亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

高動態(tài)范圍成像的快速自適應(yīng)混合的系統(tǒng)以及方法與流程

文檔序號:12290161閱讀:322來源:國知局
公開的實施方式總體上涉及到高動態(tài)范圍(highdynamicrange,HDR)成像,更具體地但不限于,涉及一種在混合的高動態(tài)范圍圖像中以省時且高效的方式結(jié)合一組圖像的系統(tǒng)與方法。
背景技術(shù)
::高動態(tài)范圍(Highdynamicrange,HDR)是用于成像以及攝影的一系列技術(shù),所述技術(shù)能用來記錄比常規(guī)的攝影技術(shù)更高的亮度。傳統(tǒng)的攝像機(jī)不具有高動態(tài)范圍的功能,其拍攝具有有限的動態(tài)范圍,導(dǎo)致了場景細(xì)節(jié)的缺失。例如,當(dāng)拍攝非高動態(tài)范圍的圖像時,在陰影區(qū)域中經(jīng)常出現(xiàn)曝光不足且在亮光區(qū)中經(jīng)常出現(xiàn)曝光過度,這是因為傳感器的有限的動態(tài)范圍的性能所導(dǎo)致。通常來說,傳感器包括常規(guī)的電荷耦合裝置(CCD)傳感器以及互補(bǔ)金屬氧化物半導(dǎo)體(CMOS)的傳感器,能夠獲取照明亮度大約1:1000或者60dB的動態(tài)范圍。這意味著最大電荷大約為最暗信號的1000倍。然而,許多應(yīng)用需要在更寬的動態(tài)范圍的場景下來進(jìn)行操作,例如1:10000或者100dB。高動態(tài)范圍成像技術(shù)通過以不同的曝光水平捕捉多個圖像并將所述多個圖像合成出具有更寬色調(diào)范圍的單一圖像,彌補(bǔ)了具體細(xì)節(jié)的缺失。為了促進(jìn)高動態(tài)范圍圖像在較低動態(tài)范圍的裝置上的顯示,采用調(diào)和映射方法生成具有保存的局部對照的圖像。為獲取用于高動態(tài)范圍成像的多幅圖片,現(xiàn)代攝像機(jī)提供具有更大的動態(tài)范圍的自動包圍曝光(automaticexposurebracketing,AEB)的特征?;谶@種特征,利用從曝光不足到曝光過度的增量式曝光水平能夠較容易獲取一組圖片。為顯示利用高動態(tài)范圍成像顯示多幅圖片,傳統(tǒng)的方法是通過使用在個人電腦(PC)上運(yùn)行的應(yīng)用軟件來完成。如今,現(xiàn)代攝像機(jī)內(nèi)置的圖像信號處理器(ISP)相比以前具有更強(qiáng)大的功能,這促使廠商發(fā)展允許內(nèi)置高動態(tài)范圍的特征的更快的高動態(tài)范圍成像的方法。這種趨勢顯著性提升了拍攝的便捷性以及效率。此外,如果能夠?qū)崟r的計算以及顯示高動態(tài)范圍成像,高動態(tài)范圍成像的錄像將變成可能。典型的高動態(tài)范圍的過程通常包括三個步驟:(1)攝像機(jī)反應(yīng)函數(shù)的估計;(2)用于高動態(tài)范圍成像的多重曝光的一組圖像的合成;以及(3)合成后高動態(tài)范圍圖像的調(diào)和映射。該相機(jī)的成像過程利用從場景亮度Ei及曝光設(shè)置kj至像素亮度Zi的非線性的映射g(X)進(jìn)行模型化的處理,通過方程式(1)表示。g(Zi,j)=lnEi+lnkj方程式(1)其中kj跟孔徑A(F-值),曝光時間t以及ISO速度S相關(guān)。因為存在許多未知的方程式,方程式(1)是超定方程,可以通過最小二乘法求解。通常來說,通過從灰度值至亮度圖的查找表(lookuptable,LUT)來執(zhí)行g(shù)(X)。完成求解方程式(1)之后,多重的曝光的合成能夠用方程式(2)來表示,,其中w(X)是代表亮度的權(quán)重函數(shù),當(dāng)場景亮度恢復(fù)時,用來表示Zi,j的權(quán)重。典型的權(quán)重函數(shù)結(jié)果曲線在圖8中進(jìn)行闡述。文獻(xiàn)中有很多針對方程式(2)的調(diào)和映射。對于普通的顯示,簡單的調(diào)和映射的操作以方程式(3)表示。其中為比例亮度且α=0.18.由方程式(1)-(3)可以看出,傳統(tǒng)的高動態(tài)成像的方法經(jīng)常需要大量的計算資源。例如,傳統(tǒng)的方法應(yīng)用了最小二乘法,其通常通過奇異值分解或者QR分解來求解。除此之外,方程式(2)以及方程式(3)需要逐像素指數(shù)以及對數(shù)的操作。因此,計算的復(fù)雜性成為內(nèi)置的高動態(tài)范圍特征中的主要問題,該計算的復(fù)雜性使高動態(tài)范圍成像的視頻制作成為不可能。