專利名稱：一種基于亮度分層的快速三邊濾波器色調(diào)映射方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種高動態(tài)范圍圖像(HDRI-high dynamic range image)的色調(diào)映射 技術(shù)，特別涉及一種基于亮度分層的快速三邊濾波器色調(diào)映射方法，屬于數(shù)字圖像處理領(lǐng) 域。
背景技術(shù)：
動態(tài)范圍是指圖像中像素最大亮度與最小亮度的比值。傳統(tǒng)的RGB圖像格式使 用8位二進(jìn)制整數(shù)表示每個顏色分量，其動態(tài)范圍為100 1，而真實(shí)場景的動態(tài)范圍遠(yuǎn)遠(yuǎn) 超出這一范圍。傳統(tǒng)圖像格式無法真實(shí)地表達(dá)動態(tài)范圍很高的場景。高動態(tài)范圍(High Dynamic Range,HDR)圖像是針對這一問題所設(shè)計(jì)的新型圖像格式，通常使用浮點(diǎn)數(shù)來表示 每個顏色分量，這樣能夠表達(dá)更高的動態(tài)范圍。色調(diào)映射是指將一幅高動態(tài)范圍圖像轉(zhuǎn)換為低動態(tài)范圍圖像的方法。它提供了一 種將現(xiàn)實(shí)場景的亮度值映射到顯示設(shè)備能顯示的范圍的方法，除了壓縮亮度范圍之外，它 還必須充分保留原始圖像的感觀質(zhì)量，比如保留對比度、圖像細(xì)節(jié)等對于表現(xiàn)原始場景非 常重要的信息。色調(diào)映射算法是高動態(tài)范圍圖像研究領(lǐng)域中最為關(guān)鍵的部分。其主要原因 在于目前占主導(dǎo)地位的有限動態(tài)范圍媒介，譬如CRT和IXD顯示器或者投影儀等，只能顯示 有限動態(tài)范圍的圖像，使人們不能觀察高動態(tài)范圍圖像的全部信息?，F(xiàn)有的色調(diào)映射技術(shù)可分為兩大類全局方法和局部方法。全局方法是將一個映 射函數(shù)應(yīng)用于圖像中的所有像素，而忽略像素的在圖像中的位置，例如直方圖調(diào)整法、自適 應(yīng)指數(shù)映射法等。全局方法的優(yōu)點(diǎn)在于整體架構(gòu)簡潔和運(yùn)算效率高，缺點(diǎn)是會導(dǎo)致圖像結(jié) 果在細(xì)節(jié)、顏色和對比度損失。局部方法中某個像素的映射與其在圖像中的位置相關(guān)，或者 說是與其自身亮度及周圍像素的亮度相關(guān)，例如雙邊濾波器法、三邊濾波器法等。局部方法 的特點(diǎn)是能夠較好地保留圖像細(xì)節(jié)，但速度慢。其中三邊濾波器是一種效果非常好的方法。P· Choudhury 等人在文獻(xiàn)〈〈The trilateral filter for high contrast images and meshes)) (P. Choudhury and J. Tumbl in, Proceedings of Eurographics Symposium on Rendering, pp. 1-11,2003.)中介紹了三邊濾波器色調(diào)映射方法，其具體步驟為第1步輸入一幅高動態(tài)范圍圖像。第2步根據(jù)該圖像的紅色通道R、綠色通道G、藍(lán)色通道B的通道值，獲得該圖像 中每個像素P的對數(shù)域亮度L(P)。第3步根據(jù)前向差分法計(jì)算圖像中每個像素ρ的對數(shù)域亮度L(p)的水平方向梯 度圖像Lx(p)和垂直方向梯度圖像Ly(p)。第4步根據(jù)公式1和公式2計(jì)算經(jīng)平滑后的水平方向梯度圖像L' x(p)。
ΙΜ=ττ~Λ Σ(ι)
lcXKP) ζεΛ (ρ)
4 其中，c為一高斯函數(shù)，s為一高斯函數(shù)；高斯函數(shù)c和高斯函數(shù)s的區(qū)別在于其均 值和方差根據(jù)具體情況取不同值；Ν(ρ)表示以像素ρ為中心的ηΧη大小的區(qū)域，其中
且η為正整數(shù)；ζ表示Ν(ρ)區(qū)域內(nèi)的每一個像素。第5步根據(jù)公式3和公式4計(jì)算經(jīng)平滑后的垂直方向梯度圖像L' y(p)，其方法
是 第6步對于每一個像素ρ及其周圍nXn大小區(qū)域內(nèi)的每一個像素ζ，根據(jù)公式 5計(jì)算局部細(xì)節(jié)值！^ (ρ，ζ)。 第7步根據(jù)公式6計(jì)算像素ρ經(jīng)三邊濾波的結(jié)果L。ut(p)，Lout(p)即為圖像中每
個像素P的對數(shù)域亮度L(P)的基本層圖像。
