CN102938837B - 一种基于边缘保持全分模型的色调映射方法 - Google Patents

Abstract

本发明公开了一种基于边缘保持全分模型的色调映射方法，包括：输入一幅高动态图像；对输入的高动态图像进行光强度重构；获得新构造的光强度值的对数值；利用边缘保持全变分滤波器对获得的光强度对数值进行滤波获得图像基础层；利用光强度对数值减去图像基础层获得图像的细节层；计算压缩比例因子和图像输出光强度；用压缩后光强度除以输入图像光强度获得一个新的比例因子M。将比例因子M分别作用在红色通道、绿色通道、蓝色通道各个通道上，得到压缩色彩后的图像；将得到压缩色彩后的图像进行gamma校正得到低动态图像。基于边缘保持全变分模型的色调映射方法能够获得质量非常高的低动态图像，不会产生光晕现象。

Description

一种基于边缘保持全分模型的色调映射方法

技术领域

本发明涉及图像处理技术领域，具体涉及基于边缘保持全分模型的色调映射方法。

背景技术

高动态图像(HighDynamicRangeImage，HDRImage)能够支持非常大的光强度范围，可以有效地存储现实世界的光强度信息，向人们呈现超高质量的图像。然而，传统的显示设备和打印机并不能显示这些高动态图像。因为它们可显示的对比度远远小于高动态图像的。为了解决这个问题，目前可以压缩高动态图像动态范围使其适应低动态图像显示设备。像这种将高动态图像转化为低动态图像(LowDynamicRangeImage，LDRImage)的方法就是色调映射方法。

现在，大量的色调映射方法已经被提出。最简单的对比度压缩就是将原图像乘以一个比例因子C，C<1。这会损失图像场景中阴影或者高亮度区域的细节和纹理。这就要求我们寻找一种方法尽可能压缩对比度，同时保持图像中的纹理和细节。很多色调映射方法运用了图像分解技术。将一幅图像分解为基础层和细节层。基础层具有高对比度需要被压缩，细节层具有清晰的纹理需要被保留。只对基础层进行压缩，细节层保持不变，然后将细节层与压缩后的基础层合成，就得到了低动态图像。基础层可以通过边缘保持平滑方法获得，细节层由输入图像减去基础层得到。DurandandDorsey在文献《Fastbilateralfilteringforthedisplayofhigh-dynamic-rangeimages》(2002,pp.257-266)介绍了一种基于快速双边滤波的色调映射方法。这种利用快速双边滤波器对图像进行多尺度分解，得到基础层和细节层。快速双边滤波器能够有效的平滑微小的细节同时保持强烈边缘。但是，增大平滑度，图像边缘将被模糊。这使得通过该方法获得的LDRimage出现光晕现象。

基于快速双边滤波的色调映射方法能够有效的平滑微小的细节同时保持强烈边缘。但是，增大平滑度，图像边缘将被模糊。这使得通过该方法获得的LDRimage出现光晕现象。

发明内容

本发明克服了基于快速双边滤波的色调映射方法会产生光晕现象的缺点，提出了一种基于边缘保持全变分模型的色调映射方法。

本发明提供一种基于边缘保持全分模型的色调映射方法，包括：

输入一幅高动态图像；

对输入的高动态图像进行光强度重构；

获得新构造的光强度值的对数值；

利用边缘保持全变分滤波器对获得的光强度值的对数值进行滤波获得图像基础层；

利用输入图像减去图像基础层获得图像的细节层；

计算压缩比例因子和图像输出光强度；

用图像输出光强度除以光强度值intensity获得一个新的比例因子M。将比例因子M分别作用在红色通道、绿色通道、蓝色通道各个通道上，得到压缩色彩后的图像；

将得到压缩色彩后的图像进行gamma校正得到低动态图像。

所述对输入的高动态图像进行光强度重构包括：

根据红色通道R、绿色通道G、蓝色通道B的通道值，利用公式intensity＝0.299*R+0.587*G+0.114*B，重新构造出光强度值intensity。

