CN106127823A - 一种彩色图像动态范围压缩方法 - Google Patents

一种彩色图像动态范围压缩方法 Download PDF

Info

Publication number
CN106127823A
CN106127823A CN201610481600.3A CN201610481600A CN106127823A CN 106127823 A CN106127823 A CN 106127823A CN 201610481600 A CN201610481600 A CN 201610481600A CN 106127823 A CN106127823 A CN 106127823A
Authority
CN
China
Prior art keywords
cone
image
rod
cell
dynamic range
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.)
Granted
Application number
CN201610481600.3A
Other languages
English (en)
Other versions
CN106127823B (zh
Inventor
李永杰
普璇
杨开富
李朝义
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201610481600.3A priority Critical patent/CN106127823B/zh
Publication of CN106127823A publication Critical patent/CN106127823A/zh
Application granted granted Critical
Publication of CN106127823B publication Critical patent/CN106127823B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种彩色图像动态范围压缩方法，本发明的方法首先提取彩色图像的亮度，采用不同的计算方式得到视杆感受亮度图和视锥感受亮度图，然后分别计算视杆亮度图和视锥亮度图中每个像素所对应的响应值。得到视杆和视锥的响应图后，分别与一个双高斯差滤波器进行卷积，并将卷积后得到的两幅图像进行融合；融合时，对于亮度较低的像素，视锥的权重小，对于亮度较高的像素，视锥的权重大；融合之后，在保持输入的彩色图像的RGB三通道的比值不变的情况下，根据融合后图像的亮度与视锥感受亮度的关系来等比缩放原图的RGB三通道，通过调整饱和度控制参数的大小，可以有效的调节最终得到的彩色图像的饱和度。

