ISP-不同的调光方法(ToneMapping)线性、直方图、限制自适应直方图

2024-03-15 15:36

本文主要是介绍ISP-不同的调光方法(ToneMapping)线性、直方图、限制自适应直方图,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

ISP-不同的调光方法(Tone Mapping)线性、直方图、限制自适应直方图

调光,更一般的称为Tone Mapping,用于将颜色从原始色调(通常是高动态范围,HDR)映射到目标色调(通常是低动态范围,LDR),映射的结果通过介质进行显示,在人眼的视觉特性的作用下,达到尽可能复原原始场景的效果。Tone mapping的效果取决于从原始色调到目标色调的映射关系,这一映射关系可以是简单的缩放或截断,也可以是对摄影中已有关系的逼近。
如果直接对数值进行截断,毫无疑问会丢失场景中明亮部分的细节,因为它们都被映射成为白色(或者其它处于范围上限的颜色)。简单的缩放,例如将场景中的所有颜色都除以场景中颜色的最大值。当场景中一小部分很亮,其它部分相对很暗时,简单的缩放会导致暗部的细节丢失。
简而言之调光\Tone Mapping在ISP的作用是将相机传感器捕捉到的14位的图像数据压缩到显示器能够呈现的8位
常见的调光方法有:
1、线性调光
2、直方图调光
3、限制自适应直方图调光
4、混合调光

1、线性调光

线性调光的思路很简单,就是将原始的像素区间线性的压缩至目标的像素区间,比如将14位0-16383的像素区间,压缩至0-256的像素区间,代码如下

def lineToMapping(y16, rate=0.1):y16_flatten = y16.flatten()y16_sorted = np.sort(y16_flatten)rate_num = int(len(y16_sorted) * rate)y16_max = y16_sorted[len(y16_sorted) - rate_num]y16_min = y16_sorted[rate_num]y16_rate = (y16 - y16_min) / (y16_max - y16_min)  #这里是源数据的动态范围的选择#y16_rate = y16  / 65535  // 如果确保源数据是0-65535并且线性映射0-255就采用这行代码y8 = np.clip(y16_rate * 255, 0, 255).astype(np.uint8)return y8

代码非常简单,rate就是抛点率,上下同时抛弃多少百分比的点。为什么要抛点呢?是因为防止14位数据中过亮或者过暗的点会占据较大的线性空间,调光后的图像过亮或者过暗对比度很差。线性调光虽然很简单,抛点也能解决部分对比度较低问题,但经线性调光后的图像的对比度往往较低,效果不是很理想。
如何使一幅图像的像素分布更加的均匀呢?对,直方图均衡。

2、直方图调光

直方图均衡常用语对比度不高的图像,目的是将一幅图像的直方图从一个分布尽量拉成均匀分布。那么在这个过程中,我们也可以将一个14位的图像空间,既映射到了8位空间,同时还使得像素的分布更加均衡增加了图像的对比度。代码如下

def HEToMapping(y16):y16 = y16.astype(int)y16_flatten = y16.flatten()hist_ = np.zeros((1, 16383))# 求直方图统计for i in range(len(y16_flatten)):a = y16_flatten[i]hist_[0, a] += 1hist_1 = hist_ / hist_.sum()CDF_hist = np.cumsum(hist_1)hist_new = CDF_hist * 255hist_new = hist_new.astype(np.uint8)y16 = hist_new[y16]return y16.astype(np.uint8)

上述代码就实现了利用直方图均衡化,将14bit的数据映射到8bit空间,同时与线性调光的纯线性映射不同,直方图调光会使得全局的对比度更大,细节更加的突出。
但是直方图调光也存在它的缺点,那就是局部的对比度还是不够好,那怎么样进一步提高局部对比度呢?有图像处理经验的同学应该可以想到,局部往往对应的就是分块,也就是接下来的方法。

3、限制自适应直方图调光

如果仅仅只是分块利用直方图调光再将调光后的分块图像拼接到一起,局部对比度是有提升但是块与块之间对比度不同就会有着明显的界线,图像会出现分块情况,为了防止这种情况,就需要限制每一块的对比度,同时每个像素都对应着自己的块,但是这样会使得计算量很大,所以一般的做法是将图像分成n×n的块,其余的像素采用插值的方法计算其映射后的值。代码如下

