謝一凇 方俊永

(1.中國(guó)科學(xué)院遙感應(yīng)用研究所，北京 100101;2.中國(guó)科學(xué)院研究生院，北京 100049)

1 概述

在現(xiàn)實(shí)場(chǎng)景中，亮度值的分布非常廣。陽(yáng)光直射的情況下，場(chǎng)景亮度可達(dá)到105cd/m2，而陰暗處亮度值可能只有10－3cd/m2。通常說(shuō)來(lái)，人的視覺(jué)系統(tǒng)在同一場(chǎng)景下能接受的亮度動(dòng)態(tài)范圍約為10000∶1。圖1給出了自然環(huán)境下的亮度范圍以及對(duì)應(yīng)的視覺(jué)感受域。

圖1 自然環(huán)境下亮度范圍和對(duì)應(yīng)視覺(jué)感受域

目前廣泛應(yīng)用的傳統(tǒng)數(shù)字圖像所能表示的動(dòng)態(tài)范圍是非常有限的，這使得場(chǎng)景中的高亮度區(qū)域由于曝光過(guò)度丟失了細(xì)節(jié)，而黑暗區(qū)域由于曝光不足，細(xì)節(jié)信息也有所缺失。因此，需要一種特殊的圖像，即高動(dòng)態(tài)范圍的圖像，來(lái)滿足應(yīng)用要求。高動(dòng)態(tài)范圍圖像 (High Dynamic Range Image，HDR)可以表示真實(shí)世界場(chǎng)景中高動(dòng)態(tài)范圍的亮度信息。比起普通圖像，高動(dòng)態(tài)范圍圖像所能表現(xiàn)的層次更加豐富，場(chǎng)景中的高亮度區(qū)和低亮度區(qū)的細(xì)節(jié)信息都能很好的保留下來(lái)，可以得到更加逼近現(xiàn)實(shí)的光影效果，在衛(wèi)星氣象、遙感探測(cè)、醫(yī)療、軍事等領(lǐng)域都有巨大的應(yīng)用價(jià)值。

將高動(dòng)態(tài)范圍圖像通過(guò)專用的顯示設(shè)備顯現(xiàn)出來(lái)，可以呈現(xiàn)給人們自然場(chǎng)景的真實(shí)感受。但專用的高動(dòng)態(tài)范圍圖像顯示設(shè)備由于研制過(guò)程復(fù)雜、成本較高、技術(shù)還不夠成熟而難以普及，因此低動(dòng)態(tài)范圍常規(guī)顯示設(shè)備的使用更為廣泛。目前絕大多數(shù)常規(guī)顯示設(shè)備都只支持較低動(dòng)態(tài)范圍的顯示輸出(一般只有1～100 cd/m2)，這與HDR圖像的高動(dòng)態(tài)范圍不匹配，直接顯示會(huì)使原本豐富的圖像亮度信息丟失，導(dǎo)致視覺(jué)效果較差，細(xì)節(jié)不明顯，無(wú)法準(zhǔn)確地進(jìn)行細(xì)節(jié)信息獲取和目標(biāo)識(shí)別。圖2表現(xiàn)了現(xiàn)實(shí)場(chǎng)景、固定場(chǎng)景中人的視覺(jué)系統(tǒng)以及顯示設(shè)備亮度范圍的比較。

為了將真實(shí)場(chǎng)景的亮度映射到常規(guī)顯示設(shè)備上得到最優(yōu)化的顯示結(jié)果，再現(xiàn)高動(dòng)態(tài)范圍圖像豐富的顏色和階調(diào)細(xì)節(jié)，色調(diào)映射 (又稱色階重建、色階映射、階調(diào)映射等)這一概念應(yīng)運(yùn)而生。色調(diào)映射主要對(duì)高動(dòng)態(tài)范圍圖像進(jìn)行壓縮對(duì)比度的處理，將其高質(zhì)量顯示的同時(shí)減少圖像在細(xì)節(jié)、顏色、對(duì)比度和明亮度等方面信息的損失。其原理如圖3所示。本文將重點(diǎn)介紹在高動(dòng)態(tài)范圍圖像的色調(diào)映射領(lǐng)域國(guó)內(nèi)外相關(guān)技術(shù)的發(fā)展，同時(shí)分析各種方法的優(yōu)點(diǎn)和不足。

圖2 現(xiàn)實(shí)場(chǎng)景、固定場(chǎng)景中人眼視覺(jué)系統(tǒng)、顯示設(shè)備亮度范圍比較

圖3 色調(diào)映射原理

2 色調(diào)映射方法介紹

常見的色調(diào)映射方法主要分為全局映射、局部映射和混合映射三大類，其中前兩類應(yīng)用較多:

