本发明是关于一种影像方法，且特别是一种宽动态范围影像(wide dynamic range imaging)方法。
背景技术：
增加图像的动态范围往往可以增加图像整体的细节，尤其是暗处和亮处的资讯可以更为明显，而增加图像的动态范围大致可以分成两大类型的做法：高动态范围影像(high dynamic range imaging)方法和宽动态范围影像方法。
高动态范围影像方法可以得到较佳质量的影像，但是在演算法上大多需要超过两张的影像当作输入影像才可以得到一张输出影像，此外这两张输入影像又很难在同时间可以撷取到，因此高动态范围影像方法非常不容易应用于动态视讯与即时(real time)影像输出，亦即其有不少的使用限制。
宽动态范围影像方法仅需要一张输入影像就可以得到一张输出影像，故其不论是在软体或是硬体上都很方便实做，但是也因为宽动态范围影像方法只有使用一张输入影像，故其可以利用的资讯比多张输入影像少，且其所需要的演算法也因此十分地重要。
一般的宽动态影像范围方法很容易产生其他的不良影响，例如：影像杂讯变大、整体对比度降低、光晕现象与色彩过于鲜艳甚至偏色。甚至，宽动态范围影像方法产生的影像，在暗处的视觉感受不甚理想，尤其是当人脸在背光环境下，人脸会过暗。
最普遍的宽动态范围影像方法之一是利用一个全域映射曲线来达成，例如使用伽玛校正(gamma correction)曲线来进行映射，其公式表示为P'＝N·(P/N)1/γ，其中P表示输入的像素值(其可以是红色、绿色或蓝色像素值)，P’表示透过全域映射曲线进行校正后所产生的像素值，N表示像素值的量化阶数(例如为255)，而γ是一个静态或是可以动态调整的参数，决定了伽玛校正曲线的变化幅度(变化较缓或较陡)。此种方法是将影像中所有的像素值使用个全域映射曲线进行校正，故实作上较为简单。
然而，利用一个全域映射曲线来达成的宽动态范围影像方法有者以下缺点。因为红色、绿色或蓝色像素值对应于全域映射曲线的不同位置，而这些不同位置对应有不同的切线斜率，故红色、绿色或蓝色像素值增益值不全相同，而可能会有偏色的情况发生。另外，因为最大增益值相关于全域映射曲线的最大切线斜率，故对于影像中暗部区域的细节与视觉感受的提升非常有限。除此之外，全域映射曲线虽然可以提升影像中某处的亮度与细节，但却会另外地牺牲掉影像中其他一处的细节，导致影像部份的细节与整体对比的损失。
另一种普遍的宽动态范围影像方法是利用多个区域映射曲线来达成。影像可以被划分为多个区域，其中每一个区域会对应到其中一个区域映射曲线，以对输入的像素值进行校正。利用多个区域映射曲线来达成的宽动态范围影像方法可以解决无法提升影像中暗部区域的细节与视觉感受的问题，且不会造成影像部份的细节与整体对比的损失。
然而，利用多个区域映射曲线来达成的宽动态范围影像方法是将每一个区域对应到其中一个区域映射曲线，且影像很难正确地划分区域，因此各区域之间可能有会光晕现象的发生。特别是在无法使用复杂硬体对影像进一步地作边缘滤波的情况下，影像中的光晕现象会非常明显。即使，使用了边缘滤波对影像进行了处理，区域之间仍会出现不自然的分层现象。
技术实现要素：
本发明实施例提供一种宽动态范围影像方法，其包括以下的步骤。透过多个区域映射曲线对影像进行区域映射，以针对影像中多个区域进行不全一样的亮度校正，其中区域最少包括一个像素。区域映射的步骤说明如下。该影像进行滤波，以获得低频影像。依据低频影像获得影像各区域的参考值。依据影像的区域的参考值自多个区域映射曲线选择其中之一对应于影像的区域。依据对应于影像的区域的区域映射曲线获得对应的增益曲线，依据增益曲线获得区域的像素值或亮度的增益值，依据像素值对应的亮度获得增益调整值，以及根据亮度、增益值与增益调整值来调整像素值。
