结构光中多重曝光图像融合算法

算法参考自文章：[1] ZHANG S, YAU S. High dynamic range scanning technique[J]. Optical Engineering, 2009, 48(3): 33604.

1.基本背景

当前数字图像的动态范围（一般为0-255）远小于自然界真实场景，难以获取高质量的图像细节。应用到结构光领域，像素过暗会导致调制度过低噪声大，相位计算误差大，重建质量差；像素过饱和会导致相位计算直接错误，重建不出点云。传统的高动态范围图像关注于图像的细节显示，会对每个像素计算权重进行融合，但在结构光中直接进行应用会导致后续的相位计算发生错误，因此需要不同的方法。

下图使用的是4步相移公式，与Song Zhang的三步相移有所区别。

2.算法基本原理

采集多种不同曝光时间下的条纹图像，同一位置选取最大但不饱和的像素作为融合后图像的像素。但考虑到后续的相位计算，因此必须满足统一频率下所有条纹图像的同一位置不发生过曝光。基础流程如图所示，这里用的是三步相移，因此需要保证三张图像同一位置不发生过曝。

3.算法基本流程（基于opencv建议流程）

1. 从低曝光到高曝光，循环读取单步频率所对应的条纹图像（4步即为4张，3步则为3张），以最低曝光时间的图像为初始融合图像。
2. 将所有图像进行二值化，过曝光的置为1，未曝光的置为0
3. 将二值化后的图像相加，将大于等于1的像素置为0，其他的置为1，即可得出掩模矩阵。
4. 融合图像 = 当前读取条纹图像*掩模矩阵 + （1-掩模矩阵）*融合图像

算法实现较为简单，因此暂不公布实例。