Reinhard算法模型的色调映射算法的研究
Reinhard算法模型的色调映射算法的研究
第16卷第1期2013年3月成都工业学院学报JOURNAL OF CHENGDU TECHNOLOGICAL UNIVERSITY Vol．16，No．1March．，2013收稿日期：2013－01－18基金项目：四川省科技支撑计划(2012GZ0090)作者简介：岳丽(1987－)，女(汉族)，甘肃嘉峪关人，在读硕士研究生，研究方向:数据库与信息系统。
胡大裟(1976－)，男(汉族)，四川泸州人，讲师，博士，研究方向:并行计算，编程语言，软件工程。
基于Reinhard 模型的色调映射算法的研究岳丽，胡大裟，蒋玉明(四川大学计算机学院，成都610065)摘要：传统显示设备由于受自身动态范围的限制无法很好地显示高动态范围图像，因此需要通过色调映射算法进行合理的动态域压缩，不同的压缩算法对图像最终的显示质量有很大的影响。
综述了现有高动态范围图像的色调处理方法，分析了Reinhard 基于摄影模型的色调映射算法的推导过程，通过几组对比实验分析了算法中的参数选择以及Reinhard 全局色调映射算法和局部色调映射算法在处理图像上的不同优势。
关键词：高动态范围图像;色调映射;全局映射;局部映射中图分类号：G718文献标志码：A 文章编号：2095－5383（2013）01－0018－04Research on HDR Image Tone Mapping Based on Reinhard ’s AlgorithmYUE Li ，HU Dasha ，JIANG Yuming（College of Computer Science ，Sichuan University ，Chengdu 610065，China ）Abstract ：Traditional display device couldn ’t display high dynamic range image well due to its dynamic range limitation ，and this dynamic range mismatch must be overcome with a reasonable tone mapping method by compressing the dynamic range．This paper firstly introduced the existing tonemapping methods of HDRI．After that ，it analyzed emphatically the derivation process of Reinhard ’s tone mapping algorithm．Finally ，the authors analyzed the algorithm of parameter selection and the different advantages of Reinhard global tone mapping algorithm and local tone mapping algorithm in image processing through several group of experiments．Key words ：HDRI ；tone mapping ；global mapping ；local mapping长期以来，图像传感器的动态范围都很小，但是真实场景中亮度的动态变化范围却非常广，平常大部分场景的亮度范围都远远超过了图像传感器所能感受的动态范围，因此，需要一种特殊的图像，即高动态范围图像（High Dynamic Range Image ，HDRI ）来满足要求。
基于Reinhard算法的局部色彩迁移改进算法
基于Reinhard算法的局部色彩迁移改进算法
Reinhard算法是一种常用的色彩迁移算法，可以将一幅图像的色彩风格应用到另一幅图像上。
该算法存在一些问题，例如在某些情况下会出现色彩过于饱和或变暗的情况。
