CN111105359B - 一种高动态范围图像的色调映射方法 - Google Patents

Abstract

本发明公开了一种高动态范围图像的色调映射方法，通过采用具有细节保留特性的双边滤波器来提取图像的细节，并对双边滤波器进行改进使其具有更强的保边性，再通过构造具有自适应控制特性的全局算子，利用全局算法不产生光晕的特点，来消除分层算法中产生的光晕问题，在获得丰富的细节同时也可以消除光晕，在保留图像细节及整体感的同时有效的压缩高动态范围图像的动态范围，使其够方便地在目前常用的低动态范围显示设备上显示。

Description

一种高动态范围图像的色调映射方法

技术领域

本发明涉及一种图像处理的方法，尤其是涉及一种高动态范围图像的色调映射方法。

背景技术

图像是人类记录并获取信息的重要来源。从最初的绘画到目前电子设备的使用，人们一直在追求高清晰、高真实性的图像。随着数字图像技术的不断发展，高度清晰、画面逼真的图像越来越受到欢迎。目前，高动态范围图像技术在消费类电子、遥测遥感、安防监控、数字电视等领域均有着广泛的应用，可以为用户提供更加鲜亮、层次感更强的画面，进一步提升用户的视觉体验。而在安防和遥感方面，高动态范围图像更有助于开展工作。但限于技术的发展，在采集、显示图像的过程中，不可避免的丢失了一些信息，其中最关键的图像动态范围在显示的过程中被压缩了，这样造成的结果是在显示设备上观察的图像与人眼直接观察的图像，包括图像的细节、明暗效果以及色彩等等会出现差异。

在自然场景中，亮度范围是非常广泛的，从正午的阳光到夜晚的星光，其亮度比可达到10⁸：1，而人眼所能接受的亮度动态范围并没有这么大。通常来说，人眼视觉系统同一场景下能够接受的亮度动态范围约为10000:1，但人眼在进行观察时可以进行自适应性的调整以获取更多的信息。而常用的显示设备或者打印设备所能显示的亮度动态范围通常为100:1。目前已经有很多方法来获取高动态范围图像数据，例如用多次曝光技术，但由于显示设备的动态范围有限，这些图像数据是无法直接进行显示的。

如何解决动态范围不匹配的问题，主要是从两个方面：一方面是从硬件方面入手，提高显示设备的动态范围，但由于相关技术障碍，进展比较缓慢，虽然也有一些高动态范围的专用显示设备问世，但因其价格昂贵，无法普及，所以目前主流的显示设备仍然只是低动态的；另一方面是从软件入手，通过算法将真实场景的亮度映射到常规显示设备上并得到最佳效果，再现高动态范围图像丰富的颜色和细节，这个过程被称为色调映射方法此可以在现有条件下尽可能的提高显示设备所显示图像的动态范围，具有很大的研究价值。

目前已经存在的色调映射方法根据其处理的方式大致可以分为全局色调映射方法和局部色调映射方法。全局色调映射方法通过使用一个空间不变的映射函数来对图像中所有的像素点进行统一的处理，此类方法原理简单，处理速度很快，具有一定的效果，但目前很难找到一条合适的映射曲线来处理所有的图像，存在局限性。局部色调映射方法通过图像不同区域进行不同的变换，从而增加了处理的灵活性，有助于保持图像的细节并提高对比度，但容易缺失整体感并且复杂度较高、处理速度慢，也容易出现光晕、伪影等现象。

发明内容

本发明所要解决的技术问题是提供一种高动态范围图像的色调映射方法，可以在保留图像细节及整体感的同时有效的压缩高动态范围图像的动态范围，能够方便在目前常用的低动态范围显示设备上显示。

本发明解决上述技术问题所采用的技术方案为：一种高动态范围图像的色调映射方法，包括以下步骤

步骤1：输入高动态范围图像；

步骤2：将高动态范围图像由RGB色彩空间转换到HSV色彩空间，得到三个分量：色调分量H、饱和度分量S和亮度分量V；

步骤3：将亮度分量V通过指数变换进行全局自适应性动态范围压缩，计算出亮度图像的均值V_mean，并将其代入经验公式得到校正系数λ；计算出像素值低于均值的像素所占的比例，并将其代入经验公式得到校正指数γ；然后进行指数变换，得到全局校正后的亮度值V_g；

