保持局部對比度的動態范圍壓縮算法

燕 明,胡越黎, 胡云生

保持局部對比度的動態范圍壓縮算法

燕 明1,胡越黎1, 胡云生2

(1.上海大學上海市電站自動化技術重點實驗室,上海200072;2.上海大學微電子研究與開發中心,上海200072)

針對高動態范圍圖像在顯示時不能突出部分細節的缺點,提出了一種保持局部對比度的動態范圍壓縮算法,解決了傳統算法在動態范圍壓縮時會降低局部對比度和影響高亮區域的缺陷,提出了新的S形亮度轉換曲線,即通過控制S形亮度映射曲線的強度來提高圖像低照度和增強強光區域的顯示效果.實驗結果表明,該算法可以有效壓縮動態范圍,使圖像擁有較好的視覺效果.

動態范圍壓縮;局部對比度;亮度映射曲線

自然界中的亮度擁有很大的動態范圍(通常為108∶1 cd/m2),人類的眼睛對環境中動態范圍的感知度約為104∶1 cd/m2[1],而顯示器的動態范圍只有500∶1 cd/m2.因此,為了能夠在低動態范圍的顯示器上顯示出高動態范圍的圖像,需要對圖像進行動態范圍壓縮(dynamic range compression,DRC)(見圖1).本工作主要針對相機采集的圖像,經過DRC算法后,壓縮動態范圍并保持局部對比度、細節等圖像特征,使高動態圖像能夠在低動態范圍顯示器上顯示并且擁有較好的視覺效果.

圖1 高動態圖像顯示流程Fig.1 High dynamic image display process

近年來,陸續出現了很多DRC算法,如基于視網膜算法的多尺度視網膜增強算法[2]是將圖像看作由“反射層”和“光照層”共同作用而成的,故可以通過估算當前圖像的照度來減弱光照的影響.Fattal等[3]通過邊緣保持濾波器對圖像濾波產生低通層和高通層,然后進行不同的色階映射以消除光暈的影響.席志紅等[4]為改善高動態范圍梯度域衰減算法的缺陷,并基于電象法的基礎理論推導出一種不規則平面區域格林函數的數值解法,根據格林公式和狄利克雷邊界條件得到區域泊松方程的解.馬紅微等[5]考慮了韋伯對比度公式,提出了一種保持輸入對比度算法的一般形式,該算法可以結合任何連續可微的亮度映射函數,保持較好的對比度;并將該算法結合雙曲亮度映射函數,實現了對輸入圖像對比度較好的保存,雖然效果不錯,但是計算量大,復雜度高.

通常,DRC算法分為兩類:基于全局信息統計和基于局部信息統計算法.常用的自適應Gamma矯正[6]、直方圖均衡和色調映射等均為基于全局信息統計算法,具有快速、簡單等優點,在工業上得到了廣泛應用,但是易出現因過曝使得飽和度降低等降低視覺效果的現象.為了彌補全局信息統計算法的缺陷,發展了很多基于局部信息統計的算法,如多尺度視網膜增強算法、Apical公司的ORMIT算法[7]等.但是基于視網膜原理的DRC算法容易出現偏色和光暈,且計算量大,故本工作提出了一種保持局部對比度的DRC算法,避免了傳統算法易出現偏色、光暈等現象,本算法計算量小并使圖像擁有較好的視覺效果.

1 保持局部對比度的DRC算法

1.1 保持局部對比度

通常,傳統的動態范圍壓縮采用非線性映射曲線,如Shimoyama等[8]將多個不同系數的Gamma曲線組合起來實現的,但是由于Gamma曲線在高亮處不能實現亮度的壓縮,故經常會出現人為的過亮點.Safonov[9]采用冪指函數來進行動態范圍壓縮,但是由于冪指函數輸入變量是單個的像素值,故在低照度下容易受到噪聲的影響而不能較好地實現非線性映射.為了實現高動態圖像的亮度映射,即實現暗區增亮、亮區變暗的動態范圍壓縮,本工作使用S形亮度映射曲線:

圖2 S形亮度映射曲線Fig.2 S shaped luminance mapping curves

從圖2中可以看出,本工作的映射曲線在低亮時將輸入亮度向亮度變大的區域映射,而在高亮時將輸入亮度向亮度變小的區域映射,通過控制sigmas和sigmah的值來控制暗區和亮區增強的程度.當sigmas值越大時,映射曲線的低亮區越凸起,即對暗區的亮度增強能力越強;當sigma h值越大時,映射曲線的高亮區越凹陷,即對亮區的高亮抑制能力越強.但是,僅僅通過亮度映射曲線來實現DRC算法是不能得到較好的視覺效果的(見圖3),如當輸入的兩個相鄰數值為10,5時,經過y=x1/2.2的非線性映射后,輸出值為58,42,局部對比度由2∶1降低為1.38∶1,由此可見純粹的非線性拉伸會降低局部的對比度(見圖4).如圖4(b)所示,經過單純的S形亮度映射后整幅圖的亮度值趨于中亮度值,整幅圖的局部對比度降低,會產生“灰蒙蒙”的視覺效果.

