CN110796592A - 一种高动态范围光谱图像数据的存储方法 - Google Patents

一种高动态范围光谱图像数据的存储方法 Download PDF

Info

Publication number
CN110796592A
CN110796592A CN201910936298.XA CN201910936298A CN110796592A CN 110796592 A CN110796592 A CN 110796592A CN 201910936298 A CN201910936298 A CN 201910936298A CN 110796592 A CN110796592 A CN 110796592A
Authority
CN
China
Prior art keywords
high dynamic
dynamic range
spectral
image
image data
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
CN201910936298.XA
Other languages
English (en)
Other versions
CN110796592B (zh
Inventor
徐海松
叶正男
邱珏沁
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201910936298.XA priority Critical patent/CN110796592B/zh
Publication of CN110796592A publication Critical patent/CN110796592A/zh
Application granted granted Critical
Publication of CN110796592B publication Critical patent/CN110796592B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/60—Memory management

Landscapes

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

Abstract

本发明提出了一种高动态范围光谱图像数据的存储方法。本发明在光谱反射比数据的基础上加入一个虚拟等能白光源，将高动态范围光谱图像的像素响应值分离为其归一化光谱反射比与等能白光源亮度的乘积，便于颜色的计算和图像的高动态范围亮度映射。该方法可以在比较完整地保存物体光谱反射比数据，并较准确地记录图像中高动态范围光照强度分布信息，可以降低光谱图像的颜色复现和高动态范围图像颜色映射的误差水平。

