毕设—高动态范围图像渲染算法之基于亮度分区与引导滤波的色调映射技术（六）

胡歌爱亦菲

已于 2022-03-30 20:18:58 修改

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏：毕设色调映射文章标签： opencv

于 2020-06-11 13:35:40 首次发布

本文链接：https://blog.youkuaiyun.com/A_ACM/article/details/106673392

顾名思义，该算法就是先对亮度进行分区，对不同区域的亮度值进行压缩，把压缩后的图像作为引导图像，对原图像进行引导滤波，本项目的引导滤波器使用的Open CV函数库内的函数。
亮度分区示意图：
在这里插入图片描述使用上方的两个分区函数，找到分区界限，LA、LB。其中权重α取值如图：

然后把亮度分成三个区域[Lmin,LA]、[LA,LB]、[LB,Lmax]，对这三个区域分别进行伽马校正。在校正过程中，会出现低亮度区域的最大值高于高亮度区域最小值的问题，所以伽马系数的取值要谨慎，通过大量实验最后得出当γ取值为5、1.25、0.83时效果最佳。
引导滤波示意图：
在这里插入图片描述本算法参考的文献是：《一种亮度分区和导向滤波相结合的色调映射算法》

实现该算法共分为五步:

第一步：色彩空间转化和归一化

第二步：计算分区界限

Yav = (Ysum/(1.0*rows*cols));//求取对数平均值

//亮度分区计算
double key=(Yav-log(Ymin+a))/(log(Ymax + a)-log(Ymin + a));
LD=Ymax-(0.9+0.1

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

胡歌爱亦菲

关注关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

Real-time noise-aware tone mapping阅读笔记

WHU-Even的博客

09-03

1804

《Real-time noise-aware tone mapping》 G Eilertsen, RK Mantiuk, J Unger - ACM Transactions on Graphics (TOG), 2015 - dl.acm.org 文章链接全文翻译（机翻+部分修改） Abstract 许多应用需要实时高质量的视频色调映射，例如相机中的数字取景器、适应环境光的显示算法、相机处理、视频游戏渲染引擎和视频后处理。我们为这些应用提出了一个可行的解决方案，设计了一个视频色调映射解决方案，该解决方

论文研究-亮度分区自适应对数色调映射算法.pdf

07-22

色调映射可将高动态范围图像显示在低动态范围显示器上。常用的对数全局色调映射算法由于压缩范围有限容易引起细节丢失，针对高动态范围图像的显示问题给出一种基于亮度分区的自适应对数色调映射算法。将高动态范围图像由RGB颜色空间转换为XYZ颜色空间以提取图像亮度信息，然后将亮度图分为高、中、低三个照度区域。根据区域亮度属性实施对数色调映射实现动态范围局部压缩，并进行融合处理以消除区域交界处的显示效果。同时采用双边滤波技术进行细节补偿。实验结果表明，此算法能有效压缩动态范围并再现真实场景信息，同时可以保留丰富的细节。

1 条评论您还未登录，请先登录后发表或查看评论

算法学习小结-图像渲染

m0_51145154的博客

03-06

434

描述有一幅以 m x n 的二维整数数组表示的图画 image ，其中 image[i][j] 表示该图画的像素值大小。你也被给予三个整数 sr , sc 和 newColor 。你应该从像素 image[sr][sc] 开始对图像进行上色填充。为了完成上色工作，从初始像素开始，记录初始坐标的上下左右四个方向上像素值与初始坐标相同的相连像素点，接着再记录这四个方向上符合条件的像素点与他们对应四个方向上像素值与初始坐标相同的相连像素点，……，重复该过程。将所有有记录的像素点的颜色值改为

29.图像渲染（medium）

最新发布

doting__的博客

05-18

834

最后返回经过上色渲染修改后的图像。示例 1:[https://assets.leetcode.com/uploads/2021/06/01/flood1-grid.jpg]输入：image = [[1,1,1],[1,1,0],[1,0,1]]，sr = 1, sc = 1, color = 2输出：[[2,2,2],[2,2,0],[2,0,1]]解释：在图像的正中间，坐标 (sr,sc)=(1,1) （即红色像素）,在路径上所有符合条件的像素点的颜色都被更改成相同的新颜色（即蓝色像素）。

