据通信技术有限公司 | 一种高动态范围图像的显示方法及移动终端 |
-
2016
- 2016-05-26 CN CN201610149009.8A patent/CN105825472A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9275445B2 (en) * | 2013-08-26 | 2016-03-01 | Disney Enterprises, Inc. | High dynamic range and tone mapping imaging techniques |
CN104392463A (zh) * | 2014-12-16 | 2015-03-04 | 西安电子科技大学 | 一种基于联合稀疏多尺度融合的图像显著区域检测方法 |
CN105163047A (zh) * | 2015-09-15 | 2015-12-16 | 厦门美图之家科技有限公司 | 一种基于色彩空间转换的hdr图像生成方法、系统及拍摄终端 |
CN105450939A (zh) * | 2015-11-19 | 2016-03-30 | 上海斐讯数据通信技术有限公司 | 一种高动态范围图像的显示方法及移动终端 |
Non-Patent Citations (2)
Title |
---|
戴红等: "《数据挖掘导论》", 31 January 2015, 清华大学出版社 * |
胡庆新等: ""基于多尺度分解的色调映射算法"", 《计算机应用》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909560A (zh) * | 2017-09-22 | 2018-04-13 | 洛阳师范学院 | 一种基于SiR的多聚焦图像融合方法及系统 |
US11070705B2 (en) | 2017-11-09 | 2021-07-20 | SZ DJI Technology Co., Ltd. | System and method for image dynamic range adjusting |
WO2019090580A1 (en) * | 2017-11-09 | 2019-05-16 | SZ DJI Technology Co., Ltd. | System and method for image dynamic range adjusting |
CN108022223B (zh) * | 2017-12-18 | 2021-06-25 | 中山大学 | 一种基于对数映射函数分块处理融合的色调映射方法 |
CN108022223A (zh) * | 2017-12-18 | 2018-05-11 | 中山大学 | 一种基于对数映射函数分块处理融合的色调映射方法 |
CN108122211A (zh) * | 2017-12-19 | 2018-06-05 | 中山大学花都产业科技研究院 | 一种基于箱式滤波器的局部边缘保持色调映射算法 |
CN108259701A (zh) * | 2018-01-17 | 2018-07-06 | 深圳市唯特视科技有限公司 | 一种基于高动态范围色域映射的颜色再现方法 |
CN110246086B (zh) * | 2018-03-07 | 2021-09-03 | 舜宇光学(浙江)研究院有限公司 | 彩色图像增强的图像处理方法及其图像处理系统 |
CN110246086A (zh) * | 2018-03-07 | 2019-09-17 | 舜宇光学(浙江)研究院有限公司 | 彩色图像增强的图像处理方法及其图像处理系统 |
CN109410127A (zh) * | 2018-09-17 | 2019-03-01 | 西安电子科技大学 | 一种基于深度学习与多尺度图像增强的图像去噪方法 |
US11941789B2 (en) | 2018-10-19 | 2024-03-26 | Gopro, Inc. | Tone mapping and tone control integrations for image processing |
CN113168672A (zh) * | 2018-10-19 | 2021-07-23 | 高途乐公司 | 用于图像处理的色调映射和色调控制集成 |
CN113168672B (zh) * | 2018-10-19 | 2024-02-02 | 高途乐公司 | 用于图像处理的色调映射和色调控制集成 |
CN109785263A (zh) * | 2019-01-14 | 2019-05-21 | 北京大学深圳研究生院 | 一种基于Retinex的逆色调映射图像转换方法 |
CN109785263B (zh) * | 2019-01-14 | 2022-09-16 | 北京大学深圳研究生院 | 一种基于Retinex的逆色调映射图像转换方法 |
CN109886906A (zh) * | 2019-01-25 | 2019-06-14 | 武汉大学 | 一种细节敏感的实时弱光视频增强方法和系统 |
CN109886906B (zh) * | 2019-01-25 | 2020-09-08 | 武汉大学 | 一种细节敏感的实时弱光视频增强方法和系统 |
CN110415188A (zh) * | 2019-07-10 | 2019-11-05 | 首都师范大学 | 一种基于多尺度形态学的hdr图像色调映射方法 |
CN110544457A (zh) * | 2019-09-09 | 2019-12-06 | 深圳博邦诚光电有限公司 | 反Gamma动态映射算法 |
CN113313637A (zh) * | 2020-02-27 | 2021-08-27 | 阿里巴巴集团控股有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN111667430A (zh) * | 2020-06-09 | 2020-09-15 | 展讯通信(上海)有限公司 | 图像的处理方法、装置、设备以及存储介质 |
CN111667430B (zh) * | 2020-06-09 | 2022-11-22 | 展讯通信(上海)有限公司 | 图像的处理方法、装置、设备以及存储介质 |
