HDR图像色调映射的自适应色彩调节算法
简单步骤制作HDR
使用好照片软件制作HDR照片〃什么是HDRHDR即High Dynamic Range翻译成中文可以理解为“高动态范围”，那什么叫动态范围呢？动态范围是指图像或者是图像设备所能够表示的信号的最大值与最小值的比值。
高动态HDR可以让照片色彩层次更出色真实世界场景的动态范围能够达到1014个数量级，人类视觉系统（HVS）能够感知到105个数量级的动态范围，并且通过人类视觉系统自适应机制的调整能够感知到109个数量级的动态范围。
但是目前的数字图像获取设备和显示设备的动态范围却相对有限，仅仅有102到103个数量级。
动态范围示意图HDR技术可以正确的还原照片中的亮部和暗部细节，提升照片的色彩宽容度。
HDR照片提升了场景色彩和层次，让画面更具冲击力由此可见，当需要在数码影像设备有限的动态范围上再现具有较高动态范围的真实场景时，场景中的某些部分内容的细节、色彩等图像特征的损失将是不可避免的。
图a 、b 、c 是一组典型的由相机包围曝光拍摄的同一个场景照片 此场景中，天空中云彩的光线强度明显高于地面建筑及附近场景的光强值，而且场景中其余部分的光线明暗分布也不匀称。
由于此场景覆盖的光线动态范围较高，目前市面上的影像设备是不可能在一张照片上直接精确完整地呈现此原始场景的。
一个有经验的摄影师能够做的就是利用数码影像设备有限的动态范围最好地呈现某一部分他最感兴趣的场景，而其余的部分，则不得不进行舍弃。
图a 、图b 、图c 的原始照片使用“好照片”软件合成后的HDR 照片例如，如果摄影师对蓝天白云更为感兴趣，他可以设置比较短的曝光时间来进行整个场景拍摄。
图a 就是在此情况下获得的照片。
从图片中可以看到，蓝天白云能够比较清晰的显示在图片上，但其代价却是，地面建筑处场景由于曝光时间不足（超过了影象设备的动态范围的下限），这些部分的细节、色彩被损失，其景象变得不可辨析。
相反，如果摄影师感兴趣的是地面建筑处的场景，他可以设置比较长的曝光时间来进行场景拍摄,图c就是在此情况下获得的照片。
hdr评价指标
hdr评价指标
HDR（高动态范围）图像是一种新型的图像处理技术，它能够捕
捉更广泛的色彩和亮度范围，使图像更加真实自然。
但是如何评价HDR图像的质量呢？以下是几个常用的HDR评价指标：
1. 色彩饱和度（Color Saturation）：指HDR图像中颜色的鲜艳程度和清晰度。
如果颜色过于鲜艳，会导致图像出现过度增强的效果，影响观感。
2. 明暗对比度（Brightness Contrast）：指HDR图像中亮度和
暗度的对比度。
对比度高的HDR图像会更加生动、立体，但如果对比度过高，会使某些细节失真。
3. 动态范围（Dynamic Range）：指HDR图像能够捕捉到的亮度
范围，也是HDR技术的重要特点。
动态范围越大，图像的细节和还原度也越高。
4. 色调映射（Tone Mapping）：是一种将HDR图像映射到低动态范围的处理方式。
好的色调映射算法可以保留HDR图像的细节和色彩，同时还能提高图像的可视性和自然度。
以上是几个常用的HDR评价指标，当然还有其他指标，如噪点、锐度等等，不同的应用场景需要考虑不同的指标。
总之，对HDR图像的评价需要综合考虑多个因素，才能得出准确的结论。
- 1 -。
hdr 伽马系数
HDR，全称为高动态范围（High Dynamic Range），是一种图像技术，能够更好地捕捉和展示图像中的亮度范围，比传统的LDR（低动态范围）图像具有更高的对比度和更丰富的色彩。
伽马系数，则是用来调整图像亮度的系数，其值会影响图像的明暗程度和对比度。
在HDR图像中，伽马系数扮演着重要的角色。
HDR图像的亮度范围比LDR图像更广，因此需要使用不同的伽马系数来优化图像的亮度分布。
在HDR图像中，伽马系数通常设置为2.2或更高。
较低的伽马系数（例如1.0）会使图像显得更暗，而较高的伽马系数（例如5.0）会使图像显得更亮。
调整伽马系数可以影响图像的整体色调和对比度。
当伽马系数设置为较低的值时，图像的色调会偏冷，对比度也会降低。
这可能会导致图像显得较暗，缺乏细节和立体感。
相反，当伽马系数设置为较高的值时，图像的色调会偏暖，对比度也会提高。
这会使图像显得更亮，但同时也可能导致图像失真或出现色斑。
为了获得最佳的HDR图像效果，需要根据图像的具体情况选择合适的伽马系数。
对于一些较暗的场景，可能需要使用较低的伽马系数来提高图像的对比度和立体感。
而对于一些较亮的场景，可能需要使用较高的伽马系数来避免图像失真或出现色斑。
此外，不同的显示器和投影设备可能具有不同的伽马特性，因此在不同的设备上观看HDR图像时，可能需要调整伽马系数以获得最佳效果。