def CLAHEToMapping(y16, r=40, step_=8):y16 = y16.astype(int)width = y16.shape[1]height = y16.shape[0]width_block = width // step_  # 列height_block = height // step_  # 行   512行 640列total = width_block * height_block# 保留直方图hist_ = np.zeros((step_ * step_, 16383), dtype=np.float64)# 保留累积直方图CDF_hist = np.zeros((step_ * step_, 16383), dtype=np.float64)for i in range(step_):for j in range(step_):y16_block = y16[i * height_block:(i + 1) * height_block, j * width_block:(j + 1) * width_block]y16_block = y16_block.flatten()num = i * step_ + jfor ii in range(width_block * height_block):hist_[num, y16_block[ii]] += 1LIMIT = r * width_block * height_block // 16383sum = 0for ii in range(16383):if hist_[num, ii] >= LIMIT:sum += hist_[num, ii] - LIMIThist_[num, ii] = LIMITbonus = sum // 16383for ii in range(16383):hist_[num, ii] += bonus# 获得累积直方图for ii in range(16383):if ii == 0:CDF_hist[num, ii] = hist_[num, ii] / totalelse:CDF_hist[num, ii] = CDF_hist[num, ii - 1] + hist_[num, ii] / totalfor i in range(height):for j in range(width):# 四个角区域# 左上if (i <= height_block / 2) and (j <= width_block / 2):y16[i, j] = CDF_hist[0, y16[i, j]] * 255# 右上elif (i <= height_block / 2) and (j >= ((step_ - 1) * width_block + width_block / 2)):y16[i, j] = CDF_hist[step_ - 1, y16[i, j]] * 255# 左下elif (i >= ((step_ - 1) * height_block + height_block / 2)) and (j <= width_block / 2):y16[i, j] = CDF_hist[(step_ - 1) * step_, y16[i, j]] * 255# 右下elif (i >= ((step_ - 1) * height_block + height_block / 2)) and (j >= ((step_ - 1) * width_block + width_block / 2)):y16[i, j] = CDF_hist[step_ * step_ - 1, y16[i, j]] * 255# 四边区域 线性插值# 左elif (i >= height_block / 2) and (i <= (step_ - 1) * height_block + height_block / 2) and (j <= width_block / 2):num_j = 0num_i = (i - height_block / 2) // height_blocknum1 = num_i * step_ + num_jnum2 = num1 + step_num1 = int(num1)num2 = int(num2)p = (i - (num_i * height_block + height_block / 2)) / (1.0 * height_block)q = 1 - py16[i, j] = CDF_hist[num1, y16[i, j]] * 255 * q + CDF_hist[num2, y16[i, j]] * 255 * p# 右elif (i >= height_block / 2) and (i <= (step_ - 1) * height_block + height_block / 2) and (j >= (step_ - 1) * width_block + width_block / 2):num_j = step_ - 1num_i = (i - height_block / 2) // height_blocknum1 = num_i * step_ + num_jnum2 = num1 + step_num1 = int(num1)num2 = int(num2)p = (i - (num_i * height_block + height_block / 2)) / (1.0 * height_block)q = 1 - py16[i, j] = CDF_hist[num1, y16[i, j]] * 255 * q + CDF_hist[num2, y16[i, j]] * 255 * p# 上elif (i <= height_block / 2) and (j >= width_block / 2) and (j <= (step_ - 1) * width_block + width_block / 2):num_j = (j - width_block / 2) // width_blocknum_i = 0num1 = num_jnum2 = num1 + 1num1 = int(num1)num2 = int(num2)p = (j - (num_j * width_block+width_block/2)) / (1.0 * width_block)q = 1 - py16[i, j] = CDF_hist[num1, y16[i, j]] * 255 * q + CDF_hist[num2, y16[i, j]] * 255 * p# 下elif (i >= (step_ - 1) * height_block + height_block / 2) and (j >= width_block / 2) and (j <= (step_ - 1) * width_block + width_block / 2):num_i = step_ - 1num_j = (j - width_block / 2) // width_blocknum1 = num_i * step_ + num_jnum2 = num1 + 1num1 = int(num1)num2 = int(num2)p = (j - (num_j * width_block+width_block/2)) / (1.0 * width_block)q = 1 - py16[i, j] = CDF_hist[num1, y16[i, j]] * 255 * q + CDF_hist[num2, y16[i, j]] * 255 * pelse:# # 其余点 需要双线性插值num_i = (i - height_block / 2) // height_blocknum_j = (j - width_block / 2) // width_blocknum_i = int(num_i)num_j = int(num_j)num1 = num_i * step_ + num_jnum2 = num1 + 1num3 = num1 + step_num4 = num2 + step_u = (j - (num_j * width_block + width_block / 2)) / (1.0 * width_block)v = (i - (num_i * height_block + height_block / 2)) / (1.0 * height_block)y16[i, j] = ((1 - u) * (1 - v) * CDF_hist[num1, y16[i, j]] * 255 +  u * (1-v) * CDF_hist[num2, y16[i, j]] * 255 + v * (1-u) * CDF_hist[num3, y16[i, j]] * 255 + u * v * CDF_hist[num4, y16[i, j]] * 255)# # if y16[i, j] > 255:# #     y16[i, j] = 255# # elif y16[i, j] < 0:# #     y16[i, j] = 0y16[i, j] = y16[i, j] + (y16[i, j] << 8) + (y16[i, j] << 16)return y16.astype(np.uint8)

