JASPER_W_

  • 12

    获得赞
  • 24

    发布的文章
  • 0

    答辩的项目

顾客照片的自动曝光校正

机器学习

最后更新 2020-06-30 10:26 阅读 231

最后更新 2020-06-30 10:26

阅读 231

机器学习

Automatic Exposure Correction of Consumer Photographs

Method

•本文提出了一种自动曝光校正方法,该方法可以估计给定图像的最佳特定于图像的非线性色调曲线(在本例中为S曲线),自动校正成功的关键是知道每个图像区域的最佳曝光量。 

•我们借用摄影中的“zone”概念。区域系统将整个曝光范围量化为11个离散区域。我们将曝光校正定义为区域估计问题,通过同时考虑两个目标来优化全局目标函数来估计每个图像区域中的期望区域:最大化每个区域中的局部细节,以及保持区域之间的相对对比度。 

•在得到每个区域的估计区域后,我们提出了一种新的基于非线性曲线的校正算法,称为保细节S曲线调整,以尽可能地将每个区域调整到应该在的zone。与一般的S曲线调整相比,我们的保细节S曲线调整可以保持局部细节,避免光晕效应。

General background

image.pngArchitecture

image.png图像进行处理时都会进行归一化处理,在亮度层面进行操作。算法首先会对输入图像进行一些亮度变化,例如直方图均值化,自动色调调整等;然后计算S型曲线未知的两个参数,进而自动校正图像曝光,使得高光和阴影都向图像中间调靠拢,这一步包括区域分割、区域合并、计算可视化细节、区域直方图最短距离和寻找每个区域最优映射区域,最后矫正图像曝光;由于校正后的图像会丢失部分图像细节和色彩,因此最后会对图像进行细节和颜色补偿。

Image Segmentation

•不像其它图像曝光矫正方法在校正曝光时会对图像整体亮度产生影响,为了对图像不同曝光区域进行不同的曝光矫正处理,需要分割图像,这也是本文求解S型曲线参数的关键。本文采用基于图的图像分割算法,将分割后的图像分解成不同的小区域,将计算的每个区域的像素强度均值作为该区域的曝光值。同时为了更好的区分高光和阴影,作者引进了zone值的概念,zone值范围从0到10共11个分段,其中小于5的为阴影,大于5的为高光,zone值V=5表示中间调,曝光值和zone值的关系,如下图所示:

image.png•实现:将计算的亮度均值映射到曝光值,可以设定一个范围,例如以0.1为间隔进行映射。

合并小区域,重新分配zone值。为了更好的矫正具有相同zone值的区域,需要合并这些区域,即合并zone值相同并且相邻的区域,这里需要注意可能存在需要合并的两个区域中间隔着一个区域,而这个区域也与他们zone值相同。合并区域后,重新给合并后的区域分配zone值,上图中的(c)就表示合并后的新区域。 •实现:本次实现时将区域合问题并转换到图像处理问题,因为已经获取了各个区域的坐标,所以将每个区域分别转换为二值图,寻找二值图边界;对区域边界每个像素外扩5*5=25邻域外接16个像素,计算16个像素坐标中是否存在一个落入其它区域,如果是,则这两个区域相邻,同时如果区域值相同,则合并这两个区域。对合并后区域从新分配zone值,获取合并后区域的坐标和区域边缘坐标。

•计算任意相邻区域间直方图最短距离。为了曝光矫正后的图像能更好保留原图的对比度,同时为了在求解S型参数时求解最优相邻区域,需要计算不同区域之间的直方图最短距离。该距离定义为两个直方图重叠面积最大时的平移距离,注意该距离需要除以255归一化到[0,1]。如下图所示:

image.png•实现:分别计算两个区域图像直方图,一个区域直方图不动,另外一个区域直方图分别从-255到255依次移动,同时计算两个直方图最大重合面积,将最小移动距离作为最终值。

•计算每个区域的可恢复细节度值。为了曝光矫正后的图像能更好的保留原图细节,需要计算每个分割区域中可恢复细节程度值。核心原理是使用gamma曲线对图像进行曝光处理,根据不同曝光图像获取的边缘图像计算恢复程度值。 

•主要原理是,针对阴影区域,当gamma比较大/比较小时,gamma变换后的图像阴影区域与变换前图像阴影区域差别比较小/比较大,这种区域之间的差别可以度量最终矫正曝光时图像细节的恢复程度。高光区域同理。计算细节程度主要依据每个区域边缘像素数占图像所有边缘像素数的比值确定,具体计算过程如下:

image.png•计算最优区域。获取了直方图间最短距离和可恢复图像细节程度,就可以根据它们计算每个区域需要映射的像素强度值,该强度值是在所有区域中寻找与该区域期望值最小的那个区域作为目标映射对象。进一步而言是p(i)和p(i,j)最大的两个区域对为最优区域组合,再细一点就是两个区域在细节程度和直方图距离最接近为最优,这样能保证曝光矫正不是很突兀,尽可能在亮度之间平滑过渡。优化等式如下:

image.png其中:

image.pngimage.pngimage.pngExperiment

image.pngimage.pngimage.png

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可,转载请附上原文出处链接和本声明。
本文链接地址:https://www.flyai.com/article/574
讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
删除确认
是否删除该条评论?
取消 删除