CN105915909B - 一种高动态范围图像分层压缩方法 - Google Patents

Abstract

本发明提供了一种高动态范围图像分层压缩方法，所述方法包括如下步骤：a)高动态范围图像从RGB色彩模式转换为CIELab模型，对所述高动态范围图像进行归一化处理；b)基于归一化处理的所述高动态范围图像，使用快速双边滤波器进行分层；所述高动态范围图像基础层处理，其中对所述CIELab模型下的L分量进行色调映射；增强所述CIELab模型下的a分量饱和度，增强所述述CIELab模型下b分量的饱和度；所述高动态范围图像细节层处理；c)将处理后的所述基础层与处理后的所述细节层进行合并，形成压缩后的低动态范围图像。

Description

一种高动态范围图像分层压缩方法

技术领域

本发明涉及数字图像处理技术领域，特别涉及一种高动态范围图像分层压缩方法。

背景技术

色调映射是用来将HDR图像压缩为LDR图像，由于目前大部分显示设备都是LDR设备，无法直接显示动态范围超过255的HDR彩色图像，并且具有HDR显示功能的显示器往往价格较高，因此，动态范围超过255的HDR图像，需要在色调映射后才能显示到LDR的显示设备上。而色调映射的目标，即利用一定的算法，将0-Intensity(max)的图像亮度范围映射到0-255的区间内，并且保持HDR图像动态范围高的特性，即对高亮和阴暗的场景都有很好的显示效果。

目前，HDR色调映射算法分为全局色调映射与局部色调映射。全局色调映射算法往往计算复杂度较低，能够在较小的计算量之中将HDR图像的亮度范围压缩为0-255的区间内，然而，由于全局算法往往无法利用图像局部信息，将整个图像作为一个整体进行压缩，得到的LDR图像会产生模糊、对比度下降等问题。局部的色调映射算法，利用图像局部特征，来压缩动态范围，能够保证亮和暗细节和对比度，然而由于算法针对每个像素或区域进行独立压缩，计算量会显著增加。

对于全局色调映射方法的比较，常见的方法有色调压缩法和直方图均衡。直方图均衡利用亮度直方图，改变像素直方图分布，令像素更接近平均分布。均衡化的同时可以增强图形对比度，然而全局地直方图均衡往往容易增强噪声，图像产生较大的伪影。对于局部色调映射算法，常见的包括：局部色适应，自适应色调映射，iCAM算法，和iCAM06算法。局部色适应法模拟摄影的过程，对HDR图像进行遮光和曝光操作，使得过曝的区域亮度压缩，而阴暗的区域亮度提升，先把图像像素归一化，然后参考局部亮度信息，将其映射为0-255的范围之间。自适应色调映射利用对数函数，将HDR亮度压缩，其中对数函数的参数可随局部像素亮度进行自适应调整。

现有技术中iCAM模型又称为图像色彩显示模型，在给定的图像和观看条件中，传统的色彩模型只能对图像的色彩参数，如亮度、色度和色相进行建模。之后研究人员对iCAM模型改进为iCAM06，用来对高动态图像进行色调映射。改进的iCAM06模型可以对每个像素的参数进行建模，如对比度、锐化程度等，这些参数往往决定了人们在观看图像时的感受。如图1所示iCAM06模型计算色调映射的流程图，改进的iCAM06模型图像分层压缩步骤100为：101：RGB色彩空间转变；102：图像分层；103：基础层色彩适应；104：色调压缩；105：细节增强；106：两层合并；107：色彩空间转换；108：色彩调整；109：色彩空间转换为RGB；110：图像输出。iCAM06模型对图像分层时采用双边滤波器对图像进行分层使得计算时间增长，并且在色调压缩后需要对色彩空间转化进行色度调整，增加了计算的难度和时间。

