一種快速的基于多尺度高斯濾波器的色調(diào)映射系統(tǒng)及方法
【專利摘要】本發(fā)明請求保護一種快速的基于多尺度高斯濾波器的色調(diào)映射系統(tǒng)及方法，包括多尺度分解模塊、粗化層模塊、細節(jié)層模塊、融合模塊、色度處理模塊、伽瑪校正模塊、終端顯示模塊。采用高斯濾波器構(gòu)造一組多尺度高斯濾波器，對高動態(tài)范圍圖像進行分解，獲得粗化圖像和細節(jié)圖像；所述融合模塊，利用線性組合的方式把高動態(tài)范圍圖像分解成的粗化層圖像和細節(jié)層圖像融合成為新的低動態(tài)范圍圖像；所述色度處理模塊，引入對色度信息的補償處理；所述伽瑪校正模塊，采用伽瑪校正，預(yù)先補償顯示系統(tǒng)輸入信號與輸出信號之間的非線性關(guān)系。本發(fā)明可以有效地壓縮高動態(tài)范圍圖像，較好地保留圖像信息，并且算法效率高，消耗時間短，適用于移動終端上。
【專利說明】
-種快速的基于多尺度高斯濾波器的色調(diào)映射系統(tǒng)及方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于高動態(tài)范圍圖像的色調(diào)映射技術(shù)領(lǐng)域，具體設(shè)及一種基于多尺度高斯 濾波器的高效率的色調(diào)映射方法。
【背景技術(shù)】
[0002] 大自然的真實場景能顯示高動態(tài)范圍的亮度，而人類的視覺感知系統(tǒng)也能夠很好 地適應(yīng)該動態(tài)范圍。光學(xué)數(shù)字成像技術(shù)能利用成像處理器把大自然的光線轉(zhuǎn)變?yōu)閿?shù)字信 號，并通過存儲介質(zhì)保存下來。計算機顯示設(shè)備利用運些數(shù)字信號重現(xiàn)所拍攝的自然場景。 最終要求使用者能從顯示設(shè)備上獲得與直接觀察真實場景一致的視覺感知。當(dāng)前的低動態(tài) 范圍圖像處理技術(shù)仍然不能完整地重現(xiàn)真實自然場景，而高動態(tài)范圍圖像和色調(diào)映射算法 正是解決該問題的有效方法。近年來，高動態(tài)范圍圖像化igh Dynamic Range Image,皿RI) 能記錄真實場景的豐富明暗細節(jié)和色彩信息，在拍攝處理、電影特效、智能交通、衛(wèi)星圖像 等領(lǐng)域都有著巨大的應(yīng)用前景，進而吸引了人們越來越多的關(guān)注。高動態(tài)范圍圖像能夠包 含傳統(tǒng)低動態(tài)范圍圖像缺少的但卻能被人眼所獲取的較高和較低亮度區(qū)域的細節(jié)、顏色和 飽和度等信息。隨著數(shù)碼攝像技術(shù)的發(fā)展，人們能很容易地直接通過硬件拍攝或軟件合成 方式來獲取高動態(tài)范圍圖像。但高動態(tài)范圍圖像無法直接通過一般的低動態(tài)范圍顯示設(shè)備 顯示。因為當(dāng)前普遍的CRT和LCD顯示器只能顯示102: l(lcd/m2~102cd/m2)范圍的亮度，只 能支持普通低動態(tài)范圍圖像的顯示，而皿R圖像的亮度范圍卻能高達109:1(0.0001cd/m2~ 100000cd/m2)，甚至更高。一般的方法是把HDR圖像的動態(tài)范圍通過線性變換壓縮到普通顯 示器的動態(tài)范圍里，但會嚴重丟失皿R圖像本身記錄的圖像信息。
