一种扩展动态范围的图像处理算法
图像处理之动态范围扩展定义与方法
图像处理之动态范围扩展定义与方法1、动态范围扩展定义动态范围(Dynamic Range)是物理学中常见的概念，表示某一物理量最大值与最小值的比率，通常以对数表示，单位为dB。
对于真实场景，它指场景中最明亮处与最黑暗处的亮度之比。
自然景观的亮度范围覆盖非常之广，最大动态范围能达到160db，而人眼可以感知的亮度范围高达10个数量级。
现实中8比特量化的数字相机输出的图像只能记录有限范围的灰阶与颜色数，其动态范围只有两个数量级，远远小于常见的自然场景的动态范围及人眼所能感知的动态范围，数码相机动态范围不足的问题对其应用造成了较大的影响。
鉴于该问题，需要我们进行动态范围扩展，从而让电子显示设备能够输出更宽动态范围的图像。
扩展数字成像系统的动态范围，即高动态范围成像技术(HDR)，指利用硬件或者软件的方法，使系统输出的图像包涵尽可能大的场景亮度范围，并准确地再现场景真实的细节信息。
目前实现该技术的主要方法：软件扩展方法和硬件扩展方法。
其中软件扩展方法主要分为辐照度重建法和直接融合法。
2、动态范围扩展方法2.1 硬件扩展方法硬件上限制数字成像系统动态范围的主要元件是图像传感器(sensor)，CCD／CMOS传感器的动态范围定义为饱和电荷量Qs与最小可探测电荷量Qd的比值如下。
sensor动态范围主要受光敏器件的灵敏度、满阱容量和噪声水平等因素限制，而且传感器面积一定的条件下，提高像素数目与提高动态范围相互矛盾。
因此在不减少图像传感器像素数目的条件下，提高动态范围需要增大图像传感器的面积，成本将会增加，成像系统的结构也可能受到影响。
硬件扩展的另一方案是通过改变光学系统结构或添加其他元件改变图像传感器接收光能量，经后期处理实现动态范围扩展。
如利用分光棱镜使入射光线在不同的靶面成像，采用。
hdr融合算法
hdr融合算法一、HDR融合算法原理HDR融合算法是一种改善图像非均匀亮度造成的色彩和细节问题的图像处理技术，它通过从多个拍摄亮度不同的图像中融合出一张高动态范围图像，从而改善图像中的色彩，而且增强了图像的细节，它是一种非常有效的图像增强技术。
HDR融合算法的原理是：以多张有不同亮度的照片为原有图像，其中的每一张图像都可以用像素灰度值表示，从而构造范围更宽的图像，以便拥有更强的强对比度和更多的色彩值，以及更多的细节，同时，也可以得到更丰富的尺度变换空间，利用图像和对比度拉伸算法等，可以使图像更加清晰，通过使用现有的HDR融合算法，可以增加图像的锐度和动态范围，从而实现HDR图像的亮度增强处理。
二、HDR融合算法的实现1、计算多张图像的动态范围在进行HDR融合处理前，首先需要计算出所有图像的动态范围，以便根据结果来确定图像的最终动态范围。
动态范围的计算通常采用像素灰度值的方法，即以图像中的每个像素点的灰度值最低值和最高值的差值，来确定图像的动态范围。
2、线性拉伸算法HDR融合算法的线性拉伸算法可以有效地增强图像的动态范围。
该算法的原理是：对于每个像素点的灰度值，根据原图的灰度值最大值和最小值，将灰度值规范为[0,1]范围内的值，并将其映射到新的动态范围中，以达到增强图像的动态范围的目的。
3、图像和对比度拉伸算法HDR融合算法中的图像和对比度拉伸算法，是一种使图像更加清晰，并使图像的动态范围更大，以便达到最优的对比度和细节的技术。
该算法的原理是：根据图像的最大亮度和最小亮度值来调整图像的中等对比度，以增强图像的细节，并增加图像的动态范围。
4、线性混合融合算法线性混合融合算法是HDR融合算法中常用的一种技术，它可以有效地合并多幅具有不同动态范围的图像，产生出一幅可以完全表达所有图像动态范围的图像。