为了解决这些问题，我们可以对Reinhard算法进行改进。
我们可以引入局部色彩迁移的概念。
传统的Reinhard算法是基于整个图像的全局色彩迁移，即将整个源图像的色彩风格应用到整个目标图像上。
而局部色彩迁移则是考虑到每个像素的邻域信息，根据局部邻域的色彩分布来进行色彩迁移。
这样可以得到更细致的色彩迁移效果。
我们可以对Reinhard算法的颜色映射函数进行改进。
传统的Reinhard算法使用的颜色映射函数是一个全局的曲线，通过计算源图像和目标图像的平均值和方差来确定。
这种方法可能会造成色彩过度饱和或变暗的问题。
改进的方法是使用局部的颜色映射函数，通过分别计算每个像素点的邻域平均值和方差来确定颜色映射函数。
这样可以保持局部色彩的平衡。
我们可以引入自适应的参数调整方法。
传统的Reinhard算法使用固定的参数来进行色彩迁移，这可能并不适用于所有的图像。
改进的方法是根据图像的特征来自动调整参数。
可以根据图像的亮度和对比度来动态调整曲线的形状和斜率。
这样可以使得色彩迁移更加自然。
基于Reinhard算法的局部色彩迁移改进算法可以通过引入局部色彩迁移、改进的颜色映射函数和自适应的参数调整方法来解决传统Reinhard算法存在的问题。
这种改进算法可以得到更好的色彩迁移效果，使得图像的色彩更加平衡和自然。
基于Reinhard算法的局部色彩迁移改进算法
基于Reinhard算法的局部色彩迁移改进算法随着计算机视觉技术的不断发展，图像处理领域中色彩迁移技术的应用越来越广泛。
在许多应用中，色彩迁移技术可以使一幅图像的色调与另一幅图像相似，从而达到类似的视觉效果。
Reinhard算法是一种著名的全局色彩迁移算法，但它无法处理图像中的局部信息。
本文提出了一种基于Reinhard算法的局部色彩迁移改进算法，能够更好地保留图像的局部信息。
首先，我们简要回顾Reinhard算法的基本原理。
该算法将输入图像的颜色映射到输出图像，使得输入图像的颜色分布与输出图像的颜色分布相似。
该算法中，首先计算输入图像和输出图像的CIELAB色彩空间下的平均色彩和方差，然后通过对输入图像进行局部色调变换来实现色彩迁移。
Reinhard算法具有很高的效率和良好的色彩迁移效果，但是它只能处理全局信息，而且在处理一些图像时会出现色彩失真的问题。
为了处理图像中的局部信息，我们提出了一种基于Reinhard算法的局部色彩迁移改进算法。
该算法分为两个步骤：局部颜色分布估计和局部色彩变换。
在第一步，我们采用k-means聚类算法来估计输入图像和输出图像的局部颜色分布。
在输入图像中，我们将每个像素点的周围像素分为若干个局部区域，并对每个局部区域进行聚类，得到该区域中最常见的颜色。
通过这样的方法，我们可以得到输入图像和输出图像的局部颜色分布。
在第二步，我们对输入图像进行局部色彩变换。
对于输入图像的每个像素点，我们计算其所属的局部区域的平均颜色和方差，然后使用Reinhard算法对该局部区域进行颜色变换。
重复这个过程，直到处理完整个图像。
通过这种方式，我们可以实现对图像局部信息的保留。
此外，我们还可以通过调整局部区域大小来控制算法的效果。
当局部区域较小时，算法将更为准确地保留图像的局部信息，但同时会降低算法的速度。
反之，当局部区域较大时，算法速度较快，但可能会导致一些局部信息的丢失。
以下为几幅经过我们算法处理后的图像，可以看见相比于Reinhard算法，我们的算法能够更好地保留图像局部信息，从而得到更加自然的视觉效果。
基于Reinhard算法的局部色彩迁移改进算法
基于Reinhard算法的局部色彩迁移改进算法局部色彩迁移是一种用于图像处理的方法，主要用于将一张图像的色彩特征迁移到另一张图像中。
Reinhard算法是一种经典的色彩迁移算法，它通过对图像的色彩统计特征进行变换来实现迁移。
Reinhard算法存在一些问题，如无法处理图像中的细节信息，容易产生色彩失真等。
为了解决这些问题，研究者提出了许多改进的局部色彩迁移算法。