全局映射，又稱空域不變映射，通過(guò)像素間點(diǎn)到點(diǎn)的對(duì)應(yīng)函數(shù)對(duì)HDR圖像中的每個(gè)像素進(jìn)行映射。局部映射，又稱空域變化映射，對(duì)圖像的不同區(qū)域使用不同的比例因子進(jìn)行映射。混合映射，綜合全局與局部映射的方法進(jìn)行處理。

2.1 全局映射方法

全局映射算法只需要統(tǒng)一的映射曲線，計(jì)算簡(jiǎn)單快捷，效率較高，且能夠保持良好的整體明暗效果，但是全局映射變換曲線不能自適應(yīng)圖像的不同區(qū)域，尤其是動(dòng)態(tài)范圍較高的圖像。另外，在動(dòng)態(tài)范圍壓縮的時(shí)候會(huì)造成細(xì)節(jié)、顏色、明亮程度上信息的損失。

1993 年，Tumblin 和 Rushmeier［1］針對(duì)人類視覺(jué)感覺(jué)上的一致性，提出了一種非線性的全局算法。這種理論模型構(gòu)造了一種自動(dòng)重建動(dòng)態(tài)范圍的算法，避免主觀選擇亮度映射函數(shù)，計(jì)算簡(jiǎn)單。該模型以高動(dòng)態(tài)場(chǎng)景中的可見性為代價(jià)保留了亮度差異程度信息，圖像處理后比較灰暗和模糊，且不適用于復(fù)雜場(chǎng)景。

1994年，Ward［2］提出了一種保留對(duì)比度而非絕對(duì)亮度的較簡(jiǎn)單的線性映射全局算法。該算法僅采用一個(gè)縮放因子以最低的計(jì)算開銷將真實(shí)場(chǎng)景的亮度值變換到顯示設(shè)備上，保留了針對(duì)對(duì)比度的感覺(jué)信息。但是由于算法采用了線性縮放因子，導(dǎo)致結(jié)果中極高和極低亮度被固定，整個(gè)圖像依然損失了一些可見性信息。

1997年，Larson等人［3］提出一種較為優(yōu)秀的全局算法。他們對(duì)直方圖均衡進(jìn)行了改進(jìn)，并在此基礎(chǔ)上結(jié)合了對(duì)比度、眩光、空間及色彩感知等特性。由于人眼對(duì)圖像亮度的相對(duì)變化較敏感，因此圖像中并不需要保留絕對(duì)亮度強(qiáng)度，只需要亮的區(qū)域顯示較亮而暗的區(qū)域顯示較暗即可。亮度級(jí)別在整個(gè)圖像中表現(xiàn)為一系列跨度不同的灰度級(jí)的族。該算法根據(jù)人眼感知模型定義亮度級(jí)別的改變，利用調(diào)整直方圖的方式，使圖像中的灰度級(jí)重新分布，模擬圖像的可見性，取得了不錯(cuò)的效果。

2000 年，Scheel和 Stamminger等人［4］在交互式應(yīng)用系統(tǒng)中將亮度圖像表示為紋理信息。他們將亮度圖像的四個(gè)頂點(diǎn)映射成紋理坐標(biāo)，根據(jù)Ward等人的變換算法，將紋理像素的值映射成顯示像素的值。這樣使得對(duì)大型場(chǎng)景中每一幀圖像進(jìn)行全局亮度動(dòng)態(tài)范圍調(diào)整時(shí)，變換映射函數(shù)可以得到適應(yīng)場(chǎng)景的修改。

2002年，Artusi等人［5］提出一種實(shí)時(shí)效率的全局色調(diào)映射方法。他們建立了一個(gè)關(guān)于色調(diào)映射的黑盒，通過(guò)線性模擬和對(duì)比輸入輸出數(shù)據(jù)反求黑盒系統(tǒng)參數(shù)。該算法流程清晰，計(jì)算速度快，滿足于實(shí)時(shí)系統(tǒng)。但對(duì)于各種視覺(jué)感知效果的模擬及線性系統(tǒng)的模擬都過(guò)于簡(jiǎn)單和主觀。

2003年，Drago等人［6］提出了一種新穎的自適應(yīng)對(duì)數(shù)映射算法。該算法的核心思想是根據(jù)HDR中的不同區(qū)域，采用不同基數(shù)為底的對(duì)數(shù)曲線完成色調(diào)映射過(guò)程。該算法處理速度很快，并且不會(huì)產(chǎn)生光暈 (halo)的失真效果，可以處理較廣動(dòng)態(tài)范圍的圖像。但由于該方法基于經(jīng)驗(yàn)?zāi)Ｐ?，其結(jié)果圖像要達(dá)到較好的效果，需要調(diào)整基數(shù)插值函數(shù)。

