一种具有不同曝光值的多幅LDR图像获取方法与流程

本发明属于图像处理技术领域，特别涉及一种多幅ldr图像获取方法。

背景技术：

由具有不同曝光值的多幅ldr图像生成hdr图像的时候，多幅ldr图像的个数、亮度范围、色彩信息以及边缘纹理都将影响着生成的hdr图像的明暗程度和细节信息。因此多幅曝光ldr图像的获取对于生成高质量的hdr图像来说是至关重要的。

目前，多幅ldr图像的获取方式包括直接获取方式和基于单幅图像的获取方式两种：1、多幅ldr图像的直接获取方式就是利用数码相机，首先调整数码相机等数字图像获取工具的光圈和快门以便获取不同曝光值的ldr图像，然后再利用图像配准算法对多曝光ldr图像进行校正。该方法获取方法复杂繁琐，且需要图像配准，因此计算量大。2、基于单幅图像的多ldr图像获取方法就是利用单幅ldr图像来获取具有不同曝光值的多幅ldr图像，首先是选取一幅ldr图像作为参考图像，然后通过色调映射处理来对其进行亮度调整得到多幅曝光值不同的ldr图像，该方法能够避免了繁琐的配准步骤，而且使得图像的获取方式简单便捷。

技术实现要素：

为了克服现有技术存在的缺陷，本发明提出了一种具有不同曝光值的多幅ldr图像获取方法，先对单幅曝光良好的图像进行色调映射，从而生成具有不同曝光值的多幅图像，然后对这些图像进行retinex增强，从而可以生成细节更丰富的图像。

本发明的一种具有不同曝光值的多幅ldr图像获取方法，该方法包括以下步骤：

步骤1、输入单幅ldr图像；

步骤2、对上述的单幅ldr图像基于色调映射生成具有不同曝光值的多幅ldr图像，公式如下：

其中，lfakek(x,y)表示生成的第k幅不同曝光图像中(x,y)像素处的亮度值；ld(x,y)表示作为输入ldr图像中(x,y)像素处的归一化亮度值；pk表示第k幅不同曝光ldr图像的亮度调节因子，表示用于控制相邻伪曝光ldr图像之间的亮度差，lad,k表示第k幅不同曝光ldr图像的平均亮度值，lsmax设置为固定值，取382.5，lmax,k表示第k幅不同曝光ldr图像中最大的亮度值，由下式求得lad,k的方程为：

lad,k＝1+exp(μevk)

其中，evk表示第k幅不同曝光ldr图像的曝光值；μ表示可调节的常数，取μ＝0.85；通过设置[evk,pk]获取质量良好的具有不同曝光值的多幅ldr图像；

步骤3、对步骤(2)生成的具有不同曝光值的多幅ldr图像进行色彩恢复的retinex增强，获取具有不同曝光值的多幅ldr图像，该步骤具体包括以下步骤：

其中，ii,k(x,y)表示输入的第k幅不同曝光的ldr图像在i颜色通道的(x,y)像素处的亮度值，n表示尺度数量，n表示1～n中任一尺度值，wn表示每个尺度的权重，一般为1/n，r表示在以e为底数的对数域输出的图像，msr表示multiscaleretinex即多尺度retinex算法，fn(x,y)为输入ldr图像中(x,y)像素处在任一尺度下的滤波值；

计算色度标量，公式如下所示：

其中，i′i,k(x,y)表示被色度标量后的第k幅输入不同曝光的ldr图像中在i通道的(x,y)像素处的亮度值，s表示色度通道数，rgb三通道，s＝3；ii,k(x,y)表示在色度通道i下的第k幅输入不同曝光的ldr图像中(x,y)像素处的亮度值；

利用带恢复色彩的多尺度retinex算法进行多幅ldr图像的色彩恢复，公式如下所示：

其中，表示第k幅输入图像在i通道进行多尺度retinex算法后在像素点(x,y)处的亮度值，表示第k幅输入图像在i通道进行带色彩恢复的多尺度retinex算法后在像素点(x,y)处的亮度值；其中：

ci,k(x,y)＝βlog[αi′i,k(x,y)]

这里，β表示增益常数，α表示控制着非线性的强度；由于图像显示的时候，图像的像素值应该为[0,255]之间，故而对输出的值进行调整，调整公式如下所示：

其中，表示输入的第k幅图像在retinex增强后的图像在i通道中所有像素点的最小值，表示输入的第k幅图像在retinex增强后的图像在i通道中所有像素点的最大值，表示输入的第k幅不同曝光的图像在retinex算法后i通道的值进行调整后在像素点(x,y)的输出的值。

与现有技术相比，本发明让多幅曝光ldr图像获取方法更简单便捷，容易操作，而且生成的图像细节更丰富、纹理更清晰。因此，对于hdr的融合有着至关重要的作用；不仅如此，该算法增加了retinex算法，这样使得生成的多曝光ldr图像细节更清晰、清晰度提高，对于后续的hdr图像生成的质量有着一定重要的作用。

附图说明

图1为多幅曝光ldr图像生成算法框图；

图2为实验结果图，(a)、s曲线映射生成的多幅曝光ldr图像；(b)、基于retinex的s曲线映射生成的多幅曝光ldr图像。

具体实施方式

下面结合附图对本发明作进一步详细描述。

第一步：基于色调映射生成具有不同曝光值的图像

常用于调整亮度的色调映射曲线有线性曲线、曲线和s曲线。其中s曲线能够增强亮度处于中间范围的明亮区域和黑暗区域的对比度，并且人眼对中间范围的亮度的感知是至关重要的。将一个正常曝光的ldr图像转化为有着不同亮度的图像，从而可以获取更多的信息，为此实现色调映射函数建模的s曲线方程如下：

