HDR算法（一）

HDR的图像合成compose，包含有以下几个步骤：

Step0 图像配准，在图像有运动的情况下，需要精确配准输入图像

Step1 恢复不同曝光图像 (E1, E2, E3…)的辐射度图像 (S1, S2, S3…)

Step2计算S1, S2, S3..的权重值w1(x,y), w2(x,y), w3(x,y)，来合成最后一幅图

 

无论是多帧合成的HDR，还是特殊曝光pattern的sensor，都遵循上面的步骤。展开介绍一下:

Step0 图像配准，参照光流的实现，这一步主要是用在多帧不同曝光图像合成的情况，是之后两步的基础

Step1 恢复辐照度图像，即根据曝光时间（大部分情况下是通过曝光时间来获取高动态范围），以及CMOS灰度值，得到该像素点原本的辐照度。

一种辐照度与曝光时间和cmos灰度的对应关系是这样的

E(i,j) = Func( T(i) x  I(j) )

E(i,j)为第i次曝光的，曝光时长为T(i)的，图像I第j个像素点的实际辐照度。

可以根据标定的方式结合最小二乘，得到这个曲线的参数。

理论上，如果不存在噪声，那么根据step1，完全可以融合成一张HDR的图片了（用其他图像补偿一幅图像中过曝以及欠曝，以至于算出来的辐照度不准确的点）。当然现实不是这样的，考虑到算出来的辐照度是有一定的不确定性的，我们需要不确定性最小的那个。所以需要step2.

Step2 计算辐射度图像合成一幅图像的每个像素点处的权重，即生成n幅权重图。

有各种生成权重图的方式，主要是考虑到这个点邻域的梯度，亮度，运动与否（长短曝光相比），来考察这个点生成的辐照度图像的可靠程度，进而确定权重图。

 

下一次会讲tone mapping色调映射，这个主要是得到HDR图像后，如何在显示器上显示出来，毕竟，HDR的图像位数比较高，而显示器的显示范围有限。高动态范围压缩到地动态范围。包括全局映射和局部映射。

HDR相关的topic有许多的知识，还包括HDR算法的评价等。