2003年，Artusi等人［7］提出了一種只基于全局算子應(yīng)用的統(tǒng)一框架。該框架通過(guò)分析現(xiàn)有的系統(tǒng)硬件結(jié)構(gòu)，在 GPU(Graphics Processing Unit，可編程圖形單元)上進(jìn)行簡(jiǎn)單但耗時(shí)的運(yùn)算，在CPU端實(shí)現(xiàn)色調(diào)重建工作，便于嵌入色調(diào)映射算法。該方法僅僅對(duì)HDR圖像實(shí)行后處理操作，因此可保證算法的通用性，同時(shí)處理速度大大提高，而且易于實(shí)現(xiàn)。但它仍然保留了全局算子的局限，如無(wú)法保持圖像中細(xì)節(jié)部分的信息等。

2.2 局部映射方法

局部映射算法著重于采取不同的映射，保留圖像中不同區(qū)域各自的感觀質(zhì)量。優(yōu)勢(shì)在于通過(guò)對(duì)圖像局部特征進(jìn)行處理，彌補(bǔ)了全局算子不能保留局部特征的缺點(diǎn)。但不足之處是計(jì)算量大大增加，而且要注意圖像中光暈、虛假輪廓及噪聲等現(xiàn)象，這些問(wèn)題的減少或消除總是以模糊圖像為代價(jià)。

1993年，Chiu等人［8］根據(jù)人眼系統(tǒng)對(duì)亮度相對(duì)變化更為敏感這一現(xiàn)象，采用具有較小梯度的縮放函數(shù)對(duì)HDR進(jìn)行壓縮，以保留原有的感官效果。該算法可以重建原圖細(xì)節(jié)，但在極亮與極暗區(qū)域相鄰的邊緣處，會(huì)發(fā)生梯度倒轉(zhuǎn)的現(xiàn)象，而且處理運(yùn)算量較大。另外該算法完全基于實(shí)驗(yàn)結(jié)果制定策略，與其他基于理論模型的算法相比，穩(wěn)定性不夠。

1997年，Jobson等人［9］提出了一項(xiàng)基于 Retinex的多分辨率動(dòng)態(tài)范圍壓縮技術(shù)。Retinex是一種模擬HVS對(duì)光照和顏色感知的計(jì)算模型。該算法通過(guò)在不同分辨率下執(zhí)行Retinex算法，并將結(jié)果進(jìn)行線性組合，減弱了光暈效果，但未能完全消除。

1998年，Pattanaik等人［10］建立了較為全面的模擬HVS對(duì)亮度及空域變化的適應(yīng)性模型。該模型由兩部分組成:對(duì)原始圖像提取顏色及灰度對(duì)比度信息的視覺(jué)模型;根據(jù)提取的信息重建出結(jié)果圖像的顯示模型。該模型可廣泛應(yīng)用于HDR圖像在普通顯示器上的現(xiàn)實(shí)及圖像質(zhì)量測(cè)量、圖像壓縮等領(lǐng)域。但由于對(duì)不同濾波層分別采用了不同的增益因子，因此在邊緣處會(huì)產(chǎn)生光暈。

1999年，Tumblin和 Turk提出了 LCIS(Low Curvature Image Simplifier)算法［11］。其核心思想是將輸入場(chǎng)景信息分離成宏觀特征和細(xì)節(jié)特征，對(duì)前者進(jìn)行映射變換而對(duì)后者予以保留。該算法能很大程度降低高動(dòng)態(tài)范圍，同時(shí)保留細(xì)節(jié)，但也未能完全避免光暈的產(chǎn)生。而且該算法過(guò)分增強(qiáng)了細(xì)節(jié)，反而使結(jié)果不自然。

2002年，Ashikhmin等［12］提出一種局部階調(diào)映射算法。該方法通過(guò)一定的運(yùn)算保持原高動(dòng)態(tài)范圍圖像和顯示圖像的各像素亮度與其周圍局部適應(yīng)亮度比值不變。該算法減輕了光暈程度，但未完全消除。此外，該算法不適合具有大量亮度變化緩和區(qū)域的高動(dòng)態(tài)范圍圖像。

2002年，Durand和 Dorsey［13］采用一種具備邊緣檢測(cè)的雙邊濾波技術(shù)，將圖像按照LCIS方式分解成基本圖層和細(xì)節(jié)圖層，對(duì)基本圖層進(jìn)行壓縮變換，對(duì)細(xì)節(jié)圖層信息予以保留。該算法避免了LCIS的缺陷，更為高效穩(wěn)定，同時(shí)也針對(duì)不連續(xù)亮度區(qū)域的光暈和擴(kuò)散現(xiàn)象進(jìn)行處理，取得較好的成果。

