HDR及一些非均匀性校正算法
光电成像——非均匀性校正
由
S
i 1 j 1 N M i 1 j 1
N
M
i, j
( L ) ( H )
S
i, j
(L , S L )
和
(H , S H )
所确定的直线被用作校正
直线。
第6讲 非均匀校正
光电成像实时处理技术
3）在一定照度 下，第(i,j)个探测器单元的输出值 S i , j ( )
算法原理 算法实现 算法分析
第6讲 非均匀校正
光电成像实时处理技术
算法原理
两点校正法是：通过测量阵列中各探测器单元对两个不同
辐照度的均匀黑体辐射的响应，并由此计算出校正值，从 而实现非均匀性校正。
1 1 2 2 3 3
S SH H
S S33(( LL)) S S22(( LL)) S S11(( LL))
第6讲 非均匀校正
光电成像实时处理技术
算法原理
假定探测器单元的输出信号与接收到辐照度呈线性关系。
选取辐照度 1 作为定标点，对红外焦平面阵列所有探测器 单元的输出信号 Si, j (1 ) 求平均得：
1
1 S (1 ) NM
S
i 1 j 1
N
M
i, j
(1 )
S 3 (1 ) S 2 (1 ) S1 (1 )
第6讲 非均匀校正
光电成像实时处理技术
三点校正公式
if (S (i, j ) S M (i, j ))
S (i, j )
S (i, j ) S M (i, j ) S (i, j ) S L (i, j ) Lm Mm S L (i, j ) S M (i, j ) S M (i, j ) S L (i, j )
红外图像非均匀性校正相关汇总
红外图像⾮均匀性校正相关汇总红外图像中的不规则条纹是红外焦平⾯阵列⾮均匀性的体现，⾮均匀性产⽣的原因⼗分复杂，在⽣产时完全消除其⾮均匀性是不现实的，只有通过⾮均匀性校正来提⾼其性能。
红外焦平⾯成像产品在出⼚前⼀般都会对其进⾏定标校正，但产品交付后，由于探测器的时间漂移特性和使⽤环境的变化，图像中的⾮均匀性会逐渐增强，甚⾄严重到影响产品的使⽤。
如果重新对产品进⾏定标校正，需要⼤量外部条件的⽀持，有时甚⾄是不现实的，此时采⽤基于场景的校正算法，就能完全依靠场景⾃⾝的信息，有效去除图像的⾮均匀性，改善图像质量。
⾮均匀性来源主要有：探测器中各阵列元的响应特性⾮⼀致性；1／f噪声；光学系统和扫描电机扫描线性度的影响；电信号传输与放⼤通路的不⼀致等。
两种校正⽅法：基于定标（如两点校正算法TPC（两点温度定标法）、多点校正算法ETPC、多项式拟合算法）基于场景（如神经⽹络⽅法、时域⾼通滤波算法、恒定统计平均法）基于定标⾮均匀校正通常需要事先获得校正所需要的定标系数，然后在校正实现过程中读取这些数据作相应的处理，精度⾼，算法相对简单，但不能⾃适应跟踪探测元响应特性的漂移。
当漂移很⼤时，需要重新定标来更新校正系数。
基于场景的⾮均匀校正是利⽤场景信息的变化即时估计出探测元的增益和偏移量，可⾃适应地跟踪探测像元输出的漂移，缺点是多数算法是假设探测元响应线性问题提出的，算法相对较复杂，校正精度不⾼，硬件实现难度较⼤。
两点校正法利⽤同⼀⿊体，分别进⾏低温和⾼温数据采集。
两点校正法是最早开展研究、最为成熟的算法之⼀。
应⽤两点法校正有两个前提条件，第⼀，探测器的响应在所关注的温度范围内是线性变化的，第⼆，探测器的响应具有时间的稳定性，并且其受随机噪声的影响较⼩，则⾮均匀性引⼊固定模式的乘性和加性噪声。
【⽂献】李旭, 杨虎. [J]. 红外与激光⼯程, 2008(s2):608-610.论⽂中对1x128线列探测器进⾏两点法⾮均匀性校正试验。
HDR及一些非均匀性校正算法
HDR High Dynamic Range ，即高动态范围，比如所谓的高动态范围图象（HDRI）或者高动态范围渲染（HDRR）。
动态范围是指信号最高和最低值的相对比值。
