基于阈值分类的色调映射方法选择

伍世虔, 张 凤, 刘 颖, 刘卫华

(1.武汉科技大学 机械自动化学院, 湖北 武汉 430081;2.西安邮电大学 通信与信息工程学院, 陕西 西安 710121)

基于阈值分类的色调映射方法选择

伍世虔1,2, 张 凤2, 刘 颖2, 刘卫华2

(1.武汉科技大学 机械自动化学院, 湖北 武汉 430081;2.西安邮电大学 通信与信息工程学院, 陕西 西安 710121)

为了更好发挥全局映射算法和局部映射算法的优点，对20组高动态范围图像(High Dynamic Range Image, HDRI)分别进行全局算法和局部算法映射，由所得结果确定出均值亮度的一个范围，若目标图像的均值亮度落入该范围内，采用局部算法，否则采用全局算法。用4组HDRI进行验证，结果表明，增加均值亮度阈值判决后，可以克服对目标图像盲目使用单一映射方法的缺陷。

高动态范围图像；阈值；全局色调映射；局部色调映射

高动态范围图像(High Dynamic Range Image, HDRI)能够展示出自然场景的实际动态范围[1]，拥有丰富的细节，逼真的影像环境和清晰的视觉感受。利用辐照图重建法或图像域合成法[2]，可以获得类似于HDRI的图像。

辐照图重建中的色调映射，是一个色调压缩的过程，即在对HDRI进行对比度压缩的同时，高质量地保持图像细节、对比度、明暗度和饱和度等信息。

全局色调映射算法[3]用同一个函数对整个HDRI进行点对点的映射，算法实现简单高效，但忽略了邻域像素的影响，易导致对比度和细节信息的丢失。局部色调映射考虑了局部空间内容，增强了局部对比度，能够在压缩动态范围的同时保持图像的细节和纹理，较好地模拟 HVS视觉效果，但算法参数多，复杂度高。

每种色调映射算法都具有一定的针对性和各自的适用范围。基于摄影法的色调映射方法[4]，依赖于邻接点像素来对图中各像素点进行压缩，映射结果容易受图像整体亮度影响。从RGB图像获取亮度分量图像,再利用自适应滤波器获取图像光照分量,依据类似Retinex原理也可增强彩色图像[5]，不过此法对HDRI的整体亮度较为敏感。用iCAM 06对HDRI进行色调映射[6]，存在整体对比度不高和高亮区细节丢失的问题。利用多尺度Retinex可对图像亮度分量细节增强[7]，但映射前后颜色比例一致的假设在许多场景并不成立，色调映射后容易偏色。

为了使更大范围的HDRI映射后都能得到高质量的低动态范围图像(Low Dynamic Range Image, LDRI)，本文拟给出一种基于阈值分类的色调映射选择方法，即针对全局算法和局部算法各自的优点，分析HDRI的特征，寻找一个合适的阈值，据此选择相应的映射算法，以克服对目标图像盲目选用单一映射的缺陷。

1 算法描述

基于阈值分类的色调映射选择如图1所示。

图1 自适应色调映射框架

先计算HDRI特征，根据特征值来选择算法，若符合条件则选用局部算法。由于局部算法对HDRI的要求比较多，其参数的调整与像素及其相邻的像素的亮度都有关，在此选用HDRI的平均亮度值来做特征。局部算法可提高图像色调层次和细节再现方面的能力，因此，若特征落入阈值范围，则优先采用局部算法。反之，则选用全局色调映射。后者对动态范围不是很高的HDRI，压缩结果在细节和整体明暗度上都保持较好，对HDRI的平均亮度值大小不敏感且算法运行速度快。

1.1 阈值的确定

局部映射算法选用基于摄影模型的色调映射算法[4]，对图像的不同区块采用摄影中的“遮光-曝光”技术压缩动态范围，即对积各像素找到其周围反差不超过某值的最大环绕域，据其亮度信息选择不同参数，以完成压缩。使用此法时，HDRI相邻像素的亮度对算法结果的影响很大。当HDRI的平均亮度很低，局部算法得出的图像会很暗，甚至一片漆黑；如果平均亮度很高，局部算法图像太亮，则会给人一种失真的不舒服感。

全局算法对所有像素使用同一函数来映射压缩，总能得到亮度合适的图像，其对平均亮度信息不敏感，且算法简单，但是在动态范围大时会丢失细节信息。若HDRI平均亮度信息符合条件，应优先选择局部算法。

考虑以HDRI的平均亮度作为特征。HDRI目前还没有标准的测试图库，故随机选取20幅图像进行局部映射，并由被调查对象就映射结果给出“差”,“中”和“好”的评判，相关统计结果如表1所示。评判结果不具有绝对性, 但标为“差”的图像一般很难看清楚, 而标为“好”图像都有好的视觉效果和丰富的细节。

由表1可见，当图像的平均亮度大于3.0，或者小于468.0时，局部映射的图像效果会好，反之，图像质量比较低。不妨选取3.0作为图像平均亮度的阈值下限；考虑到平均亮度信息很大的图较少，根据映射结果，LDRI都会在0到255之间，故选择252作为阈值上限。