步骤4：将亮度分量V先映射到log域，并进行归一化处理，然后应用双边滤波分解模型对亮度分量V进行多尺度分解，得到基础层V_B、结构层V_S和细节层V_D，最后，压缩基础层，保留结构层，放大细节层，并将其重新叠加得到局部处理后的亮度值V_l；

步骤5：将全局校正后的亮度值V_g与局部处理后的亮度值V_l进行融合得到低动态范围图像的亮度值V_LDR；

步骤6：对饱和度分量S进行调整，得到低动态范围图像的饱和度分量S_LDR，结合压缩后的低动态范围的亮度值V_LDR以及原高动态范围图像的色调分量H，作为低动态范围图像的饱和度分量、亮度分量和色度分量，并将其由HSV色彩空间转换到RGB色彩空间得到最终的低动态范围图像。

所述步骤3到步骤6的具体过程为：

步骤3：首先根据下列公式计算出高动态范围图像亮度分量的均值

其中，V_mean表示高动态范围图像亮度分量的均值，V(i,j)表示坐标为(i,j)处的像素点亮度值，N表示总像素点数量，将V_mean代入下列公式以确定校正系数λ：

λ＝0.5414·V_mean ^-0.142

然后根据下列公式确定校正指数γ：

其中，n表示高动态范围图像亮度值小于均值的像素点数量，N表示总像素点数量；

最后通过指数变换得到全局处理后的亮度值V_g：

V_g＝λ·V^γ

其中，V为高动态范围图像的亮度值，V_g为全局处理后的亮度值，λ是校正系数，γ是校正指数；

步骤4：先将高动态范围图像的亮度分量V映射到log域，并进行归一化处理：

其中V_nor表示归一化处理后的亮度值，V表示高动态范围图像的亮度值，V_min表示高动态范围图像的最小亮度值，V_max表示高动态范围图像的最大亮度值，δ为一个极小常量以避免零值的出现，取0.00001；

然后归一化后的亮度值V_nor使用双边滤波进行分层处理，双边滤波公式如下：

其中BF(·)表示双边滤波，I表示输入图像，BF(I)表示滤波后的输出图像，Ω表示滤波窗口，f表示空间域中的高斯函数，g表示强度域中的高斯函数，p∈Ω表示p是滤波窗口Ω中的任意一点，p是该点的位置值，I_p表示p点的像素值，b是输入图像中任意一点位置值，I_b表示b点的像素值，将归一化后的亮度值V_nor作为输入图像代入上述双边滤波公式进行处理，取滤波窗口半径为5，得到细节层V_D：V_D＝V_nor-V_b，其中 V_b＝BF(V_nor)，处理后将细节信息保留在细节层V_D中，将结构信息和主要亮度信息保留在V_b中；然后将V_b作为输入图像再代入双边滤波公式进行处理，取滤波窗口半径为10，得到基础层V_B和结构层V_S：

V_B＝BF(V_b)

V_S＝V_b-V_B

将处理后的结构信息保留在结构层V_S中，将主要亮度信息保留在基础层V_B中；

最后，压缩基础层，保留结构层，放大细节层，并将其重新叠加得到局部处理后的亮度值V_l：

V_l＝V_S+0.7·V_B ^0.45+1.3·V_D；

步骤5：将全局校正后的亮度值V_g与局部处理后的亮度值V_l进行融合得到低动态范围图像的亮度值V_LDR：

V_LDR＝α·V_g+β·V_l

其中V_LDR表示低动态范围图像的亮度值，V_g和V_l分别表示全局校正后的亮度值和局部处理后的亮度值，α和β为融合系数，分别取0.5；

步骤6：按下列公式对饱和度分量S进行调整：

S_LDR＝α₁·S

其中α₁表示饱和度控制系数，取值范围为0.8～1；

最后将H、S_LDR、V_LDR作为低动态范围图像的色度分量、饱和度分量和亮度分量，并将其从HSV色彩空间转换到RGB色彩空间得到最终的低动态范围图像。

与现有技术相比，本发明的优点在于通过采用具有细节保留特性的双边滤波器来提取图像的细节，并对双边滤波器进行改进使其具有更强的保边性，再通过构造具有自适应控制特性的全局算子，利用全局算法不产生光晕的特点，来消除分层算法中产生的光晕问题，在获得丰富的细节同时也可以消除光晕，在保留图像细节及整体感的同时有效的压缩高动态范围图像的动态范围，使其够方便地在目前常用的低动态范围显示设备上显示。