2002年，Reinhard等人［14］取法于攝影技術(shù)，將亮度范圍分成不同區(qū)域，將HDR的不同區(qū)域映射到LDR的對(duì)應(yīng)區(qū)域。通過(guò)此方法進(jìn)行色調(diào)映射，取得的低動(dòng)態(tài)范圍圖像細(xì)節(jié)比較豐富。該算法簡(jiǎn)單，計(jì)算高效，但由于在選擇中灰度區(qū)域時(shí)具備主觀因素，算法穩(wěn)定性不高。

2002年，F(xiàn)attal等人［15］從梯度域上對(duì)亮度圖像進(jìn)行多尺度的衰減，再通過(guò)求解泊松方程以壓縮后的梯度分布恢復(fù)出亮度圖像。該算法在處理流程上較簡(jiǎn)潔，性能較高，雖然求解過(guò)程具有較高的運(yùn)算復(fù)雜度，但該算法以線性近似求解達(dá)到了較高的性能，并取得了視覺(jué)滿意的良好結(jié)果。

2002年，Akyuz和Reinhard提出一個(gè)色貌模型結(jié)合色調(diào)映射的方法。先利用 CIECAM2000［16］色貌模型進(jìn)行色度上的調(diào)整，再對(duì)亮度維進(jìn)行色調(diào)映射。此方法改善了壓縮后的顏色視覺(jué)再現(xiàn)效果，但由于模型不符合人眼視覺(jué)對(duì)相對(duì)顏色變化較敏感的規(guī)律，因此結(jié)果圖像的顏色還是與原圖像有一定差距。此外，該方法在細(xì)節(jié)再現(xiàn)方面也具有其所采用的階調(diào)映射算法的缺陷。

2004年，彭韜等人［17］將在梯度域上壓縮動(dòng)態(tài)范圍算法移植到GPU上實(shí)現(xiàn)，提出了適合圖像處理器加速的快速算法。借助可編程圖像硬件和先進(jìn)的圖形應(yīng)用程序加速接口，建立了高動(dòng)態(tài)范圍實(shí)時(shí)顯示技術(shù)的應(yīng)用框架。這也是國(guó)內(nèi)為數(shù)不多的關(guān)于HDR動(dòng)態(tài)范圍壓縮方面的研究成果。

2004年，Ledda等人［18］提出了一種完全局部化的視網(wǎng)膜相應(yīng)計(jì)算過(guò)程。該算法在圖像的不同區(qū)域單獨(dú)模擬錐狀或者桿狀細(xì)胞作用的效果。另外還利用雙邊濾波技術(shù)來(lái)避免局部算子常見的光暈問(wèn)題。最后通過(guò)使用高動(dòng)態(tài)顯示設(shè)備設(shè)計(jì)相應(yīng)實(shí)驗(yàn)，完成模型有效性的驗(yàn)證。

2005年，Mantiuk等人［19］提出一個(gè)基于感知的局部性計(jì)算框架。該框架由正向過(guò)程、處理過(guò)程和逆向過(guò)程三部分組成，可實(shí)現(xiàn)圖像處理中的對(duì)比度映射和對(duì)比度平衡。但該方法耗時(shí)較多，同時(shí)感知機(jī)制未考慮色彩信息，對(duì)比度模型也沒(méi)有考慮靈敏度函數(shù)，模型的準(zhǔn)確度和全面性需進(jìn)一步提高。

2005年，Krawczyk等人［20］提出一個(gè)統(tǒng)一的局部色調(diào)映射模型。他們將各種常見的視覺(jué)效果通過(guò)高斯金字塔融合在計(jì)算框架內(nèi)，并在GPU上高效實(shí)現(xiàn)。該模型大大提高了處理速度，但其不足之處在于繪制框架局限于高斯金字塔模型，對(duì)其他基于人眼的感知模型難以適用。

2005年，Li．Y．等人［21］采用了 “分解—合成”濾波系統(tǒng)，圖像在濾波分層后進(jìn)行壓縮時(shí)產(chǎn)生的噪聲信號(hào)可以通過(guò)合成之前再次進(jìn)行的相應(yīng)濾波消除。他們發(fā)現(xiàn)采用改進(jìn)的平滑增益圖可以減少扭曲。另外，他們還討論了將壓縮后的低動(dòng)態(tài)范圍圖像再擴(kuò)展回高動(dòng)態(tài)范圍的技術(shù)，擴(kuò)展后的圖像保持了與原圖較好的近似性。

2006年，Roch等人［22］在 Ashikhmin的算子的基礎(chǔ)上實(shí)現(xiàn)了硬件的加速。算法的核心思想是引入楊輝三角，將高斯濾波核半徑求解過(guò)程等價(jià)為楊輝三角元素的遞歸求解，形成領(lǐng)域擴(kuò)散的過(guò)程。實(shí)驗(yàn)表明該算法效率較高，但由于并未考慮任何人類視覺(jué)系統(tǒng)的因素，在有些結(jié)果圖像中會(huì)出現(xiàn)視覺(jué)上不真實(shí)的情形。

