Tone Mapping中luma滤波对噪声放大的定性分析

在tone mapping过程中，通常经过统计之后得到一条mapping曲线，记这条曲线为f(x)f(x)f(x)，mapping过程中，对于给定的点，假定其亮度为xxx，映射后为f(x)f(x)f(x)，信号的放大增益为k=f(x)xk=\frac{f(x)}{x}k=xf(x)，上述放大增益的过程在luma平面上进行，若tone mapping在raw图像上，且像素值为xrawx_{raw}xraw,则经过tone mapping后的像素值为k⋅xraw=xraw⋅f(x)xk\cdot x_{raw}=x_{raw}\cdot\frac{f(x)}{x}k⋅xraw=xraw⋅xf(x)；为了方便讨论，我们仅讨论在luma平面进行tone mapping，那么tone mapping后的像素计算公式为k⋅x=x⋅f(x)x=f(x)k\cdot x=x\cdot\frac{f(x)}{x}=f(x)k⋅x=x⋅xf(x)=f(x)；

经过上面的背景介绍和铺垫，下面讨论在tone mapping过程中，对于luma平面进行降噪滤波之后再计算放大增益，对于噪声放大、边缘增强及对比度增强现象的内在原理。

对于图像中的x1x_1x1，x2x_2x2，映射曲线为f(x)f(x)f(x)，那么x1x_1x1点映射为f(x1)f(x_1)f(x1)，x2x_2x2点映射为f(x2)f(x_2)f(x2)，先分析极端情况,x1，x2x_1，x_2x1，x2经过滤波的像素值均变为x0x_0x0，映射之后为f(x0)f(x_0)f(x0)，上述数量关系如图2所示，于是

k1=f(x1)x1,k2=f(x2)x2,k0=f(x0)x0k_1=\frac{f(x_1)}{x_1},k_2=\frac{f(x_2)}{x_2},k_0=\frac{f(x_0)}{x_0} k1=x1f(x1),k2=x2f(x2),k0=x0f(x0)

于是，在没有开NR时，其tone mapping后x1x_1x1与x2x_2x2的差异为：
Δ0=k2x2−k1x1\Delta_0=k_2x_2-k_1x_1 Δ0=k2x2−k1x1

开NR后，其tone mapping后x1x_1x1与x2x_2x2的差异为：
Δ1=k0x2−k0x1\Delta_1=k_0x_2-k_0x_1 Δ1=k0x2−k0x1
比较Δ0\Delta_0Δ0与Δ1\Delta_1Δ1的大小：
Δ1−Δ0=f(x0)x0(x2−x1)−f(x2)−f(x1)x2−x1(x2−x1)=[f(x0)x0−f(x2)−f(x1)x2−x1](x2−x1)\Delta_1-\Delta_0=\frac{f(x_0)}{x_0}(x_2-x_1)-\frac{f(x_2)-f(x_1)}{x_2-x_1}(x_2-x_1)=[\frac{f(x_0)}{x_0}-\frac{f(x_2)-f(x_1)}{x_2-x_1}](x_2-x_1) Δ1−Δ0=x0f(x0)(x2−x1)−x2−x1f(x2)−f(x1)(x2−x1)=[x0f(x0)−x2−x1f(x2)−f(x1)](x2−x1)
由于x2−x1>0x_2-x_1>0x2−x1>0，于是只需要讨论f(x0)x0−f(x2)−f(x1)x2−x1\frac{f(x_0)}{x_0}-\frac{f(x_2)-f(x_1)}{x_2-x_1}x0f(x0)−x2−x1f(x2)−f(x1)的符号即可，令
m(x)=f(x0)x0−f(x2)−f(x1)x2−x1m(x)=\frac{f(x_0)}{x_0}-\frac{f(x_2)-f(x_1)}{x_2-x_1} m(x)=x0f(x0)−x2−x1f(x2)−f(x1)
为了分析Δ1−Δ0\Delta_1-\Delta_0Δ1−Δ0的符号，我们回过头来对mapping曲线f(x)f(x)f(x)做一些数学层面的条件归纳：首先f(x)f(x)f(x)为单调函数，其一阶导数f′(x)>0f^{'}(x)>0f′(x)>0，其次曲线f(x)f(x)f(x)的斜率在不断减小，即其一阶导数为减函数，于是f′′(x)<0f^{''}(x)<0f′′(x)<0,此外还有f(0)=0f(0)=0f(0)=0，于是问题简化为一个简单的数学问题：
对于f(x)f(x)f(x)，有f(0)=0,f′(x)>0,f′′<0f(0)=0,f^{'}(x)>0,f^{''}<0f(0)=0,f′(x)>0,f′′<0，当x∈(x1,x2)x\in(x_1,x_2)x∈(x1,x2)时，讨论m(x)m(x)m(x)与0的大小