其中，f(p，ζ)為取值為0或1的二值函數(shù)，其定義如公式8所示. R為一個閾值，其通過公式9來確定。R = 0. 15 (MaxG (L) -MinG (L))(9)其中，MaxG(L)和MinG(L)分別為圖像中每個像素ρ的對數(shù)域亮度L(p)中的最大 梯度幅值和最小梯度幅值。第8步通過公式10計(jì)算L(p)的細(xì)節(jié)層圖像Ldetail(P)。Ldetail(P) =L(p)-L0Ut(p)(10)第9步通過公式11計(jì)算經(jīng)動態(tài)范圍壓縮后的基本層圖像Lb_(p)。Lbase(P) =Lout (p)/factor(11)其中，factor為壓縮比例因子，取值為大于1的正實(shí)數(shù)。第10步通過公式12合成經(jīng)動態(tài)范圍壓縮后的對數(shù)域亮度圖像Lmapped(P)。Lmapped (ρ) = Lbase (ρ) +Ldetail (ρ)(12)第11步使用公式13 15從Lmapped(ρ)還原出彩色圖像I。ut(p)的三個顏色通道
5值。Iout ε (ρ)= exp (Lmapped (ρ)) ‘ Iin Ε (ρ)/exp (L (ρ))(13)Iout G(ρ)= exp (Lmapped(ρ)) · Iin G(ρ)/exp (L(ρ))(14)Iout β(P)= exp (Lmapped(ρ)) ‘ Iin Β(ρ)/exp (L(ρ))(15)其中，exp為指數(shù)函數(shù)，其底數(shù)與步驟2中所取對數(shù)的底數(shù)相同，I。ut K(p)是指 Iout(P)的紅色通道值，Iinji(P)是指輸入圖像的紅色通道值，I。ut—e(P)是指I。ut(P)的綠色通 道值，Iinj；(P)是指輸入圖像的綠色通道值，Ioutj(P)是指I。ut(P)的藍(lán)色通道值，Iinj(P)是 指輸入圖像的藍(lán)色通道值。第12步將第11步中的顏色通道值線性平移并縮放至0到255的區(qū)間，并四舍五 入取整，再合并成一幅新的圖像，即為輸入的高動態(tài)范圍圖像經(jīng)色調(diào)映射后的結(jié)果。該方法的優(yōu)點(diǎn)是處理效果非常好；但其缺點(diǎn)也顯而易見處理速度非常慢；在處 理一幅圖像時，往往需要好幾分鐘或者好幾十分鐘的計(jì)算時間。

發(fā)明內(nèi)容
本發(fā)明的目的是克服已有三邊濾波器色調(diào)映射方法存在的處理速度慢的缺陷，提 出一種基于亮度分層的快速三邊濾波器色調(diào)映射方法。 本發(fā)明的目的是通過下述技術(shù)方案實(shí)現(xiàn)的。一種基于亮度分層的快速三邊濾波器色調(diào)映射方法，其具體操作步驟為第1步輸入一幅高動態(tài)范圍圖像。第2步根據(jù)該圖像的紅色通道R、綠色通道G、藍(lán)色通道B的通道值，獲得該圖像 中每個像素P的對數(shù)域亮度L(P)。第3步利用前向差分法獲得每個像素ρ的對數(shù)域亮度L(p)的水平方向梯度圖像 Lx(P)和垂直方向梯度圖像Ly(p)。第4步獲得經(jīng)平滑后的水平方向梯度圖像L' x(p)；具體為步驟①找出第3步得到的水平方向梯度圖像Lx(p)中的最大像素值Imax和最小像
素值Imin，把從Imin到Imax的區(qū)間等分為m個亮度等級，分別記為V I1........Inri ；其中，
m彡4且m為正整數(shù)。步驟②依次對第k(k= 1,2,......，m且k為正整數(shù))個亮度等級，利用第3步
得到的水平方向梯度圖像Lx(p)，分別根據(jù)公式16和公式17得到圖像Wk(p)和圖像Jk(P)；Wk(p)=S(Lx(p)-Ik)(16)Jk(p) =Wk(p) · Lx(p)(17)其中s為一高斯函數(shù)。步驟③對第3步得到的水平方向梯度圖像Lx(p)進(jìn)行平滑處理，得到平滑后的水 平方向梯度圖像L' x(p);具體為如果Lx (ρ) e [It, It+1]，1≤t≤m-2且t為正整數(shù)；則 其中，c為一高斯函數(shù)，N(p)表示以像素ρ為中心的nXn大小的區(qū)域，其中η彡3 且η為正整數(shù)；ζ表示Ν(ρ)區(qū)域內(nèi)的每一個像素。經(jīng)過第4步的操作，即可獲得經(jīng)平滑后的水平方向梯度圖像L' χ(ρ)。第5步獲得經(jīng)平滑后的垂直方向梯度圖像L' >)；具體為步驟①找出第3步得到的垂直方向梯度圖像Ly(p)中的最大像素值Γ max和 最小像素值Γ min，把從r min到r _的區(qū)間等分為m'個亮度等級，分別記為Γ。、 I' .........I' m, 其中，m'彡4且m'為正整數(shù)。步驟②依次對于第k' (k' = 1,2,......，m'且k'為正整數(shù))個亮度等級，利