该算法的原理是：首先将多幅具有不同动态范围的图像减去它们的均值，然后用均值减去图像的乘积，最后将这一变换的结果加上原始图像的均值，从而得到一幅新的图像，它表示的是多幅图像的动态范围。
wdrc宽动态范围压缩算法
wdrc宽动态范围压缩算法（最新版）目录1.WDRC 宽动态范围压缩算法的概述2.WDRC 的工作原理3.WDRC 的优势与应用4.WDRC 的局限性与未来发展方向正文【1.WDRC 宽动态范围压缩算法的概述】WDRC（Wide Dynamic Range Compression）宽动态范围压缩算法，是一种针对高动态范围场景的图像处理技术。
在实际应用中，由于光线条件的差异，会导致图像中某些区域过曝或过暗，严重影响画面的整体观感。
WDRC 算法应运而生，其主要目的是通过压缩高动态范围场景的亮度差，提高图像的观感质量。
【2.WDRC 的工作原理】WDRC 算法的工作原理可以概括为以下几个步骤：(1) 动态范围扩展：通过提高暗部区域的亮度，降低过曝区域的亮度，扩展图像的动态范围。
(2) 压缩：对扩展后的动态范围进行压缩，使之适应显示设备的动态范围。
(3) 融合：将压缩后的各个区域进行融合，生成最终的宽动态范围压缩图像。
【3.WDRC 的优势与应用】WDRC 算法具有以下优势：(1) 提高图像观感质量：通过压缩高动态范围场景的亮度差，使图像整体更加协调。
(2) 适用于多种场景：无论是室内还是室外，静态还是动态场景，WDRC 算法都能有效地处理高动态范围问题。
(3) 算法简单：相较于其他高动态范围处理算法，WDRC 算法结构简单，计算量较小。
WDRC 算法广泛应用于监控、摄影、显示等领域，如智能安防监控系统、智能手机摄像头、高清电视等领域。
【4.WDRC 的局限性与未来发展方向】尽管 WDRC 算法具有很多优势，但仍存在一定的局限性：(1) 压缩效果受限：WDRC 算法对高动态范围场景的压缩效果有一定的局限性，不能完全消除过曝和过暗区域。
(2) 算法通用性：WDRC 算法对不同场景的适应性有待提高，可能需要针对特定场景进行优化。
图像编码中的高动态范围处理技巧(四)
图像编码中的高动态范围处理技巧随着数字摄影技术的不断发展，越来越多的摄影师和摄影爱好者开始使用高动态范围（High Dynamic Range，简称HDR）技术来捕捉图像。
HDR技术能够在一幅图像中同时保留高亮部分和暗部的细节，使得照片更加真实，更好地还原实景。
然而，在图像编码中，由于HDR图像的数据量巨大，如何高效地处理和编码HDR图像成为了一个值得探讨的问题。
本文将就图像编码中的高动态范围处理技巧进行深入论述。
1. 动态范围压缩技术为了更好地适应亮度范围广泛的HDR图像，我们需要将其动态范围压缩到合适的范围内。
传统的算法中，常使用的动态范围压缩方法有Tone Mapping和Gamma校正。
Tone Mapping是一种将高动态范围图像编码为低动态范围图像的技术。
它通过改变图像的亮度曲线和颜色映射方式，将亮度范围较宽的高动态范围图像映射到较窄的低动态范围图像。
这样做可以减小HDR 图像的数据量，并且保持照片的美感。
常用的Tone Mapping算法有Reinhard、Mantiuk等。
Gamma校正是一种将线性的输入图像映射为非线性的输出图像的技术。
人眼对亮度的感知是非线性的，而相机捕捉到的图像数据是线性变化的。
通过应用Gamma校正，可以使得图像在显示设备上显示出符合人眼感知的亮度。
常见的Gamma校正值有和。
2. 图像压缩算法在图像编码中，压缩是必不可少的环节。
对于HDR图像，由于其数据量巨大，传统的编码算法往往无法满足要求。
因此，我们需要将HDR图像进行压缩，以减小数据量，并且保持图像质量。