专业级的显示器和投影设备通常具有可调整的伽马设置，以便用户根据自己的需求进行调整。
总之，HDR技术是一种能够展示更广泛亮度范围和更丰富色彩的图像技术。
在HDR图像中，伽马系数是一个重要的参数，用于调整图像的亮度和对比度。
通过合理地选择和调整伽马系数，可以获得最佳的HDR图像效果。
HDR后期实战应用
HDR后期实战应用现在的大多数照相机都具有“包围曝光”功能，可以支上三脚架，以确保拍摄视角不变，一次拍摄曝光不同的多张照片，例如我这次所使用的Sony α700相机，就具有自动一次拍摄7张不同曝光的照片的功能。
如果你没有时间进行如此细致的拍摄，或者没有携带类似三脚架一样的设备，也不要紧。
如果你有养成拍摄 Raw格式的照片的习惯的话，我们可以将一张画质良好的Raw照片，通过Raw格式的编辑软件（例如佳能随机自带的Digital Photo Professional，尼康的Captuer NX2，亦或是Adobe的Camera Raw等等）生成3-5张曝光不同的照片。
相比于Jpg格式，Raw在调整了曝光之后较大限度上避免了画面的细节丢失。
得到了不同曝光的多张照片之后，我们就可以通过图像软件快速的实现照片的“HDR”高动态范围效果。
以下我们就通软件Photomatix Pro，简单讲一下此图片特效的实现。
首先，打开Photomatix Pro 3.0，左侧点选Generate HDR image（产生HDR 图像），之后选择之前你生成的多张不同曝光的照片，这里我选择了3张照片作为范例。
软件会自动搜索出原照片文件中的EXIF记录的EV值并对照片进行排列，点选OK完成对照片的合成。
在Tone Mapping Setting (色调映射设置)菜单中最后定义一下照片曝光度以及灰度系数等，即可完成整个HDR照片的合成，整个过程仅需要花费时间3-5分钟，十分方便使用。
我个人还会将处理完毕的照片再拉近Photoshop中再添加一些细节处理，使得照片更具有观赏性。
高动态范围图片（HDR Image）的制作这几天在网上看到不少HDR效果的照片，昨天也学着做了几张。
根据网上的资源，整理了一下，希望和大家共同探讨这种神奇的效果。
一、什么是HDRHDR是High- Dynamic Range的缩写，即高动态范围。
那么什么是动态范围？图像的动态范围是指图像的最明亮和最暗部分的比例。
自动白平衡方法
自动白平衡方法
自动白平衡是一种图像处理的技术，用于自动调整图像中的白色色彩，以确保图像中白色物体的颜色看起来真实和准确。
目前常用的自动白平衡方法包括以下几种：
1. 灰度世界法（Gray World Algorithm）：假设整个图像中的
灰色像素的平均值应该是中性灰色，根据这个假设调整图像的颜色。
通过计算图像中红、绿、蓝三个通道的平均值，将这个平均值视为中性灰色，然后根据这个中性灰色对图像的颜色进行调整。
2. 最大值法（Max-RGB Algorithm）：假设在一张图像中，红、绿、蓝三个通道中，最大值所对应的像素应该是白色，根据这个假设调整图像的颜色。
通过找到图像中红、绿、蓝三个通道中的最大值，并将这个最大值设为白色的亮度值，然后根据这个亮度值对图像的颜色进行调整。
3. 白色补偿法（White Patch Algorithm）：假设图像中存在一
个物体是白色的，通过使用这个白色物体来调整整个图像的颜色。
通过在图像中寻找最亮的像素点，并将该像素点的颜色设为白色，然后根据这个白色值对图像的颜色进行调整。
4. 边缘法（Edge-Based Algorithm）：通过检测图像中边缘的
梯度信息来调整图像的颜色。
根据边缘的灰度变化情况来判断图像中的颜色偏差，然后根据颜色偏差对图像进行补偿。
以上只是几种常见的自动白平衡方法，实际应用中可以根据具体情况选择合适的方法或者结合多种方法进行处理。
【技术前沿】HDR转换曲线比较
【技术前沿】HDR转换曲线比较展开全文1背景随着显示技术的发展以及消费者对更极致观影体验的追求，超高清电视(UHDTV)逐渐成为热点话题，高分辨率、高帧率、高动态范围(HDR)、宽色域(WCG)是超高清电视的主要特征，其中高动态范围是近年的热点研究问题。
目前已推出的HDR技术标准以杜比视觉(Dolby Vision)、HDR 10、HLG为主流。
EOTF(光电转换函数)是HDR技术标准中的关键技术，主要分为两种PQ(perceptual quantizer)和HLG(Hybrid Log-Gamma)，前者由杜比公司研制推出，后者由NHK和BBC联合制定推出。
