一种图像优化方法技术

本发明专利技术公开了一种图像优化方法，该方法需要一个可以实时拍照和更新曝光参数的摄像设备。通过迭代曝光参数，拍摄出对应场景下最适合用来合成HDR图像的几张图像，进而得到较好的HDR图像。通过对正常曝光图像区域分割和曝光参数迭代，可以进行ev参数的自适应，进而得到理论上亮度细节信息最好的高亮，偏亮，偏暗和暗图像，进而使得最后的HDR融合图像质量更好。

【技术实现步骤摘要】

本专利技术涉及一种图像优化方法。
技术介绍
随着科技的发展，数字图像技术在人们的日常生活中变得越来越重要，对高质量数字图像的需求也变得越来越高。HDRI作为一种可以准确的记录现实场景的亮度细节，提供更多的现实信息，在数字摄影、卫星遥感图像等领域的应用变得越来越广泛。因此对HDRI技术的优化和改进也变得很有意义。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种图像优化方法，通过对正常曝光图像区域分割和曝光参数迭代，可以进行ev参数的自适应，进而得到理论上亮度细节信息最好的图像，进而使得最后的HDR融合图像质量更好。本专利技术的目的是通过以下技术方案来实现的：一种图像优化方法，该方法适用于采用能够实时拍照和更新曝光参数的摄像设备拍摄的图像，它包括如下步骤：S1：使用摄像设备在正常曝光参数下，拍摄出一张图像；S2：将图像变成黑白图像，采用区域分割算法将图像分割成m个区域块，并计算每个分割区域块的平均亮度；S3：根据不同的亮度区间将整个图像分成n个亮度区间段；S4：将分割区域块平均亮度属于同一个亮度区间段的区域进行区域合并，最终形成n个区域块；S5：计算任意一个区域块当前图像细节量，通过曝光参数迭代，拍摄保存当前区域细节最好时候的图像；S6：依次得到其他n-1块区域细节量最好时候的图像；S7：通过HDRI融合算法，将这n张图像融合成HDR图像；其中m、n为正整数，且m≥n。所述的区域分割算法实现流程为：S21：计算图像每个像素和它8临近像素的相似度E，设置相似度合并阀值T；S22：将所有的相似度按照从小到大排列（E0...En）；S23：从E0开始选择，遍历E1到En，将相似度高于T的E合并到区域集合Z0中，并将E从排列中删除；S24：从排列中继续选择下一个E，进行相似度合并，知道排列中所有E都合并完毕，得到区域集合Z；S25：重新将原图像归一化，根据像素亮度分为n档；S26：将分割区域Z，根据亮度分档，进行同一个亮度区域合并，最终得到n个分割区域。所述的n为4。所述的4个亮度区间分别为极亮，偏亮，偏暗和极暗四个区间。所述的图像细节量计算采用的方法具体为:首先判断当前计算细节区域亮度是亮区还是暗区，如果是暗区，则曝光时间从正常曝光开始，逐渐迭代增加；反之则迭代减小；每迭代一次，都用canny算法，计算当前区域的边缘，通过迭代后的边缘图像减去迭代前的边缘图像，可以知道是否迭代后，边缘更清晰，从而最后得到当前区域细节最好时候的曝光参数Ev；依次遍历4个区域，分别得到各区域分别对应的最合适Ev参数。所述的HDRI融合算法为高动态范围成像技术；具体实现步骤包括：获取极亮，偏亮，偏暗和极暗四个图像；合成全亮度图像；对全亮度图像进行色调映射，进而最终获得结果图像。所述的全亮度图像合成通过Debevec&Malik算法来拟合相机响应曲线，通过该曲线和四张亮度图像来获得全亮度图像。本专利技术的有益效果是：本专利技术提供了一种图像优化方法，通过对正常曝光图像区域分割和曝光参数迭代，可以进行ev参数的自适应，进而得到理论上亮度细节信息最好的图像，进而使得最后的HDR融合图像质量更好。附图说明图1为本专利技术的方法流程图。具体实施方式下面结合附图进一步详细描述本专利技术的技术方案，但本专利技术的保护范围不局限于以下所述。如图1所示，一种图像优化方法，该方法适用于采用能够实时拍照和更新曝光参数的摄像设备拍摄的图像，它包括如下步骤：S1：使用摄像设备在正常曝光参数下，拍摄出一张图像；S2：将图像变成黑白图像，采用区域分割算法将图像分割成m个区域块，并计算每个分割区域块的平均亮度；S3：根据不同的亮度区间将整个图像分成n个亮度区间段；S4：将分割区域块平均亮度属于同一个亮度区间段的区域进行区域合并，最终形成n个区域块；S5：计算任意一个区域块当前图像细节量，通过曝光参数迭代，拍摄保存当前区域细节最好时候的图像；S6：依次得到其他n-1块区域细节量最好时候的图像；S7：通过HDRI融合算法，将这n张图像融合成HDR图像；其中m、n为正整数，且m≥n。所述的区域分割算法实现流程为：S21：计算图像每个像素和它8临近像素的相似度E，设置相似度合并阀值T；S22：将所有的相似度按照从小到大排列（E0...En）；S23：从E0开始选择，遍历E1到En，将相似度高于T的E合并到区域集合Z0中，并将E从排列中删除；S24：从排列中继续选择下一个E，进行相似度合并，知道排列中所有E都合并完毕，得到区域集合Z；S25：重新将原图像归一化，根据像素亮度分为n档；S26：将分割区域Z，根据亮度分档，进行同一个亮度区域合并，最终得到n个分割区域。所述的n为4。所述的4个亮度区间分别为极亮（0.75-1.0），偏亮（0.5-0.75），偏暗（0.25-0.5）和极暗（0.0-0.25）四个区间。所述的图像细节量计算采用的方法具体为:首先判断当前计算细节区域亮度是亮区还是暗区，如果是暗区，则曝光时间从正常曝光开始，逐渐迭代增加；反之则迭代减小；每迭代一次，都用canny算法，计算当前区域的边缘，通过迭代后的边缘图像减去迭代前的边缘图像，可以知道是否迭代后，边缘更清晰，从而最后得到当前区域细节最好时候的曝光参数Ev；依次遍历4个区域，分别得到各区域分别对应的最合适Ev参数。所述的HDRI融合算法为高动态范围成像技术；具体实现步骤包括：获取极亮，偏亮，偏暗和极暗四个图像；通过Debevec&Malik算法来拟合相机响应曲线，通过该曲线和四张亮度图像来获得合成全亮度图像；采用直方图调节的线性均衡化算法对全亮度图像进行色调映射，进而最终获得结果图像。常用的HDR方法是直接在当前环境的正确曝光参数下，直接通过EV+和EV-来获得用来融合的高亮，偏亮，偏暗和暗图像。本专利技术通过对正常曝光图像区域分割和曝光参数迭代，可以进行ev参数的自适应，进而得到理论上亮度细节信息最好的高亮，偏亮，偏暗和暗图像，进而使得最后的HDR融合图像质量更好。本文档来自技高网...