无损压缩算法在图像编码中得到了广泛的应用。
JPEG2000是一种常见的无损压缩算法，它在保持图像质量的前提下可将图像的数据量压缩到很小。
对于HDR图像的编码，可以使用基于JPEG2000的无损压缩算法来实现。
此外，还有一种常见的压缩算法是有损压缩算法。
有损压缩算法通过牺牲图像的一些细节来达到更小的数据量。
raw域hdr融合算法
RAW域HDR融合算法是一种图像处理技术，它可以将不同曝光程度的图像融合成一张高动态范围图像，以获得更丰富的色彩和更细腻的细节。
以下是对RAW域HDR融合算法的简要介绍和讨论。
首先，HDR融合算法通常分为三个步骤：曝光合成、色彩映射和RAW域融合。
曝光合成是将不同曝光度的图像进行合并，以获得一张曝光度均匀的图像；色彩映射是将合并后的图像转换为正确的色彩空间，以获得更加自然和逼真的色彩效果；RAW域融合则是将原始图像数据进行融合，以获得更高质量的图像数据。
在RAW域HDR融合算法中，可以使用多种技术来提高图像质量。
例如，可以利用数字微分和空间域滤波器来减少噪声和细节损失，以获得更加清晰和细腻的图像。
此外，还可以使用色彩映射技术来提高色彩的饱和度和准确性，以获得更加自然和逼真的色彩效果。
此外，RAW域HDR融合算法还可以利用HDR技术的优势来提高图像的动态范围。
HDR技术可以将不同亮度的细节都包含在一张图像中，从而获得更加丰富和细腻的细节表现。
在RAW 域HDR融合算法中，可以利用高动态范围技术来扩展原始图像的动态范围，以获得更加自然和逼真的色彩和细节表现。
在实际应用中，RAW域HDR融合算法可以应用于许多领域，如电影制作、摄影、医学影像等。
它可以帮助摄影师获得更加自然和逼真的色彩效果，提高照片的质量和表现力；可以帮助医生获得更加清晰和细腻的医学影像，提高诊断的准确性和效率。
总之，RAW域HDR融合算法是一种重要的图像处理技术，它可以将不同曝光度的图像融合成一张高动态范围图像，以获得更丰富的色彩和更细腻的细节。
该算法可以通过数字微分、空间域滤波器、色彩映射和高动态范围技术等技术来提高图像质量，并应用于许多领域。
随着技术的不断发展和应用领域的不断扩大，RAW域HDR融合算法的应用前景将会更加广阔。
一种基于视觉系统的宽动态处理方法
一种基于视觉系统的宽动态处理方法刘晓华;付秀华;田野;黄盛锋;舒伟平【摘要】传统相机动态范围与真实场景动态范围之间的巨大差距导致成像时很多细节信息无法被准确记录.传统的宽动态方法虽然有较明显的图像增强效果,但算法复杂度高、耗时长、无法满足实时性需求.针对现有宽动态方法的不足,提出一种基于视觉系统的宽动态处理方法.该方法只使用当前场景的一帧图像信息,根据人眼视觉系统特点制定一个两层宽动态处理机制,并且使用像素邻域信息计算参数环境变量,使得处理后的图像能够对暗区域还原信息,对亮区域抑制强光减少光晕影响,对中间区域拉伸,获得更大的动态范围.实验结果表明,可以有效地扩展图像的动态范围,且算法复杂度低,能够做到实时处理.【期刊名称】《长春理工大学学报（自然科学版）》【年(卷),期】2018(041)004【总页数】4页(P100-103)【关键词】宽动态;视觉系统;领域信息;环境变量;实时处理【作者】刘晓华;付秀华;田野;黄盛锋;舒伟平【作者单位】长春理工大学光电工程学院,长春 130022;长春理工大学光电工程学院,长春 130022;广东光阵光电科技有限公司,广东东莞 523660;广东光阵光电科技有限公司,广东东莞 523660;广东光阵光电科技有限公司,广东东莞 523660【正文语种】中文【中图分类】TP391随着摄像机技术和视频监控技术的不断发展，人们发现在某些自然场景下拍摄一幅高质量的图像依然不是一件容易的事情。