综合以上所述，本发明实施例所提供的宽动态范围影像方法可以增加影像整体的细节，且同时能够让影像中暗部区域与亮部区域的细节明显显现。
为使本发明所属技术领域具有通常知识者能更进一步了解本发明的特征及技术内容，请参阅以下有关本发明的详细说明与附图，但是此等说明与所附图式仅是用来说明本发明，而非对本发明的权利范围作任何的限制。
附图说明
图1是本发明实施例的宽动态范围影像方法的流程的示意图。
图2是本发明实施例的全域映射曲线的示意图。
图3是本发明实施例的宽动态范围影像方法对影像进行区域映射的流程的示意图。
图4是本发明实施例的宽动态范围影像方法对影像进行减低光晕现象的计算差异值的示意图。
图5是本发明实施例的宽动态范围影像方法对影像进行减低光晕现象时，所计算出的差异值与光晕值的曲线的示意图。
图6是本发明实施例的宽动态范围影像方法对影像进行减低光晕现象时，所计算出的最大值与微调率的曲线的示意图。
图7是本发明实施例的多个区域映射曲线的示意图。
图8是本发明实施例的选定的区域映射曲线对应的增益曲线的示意图。
图9是本发明实施例的宽动态范围影像方法对影像进行增益放大时，计算出的亮度与调整值的曲线的示意图。
图10本发明实施例的宽动态范围影像方法对影像进行增益放大时，对输入的像素进行增益放大的示意图。
图11是本发明实施例的宽动态范围影像方法对影像进行杂讯降低时，所使用的像素值与抑杂讯值的曲线的示意图。
图12是本发明实施例的宽动态范围影像方法对影像进行杂讯降低时，计算像素平缓值的示意图。
图13是本发明实施例的宽动态范围影像方法对影像进行自动强度调整后的像素值的直方图的示意图。
符号说明
S11～S14、S31～S36：步骤流程
GC：全域映射曲线
R1～R3：区域
W1、W2：低通滤波窗口
CP：像素
LC1～LC3、LC：区域映射曲线
GNC：增益曲线
MASK1～MASKN：遮罩
MOD：模式信号
MUX：多工器
CONV：卷积分器
Psmooth：平缓像素值
HC1～HC3：直方图
α1：光晕值
α3：增益调整值
α1’、R1’、MA、mA、PI1、PI2、β1、β2、m1、m2：数值
R1：微调率
TH1～TH5：门限值
R、R’：红色亮度值
G、G’：绿色亮度值
B、B’：蓝色像素值
GN、GN’：增益值
Y、Y’：亮度
U、U’：色差
V、V’：浓度
DNS：抑杂讯值
DIF：差异值
MAX：最大值
具体实施方式
本发明实施例提供一种宽动态范围影像方法，所述宽动态范围影像方法会将影像的曝光程度降低，以让影像中过曝或过亮的亮部区域的细节可以明显呈现，而提升视觉感受。接着，所述宽动态范围影像方法会透过多个区域映射曲线对影像进行区域映射，以针对不同区域进行不同的亮度校正，以使得影像中暗部区域与亮部区域的细节都能够完整地呈现，其中区域最少包括一个像素(包括红色、蓝色与绿色像素；或者，包括两个绿色像素与两个红色像素(贝尔图样))。
在此请注意，对影像进行区域映射的步骤说明如下。所述宽动态范围影像方法会对影像进行低通滤波，然后，再根据经低通滤波后的影像的区域的像素值产生参考值，以及根据区域内的参考值自多个区域映射曲线中选择其中之一作为影像(其未经低通滤波)的区域对应的区域映射曲线。针对影像(其未经低通滤波)的每一个区域，根据选定的区域映射曲线获得对应的增益曲线，依据所述增益曲线获得区域内的像素值或亮度的增益值，然后，再依据像素值对应的亮度获得增益调整值，以及根据亮度、增益值与增益调整值来调整像素值，以藉此解决影像中色彩过于鲜艳或偏色的问题。