【技术保护点】
一种图像优化方法，该方法适用于采用能够实时拍照和更新曝光参数的摄像设备拍摄的图像，其特征在于：它包括如下步骤：S1：使用摄像设备在正常曝光参数下，拍摄出一张图像；S2：将图像变成黑白图像，采用区域分割算法将图像分割成m个区域块，并计算每个分割区域块的平均亮度；S3：根据不同的亮度区间将整个图像分成n个亮度区间段；S4：将分割区域块平均亮度属于同一个亮度区间段的区域进行区域合并，最终形成n个区域块；S5：计算任意一个区域块当前图像细节量，通过曝光参数迭代，拍摄保存当前区域细节最好时候的图像；S6：依次得到其他n‑1块区域细节量最好时候的图像；S7：通过HDRI融合算法，将这n张图像融合成HDR图像；其中m、n为正整数，且m≥n。

【技术特征摘要】
1.一种图像优化方法，该方法适用于采用能够实时拍照和更新曝光参数的摄像设备拍摄的图像，其特征在于：它包括如下步骤：S1：使用摄像设备在正常曝光参数下，拍摄出一张图像；S2：将图像变成黑白图像，采用区域分割算法将图像分割成m个区域块，并计算每个分割区域块的平均亮度；S3：根据不同的亮度区间将整个图像分成n个亮度区间段；S4：将分割区域块平均亮度属于同一个亮度区间段的区域进行区域合并，最终形成n个区域块；S5：计算任意一个区域块当前图像细节量，通过曝光参数迭代，拍摄保存当前区域细节最好时候的图像；S6：依次得到其他n-1块区域细节量最好时候的图像；S7：通过HDRI融合算法，将这n张图像融合成HDR图像；其中m、n为正整数，且m≥n。2.根据权利要求1所述的一种图像优化方法，其特征在于：所述的区域分割算法实现流程为：S21：计算图像每个像素和它8临近像素的相似度E，设置相似度合并阀值T；S22：将所有的相似度按照从小到大排列（E0...En）；S23：从E0开始选择，遍历E1到En，将相似度高于T的E合并到区域集合Z0中，并将E从排列中删除；S24：从排列中继续选择下一个E，进行相似度合并，知道排列中所有E都合并完毕，得到区域集合Z；S25：重新将原图像归一化，根据像素亮度分为n...

【专利技术属性】
技术研发人员：王涛，
申请(专利权)人：成都西纬科技有限公司，
类型：发明
国别省市：四川;51