CN115937045A - 一种迭代式色阶重建方法 - Google Patents
一种迭代式色阶重建方法 Download PDFInfo
- Publication number
- CN115937045A CN115937045A CN202310013865.0A CN202310013865A CN115937045A CN 115937045 A CN115937045 A CN 115937045A CN 202310013865 A CN202310013865 A CN 202310013865A CN 115937045 A CN115937045 A CN 115937045A
- Authority
- CN
- China
- Prior art keywords
- pixel
- iteration
- brightness
- tone scale
- image
- 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
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
一种迭代式色阶重建方法,它属于图像处理技术领域。本发明解决了传统色阶重建方法无法保证重建图像的细节、纹理特征,以及无法保证重建图像与原始图像的视觉一致性的问题。本发明首先将所有像素划分为两组,再分别计算第一组像素和第二组像素的局部对比度,并通过全局色阶重建方法计算各个像素亮度的初值,最后基于设计的迭代算法不断重复估计第一组像素和第二组像素的亮度,直至满足迭代停止条件时,所获得的图像即为色阶重建后的LDR图像。通过本发明方法有效地重建出可以在常规显示器直接显示的LDR图像,且可以保证重建LDR图像的细节、纹理特征以及保证与原始图像的视觉一致性。本发明方法可以应用于对图像进行处理。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种迭代式色阶重建方法。
背景技术
灰度图像成像过程往往存在多种导致图像质量下降的退化因素,例如图像传感器的动态范围限制了拍摄图像的动态范围,有限的采样率提高了模数转化过程的量化误差,快门、光圈的设定限定了图像整体的明暗对比效果等。针对这一问题,国外一些学者提出了利用多曝光图像进行图像融合,重建出能够记录拍摄场景的原始亮度数据的高动态范围(high dynamic range,HDR)图像。
多曝光图像融合方法已经非常成熟,而如何对HDR图像进行处理,合理的压缩图像的动态范围,重建出与原始场景视觉相一致的低动态范围(low dynamic range,LDR)图像用于直接显示这一问题仍是HDR图像处理领邻域的难题。虽然传统的色阶重建方法能够提高重建图像的整体视觉效果,但是如何保证重建图像的细节、纹理特征,如何保证重建LDR图像与原始HDR图像的视觉一致性,这两个问题仍然有待进一步深入研究。
发明内容
本发明的目的是为解决传统色阶重建方法无法保证重建图像的细节、纹理特征,以及无法保证重建图像与原始图像的视觉一致性的问题,而提出的一种迭代式色阶重建方法,以将高动态范围图像转化为动态范围兼容于常规显示器的低动态范围图像。
本发明为解决上述技术问题所采取的技术方案是:
一种迭代式色阶重建方法,所述方法具体包括以下步骤:
步骤一、将原始HDR图像的全部像素划分为两类;
所述步骤一的具体过程为:
将原始HDR图像中的所有边界像素组成的集合记为E,将横坐标x和纵坐标y中有且只有一个为奇数的像素组成的集合记为O,则第一类像素组成的集合U1为:
U1=E∪O
将原始HDR图像中的全体像素组成的集合记为D,则第二类像素组成的集合U2为:
U2=D-U1
步骤二、基于步骤一中的像素划分结果,分别计算出原始HDR图像中每个像素的局部对比度;
步骤三、对原始HDR图像进行全局色阶重建,得到全局色阶重建后各个像素的亮度;
步骤四、基于步骤二中获得的局部对比度以及步骤三中得到的全局色阶重建后各个像素的亮度对LDR图像中各像素的亮度进行估计。
本发明的有益效果是:
本发明首先将所有像素划分为两组,再分别计算第一组像素和第二组像素的局部对比度,并通过全局色阶重建方法计算各个像素亮度的初值,最后基于设计的迭代算法不断重复估计第一组像素和第二组像素的亮度,直至满足迭代停止条件时,所获得的图像即为色阶重建后的LDR图像。通过本发明方法可以有效地重建出可以在常规显示器直接显示的LDR图像,且可以保证重建LDR图像的细节、纹理特征以及保证与原始图像的视觉一致性,重建图像质量得到有效的提高。
附图说明
图1是本发明方法的流程图;
图2是第一类像素的示意图;
图3是第二类像素的示意图;
图4是HDR图像desk直接显示结果图;
图5是HDR图像desk色阶重建结果图;
图6是HDR图像mountain直接显示结果图;
图7是HDR图像mountain色阶重建结果图;
图8是HDR图像kitchen直接显示结果图;
图9是HDR图像kitchen色阶重建结果图。
具体实施方式
具体实施方式一、结合图1说明本实施方式。本实施方式所述的一种迭代式色阶重建方法,所述方法具体包括以下步骤:
步骤一、将原始HDR图像的全部像素划分为两类;
如图2和图3所示,所述步骤一的具体过程为:
将原始HDR图像中的所有边界像素组成的集合记为E,将平面位置坐标的横坐标x和纵坐标y中有且只有一个为奇数的像素组成的集合记为O,则第一类像素组成的集合U1为:
U1=E∪O
将原始HDR图像中的全体像素组成的集合记为D,则第二类像素组成的集合U2为:
U2=D-U1
步骤二、基于步骤一中的像素划分结果,分别计算出原始HDR图像中每个像素的局部对比度;
步骤三、对原始HDR图像进行全局色阶重建,得到全局色阶重建后各个像素的亮度;
步骤四、基于步骤二中获得的局部对比度以及步骤三中得到的全局色阶重建后各个像素的亮度对LDR图像中各像素的亮度进行估计。
具体实施方式二:本实施方式与具体实施方式一不同的是,所述步骤二的具体过程为:
当(x,y)为非边界像素时:
其中,c(x,y)表示原始HDR图像中平面坐标为(x,y)的像素的局部对比度,δ是大于0的常数,Lw(x,y)表示原始HDR图像中平面坐标为(x,y)的像素的亮度,Lw(x-1,y)表示原始HDR图像中平面坐标为(x-1,y)的像素的亮度,Lw(x+1,y)表示原始HDR图像中平面坐标为(x+1,y)的像素的亮度,Lw(x,y-1)表示原始HDR图像中平面坐标为(x,y-1)的像素的亮度,Lw(x,y+1)表示原始HDR图像中平面坐标为(x,y+1)的像素的亮度;
当(x,y)为边界像素且(x,y)属于原始HDR图像的四个顶点像素时:
当(x,y)为边界像素且(x,y)不属于原始HDR图像的四个顶点像素时:
其它步骤及参数与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式一或二不同的是,所述δ=0.001。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四:本实施方式与具体实施方式一至三之一不同的是,所述步骤三的具体过程为:
其中,Ld(x,y)表示经过全局色阶重建后平面坐标为(x,y)的像素的亮度,N表示原始HDR图像中包含的像素总量,ln表示自然对数运算,变量β是用于压缩HDR图像的动态范围。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五:本实施方式与具体实施方式一至四之一不同的是,所述变量β的计算方式为:
其中,max(Ld)表示全局色阶重建后图像中像素的最大亮度,min(Ld)表示全局色阶重建后图像中像素的最小亮度,R表示常规显示器的最大亮度与最小亮度的比值。
其它步骤及参数与具体实施方式一至四之一相同。
通过本发明的全局色阶重建可以将HDR图像的动态范围转换为常规显示器的动态范围,同时保证重建的LDR图像的整体视觉效果与HDR相一致。
具体实施方式六:本实施方式与具体实施方式一至五之一不同的是,所述步骤四的具体过程为:
步骤四二、计算集合U2中像素(x2,y2)的亮度:
其中,表示第1次迭代得到的平面坐标为(x2,y2)的像素点的亮度值,c(x2,y2)表示平面坐标为(x2,y2)的像素点的局部对比度,表示经过全局色阶重建后平面坐标为(x2-1,y2)的像素的亮度,表示经过全局色阶重建后平面坐标为(x2+1,y2)的像素的亮度,表示经过全局色阶重建后平面坐标为(x2,y2-1)的像素的亮度,表示经过全局色阶重建后平面坐标为(x2,y2+1)的像素的亮度;
步骤四三、对于集合U1中的非边界像素(x1,y1):
步骤四四、对于集合U1中的非四个顶点像素的边界像素(x3,y3):
步骤四五、对于集合U1中的四个顶点像素(x4,y4):
直至满足迭代停止条件时结束,将最后一次迭代获得的亮度值作为LDR图像中各像素的亮度。
其它步骤及参数与具体实施方式一至五之一相同。
局部对比度含有丰富的局部细节和纹理信息,根据步骤二计算出的局部对比度对图像进行色阶重建,通过不断迭代使重建的LDR图像的局部对比度趋近于原始HDR图像的局部对比度。可以有效地保证重建LDR图像的局部细节和纹理与原始HDR图像相一致,重建LDR图像的清晰度得到有效地提升。
具体实施方式七:本实施方式与具体实施方式一至六之一不同的是,所述迭代停止条件为:
其它步骤及参数与具体实施方式一至六之一相同。
实验结果与分析
实验部分采用的硬件平台的处理器是Inter(R)Core(TM)i7-4710HQ 2.50GHz,内存容量16GB,操作系统是64位Windows 11,仿真软件是Matlab 2019a,显示器选用三星公司推出的型号是C27F391FH的液晶显示器。仿真结果如图4至图9所示。
由图4到图9可知,将HDR图像直接在常规显示器上显示存在以下问题:暗区域和阴影区域的可视度较差;在高亮度区域的图像层次和细节识别能力较差。通过本发明算法重建出的LDR图像能够同时兼顾暗区域和高光区域的纹理、细节,图像整体的图像品质较为优秀。因此本发明算法可以将HDR转换为LDR图像,且重建LDR图像的图像质量得到有效的提高。
本发明的上述算例仅为详细地说明本发明的计算模型和计算流程,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (7)
1.一种迭代式色阶重建方法,其特征在于,所述方法具体包括以下步骤:
步骤一、将原始HDR图像的全部像素划分为两类;
所述步骤一的具体过程为:
将原始HDR图像中的所有边界像素组成的集合记为E,将横坐标x和纵坐标y中有且只有一个为奇数的像素组成的集合记为O,则第一类像素组成的集合U1为:
U1=E∪O
将原始HDR图像中的全体像素组成的集合记为D,则第二类像素组成的集合U2为:
U2=D-U1
步骤二、基于步骤一中的像素划分结果,分别计算出原始HDR图像中每个像素的局部对比度;
步骤三、对原始HDR图像进行全局色阶重建,得到全局色阶重建后各个像素的亮度;
步骤四、基于步骤二中获得的局部对比度以及步骤三中得到的全局色阶重建后各个像素的亮度对LDR图像中各像素的亮度进行估计。
2.根据权利要求1所述的一种迭代式色阶重建方法,其特征在于,所述步骤二的具体过程为:
当(x,y)为非边界像素时:
其中,c(x,y)表示原始HDR图像中平面坐标为(x,y)的像素的局部对比度,δ是大于0的常数,Lw(x,y)表示原始HDR图像中平面坐标为(x,y)的像素的亮度,Lw(x-1,y)表示原始HDR图像中平面坐标为(x-1,y)的像素的亮度,Lw(x+1,y)表示原始HDR图像中平面坐标为(x+1,y)的像素的亮度,Lw(x,y-1)表示原始HDR图像中平面坐标为(x,y-1)的像素的亮度,Lw(x,y+1)表示原始HDR图像中平面坐标为(x,y+1)的像素的亮度;
当(x,y)为边界像素且(x,y)属于原始HDR图像的四个顶点像素时:
当(x,y)为边界像素且(x,y)不属于原始HDR图像的四个顶点像素时:
3.根据权利要求2所述的一种迭代式色阶重建方法,其特征在于,所述δ=0.001。
6.根据权利要求5所述的一种迭代式色阶重建方法,其特征在于,所述步骤四的具体过程为:
步骤四二、计算集合U2中像素(x2,y2)的亮度:
其中,表示第1次迭代得到的平面坐标为(x2,y2)的像素点的亮度值,c(x2,y2)表示平面坐标为(x2,y2)的像素点的局部对比度,表示经过全局色阶重建后平面坐标为(x2-1,y2)的像素的亮度,表示经过全局色阶重建后平面坐标为(x2+1,y2)的像素的亮度,表示经过全局色阶重建后平面坐标为(x2,y2-1)的像素的亮度,表示经过全局色阶重建后平面坐标为(x2,y2+1)的像素的亮度;
步骤四三、对于集合U1中的非边界像素(x1,y1):
步骤四四、对于集合U1中的非四个顶点像素的边界像素(x3,y3):
步骤四五、对于集合U1中的四个顶点像素(x4,y4):
步骤四六、将步骤四二至步骤四五得到的亮度值作为下一次迭代的初值,并返回步骤四二;
直至满足迭代停止条件时结束,将最后一次迭代获得的亮度值作为LDR图像中各像素的亮度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310013865.0A CN115937045B (zh) | 2023-01-05 | 2023-01-05 | 一种迭代式色阶重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310013865.0A CN115937045B (zh) | 2023-01-05 | 2023-01-05 | 一种迭代式色阶重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115937045A true CN115937045A (zh) | 2023-04-07 |
CN115937045B CN115937045B (zh) | 2023-07-04 |
Family
ID=86656021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310013865.0A Active CN115937045B (zh) | 2023-01-05 | 2023-01-05 | 一种迭代式色阶重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115937045B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523777A (zh) * | 2023-04-19 | 2023-08-01 | 哈尔滨理工大学 | 一种基于全局色阶重建与局部细节增强的色阶映射方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090310015A1 (en) * | 2008-06-16 | 2009-12-17 | El-Mahdy Ahmed Hazem Mohamed R | Transformation of a video image from a high dynamic range image to a low dynamic range image |
US20100157078A1 (en) * | 2008-12-19 | 2010-06-24 | Qualcomm Incorporated | High dynamic range image combining |
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 |
CN112037144A (zh) * | 2020-08-31 | 2020-12-04 | 哈尔滨理工大学 | 一种基于局部对比度拉伸的低照度图像增强方法 |
CN114463207A (zh) * | 2022-01-24 | 2022-05-10 | 哈尔滨理工大学 | 基于全局动态范围压缩与局部亮度估计的色阶映射方法 |
CN114862694A (zh) * | 2022-04-07 | 2022-08-05 | 中国人民解放军陆军工程大学 | 一种保证图像质量的高动态范围图像重建方法及装置 |
CN114862706A (zh) * | 2022-04-25 | 2022-08-05 | 哈尔滨理工大学 | 一种保持图像梯度方向的色阶映射方法 |
-
2023
- 2023-01-05 CN CN202310013865.0A patent/CN115937045B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090310015A1 (en) * | 2008-06-16 | 2009-12-17 | El-Mahdy Ahmed Hazem Mohamed R | Transformation of a video image from a high dynamic range image to a low dynamic range image |
US20100157078A1 (en) * | 2008-12-19 | 2010-06-24 | Qualcomm Incorporated | High dynamic range image combining |
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 |
CN112037144A (zh) * | 2020-08-31 | 2020-12-04 | 哈尔滨理工大学 | 一种基于局部对比度拉伸的低照度图像增强方法 |
CN114463207A (zh) * | 2022-01-24 | 2022-05-10 | 哈尔滨理工大学 | 基于全局动态范围压缩与局部亮度估计的色阶映射方法 |
CN114862694A (zh) * | 2022-04-07 | 2022-08-05 | 中国人民解放军陆军工程大学 | 一种保证图像质量的高动态范围图像重建方法及装置 |
CN114862706A (zh) * | 2022-04-25 | 2022-08-05 | 哈尔滨理工大学 | 一种保持图像梯度方向的色阶映射方法 |
Non-Patent Citations (3)
Title |
---|
S. K. THAKUR等: "Fast tone mapping for high dynamic range images", 《2013 IEEE INTERNATIONAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND COMPUTING RESEARCH》, pages 1 - 4 * |
赵蓝飞等: "基于三次样条插值的高动态范围成像方法", 《计算机辅助设计与图形学学报》, vol. 27, no. 7, pages 1278 - 1289 * |
顾耀林等: "基于色阶重建的彩色图像增强算法", 《计算机工程与设计》, vol. 28, no. 17, pages 4185 - 4189 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523777A (zh) * | 2023-04-19 | 2023-08-01 | 哈尔滨理工大学 | 一种基于全局色阶重建与局部细节增强的色阶映射方法 |
CN116523777B (zh) * | 2023-04-19 | 2024-04-30 | 哈尔滨理工大学 | 一种基于全局色阶重建与局部细节增强的色阶映射方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115937045B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | An experiment-based review of low-light image enhancement methods | |
CN110717868B (zh) | 视频高动态范围反色调映射模型构建、映射方法及装置 | |
CN111784609B (zh) | 图像动态范围压缩方法、装置及计算机可读存储介质 | |
CN111612725B (zh) | 一种基于可见光图像对比度增强的图像融合方法 | |
Vonikakis et al. | Multi-exposure image fusion based on illumination estimation | |
CN111105376B (zh) | 基于双分支神经网络的单曝光高动态范围图像生成方法 | |
CN111709900A (zh) | 一种基于全局特征指导的高动态范围图像重建方法 | |
Moriwaki et al. | Hybrid loss for learning single-image-based HDR reconstruction | |
Pan et al. | Multi-exposure high dynamic range imaging with informative content enhanced network | |
CN115937045A (zh) | 一种迭代式色阶重建方法 | |
WO2020231016A1 (en) | Image optimization method, apparatus, device and storage medium | |
Wang et al. | Low-light image enhancement based on virtual exposure | |
Yang et al. | Low-light image enhancement based on Retinex theory and dual-tree complex wavelet transform | |
CN111429371A (zh) | 图像处理方法、装置及终端设备 | |
Zhao et al. | A multi-scale U-shaped attention network-based GAN method for single image dehazing | |
CN110910347A (zh) | 一种基于图像分割的色调映射图像无参考质量评价方法 | |
Zhang et al. | Multi-scale-based joint super-resolution and inverse tone-mapping with data synthesis for UHD HDR video | |
Tang et al. | Curvature-based real-time brightness adjustment for ultra hd video | |
CN116095291B (zh) | 一种用于媒体流图像传输的图像预处理方法 | |
CN113222859B (zh) | 基于对数图像处理模型的低照度图像增强系统及方法 | |
CN116563133A (zh) | 基于模拟曝光和多尺度融合的低照度彩色图像增强方法 | |
CN115661012A (zh) | 一种基于全局-局部聚合学习的多曝光图像融合系统 | |
CN116977190A (zh) | 图像处理方法、装置、设备、存储介质及程序产品 | |
CN113822816A (zh) | 气雾散射模型优化的单张遥感图像去霾方法 | |
Chen et al. | Real-time self-supervised tone curve estimation for HDR image |
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 |