一种基于多尺度形态学的HDR图像色调映射方法技术

本发明专利技术公开了一种基于多尺度形态学的HDR图像色调映射方法，该方法包括：S1，输入待压缩的HDR图像；S2，构造待压缩HDR图像的对数图像；S3，对对数图像进行动态范围压缩多尺度分解，得到第一高斯金字塔和第一拉普拉斯金字塔；S4，采用一维保边界磨光算子提取第一高斯金字塔增强后的细节层，将第一高斯金字塔的细节层逐层加到第一拉普拉斯金字塔对应的层，得到第二拉普拉斯金字塔；S5，对第二拉普拉斯金字塔进行动态范围压缩重构，得到动态范围压缩后的细节增强图像；S6，对细节增强的图像进行指数变换，得到第一LDR图像；S7，对第一LDR图像进行颜色校正，得到待输出的LDR图像。本发明专利技术能够实现HDR图像动态范围的有效压缩，且可满足某些实时性应用需求。

A tone mapping method of HDR image based on multi-scale morphology

【技术实现步骤摘要】
一种基于多尺度形态学的HDR图像色调映射方法
本专利技术涉及图像处理
，特别涉及一种基于多尺度形态学的HDR图像色调映射方法。
技术介绍
HDR(英文全称为“HighDynamicRange”，中文全称为“高动态范围”)图像比较LDR(英文全称为“LowDynamicRange”，中文全称为“低动态范围”)图像能够表达更多的场景细节与亮度对比信息，在数字图像技术中得到了广泛的应用。专用的HDR显示设备造价昂贵，性价比低。HDR图像在LDR显示设备上显示时，无法真实再现原场景的完整光影效果，而好的色调映射方法可以实现HDR图像动态范围的有效压缩，解决动态范围不匹配问题，以满足更多的实际应用需求。一般来说，HDR图像领域有关色调映射的方法主要分为全局色调映射方法和局部色调映射方法两大类。其中，全局色调映射方法，即对于HDR图像中的每一个像素都使用同样的映射函数进行变换。该类方法由于是每个像素点应用同一个映射函数，是一对一的映射关系，故该类方法的优点是方法简单，运行速度较快，但是此方法没有考虑像素点的空间位置，只考虑了像素点的灰度值，会导致结果图像在亮度、颜色和细节方面造成损失。最早在1984年，Miller基于Stevens心理物理实验数据提出一种全局方法。1993年，Tumblin和Rushmeier同样在Stevens心理物理实验的基础上针对亮度域提出了一种全局方法，该方法是非线性的。1994年，Ward基于视觉敏感性，提出能够使图像对比亮度得以提升的线性映射方法。2003年，Drago在对数变换的基础上提出了一种色调映射方法，因为对数变换和人眼对光的感知更加相似，但是该方法细节丢失严重，无法高效地压缩动态范围。局部色调映射方法，即对于HDR图像中的不同像素点分别采用不同的映射函数进行变换。对每个像素点所在的不同区域进行不同的变换，将像素点的空间位置也纳入考虑范围内，最后有可能出现映射之前不同的像素值映射之后变为一样的值，而映射之前像素值相同的点由于空间位置的不同映射之后变为不同的值的情况。和全局色调映射方法相比较而言，局部色调映射方法不仅考虑了像素点的灰度值，更进一步考虑了像素点的空间位置，故经过该类方法处理后的结果图像会得到更好的效果。而局部色调映射方法缺点是所需的计算量较大，并且容易产生“光晕(halo)”效应。1993年，由Chiu等人最早提出一种局部方法，该方法通过人类视觉系统对亮度变化的敏感性获得局部亮度变化系数，但该方法在极亮极暗区域无法达到理想效果。2002年，Reinhard等人基于摄影模型提出一种自适应调节亮度的局部方法，该方法运行速度较快，并且实现了色彩、对比度和全局亮度的可控性操作，但易造成光晕或细节丢失。2002年，Fattal等人基于亮度梯度域压缩提出一种局部方法，通过调节梯度衰减函数对图像较大亮度梯度区域进行动态范围压缩操作。2011年，SylvainParis等人将局部拉普拉斯滤波器应用到HDR图像动态范围压缩，提出了局部拉普拉斯滤波的边缘感知色调映射方法。2016年，Li等人基于图像多尺度分解及引导滤波提出一种局部方法，该方法可以较好地保持全局对比度和局部对比度，同时可以保留更多细节信息。该方法操作过程中会根据实际需要把图像分成不同的层级，并且在分层过程中完成对图像的相关处理，但由于该过程无法精细把握，会导致图像合成时出现光晕现象。