2007年，Kuang和 Fairchild［23］結(jié)合圖像色貌模型 (iCAM)和雙邊濾波分層技術(shù)，提出了一種新的壓縮算法。該方法在顏色和細(xì)節(jié)再現(xiàn)方面都有了進(jìn)一步的改善，但只考慮了像素絕對(duì)顏色變化，而沒(méi)有考慮像素間顏色相對(duì)變化。另外，細(xì)節(jié)方面也存在Durand和Dorsey雙邊濾波技術(shù)方法的缺陷。

2009年，Shen等人［24］利用信號(hào)處理的方法提出一種應(yīng)用于近似估計(jì)三邊濾波的色調(diào)映射算法。該算法建立在梯度場(chǎng)上雙邊濾波和傾角圖像的下采樣方法之上，通過(guò)引入信號(hào)處理來(lái)快速近似三邊濾波，大大提高色調(diào)映射速度，同時(shí)還兼有算子保持邊界和平滑梯度的效果。但該方法未集成到硬件上，因此采用GPU加速將是其進(jìn)一步的發(fā)展方向。

2009年，Wan和Xie［25］提出一種新的保持細(xì)節(jié)和顏色視覺(jué)再現(xiàn)的映射方法，其思想是依據(jù)視覺(jué)系統(tǒng)視錐細(xì)胞的響應(yīng)規(guī)律，保持各像素各維響應(yīng)與周圍局部適應(yīng)響應(yīng)不變。此方法不僅可以保持細(xì)節(jié)，再現(xiàn)的顏色比Kuang和Fairchild的方法所獲得的顏色自然，而且計(jì)算比較簡(jiǎn)單。

2.3 混合映射算法

混合映射算法，不但要保持圖像的局部細(xì)節(jié)信息，同時(shí)還要保持圖像的整體感，使兩者在某種方式趨于平衡。但實(shí)現(xiàn)難度較大，需要更加客觀的標(biāo)準(zhǔn)來(lái)衡量圖像質(zhì)量的好壞。

2005年，Chen等人［26］將圖像的局部適應(yīng)性與保持全局圖像對(duì)比度一致性結(jié)合起來(lái)。該算法通過(guò)較為復(fù)雜的方式對(duì)HDR圖像進(jìn)行圖像分割處理，之后對(duì)分割結(jié)果以區(qū)域塊為基礎(chǔ)進(jìn)行局部亮度適應(yīng)變化和色調(diào)映射的處理。該算法很好地突出了局部的細(xì)節(jié)，同時(shí)又不破壞圖像的整體感，但其缺陷在于整個(gè)計(jì)算過(guò)程比較復(fù)雜耗時(shí)。

2007年，Cadik［27］提出了一種混合全局和局部算子的色調(diào)映射算法。首先對(duì)輸入的HDR圖像用全局算子進(jìn)行色調(diào)映射，以此作為底圖;然后用如亮度或梯度值構(gòu)造一張?jiān)鰪?qiáng)圖，用于引導(dǎo)局部算子處理圖像。最后將局部算子處理后的圖像與之前的底圖融合得到細(xì)節(jié)增強(qiáng)的最終圖像。但由于圖像的細(xì)節(jié)效果依賴于細(xì)節(jié)特征的選取和增強(qiáng)，因此選擇適當(dāng)方法來(lái)量化增強(qiáng)的度，顯得尤為重要。

3 評(píng)估方法

上述高動(dòng)態(tài)范圍色調(diào)映射算法，其機(jī)理和模式不盡相同，處理過(guò)程和實(shí)現(xiàn)方式也各有特點(diǎn)，映射結(jié)果當(dāng)然也各有千秋。如何正確合理地評(píng)估各個(gè)算法的質(zhì)量，成為重點(diǎn)和難點(diǎn)問(wèn)題。下面簡(jiǎn)要介紹現(xiàn)存的評(píng)估方法:

Drago等人［28］讓觀察者判斷幾幅色調(diào)映射后的圖像的相似點(diǎn)與不同點(diǎn)，獲得表現(xiàn)圖像對(duì)比度、表現(xiàn)圖像細(xì)節(jié)級(jí)別以及表現(xiàn)圖像自然性這三個(gè)感知屬性的心理學(xué)標(biāo)度值，進(jìn)而分析結(jié)果。

Kuang等人［29］提出利用八個(gè)色調(diào)映射算法和十個(gè)HDR圖像的對(duì)比方法。觀察者在給出的兩幅色調(diào)映射后的圖像中，按照不同的感知屬性選擇較好的一個(gè)，包括色調(diào)再現(xiàn)效果、色調(diào)壓縮、映射后是否自然、顏色飽和度、圖像壓縮和圖像清晰度。

