为帖）被依次采集一一每个图像都使用根据框120确定的EV-。在一种实施例中，指 定的帖数可W是3。在另一种实施例中，指定的帖数可W是4。更一般地，所采集的帖数能 够是任何合理的数字，该数字由可用的采集与处理时间约束W及从融合中获得的去噪收益 来确定。每个采集的图像然后可W被局部色调映射（框130)。局部色调映射化TM)可W 使用与图像采集设备的选定操作环境和目标相关的且对其有利的任何色调映射操作。一般 地，局部色调映射修改图像像素的噪声特性一一在某些像素中放大噪声W及在其他像素中 减小噪声。在一种实施例中，例如，局部色调映射操作可W被选择W便使每个图像的平均亮 度返回到与若按EVO采集图像可能得到的值近似相等的值。在另一种实施例中，LTM操作 可W被选择W便使每个图像的中值亮度返回到与若按EVO采集图像可能得到的值近似相 等的值。还可W使用每个图像的LTM(与图像的光度信息结合）来生成噪声放大掩模（框 135)，该噪声放大掩模然后可W被用来在融合图像（框140)时指导在不同位置处的融合强 度W产生输出图像I。（框145)。
[001引在某些实施例中，由根据框125的动作提供的图像同样可W具有多个相应的LTM色调曲线（W下称为色调曲线）和多个光度直方图（W下称为直方图）。一般地，每个采 集的图像都可W具有mXn个相应的色调曲线W及mXn个相应的直方图。在一种实施例 中，光度指的是估计的亮度，然而在其他实施例中，光度可W指的是图像的通道值的加权和 (例如，图像的红色、蓝色及绿色通道值的加权和）。在还有一些其他实施例中，光度的选定 形式可W被进一步调整W符合目标实现方式的需要。
[0014]一般地，如果给噪声放大掩模生成操作135提供的每个图像都具有Pf行和P。列像 素，并且每个图像都具有mXn个色调曲线和mXn个直方图，每个色调曲线和每个直方图表 示也今m)X(P。今n)个像素的图像区域。作为示例，在图像为3008X2000个像素化百万 像素）并且m= 8且n= 4的实现方式中，每个图像将会具有32个相应的色调曲线，并且 每个图像具有32个相应的直方图，每个色调曲线和每个直方图代表376X500个像素的图 像区域。按照类似的方式，在图像为3264X2448个像素（8百万像素）并且m= 8且n= 6时，每个图像都将会具有48个相应的色调曲线，每个色调曲线将会代表408X408个像素 的图像区域。
[0015] 参照图2,根据一种实施例的噪声放大掩模生成操作135可W接收色调映射图集 合200和直方图集合205 (框210)。在一种实施例中，对于每个采集的图像将会存在1个色 调映射图W及I个直方图。在另一种实施例中，对于每个图像存在多个色调映射图和多个 直方图（例如，mXn个色调曲线W及mXn个直方图）。使用对于特定实现方式的目标有意 义的且有益的任何关系将色调映射图200与直方图205结合（框215)会产生噪声放大掩 模220 (W下称为掩模）。在形式上：
[001 引M=fC^，H)，公式l
[0017]其中M表示掩模集合220，T表示所有色调曲线的集合200，H表示所有直方图的集 合205,而fO是通用函数。在一种特定的实施例中，例如：
[0018] M= :r(巧/化，公式 2
[0019] 其中M如上文所述的那样，#表示根据直方图估计出的总计亮度值，而表示 基于色调曲线与餐.对应的色调输出值。