于本发明其他实施例，在对影像进行区域映射的步骤中，上述区域内的参考值可以是经低通滤波后的影像的区域内的像素值，或者所述参考值可以依照下述方式获得。在上述对影像进行低通滤波后，所述宽动态范围影像方法还会计算经低通滤波后的影像的每一个像素值于两个不同低通滤波窗口下的差异值，并依据差异值与其中一个低通滤波窗口下所计算出的最大值来决定光晕现象比重，以透过此光晕现象比重决定所述像素值对应的参考值。
于本发明其他实施例，在对影像进行区域映射的步骤中，所述宽动态范围影像方法更对影像进行区域标注处理，例如，人脸辨识(face detection)、视觉显著区域标示(salience map)或影像切割处理(image segmentation)，以在根据亮度、增益值与增益调整值来调整像素值后，进一步地依据区域标注处理的结果，再对特定区域的像素值进行亮度调整。例如，再次提升人脸的区域的亮度。
于本发明其他实施例，在对影像进行区域映射的步骤中，所述宽动态范围影像方法更在根据亮度、增益值与增益调整值来调整像素值后，根据经低通滤波后的影像的区域的参考值决定抑杂讯值，并根据抑杂讯值与选定的遮罩来减低影像的杂讯。
于本发明其他实施例，所述宽动态范围影像方法更可以在对影像进行区域映射前，先对利用全域映射曲线先对影像进行一次全域映射，以针对影像的亮度作一次全局的校正。除此之外，所述宽动态范围影像方法还可以在对影像进行区域映射后，对影像进行自动强度调整，以增加影像的对比度。
接着，将以图式与文字详细地描述上述步骤的细节。在此请注意，本发明概念可能以许多不同形式来体现，且不应解释为限于本文中所阐述的例示性实施例。另外，在图式中相同参考数位可用以表示类似的元件。
首先，请参照图1，图1是本发明实施例的宽动态范围影像方法的流程的示意图。所述宽动态范围影像方法包括步骤S11～S14，且可以执行于具有影像撷取功能的电子装置，例如智能手机、数位相机或行车记录器等。
于步骤S11中，所述宽动态范围影像方法会降低影像的曝光程度，以让影像中过曝或过亮的亮部区域的细节可以明显呈现，而提升视觉感受。例如，透过缩小光圈、减少曝光时间或透过软体的图像处理技术来降低影像的曝光程度，总而言之，本发明并不限降低影像的曝光程度的作法。
接着，于步骤S12中，所述宽动态范围影像方法透过全域映射曲线对影像进行全域映射，以提升整张影像的亮度。影像可以分为多个区域，每一个区域包括至少一个像素。若每一个区域包括复数个像素，则每一个区域的红色、绿色与蓝色像素每一者的平均像素值作为全域映射曲线的输入值，以产生此区域的像素的校正后的红色、绿色与蓝色像素值。若每一个区域仅包括一个像素，则每一个区域的红色、绿色与蓝色像素每一者的像素值作为全域映射曲线的输入值，以产生此区域的像素的校正后的红色、绿色与蓝色像素值。
全域映射曲线例如为伽玛校正曲线，其公式表示为P'＝N·(P/N)1/γ，其中P表示输入的像素值(其可以是红色、绿色或蓝色像素值或平均像素值)，P’表示透过全域映射曲线进行校正后所产生的像素值，N表示像素值的量化阶数(例如为255)，而γ是一个静态或是可以动态调整的参数，决定了伽玛校正曲线的变化幅度(变化较缓或较陡)。在此请注意，参数γ可以依据影像内容或需求而进行调整，而且全域映射曲线并非限定仅能为伽玛校正曲线。
请同时参照图1与图2，图2是本发明实施例的全域映射曲线的示意图。简单地说，影像若分为区域R1～R3，则区域R1～R3都使用同一条全域映射曲线GC进行全域映射，以提升整张影像的亮度。于图2中，全域映射曲线GC对应的纵轴代表输出的像素值(例如上述公式的P’)，而全域映射曲线GC对应的横轴代表输入的像素值(例如上述公式的P)。
请接着继续参照图1，在对影像进行全域映射，以提升整张影像的亮度后，考虑到影像中可能有不同的对象与场景，对应于不同对象与场景的区域需要提升的亮度可能不一样，故可以透过步骤S13，使用多个不同的区域映射曲线对对影像进行区域映射，对不同区域的亮度作不同的提升。