圖3 數值映射Fig.3 Numerical mapping

圖4 亮度映射與本算法比較Fig.4 Comparison of luminance mapping and the proposed algorithm

為了避免“灰蒙蒙”的視覺效果,在圖像進行亮度映射時,需要保持映射前后圖像的局部對比度一致,故Ferradans等[10]建立了將多尺度視網膜增強和局部亮度自適應矯正結合,在進行亮度映射時仍然可以保持良好的局部對比度的PLCE算法.但是由于該算法需要對當前圖像進行光照估計,因此在光照條件復雜以及估計錯誤時很容易出現偏色,且計算量大.Lee等[11]為了在進行全局對比度增強的同時對局部對比度也進行相應的增強或保持,通過結合鄰域像素的亮度差構建了分層的二維直方圖,進而構建優化函數來求解變換方程.但是優化方程的求解需要進行多次迭代,且該算法很容易出現過增強的現象,所以對有些包含自然景物場景的圖像會產生不自然的效果.為了解決以上問題,本工作給出了一個簡潔的保持局部對比度的算法.將輸入圖像Ⅰ在(x,y)位置處的像素值表示為Iin(x,y),局部均值為(x,y),則局部對比度[1]可以定義為

將經過DRC算法處理后的圖像表示為Iout(x,y),為了使輸出圖像保持局部對比度,輸出圖像應該滿足

故保持對比度的非線性映射函數可表示為

1.2 色彩保持

DRC算法的另外一個重點是在進行亮度映射時保持飽和度.為了保持飽和度,Lee等[11]在YUV色域僅對Y亮度信號進行處理,Farbman等[12]在HSV域僅對V亮度信號進行處理.而人眼對物體的飽和度感知是一個很復雜的模型,物體的飽和度和亮度呈復雜的非線性關系,而YUV和HSV等顏色模型只是對人眼感知的近似模型.通過如圖5所示的不同色域處理實驗發現,當對圖像進行如式(5)的處理時,如果僅使用YUV色域的Y亮度信號,則會使圖像的飽和度降低(見圖5(b));而在僅使用HSV色域的V亮度信號時,則會使圖像的飽和度過高(見圖5(c)),兩種處理方法都會影響主觀視覺效果.由于YUV表示的是加性關系,而HSV表示的是乘性關系,故為了避免在DRC過程中改變圖像的飽和度,將兩種模型進行結合:

式中,sa為飽和度控制系數,sa∈(0,1),sa值越大則飽和度越高,為圖像的RGB 3個通道,ratio=Yout/Yin為亮度的增強比率,D=Yout?Yin,其中Y為YUV色域的Y亮度信號,Y=0.299R+0.587G+0.114B.根據式(4)和(5)可得

圖5 不同色域處理實驗結果Fig.5 Experimental results of dif f erent color gamut processings

如圖5(d)所示,當sa=0.8時,本算法對輸入圖像保持了良好的飽和度,消除了傳統的DRC算法會產生光暈的缺陷.重新定義Yavg為經過雙邊濾波[13]的Y,即

式中,(x,y)為像素點位置,?為鄰域區域,σd為距離因子,σr為亮度因子.

2 實驗結果

為了驗證本算法的有效性,對大量的高動態圖像進行了實驗,并與Global Gamma、ORMIT、直方圖均衡等算法進行了比較(見圖6).由圖6可以明顯看出,(b)為Global Gamma算法的處理結果,該算法降低了局部對比度和飽和度,整幅圖給人“灰蒙蒙”的視覺感受;(c)為ORMIT算法的處理結果,雖然該算法保持了圖像的飽和度,增強效果也很出色,但是由于采用了“膨脹”處理邊界問題,故對黑色物體的對比度保持效果較差,可以看出圖中黑色字的顏色明顯變淡;(d)為直方圖均衡的處理效果,該算法嚴重降低了圖像的飽和度,產生很差的視覺效果;(e)為PLCE算法的處理結果,雖然該算法對低亮區域進行了較好的映射,但還是出現了顏色的失真,圖中右側的房屋顏色變白,天空的飽和度也發生了變化;而(f)為本算法的處理結果,可以看出本算法在進行動態范圍壓縮時能較好地保持局部對比度和飽和度,相對于其他算法,擁有較好的主觀視覺效果.