LeetCode 算法 733：图像渲染

Mr_atopos的博客

07-28

348

An image is represented by an m x n integer grid image where image[i][j] represents the pixel value of the image. You are also given three integers sr, sc, and newColor. You should perform a flood fill on the image starting from the pixel image[sr][sc]. To

计算摄影： 高动态范围成像

Matrix-11

08-02

2489

在摄影中，曝光是非常重要的一个参数，曝光时间过长，最终拍摄的图像会显得泛白，就是我们常说的 “过曝”，曝光时间不足的话，图像会显得比较暗，也就是所说的 “欠曝” ，现在的拍摄，一般都有一个自动曝光的估计，通过测量环境光照的强度，来设置合适的曝光时间，让最终的图像明亮比较合适。在真实的场景中，环境光照有一个很宽泛的范围，sensor 一般很难覆盖整个范围，这就是我们所说的高动态范围场景，拍照的人，...

从零开始算法之路 ---- 733. 图像渲染 ( self )

IT小白的博客

09-02

372

前言:小白入门题解，算法大佬可以直接跳过此博客（大佬轻喷哈）题源: 力扣(LeetCode）https://leetcode-cn.com/problems/flood-fill/ 题目描述: 有一幅以二维整数数组表示的图画，每一个整数表示该图画的像素值大小，数值在 0 到 65535 之间。给你一个坐标 (sr, sc) 表示图像渲染开始的像素值（行，列）和一个新的颜色值 newColor...

【SketchUp图形渲染技术提升】：掌握这些高级技巧，让你的贴图更上一层楼！

本文深入探讨了SketchUp图形渲染技术的基础知识与高级应用。首先介绍了图形渲染的基础概念，随后详细阐述了高级渲染理论，包括光照和阴影的处理、材质和贴图的理解、以及全局光照和抗锯齿技术的应用。第三章提出了...

实时图像处理技术

实时图像处理技术是现代技术中一个快速发展且应用广泛的领域，涉及到图像信号的数字化、图像的表示、基本处理操作以及实时捕获与增强算法。本文首先概述了实时图像处理的基础理论，包括采样定理、量化过程和常用图像...

【3D空间深度打造】：OSG阴影技术详解

首先介绍了3D渲染基础和阴影理论，包括渲染管线、光照基础、阴影的定义和类型，以及阴影映射技术原理。接着，深入探讨了OSG中实现硬阴影与软阴影的方法，优化策略，以及如何同步更新阴影与光照。通过实践案例分析了...

算法题十三之图像渲染

共同交流与成长

09-08

274

题目 leetcode 传送门我发现，原题描述很让人迷惑，把一道简简单单的题目故意说得很复杂。简单翻译一下有一个矩阵，宽高是 n 与 m 这个矩阵里有颜色值，有一个数字表示现在给你一个点（sr，sc）和一个新的颜色值，让你把这个矩阵与点（sr，sc）直接与间接相连格子染成新的颜色值。判断相连的方式是上下左右思路从起点（sr，sc）开始深度遍历每次对比上下左右的颜色值是否与当前点一致如果一致，则递归调用如果不一致，则停止。附上代码 public int[][] flood

HDR高动态范围图像处理算法

Vertira的博客

05-21

3670

一、高动态范围图像综述 高动态范围HDR（Hight Dynamic Range）图像合成技术是一种利用计算机高速运算产生高质量逼真效果的场景图像融合技术，广泛应用于计算机游戏开发、医疗影像、遥感图像处理和计算机图形学等领域。高动态范围图像的动态范围很高、所谓的动态范围指图像亮度值的最大值与最小值的比，动态范围越大表面图像显示的场景细节越多，视觉效果更逼真。一般的传统图像采用一个字节即8比特的空间来存放一个像素，所以普通图像的亮度级别只有256级，这在很多场合都不能满足对场景细节要求很高的需要。而高动态范