Description

一种彩色图像动态范围压缩方法
技术领域
本发明属于计算机视觉技术领域，具体涉及高动态范围图像的动态范围压缩技术。
背景技术
图像的动态范围是指图像的亮度范围，亮度范围有多种度量方式，通常采用图像中最亮处和最暗处的亮度比来表示。现实生活中的场景大多有着很高的动态范围，通常超过100000:1。随着人们对图像质量的要求不断提高，高动态范围图像因其涵盖的场景信息更加丰富，获取成本又日益降低，所以被广泛应用。然而现有的主流显示设备和打印设备的动态范围却是极低的，一般只有1-2个数量级，因此，在低动态范围的设备上显示高动态范围的图像，往往会导致严重的图像信息丢失。所以，对高动态范围图像的动态范围进行压缩，并尽可能保留原有的图像信息，使其匹配低动态范围显示器是非常有必要的。目前主要的方法可以分为两类，一类方法是将图像看做一个整体，对于图像中的每一个像素都采用相同的变换，这类方法可能会出现局部对比度丢失和难以保留细节等问题。第二类方法会参考中心像素及其周围像素的信息，对不同位置的像素采用不同的变换，但是在亮度变化较大的边缘容易出现伪影等问题。比较典型的方法有Pattanaik等人在2000年提出的方法，参见文献S.N.Pattanaik,J.Tumblin.Time-Dependent Visual Adaptation For FastRealistic Image Display[C],Conference on Computer Graphics,2000.47-54。该方法在对亮度通道进行动态范围压缩时，利用了视杆和视锥的亮度响应模型，并模拟了随着时间变化的视觉适应过程。该算法的整体框架采用的是Tumblin在1993年提出的算法框架，并增加了视觉适应模型和视觉展示模型来表现视网膜响应，亮度以及颜色。但是该算法对所有像素采用的相同的变换，处理后的结果对比度较低，细节不够清晰。
发明内容
本发明的目的是为了解决现有的图像动态范围压缩方法的缺陷，提出了一种彩色图像动态范围压缩方法。
为了实现上述目的，本发明的技术方案是：一种彩色图像动态范围压缩方法，包括如下步骤：
S1.计算视杆和视锥细胞的感受亮度图像：将输入的彩色图像转换到CIEXYZ空间，将Y通道的值作为视锥细胞的感受亮度图像，将XYZ三通道的加权和作为视杆细胞的感受亮度图像；
S2.计算视杆和视锥细胞的响应图像：通过一个感光细胞的响应函数，将步骤S1中的视杆和视锥细胞的感受亮度图像分别转换为视杆和视锥细胞的响应图像；
S3.计算感受野作用后的图像：用两个高斯的差函数来构建滤波器，以此模拟感受野作用，将步骤S2中计算所得到的视杆和视锥的响应图像分别与该滤波器进行卷积，再将卷积后的结果分别乘上一个权重系数和卷积前的原图相加，得到感受野作用后的视杆和视锥响应图像；
S4.视杆和视锥图像融合：将步骤S3中得到的视杆和视锥的感受野作用后的响应图像进行融合，将一个sigmoid函数w的值作为视锥图像融合的权重，1-w的值作为视杆图像融合的权重；
S5.将亮度图像转换到RGB彩色空间：将步骤S1中视锥的感受亮度图像与步骤S4中融合后的亮度图像的比值作为缩放因子，对原图像的R、G、B三个通道进行等比例缩放，得出最终的彩色图像。
作为一个较佳的实施例，步骤S1中视杆细胞的感受亮度图像的计算公式为：Lrod(x,y)＝-0.702X+1.039Y+0.433Z，其中，Lrod为视杆细胞的感受亮度图像，X Y Z表示像素点对应的X、Y、Z通道灰度值。
进一步的，步骤S2中计算视杆响应图像的具体计算方式为其中，Lrod为S1中得到的视杆细胞感受亮度图像，其中，Rmax表示细胞的最大响应值，其取值范围是1-3；βrod用来控制响度，越小对图像的暗区亮度提升的力度越大，取值范围是1-2；n为灵敏度控制参数取，值范围是0.7-1；
视锥响应图像的具体计算方式为其中，Lcone为S1中得到的视锥细胞感受亮度，参数βcone用来控制响度，越大对图像的亮区压缩力度越大，取值范围是2-4。参数n的取值和视杆处理通道相同。
进一步的，步骤S3中，使用的滤波器是一个双高斯差模版，其中，中心高斯尺度大小的范围是0-1，外周高斯尺度大小范围是1-5，滤波后的结果相当于原图的边界信息，此边界图乘上一个权重系数再和原图相加得到一个边界增强的图像，其中权重系数的取值范围是1-5。
进一步的，步骤S4中，在视杆和视锥融合中视锥权重w的计算方式为其中，Lcone是S1中视锥的感受亮度，a的取值范围是-0.1到-1，m是的最小值。
需要说明的是：这里α是一个常数，是Lcone的α次方的意思，m是在α已经确定取值的情况下，计算出来的Lcone的最小值；这样可以保证分母部分是恒大于1的，由此保证权重w的值在0到1之间。
进一步的，步骤S5中，最终输出彩色图像的R通道值的求解方式为其中，Lout为经过感受野处理后的视锥通道结果DOGcone和经过感受野作用后的视杆通道结果DOGrod两者的加权和，即Lout＝w*DOGcone+(1-w)*DOGrod，G、B通道的求解方式与R通道类似，其中，s为一个饱和度控制参数，取值范围为0.6-1，s取值越大输出的彩色图像的饱和度越高。
