图像融合：Exposure Fusion

最新推荐文章于 2025-05-16 19:35:33 发布

HFSLZ耶

最新推荐文章于 2025-05-16 19:35:33 发布

阅读量1.1k

点赞数

CC 4.0 BY-SA版权

分类专栏：成像系统及图像处理文章标签：计算机视觉算法图像处理高斯拉普拉斯算子数字信号处理

本文链接：https://blog.youkuaiyun.com/qq_34901691/article/details/118444082

Exposure Fusion是一种图像融合方法，通过对比度、饱和度和曝光度质量衡量来选择最佳图像帧并赋予权重。文章介绍了使用Laplacian算子提取对比度，用方差表示饱和度，以及通过亮度判断曝光程度。融合权重经过归一化处理后，通过直接融合、高斯滤波和平滑处理等方式改善图像断层问题。最终，文章应用基于Laplacian金字塔的融合方法，有效解决了融合过程中的质量问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Exposure Fusion

本篇文章提出了一种将多曝光序列融合成一帧包含更多细节、内容，更高质量的图像，是一种后处理技术，而不是通常的HDR重建工作，这避免了在后处理过程中相机响应曲线(Camera Response Function)的标定。本文内容的核心思想是通过衡量一些具体的图像质量指标，比如图像亮度、颜色饱和度等，来确定序列中的图像在融合过程中所占权重，并通过图像金字塔来完成图像融合。

Quality Measures

在对多曝光图像序列进行融合的时候，往往希望剔除掉平坦、无色的过曝或欠曝区域，给他们分配更少的权重，采用以下三种图像质量衡量方式，来实现从图像序列中挑选出质量更好的帧来赋予更高的融合权重。

Contrast： 用一个简单的Laplacian算子，从灰度图像 $L$ 中提取图像的高频信息，用此高频信息的幅值表示图像的局部对比度，并倾向于给对比度更高的帧赋予更高的融合权重，因为对比度更高的地方往往意味着存在边缘、纹理等重要的图像细节信息
$C_{i,j,k}=|\bigtriangledown ^{2}L_{i,j,k}|$
Saturation： 当图像接近过曝或过暗时时，图像通常接近无色，即偏向纯黑或纯白，用R、G、B三通道的方差来表示图像的饱和度，并倾向于给高饱和度的帧赋予更高的融合权重，因为饱和度很高的地方往往意味着不不是过曝区也不是过暗区，且图像的颜色信息丰富
$S_{i,j,k}=Var(R_{i,j,k},G_{i,j,k},B_{i,j,k})$
Well-Exposedness： 通过图像的亮度远离过曝亮度1和欠曝亮度0的距离，来判断某一帧图像曝光的好坏，即分别用图像像素值接近0.5的程度表示图像的曝光合适程度，因为像素值越接近0.5的地方，离过曝或欠曝越远，越容易表现出图像细节信息
$E_{i,j,k}=e^{-\frac{(R_{i,j,k}-0.5)^{2}}{2\sigma^{2}}}×e^{-\frac{(G_{i,j,k}-0.5)^{2}}{2\sigma^{2}}}×e^{-\frac{(B_{i,j,k}-0.5)^{2}}{2\sigma^{2}}}$