接着，进一步地说明对影像进行区域映射的细节。请同时参照图1与图3，图3是本发明实施例的宽动态范围影像方法对影像进行区域映射的流程的示意图。步骤S13可以进一步地包括步骤S31～S36，其中步骤S31、S33与S36并非是必要步骤，亦即可以依据需求自步骤S13中选择性地移除。
首先，在步骤S31中，对影像进行区域标注处理，也就是对影像作一些事前判断的动作，例如人脸辨识、视觉显著区域标示或影像切割处理，以在后续步骤S35根据亮度、增益值与增益调整值来调整像素值后，进一步地依据区域标注处理的结果，再对特定区域的像素值进行亮度调整。例如，再次提升人脸的区域的亮度。
在此请注意，依据能够接受的硬体复杂度，人脸辨识、视觉显著区域标示与影像切割处理可以选择性地被执行。较佳地，人脸辨识至少要被执行，因为人脸部份的亮度有时可能不足，故可以透过步骤S31，将人脸的区域标注，以在后续步骤S35根据亮度、增益值与增益调整值来调整像素值后，再次提升人脸的区域的亮度，从而使得影像的质量较符合用户的需求。
接着，在步骤S32中，对影像进行低通滤波，以取出影像中低频的区域。对影像进行低通滤波的作法例如有使用高斯滤波、中值滤波或边缘保护滤波(edge preserved filtering)对影像进行滤波，其中边缘保护滤波又可以例如是双边滤波(bilateral filtering)或引导滤波(guided filtering)，且低通滤波的详细作法并非用以限制本发明。
低频影像(经低通滤波后的影像)的区域的像素值可以用来产生参考值，以根据区域内的参考值自多个区域映射曲线选择其中之一作为影像(其未经低通滤波)的区域对应的区域映射曲线。在此请注意，若省略下述的步骤S33，则低频影像的区域的参考值等于低频影像的区域的像素值。倘若没有省略下述步骤S33，则依据低频影像的区域的像素值执行步骤S33来计算出低频影像的区域的参考值。以下将进一步地介绍步骤S33。
因为，不同区域若使用不同区域映射曲线进行亮度的调整有可能导致区域之间会有光晕现象产生，因此可以利用步骤S33对步骤S32所产生的低频影像进行处理，以减低影像的光晕现象。另外，如同前面所述，步骤S33可以选择性地自步骤S13中移除，例如，场景会造成的光晕现象并不严重，则可以选择不执行步骤S33。
请同时参照图3与图4，图4是本发明实施例的宽动态范围影像方法对影像进行减低光晕现象的计算差异值的示意图。在步骤S33中，所述宽动态范围影像方法会先计算经低频影像的每一个像素值于两个不同低通滤波窗口W1、W2下的差异值DIF，其公式为DIF＝LPF{Pi|i∈W1}-LPF{Pi|i∈W2}，其中LPF{Pi|i∈W1}表示以像素CP为中心点依据低通滤波窗口W1所计算出的低频值，而LPF{Pi|i∈W2}表示以像素CP为中心点依据低通滤波窗口W2所计算出的低频值，其中i为像素索引值。一般来说差异值DIF越大，表示越有可能发生光晕现象，而需要给予较大的光晕值α1。
在此请注意，上述低通滤波窗口W1与W2的尺寸例如为33x33与3x3个像素大小，但本发明不以窗口W1与W2的尺寸为限。除此之外，上述低通滤波窗口W1与W2的类型较佳地彼此相同，但实际情况亦可以彼此不同，总而言之，发明不以窗口W1与W2的类型为限。
请接着参照图3与图5，图5是本发明实施例的宽动态范围影像方法对影像进行减低光晕现象时，所计算出的差异值与光晕值的曲线的示意图。光晕值α1为0～α1’的数值，α1’例如为1。当差异值DIF小于等于负的门限值TH1时，光晕值α1为0。当差异值DIF介于负的门限值TH1与正的门限值TH2之间时，光晕值α1与差异值DIF大致上成正比例关系，亦即差异值DIF越大，则光晕值α1越大。差异值DIF大于等于正的门限值TH2时，光晕值α1为α1’。