[0003] 色調(diào)映射算法是高動態(tài)范圍圖像處理的最關(guān)鍵環(huán)節(jié)，能使皿R圖像在只能支持低 動態(tài)范圍的普通顯示器上重現(xiàn)皿R圖像的豐富內(nèi)容，深刻影響著觀察者的視覺感知體驗，并 且它又設(shè)及到色彩學(xué)、屯、理學(xué)、視覺學(xué)和光學(xué)等領(lǐng)域。近二十年來，很多科研工作者、研究機 構(gòu)和圖像圖形硬件生產(chǎn)商都做出了相當(dāng)多的工作。
[0004] 目前，根據(jù)其處理辦法不同，色調(diào)映射算法主要分為Ξ類：（a)空域不變算子 (spatially uniform),又稱全局映射算子，即采用同一個映射曲線來處理圖像的所有像 素；（b)空域變化算子(spatially varying),又稱局部映射算子，即圖像的每一個像素都有 各自映射曲線，與其周圍的像素相關(guān)，從而使不同大小的像素點可能映射為大小相同的像 素值，相同大小的像素點可能映射為大小不同的像素值；（C)混合空域算子，它能結(jié)合空域 不變和空域變化運兩種算子的各自優(yōu)勢，雖然能取得較好的效果，但實現(xiàn)難度極大，可能導(dǎo) 致算法效率極低。
[0005] 如何讓皿R圖像在普通的低動態(tài)范圍顯示器上快速有效地獲得最優(yōu)化的顯示輸 出，即快速的高動態(tài)范圍圖像色調(diào)映射方法成為了人們越來越關(guān)注的重點。

【發(fā)明內(nèi)容】

[0006] 針對W上技術(shù)的不足，提出了一種有效地壓縮高動態(tài)范圍圖像，較好地保留圖像 信息，并且算法效率高，消耗時間短的基于多尺度高斯濾波器的色調(diào)映射系統(tǒng)及方法。本發(fā) 明的技術(shù)方案如下:一種快速的基于多尺度高斯濾波器的色調(diào)映射系統(tǒng)，其包括:多尺度分 解模塊、粗化層模塊、細節(jié)層模塊、融合模塊、色度處理模塊、伽瑪校正模塊和終端顯示模 塊;其中
[0007]所述多尺度分解模塊用于采用高斯尺度空間構(gòu)造一組多尺度高斯濾波器，把原始 的高動態(tài)范圍圖像分解為一系列不同尺度下的粗化圖像和細節(jié)圖像;所述粗化層模塊用于 對多尺度分解模塊中的高動態(tài)范圍圖像反復(fù)進行邊緣保留分解，同時在迭代過程中，增大 處理窗口的半徑，獲得一系列逐漸模糊的新粗化圖像，保留了圖像的局部平均值和局部顯 著邊緣信息;細節(jié)層模塊用于把經(jīng)過多尺度分解模塊分解的粗化層模塊中相鄰尺度之間粗 化圖像的像素差異值作為對應(yīng)尺度的細節(jié)層圖像;所述融合模塊用于把細節(jié)層和粗化層通 過線性組合的方式融合成新的低動態(tài)范圍圖像;所述色度處理模塊用于彌補融合模塊丟失 的色度信息;伽瑪校正模塊用于預(yù)先補償顯示系統(tǒng)的輸入信號與輸出信號之間的非線性關(guān) 系;終端顯示模塊用于觀察顯示最終經(jīng)過色調(diào)映射算法處理過的高動態(tài)范圍圖像。
[000引進一步的，所述多尺度分解模塊（1)采用高斯尺度空間理論，假設(shè)原始圖像為U。 (χ)，χΕΩ，Ω表示圖像區(qū)域，采用尺度參數(shù)t(t〉0)的多尺度方法來處理原始圖像，輸出結(jié) 果圖像為u(x，t)，則稱Tt:u0(x)^u(x，t)為尺度空間算子，尺度空間算子族{Tt}t〉o即表示尺 度空間，并認為1\+11:11^，1:)^11^，1+11)是尺度從1:變化到1+11的尺度空間算子。
