伍世虔, 張 鳳, 劉 穎, 劉衛(wèi)華

(1.武漢科技大學(xué) 機(jī)械自動化學(xué)院, 湖北 武漢 430081;2.西安郵電大學(xué) 通信與信息工程學(xué)院, 陜西 西安 710121)

基于閾值分類的色調(diào)映射方法選擇

伍世虔1,2, 張 鳳2, 劉 穎2, 劉衛(wèi)華2

(1.武漢科技大學(xué) 機(jī)械自動化學(xué)院, 湖北 武漢 430081;2.西安郵電大學(xué) 通信與信息工程學(xué)院, 陜西 西安 710121)

為了更好發(fā)揮全局映射算法和局部映射算法的優(yōu)點，對20組高動態(tài)范圍圖像(High Dynamic Range Image, HDRI)分別進(jìn)行全局算法和局部算法映射，由所得結(jié)果確定出均值亮度的一個范圍，若目標(biāo)圖像的均值亮度落入該范圍內(nèi)，采用局部算法，否則采用全局算法。用4組HDRI進(jìn)行驗證，結(jié)果表明，增加均值亮度閾值判決后，可以克服對目標(biāo)圖像盲目使用單一映射方法的缺陷。

高動態(tài)范圍圖像；閾值；全局色調(diào)映射；局部色調(diào)映射

高動態(tài)范圍圖像(High Dynamic Range Image, HDRI)能夠展示出自然場景的實際動態(tài)范圍[1]，擁有豐富的細(xì)節(jié)，逼真的影像環(huán)境和清晰的視覺感受。利用輻照圖重建法或圖像域合成法[2]，可以獲得類似于HDRI的圖像。

輻照圖重建中的色調(diào)映射，是一個色調(diào)壓縮的過程，即在對HDRI進(jìn)行對比度壓縮的同時，高質(zhì)量地保持圖像細(xì)節(jié)、對比度、明暗度和飽和度等信息。

全局色調(diào)映射算法[3]用同一個函數(shù)對整個HDRI進(jìn)行點對點的映射，算法實現(xiàn)簡單高效，但忽略了鄰域像素的影響，易導(dǎo)致對比度和細(xì)節(jié)信息的丟失。局部色調(diào)映射考慮了局部空間內(nèi)容，增強(qiáng)了局部對比度，能夠在壓縮動態(tài)范圍的同時保持圖像的細(xì)節(jié)和紋理，較好地模擬 HVS視覺效果，但算法參數(shù)多，復(fù)雜度高。

每種色調(diào)映射算法都具有一定的針對性和各自的適用范圍?；跀z影法的色調(diào)映射方法[4]，依賴于鄰接點像素來對圖中各像素點進(jìn)行壓縮，映射結(jié)果容易受圖像整體亮度影響。從RGB圖像獲取亮度分量圖像,再利用自適應(yīng)濾波器獲取圖像光照分量,依據(jù)類似Retinex原理也可增強(qiáng)彩色圖像[5]，不過此法對HDRI的整體亮度較為敏感。用iCAM 06對HDRI進(jìn)行色調(diào)映射[6]，存在整體對比度不高和高亮區(qū)細(xì)節(jié)丟失的問題。利用多尺度Retinex可對圖像亮度分量細(xì)節(jié)增強(qiáng)[7]，但映射前后顏色比例一致的假設(shè)在許多場景并不成立，色調(diào)映射后容易偏色。

為了使更大范圍的HDRI映射后都能得到高質(zhì)量的低動態(tài)范圍圖像(Low Dynamic Range Image, LDRI)，本文擬給出一種基于閾值分類的色調(diào)映射選擇方法，即針對全局算法和局部算法各自的優(yōu)點，分析HDRI的特征，尋找一個合適的閾值，據(jù)此選擇相應(yīng)的映射算法，以克服對目標(biāo)圖像盲目選用單一映射的缺陷。

