基于YUV空间的高动态范围图像的合成方法

徐桂忠，黄祥林

(1.中国传媒大学 理工学部，北京100024；2.中国电子科技集团公司创新科学技术研究院，北京100089)

基于YUV空间的高动态范围图像的合成方法

徐桂忠1，2，黄祥林1

(1.中国传媒大学 理工学部，北京100024；2.中国电子科技集团公司创新科学技术研究院，北京100089)

在多曝光融合算法的基础上，针对高动态范围图像在合成过程中，暗区域细节呈现不理想的情况，提出了一种对所有输入图像的亮度分量、色差分量分别进行加权融合的改进方法，采用上述改进方法，显著改善了多幅不同曝光度的高动态范围图像在合成过程中的暗区域的图像细节呈现，有效拓展目标图像暗区域的亮度区间。

YUV；高动态范围；图像生成

1 引言

现实生活场景有很高的动态范围，但是受到硬件条件的限制，普通相机的标准动态范围与实际场景中的高动态范围[1]存在巨大差距，用普通相机所拍摄的视频或者照片，往往只能够得到场景中的一部分动态范围内的信息，这会导致包含有关键信息的部分高动态数据或者被直接舍弃，或者被大幅度削弱，从而无法为深入分析提供有效数据源。在视频处理领域该问题体现为采集到的图像往往在亮区域和暗区域丢失了很多细节，使得移动设备虽然有很高的空间分辨率，但是成像效果却不理想。近些年来，随着宽动态拍照技术的逐渐普及，出现了很多对此进行后期处理的软件方法，其中，Burt等[2]最早提出将图像融合技术用于动态范围扩展，Goshtasby等[3]使用分块熵方法进行多曝光图像融合，Mertens等人[4]提出的多曝光融合算法，采用拉普拉斯金字塔完成图像融合，拓展传统相机的动态范围，此外，谢骞[5]基于多曝光融合算法，提出的将YUV颜色空间中的亮度分量Y和色差分量UV分离处理的高动态范围(High-Dynamic Range，HDR)合成方法，也非常实用。

但是，对于亮度分量的计算，如果采用Mertens等人在RGB颜色空间计算权重因子的方法，虽然能够获得较好的合成效果，但是暗区域细节呈现不理想，如果采用谢骞的合成方法，虽然暗区域对比度会拓宽，但是过曝区域的亮度区间会受到挤压，从而导致图像整体不均衡。

2 基于YUV空间的多曝光图像融合

针对Mertens和谢骞等人的多曝光图像融合方法，造成的暗区域细节呈现不理想、过曝区域的亮度区间受到挤压等问题，本文提出了一种新的算法，使用该新算法在YUV空间进行多曝光图像的融合时，不仅有效拓展暗区域的亮度区间，而且明显提升暗区域的细节呈现。

2.1 预处理

分离M张曝光值不同的输入图像的YUV分量，分别记作亮度分量Yw与色差分量Uw、Vw，其中，w=1，2，...，M，M为正整数，亮度分量Yw为某一输入图像的所有像素点的亮度分量的集合。

2.2 亮度分量的处理方法

在Mertens等人提出的多曝光融合方法的基础上，对亮度分量Yw进行加权融合处理，得到待合成的目标图像的亮度分量Y″。对亮度分量Yw进行加权融合处理，得到待合成的目标图像的亮度分量Y″的融合流程图，如图1所示。

图1

本文所提出的亮度分量的具体融合方法为：

(1)

i=1，2，…，R，j=1，2，…，C，R、C分别为第w张输入图像的像素的行数与列数。

(2)采用Mertens等人提出的多曝光融合算法，计算饱和度权重因子Sij，w与曝光适度权重因子Eij，w；

(3)根据Cij，w、Sij，w与Eij，w，采用公式(2)，计算质量权重因子Wij，w；

(2)

(4)结合高斯金字塔与拉普拉斯金字塔，据Wij，w计算目标图像的亮度分量Y″。

2.3 色度分量的处理方法

2.4 目标图像的生成

根据YUV颜色格式，例如：NV12，NV21和YV12等，对数据格式定义的标准，融合Y″、U″与V″，最终将融合结果输出，得到目标图像。

3 实验结果与分析

本文以3张不同曝光程度的HDR图像为例，分别给出采用Mertens等人提出的多曝光融合算法、本文提出的改进的多曝光融合算法的仿真结果，验证本文提出的改进的多曝光融合算法的有效性。

图2

图3

图2为典型场景下，采用Mertens等人提出的多曝光融合算法的HDR图像合成效果图，图3是采用本文提出的多曝光融合算法的HDR图像合成效果图，其中，红色椭圆为人工标记痕迹，目的是更清晰的展现两种方案合成效果的不同之处，可以很明显的看出，本文提出的HDR图像合成方案，能够有效拓展目标图像暗区域的亮度区间，提升目标图像暗区域的图像细节。

4 结论

[1]毛学刚，李明泽，范文义.三维虚拟校园的设计与实现 [J].测绘信息与工程，2008，33(1)：47-48.

[2]BurtPJ，KolczynskiRJ.Enhancedimagecapturethroughfusion[C].Proceedingsof4thInternationalConferenceonComputerVision，Berlin，Germany，2008，173-182.

[3]GoshtasbyA.Fusionofmulti-exposureimage[J].ImageandVisionComputing，205，23(8)：611-618.

[4]MertensT，KautzJ，VanReethF.Exposurefusion[C].ProceedingsofPacificGraphics2007，Hawaii，Nov，2007，382-390.

[5]谢骞.宽动态视频监控技术研究[D].

(责任编辑：宋金宝)

Composition Method of High Dynamic Range Image in YUV Space

XU Gui-zhong1，2，HUANG Xiang-lin1

(1.Faculty of Science and Technology，Communication University of China，Beijing 100024，China2.Information Science Academy of China Electronics Technology Group Corporation，Beijing 100089，China)

Aimed at the problem that the dark regions details of the high dynamic range image failed to show an ideal situation in the process of synthesis，an improved algorithm is proposed on the basis of multiple exposure fusion algorithm to merge the brightness components and the color components of all the input images with the linear weighting respectively.With the improved method，the showing of the detail for the dark area of an image caused significant improvements in the process of synthesis for multiple high dynamic range images with different exposure，which effectively expands the brightness range of dark area for the target image.

YUV；high dynamic range；image generation

2017-05-10

徐桂忠(1988-)，男(汉族)，山东东营人，中国传媒大学博士研究生.E-mail：xuguizhong@cetc.com.cn

O422

A

1673-4793(2017)03-0011-03