Description

一种高动态范围光谱图像数据的存储方法
技术领域
本发明涉及光谱技术领域，具体涉及一种高动态范围光谱图像数据的存储方法。
背景技术
随着多光谱和高光谱图像传感器技术的发展，拍摄和记录多光谱和高光谱图像的手段日趋丰富。多光谱和高光谱相机拍摄的多通道响应值，是物体表面光谱反射比、光源光谱功率函数和相机通道光谱响应函数乘积在可见光范围内的积分值。通过参考在同样光照环境下已知光谱反射比的训练样本响应值建立相机响应值空间向光谱反射比空间的映射矩阵，或标定拍摄时使用的照明光源的光谱功率分布和相机的通道光谱灵敏度曲线，可以从多光谱或高光谱相机的通道响应值中重建图像的光谱反射比。典型的图像光谱反射比数据R为一个1×N的向量，每个元素代表在可见光光谱范围内(一般为380nm到780nm)对应波长位置λk的物体光谱反射比R(λk)
R＝[R(380) … R(780)]
N的值可以根据需要灵活改变，但一般至少令光谱反射比数据点间隔低于10nm，即N≥41。一幅长宽分别为q、p的光谱图像
Figure BDA0002221676560000011
可以表示为
Figure BDA0002221676560000012
以往的光谱图像应用主要集中在室内静态图像采集，如文物考古、物品缺陷分析等方面，一般使用均匀一致的照明光源，在经过光源光谱功率分布标定后，光谱反射比的数值可以直接使用物体在对应波长的归一化反射比(归一化对象为理论白点，即可见光范围内光谱反射比恒定为100％的虚拟白物体)，其值大小为R(λk)∈(0，1]。
在当前光谱相机的小型化和光谱图像应用范围逐渐扩展的情况下，产生了对真实场景的光谱反射比进行测量和记录的需求。与室内恒定、均匀一致光源下的光谱图像捕获不同，真实场景的光照条件更为复杂，相机记录的光照强度将有剧烈的变化，为了能够真实地复现图像样貌，可以使用多次不同曝光参数的拍摄数据合成高动态范围光谱图像。本发明为了简化模型，暂假设真实场景的照明光源具有相同的光谱功率分布，而仅存在强度的区别。在这种情况下，若使用单一的标定光源光谱功率分布和光源强度，在高动态范围条件下，势必存在一些区域的归一化反射比远大于1，而一些区域的归一化反射比接近于0。这些异常点的数据难以进行色度学计算，增加了光谱图像信息提取和展示的难度。
发明内容
本发明的目的在于解决现有技术中存在的问题，并提供一种高动态范围光谱图像数据的存储方法。
本发明具体采用的技术方案如下：
一种高动态范围光谱图像数据的存储方法，其步骤如下：
S1：获取原始N通道的高动态范围光谱图像
Figure BDA0002221676560000021
图像尺寸为p×q：
Figure BDA0002221676560000022
其中：Rij表示图像中(i，j)坐标位置的高动态范围光谱反射比，为一个1×N的向量：
Rij＝[Rij(380)，…，Rij(λk)，…，Rij(780)]
λk表示可见光光谱范围内第k个光谱通道对应的波长，k∈[1，N]；
S2：对于高动态范围光谱图像
Figure BDA0002221676560000027
中的任一像素的Rij，估计其光照强度E(L)ij为：
Figure BDA0002221676560000023
其中：K为缩放系数；
S3：将Rij转化为归一化高动态光谱反射比像素Lij：
Lij＝[Lij(380)，…，Lij(λk)，…，Lij(780)，E(L)ij]
Lij为一个1×(N+1)的向量，其中：
Figure BDA0002221676560000024
该像素的虚拟光照强度
Figure BDA0002221676560000025
表示为
Figure BDA0002221676560000026
其中
Figure BDA0002221676560000031
为一个1×N的单位向量：
Figure BDA0002221676560000032
S4：将经过归一化处理后的高动态范围光谱图像存储为：
Figure BDA0002221676560000033
作为优选，高动态范围光谱图像
Figure BDA0002221676560000035
的通道数N取值范围为41～401。
作为优选，λk的取值范围为380～780nm。
作为优选，缩放系数K的取值范围0.5～1。
本发明的有益效果为：本发明涉及存储具有高动态范围的图像光谱反射比数据的方法，该方法可以在比较完整地保存物体光谱反射比数据的同时，较准确地记录图像中高动态范围光照强度分布信息，可以降低光谱图像的颜色复现和高动态范围图像颜色映射的误差水平。
附图说明
图1为捕获的高动态范围光谱图像示意图。为了便于展示，反射比图像已经转换为D65光源照明下的RGB彩色图像并将其动态范围压缩以正常显示。
图2为处理后光谱图像
Figure BDA0002221676560000036
的E(L)通道示意图。为便于展示灰度响应值进行了对数压缩。
图3为归一化光谱反射比[L(380) … L(780)]的示意图。为了便于展示，反射比图像已经转换为D65光源照明下的RGB彩色图像。
具体实施方式
下面结合附图和具体实施例对本发明做进一步说明。
本发明提出了一种存储具有高动态范围的图像光谱反射比数据的方法，其在光谱反射比数据的基础上加入一个虚拟等能白光源，将高动态范围光谱图像的像素响应值分离为其归一化光谱反射比与等能白光源亮度的乘积，便于颜色的计算和图像的高动态范围亮度映射。
在本发明中，一种高动态范围光谱图像数据的存储方法，其具体步骤如下：
S1：获取原始N通道的高动态范围光谱图像
Figure BDA0002221676560000034
图像尺寸为p×q，可以表示为，
Figure BDA0002221676560000041
其中：Rij表示图像中(i，j)坐标位置的高动态范围光谱反射比，为一个1×N的向量：
Rij＝[Rij(380)，…，Rij(λk)，…，Rij(780)]
λk表示可见光光谱范围内第k个光谱通道对应的波长，k∈[1，N]；其元素值Rij(k)∈(0，+∞]；
S2：对于高动态范围光谱图像
Figure BDA0002221676560000049
中的任一像素的Rij，估计其光照强度E(L)ij为：
其中：K为防止图像的归一化反射比Lij(λk)值溢出的缩放系数；
S3：将Rij转化为归一化高动态光谱反射比像素Lij：
Lij＝[Lij(380)，…，Lij(λk)，…，Lij(780)，E(L)ij]
Lij为一个1×(N+1)的向量，其中Lij(λk)∈(0，1)，且：
Figure BDA0002221676560000043
该像素的虚拟光照强度表示为
Figure BDA0002221676560000045
其中
Figure BDA0002221676560000046
为一个1×N的单位向量：
Figure BDA0002221676560000047
S4：将经过归一化处理后的高动态范围光谱图像存储为：
Figure BDA0002221676560000048
本发明中假定输入可见光光谱范围为波长380nm到780nm。由于人眼的光谱匹配函数在可见光波长380nm到400nm和700nm到780nm范围内响应值很低，在大多数情况下对图像最终的显示效果影响较小，故在某些应用中为了简化计算，也可以将可见光范围定义为波长400nm到700nm。这种定义方式并不影响本发明的核心思想，属于本发明方案的同等替换，故对将可见光范围定义为波长400nm到700nm时本发明的具体实施方法不再赘述。
下面通过具体实施例对该方法进行应用，以展示其具体的技术效果。
本实施例使用一幅光谱图像
Figure BDA0002221676560000052
为例，其分辨率为1936×2198像素，光谱通道数为93(采样间隔为约3.2nm)。光谱图像
Figure BDA0002221676560000053
在均匀光照下被捕获，本身不具备高动态范围特性，为了契合本发明的高动态范围主题，图像两侧人为加入了光源强度渐变遮罩，用以模拟具有高动态范围的光谱图像。如图1所示，在加入光源强度渐变后，左侧光照强度最低，为标准光照的10-4倍；右侧最高，为标准光照的104倍。高动态范围图像通常无法在动态范围较低的普通显示器上正常显示，图1为通过简单的线性压缩获得的、在D65光源下的高动态范围光谱图像外貌。容易观察到由于亮度与图像默认值相差过大，图像左右两侧的图像内容无法正常显示。
图2展示了上述S1～S4处理后存储的光谱图像
Figure BDA0002221676560000054
的E(L)示意图。本实施例中缩放系数K＝0.8。用于标定照明光源亮度的虚拟白点
Figure BDA0002221676560000051
亮度与原本未加亮度遮罩的图像照明光源亮度一致。热力图坐标轴为E(L)亮度值的对数。该图像可以视为单通道黑白图像，引入已有的图像处理算法。
图3为归一化光谱反射比[L(380) … L(780)]的示意图。
上述结果表明，该方法可以在比较完整地保存物体光谱反射比数据，并较准确地记录图像中高动态范围光照强度分布信息，可以降低光谱图像的颜色复现和高动态范围图像颜色映射的误差水平。

