论文部分内容阅读
自然场景通常包括很高的动态范围,高动态范围图像(HDRI)能够捕捉到更多的信息和产生更好的视觉效果,故而得到了广泛的应用,但是它在低动态范围设备上的显示仍然存在问题。人眼对高动态范围场景具有很强的适应能力,无论是人眼的全局适应机制还是局部增强机制都对我们开发高动态范围图像的增强显示算法具有启发意义。Laurence Meylan和Sabine Süsstrunk于2006年提出了一种高动态范围图像增强显示的方法(简称Meylan法),该方法的特点在于用PCA(主成分分析)分离亮度色度信息和使用模板尺寸自适应的Retinex法对亮度通道进行局部处理。Meylan法的作者认为对图像RGB三通道进行PCA变换得到的第一主成分是亮度信息,第二和第三主成分表示色度信息。首先,本文通过实例和理论证明Meylan法中对RGB三通道同时进行全局对数变换会导致颜色饱和度降低;其次,本文证明了用PCA变换得到的第二和第三主成分作为色度模型可能会产生严重的色调漂移。针对这些问题,本文提出了一种改进的高动态范围图像增强显示方法。首先在比较了PCA等颜色模型的基础上引入新的亮度模型和色度模型,然后保持色度不变,同时只在亮度通道进行全局映射和使用模板尺寸自适应的Retinex法做局部处理,最后将亮度处理结果和色度还原到RGB空间。该方法采用经Gamma变换后的RGB三通道的比例信息作为色度,解决了Meylan方法中的色调漂移问题;只对亮度通道进行全局映射变换,避免了对三通道同时变换导致的饱和度降低问题;提取三通道中的最大值作为亮度,使得在RGB空间中的等亮度面为正方体相邻的三个非坐标面,这保证了亮度和色度的相互独立,且能够比RGB线性组合法(如PCA模型和HSV模型)更加有效地控制像素值的分布范围。在大量的图像上的定性及定量分析表明,本文提出的新方法不仅能同时较好地恢复高动态范围图像的暗处和亮处的细节信息,而且色调更加真实,颜色饱和度适中,有效提升色彩细节的可辨识性。