技术实现思路
本专利技术的目的在于提供一种来克服或至少减轻现有技术的上述缺陷中的至少一个基于多尺度形态学的HDR图像色调映射方法，该方法实现了对HDR图像动态范围的有效压缩，避免了光晕或其他伪影的产生，而且该方法计算量小，能够满足某些实时性的应用需求。为实现上述目的，本专利技术提供一种基于多尺度形态学的HDR图像色调映射方法，该方法包括如下步骤：S1，输入待压缩的HDR图像；S2，构造所述待压缩的HDR图像的对数图像；S3，对所述对数图像以第一预设倍数进行动态范围压缩多尺度分解，得到第一高斯金字塔和第一拉普拉斯金字塔；S4，采用一维保边界磨光算子提取所述第一高斯金字塔增强后的细节层，并将所述第一高斯金字塔的细节层以第二预设倍数逐层加到所述第一拉普拉斯金字塔对应的层，得到第二拉普拉斯金字塔；S5，对所述第二拉普拉斯金字塔以第三预设倍数进行动态范围压缩重构，得到动态范围压缩后的细节增强图像；S6，对所述细节增强的图像进行指数变换，得到第一LDR图像；以及S7，对所述第一LDR图像进行颜色校正，得到待输出的LDR图像；其中，S4中的“采用一维保边界磨光算子提取所述第一高斯金字塔增强后的细节层”的方法具体包括：S41，将保边界二维磨光算子按照所述待压缩的HDR图像的水平和竖直两个方向进行分解，获得水平的一维保边界磨光算子和竖直的一维保边界磨光算子；S42，根据S1中的所述待压缩的HDR图像的种类，利用S41获得的水平的一维保边界磨光算子和竖直的一维保边界磨光算子，分别对所述第一高斯金字塔逐层进行顶帽变换和底帽变换，以获得所述第一高斯金字塔的亮细节层和暗细节层；和S43，将S42得到的亮细节层的伽马变换结果逐层减去S42得到的暗细节层的伽马变换结果，得到所述第一高斯金字塔增强后的细节层。进一步地，S4中，所述待压缩的HDR图像为自然场景的HDR图像的情形下，S42具体包括：S421，利用水平的一维保边界磨光算子和竖直的一维保边界磨光算子分别对所述第一高斯金字塔逐层进行顶帽变换，将每层水平方向顶帽变换结果和竖直方向顶帽变换结果逐点取小，得到亮细节层；S422，利用水平的一维保边界磨光算子和竖直的一维保边界磨光算子分别对所述第一高斯金字塔逐层进行底帽变换，将每层水平方向底帽变换结果和竖直方向底帽变换结果逐点取小，得到暗细节层。进一步地，S4中，所述待压缩的HDR图像为CT-HDR图像的情形下，S42具体包括：S421，利用水平的一维保边界磨光算子和竖直的一维保边界磨光算子分别对所述第一高斯金字塔逐层进行顶帽变换，将每层水平方向顶帽变换结果和竖直方向顶帽变换结果逐点取大，得到亮细节层；S422，利用水平的一维保边界磨光算子和竖直的一维保边界磨光算子分别对所述第一高斯金字塔逐层进行底帽变换，将每层水平方向底帽变换结果和竖直方向底帽变换结果逐点取大，得到暗细节层。进一步地，S3包括：利用如下式(1)，从所述第一高斯金字塔的最底层开始，对所述第一高斯金字塔以第一预设倍数进行动态范围压缩多尺度分解；式(1)中，I是所述对数图像，{G0，G1，......，GN-1}是第一高斯金字塔，G0是所述第一高斯金字塔的最底层，Gl是所述第一高斯金字塔的第l+1层，N是所述第一高斯金字塔的层数，downsample表示滤波下采样算子，β1为所述第一预设倍数。进一步地，S5包括：利用下式(2)，从所述第二拉普拉斯金字塔的最顶层开始，对所述第二拉普拉斯金字塔以第三预设倍数进行动态范围压缩重构，得到的所述细节增强图像G′0；式(2)中，L′N-1是所述第二拉普拉斯金字塔的最顶层，GN-1是所述第一高斯金字塔的顶层图像，G′l是产生的中间高斯金字塔的第l+1层，Ll是所述第二拉普拉斯金字塔的第l+1层，是对G′l+1层滤波上采样的结果，β2为所述第三预设倍数，l是所述第二拉普拉本文档来自技高网...