[0009] 進一步的，所述多尺度分解模塊（1)的多尺度高斯濾波器是采用低通濾波器處理 圖像，并不在大尺度的輸出圖像上引入虛假結(jié)構(gòu)，高斯濾波器的高斯核完整地實現(xiàn)尺度變 換的唯一變換核，即采用不同高斯核來處理原始圖像后獲得新圖像系列。
[0010] 進一步的，所述粗化層模塊中對輸入的高動態(tài)范圍圖像進行多尺度邊緣保留分 解，包括:設(shè)MEPi表示多尺度邊緣保留函數(shù)，1表示當(dāng)前所在的尺度級別，對高動態(tài)范圍圖像 的亮度圖像I處理后，獲得一系列逐漸模糊的粗化圖像，公式如下：
[0011] Bi-i=MEPi(Bi)，l=n, . . .，2且Bn=I
[0012 ]其中，B康示1尺度上對應(yīng)的粗化圖像，Bn表示高動態(tài)范圍圖像對應(yīng)的亮度圖像。進 一步的，所述細節(jié)層模塊中，將基礎(chǔ)層Bi的平均值作為最后粗化層Bo,即Bo = Mean(Bi)，一系 列不同尺度的細節(jié)圖像化定義如下：
[0013] Di = Bi-Bi-i，l=n, . . .，2
[0014] 進一步的，所述融合模塊中將高動態(tài)范圍圖像分解成的多個細節(jié)層和粗化層，通 過線性組合的方式來融合成為新的低動態(tài)范圍圖像1/，公式如下：
[0015]
[0016] 其中，α和扣表示不同的平滑函數(shù)，取η = 3;βι采用S型函數(shù)：
[0017]
[0018] 進一步的，所述色度處理模塊中的色度信息補償處理根據(jù)人的視覺模型，通過一 個映射函數(shù)，補償圖像的原有色度信息，采用了如下公式處理色度信息：
[0019]
[0020] 其中，Cin表示原始高動態(tài)范圍圖像的R，G，B顏色通道;Lin表示原始圖像的像素亮 度;Uut表示壓縮處理后的像素亮度，S表示用戶可調(diào)的顏色飽和度系數(shù)，取值空間為(0，1]。
[0021] 進一步的，所述伽瑪校正模塊的取值采用取2.2。
[0022] -種快速的基于多尺度高斯濾波器的色調(diào)映射方法，其包括W下步驟：
[0023] 步驟1、首先輸入一幅高動態(tài)范圍圖像，接下來求取高動態(tài)范圍圖像的亮度圖像， 對亮度圖像進行歸一化處理；步驟2、然后對不同尺度的高斯濾波器反復(fù)進行邊緣保留分 解，獲得一系列的粗化圖像，通過計算粗化圖像之間的像素差異值進而得到不同尺度下的 細節(jié)圖像;步驟3、采用線性組合的方式把粗化圖像和細節(jié)圖像重構(gòu)為新的低動態(tài)范圍圖 像，在融合過程中采用S型函數(shù)消除噪聲;步驟4、通過保留顏色與亮度的比值來對低動態(tài)范 圍圖像進行色度處理，同時采用伽瑪校正函數(shù)處理壓縮后的圖像;步驟5、最后，得到最終的 低動態(tài)范圍圖像，可直接在普通的顯示器上顯示。
[0024] 進一步的，所述步驟3在融合過程中采用消除噪聲的S型函數(shù)，公式如下：
[0025]
[0026] 進一步的，所述步驟4中的色度信息補償處理通過一個映射函數(shù)，補償圖像的原有 色度信息，如下公式：
[0027]
[002引其中，Cin表示原始高動態(tài)范圍圖像的R，G，B顏色通道;Lin表示原始圖像的像素亮 度;Uut表示壓縮處理后的像素亮度，S表示用戶可調(diào)的顏色飽和度系數(shù)，取值空間為(0，1]。
[0029] 本發(fā)明的優(yōu)點及有益效果如下：