然后，请参照图3与图6，图6是本发明实施例的宽动态范围影像方法对影像进行减低光晕现象时，所计算出的最大值与微调率的曲线的示意图。光晕现象除了相关于上述差异值DIF之外，亦与低通滤波窗口W2内的最大值MAX相关，因此，在得到光晕值α1后，需要依据低通滤波窗口W2内的最大值MAX对光晕值α1进行微调，以获得光晕比重。低通滤波窗口W2内的最大值MAX定义为以像素CP为中心点的低通滤波窗口W2内的最大值，亦即MAX＝max{Pi|i∈W2}。
于图6中，微调率R1为0～R1’的数值，R1’例如为1。当低通滤波窗口W2内的最大值MAX小于或等于正的门限值TH3，则微调率R1为R1’。当低通滤波窗口W2内的最大值MAX介于正的门限值TH3与TH4时，则微调率R1与低通滤波窗口W2内的最大值MAX大致上成反比，亦即低通滤波窗口W2内的最大值MAX越大，则微调率R1越低。当低通滤波窗口W2内的最大值MAX大于或等于正的门限值TH4，则微调率R1为0。另外，依据低通滤波窗口W2内的最大值MAX对光晕值α1进行微调的公式表示为α2＝1-(1-α1)×R1，其中α2表示光晕比重。
光晕比重α2越大，则表示影像区域间的光晕现象越严重，相反地，光晕比重α2越小，则表示影像区域间的光晕现象越轻微。接着，依据光晕比重对低频影像的像素值进行修正，以得到低频影像的参考值，其中低频影像的参考值的公式为REF＝α2×LPF{Pi|i∈W1}+(1-α2)×LPF{Pi|i∈W2}，其中REF表示低频影像的参考值。简单地说，低频影像的参考值REF是根据以对应像素为中心点依据低通滤波窗口W1、W2所计算出的低频值与低频影像的参考值REF所决定。
请接着继续参照图3，在步骤S34中，依据低频影像的区域的参考值REF选择影像(未经低通滤波)的区域的区域映射曲线，其中区域映射曲线可以是伽玛校正曲线、指数曲线或线性曲线，总之本发明并不以区域映射曲线的类型为限制。更进一步地说，若区域仅有一个像素，则以区域内像素对应的参考值REF来选择影像(未经低通滤波)的区域所对应的区域映射曲线。若区域内有复数个像素，则以低频影像的区域内多个像素对应的参考值REF的平均值来选择影像(未经低通滤波)的区域所对应的区域映射曲线。
请同时参照图3与图7，图7是本发明实施例的多个区域映射曲线的示意图。简单地说，影像(未经低通滤波)若分为区域R1～R3，且于低频影像中，区域R1～R3的参考值的平均值不同，则影像(未经低通滤波)的区域R1～R3分别使用不同的区域映射曲线LC1～LC3进行区域映射，以分别提升影像(未经低通滤波)的区域R1～R3的亮度。于图2中，区域映射曲线LC1～LC3对应的纵轴代表输出的像素值，而区域映射曲线LC1～LC3对应的横轴代表输入的像素值。
另外，在硬体储存空间有限的情况，一般仅会纪录变化最缓与最陡的区域映射曲线与对应的参考值或参考值的平均值，而其他的参考值或参考值的平均值所对应的区域映射曲线，则可以由变化最缓与最陡的区域映射曲线透过内插的方式来获得。以图7为例来说，若变化最陡与最缓的区域映射曲线为LC3、LC1，则仅有区域映射曲线为LC3、LC1与其对应参考值或参考值的平均值被储存，而区域映射曲线LC2则是透过内插法来获得。
请继续参照图3，在选定了影像的区域所对应的区域映射曲线后，在步骤S35中，依据影像各区域选定的区域映射曲线，对影像各区域进行增益映射。更进一步地说，于步骤S35中，宽动态范围影像方法并不会直接地使用区域映射曲线对影像的区域内的像素值进行校正，而是根据选定的区域映射曲线获得对应的增益曲线，再依据所述增益曲线获得区域内的像素值或亮度的增益值。然后，再依据像素值对应的亮度获得增益调整值，以及根据亮度、增益值与增益调整值来调整像素值，以藉此解决影像中色彩过于鲜艳或偏色的问题。