改进的局部色彩迁移算法主要包括以下几个方面的改进。
改进算法可以针对不同的图像区域选择不同的迁移方法，并对每个区域进行分别处理。
这种方法可以更好地保留图像中的细节信息，并提高色彩迁移的准确性。
改进算法可以采用多尺度的方式进行迁移，即在不同的尺度下对图像进行处理，然后进行融合。
这种方法可以提高迁移的鲁棒性，并增强迁移结果的细节。
改进算法还可以结合其他图像处理技术，如边缘检测、纹理生成等，来进一步优化迁移结果。
在改进算法中，局部色彩迁移的核心步骤是颜色变换。
传统的Reinhard算法通过对图像的颜色分布进行统计，并对颜色值进行变换来实现迁移。
改进算法可以在此基础上进一步优化颜色变换的过程。
可以通过对图像的颜色分布进行建模，并根据模型来选择合适的变换函数。
改进算法还可以考虑图像的局部结构信息，在颜色变换的过程中保持图像的结构一致性。
除了颜色变换，改进算法还可以应用其他的图像处理技术来提高迁移的效果。
可以通过边缘检测来保护图像的边缘信息，防止色彩失真。
还可以使用纹理生成技术，在迁移的过程中增加图像的纹理细节。
这些技术的应用可以提高迁移结果的质量，并且使得迁移结果更加自然。
基于Reinhard算法的局部色彩迁移改进算法可以在保持色彩特征的提高迁移的准确性和鲁棒性。
通过选择合适的迁移方法、引入多尺度处理和结合其他图像处理技术，可以进一步优化迁移结果，并增强图像的细节信息。
这些改进为局部色彩迁移算法的应用提供了更多的可能性，使得色彩迁移在图像处理中得到了广泛的应用。
reinhard方法 -回复
reinhard方法-回复什么是Reinhard方法，并探讨它在不同领域中的应用。
[Reinhard 方法] 是一种图像处理方法，旨在改善图像的对比度和色调映射。
它由Erik Reinhard于2001年提出，并被广泛用于计算机图形学、计算机视觉和数字图像处理等领域。
首先，我们来了解一下Reinhard方法的基本原理。
该方法的核心思想是将输入图像的色彩映射到适当的色调范围，使图像更加生动自然。
Reinhard方法将图像处理任务转化为将像素值转换为新的亮度和颜色通道。
通过对图像亮度进行转换，可以增强图像的对比度；通过对颜色通道进行转换，可以调整图像的色调分布。
这种转换可以通过以下步骤完成：第一步，将输入图像从RGB颜色空间转换为luminance和chrominance 颜色空间。
Luminance表示图像的亮度信息，通常以灰度值表示；Chrominance表示图像的色度信息，即图像的颜色信息。
第二步，通过对luminance颜色空间进行对数压缩来提高图像的对比度。
对数压缩可以确保亮度值在合适的范围内，避免出现过亮或过暗的图像。
第三步，通过应用色调映射函数对chrominance颜色空间进行调整，以改变图像的色调分布。
这种映射函数可以根据具体需求来设计，例如，可以通过映射函数来调整图像的颜色温度，使其更加暖色或冷色。
第四步，将调整后的luminance和chrominance颜色空间转换回RGB 颜色空间，以生成最终的处理结果图像。
通过该转换，图像的亮度和颜色信息将被重新映射到新的范围内，使图像达到更加自然和生动的效果。
Reinhard方法可以在各种应用中发挥重要作用。
在计算机图形学中，该方法常用于渲染引擎中，通过对渲染结果进行色调映射，使虚拟场景看起来更加真实。
在计算机视觉中，Reinhard方法可以应用于图像增强、图像修复和视频处理等任务中，提高图像的质量和可视化效果。
在数字图像处理中，该方法可用于图像编辑和图像生成等领域，通过调整图像的色调和对比度，改善图像的视觉感受。
基于Reinhard算法的局部色彩迁移改进算法
2020年11期创新前沿科技创新与应用Technology Innovation and Application基于Reinhard 算法的局部色彩迁移改进算法晋诗瑶，张天旭，吴军，刘金辉，王媛，郑齐凭（中国矿业大学信息与控制工程学院，江苏徐州221116）1概述图像的颜色迁移是图像处理中一门新兴的热门技术，通过图像之间色彩的传输，可以合成具有不同色彩效果的图像，满足人们的不同需求。