附图说明

图1为本发明色调映射方法的流程图；

图2为使用本发明的方法获得的室外高对比度场景的色调映射效果图之一；

图3为使用本发明的方法获得的室外高对比度场景的色调映射效果图之二；

图4为使用本发明的方法获得的灯光下场景的色调映射效果图。

具体实施方式

为了进一步说明，下面将结合附图和具体实施例子进行阐述。图1为本算法的流程图，参照图1，该算法步骤包括：

步骤1，输入高动态范围图像，采用扩展名.hdr的高动态范围图像；

步骤2，由于图像动态范围主要集中在亮度信息里，如果直接对RGB空间进行映射容易造成色彩失真，因此，首先将高动态范围图像由RGB色彩空间转换到HSV色彩空间，得到三个分量：色调分量H、饱和度分量S和亮度分量V；

步骤3，主要对亮度分量V进行处理，尽量减少对色彩的影响，首先将亮度分量V 通过指数变换进行全局自适应性动态范围压缩，根据下列公式计算出高动态范围图像亮度分量的均值

其中，V_mean表示高动态范围图像亮度分量的均值，V(i,j)表示坐标为(i,j)处的像素点亮度值，N表示总像素点数量，将V_mean代入下列公式以确定校正系数λ：

λ＝0.5414·V_mean ^-0.142

然后根据下列公式确定校正指数γ：

其中，n表示高动态范围图像亮度值小于均值的像素点数量，N表示总像素点数量；

最后通过指数变换得到全局处理后的亮度值V_g：

V_g＝λ·V^γ

其中，V为高动态范围图像的亮度值，V_g为全局处理后的亮度值，λ是校正系数，γ是校正指数；

步骤4，将高动态范围图像的亮度分量V映射到log域，并进行归一化处理：

其中V_nor表示归一化处理后的亮度值，V表示高动态范围图像的亮度值，V_min表示高动态范围图像的最小亮度值，V_max表示高动态范围图像的最大亮度值，δ为一个极小常量以避免零值的出现，取0.00001；

然后归一化后的亮度值V_nor使用双边滤波进行分层处理，双边滤波为常用的图像滤波方法，其公式如下：

其中BF(·)表示双边滤波，I表示输入图像，BF(I)表示滤波后的输出图像，Ω表示滤波窗口，f表示空间域中的高斯函数，g表示强度域中的高斯函数，p∈Ω表示p是滤波窗口Ω中的任意一点，p是该点的位置值，I_p表示p点的像素值，b是输入图像中任意一点位置值，I_b表示b点的像素值，将归一化后的亮度值V_nor作为输入图像代入上述双边滤波公式进行处理，取滤波窗口半径为5，得到细节层V_D：V_D＝V_nor-V_b，其中 V_b＝BF(V_nor)，处理后将细节信息保留在细节层V_D中，将结构信息和主要亮度信息保留在V_b中；然后将V_b作为输入图像再代入双边滤波公式进行处理，取滤波窗口半径为10，得到基础层V_B和结构层V_S：

V_B＝BF(V_b)