目前的16位整型格式使用从“0”（黑）到“1”（白）的颜色值，但是不允许所谓的“过范围”值，比如说金属表面比白色还要白的高光处的颜色值。
在HDR的帮助下，我们可以使用超出普通范围的颜色值，因而能渲染出更加真实的3D场景。
也许我们都有过这样的体验：开车经过一条黑暗的隧道，而出口是耀眼的阳光，由于亮度的巨大反差，我们可能会突然眼前一片白光看不清周围的东西了，HDR在这样的场景就能大展身手了。
HDR可以用3句话来概括：亮的地方可以非常亮暗的地方可以非常暗亮暗部的细节都很明显。
HDR的处理在显卡中可以分为3个步骤：将画面用高光照动态范围渲染，并储存每个象素的亮度特性；将HDRI画面转成低动态范围的画面（RGBA或是sRGB）；色彩和Gamma校正后传送到显示设备输出。
计算机在表示图像的时候是用8bit(256)级或16bit(65536)级来区分图像的亮度的，但这区区几百或几万无法再现真实自然的光照情况。
HDR文件是一种特殊图形文件格式，它的每一个像素除了普通的RGB信息，还有该点的实际亮度信息。
普通的图形文件每个象素只有0 －255的灰度范围，这实际上是不够的。
想象一下太阳的发光强度和一个纯黑的物体之间的灰度范围或者说亮度范围的差别，远远超过了256个级别。
因此，一张普通的白天风景图片，看上去白云和太阳可能都呈现是同样的灰度/亮度，都是纯白色，但实际上白云和太阳之间实际的亮度不可能一样，他们之间的亮度差别是巨大的。
因此，普通的图形文件格式是很不精确的，远远没有纪录到现实世界的实际状况。
所以，现在我们就要介绍一下高动态范围图像（简称HDRI）。
HDR高动态范围渲染目前是一种逐渐开始流行的显示技术，其技术出发点就是让计算机能够显示更接近于现实照片的画面质量。
HDR图像色调映射的自适应色彩调节算法
0引言高动态范围(High Dynamic Range,HDR)图像是一种可以记录实际场景亮度范围变化较大的图像,拥有更丰富的亮度层次,尤其是亮区域和暗区域的细节展现,远比普通图像更逼近现实的色彩效果。
但HDR图像通过普通显示设备再现时存在动态范围不匹配问题,因此动态范围的压缩算法成为了研究的热点。
近年来,已经涌现出很多HDR图像色调映射(tone mapping)算法[1-4],例如KUANG J[3]等在图像色貌模型的基础上提出了iCAM06算法;REINHARD E[4]等提出基于摄影法的动态范围压缩算法。
这些色调映射算法提供了将真实世界的亮度范围映射到输出媒介亮度范围的复杂方法,但它们通常会导致图像颜色外观的变化。
最常见的色调操作是亮度压缩,会导致较暗的色调变得更亮并且扭曲对比关系[5]。
这是由于调映射算法起初都是针对图像在亮度域进行压缩处理,但在处理彩色的高动态范围图像时,仅仅考虑亮度分量,忽略了在对亮度压缩的同时图像的色彩分量也被压缩了,颜色发生了变化。
本文提出图像经色调映射压缩处理后,在色域增加色彩调节算法,以解决因压缩后存在的褪色、偏色等色彩失真问题,从而提高图像的色彩表现。
1色彩调节算法描述整个算法分为两个部分:亮度域处理和色域处理。
亮度域处理是对采集得到的高动态图像在亮度域进行动态范围的压缩映射和限制对比度的自适应直方图均衡化处理,将图像的高动态范围映射到低动态范围内。
色域处理包含两方面,一方面是色彩恢复处理,结合下文中所给曲线的特点,根据图像处理前后亮度比值自适应地调节色彩饱和度参数,对压缩后的图像色彩恢复;另一方面对恢复后的图像做色彩增强处理,解决图像拍HDR图像色调映射的自适应色彩调节算法陈文艺1,张龙2,杨辉1(1.西安邮电大学物联网与两化融合研究院,陕西西安710021;2.西安邮电大学通信与信息工程学院,陕西西安710021)摘要:为了克服传统色调映射算法处理高动态图像过程中因忽略彩色分量而导致图像色彩失真的现象,给出一种自适应的色彩调节算法。