因此，需要一种显示效果更好，更接近真实场景，细节上更加丰富，色调映射计算速度更快的高动态范围图像分层压缩方法。

发明内容

本发明的目的在于提供一种高动态范围图像分层压缩方法，所述分层压缩方法包括如下步骤：

a)高动态范围图像从RGB色彩模式转换为CIELab模型，对所述高动态范围图像进行归一化处理；

b)基于归一化处理的所述高动态范围图像，使用快速双边滤波器进行分层；

所述高动态范围图像基础层处理，其中对所述CIELab模型下的L分量进行色调映射；增强所述CIELab模型下的a分量饱和度，增强所述述CIELab模型下b分量的饱和度；

所述高动态范围图像细节层处理；

c)将处理后的所述基础层与处理后的所述细节层进行合并，形成压缩后的低动态范围图像。

优选地，所述归一化处理所述高动态范围图像，其中通过对数函数对所述高动态范围图像的亮度归一化处理。

优选地，所述快速双边滤波器借助高斯函数对所述高动态范围图像滤波，高斯函数的快速双边滤波算法为余弦函数的幂指函数。

优选地，所述快速双边滤波器至少定义一个变量。

优选地，对于L分量的色调映射通过自适应局部直方图均衡，

高动态范围图像基础层划分为方块形区域，在所述方块形区域内部对一个或者多个像素色彩进行像素插值，

所述自适应局部直方图均衡包括以下参数化函数的一个或者多个：局部映射函数、图像累计直方分布函数和直方图函数。

优选地，所述像素插值前提高一个或者多个像素色彩的局部对比度，

所述像素插值包括线性插值和双线性插值。

优选地，局部对比度的提高方法包括如下步骤：

(1)计算所述一个或多个像素色彩在方块形区域一个块中的对比度，利用开方函数对所述一个或多个像素色彩在方块形区域一个块中的对比度增强；

(2)由增强的对比度导出在方块形区域一个块中的所述一个或多个像素色彩的中心像素值；

(3)所述中心像素值通过区域内平均像素得到新的中心像素。

优选地，所述的一个或多个像素色彩在方块形区域的一个块中包括中心像素和区域内平均像素。

优选地，所述a分量饱和度乘上饱和度增强系数，所述b分量饱和度乘上饱和度增强系数。

优选地，所述高动态范围图像通过所述归一化处理后亮度范围变为0到1之间。

本发明采用双边滤波器对高动态范围图像进行分层，对图像分层的计算时间大幅降低。本发明高动态范围图像分层压缩方法得到的低动态范围图像细节更加丰富，对比度更高，高亮区域具有更高的清晰度。

应当理解，前述大体的描述和后续详尽的描述均为示例性说明和解释，并不应当用作对本发明所要求保护内容的限制。

附图说明

参考随附的附图，本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明，其中：

图1示意性示出了现有技术iCAM06模型计算色调映射的流程图；

图2示意性示出了本发明高动态范围图像分层压缩的流程图；

图3示出了本发明快速双边滤波其与普通双边滤波器的分层时间对比图；

图4示出了本发明自适应直方图均衡的示意图；

图5示出了本发明分层压缩方法得到的球形场景图与iCAM06模型计算的球形场景图的细节对比；

图6示出了本发明分层压缩方法得到的圆花窗场景图与iCAM06模型计算的圆花窗场景图的细节对比；

图7示出了本发明分层压缩方法得到的晴朗天空场景图与iCAM06模型计算的晴朗天空场景图的细节对比。

具体实施方式

通过参考示范性实施例，本发明的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而，本发明并不受限于以下所公开的示范性实施例；可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。

在下文中，将参考附图描述本发明的实施例。在附图中，相同的附图标记代表相同或类似的部件，或者相同或类似的步骤。

高动态范围图像(HDR)为动态范围255的彩色图像，一般地在设备显示时需要将图像动态范围压缩至0-255区间的低动态范围图像(LDR)。

在以下公开的实施中，高动态范围图像分层压缩方法为了更加清楚的说明，将采用本领域人员能够清楚理解的术语进行描述，例如高动态范围图像采用HDR表述，低动态范围图像采用LDR表述。

如图2所示本发明高动态范围图像分层压缩的流程图，在下文中结合高动态范围图像分层压缩流程200可以实现公开的技术方案的实施例对本发明说明。一种高动态范围图像分层压缩方法具体包括如下步骤：

