本發(fā)明涉及圖像處理技術，具體來講，涉及一種根據(jù)單幅低動態(tài)范圍圖像的細節(jié)信息進行分層提取和重新融合的單幅圖像高動態(tài)圖像生成方法。

技術背景

在過去的二十年中，由計算機圖形學領域引入的高動態(tài)范圍(highdynamicrange,hdr)圖像采集在該領域及其他領域掀起了革命性的熱潮，諸如攝影術、虛擬現(xiàn)實、視覺影像、視頻游戲等方面。hdr成像可以直接捕獲和利用亮度的實際物理值。在圖像的成像過程中，非常暗和非常明亮的區(qū)域可能被同時記錄在同一幀圖像或同一個視頻中，利用亮度的實際物理值來表示圖像可以避免圖像中欠曝光和過曝光區(qū)域的出現(xiàn)。傳統(tǒng)的圖像采集方法不使用亮度的實際物理值，而且受技術限制，只能處理每像素每通道8比特表示的圖像。這樣的圖像被稱作低動態(tài)范圍(lowdynamicrange,ldr)圖像。亮度值記錄方法的變化，類似于彩色攝影術的引入，已經(jīng)在圖像處理流水線的每個階段都引起變化。但是，直接獲得hdr圖像需要特定的捕獲設備，而且只能獲得靜態(tài)圖像，動態(tài)hdr圖像的獲得方法仍處在初期萌芽階段。這就需要研究從ldr圖像來獲得hdr圖像的方法。這些方法使得在hdr顯示設備上重新利用已經(jīng)存在的大量ldr圖像成為可能。而且，基于ldr到hdr擴展的一些方法已經(jīng)開始應用在hdr圖像壓縮以及增強等方面。

目前，獲取hdr圖像的方法主要有四類。

第一類采用photoshop等圖像處理工具對圖像進行人工處理，這種方法由于人的直接參與，可以根據(jù)不同具體情況，實際的進行處理，處理效果最好，但存在不穩(wěn)定性和時間成本極高等缺點。

第二類選用具有較高動態(tài)范圍的圖像傳感器，成像效果穩(wěn)定，效率高，但捕獲圖像的動態(tài)范圍仍非常有限，所以這個方法也通常被稱為寬動態(tài)(widedynamicrange,wdr)。該方法從硬件入手，采用特殊的dsp芯片，在成像時采用逐行成像的方式，針對不同的光源使用不同的快門速度曝光，然后通過dsp處理重新組合，這樣拍攝出來的圖片直接就是hdr圖像。雖然該方法在成像效果上確實比普通的拍攝設備拍攝效果更好，且能拍攝動態(tài)hdr圖像，但它仍存在著不足。因為在硬件中，動態(tài)范圍和靈敏度是相互矛盾的兩個因素，動態(tài)范圍大的攝像設備它的靈敏度往往比較低，反之亦然。也就是說寬動態(tài)攝像設備在光線條件比較好的情況下拍攝出來的圖像視頻通?？梢猿尸F(xiàn)出較高的質(zhì)量，但在低照度的情況下，其成像質(zhì)量并不太好。

第三類利用多次曝光的多幅圖像合成一幅hdr圖像，該方法從軟件入手，目前應用最廣，許多公司的hdr攝像設備也是將該算法集成到攝像設備的前端，這種方法進行hdr圖像成像的策略主要分為兩類：一種是選取不同的曝光度圖像，通過函數(shù)擬合成hdr圖像，最后壓縮成保留最多圖像信息的ldr圖像；另一種是直接對不同的曝光度圖像進行融合，并用算法處理融合過程中出現(xiàn)的鬼影問題。但這種方法需要將多幅圖片進行合成，這就要求每幅圖像上的成像場景不能改變太大，所以大多只能拍攝靜態(tài)的hdr圖像。

第四類則是基于單幅圖像進行hdr圖像轉(zhuǎn)換則是采用單幅ldr圖像生成一幅hdr圖像。該方法主要采用反色調(diào)映射算子的方式，對單幅的ldr圖像進行直接的轉(zhuǎn)化，不僅能實現(xiàn)靜態(tài)hdr圖像的拍攝，還能進行hdr視頻的錄制。與此同時，采用這種方法還可以將現(xiàn)有的大量ldr圖像或視頻資源生成hdr資源，能夠很好的解決hdr圖像或視頻資源匱乏的問題。