一种自适应非均匀性校正算法
一种自适应非均匀性校正算法1. 简介- 引入非均匀性校正的概念- 观察实际应用中的非均匀性问题- 介绍本文要研究的自适应非均匀性校正算法2. 相关技术- 介绍常见的非均匀性校正算法- 对比这些算法的优缺点- 引入用于自适应非均匀性校正的技术3. 自适应非均匀性校正算法- 介绍本文提出的算法的原理- 给出详细的算法流程- 提供算法的实现方法4. 实验结果- 在不同数据集和应用场景中，对比本算法和其他算法的表现- 详细分析本算法的性能和准确性- 比较不同参数对算法性能的影响5. 结论和未来工作- 总结本文提出的自适应非均匀性校正算法的优点和局限- 提出改进本算法的方向- 探讨非均匀性校正的未来研究方向附加：参考文献、致谢等部分根据要求添加。
第1章节：简介在计算机视觉和图像处理的领域中，非均匀性是一个普遍存在的问题，例如拍摄设备的物理限制和环境光照强度等因素会导致图像中出现亮度、色彩和对比度等方面的变化。
非均匀性会影响计算机视觉应用的准确性和鲁棒性，因此需要开发非均匀性校正算法来解决这个问题。
传统的非均匀性校正算法常常是使用全局或局部的图像变换，例如直方图均衡化或多项式变换等，这些算法的准确性和性能在不同的应用场景下具有很大的差异性。
最近，随着计算机视觉、机器学习和人工智能等领域的快速发展，更多的自适应非均匀性校正算法被提出并在各种场景中被广泛应用。
本文旨在研究一种自适应非均匀性校正算法，该算法能够自动识别和调整图像中的非均匀性。
本文的贡献体现在：- 提出一种基于自适应技术的非均匀性校正算法，通过在不同的图像区域中进行动态调整，以实现更加准确和可靠的非均匀性校正。
- 设计精心安排的实验，证明本算法的有效性和优越性，对于不规则形状和高动态范围的图像数据同样具有很强的适应性。
本文的结构组织如下：第一章为本文引言，简要介绍了非均匀性校正的背景和研究意义。
第二章介绍了相关的技术和研究方向，包括传统的非均匀性校正算法和自适应技术的应用。
PSCS5新增HDR、镜头校正、3D功能简介
PSCS5新增HDR、镜头校正、3D功能简介新增的“HDR色调”命令新增的“HDR色调”命令，可用来修补太亮或太暗的图像，制作出高动态范围的图像效果。
(1)执行“文件”→“打开”命令，打开美发广告图片文件，如图1-1所示。
图1-1(2)执行“图像”→“调整”→“HDR色调”命令，打开“HDR 色调”对话框，如图1-2、1-3所示，发灰且不清晰的图像效果得到一定的改善图1-2图1-3(3)在对话框中，设置“边缘光”选项栏中的参数，效果如图1-4所示图1-4(4)设置“色调和细节”选项栏中的各项参数，使图像的色调和细节更加的丰富细腻，效果如图1-5、1-6所示图1-5图1-6(5)设置“颜色”选项栏中的各项设置，使图像的整体色彩更加的艳丽，如图1-7所示图1-7(6)最后再“色调曲线和直方图”栏中，调整图像的整体色调，制作出较高质量的图像效果，如图1-8、1-9所示图1-8新增的“镜头校正”命令根据Adobe对各种相机与镜头的测量自动校正，可更轻易消除桶状和枕状变型、相片周边暗角，以及造成边缘出现彩色光晕的色像差。
(1)执行“文件”→“打开”命令，打开房产广告文件，观察广告中的房屋图片，有些球面化的扭曲变形，如图1-1所示图1-1(2)执行“滤镜”→“镜头校正”命令，打开“镜头校正”对话框，如图1-2所示图1-2(3)在“自动校正”选项卡中的“搜索条件”项目栏中，可以设置相机的品牌、型号和镜头型号，如图1-3所示图1-3(4)此时“矫正”选项栏中的选项变为可用状态，参照图1-4所示选择需要自动校正的项目，自动校正图像，如图1-4、1-5所示图1-4(5)在对话框的左侧选择“缩放”工具，然后在预览窗口中单击，将图像放大。