针对这个问题，我们先直观判断一下m(x)m(x)m(x)的符号，f(x2)−f(x1)x2−x1\frac{f(x_2)-f(x_1)}{x_2-x_1}x2−x1f(x2)−f(x1)为(x1,f(x1))(x_1,f(x_1))(x1,f(x1))点与(x2,f(x2))(x_2,f(x_2))(x2,f(x2))连线的斜率，f(x0)x0\frac{f(x_0)}{x_0}x0f(x0)为(0,0)(0,0)(0,0)点与(x0,f(x0))(x_0,f(x_0))(x0,f(x0))的斜率，从直观上看，后者大于前者，于是有m(x0)>0m(x_0)>0m(x0)>0，如图3所示;

下面证明这个判断，令g(x)=f(x)xg(x)=\frac{f(x)}{x}g(x)=xf(x)，分析其单调性，
g′(x)=xf′(x)−f(x)x2g^{'}(x)=\frac{xf^{'}(x)-f(x)}{x^2} g′(x)=x2xf′(x)−f(x)

要判定其单调性，只需判定其符号，而分母显然为正数，从而只需要分析分子，令
h(x)=xf′(x)−f(x)h(x)=xf^{'}(x)-f(x) h(x)=xf′(x)−f(x)

那么
h′(x)=f′(x)+xf′′(x)−f′(x)=xf′′(x)h^{'}(x)=f^{'}(x)+xf^{''}(x)-f^{'}(x)=xf^{''}(x) h′(x)=f′(x)+xf′′(x)−f′(x)=xf′′(x)
由于x>0,f′′(x)<0x>0,f^{''}(x)<0x>0,f′′(x)<0,于是h′(x)<0h^{'}(x)<0h′(x)<0，从而h(x)h(x)h(x)为单调减函数，又有h(0)=0−0=0h(0)=0-0=0h(0)=0−0=0，所以h(x)≤0h(x)\le 0h(x)≤0,从而对于x∈(0,∞),g′(x)≤0x\in (0,\infty),g^{'}(x)\le 0x∈(0,∞),g′(x)≤0，从而可知，g(x)=f(x)xg(x)=\frac{f(x)}{x}g(x)=xf(x)为减函数。
回到m(x)=f(x)x−f(x2)−f(x1)x2−x1m(x)=\frac{f(x)}{x}-\frac{f(x_2)-f(x_1)}{x_2-x_1}m(x)=xf(x)−x2−x1f(x2)−f(x1)，对于x∈(x1,x2)x\in (x_1,x_2)x∈(x1,x2)其最小值为
mmin=m(x2)=f(x2)x2−f(x2)−f(x1)x2−x1=x2f(x1)−x1f(x2)x2(x2−x2)m_{min}=m(x_2)=\frac{f(x_2)}{x_2}-\frac{f(x_2)-f(x_1)}{x_2-x_1}=\frac{x_2f(x_1)-x_1f(x_2)}{x_2(x_2-x_2)} mmin=m(x2)=x2f(x2)−x2−x1f(x2)−f(x1)=x2(x2−x2)x2f(x1)−x1f(x2)
其分母为正数，因而只需要考虑其分子符号；对于分子x2f(x1)−x1f(x2)x_2f(x_1)-x_1f(x_2)x2f(x1)−x1f(x2)，将其除以 x1x2x_1x_2x1x2，不改变其符号，于是有
x2f(x1)−x1f(x2)x1x2=f(x1)x1−f(x2)x2\frac{x_2f(x_1)-x_1f(x_2)}{x_1x_2}=\frac{f(x_1)}{x_1}-\frac{f(x_2)}{x_2} x1x2x2f(x1)−x1f(x2)=x1f(x1)−x2f(x2)

