CN110378859A - 一种新的高动态范围图像生成方法 - Google Patents

Abstract

本发明提出一种基于反色调映射和饱和度调节的高动态范围图像生成方法。该方法基于人眼视觉特性，首先将原始低动态范围图像由RGB颜色空间转换到HSV颜色空间，分离出低动态范围图像的亮度分量和饱和度分量；其次，对亮度分量进行反色调映射扩展，分离出高光区域，并对高光区域进行伽马校正，融合低光区域得到新的亮度分量；然后，对饱和度分量进行一个线性拉升，同时计算原始图像亮度分量和饱和对分量的相关系数，根据新的亮度分量和相关系数对拉升过的饱和度分量做调整，得到新的饱和度分量；最后融合新的亮度分量、新的饱和度分量及色调分量得到HSV空间的高动态范围图像，再将图像转化至RGB颜色空间得到最终的高动态范围图像。

Description

一种新的高动态范围图像生成方法

技术领域

本发明涉及图像处理技术，具体来讲，涉及一种基于反色调映射和饱和度调节的高动态范围图像生成方法。

背景技术

在数字图像领域中，动态范围是指图像场景中最大亮度值与最小亮度值之比。图像的动态范围越大，意味着拍摄图像时所探测的光照强度范围越广，图像呈现的细节信息也就越丰富。但由于目前成像设备的限制，往往只能捕获有限的动态范围，导致所获得的图像存在很大的细节缺失，与人眼感知的现实场景无法相比。而高动态范围图像(highdynamic range, HDR)相比于普通的图像可以提供更大动态范围和更丰富的细节信息，与人眼观察到的场景更加相符。

随着科技的不断发展，人们对图像质量的要求越来越高，HDR显示技术正在飞速发展。能够显示动态范围为10⁵数量级的显示屏已经进入市场，但由于价格昂贵,还未得到广泛使用。在未来HDR显示设备将会得到普及，终将迎来绚烂多彩的HDR图像时代。但目前，大多数图像资源都是低动态范围(low dynamic range, LDR)的，无法适应时代的发展。那么如何将现有的图像资源转换成HDR图像资源，开始受到广泛的关注。目前大多数研究都是利用计算机图像处理技术对LDR图像做处理生成HDR图像，主要有多曝光图像融合和单曝光图像生成两种。多曝光融合的方法需要同一场景中的多幅不同曝光程度的图像，对场景的静态性要求较高，也因为其需要多幅图像，而无法处理一些已有的资源。单曝光图像生成的方式该主要采用反色调映射算子，构建扩展函数来完成图像动态范围的扩展，其研究的难点在于单幅图像存在细节的缺失以及图像动态范围扩展后存在颜色失真的问题。对单幅的LDR图像进行直接的转化，不仅能实现静态HDR图像的拍摄，还能进行HDR视频的录制。与此同时，采用这种方法还可以将现有的大量LDR图像或视频资源生成HDR资源，能够很好的解决HDR图像或视频资源匮乏的问题。

从单幅图像生成HDR图像就是要对它的动态范围进行扩展。Banterle等提出一种对Reinhard色调映射函数取反的方式得到一个反色调映射算子，先将图像映射到一个中等的动态范围。在通过中值切割法来分离图像过曝光区域，再进行过曝光区域的扩展，最后融合得到最终的HDR图像。Akyuz等通过试验得出一些图像只需要通过一个简单的线性扩展就能得到很好的处理效果，并提出一种基于伽马变换的扩展方式。Masia等对Akyuz方法做出改进，提出一种自适应伽马值的全局扩展方式。Kovaleshi等提出一种基于交叉双边滤波的反色调映射方法,较好的恢复图像的细节信息。Huo等提出一种基于视网膜反应的反色调映射算法。首先，将亮度通道和颜色通道进行分离。然后对亮度通道进行迭代双边滤波和加权平均，在根据局部视网膜响应计算局部亮度，得到HDR图像的亮度通道，最后融合颜色通道产生最终的HDR图像。

