一种高动态范围图像压缩的方法及装置

技术领域

本申请涉及图像处理技术领域，特别是涉及一种高动态范围图像压缩的方法及装置。

背景技术

相比于低动态范围(Low-Dynamic Range，LDR)图像，高动态范围(High-DynamicRange，HDR)图像能提供更宽的亮度范围，图像视觉效果越接近现实世界。由于目前显示设备所能显示的图像动态范围是有限的，绝大多数显示设备无法输出HDR图像。为了使显示设备显示HDR图像，需对HDR图像的动态范围进行压缩，将HDR图像转化为LDR图像输出，同时使其更为接近人类视觉系统。

传统的HDR图像压缩方法主要为自动增益控制、伽马校正和直方图均衡化。这些方法由于其简单性，通常会导致压缩后的LDR图像产生过曝、细节丢失和噪声放大等问题。更为先进一些的HDR图像压缩方法为基于图像分层的动态范围压缩算法，具体的将图像分为基础层和细节层，再对基础层和细节层分别进行处理然后重新组合。这些方法能有效地保证图像细节的完整性，但容易产生光晕伪影、亮区过曝以及暗区对比度较低等问题。

因此，需提出一种更好地HDR图像压缩方法。

发明内容

为克服上述现有技术存在的不足，本申请之目的在于提供一种高动态范围图像压缩的方法及装置，能解决现有HDR图像压缩方案中存在的容易产生光晕伪影、亮区过曝以及暗区对比度较低等问题。

为达上述及其它目的，本申请提出一种高动态范围图像压缩的方法，包括如下步骤：

获取三通道HDR图像；

对所述三通道HDR图像进行亮暗区分割计算，得到对应的亮暗区分割矩阵；

使用平滑滤波器将所述三通道HDR图像划分为基础层和细节层；

对所述基础层进行亮暗区动态压缩，得到亮区的压缩基础层和暗区的压缩基础层；

根据所述亮区的压缩基础层和所述暗区的压缩基础层将所述细节层对应合并为亮区的LDR图像和暗区的LDR图像；

根据所述亮暗区分割矩阵对所述亮区的LDR图像和所述暗区的LDR图像进行融合，得到对应的三通道LDR图像。

可选的，所述对所述三通道HDR图像进行亮暗区分割计算，得到对应的亮暗区分割矩阵包括：

将所述三通道HDR图像转换为亮度层矩阵；

对所述亮度层矩阵进行伽马域转换，得到亮度层伽马域矩阵；

将所述亮度层伽马域矩阵进行归一化及预设比特位宽的映射处理，得到伽马域平均亮度值；

对所述亮度层伽马域矩阵进行像素统计，得到亮度层的全局直方图，所述全局直方图包括不同像素值下对应的像素数量；

根据所述伽马域平均亮度值和所述全局直方图，计算亮暗区分割矩阵。

可选的，所述根据所述伽马域平均亮度值和所述全局直方图，计算亮暗区分割矩阵包括：

对所述全局直方图进行像素逐级累计，得到对应的累计直方图；

根据所述伽马域平均亮度值和预设的亮度参数，对所述累计直方图进行归一化处理，得到归一化后的累计直方图，所述归一化后的累计直方图包括不同像素值下对应像素所占的百分比；

根据所述归一化后的累计直方图对所述三通道HDR图像中每个像素点的伽马域亮度值进行处理，得到亮暗区分割矩阵。

可选的，所述使用平滑滤波器将所述三通道HDR图像划分为基础层和细节层包括：

将所述三通道HDR图像分离为三通道亮度域矩阵，并对所述三通道亮度域矩阵进行伽马域计算，得到对应通道的伽马域矩阵；

使用平滑滤波器将对应通道的所述伽马域矩阵划分为伽马域基础层和伽马域细节层。

可选的，所述对所述基础层进行亮暗区动态压缩，得到亮区的压缩基础层和暗区的压缩基础层包括：

将所述伽马域基础层进行亮度域计算，得到对应的亮度域基础层；

根据预设的亮区压缩参数对所述亮度域基础层进行亮区动态压缩，得到亮区的压缩基础层；

根据预设的暗区压缩参数对所述亮度域基础层进行暗区动态压缩，得到暗区的压缩基础层。

为达上述及其它目的，本申请提出一种高动态范围图像压缩的装置，包括：

HDR图像输入单元，用于获取三通道HDR图像；

亮暗区分割矩阵单元，用于对所述三通道HDR图像进行亮暗区分割计算，得到对应的亮暗区分割矩阵；

动态范围压缩单元，用于使用平滑滤波器将所述三通道HDR图像分为基础层和细节层，对所述基础层进行亮暗区动态压缩得到亮区的压缩基础层和暗区的压缩基础层，根据所述亮区的压缩基础层和所述暗区的压缩基础层将所述细节层对应合并为亮区的LDR图像和暗区的LDR图像；