步骤S201，HDR图像分层前处理，高动态范围图像从RGB色彩模式转换为CIELab模型，对所述高动态范围图像进行归一化处理；

步骤S202，HDR图像分层，基于归一化处理的所述高动态范围图像，使用快速双边滤波器进行分层；

步骤S203，基础层和细节层处理，对于所述高动态范围图像基础层处理，其中对所述CIELab模型下的L分量进行色调映射；增强所述CIELab模型下的a分量饱和度，增强所述述CIELab模型下b分量的饱和度；

对所述高动态范围图像细节层处理；

步骤S204，基础层和细节层合并形成LDR图像，将处理后的所述基础层与处理后的所述细节层进行合并，形成压缩后的低动态范围图像。

为了更加清楚的对本发明公开技术方案的说明，对上述步骤做进一步的详细阐释。

步骤S201：HDR图像分层前处理

本发明实施例中，在对HDR图像进行分层压缩前需要对HDR图像做进一步的准备处理。首先对选定的HDR图像做空间转化，一般地，在显示图像设备，例如数字相机、计算机显示设备、电视显示屏或其他用于显示图像的设备中，图像以RGB色彩空间存储。HDR图像的动态范围大于255的浮点数，需要在上述显示图像设备中无法直接显示。本发明的目的就在于快速对动态范围大于255浮点数的HDR图像压缩至0-255浮点数在上述显示设备中清晰显示。

本发明实施例将RGB图像转化为CIELab模型，对所述CIELab模型下的HDR图像归一化处理。归一化处理对HDR图像亮度进行压缩，具体地，本实施例采用对数函数进行HDR图像亮度压缩，压缩后图像亮度范围在[0，1]之间。所述的对数函数表达式为：

f_log(x)＝log₂(f(x)) (1)

以及

经过上述(1)式和(2)式将处于CIELab模型下的高动态范围HDR图像亮度压缩。图像的亮度压缩使的图像的亮度范围能够更加方便的在下文将要阐释的图像分层中计算。

步骤S202：HDR图像分层

HDR图像完成归一化处理，在CIELab模型下图像的三个基本分量L表示图像中颜色的色调信息、a和b分别分别表示了图像在不同颜色区间的位置的色度信息。

对于图像的分层，本发明快速双边滤波器助高斯函数对HDR高动态范围图像滤波，具体地，两个高斯核的卷积可以在一个块状的矩形区域进行，本实施例中示例性的给出两个高斯核的卷积在M×M的矩形区域中进行。进一步地，选择余弦函数的幂函数作为高斯函数的快速双边滤波算法，其中：

高斯函数表达式为：为了实现快速双边滤波算法，可以令ρ＝pγ^-1，并且要求由此可得到高斯核：

一般地，对像素滤波过程的采用普通双边滤波器的表达具体为：

其中：

式中，为空间相关的高斯核，为像素值相关的高斯核。

进一步地，公式(3)所表示的高斯核与普通双边滤波器公式(4)和公式(5)结合，得到本实施例中的快速双边滤波器，具体表述为：

为了上述快速双边滤波器的计算更加快速，快速双边滤波器至少定义一个变量，优选地，本实施例中对两个变量θ和做进一步的定义，其中，

令上述所述的快速双边滤波器的表达式进一步简化为：

其中：

本实施例将两个高斯核卷积看成是快速双边滤波器对 和四幅图像的高斯滤波。

快速双边滤波器对HDR图像滤波后得到图像的基础层，一般地，将原图向与基础层相减得到图像的细节层。

在一些实施例中，高斯滤波器可以通过快速傅氏变换计算。本发明对高斯函数的具体求解方法不做具体限制，实施例中的高斯滤波的计算方法仅仅是示例性的，本发明保护的方案由权利要求所限定。

本实施例在上述过程详细阐释了快速双边滤波的具体据算方法，HDR图像经过上述快速滤波计算后图像分为两层，一层为基础层；另一层为细节层。为了方便的的说明本发明的具体方案，实施例中对HDR图像分为两层，但不限于两层的分层方式，具体分层方式应当根据具体图像确定。