而且,基于“紅、綠、藍(lán)”(RGB)顏色空間的高動態(tài)范圍成像的傳統(tǒng)方法包括一些不足。首先,因為所有的RGB通道都跟亮度水平有關(guān)聯(lián),相機(jī)反應(yīng)函數(shù)的評估需要在所有三個通道進(jìn)行,這也是計算代價高昂的原因。其次,采樣難以覆蓋所有的灰度范圍,抽樣偏差降低了評估的表現(xiàn)。第三,低亮度的光線中色彩雜訊可能降低評估的表現(xiàn)。最后,調(diào)和映射可能導(dǎo)致顏色的失真,例如白平衡的失真。因此,需要提供一種系統(tǒng)以及方法,該系統(tǒng)以及方法用于合成高動態(tài)范圍成像的一組圖像,以省時以及高效的方式來保存高動態(tài)范圍成像的質(zhì)量。技術(shù)實現(xiàn)要素:本發(fā)明提供了一種用于高動態(tài)范圍成像的方法以及裝置?;谠撗苌f明,該發(fā)明方法利用了之前丟棄的方法點出了高動態(tài)輻射地圖的恢復(fù)。亮度信道利用分別的混合曲線快速計算結(jié)合的不同的曝光值。利用現(xiàn)有的方法保存了大量的計算資源?;诹炼?Y)、藍(lán)色-亮度(U)以及紅色-亮度(V)的顏色空間,提出的步驟不需要額外的后期處理步驟,從而克服之前的方法所帶來的彩色失衡以及熒光缺陷等問題。因此根據(jù)第一部分所揭露的主體,提供了一種高動態(tài)范圍成像的方法。該方法包括:基于一組查找表(LUTs)計算YUV顏色空間的一組圖像的Y分量的權(quán)重;混合該組圖像的Y分量的所述權(quán)重,以產(chǎn)生混合的Y分量;以及將所述混合的Y分量與相應(yīng)的UV分量相結(jié)合以產(chǎn)生YUV顏色空間的單張高動態(tài)范圍圖像。在一優(yōu)選的實施方式中,進(jìn)一步包括基于高動態(tài)范圍成像的該組圖像的曝光設(shè)置,初始化所述查找表(LUTs)。在一優(yōu)選的實施方式中,進(jìn)一步包括:利用不同的曝光設(shè)置曝光RGB顏色空間中該組圖像,使每張圖像具有一個唯一的曝光設(shè)置;以及在所述計算之前,將該組圖像從RGB顏色空間轉(zhuǎn)化至YUV顏色空間。在一優(yōu)選的實施方式中,進(jìn)一步包括:平均YUV顏色空間的該組圖像的UV分量值以獲取平均UV分量。在一優(yōu)選的實施方式中,其中結(jié)合的步驟包括結(jié)合所述混合的Y分量以及所述平均UV分量,以產(chǎn)生YUV顏色空間的單一的高動態(tài)范圍圖像。在一優(yōu)選的實施方式中,進(jìn)一步包括:將所述單一的高動態(tài)范圍成像從YUV顏色空間轉(zhuǎn)化至RGB顏色空間,以產(chǎn)生RBG顏色空間的高動態(tài)范圍成像。在一優(yōu)選的實施方式中,其中所述計算Y分量的權(quán)重包括基于每幅圖像的曝光設(shè)置,采用從多個函數(shù)中選擇一函數(shù)計算Y分量。在一優(yōu)選的實施方式中,其中所述基于每幅圖像的曝光設(shè)置,采用從多個函數(shù)中選擇一函數(shù)計算Y分量包括:將第一修正S型函數(shù)應(yīng)用至最大化曝光不足圖像的Y分量;將第一修正S型函數(shù)的導(dǎo)數(shù)應(yīng)用至正常曝光圖像的Y分量;以及將第二修正S型函數(shù)應(yīng)用至最大化過度曝光圖像的Y分量。在一優(yōu)選的實施方式中,其中所述基于每副圖像的曝光設(shè)置,采用從多個函數(shù)中選擇一函數(shù)計算Y分量包括:在第一修正S型函數(shù)以及第一修S型函數(shù)的導(dǎo)數(shù)之間,將第一插值函數(shù)應(yīng)用至曝光不足圖像的Y分量;在第一修正S型函數(shù)的導(dǎo)數(shù)以及第二修正S型函數(shù)之間,將第二插值函數(shù)應(yīng)用至曝光過度圖像的Y分量。在一優(yōu)選的實施方式中,其中最大化曝光不足的圖像的Y分量的應(yīng)用包括應(yīng)用S(x,a)的函數(shù);正常曝光圖像的Y分量的應(yīng)用包括應(yīng)用的函數(shù);以及最大化曝光過度的圖像的Y分量的應(yīng)用包括應(yīng)用S(255-x,a)的函數(shù)。在一優(yōu)選的實施方式中,其中應(yīng)用曝光不足圖像函數(shù)的Y分量的應(yīng)用包括應(yīng)用的函數(shù);以及曝光過度的圖像的Y分量的應(yīng)用包括應(yīng)用函數(shù)。在一優(yōu)選的實施方式中,其中因子α在[0-1]之間的范圍,因子β在[0-1]之間的范圍。在一優(yōu)選的實施方式中,進(jìn)一步包括:平滑化計算的Y分量的權(quán)重。在一優(yōu)選的實施方式中,其中平滑化包括應(yīng)用具有計算的Y分量權(quán)重的高斯濾波器。