亮暗区合并单元，用于根据所述亮暗区分割矩阵对所述亮区的LDR图像和所述暗区的LDR图像进行融合，得到对应的三通道LDR图像；

LDR图像输出单元，用于输出所述三通道LDR图像。

可选的，所述亮暗区分割矩阵单元包括亮度层计算模块、伽马域亮度计算模块、直方图统计模块和亮暗区分割矩阵计算模块，其中：

所述亮度层计算模块，用于将所述三通道HDR图像转换为亮度层矩阵；

所述伽马域亮度计算模块，用于对所述亮度层矩阵进行伽马域转换，得到亮度层伽马域矩阵；将所述亮度层伽马域矩阵进行归一化及预设比特位宽的映射处理，得到伽马域平均亮度值；

所述直方图统计模块，用于对所述亮度层伽马域矩阵进行像素统计，得到亮度层的全局直方图，所述全局直方图包括不同像素值下对应的像素数量；

所述亮暗区分割矩阵计算模块，用于根据所述伽马域平均亮度值和所述全局直方图，计算亮暗区分割矩阵。

可选的，所述亮暗区分割矩阵计算模块具体用于：

对所述全局直方图进行像素逐级累计，得到对应的累计直方图；

根据所述伽马域平均亮度值和预设的亮度参数，对所述累计直方图进行归一化处理，得到归一化后的累计直方图，所述归一化后的累计直方图包括不同像素值下对应像素所占的百分比；

根据所述归一化后的累计直方图对所述三通道HDR图像中每个像素点的伽马域亮度值进行处理，得到亮暗区分割矩阵。

可选的，所述动态范围压缩单元包括伽马域计算模块和平滑滤波模块，其中：

所述伽马域计算模块，用于将所述三通道HDR图像分离为三通道亮度域矩阵，并对所述三通道亮度域矩阵进行伽马域计算，得到对应通道的伽马域矩阵；

所述平滑滤波模块，用于使用平滑滤波器将对应通道的所述伽马域矩阵划分为伽马域基础层和伽马域细节层。

可选的，所述动态范围压缩单元还包括基础层动态范围压缩模块和细节层合并模块，其中：

所述基础层动态范围压缩模块，用于将所述伽马域基础层进行亮度域计算，得到对应的亮度域基础层；根据预设的亮区压缩参数对所述亮度域基础层进行亮区动态压缩，得到亮区的压缩基础层；根据预设的暗区压缩参数对所述亮度域基础层进行暗区动态压缩，得到暗区的压缩基础层；

所述细节层合并模块，用于根据所述亮区的压缩基础层和所述暗区的压缩基础层将所述伽马域细节层对应合并为亮区的LDR图像和暗区的LDR图像。

由上可见本申请提供了一种高动态范围图像压缩的方法及装置，能达到以下有益效果：能有效减少图像中产生的光晕伪影、保存完整的图像细节、抑制图像亮区过亮、提升暗区的对比度，进一步提高图像的整体效果。

附图说明

图1是本申请实施例提供的一种高动态范围图像压缩的方法的流程示意图。

图2是本申请实施例提供的一种全局直方图的分布示意图。

图3是本申请实施例提供的一种归一化后的累计直方图的示意图。

图4是本申请实施例提供的几种动态范围压缩曲线的示意图。

图5是本申请实施例提供的一种高动态范围图像压缩的装置的结构示意图。

图6是本申请实施例提供的一种亮暗区分割矩阵单元的结构示意图。

图7是本申请实施例提供的一种动态范围压缩单元的结构示意图。

具体实施方式

以下通过特定的具体实例并结合附图说明本申请的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本申请的其它优点与功效。本申请亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本申请的精神下进行各种修饰与变更。