其中，lfake(x,y)表示生成图像中(x,y)像素处的亮度值；ld(x,y)表示作为输入ldr图像中(x,y)像素处的归一化亮度值；lad表示伪曝光图像的平均亮度值；c表示乘法因子，lsmax设置为固定值，取382.5，lmax表示具有不同曝光值的多幅图像中最大的亮度值。

为了生成具有不同曝光值的多幅ldr图像，本发明从ldr图像的平均亮度值以及多幅ldr图像之间的亮度差这两方面着手。每幅ldr图像的平均亮度值决定了视觉上的亮暗程度，其实也是反映了真实场景中的亮度倾向，这对于最终的融合来说是至关重要的。而为了保证各个曝光值之下的细节信息能够在融合生成的hdr图像中得到展示，需使得每幅多曝光ldr图像在最终的融合过程中的贡献近似，应保持多曝光ldr图像之间的亮度差一致。因此，本发明采用的改进的s曲线方程为：

其中，lfakek(x,y)是生成的第k幅不同曝光图像中(x,y)像素处的亮度值；ld(x,y)表示作为输入ldr图像中(x,y)像素处的归一化亮度值；pk表示第k幅不同曝光ldr图像的亮度调节因子，用于控制相邻伪曝光ldr图像之间的亮度差，lad,k表示第k幅不同曝光ldr图像的平均亮度值，lsmax设置为固定值，取382.5，lmax,k表示第k幅不同曝光ldr图像中最大的亮度值，由下式求得lad,k的方程为：

lad,k＝1+exp(μevk)(3)

其中，evk表示第k幅不同曝光ldr图像的曝光值；μ是可调节的常数，取μ＝0.85。因此该色调映射函数受[evk,pk]控制，对于给定不同的[evk,pk]就会产生不同的曝光图像。因此，通过设置[evk,pk]获取质量良好的多曝光ldr图像。为了加强生成的不同曝光图像的细节和清晰度，本文采用retinex算法，如下所示。

其中，ii,k(x,y)为输入的第k幅不同曝光的ldr图像在i颜色通道的(x,y)像素处的亮度值，n为尺度数量，n表示1～n中任一尺度值，wn为每个尺度的权重，一般为1/n，r表示在以e为底数的对数域下输出的图像，msr表示multiscaleretinex即多尺度retinex算法，fn(x,y)为输入ldr图像中(x,y)像素处在任一尺度下的滤波值，一般为高斯函数，如公式(5)所示：

其中，σn表示在尺度n下的滤波的标准偏差，cn为归一化的因子，满足∫∫fn(x,y)dxdy＝1。由于以往的retinex算法会出现彩色失真的现象，所以要对图像进行色彩恢复，首先计算色度标量，公式如下所示：

其中，i′i,k(x,y)表示被色度标量后的第k幅输入不同曝光的ldr图像中在i通道的(x,y)像素处的亮度值，s代表了色度通道数，rgb三通道，所以s＝3；ii,k(x,y)为在色度通道i下的第k幅输入不同曝光的ldr图像中(x,y)像素处的亮度值。

所以带恢复色彩的多尺度retinex公式如下所示：

其中：

ci,k(x,y)＝βlog[αi′i,k(x,y)](8)

这里，β是增益常数，α控制着非线性的强度，其中，表示第k幅输入图像在i通道进行多尺度retinex算法(msr)后在像素点(x,y)处的亮度值，表示第k幅输入图像在i通道进行带色彩恢复的多尺度retinex算法(msrcr)后在像素点(x,y)处的亮度值。

由于图像显示的时候，图像的像素值应该为[0,255]之间，故而对输出的值进行调整，调整公式如下所示：

其中，表示输入的第k幅图像在retinex增强后的图像在i通道中所有像素点的最小值，表示输入的第k幅图像在retinex增强后的图像在i通道中所有像素点的最大值，表示输入的第k幅不同曝光的图像在retinex算法后i通道的值进行公式(9)调整后在像素点(x,y)的输出的值。

至此，就得到基于retinex算法后的多曝光图像，该图像不仅细节更清晰，而且清晰度更高。

本发明的具体实施例描述如下：

1)、以生成5幅多曝光ldr图像为例，设定k＝0～4，lsmax＝382.5，evk＝(-1,-0.5,0,0.5,1)，pk＝(1.6,1.3,1,0.85,0.75)，μ＝0.85，n＝3，σ1＝15，σ2＝80，σ3＝250，α＝125，β＝46，wn＝1/3。

2)、按照公式(1)到(9)，求出由单幅图像生成的具有不同曝光值的多幅ldr图像；

如图2所示为本实施例的实验结果。其中图(a)表示单幅图像基于s曲线生成的多曝光ldr图像，图(b)表示在图(a)基础上进行retinex算法后的多曝光ldr图像。

如表1所示，是图2中图(a)与图(b)的5幅多曝光图像(依次从左至右)的信息熵与清晰度的值。

表1、信息熵与清晰度的对比

主观上通过图(a)与图(b)的对比可以发现，利用retinex算法对图像进行增强后，生成的多曝光图像细节更清晰。客观上，由于图像信息熵可以反映了图像中平均信息量的多少；图像的清晰度可以反映图像上各细部影纹及其边界的清晰程度。因此，通过表1中图(a)与图(b)的信息熵和清晰度的对比可以发现，基于retinex算法增强后的5幅多曝光的图像不仅细节信息增加，而且图像更清晰，这将有助于后续的hdr图像生成。