Yoshida等人［30］用真實(shí)場(chǎng)景進(jìn)行對(duì)比。用不同算法映射后的圖像顯示在標(biāo)準(zhǔn)監(jiān)視器上。觀察者利用與真實(shí)場(chǎng)景的對(duì)比，在感知屬性方面進(jìn)行排名。測(cè)試的屬性包括:圖像自然性，總體對(duì)比度，總體亮度以及在暗色區(qū)域以及明亮區(qū)域的細(xì)節(jié)再現(xiàn)。

Ledda等人［31］提出一個(gè)心理學(xué)實(shí)驗(yàn)來(lái)驗(yàn)證六個(gè)色調(diào)映射算法。被引用的HDR圖像顯示在HDR監(jiān)視器上，觀察者被給出在常規(guī)顯示器上顯示的兩個(gè)色調(diào)映射后的圖像以及在HDR顯示器上顯示的圖像，選擇出與場(chǎng)景最匹配的圖像，總體的相同點(diǎn)和細(xì)節(jié)再現(xiàn)被測(cè)試。

Mantiuk 等人［32，33］擴(kuò)展了由 Daly 提出的視覺(jué)差異預(yù)測(cè)器來(lái)處理HDR數(shù)據(jù)。輸入映射后的結(jié)果圖像與原高動(dòng)態(tài)范圍圖像，經(jīng)過(guò)HDR-VDP算法計(jì)算后，將會(huì)輸出一個(gè)HDR-VDP的概率圖。輸出的HDRVDP圖像是檢測(cè)到的高動(dòng)態(tài)范圍圖像與其相應(yīng)低動(dòng)態(tài)范圍圖像視覺(jué)差異的概率圖。

4 總結(jié)與展望

全局色調(diào)映射算法簡(jiǎn)潔高效，但很難保持局部對(duì)比度，圖像色彩、對(duì)比度、細(xì)節(jié)等感觀質(zhì)量損失較大;局部色調(diào)映射算法多采用多分辨率分層算法，可以保留更多圖像信息，然而同時(shí)會(huì)產(chǎn)生光暈等失真問(wèn)題;混合色調(diào)映射算法對(duì)圖像的整體視覺(jué)效果和局部細(xì)節(jié)顯示都有一定的改善，但改善效果不很明顯，且較難實(shí)現(xiàn)。

高動(dòng)態(tài)范圍圖像的色調(diào)映射方法已經(jīng)較為成熟，在上述各種方法的基礎(chǔ)上，很多人提出新的改進(jìn)方案，如Song等［34］的基于概率模型的色調(diào)映射方法，Wang等［35］的基于局部適應(yīng)性的色調(diào)映射算法，Wan等［36］的基于顏色視覺(jué)的色調(diào)映射算法等，都取得了不錯(cuò)的成果。從總體上看，該領(lǐng)域還有一些值得關(guān)注和挖掘研究的地方，相信將會(huì)是這一技術(shù)以后研究的方向和發(fā)展趨勢(shì)所在。

4.1 加強(qiáng)圖像顏色信息的校正

大多數(shù)色調(diào)映射算法沒(méi)有考慮到圖像亮度范圍被壓縮后，色域也被壓縮，導(dǎo)致圖像的顏色在視覺(jué)上發(fā)生變化。盡管一些映射算法了結(jié)合色貌模型，對(duì)壓縮圖像的顏色顯示有了一定的改善，但還是不能在視覺(jué)上恢復(fù)原高動(dòng)態(tài)范圍圖像的顏色。因此色調(diào)映射技術(shù)的發(fā)展，應(yīng)多關(guān)注圖像的色彩保持問(wèn)題。

4.2 對(duì)人眼視覺(jué)系統(tǒng)HVS進(jìn)行深入的研究

色調(diào)映射就是用低動(dòng)態(tài)范圍的顯示設(shè)備來(lái)表現(xiàn)高動(dòng)態(tài)范圍的圖像，使之更接近人類觀察真實(shí)場(chǎng)景的效果。人眼對(duì)于現(xiàn)實(shí)場(chǎng)景亮度的感應(yīng)范圍也遠(yuǎn)遠(yuǎn)優(yōu)于顯示設(shè)備。因此對(duì)人眼視覺(jué)系統(tǒng)HVS深入研究，了解其機(jī)理和特性，有助于發(fā)展更加優(yōu)秀的色調(diào)映射模型和算法。