本申请提出一种高动态范围HDR图像压缩的方法及装置，能够根据图像伽马域信息自适应地划分出亮暗区，并根据亮暗区分别进行动态范围压缩，以有效减少图像中产生的光晕伪影，保证完整的图像细节，抑制亮区过亮以及提升暗区的对比度，进一步提高图像的整体效果。

请参见图1，是本申请提出的一种高动态范围图压缩的方法的流程示意图。如图1所示的方法包括如下实施步骤：

S101、获取三通道HDR图像。

本申请涉及的HDR图像为高动态范围模式下的输入图像，该输入图像是三通道RGB图像，三通道是指R通道、G通道及B通道。

S102、对所述三通道HDR图像进行亮暗区分割计算，得到对应的亮暗区分割矩阵。

为防止原图(即三通道HDR图像)经过动态范围压缩后在高亮区产生过曝现象，需对动态范围压缩后的高亮区加以限制。本申请提出对三通道HDR图像进行亮暗区分割计算，以将原图划分为亮区和暗区及获得相应的亮暗区分割矩阵，然后再根据亮区和暗区分别进行动态压缩，不仅能削弱图像产生的光晕伪影，还可有效抑制亮区过亮及提升暗区的对比度。

作为一种可能的实施方式，本申请采用亮度计算公式将三通道HDR图像转化为亮度层矩阵，其中亮度计算公式具体如下公式(1)所示：

Yin＝0.2989×Rin+0.5870×Gin+0.1140×Bin 公式(1)

其中，Yin为亮度层矩阵，Rin为三通道HDR图像中R通道上对应的矩阵，Gin为三通道HDR图像中G通道上对应的矩阵，Bin为三通道HDR图像中B通道上对应的矩阵。

进一步对亮度层矩阵Rin进行伽马域变换得到亮度层伽马域矩阵Gammain。然后再对Gammain进行归一化处理得到伽马域平均亮度值meanGamma，归一化后再进行预设比特位宽的映射处理，例如将其映射到16比特位宽上，计算求得对应的亮度层伽马域平均亮度值Y_meanGamma。其涉及的具体计算公式如下公式(2)所示：

其中，gamma是预先配置的伽马参数，通常选择的默认值为9.6。floor()是一个数学函数，其功能是向下取整。

进一步再对亮度层伽马域矩阵Gammain进行像素统计，得到亮度层的全局直方图Pdf。该全局直方图中包括不同像素值下对应的像素数量。具体的例如，根据上述所得的16比特位宽亮度层伽马域矩阵，统计出该亮度层伽马域矩阵在16比特位宽中对应各个像素值的像素个数，以得到整个亮度层伽马域矩阵的像素分布所形成的全局直方图Pdf。如图2示出一种可能的全局直方图的分布示意图。如图2，横坐标表示像素值，纵坐标表示像素个数。即图2示出了不同像素值下对应的像素个数(即像素数量)。

最后根据所得的伽马域平均亮度值和亮度层的全局直方图Pdf，计算亮暗区分割矩阵Ftm。具体地，本申请以伽马域平均亮度值meanGamma为分割点，对图像的亮度层伽马域矩阵Gammain进行分割，像素值小于meanGamma的像素点所在的区域为暗区，像素值大于等于meanGamma的像素点所在的区域为亮区。由于亮区和暗区之间的过渡不平滑，需根据全局直方图Pdf来计算亮暗区的过渡矩阵，即亮暗区分割矩阵Ftm。

在一具体实施例中，本申请对全局直方图Pdf进行像素逐级累加计算，得到对应的累计直方图Cdf，例如Pdf中像素值0、1和2各自对应的像素个数为300、300和200，则Cdf中像素值1对应的像素个数为：300+300＝600，像素值3对应的像素个数为：300+300+200＝800。进一步再根据伽马域平均亮度值meanGamma及预先配置的亮度参数Tr对累计直方图Cdf进行归一化处理，得到归一化后的累计直方图Cdf_maxmin。如图3示出一种可能的归一化后的累计直方图的示意图。如图3，横坐标表示像素值，纵坐标表示百分比，图3所示的虚线表示亮暗区分割线，其对应的像素值为meanGamma。即图3示出各像素值下对应像素在HDR图像中所占的百分比。其中，亮度参数Tr的取值范围为[0，1]，通常默认值为0.5。Tr取值越大，表示亮暗区分割越严格。当Tr＝1时，表示像素值小于meanGamma对应的百分比全是0，大于等于meanGamma图3所示曲线才开始渐变。当Tr＝0时，表示从像素值为0时图3所示曲线就开始渐变。上述归一化涉及的计算公式如下公式(3)所示：