用第3步得到的垂直方向梯度圖像Ly(p)，分別根據(jù)公式21和公式22得到圖像W' k, (ρ) 和圖像J' k' (P)；W' k, (ρ) = s (Ly (ρ)-I' k, )(21)J' k(p) =W' k, (ρ) -Ly(ρ)(22)步驟③對第3步得到的垂直方向梯度圖像Ly(p)進(jìn)行平滑處理，得到平滑后的垂 直方向梯度圖像L' y(p);具體為如果Ly(p) e [I' t,，1' t, +1]，其中 1 彡 t'彡 m' _2 且 t'為正整數(shù)；則 經(jīng)過第5步的操作，即可獲得經(jīng)平滑后的垂直方向梯度圖像L' y(p)。第6步對于每一個像素ρ及其周圍nXn大小區(qū)域內(nèi)的每一個像素ζ，計(jì)算局部 細(xì)節(jié)值K (ρ，ζ)；
圖像；
第7步獲得每一個像素ρ經(jīng)三邊濾波的結(jié)果L。ut (ρ)，Lout (ρ)即為L (ρ)的基本層
第8步獲得L(p)的細(xì)節(jié)層圖像Ldrtail(P)；
第9步獲得經(jīng)動態(tài)范圍壓縮后的基本層圖像Ibase(P)；
第10步合成經(jīng)動態(tài)范圍壓縮后的對數(shù)域亮度圖像Lmapped(P)；
第11步從Lmapped(P)還原出彩色圖像的三個顏色通道值；
第12步將第11步中的顏色通道值平移并縮放至0到255的區(qū)間，并四舍五入取
整，再合并成一幅新的圖像，即為輸入的高動態(tài)范圍圖像經(jīng)色調(diào)映射后的結(jié)果。
有益效果本發(fā)明方法與已有的三邊濾波器色調(diào)映射方法相比較，具有處理速度快，但不損 失圖像細(xì)節(jié)的優(yōu)點(diǎn)。


圖1為本發(fā)明具體實(shí)施方式
中采用的原始圖像；圖2為本發(fā)明具體實(shí)施方式
中采用本發(fā)明方法對圖1處理過程中得到的基本層圖 像；圖3為本發(fā)明具體實(shí)施方式
中采用本發(fā)明方法對圖1處理過程中得到的細(xì)節(jié)層圖 像；圖4為本發(fā)明具體實(shí)施方式
中采用本發(fā)明方法對圖1處理后的輸出結(jié)果；圖5為采用已有的三邊濾波器色調(diào)映射方法對圖1處理后的輸出結(jié)果；圖6為本發(fā)明具體實(shí)施方式
中采用6幅多種場景類型輸入圖像的原始圖像a f。
具體實(shí)施例方式下面結(jié)合具體實(shí)施例對本發(fā)明進(jìn)行詳細(xì)說明。實(shí)施例中，采用本發(fā)明方法處理一 幅如1所示的高動態(tài)范圍圖像，其處理過程如下第1步輸入一幅高動態(tài)范圍圖像，如圖1所示。第2步根據(jù)該圖像的紅色通道R、綠色通道G、藍(lán)色通道B的通道值，獲得該圖像 中每個像素P的對數(shù)域亮度L(P)。第3步利用前向差分法獲得每個像素ρ的對數(shù)域亮度L(p)的水平方向梯度圖像 Lx(P)和垂直方向梯度圖像Ly(p)。Lx (p) = L (pright)-L (ρ)(26)Ly (ρ) = L (pbelow)-L (ρ)(27)其中pHght表示ρ右側(cè)的像素，Pbelow表示ρ下方的像素。第4步獲得經(jīng)平滑后的水平方向梯度圖像L' x(p)；具體為步驟①找出第3步得到的水平方向梯度圖像Lx(p)中的最大像素值Imax和最小 像素值Imin，把從Imin到Imax的區(qū)間等分為10個亮度等級，分別記為Ic^ I1........I9 ；。步驟②依次對于第k個亮度等級，利用第3步得到的水平方向梯度圖像Lx (ρ)，分 別根據(jù)公式16和公式17得到圖像Wk(ρ)和圖像Jk(P)；其中1彡k彡10，公式16中的高斯 函數(shù)s的中值為0，標(biāo)準(zhǔn)差為公式9得到的R值。步驟③根據(jù)公式18、公式19和公式20對第3步得到的水平方向梯度圖像Lx(ρ) 進(jìn)行平滑處理，得到平滑后的水平方向梯度圖像L' χ(ρ)；具體為如果Lx (ρ) e [It, It+1]，其中1彡t彡8且t為正整數(shù)；則
丄》=)C),、Σ c^p)JXQ+ l^'1'ΤΛ Σ C(Cs-P)Jt^Q (18)