同时使用“抓手”工具，单击并拖动预览图像，方便察看图像，如图1-5、1-6所示。
图1-5图1-6(6)选择“移去扭曲”工具，向图像的中心或者偏移图像的中心移动，手动校正球面凸出的房屋图像，效果如图1-7所示。
红外成像系统非均匀性快速校正方法
红外成像系统非均匀性快速校正方法李召龙;沈同圣;史浩然;娄树理【摘要】To solve the problem of the large calculation quantity when correcting the nonuniformity using the tradition-al scene-based method, a fast correction method was proposed. Through the analysis of the image sequences, the results showed that the nonuniformity can be seen as that a fixed pattern noise superimposed on the ideal video. Firstly, the mean image of the first k frames was obtained. Then the nonuniformity noise matrix was extracted. The original image could be corrected by subtracting the noise matrix. The method was validated by using simulated video and real video. Experimental results show that the method can correct the nonuniformity with smaller calculation quantity and faster speed.%针对传统基于场景的非均匀性校正方法计算量大的缺点，提出一种快速校正方法。
通过对图像序列进行分析，得出非均匀性的表现形式可看作是在理想视频上叠加一个固定图案噪声这一结论。
LED屏像素亮度均匀性的评估与校正
LED 显示屏像素亮度均匀性的评估与校正前言近年来，在市场驱动和政府扶持下，我国的LED 显示屏产业经历了令世界瞩目的高速成长，同时，产业内竞争也日趋激烈，客户对质量要求也越来越高，越来越专业。
像素亮度均匀性是LED 全彩显示屏显示质量的一个关键指标。
均匀性差的显示屏，轻则感觉屏幕不干净，色彩不匀净，重则会看到暗斑、亮斑、色斑，甚至马赛克，严重影响显示效果。
为改善LED 屏的像素亮度均匀性，生产厂家和控制系统厂商都付出了相当大的努力，从严格筛选分档LED 灯或芯片，到逐点校正技术的开发应用，然而，由于缺乏一个客观、科学、稳定的测试方法和评价指标，这些改进措施的效果如何却难以量化评估，有时甚至对均匀性改善与否都无法达成共识。
本文将讨论现有的亮度均匀性评估方法，提出像素亮度均方差作为均匀性评估指标，并应用维优公司SV-1型测量系统进行均匀性评估和逐点校正实践，最后对实验结果进行分析和总结。
1 现行的评估手段对于LED 显示屏的像素光强均匀性评估方法，在2007年发布的行业标准《SJ/T 11281-2007 发光二极管LED 显示屏测试方法》中有明确说明：“全屏范围内任意离散抽取30个像素，在最高灰度级、最高亮度级下，全屏显示单红色，用光强仪分别测量出这30个像素的光强值，再进行算术平均计算得到 I ：用公式 %100I max ⨯-=I II i RJ 计算出红色像素光强均匀性 RJ I式中，；～301i = 30/I 301i ∑==i I用同样方法分别计算出绿色和蓝色像素的光强均匀性 GJ I ， BJ I ，取最大值即为该屏像I”素光强均匀性PJ对于像素光强均匀性等级的评定，《SJ/T11281-2007》中由低到高分为A,B,C三级。