最后根据归一化后的累计直方图对三通道HDR图像中每个像素点的伽马域亮度值进行处理，得到亮暗区分割矩阵Ftm。具体地，令li(x,y)为坐标点/像素点(x,y)所对应的伽马域亮度值，则亮暗区分割矩阵Ftm的计算公式如下公式(4)所示：

Ftm(x,y)＝1-Cdf_maxmin(li(x,y)) 公式(4)

S103、使用平滑滤波器将所述三通道HDR图像划分为基础层和细节层。

S104、对所述基础层进行亮暗区动态压缩，得到亮区的压缩基础层和暗区的压缩基础层。

本申请通过使用平滑滤波器将三通道HDR图像分为基础层和细节层，然后仅对基础层进行动态范围压缩。这样处理后，光晕伪影得到了相应的削弱，同时本申请基于亮暗区分别进行动态范围压缩，可以有效抑制亮区过亮以及提升暗区的对比度，再加上完全保留的细节层，可以充分提升图像效果。具体地：

本申请根据原始的三通道HDR图像将其按照R、G和B通道分离为三个亮度域矩阵Yin

Gammain

其中K表示R通道、G通道或B通道，Yin

进一步再使用平滑滤波器将对应通道的伽马域矩阵Gammain

其GammaBase

进一步根据所得到的伽马域基础层，将其转换回亮度域进行动态压缩。传统的动态压缩方法主要有自动增益控制、伽马校正和直方图均衡化等，这些方法由于其简单性，通常会导致压缩后的图像产生过曝、细节丢失和噪声放大等问题。本申请结合亮度层伽马域平均亮度值Y_meanGamma，并根据预设的亮区/暗区压缩参数自适应地分别对图像的亮区和暗区进行动态压缩，以有效解决图像亮区过亮及暗区的对比度过低等问题。具体地，本申请将伽马域基础层GammaBase

其中，Y_meanGamma是上述公式(2)计算得到的伽马域平均亮度值。由上述公式(7)可计算得到较为完美的S型压缩曲线，不同σ对亮度域基础层的压缩曲线可如图4所示。如图4，横坐标表示伽马域的像素值，其范围为0-65535，纵坐标表示动态压缩后的输出结果，其范围为0-1。如图4可知，σ越大，则亮区的过曝抑制越强，对比度越高，但对暗区的压缩过大；σ越小，则暗区对比度越好，而亮区越模糊。因此本申请亮区将采用较大的σ_bright进行计算，暗区将采用较小的σ_dark进行计算。通常情况下，为能够使图像的亮暗区进行自适应地动态压缩，σ_bright和σ_dark将采用以下公式(8)参与计算：

S105、根据所述亮区的压缩基础层和所述暗区的压缩基础层将所述细节层对应合并为亮区的LDR图像和暗区的LDR图像。

本申请根据亮区的压缩基础层Yc_bright和暗区的压缩基础层Yc_dark，将细节层合并回去，得到亮区的LDR(输出)图像和暗区的LDR(输出)图像。具体地，先将伽马域细节层进行亮度域转换计算，得到对应的亮度域细节层；然后再利用Yc_bright和Yc_dark将亮度域细节层合并回去。其涉及的具体计算公式如下公式(9)所示：

S106、根据所述亮暗区分割矩阵对所述亮区的LDR图像和所述暗区的LDR图像进行融合，得到对应的三通道LDR图像。

本申请在获得各通道的亮区和暗区的LDR图像后，按照上述计算得到的亮暗区分割矩阵Ftm对其进行融合，得到最终输出的三通道LDR图像Yout

Yout

其中，Yout

通过实施本申请，能够根据图像伽马域信息自适应地划分亮暗区，并根据亮暗区分别进行动态压缩，同时使用平滑滤波器将图像进行基础层和细节层分层，能有效减少图像中产生的光晕伪影，保持完整的图像细节，防止图像过曝及细节丢失，抑制亮区过曝以及提升暗区对比度，进一步提升图像的整体效果。