算法题:图像渲染

qq_52772299的博客

04-05

444

leetCode原题: 有一幅以 m x n 的二维整数数组表示的图画 image ，其中 image[i][j] 表示该图画的像素值大小。你也被给予三个整数 sr , sc 和 newColor 。你应该从像素 image[sr][sc] 开始对图像进行上色填充。为了完成上色工作，从初始像素开始，记录初始坐标的上下左右四个方向上像素值与初始坐标相同的相连像素点，接着再记录这四个方向上符合条件的像素点与他们对应四个方向上像素值与初始坐标相同的相连像素点，……，重复该过程。将所有有记

【图像渲染】Z-Buffer 算法

Dust的博客

05-23

1085

来源：games101图形学入门Lecture07 Lingqi Yan UC Santa Barbara Z-Buffer Idea: Store current min. z-value for each sample (pixel) Needs an additional buffer for depth values frame buffer stores color values depth buffer (z-buffer) stores depth IMPORTANT: For .

算法入门C——733. 图像渲染

Super辉sir的博客

11-09

987

个人思路：（深度优先搜索）根据题目的提示，我们可以得知像素存放在二维数组image中，它的行数为imageSize，列数为imageColSize[0]（第一行的列数），定义一个递归函数dfs()，函数里将image[sr,sc]的像素值与其上下左右四个像素点的像素值对比，如果相同，则将像素值进行修改（改成newColor），同时继续调用递归函数dfs()，直到某像素点上下左右的像素都与原来image[sr,sc]不同，或者到达像素数组的四个边界。

【力扣算法题】图像渲染

qq_44671773的博客

04-07

990

【力扣算法题】图像渲染

我的算法之路36--图像渲染

joaming的博客

05-31

665

class Solution: def floodFill(self, image: List[List[int]], sr: int, sc: int, newColor: int) -> List[List[int]]: visited=[] pre=image[sr][sc] self.dp(image,sr,sc,newColo...

毕设—基于OpenCV的高动态范围图像渲染算法研究与实现（一）

A_ACM的博客

05-22

1346

本论文共实现了五种色调映射算法——基于对数变换的色调映射技术、基于直方图均衡化的色调映射技术、基于Retinex的色调映射技术、基于双边滤波的色调映射技术、基于亮度分区与引导滤波的色调映射技术。在实现这五种算法之前我们需要实现一个功能，就是对HDRI文件的读取，色调映射技术就是把无法在显示器上直接显示的HDR图像转化为可以直接显示的RGB图像，那显然HDRI文件的读取是必不可少的。读取完成之后，我们把文件中表示图像长宽和色彩信息的数据用结构体记录下来，之后我们对这些数据进行色调映射。最后就是界面设计。

高动态范围（High-Dynamic Range，简称HDR）

热门推荐

吴建明wujianming_110117

05-19

1万+

高动态范围（High-Dynamic Range，简称HDR）一．HDR介绍 高动态范围（High-Dynamic Range，简称HDR），又称宽动态范围技术，是在非常强烈的对比下让摄像机看到影像的特色而运用的一种技术。当在强光源（日光、灯具或反光等）照射下的高亮度区域及阴影、逆光等相对亮度较低的区域在图像中同时存在时，摄像机输出的图像会出现明亮区域因曝光过度成为白色，而黑暗区域因曝光不足成为黑色，严重影响图像质量。摄像机在同一场景中对最亮区域及较暗区域的表现是存在局限的，这种局限就是通常所讲的“动态