这是因为自然光线的动态范围很大，并且场景中会同时存在高亮度与低亮度的景物。
当使用摄像机对同时包括高、低亮度的区域进行取景时，输出图像在高亮区域由于曝光过度成为一片白色，而在阴暗区域因曝光不足成为一片黑色，从而导致该场景的细节信息无法被准确记录。
造成这种现象的原因在于普通摄像机的成像缺陷，也就是通常所讲的动态范围不足。
因此宽动态技术应运而生，专门用来扩大相机的动态范围，让摄像机在非常强烈的对比下依然能够看到影像的各种细节信息。
数字图像增强的几种常见方法
数字图像增强的几种常见方法数字图像增强是图像处理领域中的一项重要任务，它旨在改善图像的质量和可视化效果。
在数字图像增强中，有几种常见的方法被广泛应用，包括直方图均衡化、滤波和增强算法、多尺度变换和基于机器学习的方法。
直方图均衡化是一种常见的图像增强方法。
它通过对图像的像素值进行重新分布，以扩展图像的动态范围，从而增强图像的对比度和细节。
直方图均衡化的基本思想是通过将图像像素的累积分布函数映射为均匀分布来调整像素的亮度值。
这种方法特别适用于对比度较低的图像，能够使图像的细节更清晰，并提升图像的质量。
滤波和增强算法也是数字图像增强的常见方法之一。
滤波可以去除图像中的噪声，平滑图像并提高图像的质量。
常见的滤波算法包括均值滤波、中值滤波和高斯滤波等。
这些算法通过对图像进行空间域或频域的滤波处理来改善图像的质量。
增强算法也可以用于提高图像的可视化效果。
例如，锐化算法可以增强图像的边缘和细节，使图像更加清晰。
对比度拉伸算法可以扩展图像的动态范围，增强图像的对比度。
这些算法可以根据不同的图像特征和需求进行选择和组合，以实现更好的图像增强效果。
多尺度变换是另一种常见的图像增强方法。
多尺度变换将图像转换为不同尺度的表示形式，利用图像在不同尺度上的信息来增强图像的质量和对比度。
常见的多尺度变换方法包括小波变换和金字塔变换。
这些方法在图像增强中广泛应用，并在图像去噪、边缘检测等领域取得了良好的效果。
除了传统的增强方法，基于机器学习的方法也在数字图像增强中得到了广泛的应用。
这些方法利用机器学习算法从大量的图像数据中学习图像的增强模型，然后使用该模型对新的图像进行增强。
通过学习大量数据得到的模型可以更准确地理解图像中的内容和结构，并提供更好的增强效果。
综上所述，数字图像增强的几种常见方法包括直方图均衡化、滤波和增强算法、多尺度变换和基于机器学习的方法。
这些方法可以根据图像的特点和需求进行选择和组合，以实现图像的质量和可视化效果的改善。
图像编码中的高动态范围处理技巧(七)
图像编码中的高动态范围处理技巧引言：随着科技的不断进步和人们对高质量图像的需求增加，高动态范围（High Dynamic Range，简称HDR）成为了图像编码中的重要技能。
本文将探讨图像编码中的高动态范围处理技巧，并以一些常见的方法为例进行介绍。
一、背景知识在了解高动态范围处理技巧之前，我们需要先理解动态范围的概念。
动态范围指的是图像中亮度的变化范围，包括亮部和暗部。
在传统图像编码中，我们通常使用8位色深进行编码，亮度范围为0-255。
但是这样的颜色深度无法很好地表达一些高对比度场景，图像的细节会被丢失。
而HDR技术则可以扩展图像的亮度范围，提供更丰富的细节和更真实的观感。
二、基础方法1. Tone Mapping（色调映射）Tone Mapping是一种常见的高动态范围处理技巧，它通过对原始HDR图像进行映射，使得亮度范围缩小到低动态范围的范围内。
常用的Tone Mapping算法有线性曲线映射、Reinhard等。
这些算法可以根据图像的特点来调整亮度和对比度，以产生更自然的图像。
2. Exposure Fusion（曝光融合）Exposure Fusion是一种将多张不同曝光的图像融合成一张HDR图像的方法。