发明内容

本发明的目的在于解决低动态范围图像生成高动态范围图像的问题，提供一种新的单幅低动态范围图像直接生成高动态范围图像的方法，通过所述方法可获得高动态范围图像。

为了实现上述目的，本发明提供一种基于反色调映射和饱和度调节的HDR图像生成方法，其中主要包括四个部分，第一部分是对LDR图像进行预处理；第二部分是对预处理后亮度分量进行相应反色调映射处理；第三部分是对预处理后饱和度分量进行调节；第四部分是融合新的亮度分量、新的饱和度分量及色调分量获得HDR图像。

第一部分包括一个步骤：

步骤1，将输入的LDR图像从RGB颜色空间转换为HSV颜色空间，分离出色度分量H、饱和度分量S和亮度分量V。

第二部分包括五个步骤：

步骤2，构造反色调映射算子，对步骤1分离出的亮度分量V进行动态范围扩展；

步骤3，对步骤2中得到的扩展动态范围后的亮度分量进行高光区域和低光区域的分离；

步骤4，将步骤3得到的高光区域进行归一化处理后再进行伽马校正；

步骤5，将步骤4得到的高光区域进行一个线性函数去归一化得到校正后的高光区域图像；

步骤6，将步骤3分离的低光区域和步骤5得到的高光区域融合得到最终的扩展后的亮度分量。

第三部分包括两个步骤：

步骤7，将步骤1获得的饱和度分量S进行线性拉伸；

步骤8，利用步骤6得到的亮度分量与步骤7得到的拉伸后的饱和度分量计算其相关系数，对饱和度分量进行自适应的调整，得到新的饱和度分量。

第四部分包括两个步骤：

步骤9，将步骤1分离的色度分量H、步骤6新得到的亮度分量以及步骤8得到的新的饱和度分量进行融合的到HSV颜色空间中的HDR图像；

步骤10，将步骤9得到的HSV颜色空间下的HDR图像转换到RGB颜色空间，得到最终的HDR图像。

本发明提出一种基于反色调映射和饱和度调节的高动态范围图像生成方法。该方法基于人眼视觉特性，首先将原始低动态范围图像由RGB颜色空间转换到HSV颜色空间，分离出低动态范围图像的亮度分量和饱和度分量；其次，对亮度分量进行反色调映射扩展，分离出高光区域，并对高光区域进行伽马校正，融合低光区域得到新的亮度分量；然后，对饱和度分量进行一个线性拉升，同时计算原始图像亮度分量和饱和对分量的相关系数，根据新的亮度分量和相关系数对拉升过的饱和度分量做调整，得到新的饱和度分量；最后融合新的亮度分量、新的饱和度分量及色调分量得到HSV空间的高动态范围图像，再将图像转化至RGB颜色空间得到最终的高动态范围图像。本发明能通过单幅低动态范围图像得到高动态范围图像，处理效果较好，运行效率高，具有较好的鲁棒性。

附图说明

图1为本发明的整体流程图。

图2为原始采集的低动态范围图像。

图3为利用本发明处理图2后的高动态范围图像。

具体实施方式

为了更好的理解本发明，下面结合具体实施方式对本发明的基于细节层分层的单幅低动态范围图像生成高动态范围图像方法进行更为详细的描述。在以下的描述当中，当前已有的现有技术的详细描述也许会淡化本发明的主题内容，这些描述在这里将被忽略。

图1是本发明单幅高动态范围图像生成方法的一种具体实施方式流程图，在本实施方案中，按照以下步骤进行：

步骤1，获取低动态范围图像，如图2；

步骤2，对低动态范围图像进行颜色空间变换；

所采用的转换公式如下:

其中，R、G、B分别为RGB空间中三个分量的像素值，H、S、V为HSV空间中三个分量的值，max表示取括号中像素值的最大值，min表示取括号中像素值的最小值。因为在HSV空间中H分量用角度表示，故当H<0时，需要将H分量加上360；

步骤3，将HSV空间的低动态范围图像分离成色度分量H、饱和度分量S和亮度分量V；

步骤4，构造反色调映射函数，对分离出的亮度分量V进行动态范围扩展，得到初步扩展后亮度分量；

所构造的反色调映射函数为：

其中V为原始低动态范围图像的亮度分量，为扩展后亮度分量； m为原始图像亮度最大值和最小值的平均值；E为斜率控制因子，斜率E控制着扩展后图像的动态范围，E越大图像的动态范围越大，但E值过大时会造成图像出现截断，通过实验E值一般选取[2, 4]效果较好；

步骤5，对步骤4中得到的初步扩展后亮度分量进行高光区域和低光区域的分离；

此处采用阈值法来分离出高光区域和低光区域，其公式如下：

其中，为亮度阈值；在一幅取值范围为[0, 255]的图像中,将值大于190的点视为亮点，归一化值为0.75，利用步骤4公式计算，当E的取值范围为[2, 4]时，τ值的取值范围为[0.69, 0.84]；

步骤6，将步骤5得到的高光区域进行归一化处理后再进行伽马校正, 所采用的公式如下：

其中，为伽马校正的参数，一般取值范围为[1.5, 2.2]；

步骤7，将步骤6得到的高光区域进行一个线性函数去归一化得到校正后的高光区域，其公式如下：

其中，为步骤5给定的亮度阈值；

步骤8，将步骤5分离的低光区域和步骤7得到的高光区域融合得到最终的扩展后的亮度分量，即

步骤9，将步骤3获得的饱和度分量S进行线性拉伸，所采用的拉伸公式为：

其中

其中，通过图像饱和度值将饱和度进行分区处理，将其分为饱和度很低，饱和度低，饱和度高，饱和度很高四个区域，再分别计算四个区域像素所占的比例，分别对应四个区域的比值；

步骤10，利用步骤8得到的亮度分量与步骤9得到的拉伸后的饱和度分量计算其相关系数，对饱和度分量进行自适应的调整，得到新的饱和度分量，其公式如下：

其中，表示调整后的饱和度分量，表示分段线性拉伸后的饱和度分量，表示反色调映射后最终的亮度分量，V表示原始亮度分量，k为加权系数，取值范围为(0,1]，一般取0.4；为亮度分量和饱和度分量的相关系数，计算公式如下：

其中w为N×N的邻域窗口，和分别是窗口内的亮度分量和饱和度分量的均值，和分别为窗口内亮度分量和饱和度分量的方差。

步骤11，将步骤3分离的色度分量H、步骤8新得到的亮度分量以及步骤10得到的新的饱和度分量进行融合的到HSV颜色空间中的HDR图像；

步骤10，将步骤11得到的HSV颜色空间下的HDR图像转换到RGB颜色空间，得到最终的HDR图像，如图3。

本发明根据单幅低动态范围图像特点和人类视觉特性，给提出了一种基于反色调映射和饱和度调节的高动态范围图像生成方法。该方法首先将原始低动态范围图像由RGB颜色空间转换到HSV颜色空间，分离出低动态范围图像的亮度分量和饱和度分量；其次，对亮度分量进行反色调映射扩展，分离出高光区域和低光区域，并对高光区域进行伽马校正，融合低光区域得到新的亮度分量；然后，对饱和度分量进行一个线性拉升，同时计算原始图像亮度分量和饱和对分量的相关系数，根据新的亮度分量和相关系数对拉升过的饱和度分量做调整，得到新的饱和度分量；最后融合新的亮度分量、新的饱和度分量及色调分量得到HSV空间的高动态范围图像，再将图像转化至RGB颜色空间得到最终的高动态范围图像。本发明算法简单，可操作性强，具有广泛的适用性。

