close
此篇論文為我在『中興大學資訊科學與工程學系』大學四年級下學期的時候,和『訊號與影像處理實驗室』的指導教授-吳俊霖老師指導下所完成。
近幾年來 "高動態範圍影像" 可以說是越來越熱門,而這篇論文的貢獻主要就是提出一個方法,讓合成出來的高動態範圍影像色彩更加的飽和、銳利,並且有效的解決原始影像本身就過亮導致合成結果錯誤的問題。
而什麼是 "高動態範圍影像"(以下簡稱HDR) 呢?簡單的來說傳統的數位相機所拍出來的相片是屬於 "低動態範圍影像"(以下簡稱LDR),也就是說當外界真實亮度低於某個值,相機只能以 0 來記錄,亮度高於某個臨界值,相機都只能以 255 來表示。所以當天空很亮的時候,拍出來的相片就會一片白,看不到空中的雲彩。而當陰影的部份也只能一片黑,看不到暗部的細節。就像下圖所顯示。左圖為 HDR 影像,也就是眼睛所看到外界的真實景物,右圖為一般數位相機所拍出來的相片,可以看到天空部份呈現一片死白。
而一張 HDR 影像要怎麼產生呢?目前最簡單的方法就是透過 "多張同一個場景,不同曝光時間的序列影像" 來合成之。何主要的合成方法就是透過這多張的影像去算出『相機響應函數』,有了此函數就可以反算出外界的真實亮度。 下圖為利用多張同場景不同曝光時間的影像所合成出來的HDR影像。可以簡單的想像成,原本很亮的區域就用曝光時間很短的來合,原本很暗的區域就用曝光時間很長的來合。
所以相機響應函數就顯的格外的重要了,因為他決定合成出來的結果。而傳統的相機響應函數求得的方法是以整張影像平均取點來計算,但是如果影像本身色彩分布的太過於集中,會導致取到的點相似度過高,最後造成相機響應函數不能完美的反算出外接的真實亮度。因此我們提出了先將影像經過 "K-means" 分群過後,對每個群組各取一點,這樣可以確保整張影像每種顏色都能平均的取樣,如此計算出來的相機響應函數能達到更好的合成效果。下圖分別為 K-means 分群後結果,以及於群組中心點取樣後的點。
而如此合成出來的 HDR 影像色彩會更銳利、鮮豔。
近幾年來 "高動態範圍影像" 可以說是越來越熱門,而這篇論文的貢獻主要就是提出一個方法,讓合成出來的高動態範圍影像色彩更加的飽和、銳利,並且有效的解決原始影像本身就過亮導致合成結果錯誤的問題。
而什麼是 "高動態範圍影像"(以下簡稱HDR) 呢?簡單的來說傳統的數位相機所拍出來的相片是屬於 "低動態範圍影像"(以下簡稱LDR),也就是說當外界真實亮度低於某個值,相機只能以 0 來記錄,亮度高於某個臨界值,相機都只能以 255 來表示。所以當天空很亮的時候,拍出來的相片就會一片白,看不到空中的雲彩。而當陰影的部份也只能一片黑,看不到暗部的細節。就像下圖所顯示。左圖為 HDR 影像,也就是眼睛所看到外界的真實景物,右圖為一般數位相機所拍出來的相片,可以看到天空部份呈現一片死白。
而一張 HDR 影像要怎麼產生呢?目前最簡單的方法就是透過 "多張同一個場景,不同曝光時間的序列影像" 來合成之。何主要的合成方法就是透過這多張的影像去算出『相機響應函數』,有了此函數就可以反算出外界的真實亮度。 下圖為利用多張同場景不同曝光時間的影像所合成出來的HDR影像。可以簡單的想像成,原本很亮的區域就用曝光時間很短的來合,原本很暗的區域就用曝光時間很長的來合。
所以相機響應函數就顯的格外的重要了,因為他決定合成出來的結果。而傳統的相機響應函數求得的方法是以整張影像平均取點來計算,但是如果影像本身色彩分布的太過於集中,會導致取到的點相似度過高,最後造成相機響應函數不能完美的反算出外接的真實亮度。因此我們提出了先將影像經過 "K-means" 分群過後,對每個群組各取一點,這樣可以確保整張影像每種顏色都能平均的取樣,如此計算出來的相機響應函數能達到更好的合成效果。下圖分別為 K-means 分群後結果,以及於群組中心點取樣後的點。
而如此合成出來的 HDR 影像色彩會更銳利、鮮豔。
全站熱搜
留言列表