lcIKPA1I+] ~ 1O ζ^Ν(ρ)Kl+i{X){l/+] -I1) CllEN(P) 其中，高斯函數(shù)c的中值為0，標(biāo)準(zhǔn)差為21，N(P)表示以像素P為中心的5X5大 小的區(qū)域，ζ表示Ν(ρ)區(qū)域內(nèi)的每一個像素。經(jīng)過第4步的操作，即可獲得經(jīng)平滑后的水平方向梯度圖像L' χ(ρ)。第5步獲得經(jīng)平滑后的垂直方向梯度圖像L' y(p)；具體為步驟①找出第3步得到的垂直方向梯度圖像Ly(p)中的最大像素值Γ max和
最小像素值Γ min，把從r min到r _的區(qū)間等分為10個亮度等級，分別記為Γ。、 τ ‘τ ‘
1 1、........ 1 9°步驟②依次對于第k'個亮度等級，利用第3步得到的垂直方向梯度圖像Ly(p)， 分別根據(jù)公式21和公式22得到圖像W' k, (ρ)和圖像J' k, (p);其中Kk'彡10，公 式21中的高斯函數(shù)s的中值為0，標(biāo)準(zhǔn)差為公式9得到的中的R值。步驟③根據(jù)公式23、公式24和公式25對第3步得到的垂直方向梯度圖像Ly (ρ) 進(jìn)行平滑處理，得到平滑后的垂直方向梯度圖像L' y(p)；具體為如果Ly(P) e [I' t, , I' t, +1]，其中1彡t'彡8且t'為正整數(shù)；則 其中，高斯函數(shù)c的中值為0，標(biāo)準(zhǔn)差為21，N(P)表示以像素P為中心的5X5大 小的區(qū)域，ζ表示Ν(ρ)區(qū)域內(nèi)的每一個像素。經(jīng)過第5步的操作，即可獲得經(jīng)平滑后的垂直方向梯度圖像L' y(p)。第6步根據(jù)公式5對于每一個像素ρ及其周圍5X5大小區(qū)域內(nèi)的每一個像素 ζ，計(jì)算局部細(xì)節(jié)值(ρ，ζ)；第7步根據(jù)公式6獲得每一個像素？經(jīng)三邊濾波的結(jié)果1^_( )丄_( )即為L(p) 的基本層圖像，如圖2所示；
為5;
通道值
第8步根據(jù)公式10獲得L(p)的細(xì)節(jié)層圖像Ldrtail(P)，如圖3所示； 第9步根據(jù)公式11獲得經(jīng)動態(tài)范圍壓縮后的基本層圖像Lb_(p)，factor取值
第10步根據(jù)公式12合成經(jīng)動態(tài)范圍壓縮后的對數(shù)域亮度圖像Lmapped(P)； 第11步根據(jù)公式13、公式14、公式15從Lmapped(P)還原出彩色圖像的三個顏色
9
第12步將第11步中的顏色通道值平移并縮放至0到255的區(qū)間，并四舍五入 取整，再合并成一幅新的圖像，即為輸入的高動態(tài)范圍圖像經(jīng)色調(diào)映射后的結(jié)果，如圖4所示。采用已有的三邊濾波器色調(diào)映射方法對圖1進(jìn)行處理，其結(jié)果如圖5所示，圖4與 圖5的比較說明本發(fā)明方法與已有的三邊濾波器色調(diào)映射方法的結(jié)果非常接近，但本發(fā)明 方法速度有明顯提高。為了更好地說明本發(fā)明效果，分別采用對圖6中的6幅場景本發(fā)明方法和已有三 邊濾波器色調(diào)映射方法類型輸入圖像進(jìn)行處理，得到本發(fā)明方法與已有三邊濾波器色調(diào)映 射方法對圖6中6幅圖片進(jìn)行處理所花費(fèi)時間的對比，如表1所示。表1本發(fā)明方法和已有方法對圖6處理所花費(fèi)時間的對比表 從表1中可以看出，本發(fā)明方法的處理速度比已有的三邊濾波器色調(diào)映射方法快 很多。以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人 員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)，或者對其中部分技術(shù)特征進(jìn) 行等同替換，這些改進(jìn)和替換也應(yīng)視為本發(fā)明的保護(hù)范圍。
權(quán)利要求
一種基于亮度分層的快速三邊濾波器色調(diào)映射方法，其特征在于具體操作步驟為第1步輸入一幅高動態(tài)范圍圖像；第2步根據(jù)該圖像的紅色通道R、綠色通道G、藍(lán)色通道B的通道值，獲得該圖像中每個像素p的對數(shù)域亮度L(p)；第3步利用前向差分法獲得每個像素p的對數(shù)域亮度L(p)的水平方向梯度圖像Lx(p)和垂直方向梯度圖像Ly(p)；第4步獲得經(jīng)平滑后的水平方向梯度圖像L′x(p)；具體為步驟①找出第3步得到的水平方向梯度圖像Lx(p)中的最大像素值Imax和最小像素值Imin，把從Imin到Imax的區(qū)間等分為m個亮度等級，分別記為I0、I1、L L、Im 1；其中，m≥4且m為正整數(shù)；步驟②依次對第k個亮度等級，利用第3步得到的水平方向梯度圖像Lx(p)，分別根據(jù)公式16和公式17得到圖像Wk(p)和圖像Jk(p)；k＝1，2，L