在一優(yōu)選的實施方式中,其中平均UV分量包括:應(yīng)用平均計算方程式到該組圖像的每個UV分量。因此,根據(jù)主體的第二部分所闡述的實施方式,提供一具有高動態(tài)范圍成像的圖像攝像機(jī)。該相機(jī)能夠提供一高動態(tài)范圍模塊,用于執(zhí)行以上實施方式中的任一討論的方法。附圖說明為讓本發(fā)明的上述目的、特征和優(yōu)點更能明顯易懂,以下結(jié)合附圖對本發(fā)明的具體實施方式作詳細(xì)說明,其中:圖1為實施例的頂層模塊圖,描述具有高動態(tài)范圍能力的相機(jī)的實施方式,其中相機(jī)用于獲取高動態(tài)范圍圖像。圖2為實施例的頂層模塊圖,描述圖1的相機(jī)的替代實施例,其中該相機(jī)用于獲取高動態(tài)范圍視頻。圖3為實施例的頂層模塊圖,描述圖1的相機(jī)中的另一替代實施例,其中獲取了用于高動態(tài)范圍成像的一組五張曝光不同曝光度的圖像。圖4為實施例的頂層模塊圖,描述圖1的相機(jī)中的再一實施例,其中獲取了用于高動態(tài)范圍成像的一組七張曝光不同曝光度的圖像。圖5為實例性的流程圖,描述利用圖1或者圖2中顯示的高動態(tài)范圍模塊執(zhí)行方法的實施方式,其中所述方法包括結(jié)合YUV顏色空間的一組圖像至一個高動態(tài)范圍圖像。圖6為實例性的流程圖,描述圖5的方法的一種實施方式,其中所述方法包括平均該組圖像的UV分量以及初始化曝光設(shè)置的LUTs。圖7為實例性的流程圖,描述圖5或者圖6的方法一種實施方式,其中該方法包括將RGB顏色空間的一組圖像結(jié)合至RGB的顏色空間的高動態(tài)范圍圖像。圖8為實例性的流程圖,描述圖5,圖6或者圖7的方法的一種替代實施方式,其中方法包括執(zhí)行權(quán)重計算。圖9為實例性的流程圖,進(jìn)一步闡述了圖8的方法的實施方式,其中闡述了所述每個模塊的所適用的方程式。圖10為實例性的流程圖,進(jìn)一步闡述了圖8的方法的實施方式,其中5個或者更多的圖像包括在一組圖像中用于高動態(tài)范圍成像的圖像中。圖11為實例性的流程圖,進(jìn)一步闡述了圖10的方法的實施方式,其中闡述了每個模塊所適用的方程式。圖12為曲線圖,顯示了傳統(tǒng)高動態(tài)范圍成像方法采用的典型的權(quán)重函數(shù)的混合曲線。圖13為曲線圖,顯示了所述方法的實施方式中當(dāng)a=-0,05時權(quán)重函數(shù)的混合曲線。圖14顯示了一組具有三個曝光設(shè)置:-1EV(圖14A),0EV(圖14B),+1EV(圖14C)的三組圖像,且其可視化的權(quán)重分別顯示在圖14D、圖14E以及圖14F中。圖15,圖16以及圖17為利用上述的方法進(jìn)行高動態(tài)范圍成像的實例,其中三幅圖像(1EV,0EV,+1EV)用于產(chǎn)生高動態(tài)范圍圖像。應(yīng)當(dāng)注意的是,所述諸圖不是依照比例繪制,且在所述諸圖中,出于圖示目的,具有相似結(jié)構(gòu)或功能的元件通常用相似參考數(shù)字來表示。還應(yīng)當(dāng)注意的是,所述諸圖僅用于便于描述優(yōu)選實施方式的目的。所述諸圖沒有圖示所描述實施方式的所有方面,且不限制本公開的范圍。具體實施方式本發(fā)明提出了系統(tǒng)以及方法,用于高動態(tài)范圍成像的快速混合。一般而言,雖然能夠適用于任何圖像采集裝置,該圖像采集裝置能夠為高動態(tài)范圍成像以不同的特定曝光度拍攝一組圖像,但是為說明性目的,將參照能夠利用從曝光不足到曝光過度的增量曝光水平采集一組圖像的相機(jī)展現(xiàn)以及描述所述系統(tǒng)以及方法。為了說明所揭露的系統(tǒng)以及方法的目的,圖14分別展示了利用圖14A、圖14B以及圖14C的增量曝光(-1EV,0EV,+1EV)的一組三張圖像的例子。所述三張圖片中的每一張圖片捕捉場景的某些部分的細(xì)節(jié)等,例如圖10A所拍攝的場景為天空,圖10B所拍攝的場景為河流,圖10C所拍攝的場景為建筑物以及小船。該系統(tǒng)以及方法的目的在于將具有不同曝光度的所述三張圖像結(jié)合至一張高動態(tài)范圍圖像中,該高動態(tài)范圍圖像保存了三張圖像中的每一張的細(xì)節(jié)。圖1顯示了用于實現(xiàn)上述高動態(tài)范圍成像目的的相機(jī)100。正如圖1所示,該相機(jī)100具有用于接收表現(xiàn)場景198的光線的鏡頭102。通過所述鏡頭102接收的光線以用于產(chǎn)生數(shù)據(jù)流133的光信號131的方式提供給傳感器104,該數(shù)據(jù)流133代表場景198的圖像信號。