HDR高动态范围图像处理算法

一、高动态范围图像综述

高动态范围HDR（Hight Dynamic Range）图像合成技术是一种利用计算机高速运算产生高质量逼真效果的场景图像融合技术，广泛应用于计算机游戏开发、医疗影像、遥感图像处理和计算机图形学等领域。高动态范围图像的动态范围很高、所谓的动态范围指图像亮度值的最大值与最小值的比，动态范围越大表面图像显示的场景细节越多，视觉效果更逼真。一般的传统图像采用一个字节即8比特的空间来存放一个像素，所以普通图像的亮度级别只有256级，这在很多场合都不能满足对场景细节要求很高的需要。而高动态范围图像采用浮点数多字节来存储一个像素的亮度值，能够全面的表示出自然场景高动态范围。

8位表示亮度的局限。动态范围的技术，可以做到10w：1

目前很多学者采用多张不同曝光度的普通数字图像来计算实际的场景亮度，经过计算机高速计算之后得到一幅HDR高动态图像，且通过压缩算法将HDR图像显示在低动态范围（LDR）的显示器上。这类算法需要解决一个关键问题，就是如何正确的标定相机的相应曲线。高动态范围图像合成技术主要包括相机响应曲线的标定，高动态范围图像的存储以及Tone-Mapping压缩显示算法。

其关键问题是：找到相应的曲线。

文献[12]中Paul Debevec 和Jitendra Malik 给出了精确的单通道灰度图像相机标定算法，能够很好的标定相机响应曲线。但是彩色图像的合成将RGB三个通道认为是分别独立的数据来恢复RGB三个不同的相机响应曲线，计算量大，合成的RGB彩色图像容易造成颜色失真。文献[13]中Tomoo Mitsunaga 和Shree K. Nayar提出了用N次多项式来模拟相机响应函数，使用曝光度比的估计值来计算多项式的系数，然后用计算出来的多项式重新估计曝光度比，重复迭代、如果算法收敛，就得到了响应函数和精确的曝光度比。该迭代算法稳健性不好，当迭代结束条件精度设置过高时容易发散。且当曝光度比的估计值偏离正确值较大时会收敛到错误的结果。文献[14]采用M次多项式来模拟相机响应函数，且给出了一个初始化条件，使得该算法的稳定性得到了提高。

本文采用基于多幅不同曝光度的普通数字图像合成动态范围HDR图像

Debevec的算法 matlab版本的基础，我看了后续的附件，一个名叫gsolve的函数处理矩阵奇异值分解，至于复杂度，当前查到的是O(n^3)，能够得到一个高帧率hdr结果一个美好的事情。

由于单幅图像，如图3-1所示 经典的数字图像成像过程。拍摄图像时，光线通过相机镜头到达图像传感器（一般是CCD或CMOS图像传感器）把接收到的光信号通过图像传感器上的光敏单位离散成正比与曝光量的像素点数据，并转换成模拟电压信号，经过A/D转换后变成数字信号，最后经过微处理器的非线性运算转换成图像的数据、存储成各种格式的图像文件，就是在存储器上得到的数字图像文件。