I这个指标撇开测试方法本身的效率、可操作性、可复现性等不谈，像素光强均匀性PJ本身存在着先天的不足。
LED屏由大量的LED灯点组成，一个1平方米左右的显示屏，就会包含上万个单基色灯，从全屏抽取30个像素来做均匀性评估，样本个体差异性大，数量相对总体却太过单薄，代表性堪忧。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
HDR High Dynamic Range ，即高动态范围，比如所谓的高动态范围图象（HDRI）或者高动态范围渲染（HDRR）。
动态范围是指信号最高和最低值的相对比值。
目前的16位整型格式使用从“0”（黑）到“1”（白）的颜色值，但是不允许所谓的“过范围”值，比如说金属表面比白色还要白的高光处的颜色值。
在HDR的帮助下，我们可以使用超出普通范围的颜色值，因而能渲染出更加真实的3D场景。
也许我们都有过这样的体验：开车经过一条黑暗的隧道，而出口是耀眼的阳光，由于亮度的巨大反差，我们可能会突然眼前一片白光看不清周围的东西了，HDR在这样的场景就能大展身手了。
HDR可以用3句话来概括：亮的地方可以非常亮暗的地方可以非常暗亮暗部的细节都很明显。
HDR的处理在显卡中可以分为3个步骤：将画面用高光照动态范围渲染，并储存每个象素的亮度特性；将HDRI画面转成低动态范围的画面（RGBA或是sRGB）；色彩和Gamma校正后传送到显示设备输出。
计算机在表示图像的时候是用8bit(256)级或16bit(65536)级来区分图像的亮度的，但这区区几百或几万无法再现真实自然的光照情况。
HDR文件是一种特殊图形文件格式，它的每一个像素除了普通的RGB信息，还有该点的实际亮度信息。
普通的图形文件每个象素只有0 －255的灰度范围，这实际上是不够的。
想象一下太阳的发光强度和一个纯黑的物体之间的灰度范围或者说亮度范围的差别，远远超过了256个级别。
因此，一张普通的白天风景图片，看上去白云和太阳可能都呈现是同样的灰度/亮度，都是纯白色，但实际上白云和太阳之间实际的亮度不可能一样，他们之间的亮度差别是巨大的。
因此，普通的图形文件格式是很不精确的，远远没有纪录到现实世界的实际状况。
所以，现在我们就要介绍一下高动态范围图像（简称HDRI）。
HDR高动态范围渲染目前是一种逐渐开始流行的显示技术，其技术出发点就是让计算机能够显示更接近于现实照片的画面质量。
目前在民用领域看到最多HDR技术应用的必然是游戏了。
在现实中，当人从黑暗的地方走到阳光下时，我们的眼睛会不由自主的迷起来，那是因为在黑暗的地方，人为了更好的分辨物体，瞳孔张开很大，以便吸收光线;而突然到了光亮处瞳孔来不及收缩，视网膜上的视神经无法承受如此多的光线，人自然会迷上眼睛阻止大量光线冲击视神经。
而电脑是不具备这种功能的。
所以，HDR的最终效果因该是亮处的效果是鲜亮的，而黑暗处你也可以清晰的分辨物体的轮廓，位置和深度，而不是以前的一团黑。
动态、趋近真实的物理环境是HDR的特效表现原则。
实际游戏中会发现井底水面反射的阳光在墙壁上动态的明亮反光，洞口的明亮天空也会稍微变弱些。
这样就能更清晰的表现出水面的反光。
如果此时低头看水面会发现水面直接将阳光反射到人眼中很刺眼，但仅仅1秒钟时间光线就会减弱，因为人眼适应了直接反射的阳光。
这就是游戏的曝光控制功能，模拟人眼自动适应光线变化的能力，而不是照相机。
HDR并不仅仅是反射的光强度要高。
在游戏中，如果你盯着一个面向阳光直射的物体，物体表面会出现丰富的光反射;如果盯着不放，物体表面的泛光会渐渐淡出，还原出更多的细节。
