CN108022223A - 一种基于对数映射函数分块处理融合的色调映射方法 - Google Patents

一种基于对数映射函数分块处理融合的色调映射方法 Download PDF

Info

Publication number
CN108022223A
CN108022223A CN201711367844.XA CN201711367844A CN108022223A CN 108022223 A CN108022223 A CN 108022223A CN 201711367844 A CN201711367844 A CN 201711367844A CN 108022223 A CN108022223 A CN 108022223A
Authority
CN
China
Prior art keywords
mrow
msub
mfrac
image
msup
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
CN201711367844.XA
Other languages
English (en)
Other versions
CN108022223B (zh
Inventor
黄以华
谭骏朗
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.)
Sun Yat Sen University
National Sun Yat Sen University
Original Assignee
National Sun Yat Sen University
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 National Sun Yat Sen University filed Critical National Sun Yat Sen University
Priority to CN201711367844.XA priority Critical patent/CN108022223B/zh
Publication of CN108022223A publication Critical patent/CN108022223A/zh
Application granted granted Critical
Publication of CN108022223B publication Critical patent/CN108022223B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G06T5/94—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20208—High dynamic range [HDR] image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

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

Abstract

本发明涉及一种基于对数映射函数分块处理融合的色调映射方法，包括以下步骤：步骤100：获得一幅高动态图像；步骤200：将所述高动态图像划分为多个大小相等的局部块；步骤300：将划分的局部块分别使用对数压缩函数进行亮度压缩处理；步骤400：将所述经过亮度压缩处理的局部块使用高斯融合函数进行图像融合；步骤500：将所述图像融合得到的图像使用双边滤波进行细节增强；步骤600：将所述经过细节增强的图像进行伽马校正后输出低动态图像。