对于灰度图像的色彩迁移，不仅可以提高其观赏性、艺术性，提高其社会价值、商业意义，例如对大量黑白图片、海报、工业设计稿件等，还可以应用到医学、遥感及其他学科领域中，通过色彩传输来突出要探测的目标区域，便于进一步地诊断、识别等。
传统的灰度图像色彩迁移算法，如Reinhard 算法，对于局部颜色迁移，不能很好的保留原始图像的细节信息，因此，本文提出一种基于Reinhard 算法的局部色彩迁移改进算法，将具有强关联性的RGB 颜色空间模型，转化到具有正交基的l αβ颜色空间上，通过加入新的局部参考图像和源图像信息，引入新的局部标准差比值因子，实现保持细节的颜色迁移，得到一幅具有全新色彩的自然的新图像。
2色彩空间模型概述2.1RGB 色彩空间RGB 空间是一种应用最为广泛的颜色空间模型，它以R ，G ，B 三种最基本的颜色作为三基色，构成一个立方体模型，三种颜色的混合比例不同，所得到的颜色也不同，在RGB 空间中，任意色光F 都能RGB 三种分量的不同混合叠加而形成。
RGB 模型简单直观，但是RGB 三种基色高度相关，如果任一基色发生改变，那么它所构成的颜色在很大程度上也要发生改变。
2.2l αβ色彩空间l αβ色彩空间是Ruderman 提出的一种新的色彩空间，它改进了RGB 模型的强相关性，其中l 表示非色彩通道，α表示彩色的黄-蓝通道，β表示红-绿通道。
由于三种通道之间相关性较小，可以通过不同的方法对此色彩通道进行运算，干扰性较小，利用此色彩空间实现颜色迁移，可以得到比较好地效果。
基于Reinhard算法的局部色彩迁移改进算法
基于Reinhard算法的局部色彩迁移改进算法局部色彩迁移是一种常用的图像处理技术，它可以在保持图像空间结构的同时改变图像的色彩分布，常应用于图像风格迁移、图像着色等方面。
Reinhard等人提出的全局色彩迁移算法是一种经典的色彩迁移方法，但在处理复杂图像时存在着色偏和失真的问题。
为了解决这一问题，研究者们提出了基于Reinhard算法的局部色彩迁移改进算法，该算法能够更加准确地保持局部细节和色彩特征，取得了良好的效果。
本文将重点介绍基于Reinhard算法的局部色彩迁移改进算法的原理和方法，并探讨其在图像处理领域的应用前景。
一、Reinhard算法的局限性Reinhard等人于2001年提出了一种基于颜色直方图的全局色彩迁移算法，该算法使用颜色均值和标准差来描述图像的色彩特征，然后通过调整色彩均值和标准差的方式来实现色彩迁移。
该算法简单直观，适用于大多数图像，但在处理复杂的图像时存在一定的局限性。
具体来说，Reinhard算法存在以下几个问题：1.色彩偏移问题：在处理包含多种颜色和纹理的复杂图像时，Reinhard算法往往会导致色彩偏移，即迁移后的图像与原图相比出现明显的色彩失真现象。
2.细节丢失问题：由于全局色彩迁移算法无法准确保持图像的局部细节和纹理信息，因此在处理包含丰富纹理的图像时往往会导致细节丢失，影响图像的视觉质量。
为了解决Reinhard算法存在的问题，研究者们提出了一系列基于Reinhard算法的局部色彩迁移改进算法，通过引入局部信息和纹理特征，有效地改善了色彩迁移的质量和效果。
二、基于Reinhard算法的局部色彩迁移改进算法原理介绍基于Reinhard算法的局部色彩迁移改进算法主要包括以下几个关键步骤：局部特征提取、色彩迁移映射和像素调整。
下面将详细介绍这些步骤的原理和方法。
1.局部特征提取为了准确保持图像的局部细节和纹理特征，基于Reinhard算法的局部色彩迁移改进算法首先需要提取图像的局部特征。
基于Reinhard算法的局部色彩迁移改进算法
基于Reinhard算法的局部色彩迁移改进算法Reinhard算法是一种用于图像色彩迁移的经典算法，它能够将一个图像的色彩风格转移到另一个图像上。
Reinhard算法存在一些问题，如无法处理细节部分的色彩迁移等。