4.3 評(píng)價(jià)方法的客觀性有待提高

已有的評(píng)價(jià)方法和標(biāo)準(zhǔn)，大多通過(guò)觀察者的主觀視覺(jué)感受與心理學(xué)實(shí)驗(yàn)結(jié)合來(lái)實(shí)行。由于不同觀察者對(duì)色調(diào)、紋理及清晰度等圖像效果的認(rèn)識(shí)不同，同一個(gè)觀察者在不同時(shí)間和環(huán)境下也會(huì)有不同感覺(jué)，因此主觀評(píng)價(jià)方法不具有很高的可靠性。目前對(duì)高動(dòng)態(tài)范圍圖像處理效果的評(píng)價(jià)還缺乏統(tǒng)一客觀的衡量標(biāo)準(zhǔn)，需進(jìn)一步研究。

4.4 集成到硬件，用硬件實(shí)現(xiàn)色調(diào)映射以便于應(yīng)用

現(xiàn)有的色調(diào)映射算法很多都停留在算法實(shí)現(xiàn)的層面，好的算法應(yīng)該通過(guò)硬件實(shí)現(xiàn)，才能便于應(yīng)用，大大提高處理效率。目前僅有很少的一部分算法集成到GPU中，如何將更多更好的算法集成到硬件系統(tǒng)中，建立交互式應(yīng)用框架，還有很多處理技術(shù)及運(yùn)算效率方面的問(wèn)題，需要進(jìn)一步的研究。

［1］Tumblin J， Rushmeier H E． Tone Reproduction for Realistie Images［J］． IEEE ComPuter GraPhics ＆Applications，1993，13(6):42 ～48．

［2］Ward G J．The radiance lighting simulation and rendering system ［C］．In Proceedings of SIGGRAPH 94，Computer Graphics Proceedings，Annual Conference Series，1994.459～472．

［3］Larson G W． Rushmeier H， Piatko C． A visibility matching tone reproduction operator for high dynamic range scene［J］． IEEE Transactions on Visualization and Computer Graphics，1997，3(4):291 ～306．

［4］Scheel A， et al． Tone reproduction for interactive walkthroughs［J］．Computer Graphics Forum，2009，19(3):301～312．

［5］Artusi A，Wilkie A． A new real-time tone mapping algorithm， TR186-2-02-02 ［R］． Vienna: Vienna University of Technology，2002．

［6］Drago F，Myszkowski K， Annen T， et al． Adaptive logarithmic mapping for displaying high contrast scenes［J］．Computer Graphics Forum，2003，22(3):419～426．

［7］Artusi A， Bittner J， Wimmer M， et al． Delivering interactivity to complex tone mapping operators［C］∥Proc of the 14thEurographics Workshop on Rendering．Aire-la-Ville:Eurographics Association，2003:38～44．

［8］Chiu K， Herf M， Shirley P， Swamy S， Wang C，Zimmerman K．Spatially nonuniform scaling functions for high contrast images［R］．In Proc Graphics Interface's 93，Morgan Kaufmann，1993:245～253．

［9］Jobson D J，Rahman Z，Woodell G A．A multiscale retinex for bridging the gap between color images and the human observation of scene［J］．IEEE Transactions on Image Processing，1997，6(7):965～976．

［10］Pattanaik SN，F(xiàn)erwerda JA，F(xiàn)airchild M D，Greenberg D P．A multiscale model of adaptation and spatial vision for realistic image display［C］．In Proceedings of SIGGRAPH 98，Computer Graphics Proceedings，Annual Conference Series，1998:83 ～90．

［11］Tumblin J，Turk G．LCIS:A boundary hierarchy for detail preserving contrast reduction［C］．In Proceedings of SIGGRAPH 99，Computer Graphics Proceedings，Annual Conference Series，1993:83 ～90．

［12］Ashikhmin M． A Tone Mapping Algorithm for High Contract Images［C］∥Proceedings of 13thEurographics Workshop on Rendering．New York:ACM Press，2002:145～155．

［13］Durand F，Dorsey J．Fast bilateral filtering for the display of highdynamic-range imges［J］．ACM Transactions on Graphics 2002，21(3):257～266．

［14］Reinhard E，Stark M，Shirely P，F(xiàn)erwerda J．Photographic tone reproduction for digital images［C］．In Proceedings of ACM SIGGRAH 2002，Computer Graphics Proceedings，Annual Conference Series ACM Press/ACM SIGGRAPH，July 2002．

［15］Fattal R，Lischinski D，Werman M．Gradient domain high dynamic range compression［J］．ACM Transactions on Graphics，2002，21(3):249～256．

［16］Moroney Nathan，F(xiàn)ailchild Mark D，Hunt Robert W G，et al．The CIECAM02 Color Appearance Model［C］∥Proceedings of IS＆T/ SID Tenth Color Imageing Conference．Color Science and Engineering:System Technologies and Applications，Scottsdale，USA:IS＆T/ISD，2002:12～15．