V_S＝V_b-V_B

处理后结构信息将保留在结构层V_S中，主要亮度信息保留在基础层V_B中；

最后，压缩基础层，保留结构层，放大细节层，并将其重新叠加得到局部处理后的亮度值V_l：

V_l＝V_S+0.7·V_B ^0.45+1.3·V_D；

步骤5，将全局校正后的亮度值V_g与局部处理后的亮度值V_l进行融合得到低动态范围图像的亮度值V_LDR：

V_LDR＝α·V_g+β·V_l

其中V_LDR表示低动态范围图像的亮度值，V_g和V_l分别表示全局校正后的亮度值和局部处理后的亮度值，α和β为融合系数，分别取0.5；

步骤6，按下列公式对饱和度分量S进行调整：

S_LDR＝α₁·S

其中α₁表示饱和度控制系数，取值范围为0.8～1；此处取值为0.9。

最后将H、S_LDR、V_LDR作为低动态范围图像的色度分量、饱和度分量和亮度分量，并将其从HSV色彩空间转换到RGB色彩空间得到最终的低动态范围图像。

图2和图3展示了本发明的映射方法的具体效果。在图2的室外场景中，使用本发明的方法有效提高了草坪处的亮度，压缩了天空的亮度，并且细节丰富，色彩更加饱满，更接近于人眼的真实感知。而在图3室内灯光场景中，使用本发明方法可以保留更多的细节，例如书本上纹理，并且整体光场分布符合现实情况同时没有光晕产生。

Claims (1)

1.一种高动态范围图像的色调映射方法，其特征在于：包括以下步骤

步骤1：输入高动态范围图像；

步骤2：将高动态范围图像由RGB色彩空间转换到HSV色彩空间，得到三个分量：色调分量H、饱和度分量S和亮度分量V；

步骤3：首先根据下列公式计算出高动态范围图像亮度分量的均值

其中，V_mean表示高动态范围图像亮度分量的均值，V(i,j)表示坐标为(i,j)处的像素点亮度值，N表示总像素点数量，将V_mean代入下列公式以确定校正系数λ：

λ＝0.5414·V_mean ^-0.142

然后根据下列公式确定校正指数γ：

其中，n表示高动态范围图像亮度值小于均值的像素点数量，N表示总像素点数量；

最后通过指数变换得到全局处理后的亮度值V_g：

V_g＝λ·V^γ

其中，V为高动态范围图像的亮度值，V_g为全局处理后的亮度值，λ是校正系数，γ是校正指数；

步骤4：先将高动态范围图像的亮度分量V映射到log域，并进行归一化处理：

其中V_nor表示归一化处理后的亮度值，V表示高动态范围图像的亮度值，V_min表示高动态范围图像的最小亮度值，V_max表示高动态范围图像的最大亮度值，δ为一个极小常量以避免零值的出现，取0.00001；

然后归一化后的亮度值V_nor使用双边滤波进行分层处理，双边滤波公式如下：

其中BF(·)表示双边滤波，I表示输入图像，BF(I)表示滤波后的输出图像，Ω表示滤波窗口，f表示空间域中的高斯函数，g表示强度域中的高斯函数，p∈Ω表示p是滤波窗口Ω中的任意一点，p是该点的位置值，I_p表示p点的像素值，b是输入图像中任意一点位置值，I_b表示b点的像素值，将归一化后的亮度值V_nor作为输入图像代入上述双边滤波公式进行处理，取滤波窗口半径为5，得到细节层V_D：V_D＝V_nor-V_b，其中V_b＝BF(V_nor)，处理后将细节信息保留在细节层V_D中，将结构信息和主要亮度信息保留在V_b中；然后将V_b作为输入图像再代入双边滤波公式进行处理，取滤波窗口半径为10，得到基础层V_B和结构层V_S：

V_B＝BF(V_b)

V_S＝V_b-V_B

将处理后的结构信息保留在结构层V_S中，将主要亮度信息保留在基础层V_B中；

最后，压缩基础层，保留结构层，放大细节层，并将其重新叠加得到局部处理后的亮度值V_l：

V_l＝V_S+0.7·V_B ^0.45+1.3·V_D；

步骤5：将全局校正后的亮度值V_g与局部处理后的亮度值V_l进行融合得到低动态范围图像的亮度值V_LDR：

V_LDR＝α·V_g+β·V_l

其中V_LDR表示低动态范围图像的亮度值，V_g和V_l分别表示全局校正后的亮度值和局部处理后的亮度值，α和β为融合系数，分别取0.5；

步骤6：按下列公式对饱和度分量S进行调整：

S_LDR＝α₁·S

其中α₁表示饱和度控制系数，取值范围为0.8～1；

最后将H、S_LDR、V_LDR作为低动态范围图像的色度分量、饱和度分量和亮度分量，并将其从HSV色彩空间转换到RGB色彩空间得到最终的低动态范围图像。

Images