步骤S203：基础层和细节层处理

在步骤S202，对HDR图像进行快速滤波计算，得到图像的基础层，对于图像分层的运算量，实施例提供了本发明快速双边滤波器与普通双边滤波器HDR图像分层的计算时间，图3示出了本发明快速双边滤波其与普通双边滤波器的分层时间对比图。由不同场景的计算时间显示，快速双边滤波器301均快速于普通双边滤波器302，对于不同场景，本实施例示例性的给出了球形场景、教堂中殿场景、圆花窗场景、纪念馆场景和晴朗天空的场景。

色彩空间处于CIELab模型下，图像的三个基本分量L表示图像中颜色的色调信息、a和b分别分别表示了图像在不同颜色区间的位置的色度信息。

基础层处理

基础层的处理首先对表示图像中颜色色调信息的L分量进行色调映射，公开的技术方案的某些实施例中，L分量色调映射的方法通过自适应局部直方图均衡，如图4所示本发明自适应直方图均衡的示意图。

将HDR图像高动态范围图像基础层划分为多个方块形区域，在所述方块形区域内部对一个或者多个像素色彩进行像素插值。为了更加清楚的描述，本实施例将采用图像分为M×M的区域，M×M的区域内由M×M个小块组成，以某一中颜色像素作为示例性说明，其中，颜色可以是包括但不限于绿色、黄色、蓝色或红色等的一种或多种，

所述自适应局部直方图均衡包括以下参数化函数的一个或者多个：

局部映射函数：

其中，H(i)为图像累计直方分布函数。

用h(i)表示直方图函数，一般地，直方图函数即为图像累计分布函数的导数。

图像局部对比度S就是局部函数C(i)的斜率，具体地图像局部对比度表示：

如图4所示，本实施例以绿色像素为例，在像素插值前提高示例性的绿色像素所在块401的局部对比度，局部对比度的提高方法包括如下步骤：

(1)计算绿色像素所在的M×M区域内一个块401中的对比度，绿色像素所在块401中的对比度计算由下式给出：

其中，L(i)为中心区域像素，L^-为区域内像素的均值。对局部对比度的增强利用开方函数进行增强，增强后绿色像素所在块中的对比度为：C_a(i)＝g(G(i))。

(2)增强的绿色像素所在块401中的对比度导出绿色像素所在块的中心像素值。

(3)根据绿色像素所在块401的中心像素值和平均像素值之间关系得到新的中心像素值；

具体地，得到的新的中心像素为：和

绿色像素所在块401的对比度得到提高，选取绿色像素所在块的中心像素作为插值的像素进像素插值。本实施例中图4所示的A、B、C、D四个M×M区域均为不同颜色，为了清楚的说明，图4中A和C区域代表绿色像素周边的蓝色区域，B和D区域代表绿色像素周边的红色区域，以及蓝色区域和红色区域的边界403。像素插值时，插值像素所在块402处于蓝色区域(A或C)和红色区域(B和D)之间，通过双线性插值对图像计算。在一些实施例中，插值像素所在的块处于两种或两种以上的多种颜色像素之间，通过双线性插值对图像进行计算；在另一些实施例中，插值像素所在的块处于图像边缘，通过线性插值对图像进行计算。

需要说明的是，上述实施例对比度增强的像素色彩以绿色像素为例做了详细阐释，在一些实施例中，应当不受上述像素色彩的限制，对本领域技术人员可以想到的任何一个或多个像素色彩均可在方块形区域一个块中增强对比度，也可以由增强的对比度导出在方块形区域一个块中的所述一个或多个像素色彩的中心像素值。

基础层对图像a分量和b分量色度信息增强饱和度，对于饱和度的计算在一些实施例中只需要在a和b分量的基础上乘上所需要的饱和度增强系数：a_a(i)＝a*(i)*saturation和b_a(i)＝b*(i)*saturation，饱和度增强系数具体地由对压缩的HDR图像所决定，本发明对饱和度系数的选择不做限定。