尽管上面对本发明说明性的具体实施方式进行了描述，但应当清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (6)

1.一种新的高动态范围图像生成方法，其特征在于，融合了反色调映射和饱和度调节，包括LDR图像的预处理、预处理后亮度分量的反色调映射处理、对预处理后饱和度分量进行调节以及融合新的亮度分量、新的饱和度分量及色调分量获得HDR图像四个部分，第一部分包括一个步骤：

步骤1，将输入的LDR图像从RGB颜色空间转换为HSV颜色空间，分离出色度分量H、饱和度分量S和亮度分量V；

第二部分包括五个步骤：

步骤2，构造反色调映射算子，对步骤1分离出的亮度分量V进行动态范围扩展，所构造的反色调映射函数为：

其中V为原始LDR图像的亮度分量，为扩展后亮度分量，E为斜率控制因子，m为原始LDR图像亮度最大值和最小值的平均值；

步骤3，对步骤2中得到的初步扩展后亮度分量进行高光区域和低光区域的分离，此处采用阈值法来分离出高光区域和低光区域，其公式如下：

其中，为亮度阈值；

步骤4，将步骤3得到的高光区域进行归一化处理后再进行伽马校正, 所采用的公式如下：

其中，为伽马校正的参数；

步骤5，将步骤4得到的高光区域进行一个线性函数去归一化得到校正后的高光区域，其公式如下：

其中，为步骤3给定的亮度阈值；

步骤6，将步骤3分离的低光区域和步骤5得到的高光区域融合得到最终的扩展后的新的亮度分量，即；

第三部分包括两个步骤：

步骤7，将步骤1获得的饱和度分量S进行线性拉伸，所采用的拉伸公式为：

其中

其中，通过图像饱和度值将饱和度进行分区处理，将其分为饱和度很低，饱和度低，饱和度高，饱和度很高四个区域，再分别计算四个区域像素所占的比例，分别对应四个区域的比值；

步骤8，利用步骤6得到的亮度分量与步骤7得到的拉伸后的饱和度分量计算其相关系数，对饱和度分量进行自适应的调整，得到新的饱和度分量，其公式如下：

其中，表示调整后的饱和度分量，表示分段线性拉伸后的饱和度分量，表示反色调映射后新的亮度分量，V表示原始亮度分量，k为加权系数，为亮度分量和饱和度分量的相关系数，计算公式如下：

其中w为N×N的邻域窗口；和分别是窗口内的亮度分量和饱和度分量的均值，和分别为窗口内亮度分量和饱和度分量的方差；

第四部分包括两个步骤：

步骤9，将步骤1分离的色度分量H、步骤6新得到的亮度分量以及步骤8得到的新的饱和度分量进行融合的到HSV颜色空间中的HDR图像；

步骤10，将步骤9得到的HSV颜色空间下的HDR图像转换到RGB颜色空间，得到最终的HDR图像。

2.根据权利要求1所述的一种新的高动态范围图像生成方法，其特征在于，第二部分将反色调映射后的亮度分量进行高光区域和低光区域的分离，用伽马校正后的高光区域与低光区域融合得到新的亮度分量。

3.根据权利要求1所述的一种新的高动态范围图像生成方法，其特征在于，步骤8中利用步骤6得到的亮度分量与步骤7得到的拉伸后的饱和度分量计算其相关系数，对饱和度分量S进行自适应的调整，得到新的饱和度分量。

4.根据权利要求1所述的一种新的高动态范围图像生成方法，其特征在于，步骤2中斜率控制因子E的取值范围为[2, 4]。

5.根据权利要求1所述的一种新的高动态范围图像生成方法，其特征在于，步骤3中亮度阈值的取值范围为[0.69, 0.84]。

6.根据权利要求1所述的一种新的高动态范围图像生成方法，其特征在于，步骤4中伽马校正的参数选取值为2.2。