ISP-长短曝光融合生成HDR图像
1、高动态范围图像相关
图像的动态范围是指一幅图像中量化的最大亮度与最小噪声的比值。高动态范围HDR(high dynamic range)图像,能够完整表示真实场景中跨度很大的动态范围。采用普通CMOS/CCD图像传感器不能完整呈现亮度层次差异较大的真实场景。场景中较亮的区域,由于过曝光会出现一片白亮,而场景中较暗的区域,由于欠曝光会出现一片黑暗。
另外,由于成本等原因,显示设备的动态范围也较小,如一般的阴极射线管(Cathode RayTube,CRT)、液晶显示器(Liquid Crystal Display,LCD)、LED、等离子显示器等,显示动态范围最大为28(O到255),大多在102个数量级,远远低于现实场景的动态范围,无法做到完全映射。这意味着,即使捕获了亮度差异较大的高动态范围图像,也很难在普通显示设备上完整显示出来。
多帧图像融合
较为经济的解决思路是采用多帧图像融合,图像可以是固定增益采用不同曝光下采集,也可以是同等曝光不同增益下采集。一般情况多采用两帧图像合成,长曝光-短曝光合成或者高增益-低增益合成。
1、**高低增益融合:**指在同样曝光时间条件下,同时输出一路高增益数据和一路低增益数据,根据某种关系将两路数据进行融合。
2、**长短曝光融合:**指在同等增益的条件下,同时输出一路长曝光数据和一路短曝光数据,根据某种关系将两路数据进行融合。
长曝光与高增益数据,保证场景中较暗处细节信息能够完整捕获(高增益类似)。短曝光与低增益数据保证场景中较亮处不至于过曝(低增益类似)。
通过高低增益融合或者长短曝光融合方式融合,这种HDR图像既能够有好的暗部信息,又保证了亮部不过曝,保留了亮度信息。
相比之下笔者觉得长短曝光融合方式效果更佳,因为在光照不足的环境下,高增益数据噪声会较大,合成的图像噪点多。
2、图像融合形成HDR图像
根据Debevec等人提出的相机响应曲线(Camera Response Curve,CRV),采集图像数据计算长曝光与像素值的关系,短曝光与像素值的关系,再利用权重函数,将长曝光、短曝光对应的低动态范围图像数据合成,得到高动态范围图像。
需要sensor支持同时输出长曝光、短曝光图像,通过长短曝光融合方式来形成高动态图像。长短曝光比率是可以配置的(如果sensor支持的话),不同的配比带来不同的效果。
注意事项:
第一,利用sensor输出的图像进行合成,长短曝光比率需要摸索,不是越大越好,合适的比率融合效果更自然。
第二,像素点亮度值与曝光时间成线性关系。对于同一像素点,长曝光相比于短曝光像素响应值更高,信噪比更高。可见光sensor线性度一般都很好,而红外探测器线性度很差,一般需要做均匀性校正之后再进行融合。
第三,一般的合成算法较为复杂,有的利用最小二乘法求解多个方程,有的进行分块融合,有的需要多次迭代处理。
像素过曝光和正常曝光的概念:
(1)过曝光:亮度值>90%最大满阱值
(2)正常曝光:亮度值<=90%最大满阱值
(3)亮度阈值:90%最大满阱值
参考文献:《Recovering high dynamic range radiance maps from photographs》
参考文献:<多曝光融合算法研究及HDR图像合成与色调映射算法设计实现>
参考文献:专利201810097959 .X
参考文献:《基于相机响应曲线的高动态范围图像融合》
3.图像融合方法
可见光sensor的像素线性响应度是很好的,线性区间几乎可以从暗场到满阱值,这为融合参数计算带来便利。
1)采集长短曝光下的数据
固定增益,短曝光间隔相同曝光值采集N组数据,长曝光数据与短曝光保持相同的比率
2)分析长短曝光下响应的曲线参数
3)计算长短曝光数据之间的响应关系
L e x p = k ∗ S e x p + b L_{exp} = k*S_{exp}+b Lexp=k∗Sexp+b
4)按照融合的算法,进行图像融合。
亮度阈值90%最大满阱值,阈值之下用长曝光数据,阈值之上用短曝光拟合的数据
i f Y > t h r , H D R = L e x p e l s e Y < = t h r , H D R = S e x p ∗ k + b if Y>thr, HDR=L_{exp}\\ else Y<=thr, HDR=S_{exp}*k+b ifY>thr,HDR=LexpelseY<=thr,HDR=Sexp∗k+b
得到的HDR数据需要移位来压缩动态范围,得到动态范围较好的图像
短曝光图像:
长曝光图像:
融合的HDR图像:
4、测试程序路径
测试程序供参考: https://github.com/AomanHao/AomanHao_example_of_algorithms/tree/main/2-HDR