细节层处理

对于HDR图像分层后的细节层通过进行计算处理。

步骤S204：基础层和细节层合并形成LDR图像

实施例步骤S202和步骤S203对HDR图像进行分层并且对分层后的基础层和细节层做了进一步处理。经过上述步骤处理得到的基础层和细节层合并即可得到能够用于显示设备的LDR图像，具体地，对于映射和增强后的基础层和细节层相加:

由上述实施例得到LDR图像在细节上更加丰富，更加接近真实的场景，其在计算方法上更加节省时间。如图5所示本发明分层压缩方法得到的球形场景图与iCAM06模型计算的球形场景图的细节对比；图6所示本发明分层压缩方法得到的圆花窗场景图与iCAM06模型计算的圆花窗场景图的细节对比和图7所示本发明分层压缩方法得到的晴朗天空场景图与iCAM06模型计算的晴朗天空场景图的细节对比。在不同的图像场景下，本发明高动态范围图像分层压缩方法得到的LDR图像(b)与iCAM06模型计算的LDR图像(a)比，细节上更加接近真实场景。

实施例对高动态范围图像的分层压缩提供了一种新的计算方法，在图像分层前，分层方法以及分层后对不同图层的处理做了整体的说明。本发明提供的高动态发呢诶图像分层压缩方法在图像分层的计算时间上实现大幅降低，得到的低动态范围图像细节更加丰富，对比度更高，高亮区域具有更高的清晰度。

结合这里披露的本发明的说明和实践，本发明的其他实施例对于本领域技术人员都是易于想到和理解的。说明和实施例仅被认为是示例性的，本发明的真正范围和主旨均由权利要求所限定。

Claims (9)

1.一种高动态范围图像分层压缩方法，其特征在于，所述分层压缩方法包括如下步骤：

a)高动态范围图像从RGB色彩模式转换为CIELab模型，对所述高动态范围图像进行归一化处理；

b)基于归一化处理的所述高动态范围图像，使用快速双边滤波器进行分层；

对所述高动态范围图像基础层处理，其中对所述CIELab模型下的L分量进行色调映射；增强所述CIELab模型下的a分量饱和度，增强所述CIELab模型下b分量的饱和度；其中

对于L分量的色调映射通过自适应局部直方图均衡；

将高动态范围图像基础层划分为多个方块形区域，在所述方块形区域内部对一个或者多个像素进行像素插值，并且在所述像素插值前提高所述一个或者多个像素的局部对比度；

局部对比度的提高方法包括如下步骤：

(1)计算所述一个或多个像素在方块形区域一个块中的对比度，利用开方函数对所述一个或多个像素在方块形区域一个块中的对比度增强；

(2)由增强的对比度导出在方块形区域一个块中的所述一个或多个像素的中心像素值；

(3)所述中心像素值通过区域内平均像素得到新的中心像素；

对所述高动态范围图像细节层处理；

c)将处理后的所述基础层与处理后的所述细节层进行合并，形成压缩后的低动态范围图像。

2.根据权利要求1所述的方法，其特征在于，所述归一化处理所述高动态范围图像，其中通过对数函数对所述高动态范围图像的亮度归一化处理。

3.根据权利要求1所述的方法，其特征在于，所述快速双边滤波器借助高斯函数对所述高动态范围图像滤波，高斯函数的快速上边滤波算法为余弦函数的幂指函数。

4.根据权利要求1或3所述的方法，其特征在于，所述快速双边滤波器至少定义一个变量。

5.根据权利要求1所述的方法，其特征在于，所述自适应局部直方图均衡包括以下参数化函数的一个或者多个：

局部映射函数、图像累计直方分布函数和直方图函数。

6.根据权利要求1所述的方法，其特征在于，所述像素插值包括线性插值和双线性插值。

7.根据权利要求1所述的方法，其特征在于，所述的一个或多个像素在方块形区域的一个块中包括中心像素和区域内平均像素。

8.根据权利要求1所述的方法，其特征在于，所述a分量饱和度乘上饱和度增强系数，所述b分量饱和度乘上饱和度增强系数。

9.根据权利要求1或2所述的方法，其特征在于，所述高动态范围图像通过所述归一化处理后亮度范围变为0到1之间。