hdr算法学习笔记

Temp 阅读笔记
文章来源:基于达芬奇平台的HDR图像合成算法研究
请不要用于商业目的,尊重作者版权。

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
高动态范围HDR(High Dynamic Range)图像合成技术是一种利用计算机高速运算产生高质量逼真效果的场景图像合成技术,广泛应用于计算机游戏开发、医疗影像、遥感图像处理和计算机图形学等领域。高动态范围图像的动态范围很高,所谓的动态范围是指图像亮度值的最大值与最小值的比,动态范围越大表明图像显示的场景细节越多,视觉效果更逼真。一般的传统图像采用一个字节即 8 比特的空间来存储一个像素值,所以普通图像的亮度级别只有 256级,这在很多场合都不能满足对场景细节要求很高的需要。而高动态范围图像采用浮点数多字节来存储一个像素的亮度值,能够全面的表示出自然场景的高动态范围。

笔记:8位表示亮度的局限。动态范围的技术,据我了解,可以做到10w:1

 

目前多数学者采用多张不同曝光度的普通数字图像来计算实际的场景亮度,经过计算机高速计算之后得到一幅HDR高动态范围图像,且通过压缩算法将HDR图像显示在低动态范围(LDR)的显示设备上。这类算法需要解决一个关键问题,就是如何正确的标定相机的响应曲线。高动态范围图像合成技术主要包括相机响应曲线的标定,高动态范围图像的存储以及Tone-Mapping压缩显示算法。

笔记:说明关键问题,在于找到相应曲线。

文献[12]中Paul Debevec 和 Jitendra Malik给出了精确的单通道灰度图像相机标定算法,能够很好的标定相机响应曲线。但是彩色图像的合成将RGB三个
通道认为是分别独立的数据来恢复RGB三个不同的相机响应曲线,计算量大,合成的RGB彩色图像容易造成颜色失真。文献[13]中Tomoo Mitsunaga 和 Shree
K. Nayar提出了用N次多项式来模拟相机响应函数,使用曝光度比的估计值来计算多项式的系数,然后用计算出来的多项式重新估计曝光度比,重复迭代,如果算法收敛,就得到了响应函数和精确的曝光度比。该迭代算法稳健性不好,当迭代结束条件精度设置过高时容易发散,且当曝光度比的估计值偏离正确值较大时会收敛到错误的结果。文献[14]采用N次多项式来模拟相机响应函数,且给出了一个初始化条件,使得该算法的稳定性得到了提高。
本文采用基于多幅不同曝光度的普通数字图像合成高动态范围HDR图像

 

笔记:debevec的算法 matlab版本是基础,我看了后续附件,一个名叫gsolve的函数处理矩阵奇异值分解,至于复杂度,当前查到是O(n^3),
能够得到一个高帧率的hdr结果是一个美好的事情。


由于单幅图像的曝光度固定得到的场景动态范围非常有限,因此需要通过多次曝光来恢复出实际场景真实的照度数据,从而得到HDR图像。如图 3-1所示为
经典的数字图像成像过程。拍摄图像时,光线通过相机镜头到达图像传感器(一般是CCD或CMOS图像传感器)把接收到的光信号通过图像传感器上的光敏单元离散成正比于曝光量的像素点数据,并转换成模拟电压信号,经过A/D转换后变成数字信号,最后经过微处理器的非线性运算转换成图像的数据,存储成
各种格式的图像文件,就是在存储器上得到的数字图像文件。

 

图 3-1 数字图像成像过程示意图【】

Fig.3-1 Pipeline of digital imaging system

 

笔记:这里是典型的流水线,关注点各种信号的传递。在debevec论文里,也有一个经典的图。

hdr算法学习笔记_第1张图片

图的解释是:Image Acquisition Pipeline shows how scene radiance becomes pixel values for both ?lm and digital cameras. Unknown nonlinear mappings can occur during exposure, development, scanning, digitization, and remapping.  The algorithm in this paper determines the aggregate mapping from scene radiance L to pixel values Z from a set of differently exposed images.


【】

 

如图 3-1所示为一般的数字图像成像过程,原始场景照度(Scene Radiance)通过一系列的非线性运算或是映射变成了存储在内存中的各种格式的数字图像文件中的像素灰度值。因此,已知的条件是最终RGB三个通道的每个像素点 8比特位的图像灰度数据,目的是要恢复出原始场景的曝光量即照度。这样在图像数据和实际场景照度之间存在着一种非线性的映射关系,这个映射涵盖了相机内部处理的一系列非线性运算过程,一般称之为相机的响应曲线(Camera Response Curve)。本文通过多幅不同曝光度的图像来标定出相机的响应曲线,就可以恢复出实际场景的照度,最终得到HDR图像。

本文基于多幅不同曝光度图像的HDR图像合成过程,包括三个基本流程,即响应曲线标定、HDR合成、HDR显示等。如图 3-2所示为高动态范围图像合成技术所包含的算法和合成过程。


图 3-2 高动态范围图像合成算法流程图
Fig.3-2 Pipeline of HDR composition algorithm

hdr算法学习笔记_第2张图片
【】

笔记:留意作者专门把重点标示成红色

特别提示:公式的编辑很麻烦@

 

 

你可能感兴趣的:(hdr算法学习笔记)