由于前面已经分析过，g(x)=f(x)xg(x)=\frac{f(x)}{x}g(x)=xf(x)为减函数，以及x1<x2x_1<x_2x1<x2，有f(x1)x1−f(x2)x2>0\frac{f(x_1)}{x_1}-\frac{f(x_2)}{x_2}>0x1f(x1)−x2f(x2)>0，从而mmin>0m_{min}>0mmin>0，又由于 x0<x2x_0<x_2x0<x2，于是m(x0)≥0m(x_0)\ge 0m(x0)≥0，从而Δ1−Δ0>0,Δ1Δ0>1\Delta_1-\Delta_0>0,\frac{\Delta_1}{\Delta_0}>1Δ1−Δ0>0,Δ0Δ1>1，这说明luma经过滤波之后对于相同差异的输入点，其输出差异Δ1\Delta_1Δ1会比luma没经过滤波输出差异Δ0\Delta_0Δ0大；反应在图像的tone mapping中，对luma降噪相对于直接tone mapping，会放大噪声，同时也增强边缘，增加对比度，也就是图1中的现象。

下面将问题放到更一般的情况，降噪将x1x_1x1变为x3x_3x3，将x2x_2x2变为x4x_4x4，大小关系为x1<x3<x4<x2x_1<x_3<x_4<x_2x1<x3<x4<x2，在曲线上的关系如图4所示

从而k1=f(x1)x1,k2=f(x2)x2,k3=f(x3)x3,k4=f(x4)x4k_1=\frac{f(x_1)}{x_1},k_2=\frac{f(x_2)}{x_2},k_3=\frac{f(x_3)}{x_3},k_4=\frac{f(x_4)}{x_4}k1=x1f(x1),k2=x2f(x2),k3=x3f(x3),k4=x4f(x4),于是有
Δ0=f(x2)x2x2−f(x1)x1x1\Delta_0=\frac{f(x_2)}{x_2}x_2-\frac{f(x_1)}{x_1}x_1 Δ0=x2f(x2)x2−x1f(x1)x1
Δ1=f(x4)x4x2−f(x3)x3x1\Delta_1=\frac{f(x_4)}{x_4}x_2-\frac{f(x_3)}{x_3}x_1 Δ1=x4f(x4)x2−x3f(x3)x1

Δ1−Δ0=f(x4)x4x2−f(x3)x3x1−[f(x2)x2x2−f(x1)x1x1]=x2[f(x4)x4−f(x2)x2]+x1[f(x1)x1−f(x3)x3]\Delta_1-\Delta_0=\frac{f(x_4)}{x_4}x_2-\frac{f(x_3)}{x_3}x_1-[\frac{f(x_2)}{x_2}x_2-\frac{f(x_1)}{x_1}x_1]=x_2[\frac{f(x_4)}{x_4}-\frac{f(x_2)}{x_2}]+x_1[\frac{f(x_1)}{x_1}-\frac{f(x_3)}{x_3}] Δ1−Δ0=x4f(x4)x2−x3f(x3)x1−[x2f(x2)x2−x1f(x1)x1]=x2[x4f(x4)−x2f(x2)]+x1[x1f(x1)−x3f(x3)]

由于0<x1<x3<x4<x20<x_1<x_3<x_4<x_20<x1<x3<x4<x2以及g(x)=f(x)xg(x)=\frac{f(x)}{x}g(x)=xf(x)为减函数，[f(x4)x4−f(x2)x2]>0,[f(x1)x1−f(x3)x3]>0[\frac{f(x_4)}{x_4}-\frac{f(x_2)}{x_2}]>0,[\frac{f(x_1)}{x_1}-\frac{f(x_3)}{x_3}]>0[x4f(x4)−x2f(x2)]>0,[x1f(x1)−x3f(x3)]>0，从而Δ1−Δ0>0,Δ1Δ0>1\Delta_1-\Delta_0>0,\frac{\Delta_1}{\Delta_0}>1Δ1−Δ0>0,Δ0Δ1>1；于是，对于一般情况而言，luma上降噪也会放大噪声，增强边缘，增加对比度，而且降噪强度越大，会导致luma平面越平滑，Δ1−Δ0\Delta_1-\Delta_0Δ1−Δ0也变得越大，从而这种噪声放大与图像增强现象也越强。

