毕设—高动态范围图像渲染算法之基于双边滤波的色调映射技术（五）

在项目中，本人直接使用了Open CV提供的双边滤波器，对原理不是很理解，只知道他可以保持边缘、起到平滑的作用。

本人参考的论文名字《Fast Bilateral Filtering for the Display of High-Dynamic-Range Images》，核心思路就是：把原图分解成基本层和细节层，然后增强基本层数据，保留细节层数据，最后融合基本层和细节层。过程如下图：
细分可分为以下步骤（参考博客）：伪代码

//1、色彩空间转化，转换成亮度值图像
input intensity= 1/61*(R*20+G*40+B);

//2、双边滤波得到基本层数据
log(base)=Bilateral(log(input intensity));

//3、计算得到细节层数据
log(detail)=log(input intensity)-log(base);

//4、计算增强因子，增强基本层图像，并融合
targetContrast=log(5);
compressionfactor = targetContrast/(max(log(base)) - min(log(base))) ;
log_absolute_scale= max(log(base))*compressionfactor;
log (output intensity)=log(base)*compressionfactor+log(detail) - log_absolute_scale;

//5、还原色彩空间
r=R/(input intensity), g=G/input intensity, B=B/input intensity;
R output = r*10^(log(output intensity)), etc.

/*
注意：在进行双边的时候，SigmaS一般取值为0.02*Max(Width,Height)，而SigmaR取值0.4（这里是指数据量化到了0-1之间的）。 
*/

本项目完成这个算法共分为五步：
1、色彩空间转化，转化亮度值图像（灰度值图像）

//定义矩阵
Mat tmp_in_image(rows,cols,CV_32FC1);
for(int i = 0; i < rows; i++){
	for(int j = 0; j < cols; j++){
		//色彩空间转化
		tmp_in_image.at<float>(i,j) = (20*RGB[0] + 40*RGB[1] + RGB[2])/61+a;
		//最值计算，方便后面进行归一化，因为前面也提到了，双边滤波参数设置时，数据需要量化到0-1之间
		if(tmp_in_image.at<float>(i,j)>Lmax)Lmax=tmp_in_image.at<float>(i,j);
		if(tmp_in_image.at<float>(i,j)<Lmin)Lmin=tmp_in_image.at<float>(i,j);
	}
}

2、归一化处理并进行伽马校正（因为该算法主要是增加对比度，所以我使用伽马校正来增加图像亮度）

for(int i = 0; i < rows; i++){
	for(int j = 0; j < cols; j++){

		//归一化处理
		tmp_in_image.at<float>(i,j)=(log(tmp_in_image.at<float>(i,j)+a)-log(Lmin+a))/(log(Lmax+a)-log(Lmin+a));

		//伽马校正
		tmp_in_image.at<float>(i,j)=pow(1.0*tmp_in_image.at<float>(i,j),r);
			
	}
}

3、进行双边滤波，并计算最值（计算最值方便后面计算增强因子）

//双边滤波
bilateralFilter(tmp_in_image,tmp_out_image,5,0.02*max(rows,cols),0.4);

double min_base=INF,max_base=-INF;

for(int i = 0; i < rows; i++){
	for(int j = 0; j < cols; j++){
		if(min_base>tmp_out_image.at<float>(i,j))min_base=tmp_out_image.at<float>(i,j);
		if(max_base<tmp_out_image.at<float>(i,j))max_base=tmp_out_image.at<float>(i,j);
	}
}

4、获得细节层数据，并增强基本层

double compressionfactor = log(5.0)/(max_base - min_base);

for(int i = 0; i < rows; i++){
	for(int j = 0; j < cols; j++){
		
		//算法核心
		double log_absolute_scale = max_base*compressionfactor;
			
		//计算细节层
		double log_detail = tmp_in_image.at<float>(i,j) - tmp_out_image.at<float>(i,j);

		//增强基本层，保留细节层，并融合
		double log_output_intensity = tmp_out_image.at<float>(i,j) * compressionfactor + log_detail - log_absolute_scale;
		
	}
}

5、还原色彩空间

//还原色彩空间
double tem=pow(10,log_output_intensity);

RGB[0] = RGB[0]*tem/input_Intensity;
RGB[1] = RGB[1]*tem/input_Intensity;
RGB[2] = RGB[2]*tem/input_Intensity;

out_image.at<Vec3b>(i, j)[0] = saturate_cast<uchar>(RGB[2]*255);
out_image.at<Vec3b>(i, j)[1] = saturate_cast<uchar>(RGB[1]*255);
out_image.at<Vec3b>(i, j)[2] = saturate_cast<uchar>(RGB[0]*255);

效果演示：