畢設—高動態範圍圖像渲染算法之基於Retinex的色調映射技術（七）

這次和前幾次一樣，也是隻介紹算法思路和實現步驟，再給出本人項目中Retinex的代碼，Retinex的原理就不做解釋。參考的論文是《Adaptive Local Tone Mapping Based on Retinex for High Dynamic Range Images》

本篇參考論文把算法分爲兩個部分，第一個部分是全局色調映射；第二部分是局部色調映射。全局自適應這部分原理既簡單又容易實現，局部自適應這部分原理不簡單但是容易實現。因爲我們只需要按着步驟來即可。

1、全局色調映射步驟：

本篇論文把過程寫的很詳細，全局映射按公式（4）即可完成，那裏面的參數如何求解呢？按公式（5）即可計算出。這個算法是我實現過程中最省心的。。。。

2、局部色調映射
這部分的原理有點難理解，但是實現還是很容易的，因爲他把實現公式又給我們列出來了。

首先求出α，然後實現β，最後帶入公式得結果。
-------------------------------------------------------------------------------------------------------------------------------------------------------
其中的Hg(x,y)是什麼呢？他也給出了說明：

Hg(x,y)就是引導濾波後的結果，可見這篇算法進行了改進，使用了引導濾波代替了高斯濾波。爲什麼替換？這篇論文是這麼解釋的：爲了減少光暈僞影。爲什麼會減少我沒有看明白。

---

---

---

接下來是本人項目的實現步驟，共分爲五步：

第一步：色彩空間轉化

第二步：全局色調映射

Lave = exp(Lsum / (1.0*rows*cols));//計算對數平均值

Mat out_image(rows,cols,CV_32FC1);//定義輸出圖像
double Ymax=-1e9,Ysum=0,Yave=0,Ymin=1e9;

for (int i = 0; i < rows; i++)
{
	for (int j = 0; j < cols; j++)
	{
		//記錄XYZ空間下x，y，z的比率
		double rateX=xyz[i][j].x/(xyz[i][j].x+xyz[i][j].y+xyz[i][j].z);
		double rateY=xyz[i][j].y/(xyz[i][j].x+xyz[i][j].y+xyz[i][j].z);

		//對亮度值進行壓縮
		xyz[i][j].y = log(1 + xyz[i][j].y / Lave) / log(1 + Lmax / Lave);

		//還原x，y，z的比率
		xyz[i][j].x=xyz[i][j].y/rateY*rateX;
		xyz[i][j].z=xyz[i][j].y/rateY*(1-rateX-rateY);

第三步：局部色調映射——引導濾波

resultImage = guidedFilter3(out_image, out_image, 9, 0.01);//對分通道分別進行引導濾波，半徑爲1、3、5...等奇數  

Mat guidedFilter3(Mat srcMat, Mat guidedMat, int radius, double eps)//引導濾波器
{
	//轉換源圖像信息，將輸入擴展爲64位浮點型，以便以後做乘法
    srcMat.convertTo(srcMat, CV_64FC1, 1.0);  
    guidedMat.convertTo(guidedMat, CV_64FC1, 1.0);  

	/*imshow("srcMat",srcMat);
	imshow("guidedMat",guidedMat);*/

    //各種均值計算
    Mat mean_p, mean_I, mean_Ip, mean_II; 

	//生成待濾波圖像均值mean_p   
    boxFilter(srcMat, mean_p, CV_64FC1, Size(radius, radius));
	//生成引導圖像均值mean_I   
    boxFilter(guidedMat, mean_I, CV_64FC1, Size(radius, radius));
	//生成互相關均值mean_Ip  
    boxFilter(srcMat.mul(guidedMat), mean_Ip, CV_64FC1, Size(radius, radius));
	//生成引導圖像自相關均值mean_II  	
    boxFilter(guidedMat.mul(guidedMat), mean_II, CV_64FC1, Size(radius, radius));

    //計算相關係數，計算Ip的協方差cov和I的方差var
    Mat cov_Ip = mean_Ip - mean_I.mul(mean_p);  
    Mat var_I = mean_II - mean_I.mul(mean_I);  

    //計算參數係數a、c
    Mat c = cov_Ip / (var_I + eps);  
    Mat b = mean_p - c.mul(mean_I);  

    //計算係數a、b的均值
    Mat mean_a, mean_b;  
    boxFilter(c, mean_a, CV_64FC1, Size(radius, radius));  
    boxFilter(b, mean_b, CV_64FC1, Size(radius, radius)); 

    //生成輸出矩陣
    Mat dstImage = mean_a.mul(srcMat) + mean_b;  
    return dstImage;  
}

第四步：局部色調映射——計算比例因子帶入公式

//獲得兩個因子，進行色調映射
double aerfa = 1 + 36.0 * xyz[i][j].y/Ymax;
double beta=10*Yave;
double result=resultImage.at<float>(i,j);
xyz[i][j].y=aerfa*log(xyz[i][j].y/(result+a)+beta+1);

第五步：局部色調映射——歸一化

//歸一化
xyz[i][j].y=(log(xyz[i][j].y+a)-log(Lmin+a))/(log(Lmax+a)-log(Lmin+a));

第六步：色彩空間還原

映射效果：
總結：該算法是五種色調映射算法中，映射效果最好的。也可以用來圖像增強，以車牌號爲例。
但是增強效果一般。