L，m且k為正整數(shù)；Wk(p)＝s(Lx(p) Ik) (16)Jk(p)＝Wk(p)·Lx(p)(17)其中s為一高斯函數(shù)；步驟③對第3步得到的水平方向梯度圖像Lx(p)進(jìn)行平滑處理，得到平滑后的水平方向梯度圖像L′x(p)；具體為如果Lx(p)∈[It，It+1]，1≤t≤m 2且t為正整數(shù)；則 <mrow><msubsup> <mi>L</mi> <mi>x</mi> <mo>&prime;</mo></msubsup><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><msub> <mi>I</mi> <mrow><mi>t</mi><mo>+</mo><mn>1</mn> </mrow></msub><mo>-</mo><msub> <mi>L</mi> <mi>x</mi></msub><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow> </mrow> <mrow><msub> <mi>k</mi> <mi>t</mi></msub><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow><mrow> <mo>(</mo> <msub><mi>I</mi><mrow> <mi>t</mi> <mo>+</mo> <mn>1</mn></mrow> </msub> <mo>-</mo> <msub><mi>I</mi><mi>t</mi> </msub> <mo>)</mo></mrow> </mrow></mfrac><munder> <mi>&Sigma;</mi> <mrow><mi>&zeta;</mi><mo>&Element;</mo><mi>N</mi><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow> </mrow></munder><mi>c</mi><mrow> <mo>(</mo> <mi>&zeta;</mi> <mo>-</mo> <mi>p</mi> <mo>)</mo></mrow><msub> <mi>J</mi> <mi>t</mi></msub><mrow> <mo>(</mo> <mi>&zeta;</mi> <mo>)</mo></mrow><mo>+</mo><mfrac> <mrow><msub> <mi>L</mi> <mi>x</mi></msub><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow><mo>-</mo><msub> <mi>I</mi> <mi>t</mi></msub> </mrow> <mrow><msub> <mi>k</mi> <mrow><mi>t</mi><mo>+</mo><mn>1</mn> </mrow></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mrow> <mo>(</mo> <msub><mi>I</mi><mrow> <mi>t</mi> <mo>+</mo> <mn>1</mn></mrow> </msub> <mo>-</mo> <msub><mi>I</mi><mi>t</mi> </msub> <mo>)</mo></mrow> </mrow></mfrac><munder> <mi>&Sigma;</mi> <mrow><mi>&zeta;</mi><mo>&Element;</mo><mi>N</mi><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow> </mrow></munder><mi>c</mi><mrow> <mo>(</mo> <mi>&zeta;</mi> <mo>-</mo> <mi>p</mi> <mo>)</mo></mrow><msub> <mi>J</mi> <mrow><mi>t</mi><mo>+</mo><mn>1</mn> </mrow></msub><mrow> <mo>(</mo> <mi>&zeta;</mi> <mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>18</mn> <mo>)</mo></mrow> </mrow> <mrow><msub> <mi>k</mi> <mi>t</mi></msub><