论文部分内容阅读
动态范围定义为场景（图像）最亮部分的灰度值与最暗部分的灰度值之比。现实世界的场景具有较大的动态范围,有的甚至能达到1014的数量级,然而从早期的胶片拍照直至现在的数码,他们所能表示的动态范围非常有限,通常只有100：1到1000：1的数量级,很难准确的再现出现实中高动态范围场景。随着数字图像技术的不断发展,特别是高动态范围图像技术的出现,使准确记录并再现现实中场景成为了可能。高动态范围图像是一种可以表示实际场景中灰度范围变化比较大的图像类型,色彩空间更广阔,可以较好地记录和表达现实中场景亮区和暗区的光学特性。然而,由于很大部分输出设备仅仅适用于动态范围较小的图像,如果我们直接将高动态范围图像放在这些显示设备上来显示,显示出来的结果有较大不同。所以我们需要按照某种方式将原来的图像进行映射变换,压缩其动态范围,使其能够在设备上较好的显示出来,这就是色调映射所研究的问题。本文首先通过对人眼的视觉特性、高动态范围图像的配准合成、存储讲解来了解有关高动态范围图像的背景知识。接着简单的介绍了一些前人的色调映射算法,并对一些经典的色调映射算法进行解析,其中包括全局色调映射和局部色调映射这两类算法。随后结合了“暗的地方变得更暗,亮的地方变得更亮”这种对比度增强观念并逐步演化出一种局部自适应的对比度增强的方法,然后将该方法应用到高动态范围图像色调映射中,进而提出了一种针对高动态范围图像的色调映射算法即基于自适应对比度增强的高动态范围图像色调映射算法。该算法的主要思路是先将高动态范围图像转换成灰度图像并通过自适应对数映射来压缩图像的动态范围；接着将压缩后的图像进行对比度增强,为了避免在这过程中因增强过度而产生噪声,在增强后再对其进行快速双边滤波处理以达到保边去噪的效果；最后将灰度图像转换成彩色图像。实验表明,本文所提出的算法可以很好的对高动态范围图像进行色调映射。该算法即能够保留良好的整体明暗效果,同时又能较好的反应出图像局部细节信息和局部对比度,使得其能够在常规显示设备上呈现出较好的效果；同时该算法具有较低的平均时间复杂度（单个像素平均时间复杂度为0（1））,以尺寸为512*768的高动态范围图像为例,在Intel（R）Pentium（R）CPU G630@2.70GHz 2.70GHz设备上进行色调映射,其计算时间为：0.312秒。于此同时,本文还通过将该算法和其他局部映射算法进行了比较,不管是在处理效果和处理时间上都有较好的竞争性。另外,在文章后面给出了该算法在普通视频增强方面的应用,也有比较好的效果。