1 算法描述

基于閾值分類的色調(diào)映射選擇如圖1所示。

圖1 自適應(yīng)色調(diào)映射框架

先計算HDRI特征，根據(jù)特征值來選擇算法，若符合條件則選用局部算法。由于局部算法對HDRI的要求比較多，其參數(shù)的調(diào)整與像素及其相鄰的像素的亮度都有關(guān)，在此選用HDRI的平均亮度值來做特征。局部算法可提高圖像色調(diào)層次和細(xì)節(jié)再現(xiàn)方面的能力，因此，若特征落入閾值范圍，則優(yōu)先采用局部算法。反之，則選用全局色調(diào)映射。后者對動態(tài)范圍不是很高的HDRI，壓縮結(jié)果在細(xì)節(jié)和整體明暗度上都保持較好，對HDRI的平均亮度值大小不敏感且算法運行速度快。

1.1 閾值的確定

局部映射算法選用基于攝影模型的色調(diào)映射算法[4]，對圖像的不同區(qū)塊采用攝影中的“遮光-曝光”技術(shù)壓縮動態(tài)范圍，即對積各像素找到其周圍反差不超過某值的最大環(huán)繞域，據(jù)其亮度信息選擇不同參數(shù)，以完成壓縮。使用此法時，HDRI相鄰像素的亮度對算法結(jié)果的影響很大。當(dāng)HDRI的平均亮度很低，局部算法得出的圖像會很暗，甚至一片漆黑；如果平均亮度很高，局部算法圖像太亮，則會給人一種失真的不舒服感。

全局算法對所有像素使用同一函數(shù)來映射壓縮，總能得到亮度合適的圖像，其對平均亮度信息不敏感，且算法簡單，但是在動態(tài)范圍大時會丟失細(xì)節(jié)信息。若HDRI平均亮度信息符合條件，應(yīng)優(yōu)先選擇局部算法。

考慮以HDRI的平均亮度作為特征。HDRI目前還沒有標(biāo)準(zhǔn)的測試圖庫，故隨機(jī)選取20幅圖像進(jìn)行局部映射，并由被調(diào)查對象就映射結(jié)果給出“差”,“中”和“好”的評判，相關(guān)統(tǒng)計結(jié)果如表1所示。評判結(jié)果不具有絕對性, 但標(biāo)為“差”的圖像一般很難看清楚, 而標(biāo)為“好”圖像都有好的視覺效果和豐富的細(xì)節(jié)。

由表1可見，當(dāng)圖像的平均亮度大于3.0，或者小于468.0時，局部映射的圖像效果會好，反之，圖像質(zhì)量比較低。不妨選取3.0作為圖像平均亮度的閾值下限；考慮到平均亮度信息很大的圖較少，根據(jù)映射結(jié)果，LDRI都會在0到255之間，故選擇252作為閾值上限。

HDRI的平均亮度值為

其中N為圖像像素總數(shù)，LW(x,y)為位置(x,y)處的像素值。

1.2 全局色調(diào)映射

計算整幅圖像的平均對數(shù)亮度值

其中σ為一個很小的修正值。

平均像素亮度總是被映射到平均關(guān)鍵場景顯示范圍的a倍，即

其中a∈(0,1)為全局色調(diào)映射的可調(diào)參數(shù)。

到顯示設(shè)備的映射為

該式可以擴(kuò)展為一個可控函數(shù)

通過指數(shù)變換來顯示映射后的低動態(tài)圖像，即

其中s為指數(shù)變換參數(shù)。指數(shù)變換的作用是擴(kuò)展圖像的高灰度級并壓縮低灰度級。

1.3 局部色調(diào)映射

運用遮光-曝光的局部色調(diào)映射算法[4]來壓縮動態(tài)范圍，即對每個像素找到其周圍反差不超過閾值的最大環(huán)繞域，根據(jù)其環(huán)繞域亮度信息選擇不同的a。