[0020] -般地，如果噪声放大掩模的值（即，每个掩模的mXn个值之一）小于1，则与该 掩模值对应的图像像素使它们的噪声通过局部色调映射操作来减小。如果掩模的值大于1， 则与该掩模值对应的图像像素使它们的噪声通过局部色调映射操作来增大，并且如果掩模 的值为1，则与该掩模值对应的图像像素的噪声没有通过局部色调映射操作来改变。应当理 解，在实际的实现方式中，关于具体的掩模值是在1之上还是在1之下的确定能够使用误差 阔值A。在一种实施例中，比1+A。大的值可W被认为是大于1，而比I-At小的值可W被 认为是小于1，其中A。和A,的值可W按经验来确定。在某些实施例中，A。可W等于A,， 而在其他实施例中，它们可W是不同的。因为掩模的分辨率通常低于其相应的图像，所W需 要做出关于如何处理由给定的掩模值表示的所有像素的决定。在一种实施例中，在与掩模 值对应的区域内的每个像素可W被分配该掩模的值。在另一种实施例中，在与掩模值对应 的区域内的一个或多个中屯、像素可W被分配该掩模的值，而在该区域内的所有其他像素的 值是从中屯、像素内插的值。虽然将掩模的值指定给其相应的像素的任何适当的方法都可W 采用，但是能够有收益的是所采用的方法在不同区域之间的边界处得出相同的值。例如，如 果区域A和B邻接，则用来确定区域A的像素的值的方法W及用来确定区域B的像素的值 的方法对于构成区域A和B之间的边界的那些像素都应当得出相同的值。
[0021] 在一种实施例中，F可W表示由H确定的相应的图像区域的中值亮度。在另一种 实施例中，戸表示由H确定的相应的图像区域的平均亮度。在又一种实施例中，f可W 表示由H确定的相应的图像区域的加权平均亮度，其中权重可W是关于整个图像的区域位 置的函数。例如，在图像的中屯、处的区域与图像外周上的区域相比可W被赋予更大的权重。
[0022] 现在参照图3,根据一种实施例的图像融合操作140首先选择根据框125采集的图 像之一作为参考图像，并且除此W外，还选择图像的相应掩模（框300)。该选择可W基于对 于具体的实现方式有意义的任何准则或度量。例如，在一种实施例中，可W选择由自动对焦 过程确定的"最锐利"图像。在另一种实施例中，可W选择被确定为具有最大对比度的图像。 在又一种实施例中，可W选择被判断为由例如运动传感器（例如，巧螺仪或加速计）确定的 具有最小关联的设备运动的图像。所选的参考图像可W被分解W为融合作准备（框305)。 然后可W选择来自采集图像的第一非参考图像（框310)，连同其相应的掩模W及其分解图 像一起（框315)。虽然对于所公开的主题的实现是不必要的，但是通过根据框305和315 的动作来分解的图像可W使用带通金字塔（拉普拉斯算子）分解方案。一般地，可W使用 大量其他多尺度图像分解方案中的任一种，包括但不限于小波和曲波（curvelet)分解。一 旦两种图像都被分解，它们就可W根据所选的图像的掩模而被逐层融合（框320)。在一种 实施例中，如果R"嗦示参考图像的金字塔的第1层，而/,">，巧，...货表示每个输入图像的金 字塔的第1层（不同于参考图像），与所融合的金字塔的层1对应的输出可W由下式给出：
[0024] 其中Wf表示第1^个输入图像的第1层的加权函数，并且可^用函数描述为：
[002引 Wk=f(R-Ik，0)，公式4
[0026]其中fO是关于其第一自变量的绝对值的递减函数，并且其值一般在0和1之间。 在一种说明性的实施例中，fO可W由下式给出：
[0028]其中T表示可W被调整W实现在噪声与重影伪像之间的期望的视觉权衡的调整 因子（一般基于大量的测试图像），而0表示等效的噪声标准差，0的值可W由下式给出：
[0030] 在此，M康示在当前的像素和层的参考图像掩模的值，Mk表示在当前的像素和层 的第k输入图像掩模，表示在当前的像素和层的参考图像的噪声标准差，而0k表示在 当前的像素和层的第k输入图像的噪声标准差。当参考及当前选择的图像的每个像素和每 层按照运种方式来处理