粉色滤镜

04-03

<think>好的，我现在要帮用户介绍一下“粉色滤镜”。首先，我需要明确用户的需求是什么。他们可能是在摄影、社交媒体或者图像处理中遇到了需要应用粉色滤镜的情况，想了解它的核心特点、实现方法以及应用场景。先回忆一下用户之前的问题，他们之前问过卡通滤镜，所以可能对滤镜的技术细节有一定了解，但这次是粉色滤镜，属于颜色调整类的滤镜，和卡通滤镜的风格化处理不同。需要区分这两者的不同之处。首先，粉色滤镜的核心特点应该包括整体色调偏向粉色、调整亮度和对比度来营造氛围、保留高光细节以及可能添加的光晕效果。需要确认这些是否准确，可能需要查阅相关资料，确保信息正确。接下来是技术实现原理。颜色通道调整是关键，比如增强红色和蓝色通道，减弱绿色，可能涉及到HSL调整，增加色相偏向洋红，降低饱和度，提高明度。同时，可能需要使用曲线工具或者渐变映射来添加粉色色调。还要考虑使用柔光效果或高斯模糊来营造朦胧感。实际应用方法部分，用户可能想知道如何在常见软件中实现，比如Photoshop、Lightroom或者手机APP，比如VSCO、Instagram。需要提供具体的步骤，比如在PS中使用照片滤镜调整层，或者手机APP中的预设选择。编程实现的话，用户可能对OpenCV或Python库感兴趣，需要给出代码示例，比如使用cv2的split和merge调整通道，或者添加颜色层。要注意代码的正确性，比如正确的参数和函数用法。技术难点方面，粉色滤镜可能会遇到的问题包括肤色失真、颜色溢出到不需要的区域，或者整体色调过于夸张。需要提供解决方案，比如局部调整蒙版、LAB颜色空间处理，或者使用AI进行智能分区。与相近滤镜的差异部分，需要比较粉色滤镜与夕阳滤镜、少女风滤镜的区别，比如色调倾向、对比度处理、应用场景的不同，这样用户能更好地区分它们的使用情境。应用场景方面，婚纱摄影、ins风照片、情人节主题设计、美妆试色等都是常见的用途，需要具体说明每个场景中的应用方式，帮助用户理解如何实际使用。最后，总结时要强调技术要点，比如颜色通道调整和氛围营造，同时提醒用户注意自然过渡，避免失真。可能用户是摄影师、设计师或普通用户，需要根据他们的不同背景调整解释的深度，但保持整体易懂。需要检查是否有遗漏的关键点，比如是否提到色温调整，或者特定的滤镜效果如光晕的具体实现方法。另外，确保技术术语准确，比如双边滤波、高斯模糊的区别和应用场景。最后，确保回答结构清晰，分点明确，符合用户之前提供的系统级指令，使用正确的LaTeX格式，特别是在数学公式和代码部分。同时，使用中文，避免使用复杂句子，保持口语化但专业。</think>--- ### **1. 粉色滤镜的核心特点** - **整体色调偏移**：将画面主色调统一为粉红色系（从浅粉到玫红）。 - **氛围柔化**：降低对比度并提升亮度，模拟朦胧梦幻感。 - **高光保留**：保持皮肤或金属等高光区域自然质感。 - **光晕叠加**：常在光源周围添加粉紫色光斑，增强浪漫效果。 --- ### **2. 实现原理与关键技术** #### **步骤1：基础色调迁移** - **颜色通道调整**： - 增强红色通道（R↑），削弱绿色通道（G↓），例如： $$ R' = R \times 1.3, \quad G' = G \times 0.7 $$ - 在HSL空间调整：色相（Hue）向洋红偏移（+15°~30°），降低饱和度（S-20%），提升明度（L+10%）。 - **曲线工具应用**：在RGB曲线中压低暗部并提亮中间调，公式近似： $$ I_{\text{out}} = (I_{\text{in}})^{0.8} + 0.1 \cdot \sin(2\pi I_{\text{in}}) $$ 用于制造柔和褪色效果。 #### **步骤2：粉色调分层渲染** - **渐变映射**：叠加粉色到透明的线性渐变层（混合模式选“叠加”或“颜色”），例如： $$ C_{\text{final}} = C_{\text{base}} \cdot (1-\alpha) + (R:255, G:182, B:193) \cdot \alpha $$ - **选择性着色**：通过蒙版保护皮肤区域，仅对背景进行粉色增强（LAB颜色空间分离明度通道）。 #### **步骤3：柔光效果生成** - **高斯模糊混合**：复制图层并应用半径15-30px的高斯模糊，混合模式设为“滤色”或“柔光”： $$ I_{\text{blend}} = 2 \cdot I_{\text{sharp}} \cdot I_{\text{blur}} \quad (\text{柔光模式}) $$ - **光晕模拟**：用径向渐变创建中心亮斑，叠加粉色外发光（不透明度30%-50%）。 --- ### **3. 实际应用方法** #### **在软件中快速实现** - **Photoshop/Lightroom**： 1. 添加“照片滤镜”调整层，选择“深红”或“洋红”（浓度25%-40%） 2. 使用“颜色查找表”（3DLUT）加载预设文件（如VSCO的P系列） 3. 用“径向滤镜”局部提亮中心区域 - **手机APP（如VSCO、醒图）**：选择滤镜“P5/PINK”、“粉夏”等，调节“色调”+2、“高光”+3、“阴影”-1 #### **编程实现（Python + PIL库）** ```python from PIL import Image, ImageEnhance, ImageFilter def apply_pink_filter(img_path): img = Image.open(img_path) # 颜色通道调整 r, g, b = img.split() r = r.point(lambda x: x * 1.3) g = g.point(lambda x: x * 0.7) img = Image.merge("RGB", (r, g, b)) # 添加粉色叠加层 pink_layer = Image.new("RGB", img.size, (255, 192, 203)) img = Image.blend(img, pink_layer, alpha=0.2) # 柔光处理 blurred = img.filter(ImageFilter.GaussianBlur(15)) img = Image.blend(img, blurred, alpha=0.3) # 提升亮度 enhancer = ImageEnhance.Brightness(img) img = enhancer.enhance(1.2) img.save("pink_filter_result.jpg") ``` --- ### **4. 技术难点与解决方案** - **肤色保护**：使用人脸检测算法（如dlib）建立蒙版，限制肤色区域的色调偏移幅度： $$ \Delta H_{\text{skin}} = 0.3 \cdot \Delta H_{\text{global}} $$ - **色彩溢出控制**：在LAB颜色空间单独调整a通道（红绿色轴），避免整体偏色： $$ a' = a + 15 \quad (\text{仅限} L>50 \text{的区域}) $$ - **暗部发灰**：使用S曲线增强暗部对比度： $$ \text{暗部曲线锚点：} (0,0) \rightarrow (50,30) $$ --- ### **5. 与相近滤镜的差异** | **滤镜类型** | **色调倾向** | **对比度处理** | **典型应用场景** | |----------------|-----------------------|---------------------|-----------------------| | **粉色滤镜** | 粉红/玫红 | 整体降低，高光柔和 | 婚纱照、ins风自拍 | | **夕阳滤镜** | 橙红/紫红渐变 | 增强暗部压暗 | 风景摄影、剪影 | | **少女风滤镜** | 粉蓝/粉黄搭配 | 高对比+褪色效果 | 日系写真、甜品拍摄 | --- ### **6. 应用场景** - **婚纱摄影**：将白色婚纱渲染为淡粉色，营造童话氛围。 - **ins风静物**：使咖啡杯、花卉等物体呈现马卡龙色系。 - **情人节设计**：统一海报主色调为浪漫粉。 - **美妆试色**：突出唇膏/腮红的粉色调（需配合局部饱和度增强）。 --- ### **总结** 粉色滤镜通过**颜色通道重组**与**光学特效叠加**，将画面转化为具有情感导向的浪漫风格。关键技术在于平衡整体偏色与局部细节保留，可通过分层调整（全局色调+局部保护）实现自然过渡。实际应用中需注意避免过度处理导致的塑料感，建议保留5%-10%的原始色彩作为视觉锚点。