該數(shù)據(jù)流133傳遞到圖像信號處理器(ISP)110的成像管道。圖像信號處理器(ISP)110包括具有高動態(tài)范圍成像模塊114的芯片。圖像信號處理器110的自動曝光模塊116控制著每張圖像的曝光的產(chǎn)生以及儲存在存儲器106中。如圖1中所示,例如,通過傳感器104以及圖像信號處理器110能夠產(chǎn)生一組包括曝光不足的圖像106A,正常曝光的圖像106B以及曝光過度的圖像106C的三張圖像。該組三張圖像存儲于所述存儲器106中。該組圖像能夠通過成像管道112流水線式輸送到高動態(tài)范圍模塊114,該高動態(tài)范圍模塊114結(jié)合該組圖像產(chǎn)生一單一的高動態(tài)范圍圖像。該組流水線式的圖像包括每張圖片的曝光設(shè)置。因此,高動態(tài)范圍模塊114的目的在于拍攝代表特定場景并具有其曝光設(shè)置的一組圖像以及產(chǎn)生單一的高動態(tài)范圍圖像199。類似地,為了拍攝高動態(tài)范圍的視頻,圖2中顯示了相機(jī)100,該相機(jī)100具有用于接收表現(xiàn)場景198的光線的鏡頭102。通過所述鏡頭102接收的光線提供到傳感器104中,用于產(chǎn)生數(shù)據(jù)流131,所述數(shù)據(jù)流131代表一組連續(xù)的圖像的流動??刂葡到y(tǒng)120通過變化增益模塊118改變傳感器104的增益值,從而以不同的曝光時間獲取視頻中特定幀的一組圖像。如圖2中所示,例如,通過數(shù)據(jù)流134,能夠獲得存儲器106中視頻的每一幀的具有曝光不足的圖像106A,正常曝光圖像106B以及曝光過度的圖像106C的一組三張圖??刂葡到y(tǒng)120通過成像管道112的控制來自存儲器106的數(shù)據(jù)流。該組流水線式的圖片包括三幅圖像以及每幅圖像的曝光設(shè)置。所述流水線式的圖像通過數(shù)據(jù)流135提供給ISP110的高動態(tài)范圍模塊114。鑒于曝光設(shè)置,高動態(tài)范圍模塊114結(jié)合特定幀數(shù)的一組圖像以產(chǎn)生單一的高動態(tài)范圍圖像199,所述高動態(tài)范圍圖像199代表了所述視頻的所述幀。所述視頻中的每一幀采用上述高動態(tài)范圍圖像199方式處理,以生成連續(xù)流動的高動態(tài)范圍圖像或者幀,所述連續(xù)流動的高動態(tài)范圍圖像或者幀表示視頻片段。雖然僅為說明性的目的,在圖1以及圖2中已經(jīng)展示和描述基于三幅圖像提供高動態(tài)范圍成像的所述配置,但是本文所揭露的方法能夠適用于任何數(shù)量的圖像。所揭露的方法典型地用于奇數(shù)數(shù)目的高動態(tài)范圍圖像。例如,因此該揭露的用于高動態(tài)范圍圖像的方法能夠應(yīng)用于五幅或者更多的具有不同曝光值的圖像。在典型的采用自動包圍曝光的高動態(tài)范圍成像的的曝光設(shè)置中,在曝光場景198時采用包圍曝光。雖然所述曝光可以以任何合適的順序(或者次序)進(jìn)行,但典型地,需要首先確定正常曝光。然后,基于選擇的正常曝光,以正向及負(fù)向上固定間隔的曝光補(bǔ)償來采集多個圖像以形成一系列的圖像,該系列圖像中包括具有正常曝光的圖像。該系列圖像的曝光值形成等差數(shù)列。例如,對于五張圖像的序列,正常曝光值可以設(shè)置為0EV,曝光補(bǔ)償?shù)墓潭ㄩg隔選擇為1。因此,該序列的圖像的曝光值為(-2EV,-1EV,0EV,+1EV,+2EV)。相同的例子,如果固定間隔選擇為2,該系列的圖像的曝光值為(-4EV,-2EV,0EV,+2EV,+4EV)。另一方面,所述固定間隔包括任何能產(chǎn)生該系列圖像的任何適用的數(shù)目。相關(guān)概念應(yīng)用在了七張或者更多圖像的序列。七張圖像的序列中,如果正常曝光值設(shè)為0EV,固定間隔選擇為1,該系列的圖像的曝光值為(-3EV,-2EV,-1EV,0EV,+1EV,+2EV,3EV)。相似地,如果固定間隔選擇為2,該序列變?yōu)?-6EV,-4EV,-2EV,0EV,+2EV,+4EV,6EV)。為了本文揭露的目的,一序列圖像等同于一組圖像。圖3顯示了相機(jī)100,所述相機(jī)100利用前述段落所描述的中的曝光設(shè)置的方法采集具有一組五張圖片的高動態(tài)范圍圖像。該組五張圖像包括兩個曝光不足的圖像106A,106D,普通曝光的圖像106B以及兩張曝光過度的圖像106E,106C。106A,106D,106B,106E以及106C的曝光值如上所述的等差數(shù)列。圖1D顯示了相機(jī)100,所述相機(jī)100利用前利用具有一組七張圖像獲取的高動態(tài)范圍圖像,所述七張圖像包括三張曝光不足的圖像106A,106F,106D,一張普通曝光的圖像106B以及三張曝光過度的圖像106E,106G以及106C。