目標(biāo)像素點最大環(huán)繞域半徑smax滿足

|V(x,y,smax)|<ε。

其中V(x,y,smax)為smax在位置(x,y)的像素得到最大值時所對應(yīng)的最大亮度環(huán)繞域平均像素亮度。

局部映射的算法公式為

其中φ是銳化參數(shù)，它可以增加圖像細(xì)節(jié)邊緣的對比度。

對壓縮過的動態(tài)范圍Ld進(jìn)行指數(shù)變換,即可把圖像顯示出來。

2 實驗結(jié)果

用4幅高動態(tài)范圍圖像：window、BigFogMap、Park和Beach_final(圖2)，這些圖像的內(nèi)容和動態(tài)范圍有很大差異。算法基于Win7操作系統(tǒng)，仿真軟件為MatlabR2012a。

(a)Window(b)BigFogMap(c)Park(d)Beach_final

圖2 實驗圖像

2.1 視覺效果

圖像Window和圖像BigFogMap的平均亮度分別為0.054 5和0.134 3,皆小于閾值下限，故局部映射結(jié)果會比較黑，視覺效果差，暗處的細(xì)節(jié)信息會丟失，而全局算法相對較好，如圖3和圖4所示。

圖像Park的平均亮度為4.191 1，介于閾值下限與上限之間，故其局部映射結(jié)果較全局映射結(jié)果好，局部變換的圖像細(xì)節(jié)保留得更多，如圖5所示。

圖像Beach_final的平均亮度值為474.571 8，超過了閾值上限。該圖的局部映射結(jié)果較全局映射結(jié)果差，圖像偏亮一點，視覺看上去有失真，視覺效果不好,結(jié)果如圖6所示。

(a) 全局映射 (b) 局部映射

(a) 全局映射 (b) 局部映射

(a) 全局映射 (b) 局部映射

(a) 全局映射 (b) 局部映射

2.2 客觀評價

使用專用于色調(diào)映射圖像的客觀評價方法[8]對映射結(jié)果進(jìn)行比較。結(jié)構(gòu)保真度測量是基于結(jié)構(gòu)相似性(StructuralSimilarity，SSIM) 指數(shù)的一個全參考評價，而自然度測量是基于高質(zhì)量自然圖像統(tǒng)計的非參考評價，該算法結(jié)合了這兩個量， 為整幅圖像提供了單個的質(zhì)量評價分?jǐn)?shù)。

分別用S、N和Q代表結(jié)構(gòu)保真度、 自然度和質(zhì)量分?jǐn)?shù)。 結(jié)構(gòu)保真度為

其中

而Slocal為圖像的局部結(jié)構(gòu)保真度，δx,δy,δxy分別表示HDRI和相應(yīng)LDRI的同一塊區(qū)域的局部標(biāo)準(zhǔn)差和協(xié)方差。C1和C2為正的穩(wěn)定常數(shù)，Sl為每個尺度的結(jié)構(gòu)保真度，N1為第1尺度的區(qū)域數(shù)量，xi和yi分別為HDRI和相應(yīng)LDRI的第i塊區(qū)域，L為尺度數(shù)量，β1是第1尺度的加權(quán)指數(shù)。

自然度為

其中Pm(m)和Pd(d)分別為高斯概率密度函數(shù)和Beta概率密度函數(shù)，K為歸一化系數(shù),且

K=max {Pm,Pd}。

結(jié)合結(jié)構(gòu)保真度和自然度,得到最后的質(zhì)量評價分?jǐn)?shù)

Q=aSα+(1-a)Nβ。

其中a∈[0,1]確定了兩個分量的相對重要性，α和β決定了兩個分量的敏感度。

各實驗圖像的客觀評價量如表2 所示，從中可以看出，當(dāng)HDRI亮度均值在閾值下限以下和上限以上時，其局部變換的結(jié)構(gòu)保真度、 自然度和質(zhì)量分?jǐn)?shù)都很小，但全局變換結(jié)果對其不敏感，而當(dāng)其亮度均值取值合適時，局部變換的結(jié)構(gòu)保真度、 自然度和質(zhì)量分?jǐn)?shù)明顯都比全局變換的值大，映射效果圖細(xì)節(jié)更豐富，圖像更清晰自然。

表2 圖像的結(jié)構(gòu)相似性對比

3 結(jié)語

針對局部色調(diào)映射算法對平均亮度過低或過高的HDRI處理效果不好的實際情況，通過理論和實驗數(shù)據(jù)分析，得出用閾值分類選擇最優(yōu)算法的方法來處理HDRI，由此可克服對目標(biāo)圖像盲目選用單一映射方法的缺陷。該方法可應(yīng)用于攝影技術(shù)，也可應(yīng)用于其他圖像處理技術(shù)的預(yù)處理過程，例如刑偵案件的處理中圖像檢索[9]，圖像分割等。

[1] Robertson M A, Borman S, Stevenson R L. Dynamic range improvement through multiple exposures[C]//Proceedings of the International conference on Image Processing. Kobe: IEEE,1999:159-163.