［17］彭韜，胡耀華，李在銘．在可編程圖形硬件上實(shí)現(xiàn)圖像高動(dòng)態(tài)范圍壓縮 ［J］．微機(jī)發(fā)展，2005，15(9):154～157．

［18］Ledda P，Santos L P，Chalmers A．A local model of eye adaptation for high dynamic range images［C］∥Proc of the 3rdInternational Conference on Computer Graphics，Virtual Reality，Visualization and Interaction in Africa．New York:ACM Press，2004:151 ～160．

［19］Mantiuk R， Myszkowski K， Seidel H P， et al． A perceptual framework for contrast processing of high dynamic range images［J］．ACM Trans on Applied Perception，2006，3(3):286～308．

［20］Krawczyk G，Myszkowski K，Seidel H P，et al．Perceptual effects in real-time tone mapping［C］∥Proc of the 21stSpring Conference on Computer Graphics．New York:ACM Press，2005:195 ～202．

［21］Li Y，Sharan L，Adelson E．Compressing and companding high dynamic range images with subband architectures［J］．ACM Trans on Graphics(Proceedings of ACM SIGGRAPH)，2005:836～844．

［22］Roch B，Artusi A，Michael D，et al．Interactive local tone mapping operator with the support of graphics hardware［C］∥Proc of the 23rdSpring Conference on Computer Graphics．New York:ACM Press，2007．

［23］Kuang J，Johnson G M，F(xiàn)airchild M D．ICAM06:A Refined Image Appearance Model for HDR Image Rendering［J］．Journal of Visual Communication and Image Representation，2007，(18):406～414．

［24］Shen jian-bing，F(xiàn)ang shiao-fen，Zhao Han-li，et al．Fast approximation of trilateral filter for tone mapping using a signal processing approach ［J］．Singal Process，2009，89(5):901～907．

［25］Wan Xiaoxia， Xie Dehong． Color Vision Based High Dynamic Range Images Rendering［C］∥Proceedings of 2009 World Congress on Computer Science and Information Engineering(CSIE 2009)．(In Press)

［26］Chen H T，Liu T L，Chang T L．Tone reproduction:a perspective from luminance driven perceptual grouping［J］．International Journal of Computer Vision，2005，65(1～2):73～96．

［27］Cadik M．Perception motivated hybrid approach to tone mapping［C］∥Proc of the 15thInternational Conference in Central Europe on Computer Graphics，Visualization and Computer Vision．2007:129～136．

［28］Drago F，Martens W L，Myszkowski K，Chiba N．Design of a Tone Mapping Operator for High Dynamic Range Images Based upon Psychophysical Evaluation and Preference Mapping．Proc．IS＆T/SPIE Electronic Imaging 2003.The Human Vision and Electronic ImagingⅧ．2003.Vol．5007.pp．321 ～331．

［29］Kuang J，Yamaguchi H，Johnson G M，F(xiàn)airchild M D．Testing HDR Rendering Algorithms． Proc IS＆T/SID Twelfth Color Imaging Conference:Color Science，Systems and Applications．Scottdale．AR．2004.pp．315～320．

［30］Yoshida A， Blanz V， Myszkowski K， Seidel H P．Perceptual Evaluation of Tone Mapping Operators with Real-World Scenes．Proc．IS＆T/SPIE Electronic Imaging 2005.The Human Vision and Electronic Imaging X．2005.Vol．5666.pp．192 ～203．

［31］Ledda P，Santos L P，Chalmers A．A Local Model of Eye Adaptation for HDR Images．Proc Third International Conference on Computer Graphics， Visual Reality，Visualization．AFRICGRAPH．Cape Town．South African．2004.pp．151～160．

［32］Tunc Ozan Aydin， Rafal Mantiuk， Karol Myszkowski，Hans-Peter Seidel．Dynamic Range Independent Image Quality Assessment．International Conference On Computer Graphics And Interactive Techniques． Los Angeles．California．2008．

［33］Rafal Mantiuk，Scott Daly，Karol Myszkowski，Hans-Peter Seidel．Predicting Visible Differences In High Dynamic Range Images:Model And Its Calibration．Proc IS＆T/SPIE Electronic Imaging．The Human Vision And Electronic Imaging X．2005.pp．204～214．

［34］Song Mingli，Wang huiqiong，et al．Tone Mapping for High Dynamic Range Image Using a Probabilistic Model．Journal of Software，Vol．20，No．3，March 2009，pp．734～743．

［35］Wang Jialiang，Gu Yaolin．Method for Displaying High Dynamic Range Images based on Local Adaptive．Computer Applications．Vol 27.No 4，Apr 2007，pp．989～991．

［36］Wan Xiaoxia，Xie Dehong，Gan Chaohua，Zhang Jing．Color Vision based High Dynamic Images Rendering Algorithm．China Printing and Packaging Study．， Jan 2009，pp．53～59．