除了高動態(tài)范圍成像中的圖像數(shù)量之外,圖3以及圖4中的方式與圖1中所示的方式相同。106A,106F,106D,106B,106E,106G,and106C的曝光值形成了等差數(shù)列。現(xiàn)在,通過圖5闡述相機(jī)100處理高動態(tài)范圍圖像的一種方法,該方法展示了由高動態(tài)范圍模塊114執(zhí)行的方法200的實施方式(如圖1A以及圖1B所示)。在圖5中,方法200提供了兩個用于處理該組圖像的處理分支:第一處理分支201A處理該圖像的Y分量,以及第二分支201C獲取該組圖像的曝光設(shè)置。當(dāng)高動態(tài)范圍模塊114(如圖1以及圖2所示)沿著曝光設(shè)置接收YUV顏色空間的一組圖像,在219中,高動態(tài)范圍模塊114為從該組圖像中選出每張圖片選擇Y分量。接著,在220中,通過調(diào)節(jié)在229中獲取的曝光設(shè)置權(quán)重計算,高動態(tài)范圍模塊114計算該組圖像的每個Y分量的權(quán)重220中的權(quán)重計算將在圖8,圖9,圖10以及圖11中進(jìn)行討論。在206中,基于在220中計算的權(quán)重,高動態(tài)范圍模塊114混合該組圖像的每張圖片的Y分量,以產(chǎn)生混合的(或者合成的)Y分量。接著,在208中,高動態(tài)范圍模塊114結(jié)合該組圖像中所述混合的Y分量與相應(yīng)的UV分量以產(chǎn)生YUV顏色空間中的高動態(tài)范圍圖像。圖5中的另外一種實施例的方法200在圖2B中得到進(jìn)一步的闡述。為了處理用于高動態(tài)范圍成像的YUV顏色空間的一組圖像,所述方法200提供用于處理該組圖像的三種處理分支:第一處理分支201A處理該組圖像的Y分量,第二處理分支201C處理該組圖像的曝光設(shè)置,及第三處理分支201B處理該組圖像的UV分量。在202中,當(dāng)HDR模塊114(如圖1以及圖2所示)沿著它們的曝光設(shè)置獲取YUV顏色空間的一組圖像時,所述高動態(tài)模塊114為從該組圖像中選擇的一張圖像的每一曝光設(shè)置初始化查閱表(LUT)。接著,在220中,同圖5相似,通過調(diào)節(jié)曝光設(shè)置權(quán)重計算,高動態(tài)范圍頻率模塊114計算該組圖像的每個Y分量。在206中,基于在220中計算的權(quán)重,高動態(tài)范圍模塊114混合該組圖像的每張圖像的Y分量,以產(chǎn)生一組混合的(或者合成的)Y分量。方法200的處理分支201A中,高動態(tài)范圍模塊114在209中選擇同樣一組圖像的UV分量,以及在210,計算所述圖像中選擇的UV分量值的平均值以產(chǎn)生平均UV分量。在208中,高動態(tài)范圍模塊114結(jié)合所述混合的Y分量以及所述平均UV分量在YUV顏色空間產(chǎn)生單張高動態(tài)范圍圖像。方法200的另外一種實施方式,正如圖7所示,高動態(tài)范圍模塊114在紅綠藍(lán)(RGB)顏色空間處理高動態(tài)范圍成像的一組圖片。與圖6所描述的相似,方法200也提供了用于處理該組圖像三種處理分支:第一處理分支201A處理該組圖像的Y分量,第二處理分支201B處理該組圖像的UV分量,第三處理分支201C處理該組圖像的曝光設(shè)置。依據(jù)以上參照圖6提出的方法,在202中,高動態(tài)范圍模塊114為從該組圖像中選擇的一張圖像的每一曝光設(shè)置初始化查找表(LUT)。與圖6中所描述的不同,在201中,在計算該組圖像的每張圖片的Y分量的權(quán)重之前,本實施方式下的高動態(tài)范圍模塊將該圖像從RGB顏色空間轉(zhuǎn)換為YUV顏色空間。任何用于將RGB轉(zhuǎn)換為YUV的傳統(tǒng)方法都可以在201中進(jìn)行使用。將RGB顏色空間轉(zhuǎn)化為YUV顏色空間之后,高動態(tài)范圍頻率模塊114計算從該組圖像中選擇的每張圖像的Y分量的權(quán)重。與圖5以及圖6中所描述的相似,在220中,通過調(diào)節(jié)曝光設(shè)置權(quán)重計算,HDR模塊114計算權(quán)重。除了圖5以及圖6所描述的之外,在205中,HDR模塊114還執(zhí)行平滑操作從而降低了潛在的偽影。在205的平滑化之后,在206中,高動態(tài)范圍模塊114將在組圖像中每張圖像的Y分量進(jìn)行混合,從而產(chǎn)生一個混合Y分量。依據(jù)以上參照圖6所討論的方法,在210中,高動態(tài)范圍模塊114獲取同樣一組圖像的UV分量以平均UV分量的數(shù)值,從而產(chǎn)生平均UV分量。