通过对曝光时间和曝光量进行调整，将不同亮度范围的图像信息合并，以实现更广泛的动态范围。
曝光融合结合了图像对齐、色调映射和融合等技术，可以在保持细节的同时提供较好的观感。
三、进阶技术1. Local Tone Mapping（局部色调映射）局部色调映射通过在图像的不同区域应用不同的Tone Mapping算法，使得局部细节能够更好地保留。
传统的Tone Mapping方法往往无法同时处理图像中的亮部和暗部细节，而局部色调映射能够更好地解决这个问题。
具体实现上，可以利用图像分割算法将图像分成不同的区域，然后针对每个区域应用不同的Tone Mapping算法。
2. Content-Aware Manipulation（内容感知处理）内容感知处理是利用机器学习和计算机视觉技术来处理HDR图像的一种高级方法。
宽动态 曝光算法
宽动态曝光算法"宽动态曝光算法" 通常是指在数字图像处理中用于增强图像的宽动态范围（Wide Dynamic Range，简称WDR）的曝光算法。
宽动态范围图像通常包含了在同一场景中存在的大范围光照条件的信息，以确保在亮度较高和较低的区域都能得到良好的展示。
以下是一些常见的宽动态曝光算法的基本原理和技术：1. 多帧融合（Multiple Frame Fusion）：•通过捕获多个具有不同曝光水平的图像，然后将它们融合在一起，以获取整个场景的更广泛的亮度范围。
这可以通过平均、加权平均或其他图像融合技术来实现。
2. 局部对比度增强（Local Contrast Enhancement）：•通过增强图像的局部对比度，使细节在不同亮度区域更加清晰可见。
这可以通过应用局部对比度增强滤波器或算法来实现。
3. 曝光校正（Exposure Correction）：•分析图像中的亮度分布，并根据场景的特性进行曝光校正，以确保图像中的重要细节在不同亮度条件下都能得到适当的显示。
4. 自适应曝光（Adaptive Exposure）：•根据图像中的局部亮度变化，动态地调整曝光水平，以确保图像中的亮度范围得到适当的展示。
5. 虚拟感光元件（Virtual Photodetector）：•模拟感光元件的响应特性，以在图像中更好地捕获高亮度和低亮度区域的信息。
这可能涉及到根据场景特性模拟不同感光元件的响应。
6. 本地光照调整（Local Illumination Adjustment）：•根据图像中的局部信息，调整光照条件，以改善图像在不同亮度条件下的可视性。
总体来说，宽动态曝光算法的目标是通过合理地处理图像中不同亮度条件下的信息，使图像在显示和分析时更加有用。
这些算法通常应用于监控摄像头、机器视觉系统和数字摄影等领域。
算法的选择和优化取决于特定应用场景和要求。
一种扩展动态范围的图像处理算法
ｅ ｐａ ｓｏ ａ ｄ ｉ ｒ ｖ ｈ ｉ ｎ ｌｔ ・ ｏ ｓ ａｉ ｆｔ ｅ ｉ ｇ ｔ ｅ ｉ ｇ ａ ｅ ｆ ｒｈ ｒｅ ｈ ｎ ｅ ｏ ｏ ｔｉ ｈ ｄ ａ ｘ ｎ ｉｎ， ｎ ｍｐ ｏ ｅ ｔ ｅ ｓｇ ａ —ｏ ｎ ｉｅ ｒｔｏ ｏ ｈ ｍａ ｅ，ｈ ｍａ ｅ ｃ ｎ ｂ ｕ ｔｅ ｎ ａ ｃ ｄ ｔ ｂａ ｎ ｔ ｅ ｉ ｅ ｌ
Ａｂｓｒ ｔ： ｅ ｔａｎ ｓｒ ｎ ｃ ｇｏ ｎ ｎ ｉｈ ｘｅ ｓｏ ａ ｇ ｔｉ ｇ ｔ ｅ ｄ ｎ ｍｉ ａ ｅ ｏ ｍａ ｅｓ ｎ ｏ ｓ ａｋ ｎ ｔ ａｃ Ｔｏ ｒ ｓｒ ｉ ｔｏ ｇｂａ ｋ ｒ ｕ ｄ ａ ｄ ｌ ｔｅ ｔ ｎ ｉ ｎ ｔｒ ｅ ｍａ ｅ，ｈ ｙ ａ ｃ ｒｎｇ ｆｉ ｇ ｅ ｓ ｒｉ ｉ ｄ ｇ
Ｅ ＡＣ ６ ４ Ｃ Ｅ Ｃ：１ ０