综上，对于映射曲线满足f(x)f(x)f(x)为单调增函数，f(x)f(x)f(x)的斜率在不断减小，f(0)=0f(0)=0f(0)=0时，对luma平面降噪会放大图像中的噪声，增强边缘，增加对比度，而通常的tone mapping曲线f(x)f(x)f(x)或者整条曲线满足上述条件，或者整条曲线的一部分满足上述条件，满足上述条件的部分都会对图像进行不同程度的增强和噪声放大。

Tone Mapping中luma滤波(降噪)对噪声放大的定性分析相关推荐

数字图像处理——中值滤波降噪
使用滤波模板中像素点的中值点作为目标像素,这就称为中值滤波降噪(顾名思义) Python实现过程如下: 图像数据为: 图像中存在典型的椒盐噪声,而中值降噪,对椒盐噪声的作用是非常有效的. 导入要使用的 ...
python中值滤波去除椒盐噪声_python 中值滤波,椒盐去噪,图片增强实例
受光照.气候.成像设备等因素的影响,灰度化后的图像存在噪声和模糊干扰,直接影响到下一步的文字识别,因此,需要对图像进行增强处理.图片预处理中重要一环就是椒盐去澡,通常用到中值滤波器进行处理,效果很好. ...
中值滤波去除图像噪声的matlab程序
中值滤波:基于排序理论的一种能有效抑制噪声的非线性信号处理技术. 方法:取含有基数(偶数会有半像素的差)个模板数据的滑动模板,对模板中的数据从小到大排序,取排在中间位置上的数据作为最终的处理结果. m ...
图像处理实验，中值滤波处理椒盐噪声
一.实验目的图像变换是数字图像处理中的一种综合变换,如直方图变换.几何变换等.通过本实验,掌握中值滤波处理. 二.实验任务设计程序,用中值滤波法(模板的大小为3×3).进行去噪处理. 得出实验结果 ...
图像降噪算法——中值滤波/均值滤波/高斯滤波/双边滤波
图像降噪算法--中值滤波/均值滤波/高斯滤波/双边滤波图像降噪算法--中值滤波/均值滤波/高斯滤波/双边滤波 1. 基本原理 2. C++代码实现 3. 结论图像降噪算法--中值滤波/均值滤波/高 ...
中值滤波原理及其代码实现
本文主要是对高斯滤波,中值滤波原理进行简单介绍,随后用代码实现高斯噪声和椒盐噪声.以及用高斯滤波和中值滤波对这两种图像进行相关的处理. 高斯噪声:就是服从高斯正态分布的噪声,通常是因为高温或者是传感器 ...
matlab图像处理-中值滤波原理
中值滤波原理中值滤波本质上是一种统计排序滤波器.对于原图像中某点(i,j),中值滤波以该点为中心的邻域内的所有像素的统计排序中值作为(i,j)点的响应. 中值不同于均值,是指排序队列中位于中 ...
java 中值滤波_matlab图像处理-中值滤波原理(示例代码)
中值滤波原理 ??中值滤波本质上是一种统计排序滤波器.对于原图像中某点(i,j),中值滤波以该点为中心的邻域内的所有像素的统计排序中值作为(i,j)点的响应. ??中值不同于均值,是指排序队列中位于中 ...
OpenCV 中值滤波
中值滤波是一种典型的非线性滤波技术,基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值. 中值滤波对椒盐噪声来说尤其有用,因为它不依赖于邻域内那些与典型值差别很大的值. 中值滤波用途:去除椒盐噪 ...

Tone Mapping中luma滤波(降噪)对噪声放大的定性分析

Tone Mapping中luma滤波对噪声放大的定性分析

Tone Mapping中luma滤波(降噪)对噪声放大的定性分析相关推荐

最新文章

热门文章