在208中,高動態(tài)范圍模塊114結(jié)合了素數(shù)混合Y分量以及所述平均UV分量來產(chǎn)生YUV顏色空間的單一的高動態(tài)范圍圖像。最后,在209中,高動態(tài)范圍模塊114將結(jié)合的YVU顏色空間轉(zhuǎn)化為RGB顏色空間以產(chǎn)生高動態(tài)范圍成像的圖像?;诒尘罢鹿?jié)所述的現(xiàn)有高動態(tài)范圍成像的方法的方程式(3)的進(jìn)一步推導(dǎo),上述實施方式的方法200進(jìn)一步發(fā)展。在一種實施方式中,圖5,圖6以及圖7中的方法200能夠通過將方程式(3)重新改寫為:在該實施方式,如方程式(2)以及方程式(3)所討論的,方法200取消了調(diào)和映射。在傳統(tǒng)的高動態(tài)范圍成像的方法中,在亮度圖的恢復(fù)之后執(zhí)行該調(diào)和映射,因此造成所述恢復(fù)的計算成本昂貴。該實施方式假設(shè)f(X)滿足近似方程式:一般地,合理性地推斷出f(g(Zj(x,y))-lnkj)=Zj(x,y)+δj,其中δj在正常曝光情況下數(shù)值較小,在曝光不足的情況下為正值且在曝光過度的情況下為負(fù)值。因此,方程式(4)可以重新改寫為方程式(5):其中∈為畸變,跟參數(shù)δj有關(guān)。如果我們假定該組曝光為對稱的并且場景198覆蓋了大范圍的灰度,E(∈)=0并且畸變∈能夠忽略。因此,該高動態(tài)范圍成像能夠通過不同曝光的混合進(jìn)行簡化。不同于背景章節(jié)所描述的先前的方法,在該實施方式中所使用的權(quán)重函數(shù)考慮了與圖像相關(guān)聯(lián)的曝光設(shè)置。從數(shù)學(xué)的角度上來說,w(zj(x,y))替代為w(Zj(x,y),kj)。當(dāng)選擇的三幅圖像中一個為曝光不足、一個為正常曝光以及一個為過度曝光時,假設(shè)為修正S型函數(shù),建議權(quán)重函數(shù)通過方程式(6A):定義,其中S′(x,a)是S(x,a)的導(dǎo)數(shù),a用于控制曲線的形狀。α以及β為混合因子,與曝光數(shù)值呈線性比例關(guān)系。圖4闡明了基于方程式(6A)的計算的一種實施方式。圖4為流程圖,顯示了以上參照圖2B在220中所提出模塊化計算權(quán)重、在206中所提出的模塊化混合Y分量的方式的細(xì)節(jié)。在221中,高動態(tài)范圍模塊114(如圖1A以及圖1B所示)獲取一組三張圖像:一張最大化曝光不足的圖像106A,一張正常曝光的圖像106B以及一張最大化曝光過度的圖像106C(共同顯示于圖1A-B中)?;诿繌垐D像的不同的曝光設(shè)置,高動態(tài)范圍模塊114能夠應(yīng)用不同的方程式來計算從三組圖像中選出的的每張圖像的權(quán)重。在223中,對于最大化曝光不足的圖像,高動態(tài)范圍模塊114應(yīng)用了第一S型函數(shù),S(x,a)。在225中,對于正常曝光圖像,高動態(tài)范圍模塊114應(yīng)用了第一S型函數(shù)的導(dǎo)數(shù)在228中,對于最大化曝光過度的圖像,高動態(tài)范圍模塊114應(yīng)用了第二修正S型函數(shù),S(255-x,a)。每張圖像中的Y分量能夠基于計算的權(quán)重進(jìn)行混合。在206中,每張圖像的Y分量能夠基于計算的權(quán)重進(jìn)行混合,以上述參照圖5,6以及7中所提出的方法生成混雜的Y分量。基于上述對方程式(6A)的描述,計算式(6A)能夠抽象為:根據(jù)方程式(6B)的方法的實施方式在圖9中顯示。當(dāng)計算Y分量的權(quán)重時,本實施方式下的高動態(tài)范圍模塊114在223中對最大化曝光不足的圖像應(yīng)用第一修正S型函數(shù),在225中對正常曝光圖像應(yīng)用第一S型修正函數(shù)的導(dǎo)數(shù),在228中對最大化過度曝光的圖像的應(yīng)用第二修正函數(shù)。方法200的另外一個實施方式中,包括對用于高動態(tài)范圍成像的五幅圖像的處理。在該實施方式中,所述五幅圖像以不同的、且對稱的曝光獲得:兩個曝光不足的圖像,一個正常曝光的圖像以及兩個曝光過度的圖像,正如圖1以及圖2所描述的5張圖像所示以及圖3所顯示的那樣。為了本實施方式的目的,具有最小曝光度的圖像的被選為最大化曝光不足圖像106A(如圖3所示);正常曝光的圖像被選為正常曝光圖像,106B;具有最大曝光度的圖像被選為最大化曝光過度的圖像,106C。除此之外,另一個曝光不足的圖像被選為曝光不足的圖像,106D,另一個曝光過度的圖像被選為曝光過度的圖像,106E。