那么对于HDR为什么要设定新的EOTF而不沿用SDR的设定呢？目前大部分SDR显示器峰值显示亮度在100 nits左右，其EOTF 采用的是gamma曲线，而HDR需要能够显示10000 nits的峰值亮度，如果继续采用SDR的EOTF那么需要14 bits位深的像素来编码，这对于传输和存储都极为不利，好在人眼对于高亮度区域不如暗处敏感，利用这个特点，通过模拟人眼的生理特性提出的新的EOTF可以在不引入任何伪影的情况下用10bit或12 bit的像素来编码HDR内容。
PQ曲线就是以此为基础提出的[1]。
而HLG主要是基于如何使HDR内容与目前广泛运用的广播基础设施及SDR内容兼容而提出的。
所以HLG曲线在低动态范围时与SDR 的gamma曲线一致，同时根据韦伯定律对高动态范围的曲线重新进行了定义，从而完成对HDR和SDR内容的兼容[2]。
2基本概念介绍色彩值(color value)色彩值是用于描述一张图像中特定颜色分量(如R、G、B或Y)的数值。
数字编码值(digital code value)一张图像信号值的数字表示，通常是非线性的颜色值。
电光转换函数(EOTF)用于描述输入显示器的非线性颜色值(数字编码像素值)和显示器所显示的线性颜色值之间的关系。
图像处理技术的颜色空间转换与调整方法
图像处理技术的颜色空间转换与调整方法在图像处理中，颜色空间的转换和调整是非常重要的技术手段。
通过改变图像的颜色空间，我们可以达到多种效果，如增强图像的对比度、改变图像的色调和饱和度等。
本文将介绍几种常见的图像处理技术的颜色空间转换与调整方法。
一、RGB颜色空间转换与调整方法RGB颜色空间是一种最常见的图像颜色表示方式，它通过红、绿和蓝三个颜色通道来描述图像的颜色。
RGB颜色空间转换与调整的方法主要包括以下几种：1. 色彩平衡调整：色彩平衡调整可以改变图像中红、绿、蓝三个通道的相对强度，从而调整整个图像的色调。
通过增加或减小某个通道的亮度，可以使图像呈现不同的色彩效果。
2. 亮度调整：亮度调整可以改变图像的整体亮度，使图像变得明亮或暗淡。
通过调整RGB三个通道的亮度，可以在保持颜色信息不变的情况下，调整图像的明暗。
3. 对比度调整：对比度调整可以改变图像中颜色的差异程度，使图像更加鲜明。
通过调整RGB三个通道的对比度，可以使图像的黑白部分更加明确，颜色部分更加饱和。
二、HSV颜色空间转换与调整方法HSV颜色空间是一种将颜色的属性（色调Hue）、饱和度（Saturation）和明度（Value）分开表示的颜色模型。
HSV颜色空间转换与调整的方法包括以下几种：1. 饱和度调整：饱和度调整可以改变图像中颜色的鲜艳程度，使图像的颜色更加饱和或褪色。
通过调整S通道的数值，可以增加或减小图像的饱和度。
2. 明度调整：明度调整可以改变图像的亮度，使图像变得明亮或暗淡。
通过调整V通道的数值，可以调整图像的明暗程度。
3. 色调调整：色调调整可以改变图像中颜色的种类，使图像呈现不同的色调。
通过调整H通道的数值，可以改变图像的色调，如从蓝色调整为红色。
三、LAB颜色空间转换与调整方法LAB颜色空间是一种将颜色的亮度L与颜色的两个对立色a与b分开表示的颜色模型。
LAB颜色空间转换与调整的方法包括以下几种：1. 亮度调整：亮度调整可以改变图像的整体亮度，使图像变得明亮或暗淡。
PS软件中如何应用图像自动色调映射功能
PS软件中如何应用图像自动色调映射功能在图像处理的领域中，Photoshop（简称 PS）软件一直是专业人士和爱好者们的得力工具。
其中，图像自动色调映射功能是一项非常实用但又常常被忽视的强大功能。
它能够帮助我们在处理图像时，快速而有效地调整色调，让图像呈现出更加出色的视觉效果。
首先，让我们来了解一下什么是图像自动色调映射功能。
简单来说，它是一种根据图像的亮度和颜色分布，自动调整对比度、亮度和色彩平衡的功能。
这对于那些不太熟悉手动调整参数或者想要快速获得较好效果的用户来说，无疑是一个巨大的福音。
那么，如何在 PS 中找到并启用这个功能呢？打开 PS 软件后，导入您想要处理的图像。
然后，在菜单栏中选择“图像”选项，在下拉菜单中找到“调整”，在“调整”的子菜单中，您就能够看到“自动色调”这一选项。
点击它，PS 软件就会自动为您的图像应用色调映射的调整。
然而，自动色调映射功能并不是万能的，它可能无法完全满足您对图像的特定需求。
在很多情况下，我们还需要对其结果进行进一步的微调。
比如，如果自动调整后的图像显得过于明亮或者过于暗淡，我们可以通过“亮度/对比度”调整来进行修正。
同样在“图像” “调整”菜单中，选择“亮度/对比度”，然后通过拖动滑块来增加或减少亮度和对比度的值，直到图像达到您满意的效果。