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow><mo>=</mo><munder> <mi>&Sigma;</mi> <mrow><mi>p</mi><mo>&Element;</mo><mi>N</mi><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow> </mrow></munder><mi>c</mi><mrow> <mo>(</mo> <mi>&zeta;</mi> <mo>-</mo> <mi>p</mi> <mo>)</mo></mrow><msub> <mi>W</mi> <mi>t</mi></msub><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>19</mn> <mo>)</mo></mrow> </mrow> <mrow><msub> <mi>k</mi> <mrow><mi>t</mi><mo>+</mo><mn>1</mn> </mrow></msub><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow><mo>=</mo><munder> <mi>&Sigma;</mi> <mrow><mi>p</mi><mo>&Element;</mo><mi>N</mi><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow> </mrow></munder><mi>c</mi><mrow> <mo>(</mo> <mi>&zeta;</mi> <mo>-</mo> <mi>p</mi> <mo>)</mo></mrow><msub> <mi>W</mi> <mrow><mi>t</mi><mo>+</mo><mn>1</mn> </mrow></msub><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>20</mn> <mo>)</mo></mrow> </mrow>其中，c為一高斯函數(shù)，N(p)表示以像素p為中心的n×n大小的區(qū)域，其中n≥3且n為正整數(shù)；ζ表示N(p)區(qū)域內(nèi)的每一個像素；經(jīng)過第4步的操作，即可獲得經(jīng)平滑后的水平方向梯度圖像L′x(p)；第5步獲得經(jīng)平滑后的垂直方向梯度圖像L′y(p)；具體為步驟①找出第3步得到的垂直方向梯度圖像Ly(p)中的最大像素值I′max和最小像素值I′min，把從I′min到I′max的區(qū)間等分為m′個亮度等級，分別記為I′0、I′1、......、I′m′ 1；其中，m′≥4且m′為正整數(shù)；步驟②依次對于第k′個亮度等級，利用第3步得到的垂直方向梯度圖像Ly(p)，分別根據(jù)公式21和公式22得到圖像W′k′(p)和圖像J′k′(p)；k′＝1，2，......，m′且k′為正整數(shù)；W′k′(p)＝s(Ly(p) I′k′)(21)J′k(p)＝W′k′(p)·Ly(p) (22)步驟③對第3步得到的垂直方向梯度圖像Ly(p)進(jìn)行平滑處理，得到平滑后的垂直方向梯度圖像L′y(p)；具體為如果Ly(p)∈[I′t′，I′t′+1]，其中1≤t′≤m′ 2且t′為正整數(shù)；則 <mrow><msubsup> <mi>L</mi> <mi>y</mi> <mo>&prime;</mo></msubsup><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><msub> <msup><mi>I</mi><mo>&prime;</mo> </msup> <mrow><msup> <mi>t</mi> <mo>&prime;</mo></msup><mo>+</mo><mn>1</mn> </mrow></msub><mo>-</mo><msub> <mi>L</mi> <mi>y</mi></msub><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow> </mrow> <mrow><msub> <msup><mi>k</mi><mo>&prime;</mo> </msup> <msup><mi>t</mi><mo>&prime;</mo> </msup></msub><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow><mrow> <mo>(</mo> <msub><msup> <mi>I</mi> <mo>&prime;</mo></msup><mrow> <msup><mi>t</mi><mo>&prime;</mo> </msup> <mo>+</mo> <mn>1</mn></mrow> </msub> <mo>-</mo> <msub><msup> <mi>I</mi> <mo>&prime;</mo></msup><msup> <mi>t</mi> <mo>&prime;</mo></msup> </msub> <mo>)</mo></mrow> </mrow></mfrac><munder> <mi>&Sigma;</mi> <mrow><mi>&zeta;</mi><mo>&Element;</mo><mi>N</mi><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow> </mrow></munder><mi>c</mi><mrow> <mo>(</mo> <mi>&zeta;</mi> <mo>-</mo> <mi>p</mi> <mo>)</mo></mrow><msub> <msup><mi>J</mi><mo>&prime;</mo> </msup> <msup><mi>t</mi><mo>&prime;</mo> </msup></msub><mrow> <mo>(</mo> <mi>&zeta;</mi> <mo>)</mo></mrow><mo>+</mo><mfrac> <mrow><msub> <msup><mi>L</mi><mo>&prime;</mo> </msup> <msup><mi>x</mi><mo>&prime;</mo> </msup></msub><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow><mo>-</mo><msub> <msup><mi>I</mi><mo>&prime;</mo> </msup> <msup><mi>t</mi><mo>&prime;</mo> </msup></msub> </mrow> <mrow><msub> <msup><mi>k</mi><mo>&prime;</mo> </msup> <mrow><msup> <mi>t</mi> <mo>&prime;</mo></msup><mo>+</mo><mn>1</mn> </mrow></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mrow> <mo>(</mo> <msub><msup> <mi>I</mi> <mo>&prime;</mo></msup><mrow> <msup><mi>t</mi><mo>&prime;</mo> </msup> <mo>+</mo> <mn>1</mn></mrow> </msub> <mo>-</mo> <msub><msup> <mi>I</mi> <mo>&prime;</mo></msup><msup> <mi>t</mi> <mo>&prime;</mo></msup> </msub> <mo>)</mo></mrow> </mrow></mfrac><munder> <mi>&Sigma;</mi> <mrow><mi>&zeta;</mi><mo>&Element;</mo><mi>N</mi><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow> </mrow></munder><mi>c</mi><mrow> <mo>(</mo> <mi>&zeta;</mi> <mo>-</mo> <mi>p</mi> <mo>)</mo></mrow><msub> <mi>J</mi> <mrow><mi>t</mi><mo>+</mo><mn>1</mn> </mrow></msub><mrow> <mo>(</mo> <mi>&zeta;</mi> <mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>23</mn> <mo>)</mo></mrow> </mrow> <mrow><msub> <msup><mi>k</mi><mo>&prime;</mo> </msup> <msup><mi>t</mi><mo>&prime;</mo> </msup></msub><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow><mo>=</mo><munder> <mi>&Sigma