3.5.4 Exposure Fusion（曝光融合）
HDR图像通常由一系列LDR图像组成，这些图像最终可以进行色调映射。 Mertens等人提出了一种可以避免色调映射步骤的新颖方法。 。 这是受到Goshtasby 融合工作的启发。 该运算符的中心概念是合并每次曝光中曝光良好的像素。
第一步是分析每个LDR图像，以确定在合并过程中可以使用哪些像素。 这是通过为第i个图像的每个像素Ii计算三个指标来实现的：对比度，饱和度和曝光度。 对比度Ci = |∇2Li|，使用拉普拉斯算子捕获图像的局部亮度对比度。 饱和度Si定义为红色，绿色和蓝色通道的标准偏差：
亮度Li的良好曝光性，Ei，决定了一个像素是否以模糊的方式存在
其中µe = 0.5可以为曝光良好的像素分配更高的权重，而σe= 0.2可以仅选择接近曝光良好的像素的权重。 这三个指标组合在一起，获得权重Wi（x），该权重确定像素对该次曝光的重要性：
其中i表示第i个图像，而ωC，ωS和ωE是增加度量对其他度量影响的指数。 对N个权重图进行归一化，以使它们的总和在每个像素位置等于1，以获得一致的结果。
经过分析，曝光量将合并到最终图像中。 为了避免接缝和不连续，使用拉普拉斯金字塔将图像混合[81]。 当权重如运算符G所示在高斯金字塔中分解时，曝光图像Ik如运算符L所示被分解为拉普拉斯金字塔。因此，混合计算为：
其中l是拉普拉斯/高斯金字塔的第l层。最后，对L{Id}进行折叠，得到最终的色调映射图像Id;参见图3.22。
该运算符的主要优点是用户不需要生成HDR图像和恢复CRF。 它还可以最大程度地减少传统TMO中可能发生的色移，因为在不应用压缩功能的情况下可以混合曝光良好的像素。 只是线性比例。 这两个主要优点使该技术在紧凑型相机和移动设备的软件中非常受欢迎。 该算子的成功引发了该方法的许多变化，例如在双边域中进行融合[318]，基于熵的解决方案[78]等。此外，已经提出了在执行曝光融合时直接起作用的反虚幻和对齐算法。 [434]。
图3.22。 Mertens等人的融合算子的一个例子。 [261]应用于树HDR图像：（a）HDR图像的第一次曝光。 （b）（a）的权重图； 请注意，由于树木和地面的像素曝光良好，因此它们的权重很高。 （c）HDR图像的第二次曝光。 （d）（c）的权重图； 请注意，来自天空的像素具有很高的权重，因为它们曝光良好。 （e）使用拉普拉斯金字塔的融合/色调映射图像。
list3.21、list3.22和list3.23提供了Mertens等人[261]TMO的MATLAB代码。完整的代码可以在文件MertensTMO.m中找到。
MATLAB实现（请参见清单3.21）允许将HDR图像作为输入（img），使用IO堆栈文件夹中的功能CreateLDRStackFromHDR.m将其转换为一系列具有不同曝光量的LDR图像。 可以使用以前使用功能ReadLDRStack.m加载的LDR图像本机堆栈imageStack作为输入。 在这种情况下，必须将img设置为空。
然后，为堆栈中的每个元素计算每个度量，请参见清单3.22。首先，从堆栈中提取亮度并将其存储在变量L中。分别使用MATLAB函数MertensWellExposedness.m（方程式（3.36）），MertensSaturation.m计算出曝光度，饱和度和对比度这三个指标。 （S）和MertensContrast.m（C）。它们可以在Tmo / util文件夹中找到。一旦计算了所有度量，就将它们用于获取最终的权重图，即权重，将由混合步骤使用。在此步骤之前，需要对权重图进行归一化。 total变量用于存储清单3.22的最后一个循环中用于标准化步骤的n个权重图的总和（n是LDR图像的数量）。下一步（参见清单3.23）是分别使用MATLAB函数pyrLapGen.m和pyrGauss Gen.m将每个LDR图像和每个权重图分别分解为拉普拉斯分解（pyrImg）和高斯分解（pyrW）。通过将pyrImg乘以pyrW（对于n个图像之一）并将结果存储在pyrImgW中来实现混合。 pyrAcc会为堆栈中的每个图像累积pyrImgW。最后，使用MATLAB函数pyrVal.m将金字塔折叠成单个图像。可在LaplacianPyramid文件夹中找到用于处理金字塔的所有MATLAB函数。
3.6小结
在过去的20年中，已经提出了几种解决色调映射问题的方法，如表3.1所示。他们试图考虑不同方面。这些措施包括局部对比度再现，不引入光晕伪影的精细细节保留，模拟HVS行为等。尽管已经开发了许多TMO，但是色调映射问题仍然是一个未解决的问题。例如，动态范围的减小会导致对比度下降，这可以通过应用后处理技术[205,348]或增强双目视觉来解决[427]。 HDR显示器的引入不能完全解决此问题，因为仍有图像可能会超出当前HDR显示器的范围，例如，夏季的海滩图片平均很容易超过10,000 cd / m2。尽管有大量技术，但动态范围压缩主要解决了输入HDR图像的亮度值，而没有适当考虑这对颜色信息的影响。直到最近，研究人员才通过提出将颜色外观模型应用于HDR成像领域，更深入地了解对比度和饱和度之间的关系以最小化颜色失真等来解决此问题。解决静态图像色调映射问题的可用技术。第4章和第5章分别介绍了色调映射以及如何对HDR视频进行色调映射的新趋势。