本发明的有益效果：本发明的方法首先提取彩色图像的亮度，采用不同的计算方式得到视杆感受亮度图和视锥感受亮度图，然后分别计算视杆亮度图和视锥亮度图中每个像素所对应的响应值。在计算响应值时，每个像素点所采用的响应函数都有所不同，与当前像素点的亮度有关，同时在计算视杆和视锥的响应时参数β的取值也不相同，通过调节参数β的大小可以有效地调整图中亮区的压缩力度和暗区的亮度提升力度。得到视杆和视锥的响应图后，分别与一个双高斯差滤波器进行卷积，并将卷积后得到的两幅图像进行融合。在将进行融合时，对于亮度较低的像素，视锥的权重小，对于亮度较高的像素，视锥的权重大。融合之后，在保持输入的彩色图像的RGB三通道的比值不变的情况下，根据融合后图像的亮度与视锥感受亮度的关系来等比缩放原图的RGB三通道，通过调整饱和度控制参数s的大小，可以有效的调节最终得到的彩色图像的饱和度。本发明的动态范围压缩方法在选择恰当的参数后可进行自适应处理，适用于大部分高动态范围的图像，处理后的结果无色偏，伪影等，且能够十分有效的压缩图像的动态范围，清晰的显示图像中过亮区和过暗区的细节。
附图说明
图1是本发明一种彩色图像动态范围压缩方法的流程示意图。
图2是实施例中采用本发明对一幅高动态范围彩色图像进行动态范围压缩前后的对比图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
人眼能够承受场景的亮度范围是极广的，其中视觉系统的明暗适应机制起了很大的作用，其主要是依靠视网膜中的视杆细胞和视锥细胞共同作用，本发明方法便是基于此生理基础提出的。
下面通过一实施例进行具体说明。
处理对象为一幅.hdr格式的高动态范围图像，图像大小为656×1000，具体方法的流程如图1所示，具体过程如下：
S1.计算视杆和视锥细胞的感受亮度图：首先将输入的彩色图像从RGB空间转换到CIEXYZ空间，并将XYZ空间中的Y通道值作为视锥感受亮度图，将-0.702X+1.039Y+0.433Z计算后的灰度图作为视杆感受亮度图像。以像素点(600,600)为例，该像素点在R、G、B通道的灰度值分别为0.0018、0.0017和0.0031，转换到XYZ空间后，该像素点对应的X、Y、Z通道灰度值分别为0.0019、0.0018和0.0028。像素点(600,600)在视锥感受亮度图中的灰度值为0.0018，在视杆感受亮度图中的灰度值为0.0017。
S2.计算视杆和视锥细胞的响应图像：由步骤S1已经得到了视杆的感受亮度图像Lrod，通过公式可以计算出视杆的响应图像，其中参数Rmax的取值范围是1-3，参数βrod取值范围是1-2，参数n取值范围是0.7-1。以像素点(600,600)为例，当Rmax取2.5，βrod取2，n取0.8时，视杆响应图在该像素点的灰度值为0.2640。视锥的响应图像计算方式视杆类似，采用公式只是参数βcone的取值范围与βrod不同，βcone的取值范围是2-4。以像素点(600,600)为例，当Rmax取2.5，βcone取3.5，n取0.8时，视锥响应图在该像素点的灰度值为0.1771。可以看出，每个像素点都是采用的这个函数，但是函数中会有不同的参数取值，由此，每个像素点所采用的响应曲线是不一样的。
S3.计算感受野作用后的图像：用两个高斯的差函数来构建滤波器，其中中心高斯尺度大小的范围是0-1，外周高斯尺度大小范围是1-5。将步骤S2中计算所得到的视杆和视锥的响应图像分别与该滤波器进行卷积，得到视杆和视锥的响应图像的边界信息图，并将此边界图乘以权重系数k后与滤波前的图像相加，得到感受野作用后的视杆和视锥图像。以像素点(600,600)为例，当中心高斯尺度取0.5，外周高斯尺度取2，权重系数k取2.5时，视杆响应图像卷积与原图相加后该像素点的灰度值为0.2619，视锥响应图像卷积与原图相加后该像素点的灰度值为0.1746。
S4.视杆和视锥图像融合：给步骤S3中求得的感受野作用后的视锥图像赋予权重w，视杆图赋予权重1-w，然后将两者相加求得视锥和视杆融合后的图像。权重w是一个sigmoid函数，具体计算公式为其中，Lcone是S1中视锥的感受亮度，a的取值范围是-0.1到-1，m是的最小值。当a取0.1时，m＝0.6932，像素点(600,600)视锥的融合权重为0.6234，视杆的融合权重为1-0.6234＝0.3068，该像素点融合后的灰度值为0.2221。
S5.将亮度图像转换到RGB彩色空间：根据步骤S4中融合后的灰度图和步骤S1中视杆的感受亮度图之间的关系，对原图的R、G、B三通道分别进行处理，并保持三通道之间的比值不变。原图中R通道的处理结果为其中s为一个饱和度控制参数，取值范围为0.6到1，G和B通道的处理方式与此类似。以素点(600,600)为例，当s取0.8时，该像素点的R值为0.00180.8×0.2221÷0.00180.8＝0.2238，G值为0.00170.8×0.2221÷0.00180.8＝0.2115，B值为0.00310.8×0.2221÷0.00180.8＝0.3450。
本方法对以上举例所用图片的动态范围压缩后的结果如图2所示：其中图2a是原始图像，图2b是动态范围压缩后的图片。从图中可以看出，本发明方法能够有效的压缩图像的动态范围，原图中过暗和过亮区域在处理后都能够清晰的显示出信息。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (7)

