3.5.4 Exposure Fusion（曝光融合）
HDR圖像通常由一系列LDR圖像組成，這些圖像最終可以進行色調映射。 Mertens等人提出了一種可以避免色調映射步驟的新穎方法。 。 這是受到Goshtasby 融合工作的啓發。 該運算符的中心概念是合併每次曝光中曝光良好的像素。
第一步是分析每個LDR圖像，以確定在合併過程中可以使用哪些像素。 這是通過爲第i個圖像的每個像素Ii計算三個指標來實現的：對比度，飽和度和曝光度。 對比度Ci = |∇2Li|，使用拉普拉斯算子捕獲圖像的局部亮度對比度。 飽和度Si定義爲紅色，綠色和藍色通道的標準偏差：
亮度Li的良好曝光性，Ei，決定了一個像素是否以模糊的方式存在
其中µe = 0.5可以爲曝光良好的像素分配更高的權重，而σe= 0.2可以僅選擇接近曝光良好的像素的權重。 這三個指標組合在一起，獲得權重Wi（x），該權重確定像素對該次曝光的重要性：
其中i表示第i個圖像，而ωC，ωS和ωE是增加度量對其他度量影響的指數。 對N個權重圖進行歸一化，以使它們的總和在每個像素位置等於1，以獲得一致的結果。
經過分析，曝光量將合併到最終圖像中。 爲了避免接縫和不連續，使用拉普拉斯金字塔將圖像混合[81]。 當權重如運算符G所示在高斯金字塔中分解時，曝光圖像Ik如運算符L所示被分解爲拉普拉斯金字塔。因此，混合計算爲：
其中l是拉普拉斯/高斯金字塔的第l層。最後，對L{Id}進行摺疊，得到最終的色調映射圖像Id;參見圖3.22。
該運算符的主要優點是用戶不需要生成HDR圖像和恢復CRF。 它還可以最大程度地減少傳統TMO中可能發生的色移，因爲在不應用壓縮功能的情況下可以混合曝光良好的像素。 只是線性比例。 這兩個主要優點使該技術在緊湊型相機和移動設備的軟件中非常受歡迎。 該算子的成功引發了該方法的許多變化，例如在雙邊域中進行融合[318]，基於熵的解決方案[78]等。此外，已經提出了在執行曝光融合時直接起作用的反虛幻和對齊算法。 [434]。
圖3.22。 Mertens等人的融合算子的一個例子。 [261]應用於樹HDR圖像：（a）HDR圖像的第一次曝光。 （b）（a）的權重圖； 請注意，由於樹木和地面的像素曝光良好，因此它們的權重很高。 （c）HDR圖像的第二次曝光。 （d）（c）的權重圖； 請注意，來自天空的像素具有很高的權重，因爲它們曝光良好。 （e）使用拉普拉斯金字塔的融合/色調映射圖像。
list3.21、list3.22和list3.23提供了Mertens等人[261]TMO的MATLAB代碼。完整的代碼可以在文件MertensTMO.m中找到。
MATLAB實現（請參見清單3.21）允許將HDR圖像作爲輸入（img），使用IO堆棧文件夾中的功能CreateLDRStackFromHDR.m將其轉換爲一系列具有不同曝光量的LDR圖像。 可以使用以前使用功能ReadLDRStack.m加載的LDR圖像本機堆棧imageStack作爲輸入。 在這種情況下，必須將img設置爲空。
然後，爲堆棧中的每個元素計算每個度量，請參見清單3.22。首先，從堆棧中提取亮度並將其存儲在變量L中。分別使用MATLAB函數MertensWellExposedness.m（方程式（3.36）），MertensSaturation.m計算出曝光度，飽和度和對比度這三個指標。 （S）和MertensContrast.m（C）。它們可以在Tmo / util文件夾中找到。一旦計算了所有度量，就將它們用於獲取最終的權重圖，即權重，將由混合步驟使用。在此步驟之前，需要對權重圖進行歸一化。 total變量用於存儲清單3.22的最後一個循環中用於標準化步驟的n個權重圖的總和（n是LDR圖像的數量）。下一步（參見清單3.23）是分別使用MATLAB函數pyrLapGen.m和pyrGauss Gen.m將每個LDR圖像和每個權重圖分別分解爲拉普拉斯分解（pyrImg）和高斯分解（pyrW）。通過將pyrImg乘以pyrW（對於n個圖像之一）並將結果存儲在pyrImgW中來實現混合。 pyrAcc會爲堆棧中的每個圖像累積pyrImgW。最後，使用MATLAB函數pyrVal.m將金字塔摺疊成單個圖像。可在LaplacianPyramid文件夾中找到用於處理金字塔的所有MATLAB函數。
3.6小結
在過去的20年中，已經提出了幾種解決色調映射問題的方法，如表3.1所示。他們試圖考慮不同方面。這些措施包括局部對比度再現，不引入光暈僞影的精細細節保留，模擬HVS行爲等。儘管已經開發了許多TMO，但是色調映射問題仍然是一個未解決的問題。例如，動態範圍的減小會導致對比度下降，這可以通過應用後處理技術[205,348]或增強雙目視覺來解決[427]。 HDR顯示器的引入不能完全解決此問題，因爲仍有圖像可能會超出當前HDR顯示器的範圍，例如，夏季的海灘圖片平均很容易超過10,000 cd / m2。儘管有大量技術，但動態範圍壓縮主要解決了輸入HDR圖像的亮度值，而沒有適當考慮這對顏色信息的影響。直到最近，研究人員才通過提出將顏色外觀模型應用於HDR成像領域，更深入地瞭解對比度和飽和度之間的關係以最小化顏色失真等來解決此問題。解決靜態圖像色調映射問題的可用技術。第4章和第5章分別介紹了色調映射以及如何對HDR視頻進行色調映射的新趨勢。