ｄ ｉ１ ．９ ９ ｊ ｉ ｎ １ ０ — ６ ９ ２ １ ． １ ０ ４ ｏ ：０ ３ ６ ／ ．ｓ ．０ ４ １ ９ ． ０ １ ０ ． １ ｓ
一
种 扩 展 动 态 范 围 的 图像 处 理 算 法 冰
朱 良销 ， 学才 ， 余 陈 涛 ， 苏 柯 ， 世 阳 王
第２ ４卷 第 １ 期
２１ ０ １年 １月
传 感 技 术 学 报
Ｃ ＮＥ Ｅ Ｊ ＲＮ Ｅ Ｓ ＲＳ ＡＮ Ｔ ＡＴ ＲＳ ＨＩ Ｓ ＯＵ ＡＬ ＯＦ Ｓ Ｎ Ｏ Ｄ ＡＣ Ｕ Ｏ
- 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24卷第1期2011年1月传感技术学报CH I N ESE JOURNAL OF SE N S ORS AND ACT UATORSVo.l 24 No .1Jan .2011项目来源:国家863项目资助(2010AA J206)收稿日期:2010-06-09 修改日期:2010-09-27An I m age Processi ng Synt hesis of Enhancing Dyna m ic Range*Z H U L iangxiao ,YU Xuecai *,C H EN Tao ,SU K e ,WANG Shi yang(School of P hot oelectron ic Informa tion,Universit y o f E lectron ic Sc i ence and T e chnolo gy of China,Ch e ngdu 610054,C hina )Abst ract :To restrain strong background and li g ht ex tension tar get i m age ,the dyna m ic range of i m age sensor is a k i n dof effecti v e m ethod .The expansi o n of dyna m ic i m age sensor can use a variety o f techn i q ues ,such as l o garithm pixel str ucture ,horizontal bar p i x el i n stitutions ,m any overfl o w exposure techno logy ,loca l exposure techno l o gy ,etc .Th is pa -per pr oposes a novel i m age processi n g algorit h m to expand dyna m ic range ,the princ i p le is the sa m e i m age o f continu -ous gatheri n g t w i c e ,usi n g m athe m atica l algo rith m for i m age syn t h esis to ach ieve dyna m ic peripheral expansion ,and i m prove the signa-l to -noise rati o of the i m age ,the i m age can be further enhanced to obta i n the i d eal i m age .Th is algo -rit h m has a better speed and can be ,app li e d to the i m age sensor and i n h i b ition o f target i