Description

一种基于对数映射函数分块处理融合的色调映射方法
技术领域
本发明涉及高动态范围图像技术领域，更具体地，涉及一种基于对数映射函数分块处理融合的色调映射方法。
背景技术
在现实世界中，自然界的亮度范围为10-6至109cd/m2，对比度高达1015。而传统的图像传感器的动态范围一般只有102的数量级，因此在显示高动态对比度图像时会出现严重的对比度失真现象，失真现象的主要表现为细节丢失、高亮度处过曝光或者低亮度处欠曝光等特征。而高动态图像能够展现被传统低动态图像丢失但却能被人类视觉系统感知到的极暗和极亮区域的细节部分，能够正确地表现现实世界中的亮度范围。然而，由于传统的显示设备一般是24位真彩色的，每个颜色通道为8位，而高动态图像每个颜色通道为12位或者更高。因此高动态图像无法在常规显示设备中显示，因此对高动态图像进行色调映射极具意义。
色调映射将高动态图像的亮度压缩到传统显示设备可以接受的范围，同时尽可能地保留原图像的细节部分，最终使得经过映射后的低动态图像和人眼观察到的场景尽可能相同。现有的色调映射算法主要分为两类：全局色调映射算法和局部色调映射算法。
全局色调映射算法对高动态图像的所有像素点都采用相同的变换方式进行处理，而Drago映射算法则是其中的代表之一。全局色调映射算法由于对所有像素点都使用同样的算法，因此运算速度快，实现简单。但是，也正是因为对所有像素点采用相同变换方式进行处理，图像的对比度较局部色调映射算法低，容易丢失细节信息，不能很好地反映出真实场景的对应特点，对处理复杂的场景和对比度范围较大的图像映射效果不佳。
局部色调映射算法针对图像不同的区域进行不同的变换，因此对比全局色调映射算法有较好的效果，然而却有计算复杂，效率低，存在伪影现象且图像不自然的特点。
发明内容
本发明为解决现有技术提供的全局色调映射算法存在的容易丢失细节信息的技术缺陷，及现有技术提供的局部色调映射算法存在的计算复杂、存在伪影现象且图像不自然的技术缺陷，提供了一种基于对数映射函数分块处理融合的色调映射方法。
为实现上述目的，本发明采取的技术方案为：
一种基于对数映射函数分块处理融合的色调映射方法，包括以下步骤：
步骤100：获得一幅高动态图像；
步骤200：将所述高动态图像划分为多个大小相等的局部块；
步骤300：将划分的局部块分别使用对数压缩函数进行亮度压缩处理；
步骤400：将所述经过亮度压缩处理的局部块使用高斯融合函数进行图像融合；
步骤500：将所述图像融合得到的图像使用双边滤波进行细节增强；
步骤600：将所述经过细节增强的图像进行伽马校正后输出低动态图像。
优选地，所述划分的多个局部块均为独立的局部块，相邻的局部块之间不存在重合的情况。
优选地，所述划分的局部块的大小满足以下约束条件：
m≤r/2或n≤c/2
其中，m为局部块的像素点的行数，n为局部块的像素点的列数，r为高动态图像的像素点的行数，c为高动态图像的像素点的列数。
优选地，所述步骤200对高动态图像进行划分后，对各个局部块的最大亮度值和亮度进行调整，具体如下：
1)计算局部块的对数均值：
其中Lw(x,y)表示局部块上坐标为(x,y)的像素点的亮度值，δ表示一个非常小的常数，b表示对数压缩系数，N表示局部块上像素点的数量；
2)利用对数均值计算键值：Lwa＝La/((1.0+b-0.85)5)；
3)利用键值对局部块的最大亮度值和亮度进行调整：
Lamax＝Lmax/Lwa
Lw'＝Lw/Lwa
其中Lamax、Lw'分别表示调整后的局部块的最大亮度值和亮度，Lmax、Lw分别表示调整前的局部块的最大亮度值和亮度。
优选地，所述步骤300使用到的对数压缩函数表示如下：
优选地，所述对数压缩系数b的范围是0.4≤b≤1。
优选地，所述步骤400使用高斯融合函数进行图像融合的具体过程如下：
1)按照以下方式计算每个局部块上的像素点的高斯曲线函数的值：
2)使用高斯函数公式计算每个局部块上的像素点的权重：
3)使用每个局部块上的像素点的权重对局部块进行融合：
上述公式中，Gjk(x,y)表示第jk块局部块上坐标为(x,y)的像素点在高度为1的高斯曲面上的函数值；j表示行号，k表示列号；d为融合函数系数；(xjk,yjk)表示第jk块局部块的中心位置坐标；nr、nc分别表示第jk块局部块包含的像素点的行数和列数；Ijk(x,y)表示第jk块局部块上坐标为(x,y)的像素点的亮度值。
优选地，所述步骤S500使用双边滤波进行细节增强的具体过程如下：
1)计算高动态图像的亮度值在模板Ω中定义域核的值：
2)计算高动态图像在模板Ω中值域核的值：
3)计算经过双边滤波的图像：
4)对融合的图像进行增强：
上述公式中，Ω表示n*n的矩阵蒙版；x、y分别表示当前计算的像素点横坐标和纵坐标；k、l分别表示当前模板Ω中使用的像素点横坐标和纵坐标；L(x,y)表示高动态图像在坐标(x,y)的亮度值，L(k,l)表示模板Ω中在位置(k,l)的亮度值；σd表示空域核的调节系数，σr表示值域核的调节系数。
优选地，所述步骤600进行的伽马校正为伽马2.2校正。
与现有技术相比，本发明的优点和有益效果是：