圖6 同類算法比較Fig.6 Comparisons of similar algorithms

由如圖7和8所示的高光抑制的實驗結果驗證了本算法對高亮區域的抑制作用.圖7中,本算法對過曝區域有明顯的抑制效果,如高亮區域經過本算法處理可以看清左側廣告牌中的文字,且在右側的暗區,經過本算法處理后可以看到更多的信息,增強后的暗區,符合人的視覺效果.圖8(a)為輸入圖像,其下側的色卡處有明顯的過曝現象;圖8(b)為本算法處理結果,可見下側過曝的色卡處得到了明顯的過亮抑制,且經過處理后的圖像保持了原有的色彩和飽和度.

圖7 高光抑制實驗結果1Fig.7 Experimental result 1 of strong light suppression

圖8 高光抑制實驗結果2Fig.8 Experimental result 2 of strong light suppression

為了測試本算法在真實場景中的處理效果,使用Canon G16相機拍攝了大量的高動態范圍圖像進行測試,最終視覺效果如圖9所示.圖9(a)為其中的一個場景,(b)為本算法的處理結果,可以看出暗區的細節得到了較好的呈現,其過曝區域也得到了一定的抑制.

圖9 真實場景測試結果Fig.9 Experimental result of real scene

3 結束語

本工作提出的DRC算法實現了圖像高動態范圍的壓縮,使高動態范圍圖像能夠以較好的視覺效果顯示在低動態范圍的顯示器上,既保持了局部對比度和飽和度,又避免出現光暈等現象.另外,在實際圖像中表現出了較好的處理效果,在工程中有比較好的應用前景,為DRC算法應用提供了新的思路.

[1]REINHARD E,HEIDRICH W,DEbEvEC P,et al.High dynamic range imaging:acquisition,display,and image-based lighting[M].Sam Francisco:Morgan Kaufmann,2010.

[2]JObSON D J,RAHMAN Z,WOODELL G A.Properties and performance of a center/surround retinex[J].IEEE Transactions on Image Processing,1997,6(3):451-462.

[3]FATTAL R,LISCHINSkI D,WERMAN M.Gradient domain high dynamic range compression[J].ACM Transactions on Graphics,2002,21(3):249-256.

[4]席志紅,趙藍飛.基于格林函數的動態范圍壓縮算法[J].計算機輔助設計與圖形學學報,2014,26(4):581-589.

[5]馬紅微,吳成茂,屈漢章.基于局部對比度保存的動態范圍壓縮算法[J].西安郵電大學學報,2013(5):14-18.

[6]HUANG S C,CHENG F C,CHIU Y S.Efficient contrast enhancement using adaptive gamma correction with weighting distribution[J].IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society,2013,22(3):1032-1041.

[7]VYACHESLAv C.Image enhancement methods and apparatus therefore[P].United States,B2,7302110.2007.

[8]SHIMOYAMA S,IGARASHI M,IkEbE M,et al.Local adaptive tone mapping with composite multiple gamma functions[C]//Proceedings of the 16th IEEE International Conference on Image Processing.2009:3117-3120.

[9]SAFONOv I V.Automatic correction of amateur photos damaged by backlighting[C]//International Conference on Graphicon.2006:80-89.

[10]FERRADANS S,PALMA-AMESTOY R,PROvENZI E.An algorithmic analysis of variational models for perceptual local contrast enhancement[J].Image Processing On Line,2015,5:219-233.

[11]LEE C,LEE C,KIM C S.Contrast enhancement based on layered dif f erence representation of 2D histograms[J].IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society,2013,22(12):5372-5384.

[12]FARbMAN Z,FATTAL R,LISCHINSkI D,et al.Edge-preserving decompositions for multi-scale tone and detail manipulation[J].ACM Transactions on Graphics,2008,27(3):1-10.

[13]DURAND F,DORSEY J.Fast bilateral f i ltering for the display of high-dynamic-range images[J].ACM Transactions on Graphics,2002,21(3):257-266.

Dynamic range compression with local contrast preservation

YAN Ming1,HU Yueli1,HU Yunsheng2
(1.Shanghai Key Laboratory of Power Station Automation Technology,Shanghai University,Shanghai 200072,China;2.Microelectronic Research and Development Center,Shanghai University,Shanghai 200072,China)

As partial detail in a high dynamic range image cannot be shown on a common display,a dynamic range compression algorithm with local contrast preservation is presented.This paper addresses the problem that ordinary algorithms reduce local contrast and damage highlighted regions,and proposes a new S shaped luminance mapping curve.Luminance is successfully enhanced by controlling intensity of the curve.Experimental results show that the algorithm can ef f ectively compress the image dynamic range with good visual ef f ect.

dynamic range compression;local contrast;luminance mapping curve

TN 911.73

A

1007-2861(2017)05-0682-08

10.12066/j.issn.1007-2861.1722

2015-12-09

胡越黎(1959—),男,教授,博士生導師,博士,研究方向為微電子與集成電路設計、汽車電子與系統集成、機器視覺與片上多處理系統架構.E-mail:huyueli@shu.edu.cn

本文彩色版可登陸本刊網站查詢:http://www.journal.shu.edu.cn