m age li g h.t K ey w ords :dyna m ic range ;i m age processi n g ;algorithm;exposure ti m e EEACC :6140C do:i 10.3969/j .issn .1004-1699.2011.01.014一种扩展动态范围的图像处理算法*朱良销,余学才*,陈 涛,苏 柯,王世阳(电子科技大学光电信息学院,成都610054)摘 要:为抑制强背景光而获取目标图像,扩展图像传感器的动态范围是一种有效的方法。
图像传感器动态范围的扩展可采用多种技术,如对数像素结构、横向溢出栅像素机构、多次曝光技术、局部曝光技术等。
提出一种图像处理的算法来扩展动态范围,其原理是对同一图像进行连续采集两次,利用数学算法对图像进行合成以达到动态外围的扩展,进而提高图像的信噪比,可进一步对图像进行增强,获得理想的图像。
本算法的运算速度快,应用于图像传感器的抑制强光获取目标图像。
关键词:动态范围;图像处理;算法;曝光时间中图分类号:TP39 文献标识码:A 文章编号:1004-1699(2011)01-0065-03 对于图像传感器,提高动态范围(DR )和信噪比(SNR )是很重要的。
图像传感器的动态范围被定义为最大非饱和信号与黑暗条件下噪声的比值,这是图像传感器品质的关键因素[1]。
传统结构的图像传感器的动态范围只有大约60dB ,而环境图景的动态范围往往超过100dB [2],这就使得图像传感器所拍摄到的图像的对比度不够,当强背景光时,会使得图像传感器饱和,导致图像分辨率不足。
图像传感器的动态范围定义为最大非饱和信号和最小可测信号的比值,即表示为:动态范围=最大非饱和信号/最小可测信号[3]。
其中,最大非饱和信号为临界饱和信号,与光电探测器的势阱容量有关;最小可测信号为噪声的均方差。
一般来说,图像传感器的动态范围都达不到自然界光强的范围,尤其是C MOS 图像传感器的读出噪声较大,动态范围更受限制。
图像传感器的动态范围示意图如图1所示。
根据上图中饱和值和最小可测信号值的比值就图1 图像传感器的动态范围示意图可以求得图像传感器的动态范围。
自然场景的光动态范围大于105(100dB ),常见图像采集系统的动态范围[4],如表1所示。
表1 常见图像采集系统的动态范围图像采集系统动态范围/dB人眼90胶片相机80高端CCD 数码相机>78消费类CCD 数码相机66消费类C M O S 数码相机54传 感 技 术 学 报www.chinatransducers .co m第24卷从上表中可以看出,只有高端CCD 数码相机的动态范围才能达到胶片相机和人眼的水平,此类数码相机价格非常昂贵,应用受到很大的限制。
由于自然场景的光动态范围大于100dB ,C MOS 图像传感器若要在更多领域取代CCD 图像传感器,开拓出更广阔的市场,就必须扩展其动态范围。
扩展图像传感器动态范围可采用各种技术,如对数像素结构、横向溢出栅像素结构、多次曝光技术、局部曝光技术等[5-6]。
对数像素结构该像素单元输出信号与入射光信号成对数关系,它的工作特点是光信号被连续地转化为电压信号,这种方法是通过提高图像接收器件的探测性能来达到扩展动态范围[7-8]。
要获得高动态范围的同时又有较高的信噪比SNR,可采用两次或多次曝光的方法,这也是采用得最多的方法,很多研究人员进行了这方面的包括不通曝光量图像的获取和图像合成算法方面的研究。
两次曝光方法使指对同一幅场景摄像两次,即在较短时间积分后摄像一次,更长积分时间后再摄像一次。
从理论上说,短积分时间采样的图像在势阱饱和前捕获了高照度区域,长积分时间采样的图像在足够的积分时间后,捕获了低照度区域,因此所采样的两幅图像通过一定的合成算法可组合成一幅高动态范围的图像[9-11]。