1、本发明提供的方法通过对高动态图像进行局部块划分处理，让每个局部块的映射效果更好，最后通过融合处理，消除局部块之间的分离现象，使得图像和谐自然。和传统的全局色调映射方法相比，该映射方法对于动态范围较大的高动态图像能保留图像丰富的细节，在高亮度的地方和低亮度的地方的细节部分不容易丢失，适用场景广；
2、本发明提供的方法通过对高动态图像进行分块处理，因此属于局部色调映射算法。与传统的局部色调映射方法相比，该映射算法能够保留图像丰富的细节的同时不引入伪影，映射后的图像自然度高。
3、本发明提供的方法通过对融合后的图像使用双边滤波进行图像的细节增强，使得图像拥有更加丰富的细节，能够向用户提供更多的信息。
附图说明
图1为基于对数映射函数分块处理融合的色调映射方法的算法流程图。
图2为各个局部块经过亮度压缩后的效果图示例。
图3为融合后的低动态图像。
图4为映射完成后的低动态图像。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合附图和具体实施例，进一步阐述本发明是如何实施的。
图1为本发明提供的基于对数映射函数分块处理融合的色调映射方法的算法流程图，参照图1，该方法步骤包括：
步骤100：首先获得一幅高动态范围(HDR)图像，对于高动态范围图像的大小和动态范围的大小均没有限制。该图像可以从数码设备(照相机、摄像机等等)直接获取或者通过一定的HDR图像合成算法使用多张低动态范围图像进行合成得到。本实施例中，采用多张低动态范围图像进行合成得到高动态图像，该图像的大小为768*512。
步骤200：将高动态图像划分为多个大小相等局部块，划分的局部块必须为m*n像素数的矩阵，同时每个局部块都应独立，不与其他局部块有重合的部分，所有的局部块组合起来是原来的高动态图像。同时，划分的局部块的大小应小于原高动态图像的大小，即：m≤r/2或n≤c/2，m为局部块的像素点的行数，n为局部块的像素点的列数，r为高动态图像的像素点的行数，c为高动态图像的像素点的列数。本实施例中，划分的局部块大小为192*128。
步骤201：对各个局部块的最大亮度值和亮度进行调整，具体如下：
1)计算局部块的对数均值：
其中Lw(x,y)表示局部块上坐标为(x,y)的像素点的亮度值，δ表示一个非常小的常数，b表示对数压缩系数；N表示局部块上像素点的数量；本实施例中，δ取值为10-6，b取0.85。
2)利用对数均值计算键值：Lwa＝La/((1.0+b-0.85)5)；
3)利用键值对局部块的最大亮度值和亮度进行调整：
Lamax＝Lmax/Lwa
Lw'＝Lw/Lwa
其中Lamax、Lw'分别表示调整后的局部块的最大亮度值和亮度，Lmax、Lw分别表示调整前的局部块的最大亮度值和亮度。
步骤300：将划分的局部块分别使用对数压缩函数进行亮度压缩处理：
对于公式中有底数的对数函数，均按其底数运算，对于没有底数的对数函数，均按以2为底数运算。其中对数压缩系数b的范围是0.4≤b≤1，当输入b的值大于1时将按b＝1计算，当输入b的值小于0.4时将按b＝0.4计算。经过亮度压缩后各个局部块的效果示例如图2所示。
步骤400：将所述经过亮度压缩处理的局部块使用高斯融合函数进行图像融合：
1)按照以下方式计算每个局部块上的像素点的高斯曲线函数的值：
2)使用高斯函数公式计算每个局部块上的像素点的权重：
3)使用每个局部块上的像素点的权重对局部块进行融合：
上述公式中，Gjk(x,y)表示第jk块局部块上坐标为(x,y)的像素点在高度为1的高斯曲面上的函数值；j表示行号，k表示列号；d为融合函数系数，本实施例中，d的取值为1000；(xjk,yjk)表示第jk块局部块的中心位置坐标；nr、nc分别表示第jk块局部块包含的像素点的行数和列数；Ijk(x,y)表示第jk块局部块上坐标为(x,y)的像素点的亮度值。融合的低动态图像的示例如图3所示。
步骤500：将所述图像融合得到的图像使用双边滤波进行细节增强：
1)计算高动态图像的亮度值在模板Ω中定义域核的值：
2)计算高动态图像在模板Ω中值域核的值：
3)计算经过双边滤波的图像：
4)对融合的图像进行增强：
上述公式中，Ω表示n*n的矩阵蒙版；x、y分别表示当前计算的像素点横坐标和纵坐标；k、l分别表示当前模板Ω中使用的像素点横坐标和纵坐标；L(x,y)表示高动态图像在坐标(x,y)的亮度值，L(k,l)表示模板Ω中在位置(k,l)的亮度值；σd表示空域核的调节系数，σr表示值域核的调节系数。
步骤600：将所述经过细节增强的图像进行伽马2.2校正后输出低动态图像，若对映射效果满意，则映射流程结束，否则就重新选择合适的d值、σd和σr，返回步骤400执行。映射完成的低动态图像示例如图4所示。
最后说明，以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种基于对数映射函数分块处理融合的色调映射方法，其特征在于：包括以下步骤：
步骤100：获得一幅高动态图像；
步骤200：将所述高动态图像划分为多个大小相等的局部块；
步骤300：将划分的局部块分别使用对数压缩函数进行亮度压缩处理；