為該組五幅圖像提供權(quán)重函數(shù)的實施方式在下文根據(jù)方程式(7A)進(jìn)行闡述。其中S′(x,a)為S(x,a)的導(dǎo)數(shù),以及a用于改變曲線的形狀,α、β為混合因子,與曝光值之間呈線性比例關(guān)系。一種依據(jù)方程式圖(7A)計算Y分量的權(quán)重的方法220的具體實施方式顯示于圖10中。在圖10中,高范圍動態(tài)成像模塊114(如圖1至2中所示)獲取用于高動態(tài)范圍圖像的一組五幅圖像。除了圖8中所描述的三幅圖像之外,圖10在最大化曝光不足處理模塊223以及正常曝光處理模塊225之間具有一個曝光不足處理模塊224。而且,圖10具有一個在正常曝光處理模塊225以及最大化曝光過度處理模塊228之間的曝光過度處理模塊227。在224中,對于曝光不足的圖像106D,高動態(tài)范圍模塊114應(yīng)用了第一插值函數(shù)該插值函數(shù)為第一修正S型函數(shù)S(x,a)以及第一修正S型函數(shù)的導(dǎo)數(shù)的插值函數(shù)。在227中,對于曝光過度的圖像106E,高動態(tài)范圍模塊114應(yīng)用了第二插值函數(shù)該插值函數(shù)為第一修正S型函數(shù)以及第二修正S型函數(shù)S(255-x,a)。所述五張圖像中的每一張的Y分量都基于在206中計算出的權(quán)重進(jìn)行混合,以產(chǎn)生一個混合的Y分量。方程式(7A)能夠簡化為:依據(jù)(7B)的方法的實施方式在圖11闡述。在該實施方式中,最大曝光不足的圖像106A,正常曝光圖像106以及最大曝光圖像106C的權(quán)重可以參照圖9所提出的方法進(jìn)行計算。對于曝光不足的圖像106D,高動態(tài)范圍模塊114應(yīng)用了參照圖9所提出的插值函數(shù)。對于曝光過度的圖像106E,高動態(tài)范圍模塊114應(yīng)用了參照圖9所提出的第二插值函數(shù)。在206中,五張圖像中的每一張的Y分量基于計算的權(quán)重進(jìn)行混合,以產(chǎn)生混合的Y分量。雖然圖10以及圖11的實施方式中是結(jié)合一組五張圖像闡述的,但是一組七幅或者更多圖像(通常為奇數(shù)值)也能夠通過方法200處理。在處理一組七幅圖像的第一實施方式中,所述七幅圖像采用參照圖1-4所提出的方法進(jìn)行曝光。為本實施方式的目的,最大曝光不足的圖像、正常曝光的圖像以及最大曝光過度的圖像可以參照如圖10以及圖11的描述選出。最大曝光不足的圖像以及正常曝光的圖像之間的兩個圖像中的其中一個圖像將被選為曝光不足圖像106D,在正常曝光圖像以及最大曝光過度的圖像之間的兩個圖像中的其中一個圖像將被選為曝光過度圖像106E。曝光不足圖像106D以及曝光過度圖像106E的選擇通常相對于正常曝光圖像106B對稱。在本實施方式中,未被選擇的其他的兩幅圖像被忽略。被選中的圖像的權(quán)重計算可以通過以上參照圖10以及圖11所提及的方法來確定。被選中的圖像的用于權(quán)重計算的Y分量在206被混合,以產(chǎn)生混合的圖像。一組七張或者更多圖像的處理過程同樣適用于方法220的不同實施方式。在處理一組七張圖像的一實施方式下,該曝光設(shè)置以及最大化曝光不足的圖像106A,正常曝光圖像106B以及最大化曝光過度圖像106C的選擇與參照第一示例性實施方式處理一組七張圖像中所描述的相同。本實施方式下,在最大化曝光不足圖像106A以及正常曝光圖像106B之間的兩個曝光不足圖像(106F,106D)都被選為曝光不足的圖像。在正常曝光圖像106B以及最大化的曝光過度圖像之間的兩個曝光過度的圖像(106E,106G)都被選為曝光過度的圖像。根據(jù)相同的實施方式,當(dāng)應(yīng)用方程式7(A)于曝光不足以及曝光過度圖像時,確定因子α的簡單的示例性的方式為利用每一個曝光補(bǔ)償值與除了最大化曝光之外的所有曝光不足補(bǔ)償(或者除了最大化曝光補(bǔ)償?shù)乃衅毓膺^度補(bǔ)償值)的總和之間的分式計算。例如,在對應(yīng)于圖像106A,106F,106D,106B,106E,106G及106C的曝光序列(3EV(應(yīng)該是-3EV),-2EV,-1EV,0EV,+1EV,+2EV,3EV)中,除了最大化曝光之外的所有曝光補(bǔ)償不足106F、106D的總和為-3且106F的曝光補(bǔ)償值為-2;因此,因子α為2/3。當(dāng)計算106F的權(quán)重時,方程式7A成為:106D的曝光補(bǔ)償值為-1;因此,參數(shù)值α為1/3。當(dāng)計算106F的權(quán)重時,方程式(7A)變?yōu)椋和瑯拥姆椒ㄟm用于曝光過度圖像106E以及106G。