所述计算压缩比例因子和图像输出光强度包括：

计算压缩比例因子：利用公式compressfactor＝log(outputrange)/(max(log_base)-min(log_base))*1.5，其中outputrange是输出的图像动态范围，max(log_base)是取图像基础层log_base中所有像素值的最大值，min(log_base)是取图像基础层log_base中所有像素值的最小值，1.5为经验值；

计算图像输出光强度：利用公式output_intensity＝exp(compressfactor*log_base+log_detail)。

用图像输出光强度除以光强度值intensity获得一个新的比例因子M。将比例因子M分别作用在红色通道、绿色通道、蓝色通道各个通道上，得到压缩色彩后的图像包括：

利用公式

其中，output_intensity为图像输出光强度；

得到了R、G、B三条色彩通道压缩比例因子；R、G、B压缩后的值很容易被计算出；

$\left\{\begin{array}{c}R\_Output=M*R\_Input\\ G\_Output=M*G\_Input\\ B\_Output=M*B\_Input\end{array}\right.,$

其中R_Output、G_Output、B_Output分别为压缩后图像R、G、B色彩值，R_Input、G_Input、B_Input分别为输入图像R、G、B色彩值，所做的计算都是在图像光强度的对数上，这样图像每个像素值的不同就对应图像的对比度，同时对整个图像范围获得统一处理。以上技术可以看出，基于边缘保持全变分模型的色调映射方法能够获得质量非常高的低动态图像，颜色和对比度的处理效果非常好，而且不会产生光晕现象。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例中的基于边缘保持全变分模型的色调映射方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明克服了基于快速双边滤波的色调映射方法会产生光晕现象的缺点，提出了一种基于边缘保持全变分模型的色调映射方法。全变差(TotalVariation)正则化模型在1992年由Rudin，Osher以及Fatemi提出,用来去除图像中的噪声。该模型具有两个基本属性：一个是能够保持图像的边缘，并且在特定条件下处理效果非常好；另一个是图像光强度的变化量与图像细节尺度成反比。更简洁的说，该模型在平滑纹理的同时能够非常有效地保持边缘。这可以通过最小化方程实现。

$u=\underset{u}{\arg \min }\left\{\frac{1}{2}\right||f-Ku|{|}^2+\mathrm{\&lambda;}\left|u{|}_{TV}\right\},---\left(1\right)$

其中第一项为保真项，保证平滑后的图像u保留观察图像f的主要特征；第二项为正则项，通过最小化u的全变差达到平滑图像的目的。λ＞0是尺度因子，起到平衡保真项与正则项的作用。λ的值越大，平滑效果越明显。K为确定性退化的线性算子。公式(1)对应的Euler-Lagrange方程为

$K^{*}(f-Ku)+\mathrm{\&lambda;}div\left(\frac{\&dtri;u}{|\&dtri;u|}\right)=0,---\left(2\right)$

其中K^*是K的共轭算子。公式(1)与公式(2)有相同的解，而且可以求得唯一解。

对公式(1)采用最速下降法求解，加上适当的初、边值条件，则构成如下反应-扩散方程，

$\left\{\begin{array}{c}\frac{\&part;u}{\&part;t}(t;x)=K*\left(f\right(x)-Ku(t;x))+\mathrm{\&lambda;}div\left(\frac{\&dtri;u}{|\&dtri;u|}\right)(t;x),\\ \begin{array}{cc}& (t;x)\&Element;(0,T\&rsqb;\&times;\mathrm{\&Omega;}\\ u(0,x)=f\left(x\right)& x\&Element;\mathrm{\&Omega;}\\ \frac{\&part;u}{\&part;n}(t,x){|}_{\&part;\mathrm{\&Omega;}}=0& (t;x)\&Element;(0,T\&rsqb;\&times;\mathrm{\&Omega;}\end{array}\end{array}\right.,---\left(3\right)$