HDRI的平均亮度值为

其中N为图像像素总数，LW(x,y)为位置(x,y)处的像素值。

1.2 全局色调映射

计算整幅图像的平均对数亮度值

其中σ为一个很小的修正值。

平均像素亮度总是被映射到平均关键场景显示范围的a倍，即

其中a∈(0,1)为全局色调映射的可调参数。

到显示设备的映射为

该式可以扩展为一个可控函数

通过指数变换来显示映射后的低动态图像，即

其中s为指数变换参数。指数变换的作用是扩展图像的高灰度级并压缩低灰度级。

1.3 局部色调映射

运用遮光-曝光的局部色调映射算法[4]来压缩动态范围，即对每个像素找到其周围反差不超过阈值的最大环绕域，根据其环绕域亮度信息选择不同的a。

目标像素点最大环绕域半径smax满足

|V(x,y,smax)|<ε。

其中V(x,y,smax)为smax在位置(x,y)的像素得到最大值时所对应的最大亮度环绕域平均像素亮度。

局部映射的算法公式为

其中φ是锐化参数，它可以增加图像细节边缘的对比度。

对压缩过的动态范围Ld进行指数变换,即可把图像显示出来。

2 实验结果

用4幅高动态范围图像：window、BigFogMap、Park和Beach_final(图2)，这些图像的内容和动态范围有很大差异。算法基于Win7操作系统，仿真软件为MatlabR2012a。

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

图2 实验图像

2.1 视觉效果

图像Window和图像BigFogMap的平均亮度分别为0.054 5和0.134 3,皆小于阈值下限，故局部映射结果会比较黑，视觉效果差，暗处的细节信息会丢失，而全局算法相对较好，如图3和图4所示。

图像Park的平均亮度为4.191 1，介于阈值下限与上限之间，故其局部映射结果较全局映射结果好，局部变换的图像细节保留得更多，如图5所示。

图像Beach_final的平均亮度值为474.571 8，超过了阈值上限。该图的局部映射结果较全局映射结果差，图像偏亮一点，视觉看上去有失真，视觉效果不好,结果如图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 客观评价

使用专用于色调映射图像的客观评价方法[8]对映射结果进行比较。结构保真度测量是基于结构相似性(StructuralSimilarity，SSIM) 指数的一个全参考评价，而自然度测量是基于高质量自然图像统计的非参考评价，该算法结合了这两个量， 为整幅图像提供了单个的质量评价分数。

分别用S、N和Q代表结构保真度、 自然度和质量分数。 结构保真度为

其中

而Slocal为图像的局部结构保真度，δx,δy,δxy分别表示HDRI和相应LDRI的同一块区域的局部标准差和协方差。C1和C2为正的稳定常数，Sl为每个尺度的结构保真度，N1为第1尺度的区域数量，xi和yi分别为HDRI和相应LDRI的第i块区域，L为尺度数量，β1是第1尺度的加权指数。

自然度为

其中Pm(m)和Pd(d)分别为高斯概率密度函数和Beta概率密度函数，K为归一化系数,且

K=max {Pm,Pd}。

结合结构保真度和自然度,得到最后的质量评价分数

Q=aSα+(1-a)Nβ。

其中a∈[0,1]确定了两个分量的相对重要性，α和β决定了两个分量的敏感度。

各实验图像的客观评价量如表2 所示，从中可以看出，当HDRI亮度均值在阈值下限以下和上限以上时，其局部变换的结构保真度、 自然度和质量分数都很小，但全局变换结果对其不敏感，而当其亮度均值取值合适时，局部变换的结构保真度、 自然度和质量分数明显都比全局变换的值大，映射效果图细节更丰富，图像更清晰自然。

表2 图像的结构相似性对比

3 结语

针对局部色调映射算法对平均亮度过低或过高的HDRI处理效果不好的实际情况，通过理论和实验数据分析，得出用阈值分类选择最优算法的方法来处理HDRI，由此可克服对目标图像盲目选用单一映射方法的缺陷。该方法可应用于摄影技术，也可应用于其他图像处理技术的预处理过程，例如刑侦案件的处理中图像检索[9]，图像分割等。

[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] 刘颖, 焦淑云, 刘卫华. 基于细节特征的高动态范围图像获取算法[J]. 西安邮电大学学报,2014,19(6):22-25.

[3] 王作省, 邹少芳, 王章野. 高动态图像色调映射技术新进展[J]. 计算机应用研究, 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] 刘颖，范九伦，李宗，等.现勘图像数据库检索技术实例探讨[J].西安邮电大学学报. 2015 , 20(3) : 1-20.

[责任编辑: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

国家自然科学基金资助项目(61371190);国家自然科学基金资助项目(61202183);陕西省国际科技合作计划资助项目(2013KW04-05，2014KW01-01);西安邮电大学青年教师科研基金资助项目(ZL2013-04)

伍世虔(1964-)男，博士，教授，从事图像处理、模式识别及智能机器人研究。E-mail: shiqian.wu@wust.edu.com 张凤(1987-)，女，硕士研究生，研究方向为信号与信息处理。E-mail: fz0056@126.com

10.13682/j.issn.2095-6533.2015.06.001

TP391

A

2095-6533(2015)06-0001-05