【技术保护点】
1.一种基于多尺度形态学的HDR图像色调映射方法，其特征在于，包括如下步骤：S1，输入待压缩的HDR图像；S2，构造所述待压缩的HDR图像的对数图像；S3，对所述对数图像以第一预设倍数进行动态范围压缩多尺度分解，得到第一高斯金字塔和第一拉普拉斯金字塔；S4，采用一维保边界磨光算子提取所述第一高斯金字塔增强后的细节层，并将所述第一高斯金字塔的细节层以第二预设倍数逐层加到所述第一拉普拉斯金字塔对应的层，得到第二拉普拉斯金字塔；S5，对所述第二拉普拉斯金字塔以第三预设倍数进行动态范围压缩重构，得到动态范围压缩后的细节增强图像；S6，对所述细节增强的图像进行指数变换，得到第一LDR图像；以及S7，对所述第一LDR图像进行颜色校正，得到待输出的LDR图像；其中，S4中的“采用一维保边界磨光算子提取所述第一高斯金字塔增强后的细节层”的方法具体包括：S41，将保边界二维磨光算子按照所述待压缩的HDR图像的水平和竖直两个方向进行分解，获得水平的一维保边界磨光算子和竖直的一维保边界磨光算子；S42，根据S1中的所述待压缩的HDR图像的种类，利用S41获得的水平的一维保边界磨光算子和竖直的一维保边界磨光算子，分别对所述第一高斯金字塔逐层进行顶帽变换和底帽变换，以获得所述第一高斯金字塔的亮细节层和暗细节层；和S43，将S42得到的亮细节层的伽马变换结果逐层减去S42得到的暗细节层的伽马变换结果，得到所述第一高斯金字塔增强后的细节层。...

【技术特征摘要】
1.一种基于多尺度形态学的HDR图像色调映射方法，其特征在于，包括如下步骤：S1，输入待压缩的HDR图像；S2，构造所述待压缩的HDR图像的对数图像；S3，对所述对数图像以第一预设倍数进行动态范围压缩多尺度分解，得到第一高斯金字塔和第一拉普拉斯金字塔；S4，采用一维保边界磨光算子提取所述第一高斯金字塔增强后的细节层，并将所述第一高斯金字塔的细节层以第二预设倍数逐层加到所述第一拉普拉斯金字塔对应的层，得到第二拉普拉斯金字塔；S5，对所述第二拉普拉斯金字塔以第三预设倍数进行动态范围压缩重构，得到动态范围压缩后的细节增强图像；S6，对所述细节增强的图像进行指数变换，得到第一LDR图像；以及S7，对所述第一LDR图像进行颜色校正，得到待输出的LDR图像；其中，S4中的“采用一维保边界磨光算子提取所述第一高斯金字塔增强后的细节层”的方法具体包括：S41，将保边界二维磨光算子按照所述待压缩的HDR图像的水平和竖直两个方向进行分解，获得水平的一维保边界磨光算子和竖直的一维保边界磨光算子；S42，根据S1中的所述待压缩的HDR图像的种类，利用S41获得的水平的一维保边界磨光算子和竖直的一维保边界磨光算子，分别对所述第一高斯金字塔逐层进行顶帽变换和底帽变换，以获得所述第一高斯金字塔的亮细节层和暗细节层；和S43，将S42得到的亮细节层的伽马变换结果逐层减去S42得到的暗细节层的伽马变换结果，得到所述第一高斯金字塔增强后的细节层。2.如权利要求1所述的基于多尺度形态学的HDR图像色调映射方法，其特征在于，S4中，所述待压缩的HDR图像为自然场景的HDR图像的情形下，S42具体包括：S421，利用水平的一维保边界磨光算子和竖直的一维保边界磨光算子分别对所述第一高斯金字塔逐层进行顶帽变换，将每层水平方向顶帽变换结果和竖直方向顶帽变换结果逐点取小，得到亮细节层；S422，利用水平的一维保边界磨光算子和竖直的一维保边界磨光算子分别对所述第一高斯金字塔逐层进行底帽变换，将每层水平方向底帽变换结果和竖直方向底帽变换结果逐点取小，得到暗细节层。3.如权利要求1所述的基于多尺度形态学的HDR图像色调映射方法，其特征在于，S4中，所述待压缩的HDR图像为CT-HD...

【专利技术属性】
技术研发人员：李宏伟，张颖惠，
申请(专利权)人：首都师范大学，
类型：发明
国别省市：北京,11