其中，是Ω的边界，n是边界上的单位外法向量。对公式(3)采用有限差分法求解。

利用上面所述的边缘保持算子，我们很容易实现图像的二尺度分解。分解成分段光滑、高对比度的基础层和低对比度、小尺度纹理的细节层。基础层通过边缘保持全变差滤波器获得，用输入图像减去基础层就得到细节层。更具体的说，g代表一幅输入图像被用来二尺度分解，f_TV为边缘保持全变差函数，b为基础层，d为细节层，上述过程表述为

b＝f_TV(g),(4)

d＝g-b.(5)

色调映射的目的是将一幅高动态图像转化为一幅可以在传统显示设备显示的低动态图像。在这个过程中，必须减少对比度，达到传统显示设备可以显示的动态范围。同时，为了获得一幅高质量的低动态图像，必须尽可能多的保留原高动态图像中的细节。基础层包含高对比度信息，细节层包含细节纹理信息。所以只需对基础层进行尺度压缩，细节层保持不变，就可以达到减小对比度同时保留细节的目的。最后，将压缩后基础层和细节层合成为新图像，即为所需要的LDR图像。表述为公式形式如下

u＝C*b+d,(6)

其中，C为压缩比例因子，C<1，u为合成后的低动态图像。将公式(5)带入公式(6)得

u＝g-(1-C)*b,(7)

通过公式(7)，更加明显的看到，只对图像的大尺度做了压缩，其他小尺度细节被保留。可以通过改变尺度因子C调节光亮度压缩程度，以满足人类所想要的视觉效果。将公式(4)带入公式(7)就得到了本专利提出的色调映射方法

u＝g-(1-C)*f_TV(g).(8)

对于图像颜色的处理，我们首先计算出图像输出光强度，用图像输出光强度除以光强度值intensity，这样获得了一个新的比例因子M。将比例因子M分别作用在R、G、B通道上，就得到压缩色彩后的图像。更具体的说，I_Input为光强度值intensity，I_Output为图像输出光强度。则

$M=\frac{I\_Output}{I\_Input},---\left(9\right)$

这样得到了R、G、B三条色彩通道压缩比例因子。R、G、B压缩后的值很容易被计算出。如下

$\left\{\begin{array}{c}R\_Output=M*R\_Input\\ G\_Output=M*G\_Input\\ B\_Output=M*B\_Input\end{array}\right.,---\left(10\right)$

其中R_Output、G_Output、B_Output分别为压缩后图像R、G、B色彩值，R_Input、G_Input、B_Input分别为输入图像R、G、B色彩值。我们所做的计算都是在图像光强度的对数上，这样图像每个像素值的不同就对应图像的对比度，同时对整个图像范围可以获得统一处理。

最后对图像进行gammacorrection。该方法能够获得质量非常高的低动态图像，颜色和对比度的处理效果非常好，而且不会产生光晕现象。

图示出了本发明实施例中的基于边缘保持全分模型的色调映射方法，具体步骤如下：

S101：输入一幅高动态图像。

S102：进行光强度(intensity)重构。根据红色通道(R)、绿色通道(G)、蓝色通道(B)的通道值，利用公式intensity＝0.299*R+0.587*G+0.114*B，重新构造出光强度值。

S103：获得新构造的光强度值的对数值(log_intensity)。

S104：图像滤波。利用边缘保持全变分滤波器对步骤3所获得的光强度值的对数值(log_intensity)进行滤波获得图像基础层(log_base)。

S105：图像分解。利用输入图像减去步骤S104的图像基础层(log_base)，获得图像的细节层(log_detail)。这样就将一幅高动态图像分解为图像基础层和图像细节层。

S106：计算压缩比例因子compressfactor。利用公式compressfactor＝log(outputrange)/(max(log_base)-min(log_base))*1.5，其中outputrange是输出的图像动态范围，max(log_base)是取图像基础层log_base中所有像素值的最大值，min(log_base)是取图像基础层log_base中所有像素值的最小值，1.5为经验值。

S107：计算图像输出光强度output_intensity。利用公式output_intensity＝exp(compressfactor*log_base+log_detail)。