1.一种彩色图像动态范围压缩方法，包括如下步骤：
S1.计算视杆和视锥细胞的感受亮度图像：将输入的彩色图像转换到CIEXYZ空间，将Y通道的值作为视锥细胞的感受亮度图像，将XYZ三通道的加权和作为视杆细胞的感受亮度图像；
S2.计算视杆和视锥细胞的响应图像：通过一个感光细胞的响应函数，将步骤S1中的视杆和视锥细胞的感受亮度图像分别转换为视杆和视锥细胞的响应图像；
S3.计算感受野作用后的图像：用两个高斯的差函数来构建滤波器，以此模拟感受野作用，将步骤S2中计算所得到的视杆和视锥的响应图像分别与该滤波器进行卷积，再将卷积后的结果分别乘上一个权重系数和卷积前的原图相加，得到感受野作用后的视杆和视锥响应图像；
S4.视杆和视锥图像融合：将步骤S3中得到的视杆和视锥的感受野作用后的响应图像进行融合，将一个sigmoid函数w的值作为视锥图像融合的权重，1-w的值作为视杆图像融合的权重；
S5.将亮度图像转换到RGB彩色空间：将步骤S1中视锥的感受亮度图像与步骤S4中融合后的亮度图像的比值作为缩放因子，对原图像的R、G、B三个通道进行等比例缩放，得出最终的彩色图像。
2.根据权利要求1所述的彩色图像动态范围压缩方法，其特征在于，步骤S1中视杆细胞的感受亮度图像的计算公式为：Lrod(x,y)＝-0.702X+1.039Y+0.433Z，其中，Lrod为视杆细胞的感受亮度图像，X Y Z表示像素点对应的X、Y、Z通道灰度值。
3.根据权利要求1所述的彩色图像动态范围压缩方法，其特征在于，步骤S2中计算视杆响应图像的具体计算方式为其中，Lrod为S1中得到的视杆细胞感受亮度图像，其中，Rmax表示细胞的最大响应值，其取值范围是1-3；βrod用来控制响度，越小对图像的暗区亮度提升的力度越大，取值范围是1-2；n为灵敏度控制参数取，值范围是0.7-1；
视锥响应图像的具体计算方式为其中，Lcone为S1中得到的视锥细胞感受亮度，参数βcone用来控制响度，越大对图像的亮区压缩力度越大，取值范围是2-4。
4.根据权利要求3所述的彩色图像动态范围压缩方法，其特征在于，步骤S3中，使用的滤波器是一个双高斯差模版，其中，中心高斯尺度大小的范围是0-1，外周高斯尺度大小范围是1-5，滤波后的结果相当于原图的边界信息，此边界图乘上一个权重系数再和原图相加得到一个边界增强的图像，其中权重系数的取值范围是1-5。
5.根据权利要求1所述的彩色图像动态范围压缩方法，其特征在于，步骤S4中，在视杆和视锥融合中视锥权重w的计算方式为其中，Lcone是S1中视锥的感受亮度，a的取值范围是-0.1到-1，m是的最小值。
6.根据权利要求1所述的彩色图像动态范围压缩方法，其特征在于，步骤S5中，最终输出彩色图像的R通道值的求解方式为其中，Lout为经过感受野处理后的视锥通道结果DOGcone和经过感受野作用后的视杆通道结果DOGrod两者的加权和，即Lout＝w*DOGcone+(1-w)*DOGrod，G、B通道的求解方式与R通道类似，其中，s为一个饱和度控制参数。
7.根据权利要求6所述的彩色图像动态范围压缩方法，其特征在于，所述饱和度控制参数s取值范围为0.6-1。
CN201610481600.3A 2016-06-24 2016-06-24 一种彩色图像动态范围压缩方法 Active CN106127823B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610481600.3A CN106127823B (zh) 2016-06-24 2016-06-24 一种彩色图像动态范围压缩方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610481600.3A CN106127823B (zh) 2016-06-24 2016-06-24 一种彩色图像动态范围压缩方法