为了改进这些问题，我们提出了基于Reinhard算法的局部色彩迁移改进算法。
我们的改进算法首先通过对原始图像进行分割，将图像划分为多个局部区域。
然后，对于每个局部区域，我们分别应用Reinhard算法进行色彩迁移。
这样，我们就能够分别处理每个区域的色彩迁移，提高了算法的准确性和细节保留能力。
在色彩迁移的过程中，我们还考虑了局部区域的特征，比如颜色分布和纹理信息。
通过将这些特征结合到Reinhard 算法中，我们能够更好地保持原始图像的细节，并获得更加自然和真实的色彩迁移结果。
我们还引入了自适应参数调整策略来优化算法的性能。
具体而言，我们将Reinhard算法中的参数进行自动调整，根据图像的特征和需求，选择合适的参数值。
这样一来，我们能够更好地适应不同的图像和色彩迁移任务，并获得更好的迁移效果。
实验结果表明，我们的改进算法在色彩迁移任务上表现出了较好的性能。
与传统的Reinhard算法相比，我们的算法能够更好地保持原始图像的细节，并提供更加真实和自然的迁移结果。
在处理不同类型的图像和不同风格的色彩迁移任务时，我们的算法也展现出了较好的适应性和稳定性。
我们提出了一种基于Reinhard算法的局部色彩迁移改进算法。
该算法通过分割图像、考虑局部特征和自适应参数调整等策略，提高了色彩迁移的准确性和细节保留能力。
我们的实验结果表明，该算法在色彩迁移任务上具有较好的性能和适应性，有望在图像处理和艺术设计领域中得到广泛应用。
- 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)。
第16卷第1期2013年3月成都工业学院学报JOURNAL OF CHENGDU TECHNOLOGICAL UNIVERSITY Vol．16，No．1March．，2013收稿日期：2013－01－18基金项目：四川省科技支撑计划(2012GZ0090)作者简介：岳丽(1987－)，女(汉族)，甘肃嘉峪关人，在读硕士研究生，研究方向:数据库与信息系统。
胡大裟(1976－)，男(汉族)，四川泸州人，讲师，博士，研究方向:并行计算，编程语言，软件工程。
基于Reinhard 模型的色调映射算法的研究岳丽，胡大裟，蒋玉明(四川大学计算机学院，成都610065)摘要：传统显示设备由于受自身动态范围的限制无法很好地显示高动态范围图像，因此需要通过色调映射算法进行合理的动态域压缩，不同的压缩算法对图像最终的显示质量有很大的影响。
综述了现有高动态范围图像的色调处理方法，分析了Reinhard 基于摄影模型的色调映射算法的推导过程，通过几组对比实验分析了算法中的参数选择以及Reinhard 全局色调映射算法和局部色调映射算法在处理图像上的不同优势。
关键词：高动态范围图像;色调映射;全局映射;局部映射中图分类号：G718文献标志码：A 文章编号：2095－5383（2013）01－0018－04Research on HDR Image Tone Mapping Based on Reinhard ’s AlgorithmYUE Li ，HU Dasha ，JIANG Yuming（College of Computer Science ，Sichuan University ，Chengdu 610065，China ）Abstract ：Traditional display device couldn ’t display high dynamic range image well due to its dynamic range limitation ，and this dynamic range mismatch must be overcome with a reasonable tone mapping method by compressing the dynamic range．This paper firstly introduced the existing tonemapping methods of HDRI．