S108：颜色处理。通过步骤S107计算出图像输出光强度output_intensity，用图像输出光强度除以光强度值intensity，这样获得了一个新的比例因子M。将比例因子M分别作用在红色通道(R)、绿色通道(G)、蓝色通道(B)各个通道上，就得到压缩色彩后的图像。见公式如下：

其中，output_intensity为图像输出光强度；

这样得到了R、G、B三条色彩通道压缩比例因子。R、G、B压缩后的值很容易被计算出。如下

$\left\{\begin{array}{c}R\_Output=M*R\_Input\\ G\_Output=M*G\_Input\\ B\_Output=M*B\_Input\end{array}\right.,$

其中R_Output、G_Output、B_Output分别为压缩后图像R、G、B色彩值，R_Input、G_Input、B_Input分别为输入图像R、G、B色彩值。我们所做的计算都是在图像光强度的对数上，这样图像每个像素值的不同就对应图像的对比度，同时对整个图像范围可以获得统一处理。

S109：gamma校正。这样就得到了低动态图像。

综上，基于边缘保持全变分模型的色调映射方法能够获得质量非常高的低动态图像，颜色和对比度的处理效果非常好，而且不会产生光晕现象。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，ReadOnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁盘或光盘等。

以上对本发明实施例所提供的基于边缘保持全变分模型的色调映射方法，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (3)

1.一种基于边缘保持全分模型的色调映射方法，其特征在于，包括：

输入一幅高动态图像；

根据红色通道R、绿色通道G、蓝色通道B的通道值，利用公式intensity＝0.299*R+0.587*G+0.114*B，重新构造出光强度值intensity；

获得新构造的光强度值的对数值；

利用边缘保持全变分滤波器对获得的光强度值的对数值进行滤波获得图像基础层；

利用输入图像减去图像基础层获得图像的细节层；

计算压缩比例因子和图像输出光强度；

用图像输出光强度除以光强度值intensity获得一个新的比例因子M，将比例因子M分别作用在红色通道、绿色通道、蓝色通道各个通道上，得到压缩色彩后的图像；

将得到压缩色彩后的图像进行gamma校正得到低动态图像；

其中，所述利用边缘保持全变分滤波器对获得的光强度值的对数值进行滤波获得图像基础层的步骤包括：通过log_base＝f_TV(log_intensity)对输入图像的光强度值的对数值进行二尺度分解，其中，log_intensity为一幅输入图像的光强度值的对数值，f_TV为边缘保持全变差函数，log_base为基础层。

2.如权利要求1所述的基于边缘保持全分模型的色调映射方法，其特征在于，所述计算压缩比例因子和图像输出光强度包括：

计算压缩比例因子：利用公式compressfactor＝log(outputrange)/(max(log_base)-min(log_base))*1.5，其中outputrange是输出的图像动态范围，max(log_base)是取图像基础层log_base中所有像素值的最大值，min(log_base)是取图像基础层log_base中所有像素值的最小值，1.5为经验值；

计算图像输出光强度：利用公式output_intensity＝exp(compressfactor*log_base+log_detail)，其中，log_detail为图像细节层。

3.如权利要求2所述的基于边缘保持全分模型的色调映射方法，其特征在于，用图像输出光强度除以光强度值intensity获得一个新的比例因子M，将比例因子M分别作用在红色通道、绿色通道、蓝色通道各个通道上，得到压缩色彩后的图像包括：

利用公式

其中，output_intensity为图像输出光强度；

得到了R、G、B三条色彩通道压缩比例因子；通过下述公式计算出R、G、B压缩后的值：

$\left\{\begin{array}{c}R\_Output=M*R\_Input\\ G\_Output=M*G\_Input\\ B\_Output=M*B\_Input\end{array}\right.,$

其中R_Output、G_Output、B_Output分别为压缩后图像R、G、B色彩值，所做的计算都是在图像光强度的对数上，图像每个像素值的不同对应图像的对比度，同时对整个图像范围获得统一处理。