另外，色彩平衡的调整也是非常重要的。
有时候自动色调映射可能会导致某些颜色过于鲜艳或者过于暗淡。
这时，我们可以选择“色彩平衡”选项（同样在“图像” “调整”菜单中），通过调整“阴影”、“中间调”和“高光”的色彩平衡，来让图像的颜色更加自然和协调。
在使用自动色调映射功能时，我们还需要考虑图像的类型和用途。
例如，如果是一张风景照片，可能需要强调天空的蓝色和草地的绿色，以使画面更加生动和美丽。
而对于一张人物照片，重点可能在于肤色的自然和柔和，避免出现颜色失真的情况。
对于一些复杂的图像，可能需要结合其他工具和调整选项来达到最佳效果。
- 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)。
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。
该方法首先对图像在亮度域采用色调映射压缩处理,然后再转换到色彩域,采用色彩恢复和色彩增强算法处理亮度压缩后的图像,从而校正图像色彩。
通过实验与其他两种算法处理效果进行对比,分别从主观方面和客观方面进行分析,结果表明,在色彩域增加色彩调节算法处理,可以有效降低色彩失真的影响。
关键词:高动态范围;色调映射;色饱和度;色彩恢复;色彩增强中图分类号:TP391文献标识码:A DOI:10.16157/j.issn.0258-7998.180682中文引用格式:陈文艺,张龙,杨辉.HDR图像色调映射的自适应色彩调节算法[J].电子技术应用,2018,44(11):107-110.英文引用格式:Chen Wenyi,Zhang Long,Yang Hui.Adaptive color adjustment method based on HDR image[J].Application of Electronic Technique,2018,44(11):107-110.Adaptive color adjustment method based on HDR imageChen Wenyi1,Zhang Long2,Yang Hui1(1.Institute of Internet of Things and IT-based Industrialization,Xi′an University of Posts&Telecommunications,Xi′an710021,China;2.School of Communication and Information Engineering,Xi′an University of Posts&Telecommunications,Xi′an710021,China)Abstract:In order to solve the problem of color distortion caused by ignoring color components in the process of traditional tone mapping inprocessing HDR images,an adaptive color adjustment method is presented.In the method,firstly the image is compressed by tone mapping in the luminance domain and then to the color domain,the color corrected image is processed using color recovery and color enhancement algorithms to correct for color distortion.Through experiments,it compares the method with the other two methods,and analyzes from the subjective and objective aspects respectively.The results show that adding color adjustment algo⁃rithm in color domain can effectively reduce the influence of color distortion.Key words:high dynamic range(HDR);tone mapping;color saturation;color recovery;color enhancement图2HSI 模型摄过程中,受到周围环境光源的影响,使得合成后的图像色彩出现偏差的问题。