技術實現(xiàn)要素：

本發(fā)明的目的在于解決低動態(tài)范圍圖像生成高動態(tài)范圍圖像的問題，提供單幅低動態(tài)范圍圖像直接生成高動態(tài)范圍圖像的方法，通過所述方法可獲得高動態(tài)范圍圖像。

為了實現(xiàn)上述目的，本發(fā)明提供一種基于細節(jié)層分離的單幅低動態(tài)范圍圖像生成高動態(tài)范圍圖像的方法，其中主要包括四個部分，第一部分是對ldr圖像進行預處理；第二部分是對預處理后圖像分層處理；第三部分是對各層圖像進行相應反色調(diào)映射處理；第四部分是對分離圖像融合獲得hdr圖像。

第一部分包括兩個步驟：

步驟1，將輸入的ldr圖像從rgb顏色空間轉(zhuǎn)換為hsv顏色空間，分離出h(色度)、s(飽和度)和v(亮度)分量；

步驟2，對分離出的亮度分量圖像進行gamma校正；

第二部分包括兩個步驟：

步驟3，對步驟2中得到的gamma校正圖像進行濾波操作得到圖像基本層；

步驟4，通過對gamma校正圖像與基本層進行遍歷運算操作，得到細節(jié)層；

第三部分包括一個步驟：

步驟5，構(gòu)造反色調(diào)映射函數(shù)，分別對步驟4獲得的細節(jié)層和步驟2獲得的gamma校正圖像進行反色調(diào)映射操作，得到各自的反色調(diào)映射后的圖像；

第四部分包括四個步驟：

步驟6，融合步驟5中得到的兩幅反色調(diào)映射圖像，得到新的亮度分量圖像；

步驟7，將步驟1分離的飽和度s、色度分量h與步驟6新得到的亮度分量進行融合的到hsv顏色空間中的hdr圖像；

步驟8，將步驟7得到的hsv顏色空間下的hdr圖像轉(zhuǎn)換到rgb顏色空間；

步驟9，將步驟8中獲得的圖像進行去噪處理，消除噪聲，得到最終的hdr圖像。

本發(fā)明提出了一種將單幅低動態(tài)范圍圖像轉(zhuǎn)換成對應高動態(tài)范圍圖像的處理方法。該方法基于人類視覺系統(tǒng)模型，首先分別提取出低動態(tài)范圍圖像的亮度分量和色度分量，對亮度分量進行gamma校正后作保邊濾波操作，提取出亮度分量的基本層，再對基本層和亮度分量進行遍歷運算，得到亮度分量的細節(jié)層；然后，構(gòu)造反色調(diào)映射函數(shù)，分別對細節(jié)層和gamma校正后的亮度圖像進行反色調(diào)映射操作，得到各自的反色調(diào)映圖像；之后，將反色調(diào)映射后亮度分量與壓縮后的細節(jié)層進行融合，得到新的亮度分量。最后，融合色度分量與新的亮度分量，并對融合后的圖像進行調(diào)整，進一步拉伸圖像暗區(qū)域的對比度，并通過去噪操作對細節(jié)層引入的噪聲起到一定程度的抑制作用。本發(fā)明能通過單幅低動態(tài)范圍圖像得到高動態(tài)范圍圖像，處理效果較好，運行效率高，具有較好的魯棒性。

附圖說明

圖1為本發(fā)明的整體流程圖；

圖2為本發(fā)明的細節(jié)層分離的流程圖；

圖3為本發(fā)明的反色調(diào)映射的流程圖；

圖4為原始采集的低動態(tài)范圍圖像；

圖5為利用本發(fā)明處理圖4后的高動態(tài)范圍色調(diào)映射圖像。

具體實施方式

為了更好的理解本發(fā)明，下面結(jié)合具體實施方式對本發(fā)明的基于細節(jié)層分層的單幅低動態(tài)范圍圖像生成高動態(tài)范圍圖像方法進行更為詳細的描述。在以下的描述當中，當前已有的現(xiàn)有技術的詳細描述也許會淡化本發(fā)明的主題內(nèi)容，這些描述在這里將被忽略。

圖1是本發(fā)明單幅高動態(tài)范圍圖像生成方法的一種具體實施方式流程圖，在本實施方案中，按照以下步驟進行：

步驟1，獲取低動態(tài)范圍圖像101，如圖4；

步驟2，對低動態(tài)范圍圖像進行顏色空間變換102；

所采用的轉(zhuǎn)換公式如下:

其中，r、g、b分別為rgb空間中三個分量的像素值，h、s、v為hsv空間中三個分量的值，max表示取括號中像素值的最大值，min表示取括號中像素值的最小值。因為在hsv空間中h分量用角度表示，故當h<0時，需要將h分量加上360。

步驟3，將hsv空間的低動態(tài)范圍圖像的分離成h分量103和s、v兩個分量104。

步驟4，對分離出的亮度分量圖像進行gamma校正105；

所采用的gamma校正公式為：

其中，i(x,y)為輸入圖像的像素值，為gamma校正的參數(shù)，一般取1.5~2。

步驟5，對步驟4中得到的gamma校正圖像，進行分離細節(jié)層操作，得到圖像細節(jié)層，其具體步驟如圖2所示：

(1)對gamma校正圖像201進行濾波操作得到圖像基本層202；

這里的濾波操作選用非線性濾波如雙邊濾波來對原圖像進行處理。在雙邊濾波器中，輸出像素的值依賴于領域像素值的加權(quán)值組合，公式如下：

其中，為圖像f在位置點(k,l)的像素值，為雙邊濾波后的像素值，加權(quán)系數(shù)w(i,j,k,l)取決于定義域核和值域核的乘積，其中定義域核表示為：

值域核表示為:

兩者相乘后，就會產(chǎn)生依賴于數(shù)據(jù)的雙邊濾波權(quán)重函數(shù)，如下：

(2)通過gamma校正圖像201與基本層202進行遍歷運算操作，得到細節(jié)層203，公式如下：

其中，ib(x,y)表示基本層圖像的像素值，id(x,y)表示得到的細節(jié)層的像素值。

步驟7，通過gamma校正圖像105和細節(jié)層106得到新的亮度分量107，其具體步驟如圖3所示；

(1)對gamma校正圖像301和細節(jié)層302進行反色調(diào)映射操作，分別得到反色調(diào)映射后圖像303和304，公式如下：

其中，iin(x,y)是待處理圖像的像素值，imax表示ldr圖像中像素的最大值映射到hdr圖像中像素的值的大小，即擴展后圖像的最大輸出亮度；iwhite決定了擴展函數(shù)的擴展曲線形狀，與映射后圖像的對比度相關，本發(fā)明推薦采用iwhite=imax。

(2)融合(1)中得到的兩幅反色調(diào)映射圖像，得到新的亮度分量圖像305，公式如下：

其中，i1(x,y)、i2(x,y)分別是gamma校正圖像和細節(jié)層經(jīng)過反色調(diào)映射后得到的圖像，、β是常數(shù)參數(shù)，本發(fā)明推薦采用。

步驟8，將步驟7中得到的新的亮度分量圖像107與步驟2中得到的色度、飽和度分量圖像104融合，得到hsv空間下的hdr圖像108；

步驟9，將hsv空間下的hdr圖像108轉(zhuǎn)化為rgb空間下的hdr圖像109；

步驟10，對步驟9得到的rgb空間下的hdr圖像109進行高斯去噪操作，得到最終的去噪后的hdr圖像110，hdr圖像色調(diào)映射后顯示效果如圖5，公式如下：

本發(fā)明根據(jù)單幅低動態(tài)范圍圖像特點和人類視覺特性，給提出了一種基于細節(jié)層分層的單幅低動態(tài)范圍圖像生成高動態(tài)范圍圖像方法，該方法根據(jù)單幅低動態(tài)范圍圖像細節(jié)信息不足的特點，基于人眼視覺特性，利用濾波操作分離出原圖像的基本層，并利用原圖像與基本層的不同運算方法獲得不同的細節(jié)層，挖掘出原圖像被隱藏的圖像信息；然后構(gòu)造反色調(diào)映射函數(shù)，對所獲得的各層圖像進行反色調(diào)映射操作；最后融合各個分量及各層圖像得到高動態(tài)范圍圖像。本發(fā)明算法簡單，可操作性強，具有廣泛的適用性。

盡管上面對本發(fā)明說明性的具體實施方式進行了描述，但應當清楚，本發(fā)明不限于具體實施方式的范圍，對本技術領域的普通技術人員來講，只要各種變化在所附的權(quán)利要求限定和確定的本發(fā)明的精神和范圍內(nèi)，這些變化是顯而易見的，一切利用本發(fā)明構(gòu)思的發(fā)明創(chuàng)造均在保護之列。