After that ，it analyzed emphatically the derivation process of Reinhard ’s tone mapping algorithm．Finally ，the authors analyzed the algorithm of parameter selection and the different advantages of Reinhard global tone mapping algorithm and local tone mapping algorithm in image processing through several group of experiments．Key words ：HDRI ；tone mapping ；global mapping ；local mapping长期以来，图像传感器的动态范围都很小，但是真实场景中亮度的动态变化范围却非常广，平常大部分场景的亮度范围都远远超过了图像传感器所能感受的动态范围，因此，需要一种特殊的图像，即高动态范围图像（High Dynamic Range Image ，HDRI ）来满足要求。
动态范围图像是用来实现比普通数字图像技术更大曝光动态范围（即更大的明暗差别）的一组技术，图像所表现的层次更加丰富，图像中高亮度区和低亮度区的细节信息都能很好地保留下来，更接近于人眼观测到的真实场景［2］。
为了解决真实场景与传统显示设备动态范围不匹配的矛盾，国内外学者提出了很多色调映射（Tone Mapping ）算法来实现在传统显示器上显示高动态范围图像。
本文主要研究Reinhard 基于摄影模型的色调映射算法。
图1色阶映射原理示意图1色调映射算法色调映射算法是由Tumblin 等人在1993年引入到计算机图形学领域的［1］。
图1描述了色调映射的问题，其目的是解决观察到的景物与通过色调映射生成显示的HRD 图像在视觉上匹配的问题。
目前常见的色调映射算法有2类。
1）全局色调映射算法全局算法即空域不变算法，在一幅图像中，所有的像素使用通用压缩曲线进行压缩，使其从原来超出显示设备动态范围映射到一个常规显示设备所能显示的范围。
全局算法比其他类型的操作算法简单，大多可以立即执行，因此计算效率高。
在普通的数码相机中大多使用全局算法。
从20世纪80年代开始，就有很多学者在进行全局色调映射算法的研究，但是直到90年代才有比较好的成果。
1993年，Tumblin 和Rushmeier ［4］针对人类的视觉系统（HVS ）亮度感觉模型上的一致性，提出了一2013年第1期岳丽，胡大裟，蒋玉明：基于Reinhard模型的色调映射算法的研究种非线性的全局算法；1994年，Ward［5］基于保留对比亮度而非绝对亮度提出了一个较简单的线性映射Ward全局算法；1997年，Ward Larson等人［6］进一步提出了一种基于直方图的全局算法；2000年，Scheel和Stamminger等人［7］将色调映射技术用于交互式系统中，将亮度信息表示为纹理信息；2003年，Drago等人［8］提出了一种自适应对数映射算法；同年Artusi等人［9］提出了一种基于全局算法应用的统一框架。
虽然不同全局算法的效果不一样，但是如果一幅图像的动态范围非常高，全局算法将无法保存图像的局部细节，因此出现了局部色调映射算法。
2）局部色调映射算法局部算法也叫空域相关算法，它会根据像素本身的值来计算出局部的对于每个像素点的区域分级，这个局部区域值将驱动目标像素的压缩曲线。
也就是说一个像素点的压缩依赖于邻接点像素，一个暗点像素在一个亮点像素旁边和一个暗点像素在一个暗点像素旁边的处理是不同的。
从20世纪90年代开始，大量有效的局部算法被提出。