CN113096053B (zh) * | 2021-03-17 | 2024-02-09 | 西安电子科技大学 | 基于多尺度引导滤波的高动态红外图像细节增强方法 |
CN113096053A (zh) * | 2021-03-17 | 2021-07-09 | 西安电子科技大学 | 基于多尺度引导滤波的高动态红外图像细节增强方法 |
CN113327208B (zh) * | 2021-06-17 | 2022-10-04 | 烟台艾睿光电科技有限公司 | 高动态范围图像色调映射方法、装置、电子设备及介质 |
CN113327208A (zh) * | 2021-06-17 | 2021-08-31 | 烟台艾睿光电科技有限公司 | 高动态范围图像色调映射方法、装置、电子设备及介质 |
WO2024087756A1 (zh) * | 2022-10-27 | 2024-05-02 | 格科微电子(上海)有限公司 | 高动态范围图像传感器的实现方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105825472A (zh) | 一种快速的基于多尺度高斯滤波器的色调映射系统及方法 | |
Branchitta et al. | New technique for the visualization of high dynamic range infrared images | |
Zuo et al. | Display and detail enhancement for high-dynamic-range infrared images | |
Fu et al. | Improved single image dehazing using dark channel prior | |
CN109447930B (zh) | 小波域光场全聚焦图像生成算法 | |
Song et al. | High dynamic range infrared images detail enhancement based on local edge preserving filter | |
CN105850114A (zh) | 用于图像的逆色调映射的方法 | |
CN101630405A (zh) | 一种利用核Fisher分类与冗余小波变换的多聚焦图像融合方法 | |
Patel et al. | A review on infrared and visible image fusion techniques | |
Pang et al. | Infrared and visible image fusion based on double fluid pyramids and multi-scale gradient residual block | |
Yu et al. | A new dehazing algorithm based on overlapped sub-block homomorphic filtering | |
Dong et al. | Low lighting image enhancement using local maximum color value prior | |
Li et al. | Image fusion algorithm based on contrast pyramid and application | |
Barai et al. | Human visual system inspired saliency guided edge preserving tone-mapping for high dynamic range imaging | |
CN105005976B (zh) | 一种基于融合的红外图像增强方法 | |
Zhang et al. | Display method for high dynamic range infrared image based on gradient domain guided image filter | |
Voronin et al. | Block-based multi-scale haze image enhancement method for surveillance application | |
Wu et al. | A low distortion image defogging method based on histogram equalization in wavelet domain | |
Yang et al. | Detail-enhanced and brightness-adjusted exposure image fusion | |
Chen et al. | Infrared and visible image fusion with deep wavelet-dense network | |
Liu et al. | Infrared and visible image fusion based on trpca and visual saliency detection | |
Wei et al. | Denoising and contrast enhancement fusion based on white balance for underwater images | |
Jun et al. | Infrared and visible image fusion via gradientlet filter and salience-combined map | |
Chen et al. | A fast multi-scale decomposition based tone mapping algorithm for High Dynamic Range images | |
Chen et al. | Back-projection residual low-light image enhancement network with color correction matrix |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160803 |