Claims (4)

1.一种高动态范围光谱图像数据的存储方法，其特征在于，步骤如下：
S1：获取原始N通道的高动态范围光谱图像
Figure FDA0002221676550000011
图像尺寸为p×q：
Figure FDA0002221676550000012
其中：Rij表示图像中(i，j)坐标位置的高动态范围光谱反射比，为一个1×N的向量：
Rij＝[Rij(380)，…，Rij(λk)，…，Rij(780)]
λk表示可见光光谱范围内第k个光谱通道对应的波长，k∈[1，N]；
S2：对于高动态范围光谱图像
Figure FDA0002221676550000013
中的任一像素的Rij，估计其光照强度E(L)ij为：
Figure FDA0002221676550000014
其中：K为缩放系数；
S3：将Rij转化为归一化高动态光谱反射比像素Lij：
Lij＝[Lij(380)，…，Lij(λk)，…，Lij(780)，E(L)ij]
Lij为一个1×(N+1)的向量，其中：
Figure FDA0002221676550000015
该像素的虚拟光照强度表示为
Figure FDA0002221676550000017
其中为一个1×N的单位向量：
Figure FDA0002221676550000019
S4：将经过归一化处理后的高动态范围光谱图像存储为：
Figure FDA00022216765500000110
2.如权利要求1所述的高动态范围光谱图像数据的存储方法，其特征在于，高动态范围光谱图像
Figure FDA00022216765500000111
的通道数N取值范围为41～401。
3.如权利要求1所述的高动态范围光谱图像数据的存储方法，其特征在于，λk的取值范围为380～780nm。
4.如权利要求1所述的高动态范围光谱图像数据的存储方法，其特征在于，缩放系数K的取值范围0.5～1。
CN201910936298.XA 2019-09-29 2019-09-29 一种高动态范围光谱图像数据的存储方法 Active CN110796592B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910936298.XA CN110796592B (zh) 2019-09-29 2019-09-29 一种高动态范围光谱图像数据的存储方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910936298.XA CN110796592B (zh) 2019-09-29 2019-09-29 一种高动态范围光谱图像数据的存储方法

Publications (2)

Publication Number Publication Date
CN110796592A true CN110796592A (zh) 2020-02-14
CN110796592B CN110796592B (zh) 2021-05-04

Family

ID=69438645

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910936298.XA Active CN110796592B (zh) 2019-09-29 2019-09-29 一种高动态范围光谱图像数据的存储方法

Country Status (1)

