ISP-长短曝光融合生成HDR图像

1、高动态范围图像相关

图像的动态范围是指一幅图像中量化的最大亮度与最小噪声的比值。高动态范围HDR（high dynamic range）图像,能够完整表示真实场景中跨度很大的动态范围。采用普通CMOS／CCD图像传感器不能完整呈现亮度层次差异较大的真实场景。场景中较亮的区域，由于过曝光会出现一片白亮，而场景中较暗的区域，由于欠曝光会出现一片黑暗。

另外，由于成本等原因，显示设备的动态范围也较小，如一般的阴极射线管(Cathode RayTube，CRT)、液晶显示器(Liquid Crystal Display,LCD)、LED、等离子显示器等，显示动态范围最大为28(O到255)，大多在102个数量级，远远低于现实场景的动态范围，无法做到完全映射。这意味着，即使捕获了亮度差异较大的高动态范围图像，也很难在普通显示设备上完整显示出来。

多帧图像融合

较为经济的解决思路是采用多帧图像融合，图像可以是固定增益采用不同曝光下采集，也可以是同等曝光不同增益下采集。一般情况多采用两帧图像合成，长曝光-短曝光合成或者高增益-低增益合成。

1、高低增益融合：指在同样曝光时间条件下，同时输出一路高增益数据和一路低增益数据，根据某种关系将两路数据进行融合。

2、长短曝光融合：指在同等增益的条件下，同时输出一路长曝光数据和一路短曝光数据，根据某种关系将两路数据进行融合。

长曝光与高增益数据，保证场景中较暗处细节信息能够完整捕获（高增益类似）。短曝光与低增益数据保证场景中较亮处不至于过曝（低增益类似）。

通过高低增益融合或者长短曝光融合方式融合,这种HDR图像既能够有好的暗部信息，又保证了亮部不过曝，保留了亮度信息。

相比之下笔者觉得长短曝光融合方式效果更佳，因为在光照不足的环境下，高增益数据噪声会较大，合成的图像噪点多。

2、图像融合形成HDR图像

根据Debevec等人提出的相机响应曲线(Camera Response Curve，CRV)，采集图像数据计算长曝光与像素值的关系，短曝光与像素值的关系，再利用权重函数，将长曝光、短曝光对应的低动态范围图像数据合成，得到高动态范围图像。

需要sensor支持同时输出长曝光、短曝光图像，通过长短曝光融合方式来形成高动态图像。长短曝光比率是可以配置的（如果sensor支持的话），不同的配比带来不同的效果。

注意事项：

第一，利用sensor输出的图像进行合成，长短曝光比率需要摸索，不是越大越好，合适的比率融合效果更自然。

第二，像素点亮度值与曝光时间成线性关系。对于同一像素点，长曝光相比于短曝光像素响应值更高，信噪比更高。可见光sensor线性度一般都很好，而红外探测器线性度很差，一般需要做均匀性校正之后再进行融合。

第三，一般的合成算法较为复杂，有的利用最小二乘法求解多个方程，有的进行分块融合，有的需要多次迭代处理。

像素过曝光和正常曝光的概念：

（1）过曝光：亮度值>90％最大满阱值

（2）正常曝光：亮度值<=90％最大满阱值

（3）亮度阈值：90％最大满阱值

参考文献：《Recovering high dynamic range radiance maps from photographs》

参考文献：<多曝光融合算法研究及HDR图像合成与色调映射算法设计实现>

参考文献：专利201810097959 .X

参考文献：《基于相机响应曲线的高动态范围图像融合》

3.图像融合方法

可见光sensor的像素线性响应度是很好的，线性区间几乎可以从暗场到满阱值，这为融合参数计算带来便利。

1）采集长短曝光下的数据

固定增益，短曝光间隔相同曝光值采集N组数据，长曝光数据与短曝光保持相同的比率

2）分析长短曝光下响应的曲线参数

3）计算长短曝光数据之间的响应关系

       L 
      
      
      
        e 
       
      
        x 
       
      
        p 
       
      
     
    
      = 
     
    
      k 
     
    
      ∗ 
     
     
     
       S 
      
      
      
        e 
       
      
        x 
       
      
        p 
       
      
     
    
      + 
     
    
      b 
     
    
   
     L_{exp} = k*S_{exp}+b 
    
   
 Lexp​=k∗Sexp​+b

4）按照融合的算法，进行图像融合。

亮度阈值90%最大满阱值，阈值之下用长曝光数据，阈值之上用短曝光拟合的数据

      i 
     
    
      f 
     
    
      Y 
     
    
      > 
     
    
      t 
     
    
      h 
     
    
      r 
     
    
      , 
     
    
      H 
     
    
      D 
     
    
      R 
     
    
      = 
     
     
     
       L 
      
      
      
        e 
       
      
        x 
       
      
        p 
       
      
     
     
    
      e 
     
    
      l 
     
    
      s 
     
    
      e 
     
    
      Y 
     
    
      < 
     
    
      = 
     
    
      t 
     
    
      h 
     
    
      r 
     
    
      , 
     
    
      H 
     
    
      D 
     
    
      R 
     
    
      = 
     
     
     
       S 
      
      
      
        e 
       
      
        x 
       
      
        p 
       
      
     
    
      ∗ 
     
    
      k 
     
    
      + 
     
    
      b 
     
    
   
     if Y>thr, HDR=L_{exp}\\ else Y<=thr, HDR=S_{exp}*k+b 
    
   
 ifY>thr,HDR=Lexp​elseY<=thr,HDR=Sexp​∗k+b

得到的HDR数据需要移位来压缩动态范围，得到动态范围较好的图像

短曝光图像：

长曝光图像：

融合的HDR图像：

4、测试程序路径

测试程序供参考： https://github.com/AomanHao/AomanHao_example_of_algorithms/tree/main/2-HDR

觉得本文对您有一点帮助，欢迎讨论、点赞、收藏，您的支持激励我多多创作。

我的个人博客主页，欢迎访问

我的CSDN主页，欢迎访问

我的GitHub主页，欢迎访问

我的知乎主页，欢迎访问