[2] 劉穎, 焦淑云, 劉衛(wèi)華. 基于細(xì)節(jié)特征的高動態(tài)范圍圖像獲取算法[J]. 西安郵電大學(xué)學(xué)報,2014,19(6):22-25.

[3] 王作省, 鄒少芳, 王章野. 高動態(tài)圖像色調(diào)映射技術(shù)新進(jìn)展[J]. 計算機(jī)應(yīng)用研究, 2010, 27(7):2421-2424.

[4] Reinhard E, Stark M, Shirley P, et al. Photographic tone reproduction for digital images[J]. ACM Ttansactions on Graphics, 2002, 21(3):267-276.

[5] Meylan L, Süsstrunk S. High dynamic range image rendering with a retinex-based adaptive filter[J]. IEEE Transactions on Image Processing, 2006, 15(9):2820-2830.

[6] Kuang J, Johnson G M, Fairchild M D. iCAM06: A refined image appearance model for HDR image rendering[J]. Journal of Visual Communication and Image Representation, 2007, 18(5):406-414.

[7] Lee B J, Song B C. Local tone mapping using sub-band decomposed multi-scale retinex for high dynamic range images[C]//2014 IEEE International Conference on Consumer Electronics. Shenzhen:IEEE, 2014:125-128.

[8] Yeganeh H, Wang Z. Objective Quality Assessment of Tone-Mapped Images[J]. IEEE Transactions on Image Processing, 2013, 22(2):657-667.

[9] 劉穎，范九倫，李宗，等.現(xiàn)勘圖像數(shù)據(jù)庫檢索技術(shù)實例探討[J].西安郵電大學(xué)學(xué)報. 2015 , 20(3) : 1-20.

[責(zé)任編輯:瑞金]

A tone mapping method based on threshold classification

WU Shiqian1,2, ZHANG Feng2, LIU Ying2, LIU Weihua2

(1. School of Machinery and Automation, Wuhan University of Science and Technology, Wuhan 430081, China;2.School of Communication and Information Engineering, Xi’an University of Posts and Telecommunications, Xi’an 710121, China)

In order to make better use of the advantages of both global mapping and local mapping to improve the performance of HDRI (High Dynamic Range Image) mapping, a group of 20 HDRIs with different mean intensities are used with global mapping and local mapping applied respectively. By analyzing the relationship between the HDRI mapping results and the mean intensity values of the HDRIs, a mean-intensity-range for thresholding purpose is determined. If the mean intensity of a HDRI falls into this range, the local mapping algorithm is chose, otherwise global mapping is applied. To verify the performance of the above described process, four groups of HDRI are used for testing. Experimental results show that compared to any other single mapping method, the proposed thresholding process can effectively improve the performance of HDRI mapping.

high dynamic range images, threshold, global-based tone mapping, local-based tone mapping

2014-12-23

國家自然科學(xué)基金資助項目(61371190);國家自然科學(xué)基金資助項目(61202183);陜西省國際科技合作計劃資助項目(2013KW04-05，2014KW01-01);西安郵電大學(xué)青年教師科研基金資助項目(ZL2013-04)

伍世虔(1964-)男，博士，教授，從事圖像處理、模式識別及智能機(jī)器人研究。E-mail: shiqian.wu@wust.edu.com 張鳳(1987-)，女，碩士研究生，研究方向為信號與信息處理。E-mail: fz0056@126.com

10.13682/j.issn.2095-6533.2015.06.001

TP391

A

2095-6533(2015)06-0001-05