步骤400：将所述经过亮度压缩处理的局部块使用高斯融合函数进行图像融合；
步骤500：将所述图像融合得到的图像使用双边滤波进行细节增强；
步骤600：将所述经过细节增强的图像进行伽马校正后输出低动态图像。
2.根据权利要求1所述的基于对数映射函数分块处理融合的色调映射方法，其特征在于：所述划分的多个局部块均为独立的局部块，相邻的局部块之间不存在重合的情况。
3.根据权利要求2所述的基于对数映射函数分块处理融合的色调映射方法，其特征在于：所述划分的局部块的大小满足以下约束条件：
m≤r/2或n≤c/2
其中，m为局部块的像素点的行数，n为局部块的像素点的列数，r为高动态图像的像素点的行数，c为高动态图像的像素点的列数。
4.根据权利要求1所述的基于对数映射函数分块处理融合的色调映射方法，其特征在于：所述步骤200对高动态图像进行划分后，对各个局部块的最大亮度值和亮度进行调整，具体如下：
1)计算局部块的对数均值：
<mrow> <msub> <mi>L</mi> <mi>a</mi> </msub> <mo>=</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mfrac> <mn>1</mn> <mi>N</mi> </mfrac> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> </munder> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>(</mo> <mrow> <mi>&amp;delta;</mi> <mo>+</mo> <msub> <mi>L</mi> <mi>w</mi> </msub> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow>
其中Lw(x,y)表示局部块上坐标为(x,y)的像素点的亮度值，δ表示一个非常小的常数，b表示对数压缩系数，N表示局部块上像素点的数量；
2)利用对数均值计算键值：Lwa＝La/((1.0+b-0.85)5)；
3)利用键值对局部块的最大亮度值和亮度进行调整：
Lamax＝Lmax/Lwa
Lw'＝Lw/Lwa
其中Lamax、Lw'分别表示调整后的局部块的最大亮度值和亮度，Lmax、Lw分别表示调整前的局部块的最大亮度值和亮度。
5.根据权利要求4所述的基于对数映射函数分块处理融合的色调映射方法，其特征在于：所述步骤300使用到的对数压缩函数表示如下：
<mrow> <msub> <mi>L</mi> <mi>d</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <msub> <mi>log</mi> <mn>10</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>L</mi> <mrow> <mi>a</mi> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <mrow> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mrow> <mo>(</mo> <msub> <msup> <mi>L</mi> <mo>&amp;prime;</mo> </msup> <mi>w</mi> </msub> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> <mrow> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mrow> <mo>(</mo> <mn>2</mn> <mo>+</mo> <mo>(</mo> <msup> <mrow> <mo>(</mo> <mfrac> <mrow> <msub> <msup> <mi>L</mi> <mo>&amp;prime;</mo> </msup> <mi>w</mi> </msub> </mrow> <msub> <mi>L</mi> <mrow> <mi>a</mi> <mi>max</mi> </mrow> </msub> </mfrac> <mo>)</mo> </mrow> <mfrac> <mrow> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mrow> <mo>(</mo> <mi>b</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mrow> <mo>(</mo> <mn>0.5</mn> <mo>)</mo> </mrow> </mrow> </mfrac> </msup> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mn>8</mn> <mo>)</mo> </mrow> </mfrac> <mo>.</mo> </mrow>