[0030] 本發(fā)明專利采用多尺度高斯濾波器能夠?qū)Ω邉討B(tài)范圍圖像進行多尺度描述，彌補 了高動態(tài)范圍圖像在單一尺度上的圖像特征的不完整性，同時在圖像尺度空間中，采用不 同高斯核來處理原始圖像后獲得的圖像序列是規(guī)范和線性的，能滿足平移不變性、尺度不 變性和旋轉(zhuǎn)不變性等特征。根據(jù)高斯金字塔的原理，構(gòu)造一組多尺度高斯濾波器，能有效壓 縮高動態(tài)范圍圖像，較好地保留圖像在顏色、亮度和細節(jié)等方面的信息。
[0031] 本發(fā)明專利通過多尺度高斯濾波器對高動態(tài)范圍圖像反復(fù)進行邊緣保留分解，在 迭代過程中，增大處理窗口半徑，獲得一系列不同尺度下的粗化圖像和細節(jié)圖像，從而把分 解得到的粗化層和細節(jié)層重構(gòu)成新的低動態(tài)范圍圖像。在整個對高動態(tài)范圍圖像進行邊緣 保留分解迭代過程和融合過程中，易于操作，明顯減少了內(nèi)存消耗和計算時間。
[0032] 本發(fā)明專利引入對色度信息的補償處理。高動態(tài)范圍圖像被映射到低動態(tài)范圍圖 像后，往往丟失圖像的色度信息，導(dǎo)致顏色偏移，基于人的視覺模型，通過一個映射函數(shù)，彌 補圖像的原有色度信息，修復(fù)圖像的顏色和細節(jié)。彌補了因動態(tài)范圍壓縮而導(dǎo)致丟失色度 信息的缺點。
[0033] 本發(fā)明專利采用伽瑪校正，通過計算顯示系統(tǒng)的輸入信號與輸出信號的非線性關(guān) 系，預(yù)先補償顯示系統(tǒng)輸出圖像與映射后圖像之間的偏離程度，使得顯示系統(tǒng)更好地顯示 經(jīng)過色調(diào)映射處理后的高動態(tài)范圍圖像。解決了顯示系統(tǒng)顯示的亮度與映射后的圖像數(shù)據(jù) 不一致的問題，且增強了在現(xiàn)有顯示系統(tǒng)上的適應(yīng)性。本發(fā)明專利為具有較高實用性的色 調(diào)映射方法。高動態(tài)范圍圖像包含了逼真的細節(jié)和豐富的色彩，廣泛應(yīng)用在游戲特效、衛(wèi)星 氣象、醫(yī)療影像和高清電影等不同領(lǐng)域，目前高動態(tài)范圍圖像局部色調(diào)映射方法盡管顯示 效果好，但是算法效率較低，消耗時間長。實用性的色調(diào)映射方法不僅能保持高動態(tài)范圍圖 像在顏色、亮度和細節(jié)等方面的信息，而且可W快速地把高動態(tài)范圍圖像映射為可供普通 顯示設(shè)備輸出的低動態(tài)范圍圖像，具有一定的實用意義。
【附圖說明】
[0034] 圖1是本發(fā)明提供優(yōu)選實施例種快速的基于多尺度高斯濾波器的色調(diào)映射方法功 能結(jié)構(gòu)示意圖。
[0035] 圖2為一維波浪信號的多尺度描述示意圖
[0036] 圖3為小屋圖像的多尺度描述示意圖
[0037] 圖4為平滑函數(shù)示意圖
[0038] 圖5不同伽瑪值校正示意圖
[0039] 圖6為本發(fā)明優(yōu)選實施例一種快速的基于多尺度高斯濾波器的色調(diào)映射方法整體 工作流程示意圖。
[0040] 圖7為本發(fā)明優(yōu)選實施例一種快速的基于多尺度高斯濾波器的色調(diào)映射算法描述 示意圖。
【具體實施方式】
[0041 ] W下結(jié)合附圖，對本發(fā)明作進一步說明：