;</mi> <mrow><mi>p</mi><mo>&Element;</mo><mi>N</mi><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow> </mrow></munder><mi>c</mi><mrow> <mo>(</mo> <mi>&zeta;</mi> <mo>-</mo> <mi>p</mi> <mo>)</mo></mrow><msub> <msup><mi>W</mi><mo>&prime;</mo> </msup> <msup><mi>t</mi><mo>&prime;</mo> </msup></msub><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>24</mn> <mo>)</mo></mrow> </mrow> <mrow><msub> <msup><mi>k</mi><mo>&prime;</mo> </msup> <mrow><msup> <mi>t</mi> <mo>&prime;</mo></msup><mo>+</mo><mn>1</mn> </mrow></msub><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow><mo>=</mo><munder> <mi>&Sigma;</mi> <mrow><mi>p</mi><mo>&Element;</mo><mi>N</mi><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow> </mrow></munder><mi>c</mi><mrow> <mo>(</mo> <mi>&zeta;</mi> <mo>-</mo> <mi>p</mi> <mo>)</mo></mrow><msub> <msup><mi>W</mi><mo>&prime;</mo> </msup> <mrow><msup> <mi>t</mi> <mo>&prime;</mo></msup><mo>+</mo><mn>1</mn> </mrow></msub><mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>25</mn> <mo>)</mo></mrow> </mrow>經(jīng)過第5步的操作，即可獲得經(jīng)平滑后的垂直方向梯度圖像L′y(p)；第6步對于每一個像素p及其周圍n×n大小區(qū)域內(nèi)的每一個像素ζ，計(jì)算局部細(xì)節(jié)值LΔ(p，ζ)；第7步獲得每一個像素p經(jīng)三邊濾波的結(jié)果Lout(p)，Lout(p)即為L(p)的基本層圖像；第8步獲得L(p)的細(xì)節(jié)層圖像Ldetail(p)；第9步獲得經(jīng)動態(tài)范圍壓縮后的基本層圖像Lbase(p)；第10步合成經(jīng)動態(tài)范圍壓縮后的對數(shù)域亮度圖像Lmapped(p)；第11步從Lmapped(p)還原出彩色圖像的三個顏色通道值；第12步將第11步中的顏色通道值平移并縮放至0到255的區(qū)間，并四舍五入取整，再合并成一幅新的圖像，即為輸入的高動態(tài)范圍圖像經(jīng)色調(diào)映射后的結(jié)果。
全文摘要
本發(fā)明涉及一種基于亮度分層的快速三邊濾波器色調(diào)映射方法，屬于數(shù)字圖像處理領(lǐng)域。本發(fā)明在現(xiàn)有三邊濾波器色調(diào)映射方法的基礎(chǔ)上，僅對獲得平滑后的水平方向梯度圖像L′x(p)和經(jīng)平滑后的垂直方向梯度圖像L′y(p)的方法進(jìn)行了改進(jìn)，即通過對水平方向梯度圖像Lx(p)的像素值進(jìn)行分級，然后根據(jù)Wk(p)＝s(Lx(p)-Ik)和Jk(p)＝Wk(p)·Ix(p)分別獲得圖像Wk(p)和圖像Jk(p)；再利用圖像Wk(p)和圖像Jk(p)對水平方向梯度圖像Lx(p)進(jìn)行平滑處理，得到平滑后的水平方向梯度圖像L′x(p)；使用相同方法，得到平滑后的垂直方向梯度圖像L′y(p)。本發(fā)明方法與已有的三邊濾波器色調(diào)映射方法相比較，具有處理速度快，但不損失圖像細(xì)節(jié)的優(yōu)點(diǎn)。
文檔編號G06T5/00GK101908207SQ201010236178
公開日2010年12月8日 申請日期2010年7月26日 優(yōu)先權(quán)日2010年7月26日
發(fā)明者劉衡生, 沈建冰 申請人:北京理工大學(xué)