hdr 算法 学习笔记之二
引：本文只是笔记，建议有条件的同学专注于原文。
论文章节节选目录
简单索引：
第三章 高动态范围图像处理算法...
3.1 高动态范围图像综述 .........
3.2 相机响应曲线标定 ...........（debec算法的精要）
3.3 根据响应曲线合成HDR图像.....
3.4 高动态范围图像存储 .........（关键词 rgbe）
3.5 Tone Mapping压缩显示........ (关键词 区间映射)
3.6 YUV空间图像HDR合成 ......... （关键词 3个通道简化为Y）
3.7 本章小结 ...................
第四章 高动态范围图像处理结果...
4.1 实验原始图像的获取 .........
4.2 采样点的选取 ...............(关键词方程组个数的思考)
4.3 相机响应曲线的标定结果 .....（等待下次阅读+实战分析）
4.4 HDR合成结果.................
4.4.1 Tone Mapping 显示结果 ....（关键词 yuv虽然快但效果欠佳恢复亮度公式待改进）
4.4.2 算法速度分析 .............（等待下次深入阅读）
4.5 本章小结 ...................
前面说到 算法细节，我们得到响应曲线。
高动态范围图像存储
关于 HDR 图像的一个很重要的方面是高动态范围图像的存储问题。HDR
图像不同于传统的单字节存储的 RGB 图像，高动态范围图像的存储要复杂很
多，其中一个需要考虑的问题是如何减少磁盘空间的占用并能表示高动态范围
图像的浮点数据。目前已经有了一些存储 HDR 图像的文件格式被开发出来。
主要的有 HDR 格式、TIFF 格式、EXR 格式。HDR 格式的图像（*.hdr）（*.pic）
（*.rad）也叫照度格式（radiance format），它包含了一段 ASCn 文件头、一个
表示图像大小的字符串以及通过流程编码处理的图像数据。对于每个像素点，
一般采用 RGBE 编码，共 32 个比特来表示一个像素点的数据。假设场景图像
的三通道色彩数据分别为WR 、WG、WB ，那么 RGBE 编码中的数据
MR 、MG 、MB 分别由下面的公式得到。
【】
笔记：一句话用32比特存储了一个点信息
Tone Mapping压缩显示
由于普通的显示设备无法显示高动态范围图像，因此采用一种称为色调映射
（Tone Mapping）的压缩算法将高动态范围图像压缩为低动态范围图像（LDR）
来显示，并且保证显示的精度。色调映射算法目前有很多，基本分为两大类，
全局的色调映射算法和局部色调映射算法。对于Tone Mapping压缩算法的研
究也是目前高动态范围图像合成技术中的一个研究热点，目前Tone Mapping的方法有很多，
比如伽马压缩算法、基于直方图均衡化的算法，基于Retinex的算法，基于梯度
的压缩算法等。基本的目标都是一样的，就是将高动态范围的照度数据从最小
值到最大值的浮点数数据全部通过一种映射变成普通显示设备可以显示的
[0,255]范围内的一个字节的数据大小。
笔记：倾向于下一次研究基于亮度直方图。还有映射函数的本质处理。
本文采用一种简单的指数映射压缩算法，其中Ein为通过相机响应曲线标定
后计算得到的照度数据，和Emax, Emin分别是照度数据的最大值和最小值，Eout是
经过Tone Mapping压缩后的结果。gamma是参数，本文取值为 0.5。将数据带
入下面的公式【】
笔记：典型的映射公式，数据被分散到一个区间而已。
采样点的选取
关于采样点的选取在第三章中详细描述了，本文利用采样点的像素亮度数
据来求解最小二乘目标函数，必须保证线性系统是超静定的（overdetermined），
采样点个数不能少于线性方程组的个数。同时从算法的时间复杂度上来说，太
多的采样点，计算耗时，效果也不一定好。根据目标函数式(3-13)可知，曝光时
间、权重和灰度值是已知的，函数和照度是未知的，并且函数为灰度值与照度
的映射。对于N个采样点和P幅不同曝光图像，能够得到N*P个等式。另外
为了固定响应曲线的位置，增加了公式(3-11)的条件。这样就有了 N*P+1个方程组成了求解Zmax- Zmin+1个函数和 N个曝光度的求解系统，为了使这个线性系统有解，要求采样点的个数满足 N*P+1 >=Zmax -Zmin +1 + N。
例如假设灰度值最小值为 0，最大值为 255，有 11 张不同曝光量的图像，则总共需要选取的像素点数目理论值不少于 26 个。因此对于像素点的选取要给出一个标准，尽量选择能够覆盖大部分像素灰度值的采样点。采样点的选取是需要经过实验多次验证的，本文给出采样点选取 5x5、5x10、10x10、10x20 以及 20x20 的实验结果。
笔记：核心就是构造合适的方式组，详细见文中标记。基础，最小二乘待补充细节
HDR合成结果
Tone Mapping 显示结果
本文采用的简单的指数曲线 Tone Mapping 压缩算法，实现比较简单，但是
现实的结果不是非常理想，这在后面需要进一步改进。可以采用局部 Tone
Mapping 色调映射，更好地体现场景图像的丰富细节。本文给出基于 RGB 空间
的合成结果和基于 YUV 空间的合成结果，经过试验对比，合成的图像质量都
能符合要求。由于基于 YUV 空间的图像合成仅仅处理了 Y 通道数据，对于 U
和 V 通道通过平均所有像素点来得到，可以看出第一组图像偏红，第二组图像
偏绿，以后需要针对 U 和 V 通道数据做进一步的改进。
笔记：个人认为，yuv方式进行hdr,还有很多细节要处理，不然过简单就像作者所言。