[0042] 圖1為本發(fā)明優(yōu)選實施例一種快速的基于多尺度高斯濾波器的色調(diào)映射方法功能 結(jié)構(gòu)示意圖，圖1中，一種快速的基于多尺度高斯濾波器的色調(diào)映射方法，包括多尺度分解 模塊1、粗化層模塊2、細節(jié)層模塊3、融合模塊4、色度處理模塊5、伽瑪校正模塊6和終端顯示 模塊7。
[0043] 所述多尺度分解模塊1用于構(gòu)造一組多尺度高斯濾波器，把高動態(tài)范圍圖像分解 為一系列不同尺度下的粗化圖像和細節(jié)圖像;粗化層模塊2用于對高動態(tài)范圍圖像進行多 尺度邊緣保留分解，獲得一系列逐漸模糊的粗化圖像;細節(jié)層模塊3用于把一系列相鄰尺度 下的粗化層的差異值作為對應(yīng)尺度的細節(jié)層;融合模塊4用于把細節(jié)層和粗化層通過線性 組合的方式融合成新的低動態(tài)范圍圖像;色度處理模塊5用于彌補因動態(tài)范圍壓縮而導(dǎo)致 丟失的色度信息；伽瑪校正模塊6用于預(yù)先補償顯示系統(tǒng)的輸入信號與輸出信號之間的非 線性關(guān)系;終端顯示模塊7顯示最終經(jīng)過色調(diào)映射算法處理過的高動態(tài)范圍圖像，并觀察其 效果。
[0044] 進一步的，所述多尺度分解模塊中根據(jù)高斯金字塔的原理，采用多尺度高斯濾波 器，反復(fù)對高動態(tài)范圍圖像進行邊緣保留分解，彌補了單一尺度上的特征描述圖像內(nèi)容較 片面的缺點；其中在圖像尺度空間的基礎(chǔ)上，采用高斯核的尺度空間，叫高斯尺度空間，在 圖像處理領(lǐng)域可W理解為一個尺度可變的高斯函數(shù)g(X，t)與被處理圖像I(X)的卷積L(X， t)，公式如下：
[0045] L(X，t)=g(X，t)*I(X)
[0046] 其中，I:RD一 R，L:RDxR+一 R。尺度可變高斯函數(shù)g(X，t)定義為：
[0047]
[004引進一步的，所述多尺度高斯濾波器采用對高動態(tài)范圍圖像進行多尺度描述，并構(gòu) 建穩(wěn)定的圖像尺度空間，能尋找到高動態(tài)范圍圖像在其它尺度上的細節(jié)、紋理、整體結(jié)構(gòu)等 特征，同時采用高斯核處理原始圖像后獲得的圖像序列是規(guī)范和線性的，能滿足平移不變 性、尺度不變性和旋轉(zhuǎn)不變性等特征。
[0049] 進一步的，所述粗化層模塊中，設(shè)MEPi表示多尺度邊緣保留函數(shù)，1表示當(dāng)前所在 的尺度級別，對高動態(tài)范圍圖像的亮度圖像I處理后，獲得一系列逐漸模糊的粗化圖像，公 式如下：
[0050] Bi-i=MEPi(Bi)，l=n, . . .，2且Bn=I
[0051] 進一步的，所述細節(jié)層模塊中，為了使最后的粗化圖像盡可能地不受噪聲影響，可 W將基礎(chǔ)層Bi的平均值作為最后粗化層Bo,即Bo = Mean(Bi)。一系列不同尺度的細節(jié)圖像定 義如下：
[0052] Di = Bi-Bi-i，l=n, . . .，2
[0053] 進一步的，所述融合模塊中將高動態(tài)范圍圖像分解成的多個細節(jié)層和粗化層，通 過線性組合的方式來融合成為新的低動態(tài)范圍圖像1/，公式如下：
[0化4]
[0055]其中，α和扣表示不同的平滑函數(shù)，為了有效節(jié)約時間消耗，取n = 3;為了保持細節(jié) 圖像的平滑性，扣可W采用S型函數(shù)：
[0化6]