请同时参照图3与图8，图8是本发明实施例的选定的区域映射曲线对应的增益曲线的示意图。于步骤S35中，根据选定的区域映射曲线获得对应的增益曲线的作法说明如下，影像某一个区域选定的区域映射曲线LC可以将其纵轴上的输出像素值除以其横轴对应的输入像素值，以藉此获得各输入像素值P对应的增益值GN，从而产生出增益曲线GNC。
接着，依据所述增益曲线获得影像的区域内的像素值P的增益值GN，以藉此将像素值P乘上增益值GN，以获得放大后的像素值P’，亦即，P'＝P×GN，其中像素值P为红色、绿色与蓝色像素值R、G、B。然后，依据红色、绿色与蓝色像素值R、G、B计算出像素值P对应的亮度Y，其中亮度Y的计算公式为Y＝Cr×R+Cg×G+Cb×B，其中Cr、Cg与Cb表示色域转换系数。
之后，请同时参照图3与图9，图9是本发明实施例的宽动态范围影像方法对影像进行增益放大时，计算出的亮度与调整值的曲线的示意图。因为，要解决影像过于鲜艳或偏色问题，因此，需要依据计算出来的亮度Y去获得一个增益调整值α3。如图9所示，增益调整值α3在像素对应的亮度Y为0～门限值TH5之间，其与亮度Y大致上成反比关系，其中，在亮度Y为0时，增益调整值α3为其定义的最大值MA，而在亮度Y为门限值TH5时，增益调整值α3为其定义的最小值mA。增益调整值α3代表的物理意义是解决过于鲜艳或偏色问题的比率，亦即，增益调整值α3越大，则表示解决鲜艳或偏色问题的能力越强，反之，增益调整值α3越小，则表示解决鲜艳或偏色问题的能力越弱，调整后的像素值会与调整前的像素值较为接近。
在获得增益调整值α3后，进一步地依据亮度Y、增益值GN与增益调整值α3来调整像素值P。调整后的像素值P”的计算公式大概表示如下，P”＝P'×(1-α3)+α3×Y'，其中Y’为放大后的亮度，亦即Y'＝Y×GN。
除了上述对影像各区域进行增益映射的作法外，另外说明另一种对影像各区域进行增益映射的作法如下。请同时参照图3与图10，图10本发明实施例的宽动态范围影像方法对影像进行增益放大时，对输入的像素进行增益放大的示意图。如图10所示，先将输入的像素进行色域转换，从RGB域转换为YUV域，其中色域转换的公式如前所述。
接着，将亮度Y作为输入，根据所获得对应的增益曲线(如图8所示)，获得对应亮度Y的增益值GN。然后，根据亮度与增益调整值的曲线(如图9所示)，获得对应亮度Y的增益调整值α3。接着，将增益调整值α3与增益值GN相乘，以获得调整后的增益值GN’，亦即GN'＝α3×GN。
之后，将亮度Y乘上增益值GN，以及将色差U与浓度V乘上调整后的增益值GN’，以获得调整后的亮度Y’、色差U’与浓度V’，亦即，Y'＝Y×GN、U'＝U×GN'、V'＝V×GN'。最后，将调整后的亮度Y’、色差U’与浓度V’从YUV域转换回为RGB域，以获得调整后的红色、蓝色与绿色像素值R’、G’、B’，亦即R'＝Y'+1.13983×(V'-128)、G'＝Y'-0.39465×(U'-128)-0.58060×(V'-128)与R'＝Y'+2.03211×(V'-128)。另外，上述YUV域亦可以采用HIS或HSV域来取代，总而言之，本发明并不限制于此。
在此请注意，若之前步骤S31有对区域进行标注处理，则步骤S35更在根据亮度、增益值与增益调整值来调整像素值后，进一步地依据区域标注处理的结果，再次对特定区域的像素值进行亮度调整。例如，再次提升人脸的区域的亮度。
由于，宽动态范围影像方法为了提升影像中暗部区域的可见度，故越暗的区域，往往会成上越大的增益值，使得影像中的杂讯增加，因此在考虑到杂讯可能影响整张影像的质量时，需要进一步地对影像的杂讯进行抑制，从而提升视觉感受度。
