尽管高动态范围(HDR)的概念还不为很多人所熟知,但HDR却已经占领了大部分人的手机、电视、数码相机、无人机、汽车等等。动态范围经常用场景或图像的亮度值的最大值与最小值之比来表示。目前人们普遍使用的图像捕获设备、显示设备等还属于低动态范围(LDR)的范畴,而自然界及人眼的动态范围却远不止于此,因此HDR场景被拍摄并显示在LDR设备上时,欠曝或过曝区域往往会丢失很多细节,如何将HDR场景的动态范围压缩使之准确地显示在LDR设备上,即色调映射,是本文主要研究方向。无论在交通、安防、娱乐还是目前火热的人工智能等领域,对HDR相关技术的研究都是十分必要的,根据自身实习经验本文首先提出研究的背景、研究目的并阐述研究意义。然后从人眼结构、相机结构等方面介绍成像的相关理论,同时通过研究相关产品报告、发布会和大话成像知乎专栏日志等,详细介绍目前获取HDR图像的两种主要方式,传感器HDR和后处理HDR。接着介绍前人关于HDR图像色调映射的相关理论研究,分析以往的全局色调映射方法和局部色调映射方法,并分别列举了经典使用算法。受图像自然性分析与人眼对局部特征更加敏感特性的启发,应用统计学相关方法,本文提出了基于正态分布的色调映射算法。通过分析Meylan等人基于视网膜模型算法的不足,本文提出均匀池化与双线性插值的改进算法,并在此基础上提出一种新的全局色调映射算法。本文提出基于正态分布的色调映射方法,既包括全局色调映射算法,也有局部色调映射算法。首先是全局色调映射算法,调整图像的整体亮度,使人眼感觉更自然。然后将全局色调映射算法应用到图像局部区域。对一个像素及其周围的像素数值分布情况统计均值、方差等,改变该滑动窗口(局部区域)的直方图,使该滑动窗口内的直方图匹配以u为均值,以?为标准差的正态分布函数的形状。该算法遍历图像中的每个像素,对以该像素点为中心的矩形作为滑动窗口,应用基于正态分布的全局色调映射的方法,保存该像素对应的映射值。基于正态分布的局部色调映射方法能够很好地压缩全局对比度,保留了自然的外观,同时展现丰富的局部细节和局部对比度,符合人眼对局部特征敏感的特性。除此之外,经过OpenCL加速的算法运算时间更是大大缩短。本文改进的基于视网膜模型的算法既能够实现良好的对比度,并且解决了原Meylan算法光晕的问题。在此基础上提出的全局色调映射算法也能得到相似的结果,且只有O(1)的时间复杂度。本文算法能够应用于HDR图像的压缩和普通图像的增强。能够有效提升交通、监控等摄像头捕获图像的品质,可以用于物体识别、人脸检测、自动驾驶等应用场景以提高算法抗光照性能。