[0057]進一步的，所述色度處理模塊中的色度信息補償處理根據(jù)人的視覺模型，可W額 外通過一個映射函數(shù)，補償圖像的原有色度信息，修復(fù)圖像的顏色和細節(jié)，彌補了因動態(tài)范 圍壓縮而導(dǎo)致丟失色度信息的缺點；一般，色度信息的處理是通過保留顏色與亮度的比值， 如下：
[0化引
[0059] 其中，Cin表示原始高動態(tài)范圍圖像的R，G，B顏色通道;Lin表示原始圖像的像素亮 度;Uut表示壓縮處理后的像素亮度。
[0060] 由于亮度的動態(tài)范圍壓縮比較大，色度信息丟失明顯，故采用了如下公式處理色 度信息：
[0061]
[0062] 其中，S表示用戶可調(diào)的顏色飽和度系數(shù)，取值空間為(0，1]。
[0063] 圖2為一維波浪信號的多尺度描述示意圖，表示一維波浪信號與不同尺度的一維 高斯函數(shù)卷積的結(jié)果示意圖，即一維波浪信號的尺度空間描述，由下往上t單調(diào)增大。由圖2 可知，隨著一維高斯函數(shù)尺度的不斷增加，一維波浪信號的細節(jié)結(jié)構(gòu)也漸漸被削去，原始的 一維波浪信號變得越來越平滑，并且大尺度的結(jié)果信號也沒有產(chǎn)生額外的"人工"結(jié)構(gòu)。
[0064] 圖3為小屋圖像的多尺度描述示意圖，圖3中，是一幅小屋圖像，W及采用不同尺度 的二維高斯函數(shù)過濾后的結(jié)果圖像。圖3(a)中尺度參數(shù)t = 0,即為原始圖像L(x，y，0) = I (x，y)。隨著t單調(diào)增大，圖像變得越來越平滑，局部細節(jié)也逐漸消失。高斯函數(shù)g(X，t)的標 準差是77,因此過濾操作會抹掉尺度小于它的圖像細節(jié)。在圖3(d)中，窗口，煙畫和排水管 等較小尺度結(jié)構(gòu)都被過濾掉了，只保留具有大尺度結(jié)構(gòu)的小屋外形。
[0065] 圖4為平滑函數(shù)示意圖，由圖4可知，遠離零的較大數(shù)值會被壓縮，靠近零的較小數(shù) 值會被擴展，運樣會有效地消除噪聲，令細節(jié)圖像更平滑。
[0066] 圖5不同伽瑪值校正示意圖，由于軟件和硬件設(shè)備差異，不同顯示系統(tǒng)的伽瑪值也 不同。當(dāng)校正的伽瑪值小于2.2時，壓縮了圖像的較亮區(qū)域并擴展了較暗區(qū)域；當(dāng)校正的伽 瑪值大于2.2時，擴展了圖像的較亮區(qū)域并壓縮了較暗區(qū)域。為了使本發(fā)明專利的色調(diào)映射 算法具有普遍適用性，伽瑪值取2.化k較合理。
[0067] 圖6為本發(fā)明優(yōu)選實施例一種快速的基于多尺度高斯濾波器的色調(diào)映射方法整體 工作流程示意圖，圖6中，首先輸入一幅高動態(tài)范圍圖像，接下來求取高動態(tài)范圍圖像的亮 度圖像，對亮度圖像進行歸一化處理;然后對不同尺度的高斯濾波器反復(fù)進行邊緣保留分 解，獲得一系列的粗化圖像，通過計算粗化圖像之間的差值進而得到不同尺度下的細節(jié)圖 像;采用線性組合的方式把粗化圖像和細節(jié)圖像重構(gòu)為新的低動態(tài)范圍圖像，在融合過程 中采用S型函數(shù)有效地消除噪聲，令細節(jié)圖像更平滑;通過保留顏色與亮度的比值來對低動 態(tài)范圍圖像進行色度處理，同時采用伽瑪校正函數(shù)處理壓縮后的圖像，使得顯示系統(tǒng)顯示 的亮度與映射后的圖像數(shù)據(jù)盡可能保持一致。最后，得到最終的低動態(tài)范圍圖像，可直接在 普通的顯示器上顯示。