6.根据权利要求5所述的基于对数映射函数分块处理融合的色调映射方法，其特征在于：所述对数压缩系数b的范围是0.4≤b≤1。
7.根据权利要求5所述的基于对数映射函数分块处理融合的色调映射方法，其特征在于：所述步骤400使用高斯融合函数进行图像融合的具体过程如下：
1)按照以下方式计算每个局部块上的像素点的高斯曲线函数的值：
<mrow> <msub> <mi>G</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mfrac> <mrow> <msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <msub> <mi>x</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mi>y</mi> <mo>-</mo> <msub> <mi>y</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <msup> <mi>d</mi> <mn>2</mn> </msup> </mfrac> <mo>)</mo> </mrow> </mrow>
2)使用高斯函数公式计算每个局部块上的像素点的权重：
<mrow> <msub> <mi>W</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msub> <mi>G</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>n</mi> <mi>r</mi> </msub> </msubsup> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>n</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>n</mi> <mi>c</mi> </msub> </msubsup> <msub> <mi>G</mi> <mrow> <mi>m</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
3)使用每个局部块上的像素点的权重对局部块进行融合：
<mrow> <mi>G</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>n</mi> <mi>r</mi> </msub> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>n</mi> <mi>c</mi> </msub> </munderover> <msub> <mi>W</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <msub> <mi>I</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow>
上述公式中，Gjk(x,y)表示第jk块局部块上坐标为(x,y)的像素点在高度为1的高斯曲面上的函数值；j表示行号，k表示列号；d为融合函数系数；(xjk,yjk)表示第jk块局部块的中心位置坐标；nr、nc分别表示第jk块局部块包含的像素点的行数和列数；Ijk(x,y)表示第jk块局部块上坐标为(x,y)的像素点的亮度值。
8.根据权利要求7所述的基于对数映射函数分块处理融合的色调映射方法，其特征在于：所述步骤S500使用双边滤波进行细节增强的具体过程如下：
1)计算高动态图像的亮度值在模板Ω中定义域核的值：
<mrow> <mi>d</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>,</mo> <mi>k</mi> <mo>,</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mfrac> <mrow> <msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <mi>k</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mi>y</mi> <mo>-</mo> <mi>l</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mrow> <mn>2</mn> <msubsup> <mi>&amp;sigma;</mi> <mi>d</mi> <mn>2</mn> </msubsup> </mrow> </mfrac> <mo>)</mo> </mrow> </mrow>
2)计算高动态图像在模板Ω中值域核的值：