本文提出一种图像处理的算法来扩展动态范围,其原理是对同一图像进行连续采集两次,利用数学算法对图像进行合成以达到动态外围的扩展。
1 扩展动态范围的图像处理算法利用同一图像传感器连续采集到几幅图像,这几幅图像是在同一背景下的,再运用图像合成算法来扩展动态范围。
该算法主要是通过对两幅幅图像进行相加后,再对图像进行改算法处理,使所合成的图像的灰度值得到很好的改善。
这种算法可以使图像中很暗、难分辨的物体得到增强,并可以使图像的背景得到适当的改善,由此可以分辨较暗物体和背景,动态范围得到了扩展。
这里要利用用几幅图像相加的方法,是因为这样能增加合成图像的信噪比。
对于几幅相近的图像,信噪比相差不是很大,相加过程中,信号的增加幅度比噪声的增加幅度要高,这样就提高了合成后的图像信噪比。
设第i 幅图像在(x,y )位置的像素值为G i (x,y ),合成后的图像在(x,y ),位置的像素值为g (x ,y ),则:g (x ,y )=N 0i=1G i(x,y )(255-G 0*N 0)/(255-G 0)+(N 0-1)G (x,y )/(255-G 0)其中N 0为所采集到的图像数目,G 0为预设的参数值,G (x,y )为每幅图像在(x,y )位置上各像素值的平均值即:G (x,y )=Ni=1G i(x,y )N图2 本算法中图像数目N 0对灰度值的影响该算法中的限制条件是G 0 N 0<255。
本算法与所取图像的数目N 0和预设的参数值G 0有关,如图2所示,当预设的参数值为50时,所取图像的数目N 0对该算法的影响。
如图3所示,当图像数目确定为2时,预设的参数值G 0对该算法的影响。
由图2和图3可看出对图像中低像素值(较暗的物体)进行了增强,使其能被肉眼所见,而对图像高像素值(较亮的物体和背景)进行适当的增强,从而使动态范围得以扩展。
本算法的一个重要优点是合成后的图像的像素值都在0~255之间,不存在像素值溢出的问题,不需要对图像进行归一化处理,使图像很好地保持原有的信息。
图3 本算法中预设的参数值G 0对灰度值的影响本算法在运算速度上具有一定的优势,在MATLAB 下做了速度的测试工作。
MATLAB 用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境[12]。
当取两幅图像时本算法所耗的时间为1m s ,这个测试是在图像为30万像素时进行的。
对于一般的图像传感器,利用此算法可以有效的进行实时显示,并且可以利用此算法来抑制强背景光。
66第1期朱良销,余学才等:一种扩展动态范围的图像处理算法 2 实验效果实验中,我们使用Po i n t Grey Research 的PGR F l y Capt u re C MOS 图像传感器,对同一景物进行拍摄。
采集多图像,根据上面的合成算法,我们利用VC 编程实现对图像的采集,算法的实现和图像的显示。
做了两组实验,图4为原始图像,一组是当G 0为50时,N 0从2到3变化,一组是当N 0为2,G 0从20到50变化。
实验结果图分别为图5和图6。
图4原始图像图5图6经过实验得到本算法中的图像数目N 0为2,预设的参数值G 0为50时所得到的效果最佳。
3 结论通过上述提出的一种扩展图像传感器动态范围的图像处理算法,我们将两幅图像合成一幅图像扩展了图像传感器的动态范围。
实验表明,这种合成图像的算法较好地表示了原图像的信息,这时一种简洁优化的动态范围扩展方法。
改算法的关键在于:确定图像的数目和预设的参数。
提高图像传感器动态范围的方法在技术上,商业上都会有很大的空间,对在光照强弱分明的景物中,获取更多的图像信息具有重要意义。