[0068] 圖7是本發(fā)明專利提供的一種快速的基于多尺度高斯濾波器的色調(diào)映射算法描述 示意圖。圖7中，執(zhí)行步驟1到步驟4完成算法的預(yù)處理，執(zhí)行步驟5到步驟6得到多尺度分解 下的粗化層與細節(jié)層，執(zhí)行步驟7到步驟8得到較好保持圖像顏色和細節(jié)的低動態(tài)范圍圖 像。最后輸出的低動態(tài)范圍圖像，可直接顯示在普通的顯示器上。
[0069] W上運些實施例應(yīng)理解為僅用于說明本發(fā)明而不用于限制本發(fā)明的保護范圍。在 閱讀了本發(fā)明的記載的內(nèi)容之后，技術(shù)人員可W對本發(fā)明作各種改動或修改，運些等效變 化和修飾同樣落入本發(fā)明權(quán)利要求所限定的范圍。
【主權(quán)項】
1. 一種快速的基于多尺度高斯濾波器的色調(diào)映射系統(tǒng)，其特征在于，包括:多尺度分解 模塊（1)、粗化層模塊(2)、細節(jié)層模塊(3)、融合模塊(4)、色度處理模塊(5)、伽瑪校正模塊 (6)和終端顯示模塊(7);其中 所述多尺度分解模塊（1)用于采用高斯尺度空間構(gòu)造一組多尺度高斯濾波器，把原始 的高動態(tài)范圍圖像分解為一系列不同尺度下的粗化圖像和細節(jié)圖像;所述粗化層模塊(2) 用于對多尺度分解模塊（1)中的高動態(tài)范圍圖像反復(fù)進行邊緣保留分解，同時在迭代過程 中，增大處理窗口的半徑，獲得一系列逐漸模糊的新粗化圖像，保留了圖像的局部平均值和 局部顯著邊緣信息;細節(jié)層模塊(3)用于把經(jīng)過多尺度分解模塊（1)分解的粗化層模塊(2) 中相鄰尺度之間粗化圖像的像素差異值作為對應(yīng)尺度的細節(jié)層圖像;所述融合模塊(4)用 于把細節(jié)層和粗化層通過線性組合的方式融合成新的低動態(tài)范圍圖像;所述色度處理模塊 (5)用于彌補融合模塊(4)丟失的色度信息；伽瑪校正模塊(6)用于預(yù)先補償顯示系統(tǒng)的輸 入信號與輸出信號之間的非線性關(guān)系；終端顯示模塊(7)用于觀察顯示最終經(jīng)過色調(diào)映射 算法處理過的高動態(tài)范圍圖像。2. 根據(jù)權(quán)利要求1所述的快速的基于多尺度高斯濾波器的色調(diào)映射系統(tǒng)，其特征在于， 所述多尺度分解模塊（1)采用高斯尺度空間理論，假設(shè)原始圖像為ιι〇(χ)，χΕΩ，Ω表示圖 像區(qū)域，采用尺度參數(shù)t(t>0)的多尺度方法來處理原始圖像，輸出結(jié)果圖像為u(x，t)，則稱 Tt:Uci(X)4U(X，t)為尺度空間算子，尺度空間算子族{T t}t>〇即表示尺度空間，并認為Tt+h:u (X，t) -u (X，t+h)是尺度從t變化到t+h的尺度空間算子。3. 根據(jù)權(quán)利要求2所述的快速的基于多尺度高斯濾波器的色調(diào)映射系統(tǒng)，其特征在于， 所述多尺度分解模塊（1)的多尺度高斯濾波器是采用低通濾波器處理圖像，并不在大尺度 的輸出圖像上引入虛假結(jié)構(gòu)，高斯濾波器的高斯核完整地實現(xiàn)尺度變換的唯一變換核，即 采用不同高斯核來處理原始圖像后獲得新圖像系列。4. 根據(jù)權(quán)利要求1或2所述的快速的基于多尺度高斯濾波器的色調(diào)映射系統(tǒng)，其特征在 于，所述粗化層模塊（2)中對輸入的高動態(tài)范圍圖像進行多尺度邊緣保留分解，包括：設(shè) MEPi表示多尺度邊緣保留函數(shù)，1表示當(dāng)前所在的尺度級別，對高動態(tài)范圍圖像的亮度圖像 I處理后，獲得一系列逐漸模糊的粗化圖像，公式如下： Bl-2且Bn=I 其中，Βι表示1尺度上對應(yīng)的粗化圖像，Bn表示高動態(tài)范圍圖像對應(yīng)的亮度圖像。