<mrow> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>,</mo> <mi>k</mi> <mo>,</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mfrac> <mrow> <mo>|</mo> <mo>|</mo> <mi>L</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>L</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>,</mo> <mi>l</mi> <mo>)</mo> </mrow> <mo>|</mo> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow> <mrow> <mn>2</mn> <msubsup> <mi>&amp;sigma;</mi> <mi>r</mi> <mn>2</mn> </msubsup> </mrow> </mfrac> <mo>)</mo> </mrow> </mrow>
3)计算经过双边滤波的图像：
<mrow> <msub> <mi>L</mi> <mi>f</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msub> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>l</mi> <mo>&amp;Element;</mo> <mi>&amp;Omega;</mi> </mrow> </msub> <mi>L</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>,</mo> <mi>l</mi> <mo>)</mo> </mrow> <mi>d</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>,</mo> <mi>k</mi> <mo>,</mo> <mi>l</mi> <mo>)</mo> </mrow> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>,</mo> <mi>k</mi> <mo>,</mo> <mi>l</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>l</mi> <mo>&amp;Element;</mo> <mi>&amp;Omega;</mi> </mrow> </msub> <mi>d</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>,</mo> <mi>k</mi> <mo>,</mo> <mi>l</mi> <mo>)</mo> </mrow> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>,</mo> <mi>k</mi> <mo>,</mo> <mi>l</mi> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
4)对融合的图像进行增强：
<mrow> <mi>H</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>L</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>L</mi> <mi>f</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <mi>G</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow>
上述公式中，Ω表示n*n的矩阵蒙版；x、y分别表示当前计算的像素点横坐标和纵坐标；k、l分别表示当前模板Ω中使用的像素点横坐标和纵坐标；L(x,y)表示高动态图像在坐标(x,y)的亮度值，L(k,l)表示模板Ω中在位置(k,l)的亮度值；σd表示空域核的调节系数，σr表示值域核的调节系数。
9.根据权利要求8所述的基于对数映射函数分块处理融合的色调映射方法，其特征在于：所述步骤600进行的伽马校正为伽马2.2校正。
CN201711367844.XA 2017-12-18 2017-12-18 一种基于对数映射函数分块处理融合的色调映射方法 Active CN108022223B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711367844.XA CN108022223B (zh) 2017-12-18 2017-12-18 一种基于对数映射函数分块处理融合的色调映射方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711367844.XA CN108022223B (zh) 2017-12-18 2017-12-18 一种基于对数映射函数分块处理融合的色调映射方法

