Opencv计算摄影---高度动态范围成像

理论

今天，大多数数字图像和成像设备每通道使用8位，因此将设备的动态范围限制为两个数量级（实际上是256级），而人眼可以适应变化十个数量级的照明条件。 当我们拍摄现实世界场景的照片时，明亮区域可能会曝光过度，而暗区域可能会曝光不足，因此我们无法使用单次曝光捕获所有细节。 HDR成像适用于每通道使用8位以上（通常为32位浮点值）的图像，从而允许更宽的动态范围。

获取HDR图像的方法有很多种，但最常见的方法是使用不同曝光值拍摄的场景照片。 要结合这种曝光，了解相机的响应函数是有用的，并且有估算它的算法。 混合HDR图像后，必须将其转换回8位以在常规显示器上查看。 此过程称为色调映射。 当场景或相机的物体在镜头之间移动时会出现额外的复杂性，因为应该注册和对齐具有不同曝光的图像。

我们将展示如何从曝光序列生成和显示HDR图像。 在我们的例子中，图像已经对齐，没有移动的物体。 我们还展示了一种称为曝光融合的替代方法，可产生低动态范围图像。 HDR管道的每个步骤都可以使用不同的算法实现，因此请查看参考手册以查看所有步骤。

曝光序列

代码

#include 
#include "opencv2/imgcodecs.hpp"
#include 
#include 
#include 
#include 
using namespace cv;
using namespace std;
void loadExposureSeq(String, vector&, vector&);
int main(int, char**argv)
{
    vector images;
    vector times;
    loadExposureSeq(argv[1], images, times);
    Mat response;
    Ptr calibrate = createCalibrateDebevec();
    calibrate->process(images, response, times);
    Mat hdr;
    Ptr merge_debevec = createMergeDebevec();
    merge_debevec->process(images, hdr, times, response);
    Mat ldr;
    Ptr tonemap = createTonemapDurand(2.2f);
    tonemap->process(hdr, ldr);
    Mat fusion;
    Ptr merge_mertens = createMergeMertens();
    merge_mertens->process(images, fusion);
    imwrite("fusion.png", fusion * 255);
    imwrite("ldr.png", ldr * 255);
    imwrite("hdr.hdr", hdr);
    return 0;
}
void loadExposureSeq(String path, vector& images, vector& times)
{
    path = path + std::string("/");
    ifstream list_file((path + "list.txt").c_str());
    string name;
    float val;
    while(list_file >> name >> val) {
        Mat img = imread(path + name);
        images.push_back(img);
        times.push_back(1 / val);
    }
    list_file.close();
}

解释

加载图像和曝光时间

首先，我们从用户定义的文件夹加载输入图像和曝光时间。 该文件夹应包含images和list.txt - 包含文件名和反向曝光时间的文件。

对于我们的图像序列，列表如下：

估计相机响应

有必要知道许多HDR构造算法的相机响应函数（CRF）。 我们使用其中一种校准算法来估算所有256个像素值的逆CRF。

制作HDR图像

我们使用Debevec的加权方案，使用前一项中计算的响应构建HDR图像。

色调映射HDR图像

由于我们希望在常见的LDR显示器上看到我们的结果，因此我们必须将HDR图像映射到8位范围，以保留大部分细节。 这是色调映射方法的主要目标。 我们使用带有双边滤波的tonemapper，并将2.2设置为伽马校正的值。

进行曝光融合

如果我们不需要HDR图像，可以使用另一种方法合并曝光。 该过程称为曝光融合，并产生不需要伽马校正的LDR图像。 它也不使用照片的曝光值。

写结果

现在是时候看看结果了。 请注意，HDR图像无法以常见图像格式之一存储，因此我们将其保存为Radiance图像（.hdr）。 此外，所有HDR成像函数都会在[0,1]范围内返回结果，因此我们应将结果乘以255。

效果

色调映射图

HDR图