通过色彩增强因子对图像色彩进行增强。
算法处理过程如图1所示。
1.1亮度域处理对于HDR 图像,当前标准的显示设备存在动态范围不匹配问题,无法将图像正常地显示出来,需要对其在亮度域进行色调映射压缩处理,将其动态范围映射到0~255,使得图像可以在显示器上显示。
本文结合高动态图像的特点及对数曲线的特性,采用对数压缩方法对HDR 图像进行动态范围的映射,降低了高亮区域的对比度,增强了低亮度区域的细节部分,使得压缩后的图像更加符合人眼的视觉特性。
首先,获取HDR 色彩图像的亮度数据,采用如下的亮度转换公式:L =0.299I r +0.587I g +0.114I b(1)式中,I r 、I g 和I b 分别为输入的HDR 图像R 、G 、B 3个通道的数据,L 为计算得到的图像的亮度值。
然后,对转换得到的图像亮度值进行对数压缩处理,对数压缩通用函数为:L out =a log 2(1+L in )(2)式中,L in 和L out 分别为输入图像压缩前后的亮度数据,a 为常数。
最后采用限制对比度的直方图均衡化(CLAHE )算法[6]增强图像对比度,得到压缩后的图像。
1.2色域处理1.2.1色彩恢复在RGB 色彩空间中,R 、G 、B 为3种基础色,3种颜色不同程度地混合叠加,从而产生丰富而广泛的颜色。
在进行色调映射过程中,由于压缩使得色彩的深浅程度前后发生了变化,压缩后的图像颜色偏浅,从而导致色彩失真,而其深浅程度的变化在RGB 色彩空间无法直观表示,为此本文引入HSI 色彩空间。
在HSI 色度空间中,饱和度S (Saturation)表示颜色的深浅程度。
其模型为图2所示的双圆锥3D 模型,反映了人感知颜色的基本属性,与人感知颜色的结果一一对应。
图像压缩后,其颜色的深浅程度发生变化,在该模型上体现为3D 双圆锥轮廓收缩,引起收缩的主要原因是图像色饱和度发生了变化。
通过引入色饱和度参数s ,来调整图像色彩饱和度,从而使图像色彩得到恢复。
在压缩亮度范围过程中,采用如下彩色图像的还原公式,在色彩域利用处理前后的亮度信息来恢复图像的色彩信息。
C l =C hL in()sL out(3)式中,C l 为LDR 图像在RGB 颜色空间下三通道分量的色彩值,C h 为HDR 图像在RGB 颜色空间下三通道分量的色彩值,L in 和L out 分别为输入图像压缩前后的亮度数据,s 是调节输出图像色彩饱和度参数。
对高动态图像进行色调映射压缩处理后,图像中不同区域的像素亮度值的变化程度不同。
在不考虑亮度值前后变化程度的情况下,固定的s 值设置依然会引起某些区域色彩失真,不能使所有区域都有良好的色彩感观,图3为设置几个固定s 值对图像进行处理后的效果图。
从图3可以看出,当s 值为固定值时,并不能确保图像中每个区域的效果都比较好。
图3(b)的参数s 值设置为0.5时,图像灯光下树叶部分色饱和度较好,但是树下区域饱和度较低。
为了使图像中不同区域的饱和度更符合视觉效果,对固定s 值的设置提出改进,强调对任一像素点有相应的s 值处理,以达到自适应的调节。
首先,考虑到亮度值的变化,采用亮度值处理前后的比值D 来衡量变化程度,其表达式如下:D =λL outL in(4)式中,D 为压缩前后的亮度比值,λ为映射常数。
对亮度比值D 进行归一化处理,此时,任一像素点处亮度比值的大小反映当前像素点处压缩前后的变化情况。
图4曲线为图像压缩前后,亮度比值D 与色饱和度参数s 之间的关系。
当压缩比值D 较小时,表示该点前后色彩变化程度不大(如图3(b)中灯光下的亮区域),体现在HSI 色度空间中为饱和度S 变化对该点造成的收缩影响不大,此时在RGB 色彩空间内,应使用较小的s 值调整当前像素点,效果较好;当压缩比值D 较大时,表示该点前后色彩变化程度明显(如图3(d)中树下的暗区域),体现在HSI 色度空间中为饱和度S 变化对该点造图1算法流程图图3不同s 值处理效果图(a)s =0.2(b)s =0.5(c)s =0.8(d )s =1图4s 与D 关系曲线亮度比值D成的收缩影响较大,此时在RGB 色彩空间应使用较大s 值处理当前像素点,效果较好。
两者关系表达式如下:s =b +c log 10(D )(5)式中,b 、c 为常数,D 为压缩前后的亮度比值,s 为饱和度系数。
根据每个像素点的比值大小,通过上述对应关系,可以自适应地选取s 值。
此时针对图像中每一像素点,都有相应的s 值进行处理,避免了用相同的s 值对图像的每个像素点处理。
最后,通过调节系数b 和c 的取值,使图像可以得到较好的色彩表现。
图5为改进后算法处理得到的效果图。