HDR特效是变化的，因此称作高动态光照。
热成像的非均匀性校正算法有很多种，红外焦平面非均匀性校正算法主要分为基于定标的非均匀校正算法(如一点温度定标算法、二点温度定标算法、多点温度定标算法)和基于场景的自适应非均匀校正算法(如时域高通滤波(THPFC)算法、人工神经网络(ANNC)算法、恒定统计平均(Cs)校正算法等)。
目前二点温度定标算法和多点温度定标算法是最为成熟的实用性算法，但是它需要周期性的对它维护，这给红外成像设备维护工作带来很多困难。
而基于场景的非均匀校正算法不需要对其周期性的维护，所以人们对它产生了很大的兴趣，目前该算法以神经网络自适应算法为代表。
一点校正法仅能在一个定标点处把单元的输出信号校正一致，随着相对于这个定标点的偏移越大，由于探测器各探测元响应度的非一致性，校正误差也越大。
两点校正法计算量小，可以实现实时校正，除了进行定标外，对目标图像无任何要求，在体积、重量、功耗、成本等方面也最为理想，但当温度变化范围较宽时，由于探测器响应并非严格线性，两点校正系数aij和bij会依赖于所取的温度T1和T2。
在成像或测温过程中，当目标温度偏离T1和T2较大时，依据原有aij和bij得到的校正结果会有很大的误差。
所以，原有的aij和bij系数将不能适应，需要在当前环境温度下重新对校正系数进行更新，给应用带来不便。
两点校正算法是基于响应基本线性的情况下进行的，但实际上每个探测元的响应通常情况下呈非线性，尤其在辐照度变化范围较大时，其线性度更差。
多点定标分段线性校正与两点校正法相比，计算量大，并且由于存储多组校正系数，需要大容量存储器，在校正过程中还需根据背景温度的变化选择合适的校正系数，这增加了编程的困难。
但它原理简单，且有成熟的理论，不存在稳定性问题，比较容易实现。
综合考虑校正效果与实际条件，在目前情况这也是一种比较实用的算法。
时域高通滤波算法的优点是:1.算法简单快速，可以实现实时校正，校正过程不需要定标，不影响系统正常的测量工作。
对低频的非均匀性效果显著。
2.在目标跟踪上，该算法很好地抑制了背景和噪声，突出了移动目标，具有很好的效果。
缺点是:1.只进行了偏移的校正，要求系统具有很好的增益均匀性。
2.该算法要求场景作随机运动，否则图像就会退化，出现伪像。
3.抑制固定图案噪声同时也抑制了图像的低频分量，影响图像质量。
传统人工神经网络算法的优点是:不需要定标校准，可以连续更新增益与偏移的校正系数，而且不受探测单元噪声漂移的影响。
其缺点是:1，算法计算量较大，很难实现实时校正，且由于结构复杂，在硬件上实现也有困难，采用了迭代运算，要保证算法的收敛性。
2，与时域高通滤波算法类似，该算法也要求场景作随机运动，否则会引起图像退化，出现伪像。
由于传统人工神经网络算法具有自适应的优点，该算法被广泛应用到各个领域。
排序均值垂直滤波算法能够有效地消除非均匀性带来的水平条纹，并且能够有效地保护边缘。
另外该算法计算简单，容易在硬件上实现。
但是该算法对非均匀噪声比较大的红外图像不能起很大的校正作用。
改进的均值滤波算法不仅能降低图像的噪声，对水平条纹和垂直条纹都可以进行滤波，同时也保留了图像的部分细节，另外，还可以较为有效地减少黑点和白点对滤波的影响，更重要的是简化了算法，更利于在硬件上实现。
另外也为下一步进行神经网络校正提供了一个期望值。
1.HDR动态范围定义HDR 是英文High-Dynamic Range 的缩写，中文译名为高动态光照渲染。
比如所谓的高动态范围图象（HDRI）或者高动态范围渲染（HDRR）。
动态范围是指信号最高和最低值的相对比值。
目前的16位整型格式使用从“0”（黑）到“1”（白）的颜色值，但是不允许所谓的“过范围”值，在HDR的帮助下，我们可以使用超出普通范围的颜色值，因而能渲染出更加真实的3D场景。
