本發(fā)明涉及圖像處理技術(shù)，具體來講，涉及一種根據(jù)單幅低動態(tài)范圍圖像的細(xì)節(jié)信息進(jìn)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(shù)背景

在過去的二十年中，由計算機(jī)圖形學(xué)領(lǐng)域引入的高動態(tài)范圍(highdynamicrange,hdr)圖像采集在該領(lǐng)域及其他領(lǐng)域掀起了革命性的熱潮，諸如攝影術(shù)、虛擬現(xiàn)實(shí)、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(shí)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(shí)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(shí)際物理值，而且受技術(shù)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(shù)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(shè)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(shè)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(kuò)展的一些方法已經(jīng)開始應(yīng)用在hdr圖像壓縮以及增強(qiáng)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(jìn)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(shí)際的進(jìn)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(diǎn)。

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(shí)比普通的拍攝設(shè)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(shè)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(shè)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(yīng)用最廣，許多公司的hdr攝像設(shè)備也是將該算法集成到攝像設(shè)備的前端，這種方法進(jìn)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(jìn)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(jìn)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(jìn)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(jìn)行直接的轉(zhuǎn)化，不僅能實(shí)現(xiàn)靜態(tài)hdr圖像的拍攝，還能進(jìn)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(shù)實(shí)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(shí)現(xiàn)上述目的，本發(fā)明提供一種基于細(xì)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(jìn)行預(yù)處理；第二部分是對預(yù)處理后圖像分層處理；第三部分是對各層圖像進(jìn)行相應(yīng)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(jìn)行g(shù)amma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(jìn)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(jìn)行遍歷運(yùn)算操作，得到細(xì)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(xì)節(jié)層和步驟2獲得的gamma校正圖像進(jìn)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(jìn)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(jìn)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(yīng)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(jìn)行g(shù)amma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(jìn)行遍歷運(yùn)算，得到亮度分量的細(xì)節(jié)層；然后，構(gòu)造反色調(diào)映射函數(shù)，分別對細(xì)節(jié)層和gamma校正后的亮度圖像進(jìn)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(xì)節(jié)層進(jìn)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(jìn)行調(diào)整，進(jìn)一步拉伸圖像暗區(qū)域的對比度，并通過去噪操作對細(xì)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(yùn)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(xì)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(shí)施方式

為了更好的理解本發(fā)明，下面結(jié)合具體實(shí)施方式對本發(fā)明的基于細(xì)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(jìn)行更為詳細(xì)的描述。在以下的描述當(dāng)中，當(dāng)前已有的現(xiàn)有技術(shù)的詳細(xì)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(shí)施方式流程圖，在本實(shí)施方案中，按照以下步驟進(jìn)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(jìn)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(dāng)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(jìn)行g(shù)amma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(jìn)行分離細(xì)節(jié)層操作，得到圖像細(xì)節(jié)層，其具體步驟如圖2所示：

(1)對gamma校正圖像201進(jìn)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(jìn)行處理。在雙邊濾波器中，輸出像素的值依賴于領(lǐng)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(diǎn)(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(jìn)行遍歷運(yùn)算操作，得到細(xì)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(xì)節(jié)層的像素值。

步驟7，通過gamma校正圖像105和細(xì)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(xì)節(jié)層302進(jìn)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(kuò)展后圖像的最大輸出亮度；iwhite決定了擴(kuò)展函數(shù)的擴(kuò)展曲線形狀，與映射后圖像的對比度相關(guān)，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(xì)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(jìn)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(diǎn)和人類視覺特性，給提出了一種基于細(xì)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(xì)節(jié)信息不足的特點(diǎn)，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(yùn)算方法獲得不同的細(xì)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(jìn)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(qiáng)，具有廣泛的適用性。

盡管上面對本發(fā)明說明性的具體實(shí)施方式進(jìn)行了描述，但應(yīng)當(dāng)清楚，本發(fā)明不限于具體實(shí)施方式的范圍，對本技術(shù)領(lǐng)域的普通技術(shù)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(hù)之列。