请参见图5，是本申请实施例提供的一种高动态范围图像压缩的装置的结构示意图。如图5所示的装置500包括：

HDR图像输入单元501，用于获取三通道HDR图像；

亮暗区分割矩阵单元502，用于对所述三通道HDR图像进行亮暗区分割计算，得到对应的亮暗区分割矩阵；

动态范围压缩单元503，用于使用平滑滤波器将所述三通道HDR图像分为基础层和细节层，对所述基础层进行亮暗区动态压缩得到亮区的压缩基础层和暗区的压缩基础层，根据所述亮区的压缩基础层和所述暗区的压缩基础层将所述细节层对应合并为亮区的LDR图像和暗区的LDR图像；

亮暗区合并单元504，用于根据所述亮暗区分割矩阵对所述亮区的LDR图像和所述暗区的LDR图像进行融合，得到对应的三通道LDR图像；

LDR图像输出单元505，用于输出所述三通道LDR图像。

请参见图6示出一种可能的亮暗区分割矩阵单元502的结构示意图，如图6所示的亮暗区分割矩阵单元502可选的包括亮度层计算模块5021、伽马域亮度计算模块5022、直方图统计模块5023和亮暗区分割矩阵计算模块5024，其中：

所述亮度层计算模块5021，用于将所述三通道HDR图像转换为亮度层矩阵；

所述伽马域亮度计算模块5022，用于对所述亮度层矩阵进行伽马域转换，得到亮度层伽马域矩阵；将所述亮度层伽马域矩阵进行归一化及预设比特位宽的映射处理，得到伽马域平均亮度值；

所述直方图统计模块5023，用于对所述亮度层伽马域矩阵进行像素统计，得到亮度层的全局直方图，所述全局直方图包括不同像素值下对应的像素数量；

所述亮暗区分割矩阵计算模块5024，用于根据所述伽马域平均亮度值和所述全局直方图，计算亮暗区分割矩阵。

可选的，所述亮暗区分割矩阵计算模块5024具体用于：

对所述全局直方图进行像素逐级累计，得到对应的累计直方图；

根据所述伽马域平均亮度值和预设的亮度参数，对所述累计直方图进行归一化处理，得到归一化后的累计直方图，所述归一化后的累计直方图包括不同像素值下对应像素所占的百分比；

根据所述归一化后的累计直方图对所述三通道HDR图像中每个像素点的伽马域亮度值进行处理，得到亮暗区分割矩阵。

请参见图7示出一种可能的动态范围压缩单元503的结构示意图，如图7所示的动态范围压缩单元503可选的包括伽马域计算模块5031、平滑滤波模块5032、基础层动态范围压缩模块5033和细节层合并模块5034，其中：

所述伽马域计算模块5031，用于将所述三通道HDR图像分离为三通道亮度域矩阵，并对所述三通道亮度域矩阵进行伽马域计算，得到对应通道的伽马域矩阵；

所述平滑滤波模块5032，用于使用平滑滤波器将对应通道的所述伽马域矩阵划分为伽马域基础层和伽马域细节层。

可选的，所述基础层动态范围压缩模块5033用于将所述伽马域基础层进行亮度域计算，得到对应的亮度域基础层；根据预设的亮区压缩参数对所述亮度域基础层进行亮区动态压缩，得到亮区的压缩基础层；根据预设的暗区压缩参数对所述亮度域基础层进行暗区动态压缩，得到暗区的压缩基础层；

所述细节层合并模块5034，用于根据所述亮区的压缩基础层和所述暗区的压缩基础层将所述伽马域细节层对应合并为亮区的LDR图像和暗区的LDR图像。

通过实施本申请，能够根据图像伽马域信息自适应地划分亮暗区，并根据亮暗区分别进行动态压缩，同时使用平滑滤波器将图像进行基础层和细节层分层，能有效减少图像中产生的光晕伪影，保持完整的图像细节，防止图像过曝及细节丢失，抑制亮区过曝以及提升暗区对比度，进一步提升图像的整体效果。

上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本申请。任何本领域技术人员均可在不违背本申请的精神及范畴下，对上述实施例进行修饰与改变。因此，本申请的权利保护范围，应如权利要求书所列。