总之简单来说，HDR可以用3句话来概括：1.亮的地方可以非常亮。
2.暗的地方可以非常暗。
3.亮暗部的细节都很明显HDR技术原理我们已经知道，HDR渲染包含两个步骤，一是曝光控制，即将高动态范围的图像映射到一个固定的低范围中，即屏幕能够显示的(0,1)的范围内。
二是对于特别亮的部分实现光晕的效果。
其中曝光控制是HDR渲染的核心环节，光晕效果对表现高亮的像素起了重要的作用。
这里先分别介绍两个步骤的原理和方法，再介绍如何实现一个完整的HDR 渲染器。
在所有步骤开始之前，你必须已经通过某种方法得到了一个高动态范围的图像。
高动态范围的图像每一个像素都由浮点型的R,G,B分量表示，这样每个分量都可以任意大。
对于渲染器而言，这意味着一个浮点纹理。
那么，如何将一个场景渲染到一个高动态范围的浮点纹理中呢？你可以为场景中的每个表面创建一张浮点格式的光照贴图，这张光照贴图的每个象素代表了表面上相应位置的光强。
然后使用OpenGL的FBO（帧缓冲对象）将绑定了浮点光照贴图的场景渲染到一个同屏幕大小一致的浮点纹理中。
好的，先来看看所谓的曝光控制。
这个步骤在HDR渲染中被称为Tone Mapping。
翻译成中文即“调和映射”。
Tone Mapping有很多具体的方法，每个方法都是一个从高动态范围到低范围的一个映射，我们把这些方法统称为Tone Mapping Operator(TMO)，可见，TMO的好坏直接决定了图像的最终质量。
计算当前要渲染的高动态范围图像的平均亮度，然后根据平均亮度确定一个曝光参数，然后使用这个曝光参数将图像正确地映射到屏幕能显示的颜色区域内。
2.非均匀矫正算法红外焦平面非均匀性校正算法主要分为基于定标的非均匀校正算法(如一点温度定标算法、二点温度定标算法、多点温度定标算法)和基于场景的自适应非均匀校正算法(如时域高通滤波(THPFC)算法、人工神经网络(ANNC)算法、恒定统计平均(Cs)校正算法等)。
目前二点温度定标算法和多点温度定标算法是最为成熟的实用性算法，但是它需要周期性的对它维护，这给红外成像设备维护工作带来很多困难。
而基于场景的非均匀校正算法不需要对其周期性的维护，所以人们对它产生了很大的兴趣，目前该算法以神经网络自适应算法为代表。
1). 一点校正当热成像探测元的响应度为线性关系时，可以采用一点校正法来校正其响应的非均匀性。
一点校正法就是在同一辐射条件下把各个热成像探测元的输出信号凡校正为一致，即在某一入射辐射下，把不同的热成像探测元输出信号凡校正为其平均信号。
校正过程分为标定和补偿两步，具体方法是先用温度为几的均匀辐射黑体辐照探测器，得到此时每个探测元的响应输出可，，求其平均值: 式中N为探测器面阵中探测元总的个数。
然后用下式求出各单的校正因子a，。
把各校正因子气存入相应的存储单元，这样就完成了不均匀性的标定。
再对探测元的每个响应输出凡进行实时校正，即: 。
将实际的探测元响应信号与各自的校正因子相乘，即完成非均匀性补偿。
一点校正法仅能在一个定标点处把单元的输出信号校正一致，随着相对于这个定标点的偏移越大，由于探测器各探测元响应度的非一致性，校正误差也越大。
2). 两点校正不仅对器件的增益系数做补偿，还对偏置系数进行了校正。
3）. 多点定标分段线性校正这种算法与两点校正法相比，计算量大，并且由于存储多组校正系数，需要大容量存储器，在校正过程中还需根据背景温度的变化选择合适的校正系数，这增加了编程的困难。
但它原理简单，且有成熟的理论，不存在稳定性问题，比较容易实现。
综合考虑校正效果与实际条件，在目前情况这也是一种比较实用的算法。
4). 时域高通滤波法该算法由Honeywen公司P.M.Narendra等人提出，要求探测元的增益是均匀的，而实际上这是不可能的。