觉得本文对您有一点帮助,欢迎讨论、点赞、收藏,您的支持激励我多多创作。
我的个人博客主页,欢迎访问
我的CSDN主页,欢迎访问
我的GitHub主页,欢迎访问
我的知乎主页,欢迎访问
ISP-长短曝光融合生成HDR图像相关推荐
- 3.5.4 Exposure Fusion(曝光融合)—Mertens TMO
3.5.4 Exposure Fusion(曝光融合) HDR图像通常由一系列LDR图像组成,这些图像最终可以进行色调映射. Mertens等人提出了一种可以避免色调映射步骤的新颖方法. . 这是受到 ...
- 20款顶级的HDR图像生成工具
不管是做科学研究,还是做平面设计类的实际应用.HDR受到越来越多的关注.如果想自己想第一时间做HDR图像,那么一款专业的HDR图像生成软件必不可少.本文就列举了目前顶级的20款HDR图像生成软件. 关 ...
- Pixel 手机上基于多曝光序列的 HDR+ 拍摄功能
文 / 软件工程师 Manfred Ernst 和 Bartlomiej Wronski,Google Research 我们从未停止对 Pixel 进行优化,并会通过定期更新,让它变得更实用.更有趣 ...
- 曝光融合Exposure Fusion 与ghost
1.概述 说到EF那我们不得不谈谈HDR.高动态范围(HDR)图像可以表示动态范围跨度很大的真实场景.图像的动态范围(dynamic range)是指一幅图像中可见区域最大亮度与最小亮度的比值.同样的 ...
- opencv曝光过度_使用 OpenCV 进行曝光融合(Exposure Fusion)成像
在本教程中,我们将学习使用OpenCV的Exposure Fusion.我们将使用C ++和Python共享代码. 什么是曝光融合?曝光融合是一种将使用不同曝光设置拍摄的图像组合成一个看起来像色调映射 ...
- 【HDR】曝光融合(Exposure Fusion)
文章目录 0 前言 1 算法细节 1.1 Naive 1.1.1 主要思想 1.1.2 权重计算 1.1.3 融合 1.2 Multi-resolution 2 实验 3 参考 0 前言 在曝光融合( ...
- [OpenCV实战]24 使用OpenCV进行曝光融合
目录 1 什么是曝光融合 2 曝光融合的原理 3 代码与结果 4 参考 本教程中,我们将了解使用OpenCV的Exposure Fusion(曝光融合). 1 什么是曝光融合 曝光融合是一种将使用不同 ...
- OpenCV转换HDR图像与源码分析
我们常见的图像位深一般是8bit,颜色范围[0, 255],称为标准动态范围SDR(Standard Dynamic Range).SDR的颜色值有限,如果要图像色彩更鲜艳,那么就需要10bit,甚至 ...
- High Dynamic Range(HDR)图像介绍(一)
在工程技术领域,有许多涉及数字图像的应用程序.用它们创建的现代数码相机和扫描仪,采用先进的计算机图形处理技术,或用绘图程序制作.目前,大多数应用程序依赖在某种形式的图形表示上.数字图像在其生命周期中经 ...
最新文章
- 如何安装python3.7.4_银河麒麟安装Python3.7.4以及升级自带OpenSSL
- CNCC技术论坛:后量子霸权阶段的量子计算
- 数据库界的Swagger:一键生成数据库文档!你不了解一下?
- 普通平键的主要尺寸有_?办公桌分类及尺寸介绍
- 四种数据持久化方式(上) :属性列表与归档解档
- dubbo指定服务提供者ip_使用指定IP调用Dubbo服务
- 20181030-4 每周例行报告
- javaScript 面向对象与原型
- skywalking官方文档学习
- 分享几个百度网盘搜索引擎
- 云服务器快照——是“后悔药”也是“任意门”
- ubuntu 11.10英文界面下中文字体显示楷体的问题
- 低功耗微波雷达模块,LED庭院灯智能感应,雷达传感器助力节能减排
- 扩展以太网——集线器
- C# 获取笔记本电池信息 调用 Win32 Api
- 2014广东计算机一级试题及答案,广东计算机一级试题2014版
- C#开发微信门户及应用(46)-基于Bootstrap的微信门户应用管理系统功能介绍
- 办公室VR黄片,骚操作!微软HoloLens之父辞职!
- 深度linux比ubuntukylin,linux ubuntukylin和deepin操作系统的比较及改进方向的建议
- MySQL字段类型VARCHAR