Publications (2)

Publication Number Publication Date
CN106127823A true CN106127823A (zh) 2016-11-16
CN106127823B CN106127823B (zh) 2019-03-26

Family

ID=57266273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610481600.3A Active CN106127823B (zh) 2016-06-24 2016-06-24 一种彩色图像动态范围压缩方法

Country Status (1)

Country Link
CN (1) CN106127823B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169942A (zh) * 2017-07-10 2017-09-15 电子科技大学 一种基于鱼类视网膜机制的水下图像增强方法
CN112116542A (zh) * 2020-09-24 2020-12-22 西安宇视信息科技有限公司 图像对比度增强方法、装置、电子设备和存储介质
CN112738357A (zh) * 2020-12-21 2021-04-30 北京灵汐科技有限公司 视杆图像信号处理器和图像传感器

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101916555A (zh) * 2010-07-26 2010-12-15 武汉大学 一种高动态范围图像的显示再现方法
CN101951510A (zh) * 2010-07-26 2011-01-19 武汉大学 一种基于多尺度DoG滤波器的高动态范围压缩方法
CN104915934A (zh) * 2015-06-15 2015-09-16 电子科技大学 一种基于视网膜机制的灰度图像增强方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101916555A (zh) * 2010-07-26 2010-12-15 武汉大学 一种高动态范围图像的显示再现方法
CN101951510A (zh) * 2010-07-26 2011-01-19 武汉大学 一种基于多尺度DoG滤波器的高动态范围压缩方法
CN104915934A (zh) * 2015-06-15 2015-09-16 电子科技大学 一种基于视网膜机制的灰度图像增强方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BYOUNG-JU YUN, ET AL.: "Tone-Mapping and Dynamic Range Compression Using Dynamic Cone Response", 《OPTICAL REVIEW》 *
LAURENCE MEYLAN,ET AL.: "High Dynamic Range Image Rendering With a Retinex-Based Adaptive Filter", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 *
SUMANTA N. PATTANAIK, ET AL.: "A multiscale model of adaptation and spatial vision for realistic image display", 《PROCEEDINGS OF THE 25TH ANNUAL CONFERENCE ON COMPUTER GRAPHICS AND INTERACTIVE TECHNIQUES》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169942A (zh) * 2017-07-10 2017-09-15 电子科技大学 一种基于鱼类视网膜机制的水下图像增强方法
CN107169942B (zh) * 2017-07-10 2020-07-07 电子科技大学 一种基于鱼类视网膜机制的水下图像增强方法
CN112116542A (zh) * 2020-09-24 2020-12-22 西安宇视信息科技有限公司 图像对比度增强方法、装置、电子设备和存储介质
CN112116542B (zh) * 2020-09-24 2024-03-08 西安宇视信息科技有限公司 图像对比度增强方法、装置、电子设备和存储介质
CN112738357A (zh) * 2020-12-21 2021-04-30 北京灵汐科技有限公司 视杆图像信号处理器和图像传感器

Also Published As

Publication number Publication date
CN106127823B (zh) 2019-03-26

Similar Documents

Publication Publication Date Title
CN104408752B (zh) 一种基于混合色调映射算法的高动态范围图像压缩方法
CN104166967B (zh) 提升视频图像清晰度的方法
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
CN104182947B (zh) 一种低照度图像增强方法和系统
CN106683080B (zh) 一种视网膜眼底图像预处理方法
CN102722868A (zh) 一种高动态范围图像色调映射方法
CN108022223B (zh) 一种基于对数映射函数分块处理融合的色调映射方法
CN106127709A (zh) 一种低照度彩色眼底图像判断方法与增强方法
CN103714520A (zh) 基于fpga实现数字视频图像增强系统及其方法
CN106127823A (zh) 一种彩色图像动态范围压缩方法
CN105701773B (zh) 一种快速处理图像的方法及装置
CN108711407B (zh) 显示效果调节方法、调节装置、显示设备及存储介质
CN104581127B (zh) 一种自动调节屏幕亮度的方法、系统和头戴显示设备
CN110473152B (zh) 基于改进Retinex算法的图像增强方法
CN108305232B (zh) 一种单帧高动态范围图像生成方法
CN107481206A (zh) 显微镜图像背景均衡处理算法
CN105513015B (zh) 一种雾天图像的清晰化处理方法
CN107492075A (zh) 一种基于细节增强的单张ldr图像曝光校正的方法
CN102104784A (zh) 一种大数据量的像素集窗宽窗位调节方法
CN103955900B (zh) 基于生物视觉机理的图像去雾方法
CN106780313A (zh) 图像处理方法及装置
CN105744118A (zh) 一种基于视频帧自适应的视频增强方法及应用其的视频增强系统
CN110349085A (zh) 一种基于生成对抗网络的单幅图像超分辨特征增强方法
CN110335221A (zh) 一种基于无监督学习的多曝光图像融合方法
CN103702116A (zh) 一种图像的宽动态压缩方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant