法律状态公告日
法律状态信息
法律状态
2020-01-03
授权
授权
2018-05-04
实质审查的生效 IPC(主分类):G06T5/00 申请日:20171027
实质审查的生效
2018-04-10
公开
公开
技术领域
本发明涉及图像处理技术领域,特别是涉及一种高动态范围(HDR)图像生成方法。
背景技术
高动态范围(HDR)图像是近年来在数字图像领域的一项重大突破,相比于低动态范围(LDR)图像,它能呈现更接近人眼所能捕捉的动态范围,且细节更为丰富。随着HDR显示器终端设备的产生及渐渐普及,对高动态范围图像及视频内容的需求也随之大量增加。而获取HDR内容的一种有效的方法就是利用现有内容资源,将LDR内容资源转化为HDR内容资源。
为了直接实现将单一曝光的低动态范围图像内容转换为具有高动态范围效果的图像,很多研究人员采用了反色调映射算子的方法,该方法采用线性或非线性函数对图像的动态范围进行扩展,而伽玛变换就是其中的一种采用非线性函数进行扩展的方法。在此基础上,Masia等人提出了一种基于图像内容与先前实验数据自动计算伽玛值的方法,避免了许多反色调映射算子在高亮区域所产生的问题。
Wang等人则提出了一种基于区域增强生成伪曝光图像,并将其融合生成高动态范围图像的方法(PMET)。该方法提出了一种基于曝光的S曲线,根据不同的输入曝光参数便可通过此曲线对原图像变换,从而生成多幅具有不同曝光效果的伪曝光图像,而区域增强特性使得生成的伪曝光图像展示了原图像中不同区域的细节信息。随后通过融合算法将这些在多幅伪曝光图像中呈现的细节信息融合到同一幅图像中。这种方法确实可以通过单一曝光LDR图像生成具有HDR效果的图像,然而其缺点是对于不同的图像,需要人为地去调整一组曝光参数,才能使融合后的图像具有理想的效果。
发明内容
基于上述现有技术,本发明提出一种基于自适应的双伽玛变换来生成高动态范围图像的方法,通过对图像内容的分析将图像分成偏亮的“亮区”与偏暗的“暗区”,针对两个区域自适应地计算生成伽玛变换值;则经过不同伽玛值变换的两幅图像分别包含了原图像中“亮区”与“暗区”的细节信息;再将两幅具有不同细节信息的图像融合起来即可生成具有HDR效果的图像。
本发明提出的一种基于自适应双伽玛变换的HDR图像生成方法,该方法包括以下步骤:
步骤1、基于图像统计特性双伽玛变换值的获取,计算输入的LDR原始图像双伽玛变换值,该计算过程又包括以下3个小步骤:
(1)对图像进行分区:在一幅图像中,任意亮度值i出现的次数占图像总像素数的比例为亮度i的概率,这里的i为任意一幅图像Y通道的亮度值,根据图像的统计学特性进行分区,计算公式如下:
Ni表示亮度为i的像素个数,N为图像总的像素数。以i为上限的累积概率为
其中,pm为亮度值为m的像素出现的概率,将累积概率为0.5的亮度值Lmiddle作为划分区域的阈值点,亮度大于此值为“亮区”中的像素点,小于此值的为“暗区”中的像素点;
(2)分别计算“明区”与“暗区”的亮度倾向指数:
亮度划分后,在每一区域内根据以下计算公式得出亮区与暗区的亮度倾向指数kd、kb:
其中,logLmax和logLmin分别表示原图像的亮度最大值与最小值的对数,logLdavg、logLbavg分别表示暗区和亮区像素亮度对数值的平均值,其计算公式如公式(5)、(6)所示,L(x,y)为图像在(x,y)处的像素亮度值,Ωd、Ωb分别表示暗区和亮区,nd、nb为暗区与亮区的像素个数,δ是为了避免因L(x,y)为零时对数值趋于负无穷而设的小数,
(3)由所得亮度倾向指数kb计算伽玛变换参数:
假设变换所需的伽玛值与图像的色调值相关,并成线性关系,即:
γ=a×k+b(7)
其中,k为(2)中得到的亮度倾向指数,a、b为线性变换系数,并在之前的初步研究中,找到a与b的最优值为a=10.44,b=-6.282;
步骤2、对输入图像进行伽玛变换:
分别在R、G、B三个通道进行两次伽玛变换,得两幅变换后的图像I1、I2,变换公式如下:
γ1、γ2分别为步骤1中所得伽玛变换值,R、G、B分别为原图像三个通道的色度值,
步骤3、将两幅生成的图像进行曝光融合:
对两幅以不同伽玛值变换后的图像以对比度、饱和度和适度曝光量为三个测度因子生成权重图,进行多分辨率金字塔融合,生成具有HDR效果的图像;融合的具体公式如下:
其中,Rij为融合生成的结果图像在(i,j)位置处的像素值,Iij,k为第k幅输入图像对应位置像素值,
三个测度因子的计算公式为:
对比度,具体计算公式如下:
C=|h*I|(16)
其中,C表示对比度,I为待求对比度的图像,h为拉普拉斯滤波器;
饱和度,饱和度通过计算三个色度通道的标准差获得,具体计算公式如下:
其中,S表示饱和度,IR、IG、IB分别为R、G、B三个色彩通道的像素值,μ为其三者的均值;
适度曝光量,通过高斯曲线来估计,具体计算公式为:
E=ER×EG×EB(20)
其中,E为图像总体的适度曝光量,ER、EG、EB分别为每一通道的适度曝光量,这里我们规定σ=0.2;
wC=wS=wE=1(25)
其中,Cij,k、Sij,k、Eij,k分别为在第k幅图像中(i,j)位置处像素点的对比度、饱和度和适度曝光量;对三个测度因子相乘得到最终的权重值wC、wS、wE,表示三个测度因子在生成权重图中的“影响”大小。
与现有技术相比,本发明的基于自适应的双伽玛变换来生成高动态范围图像的方法,提出了一个简化的由输入LDR图像转化为具有HDR效果的图像算法,实现过程简单,复杂度低;并且摆脱了对人为调试参数的依赖,该算法可以自适应的针对不同输入图像进行计算得出相应的变换参数,使这一过程更为智能化。
附图说明
图1为本发明的基于自适应双伽玛变换的HDR图像生成方法整体流程示意图;
图2为原始输入图像;
图3为原始图像经γ1=1的伽玛变换后图像;
图4为原始图像经γ2=2.5035的伽玛变换后图像;
图5为将图3与图4融合后的具有HDR效果的图像;
图6为三组图像变换前后的对比图,其中(a)为位于左边一列的原图;(b)为位于中间一列的Wang等人提出的PMET算法生成的HDR图像;(c)为位于右边一列的本专利方法生成的HDR图像。
具体实施方式
下面将结合附图对本发明的实施方式作进一步的详细描述。
步骤1、基于图像统计特性双伽玛变换值的获取,计算输入的LDR原始图像双伽玛变换值,该计算过程包括以下3个小步骤:
(1)对图像进行分区:根据图像的统计学特性进行分区,在一幅图像中,任意亮度值i出现的次数占图像总像素数的比例为亮度i的概率,因为通常情况下Y通道的值更好地反映了像素点的亮度,这里的i为任意一幅图像Y通道的亮度值,计算公式如下:
Ni表示亮度为i的像素个数,N为图像总的像素数。以i为上限的累积概率为
其中,pm为亮度值为m的像素出现的概率,将累积概率为0.5的亮度值Lmiddle作为划分区域的阈值点,亮度大于此值为“亮区”中的像素点,小于此值的为“暗区”中的像素点;
(2)分别计算“明区”与“暗区”的亮度倾向指数:
亮度划分后,在每一区域内根据以下计算公式得出亮区与暗区的亮度倾向指数kd、kb:
其中,logLmax和logLmin分别表示原图像的亮度最大值与最小值的对数,logLdavg、logLbavg分别表示暗区和亮区像素亮度对数值的平均值,其计算公式如公式(5)、(6)所示,L(x,y)为图像在(x,y)处的像素亮度值,Ωd、Ωb分别表示暗区和亮区,nd、nb为暗区与亮区的像素个数,δ是为了避免因L(x,y)为零时对数值趋于负无穷而设的小数。
(3)由所得亮度倾向指数kb计算伽玛变换参数:
假设变换所需的伽玛值与图像的色调值相关,并成线性关系,即:
γ=a×k+b(7)
其中,k为(2)中得到的亮度倾向指数,a、b为线性变换系数,并在之前的初步研究中,找到a与b的最优值为a=10.44,b=-6.282。
步骤2、对输入图像进行伽玛变换:
分别在R、G、B三个通道进行两次伽玛变换,得两幅变换后的图像I1、I2,变换公式如下:
γ1、γ2分别为步骤1中所得伽玛变换值,R、G、B分别为原图像三个通道的色度值,
步骤3、将两幅生成的图像进行曝光融合:
步骤2中得到的两幅伽玛变换生成的图像分别针对原图像中过曝光与欠曝光部分进行了调整,使得这两部分得以更加清晰地呈现。然而目前这两部分分别呈现在不同的图像中,需要将其融合到一幅图像中使其同时包含两部分的细节信息。具体的融合方法采用经典的曝光融合算法,对两幅以不同伽玛值变换后的图像以对比度、饱和度和适度曝光量为三个测度因子生成权重图,进行多分辨率金字塔融合,生成具有HDR效果的图像;融合的具体公式如下:
其中,Rij为融合生成的结果图像在(i,j)位置处的像素值,Iij,k为第k幅输入图像对应位置像素值,
三个测度因子的计算公式如下:
(1)对比度
C=|h*I|(16)
其中,C表示对比度,I为待求对比度的图像,h为拉普拉斯滤波器。
(2)饱和度
饱和度通过计算三个色度通道的标准差获得,具体计算公式如下:
其中,S表示饱和度,IR、IG、IB分别为R、G、B三个色彩通道的像素值,μ为其三者的均值。
(3)适度曝光量
适度曝光量通过高斯曲线来估计,具体计算公式为:
E=ER×EG×EB(20)
其中,E为图像总体的适度曝光量,ER、EG、EB分别为每一通道的适度曝光量,这里我们规定σ=0.2。
wC=wS=wE=1(25)
其中,Cij,k、Sij,k、Eij,k分别为在第k幅图像中(i,j)位置处像素点的对比度、饱和度和适度曝光量。通过对三个测度因子相乘得到最终的权重值。wC、wS、wE用来表示三个测度因子在生成权重图中的“影响”大小。
本发明实施例描述如下:
(1)先对原始输入图像进行LDR到HDR的转换。首先对图像进行统计分析,计算得出针对明区与暗区所需的伽玛变换的伽玛值。首先根据公式(3)与公式(4)计算得出两区域的亮度倾向指数:
再由前期实验得到的伽玛值与亮度倾向指数的线性关系公式:
γ=a×k+b
计算相应伽玛变换值;其中a=10.44,b=-6.282,得出伽玛值分别为γ1=-0.49472,γ2=2.5035,由于γ1值为负数,重新将其设为默认值1。
(2)根据上步所得伽玛值对原输入图像进行伽玛变换,采用公式(6)至(11):
所得变换后的两幅图像I1、I2如图3、图4所示。
(3)采用曝光融合算法对经伽玛变换的两幅图像进行融合。以不同伽玛值变换后的图像以对比度、饱和度和适度曝光量为三个测度因子生成权重图,进行多分辨率金字塔融合,生成具有HDR效果的图像;融合的具体公式如下:
其中Cij,k、Sij,k、Eij,k分别为在第k幅图像中(i,j)位置处像素点的对比度、饱和度和适度曝光量。通过对三个测度因子相乘得到最终的权重值。wC、wS、wE用来表示三个测度因子在生成权重图中的“影响”大小。融合后生成的具有HDR效果的图像如图5所示。
机译: 基于亮度分布与运动权衡的场景HDR图像生成方法
机译: 基于亮度分布与运动权衡的场景HDR图像生成方法
机译: 基于亮度分布与运动权衡的场景HDR图像生成方法