5. 根據(jù)權(quán)利要求4所述的快速的基于多尺度高斯濾波器的色調(diào)映射系統(tǒng)，其特征在于， 所述細節(jié)層模塊⑶中，將基礎(chǔ)層也的平均值作為最后粗化層Bo,即BozMean^)，一系列不 同尺度的細節(jié)圖像Di定義如下： Di = Bi_Bi-1，l = n，· · ·，26. 根據(jù)權(quán)利要求5所述的快速的基于多尺度高斯濾波器的色調(diào)映射系統(tǒng)，其特征在于， 所述融合模塊(4)中將高動態(tài)范圍圖像分解成的多個細節(jié)層和粗化層，通過線性組合的方 式來融合成為新的低動態(tài)范圍圖像1/，公式如下：其中，表示不同的平滑函數(shù)，取η = 3;βι采用S型函數(shù)：7. 根據(jù)權(quán)利要求5所述的快速的基于多尺度高斯濾波器的色調(diào)映射系統(tǒng)，其特征在于， 所述色度處理模塊(5)中的色度信息補償處理根據(jù)人的視覺模型，通過一個映射函數(shù)，補償 圖像的原有色度信息，采用了如下公式處理色度信息：其中，Cin表不原始尚動態(tài)范圍圖像的R，G，B顏色通道;Lin表不原始圖像的像素殼度;Lout 表示壓縮處理后的像素亮度，S表示用戶可調(diào)的顏色飽和度系數(shù)，取值空間為(〇，1]。8. 根據(jù)權(quán)利要求5所述的快速的基于多尺度高斯濾波器的色調(diào)映射系統(tǒng)，其特征在于， 所述伽瑪校正模塊(6)的取值采用取2.2。9. 一種快速的基于多尺度高斯濾波器的色調(diào)映射方法，其特征在于，包括以下步驟： 步驟1、首先輸入一幅高動態(tài)范圍圖像，接下來求取高動態(tài)范圍圖像的亮度圖像，對亮 度圖像進行歸一化處理;步驟2、然后對不同尺度的高斯濾波器反復(fù)進行邊緣保留分解，獲 得一系列的粗化圖像，通過計算粗化圖像之間的差值進而得到不同尺度下的細節(jié)圖像;步 驟3、采用線性組合的方式把粗化圖像和細節(jié)圖像重構(gòu)為新的低動態(tài)范圍圖像，在融合過程 中采用S型函數(shù)消除噪聲；步驟4、通過保留顏色與亮度的比值來對低動態(tài)范圍圖像進行色 度處理，同時采用伽瑪校正函數(shù)處理壓縮后的圖像;步驟5、最后，得到最終的低動態(tài)范圍圖 像，可直接在普通的顯示器上顯示。10. 根據(jù)權(quán)利要求9所述的一種快速的基于多尺度高斯濾波器的色調(diào)映射方法，其特征 在于，所述步驟3在融合過程中采用消除噪聲的S型函數(shù)，公式如下：所述步驟4中的色度信息補償處理通過一個映射函數(shù)，補償圖像的原有色度信息，如下 公式：其中，Cin表示原始高動態(tài)范圍圖像的R，G，B顏色通道;Lin表示原始圖 ，. 像的像素亮度;1_表示壓縮處理后的像素亮度，s表示用戶可調(diào)的顏色飽和度系數(shù)，取值空 間為(〇，1]。
【文檔編號】G06T3/00GK105825472SQ201610149009
【公開日】2016年8月3日
【申請日】2016年5月26日
【發(fā)明人】閆亞星, 陳喬松, 冉會瓊, 劉曉, 董師周, 崔棟燦, 周冰玉, 盧大強
【申請人】重慶郵電大學(xué)