高动态范围图像处理

高动态范围图像处理报告

在与图像技术相关的领域中，对图像的要求逐步提高，进而要求呈现更接近于真实情景的图像，意味着图像的动态范围更大，与人眼可视的动态范围接近，从而引入了高动态范围（HDR ）图像。

由于HDR 图像自身的特点，大致将HDR 图像的研究分为：HDR 图像的获取、HDR 图像的存储、动态范围压缩、LDR 图像扩展为HDR 及利用HDR 图像进行图像渲染。

由于目前硬件的设备的限制，很难通过硬件设备获取HDR 图像，因此HDR 图像的获取主要依赖于软件。获取的方法有：根据图像成像过程的系统函数，对不同曝光度下的图像合成；HDR 相机捕获HDR 图像，但这类相机价格高昂，仅应用于商业领域中；计算机图像渲染方法，可分为射线追踪及光栅化；扩展LDR 图像，恢复HDR 图像的内容。

高动态范围所需的存储空间巨大，可利用特殊的存储方式对其动态范围进行存储。现阶段的存储方法主要有RGBE 、LogLuv 及半浮点数编码形式。而这些存储方法仍需要巨大的空间，因此需要对图像动态范围进行压缩处理，将现有的技术，如JPEG 、MPEG 、块截断编码（BTC ）等压缩编码方式应用于HDR 图像压缩中。

HDR 图像的呈现主要有两种方式，可以通过色调映射的方法将HDR 图像的亮度信息进行压缩，进而呈现在LDR 图像的相关设备上，也可以直接利用HDR 图像的设备成像。现阶段的HDR 成像设备还不是很普遍，因此主要通过色调映射来实现HDR 图像的呈现。色调映射的方法如图1所示，可分为全局映射、和局部映射、频域映射（梯度映射）及分割映射。这些方法具有通用的两个步骤：第一步是计算输入的HDR 图像的亮度值，第二步是还原压缩图像的色彩信息。这些色调映射方法主要通过压缩图像亮度，并没考虑颜色信息在压缩过程中如何变化，近年来，提出了将颜色外观模型应用于HDR 图像处理中，更好地根据原有的信息减少颜色失真。

色调映射研究的是如何将HDR 转化为LDR ，而膨胀映射则将低动态范围扩展为高动态范围。膨胀映射算法如图2所示可分为五步。

表1 色调映射算法分类

图2膨胀映射算法步骤

可以利用心理学物理实验和错误矩阵对不同色调映射和膨胀映射算法进行评估，心理学物理实验根据观察者的主观感受对比不同算法得到的图像，而错误矩阵则是将不同算法得到的图像与人眼观察系统的感知到的图像比较。这两种比较方式都存在很大的缺陷，第一种算法依赖于观察者的主观感受，观察者数量对实验结果具有较大影响，第二种算法仅模拟了该系统的某一部分，不能完全地模拟出人眼视觉系统。

HDR 图像可应用于图像渲染。图像照明（IBL ）可以加速处理获得的HDR 图像数据信息，并进行图像渲染，恢复出接近真实情景的亮度环境。

现阶段高动态范围图像的研究重点是快速高效地利用色调映射将LDR 转化为HDR ，另一个为将现有的LDR 图像利用膨胀映射转化为HDR 图像，以及利用获得的HDR 图像进行图像渲染。