Country Link
CN (1) CN110796592B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256733A (zh) * 2021-05-14 2021-08-13 四川大学 基于置信度投票卷积神经网络的相机光谱灵敏度重建方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105635533A (zh) * 2015-12-23 2016-06-01 天津大学 一种具有高动态响应范围的快照式高光谱相机
CN106017868A (zh) * 2016-05-12 2016-10-12 齐鲁工业大学 基于亮度参数的多通道led照明系统的光谱匹配方法
CN106841055A (zh) * 2017-03-22 2017-06-13 浙江大学 一种重构艺术绘画光谱图像的训练样本选择方法
US20170167916A1 (en) * 2015-12-10 2017-06-15 Aragon Photonics Labs S.L.U. System and method of optical spectrum analysis
CN106871782A (zh) * 2017-01-20 2017-06-20 浙江大学 一种计算多光谱图像上光谱辐射计测量区域的方法
CN107302667A (zh) * 2017-08-17 2017-10-27 中国人民解放军国防科技大学 一种相机可互换动态分光成像系统及其应用于高动态成像的方法
CN109451624A (zh) * 2018-10-26 2019-03-08 中国建筑科学研究院有限公司 多通道led照明系统的光谱调节方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170167916A1 (en) * 2015-12-10 2017-06-15 Aragon Photonics Labs S.L.U. System and method of optical spectrum analysis
CN105635533A (zh) * 2015-12-23 2016-06-01 天津大学 一种具有高动态响应范围的快照式高光谱相机
CN106017868A (zh) * 2016-05-12 2016-10-12 齐鲁工业大学 基于亮度参数的多通道led照明系统的光谱匹配方法
CN106871782A (zh) * 2017-01-20 2017-06-20 浙江大学 一种计算多光谱图像上光谱辐射计测量区域的方法
CN106841055A (zh) * 2017-03-22 2017-06-13 浙江大学 一种重构艺术绘画光谱图像的训练样本选择方法
CN107302667A (zh) * 2017-08-17 2017-10-27 中国人民解放军国防科技大学 一种相机可互换动态分光成像系统及其应用于高动态成像的方法
CN109451624A (zh) * 2018-10-26 2019-03-08 中国建筑科学研究院有限公司 多通道led照明系统的光谱调节方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIAOMIN WU等: "High dynamic range image reconstruction in device-independent color space based on camera colorimetric characterization", 《OPTIK》 *
徐鹏: "基于多光谱成像技术的光谱图像重构与显示研究", 《中国博士学位论文全文数据库》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256733A (zh) * 2021-05-14 2021-08-13 四川大学 基于置信度投票卷积神经网络的相机光谱灵敏度重建方法
CN113256733B (zh) * 2021-05-14 2022-05-20 四川大学 基于置信度投票卷积神经网络的相机光谱灵敏度重建方法

Also Published As

Publication number Publication date
CN110796592B (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
Mantiuk et al. High-dynamic range imaging pipeline: perception-motivated representation of visual content
JP5174307B2 (ja) カラー信号処理
Artusi et al. High dynamic range imaging technology [lecture notes]
Andriani et al. Beyond the Kodak image set: A new reference set of color image sequences
US20140022410A1 (en) Spectral Synthesis for Image Capture Device Processing
JP6257551B2 (ja) 色忠実環境補正装置および色忠実環境補正方法
JP5457652B2 (ja) 画像処理装置およびその方法
US9270866B2 (en) Apparatus and method for automated self-training of white balance by electronic cameras
JP2008502970A (ja) デジタル画像からの色の不具合を補正するためにカメラおよび／またはディスプレイデバイスを色較正するための方法およびデバイス
KR20070090224A (ko) 전자 색 이미지 채도 처리 방법
EP3888345A1 (en) Method for generating image data for machine learning based imaging algorithms
Wannous et al. Improving color correction across camera and illumination changes by contextual sample selection
CN115665565A (zh) 在线烟叶图像颜色校正方法、系统及装置
Smagina et al. Multiple light source dataset for colour research
CN110796592B (zh) 一种高动态范围光谱图像数据的存储方法
WO2023000868A1 (zh) 图像处理方法及装置、设备、存储介质
WO2022067761A1 (zh) 图像处理方法、装置、拍摄设备、可移动平台及计算机可读存储介质
McCann et al. Chromaticity limits in color constancy calculations
Mohd Jain Noordin et al. Saturation avoidance color correction for digital color images
Zolliker et al. Creating HDR video content for visual quality assessment using stop-motion
Wang et al. A multi-exposure images fusion approach for very large dynamic range scenes
Bokaris et al. One-frame delay for dynamic photometric compensation in a projector-camera system
Seybold Noise Characteristics and Noise Perception
US20230206518A1 (en) Method for reconstructing an image, in particular an exact color image, and associated computer program, device and system
Lakshmi et al. Analysis of tone mapping operators on high dynamic range images

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