1993年，Chiu等人［10］根据人眼对于亮度相对变化更为敏感这一现象，提出了一种分区域获得亮度缩放因子的算法；1997年，Jobson等人［11］提出了模拟人类的视觉系统（HVS）对亮度和颜色感知的多尺度Retinex模型；1998年，Pattanaik等人［12］建立了非常全面的模拟HVS对亮度及空域变化的适应模型；2002年，Durand和Dorsey［13］提出了一种具备边缘检测的双边滤波技术；2002年，Reinhard等人［14］提出了基于摄影模型的自动调节亮度的色调映射方法；2002年，Fattal等人［15］提出了基于梯度域上对图像进行多尺度压缩的方法；2007年，Kuang和Fairchild［16］基于图像色貌模型（iCAM）和双边滤波分层技术提出了一种新的局部算法。
局部算法弥补了全局算法中遇到的图像细节或者对比信息会丢丢失的问题，但不足之处是计算量大大增加，而且要注意光晕、虚假轮廓及噪声等图像失真问题，这些问题的减少或消除是以模糊图像为代价。
全局算法通常简洁高效，但是很难保持局部对比度。
局部算法采用多分辨率分层算法，可以更好地展现局部信息，但是同时计算复杂且可能产生光晕等图像失真问题。
2Reinhard色调映射算法2002年，Reinhard等人［14］提出了基于摄影模型的自动调节亮度的色调映射方法。
该思想源于照片拍摄的“分区曝光显影系统（Zone system）”的概念，它将场景和显示设备的动态范围分别按照亮度的递增顺序分成了若干个区域（Zones），其中显示设备的动态范围被分成了11个区域。
摄影师首先获取场景的中间亮度值，这个亮度将映射到显示设备的Zone-5，然后再获取场景的最高亮度和最低亮度以决定场景的动态范围。
如果没有超过11个Zones，那么就将场景和显示设备的Zone一一对应；如果超过了11个Zones，就需要使用遮光—曝光（dodging and burning）的方法来压缩动态范围，将过亮的区块变暗或者将过暗的区域变亮［17］。
根据这一理念，Reinhard提出了基于摄影模型的色调映射算法，该算法包含了全局色调映射算法和局部色调映射算法，不同的是，局部色调映射算法提供了对图像的不同区块采用摄影中的遮光—曝光的技术［14，18］。
首先，对图像进行一次动态范围压缩，计算整幅图像的平均对数亮度值，平均亮度L—w看作是对场景关键点有用的近似值：L—w =1Nexp（Σx，y lg（δ+L w（x，y）））（1）其中，L w（x，y）是已给定的像素点（x，y）的全局亮度，N为输入图像中所有像素点的个数，δ是一个很小的修正值。
经过多次实践发现，平均像素亮度总是被映射到平均关键场景显示范围的18%，这样，原始的缩放方程式为：L（x，y）=aL—wLw（x，y）（2）其中L（x，y）是缩放后的亮度，a是亮度比例常数，其大小决定了输出图像的亮度大小。
然后，对图像进行二次线性压缩变化，使用式（3）将L（x，y）映射到显示设备的L d（x，y）：L d （x，y）=L（x，y）1+L（x，y）（3）当高亮度被大量压缩的时候，该函数线性缩放的值比较小，其所有的值都在［0，1］之间，从而保证了所有的L d（x，y）都在显示设备的显示范围内，然后引入L white将函数扩展为一个可控函数：L d （x，y）=L（x，y）（1+L（x，y）/L2white）1+L（x，y）（4）成都工业学院学报http：//paper．cdtu．edu．cn/第16卷全局色调映射算法在对图像进行动态压缩时十分快捷方便，但是对于动态范围极高的图像还是会丢失一些图像的细节。
因此，Reinhard进一步提出了运用遮光—曝光的方法来压缩动态范围的局部色调映射算法，其基本思想是对每一个像素找到其周围不包含强烈反差的最大环绕域，根据其环绕域亮度信息选择不同的a。
因此，首先要找到目标像素点最大环绕域半径s max，s max是满足式（5）的最大值：│V（x，y，s max）│＜ε（5）其中ε是一个较小的阀值，s是高斯滤波器的尺度。
如果在像素点周围没有明显的反差，那么高斯点周围的像素都是相似的，否则，这2个高斯点就不同。
这里引入亮度感知模型的中心环绕函数V（x，y，s），其中a和φ分别是亮度比例常数和锐化参数，方程V1（x，y，s）和V2（x，y，s）是由式（7）和（8）求出。