Publications (2)

Publication Number Publication Date
CN108022223A true CN108022223A (zh) 2018-05-11
CN108022223B CN108022223B (zh) 2021-06-25

Family

ID=62073976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711367844.XA Active CN108022223B (zh) 2017-12-18 2017-12-18 一种基于对数映射函数分块处理融合的色调映射方法

Country Status (1)

Country Link
CN (1) CN108022223B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110009577A (zh) * 2019-03-11 2019-07-12 中山大学 一种基于fpga的色调映射系统
CN110807748A (zh) * 2019-11-06 2020-02-18 广州市皓品信息科技有限公司 一种基于高动态范围的新色调映射图像增强方法
CN111093039A (zh) * 2018-10-24 2020-05-01 北京图森智途科技有限公司 一种曝光评估值计算方法、曝光参数调节方法和成像设备
CN113470156A (zh) * 2021-06-23 2021-10-01 网易（杭州）网络有限公司 纹理贴图的混合处理方法、装置、电子设备及存储介质
CN115861096A (zh) * 2022-11-22 2023-03-28 瀚博半导体(上海)有限公司 图像处理方法、装置及计算机设备
CN117456313A (zh) * 2023-12-22 2024-01-26 中国科学院宁波材料技术与工程研究所 色调曲线估计网络的训练方法、估计、映射方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101901475A (zh) * 2010-06-12 2010-12-01 北京理工大学 基于视网膜自适应模型的高动态范围图像色调映射方法
CN104408752A (zh) * 2014-12-11 2015-03-11 西安电子科技大学 一种基于混合色调映射算法的高动态范围图像压缩方法
US20160205405A1 (en) * 2012-08-08 2016-07-14 Dolby Laboratories Licensing Corporation Adaptive ratio images in hdr image representation
CN105825472A (zh) * 2016-05-26 2016-08-03 重庆邮电大学 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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101901475A (zh) * 2010-06-12 2010-12-01 北京理工大学 基于视网膜自适应模型的高动态范围图像色调映射方法
US20160205405A1 (en) * 2012-08-08 2016-07-14 Dolby Laboratories Licensing Corporation Adaptive ratio images in hdr image representation
CN104408752A (zh) * 2014-12-11 2015-03-11 西安电子科技大学 一种基于混合色调映射算法的高动态范围图像压缩方法
CN105825472A (zh) * 2016-05-26 2016-08-03 重庆邮电大学 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
芦碧波 等: "视觉自适应多尺度对数色调映射算法", 《小型微型计算机系统》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111093039A (zh) * 2018-10-24 2020-05-01 北京图森智途科技有限公司 一种曝光评估值计算方法、曝光参数调节方法和成像设备
CN111093039B (zh) * 2018-10-24 2021-07-16 北京图森智途科技有限公司 一种曝光评估值计算方法、曝光参数调节方法和成像设备
CN110009577A (zh) * 2019-03-11 2019-07-12 中山大学 一种基于fpga的色调映射系统
CN110009577B (zh) * 2019-03-11 2023-09-22 中山大学 一种基于fpga的色调映射系统
CN110807748A (zh) * 2019-11-06 2020-02-18 广州市皓品信息科技有限公司 一种基于高动态范围的新色调映射图像增强方法
CN113470156A (zh) * 2021-06-23 2021-10-01 网易（杭州）网络有限公司 纹理贴图的混合处理方法、装置、电子设备及存储介质
CN115861096A (zh) * 2022-11-22 2023-03-28 瀚博半导体(上海)有限公司 图像处理方法、装置及计算机设备
CN115861096B (zh) * 2022-11-22 2023-10-31 瀚博半导体(上海)有限公司 图像处理方法、装置及计算机设备
CN117456313A (zh) * 2023-12-22 2024-01-26 中国科学院宁波材料技术与工程研究所 色调曲线估计网络的训练方法、估计、映射方法及系统
CN117456313B (zh) * 2023-12-22 2024-03-22 中国科学院宁波材料技术与工程研究所 色调曲线估计网络的训练方法、估计、映射方法及系统

Also Published As

Publication number Publication date
CN108022223B (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN108022223A (zh) 一种基于对数映射函数分块处理融合的色调映射方法
Wang et al. An experiment-based review of low-light image enhancement methods
CN109754377B (zh) 一种多曝光图像融合方法
CN103353982B (zh) 一种基于直方图均衡化的色调映射方法
Salih et al. Tone mapping of HDR images: A review
CN101901475B (zh) 基于视网膜自适应模型的高动态范围图像色调映射方法
CN104079914B (zh) 基于深度信息的多视点图像超分辨方法
CN103778900B (zh) 一种图像处理方法及系统
WO2017049703A1 (zh) 图像对比度增强方法
CN109817170B (zh) 像素补偿方法、装置和终端设备
Wang et al. Variational single nighttime image haze removal with a gray haze-line prior
CN103400342A (zh) 基于混合色阶映射及压缩系数的高动态范围图像重构方法
CN113129391B (zh) 基于多曝光图像特征分布权重的多曝光融合方法
CN104166967A (zh) 提升视频图像清晰度的方法
CN103702116B (zh) 一种图像的宽动态压缩方法和装置
CN106683056A (zh) 一种机载光电红外数字图像处理方法及装置
CN108305232B (zh) 一种单帧高动态范围图像生成方法
CN111047709A (zh) 一种双目视觉裸眼3d图像生成方法
CN112508812A (zh) 图像色偏校正方法、模型训练方法、装置及设备
CN111105359A (zh) 一种高动态范围图像的色调映射方法
CN115205160A (zh) 基于局部场景感知的无参考低照度图像增强方法
CN113409247B (zh) 一种多曝光融合图像质量评价方法
CN107451974A (zh) 一种高动态范围图像的自适应再现显示方法
CN108550124B (zh) 一种基于仿生螺线的光照补偿及图像增强方法
CN111369435B (zh) 基于自适应稳定模型的彩色图像深度上采样方法及系统

Legal Events

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