双线性插值原理见这里
限制自适应直方图调光可以很好的解决图像局部对比度的问题,但是可能会带来图像总体亮度偏暗,这时将线性调光的结果加权融合就可以很好的解决这个问题。

4、混合调光

如上所说就是将两种调光的y8按照加权的方式融合即可。

5、总结

1、上述的每种调光都有自己的优点,可以综合考虑。
2、还有一些更新的tone mapping的方法,可以看看相关的论文。

这篇关于ISP-不同的调光方法(ToneMapping)线性、直方图、限制自适应直方图的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/812435

相关文章

macOS无效Launchpad图标轻松删除的4 种实用方法

《macOS无效Launchpad图标轻松删除的4种实用方法》mac中不在appstore上下载的应用经常在删除后它的图标还残留在launchpad中,并且长按图标也不会出现删除符号,下面解决这个问... 在 MACOS 上,Launchpad(也就是「启动台」)是一个便捷的 App 启动工具。但有时候,应

SpringBoot日志配置SLF4J和Logback的方法实现

《SpringBoot日志配置SLF4J和Logback的方法实现》日志记录是不可或缺的一部分,本文主要介绍了SpringBoot日志配置SLF4J和Logback的方法实现,文中通过示例代码介绍的非... 目录一、前言二、案例一:初识日志三、案例二:使用Lombok输出日志四、案例三:配置Logback一

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

mysql出现ERROR 2003 (HY000): Can‘t connect to MySQL server on ‘localhost‘ (10061)的解决方法

《mysql出现ERROR2003(HY000):Can‘tconnecttoMySQLserveron‘localhost‘(10061)的解决方法》本文主要介绍了mysql出现... 目录前言:第一步:第二步:第三步:总结:前言:当你想通过命令窗口想打开mysql时候发现提http://www.cpp

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

MySQL INSERT语句实现当记录不存在时插入的几种方法

《MySQLINSERT语句实现当记录不存在时插入的几种方法》MySQL的INSERT语句是用于向数据库表中插入新记录的关键命令,下面:本文主要介绍MySQLINSERT语句实现当记录不存在时... 目录使用 INSERT IGNORE使用 ON DUPLICATE KEY UPDATE使用 REPLACE

浅谈mysql的sql_mode可能会限制你的查询

《浅谈mysql的sql_mode可能会限制你的查询》本文主要介绍了浅谈mysql的sql_mode可能会限制你的查询,这个问题主要说明的是,我们写的sql查询语句违背了聚合函数groupby的规则... 目录场景:问题描述原因分析:解决方案:第一种:修改后,只有当前生效,若是mysql服务重启,就会失效;

MySQL中慢SQL优化的不同方式介绍

《MySQL中慢SQL优化的不同方式介绍》慢SQL的优化,主要从两个方面考虑,SQL语句本身的优化,以及数据库设计的优化,下面小编就来给大家介绍一下有哪些方式可以优化慢SQL吧... 目录避免不必要的列分页优化索引优化JOIN 的优化排序优化UNION 优化慢 SQL 的优化,主要从两个方面考虑,SQL 语

CentOS 7部署主域名服务器 DNS的方法

《CentOS7部署主域名服务器DNS的方法》文章详细介绍了在CentOS7上部署主域名服务器DNS的步骤,包括安装BIND服务、配置DNS服务、添加域名区域、创建区域文件、配置反向解析、检查配置... 目录1. 安装 BIND 服务和工具2.  配置 BIND 服务3 . 添加你的域名区域配置4.创建区域

mss32.dll文件丢失怎么办? 电脑提示mss32.dll丢失的多种修复方法

《mss32.dll文件丢失怎么办?电脑提示mss32.dll丢失的多种修复方法》最近,很多电脑用户可能遇到了mss32.dll文件丢失的问题,导致一些应用程序无法正常启动,那么,如何修复这个问题呢... 在电脑常年累月的使用过程中,偶尔会遇到一些问题令人头疼。像是某个程序尝试运行时,系统突然弹出一个错误提