一种高动态范围图像分层压缩方法技术

本发明专利技术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。

【技术实现步骤摘要】

本专利技术涉及数字图像处理
，特别涉及一种高动态范围图像分层压缩方法。
技术介绍
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。
技术实现思路
本专利技术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。本专利技术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。本专利技术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，并不应当用作对本专利技术所要求保护内容的限制。附图说明参考随附的附图，本专利技术更多的目的、功能和优点将通过本专利技术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示意性示出了本专利技术高动态范围图像分层压缩的流程图；图3示出了本专利技术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示出了本专利技术自适应直方图均衡的示意图；图5示出了本专利技术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示出了本专利技术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示出了本专利技术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，本专利技术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，本专利技术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专利技术的具体细节。在下文中，将参考附图描述本专利技术的实施例。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所示本专利技术高动态范围图像分层压缩的流程图，在下文中结合分层压缩流程200可以实现公开的技术方案的实施例。一种高动态范围图像分层压缩方法具体包括如下步骤：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；所述高动本文档来自技高网...

【技术保护点】
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；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。

【技术特征摘要】
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；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。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，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多个方...

【专利技术属性】
技术研发人员：张盛，张少俊，庞建华，白文仓，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：广东;44