本實施方式中,該組所有的七個圖像的Y分量都能夠通過在206中進(jìn)行混合。在基于方程式(6A)到(7B)的方程式的步驟206中,混合的方案可能產(chǎn)生導(dǎo)致混和的Y分量的偽影,特別的是,當(dāng)場景198的對比度特別高的時候。方法200中的一種實施方式能夠包括用于平滑化計算出的權(quán)操作,從而減少偽影。平滑化權(quán)重的操作(如圖7中所顯示)可以發(fā)生在一個或者更多的權(quán)重計算之后,例如圖8以及圖9中223,225以及228所示,以及圖6以及圖7中223,224,225,227以及228所示,以及在圖8至圖11的步驟206的混合操作之前。正如一個典型例子,高斯濾波器能夠用于平滑化計算出的權(quán)重,從而降低甚至是克服混合中的偽影。正如以上所述,為了避免圖像質(zhì)量的失真以及提升高動態(tài)范圍成像處理的速度,所提出方法的實施方式利用YUV顏色空間處理圖像。只有Y分量用來計算動態(tài)變化。對于UV分量,所有普通的結(jié)合方法都適用。在方法200中的一種實施方式中,UV分量結(jié)合了方程式(8)中的簡單平均化計算,請再參閱圖6以及圖7,處理中的該組圖像的UV分量在210中進(jìn)行簡單化平均。在210中的平均化的操作之后,UV分量在208中與混和的Y分量相結(jié)合,從而在208中產(chǎn)生了單一的高動態(tài)范圍圖像。方法200的一實施方式的最大化曝光不足圖像、正常曝光圖像以及最大化曝光過度圖像的權(quán)重曲線的典型的圖表顯示如圖13。圖14不僅展示最終的結(jié)果,還展示了可視化具有曝光值(-1EV,0EV,+1EV)的三幅圖像的權(quán)重的實例。圖14顯示了用于高動態(tài)范圍圖像的一組三張圖像,圖14A為曝光不足的圖像,圖14B成為正常曝光圖像,以及圖14C成為曝光過度的圖像。在圖14的右邊,圖14D可視化的顯示了在方法200的混合方案中圖14A的權(quán)重,圖10E可視化的顯示了混合方案中圖14B的權(quán)重,及圖14F可視化的顯示了混合方案中圖14C的權(quán)重。右手邊的圖像的明亮區(qū)域表示相比于左手邊圖像的同樣區(qū)域具有更大的權(quán)重,例如,圖14A中的天空,左邊中間圖像的河流,以及圖14C的建筑物以及小船。圖14的可視化權(quán)重顯示了利用方法200(如圖8以及圖9中所示)結(jié)合三幅圖像所捕捉的場景198(如圖1以及圖2中所顯示)的所有細(xì)節(jié)。例如,在圖14A中曝光不足的圖像捕捉了場景中最亮部分的細(xì)節(jié),該部分為天空。圖14D顯示出圖14A的天空部分具有比該圖像中的其他部分大的權(quán)重。類似地,圖14B中正常曝光圖像捕捉了河流的細(xì)節(jié),且圖14E顯示出圖14B的河流具有更大的權(quán)重。圖14C中曝光過度的圖像捕捉到了最暗部分的細(xì)節(jié),該細(xì)節(jié)為建筑物以及小船,圖14F顯示出建筑物以及木船具有更大的權(quán)重。圖15、圖16以及圖17為三個實例,顯示了三張圖像以及利用方法200的實施方式處理后的高動態(tài)范圍圖像。圖15A,圖16A以及圖17A被選為最大化曝光不足圖像(-1EV)106A。圖15B,圖16B以及圖17B被選為正常曝光圖像(0EV)106B。圖11C,圖15C以及圖16C以及17C被選為最大化曝光過度圖像(+1EV)106C。圖15D、圖16D以及圖17D為處理后的高動態(tài)范圍圖像199。在圖15,圖16以及圖17的實例中能夠看到,場景中高亮和陰暗部分的動態(tài)范圍在高動態(tài)范圍圖像199中得到了修正,因此該組三張圖像的每張圖像所采集的細(xì)節(jié)都反映在了高動態(tài)范圍圖像中。根據(jù)我們的測試結(jié)果,當(dāng)利用ARMCortexA9處理器進(jìn)行評估的時候,該處理方法相比于傳統(tǒng)的需要高動態(tài)范圍輻射圖恢復(fù)的方法快將近10倍。所揭示的內(nèi)容可以廣泛應(yīng)用于圖像以及視頻的高動態(tài)范圍成像,包括但不限于相機(jī)以及具有相機(jī)的便攜式無線電話。并不排除所揭示的內(nèi)容同樣能夠應(yīng)用于其他寬動態(tài)范圍成像系統(tǒng)。所公開的實施方式容易具有各種各樣的修改和替換形式,并且其特定實例已通過舉例方式在圖中示出并在本文中詳細(xì)描述。然而,應(yīng)理解,所公開的實施方式并不限于所公開的特定形式或方法,相反地,所公開的實施方式應(yīng)當(dāng)涵蓋所有修改、等效物和替換物。當(dāng)前第1頁1 2 3 當(dāng)前第1頁1 2 3 
當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1