请同时参照图3与图11，图11是本发明实施例的宽动态范围影像方法对影像进行杂讯降低时，所使用的像素值与抑杂讯值的曲线的示意图。因为越暗的区域，往往会成上越大的增益值，故由图11的像素值与抑杂讯值的曲线，可以知道像素值越大，则抑杂讯值DNS越小，相反地，像素值越小，则抑杂讯值DNS越大。举例来说，像素值为PI1时，其抑杂讯值DNS对应为β1，像素值为PI2时，其抑杂讯值DNS对应为β2，其中PI1小于PI2，而β1大于β2。
在获得像素值对应的抑杂讯值DNS后，依据平缓像素值Psmooth与抑杂讯值DNS调整步骤S35产生的影像的各像素值PWDR，以获得减低影像杂讯后的各像素值PDenoised，其运算公式可以表示为PDenoised＝DNS·Psmooth+PWDR·(1-DNS)。上述平缓像素值Psmooth是透过n·n遮罩以像素值PWDR为中心透过卷积分运算而得到。
请同时参照图3与图12，图12是本发明实施例的宽动态范围影像方法对影像进行杂讯降低时，计算像素平缓值的示意图。宽动态范围影像方法会对应场景或情境产生模式信号MOD，以控制多工器MUX选出对应多个场景或情境的多个遮罩MASK1～MASKN的其中之一。然后，透过卷积分器CONV，以像素值PWDR为中心取5·5个像素值使用选择的遮罩，例如MASK1，进行卷积分运算，以获得平缓像素值Psmooth。另外，上述遮罩MASK1～MASKN虽以5·5遮罩为例说明，但本发明不限制遮罩的尺寸。
请同时参照图1与图13，图13是本发明实施例的宽动态范围影像方法对影像进行自动强度调整后的像素值的直方图的示意图。由于步骤S13对影像进行区域映射，因此，影像的对比度可能会改变，故在考虑到影像的全域对比度的情况下，宽动态范围影像方法更可以执行步骤S14，对影像进行自动强度调整。
于图13中，原始的影像的直方图为左边的直方图HC1，其中影像的最小亮度为m1。在经过步骤S13之后，影像的直方图为中间的直方图HC2，其中影像的最小亮度为m2。于步骤S13执行后，影像的直方图会有偏移，故会导致影像的全域对比度的下降。因此，步骤S14的目的就是对影像进行处理，以使影像的直方图可以从中间的直方图HC2变为右边的直方图HC3。自动强度调整的公式可以表示为Pout＝2n-1-(2n-1-PDenoised)·((2n-1-m1)/((2n-1-m2))，其中n为像素值的位元数，而Pout为输出的像素值。在此请注意，倘若步骤S13中的S36被移除，则上述像素值PDenoised须改用像素值PWDR。
请继续参照图1，在此请注意，上述步骤S12与S14在其他实施例中亦可以移除。简单地说，本发明实施例的宽动态影像方法可以仅包括步骤S11与S13，倘若仅进行步骤S11与S13，将影像的曝光程度降低，以及对影像进行区域映射后所输出的影像已经能够符合需求，则步骤S12与S14可以移除。当然，在其他实施例中，亦可以仅移除步骤S12与S14的其中之一。
总而言之，本发明实施例提供一种宽动态范围影像方法，所述宽动态范围影像方法可以增加影像整体的细节，特别是同时能够让影像中暗部区域与亮部区域的细节都能够明显显现。除此之外，所述宽动态范围影像方法更可以解决传统宽动态范围影像方法产生的影像杂讯变大、整体对比度降低、光晕现象、色彩过于鲜艳甚至偏色与暗部区域的细节不明显(特别是人脸在背光时会过暗)等问题。另外，所述宽动态范围影像方法的计算复杂度不大，因此其运行时间快，且硬体复杂度低，特别可以实现于具有影像撷取功能的电子装置内。
以上所述，仅为本发明最佳的具体实施例，惟本发明的特征并不局限于此，任何熟悉该项技艺者在本发明的领域内，可轻易思及的变化或修饰，皆可涵盖在以下本案的专利范围。