1. 超高动态范围成像的技术挑战
在传统摄影中,相机传感器无法同时捕捉高光和阴影区域的细节。当我们拍摄高对比度场景时,要么亮部过曝变成一片死白,要么暗部欠曝成为漆黑一团。这就是动态范围受限的典型表现。
动态范围(Dynamic Range)是指图像中最亮和最暗部分的比值,用分贝(dB)或曝光值(EV)表示。普通数码相机的动态范围通常在10-14EV,而真实世界场景的动态范围可能高达20EV以上。这种差距导致了单张照片无法完整记录场景中的所有细节。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 多曝光融合的基本原理
曝光融合(Exposure Fusion)通过组合不同曝光度的照片来扩展动态范围。与传统的HDR技术(需要生成中间HDR图像再色调映射)不同,曝光融合直接从多曝光序列中选取最佳像素进行合成。
关键技术环节包括:
- 图像对齐:消除手持拍摄带来的位移
- 权重计算:为每个像素评估质量(曝光适度、对比度、饱和度)
- 多分辨率融合:使用拉普拉斯金字塔实现无缝混合
典型的三张曝光序列参数:
- 欠曝(保留高光):EV+2
- 正常曝光:EV 0
- 过曝(保留阴影):EV-2
3. 论文核心算法解析
3.1 改进的权重计算模型
传统方法使用简单的曝光适度函数:
code复制W = exp(-(I-0.5)^2 / (2*σ^2))
其中I为归一化像素强度,σ控制容忍度。
论文提出复合权重模型:
code复制W = W_contrast * W_saturation * W_exposure
- W_contrast:基于拉普拉斯算子的局部对比度
- W_saturation:颜色通道标准差衡量的饱和度
- W_exposure:改进的S型曲线响应函数
3.2 自适应金字塔融合
采用5层拉普拉斯金字塔分解:
- 对每张输入图像构建高斯金字塔
- 生成拉普拉斯金字塔{L0...L4},其中:
code复制Ln = Gn - expand(Gn+1) - 在每层独立进行权重融合:
code复制Rl = Σ(Wi * Li) / ΣWi - 从最粗层开始逐层重建
创新点在于引入了曝光一致性检测,当相邻像素曝光权重差异超过阈值时,采用边缘感知的平滑处理。
