Gradient Domain High Dynamic Range Compression

Abstract

我们提出了一种在传统显示器上渲染高动态范围图像的新方法。我们的方法在概念上简单、计算高效、稳健且易于使用。我们通过衰减大梯度的幅度来操纵亮度图像的梯度场。然后通过在修改后的梯度场上求解泊松方程来获得新的低动态范围图像。我们的结果表明，该方法能够进行剧烈的动态范围压缩，同时保留精细的细节并避免常见的伪影，例如光晕、梯度反转或局部对比度的损失。该方法还能够通过突出暗区的细节来显着增强普通图像。

Gradient domain HDR compression

非正式地，我们的方法依赖于广泛接受的假设 [DiCarlo and Wandell 2001]，即人类视觉系统对到达视网膜的绝对亮度不是很敏感，而是对局部强度比的变化做出响应并减少大的全局差异的影响，这可能与光照差异有关。

我们的算法基于一个相当简单的观察，即高动态范围图像上亮度的任何剧烈变化都必须在一定范围内产生大幅度的亮度梯度。另一方面，诸如纹理之类的精细细节对应于幅度小得多的梯度。然后，我们的想法是识别各种尺度的大梯度，并在保持其方向不变的同时衰减它们的幅度。衰减必须是渐进的，比较小的梯度更严重地惩罚较大的梯度，从而压缩剧烈的亮度变化，同时保留精细的细节。然后从衰减的梯度场重建缩小的高动态范围图像。

应该注意的是，我们所有的计算都是基于亮度的对数，而不是亮度本身。上一节中回顾的大多数以前的方法也是这种情况。在对数域工作的原因有两个：（a）亮度的对数是感知亮度的（粗略）近似值，（b）对数域中的梯度对应于亮度域中的比率（局部对比度） .

 G是H'经过处理的结果，H'值越大G会被衰减越厉害。

 

 G进行积分累加得到结果图，C常数可视为压缩后基础值。

 二维图像G(x,y)计算公式

二维图像不能简单通过累积积分得到I，文章解释：

 

在我们的方法中，我们采用了一种更直接和更有效的方法：在所有 2D 势函数的空间中搜索一个函数 I，其梯度在最小二乘意义上最接近 G。换句话说，我应该最小化积分

 

公式2通过变分原理及欧拉-拉格朗日方程得到泊松方程

左边是拉普拉斯算子，右边是矢量场G的散度

 Gradient attenuation function

 真实世界的图像包含多个尺度的边缘。因此，为了可靠地检测所有重要的强度转换，我们必须采用多分辨率边缘检测方案。但是，我们不能简单地以检测到的分辨率衰减每个梯度。如第 2 节所述，这可能会导致强边缘周围出现光晕伪影。我们的解决方案是将所需衰减从检测到的水平传播到全分辨率图像。因此，所有梯度操作都发生在单一分辨率级别，并且不会出现光晕伪影。

 

 

 alpha和beta参数解释，并给出建议值。alpha决定哪些梯度幅度保持不变，beta<1，这样能保证较大的梯度幅度能衰减得比较小梯度幅度更大。

全尺寸梯度衰减是从上到下方式传播得到的，下一层是上一层线性插值得到的。这种处理方式halo伪像更小，相比每层进行衰减。

Implementation

 laplacian和div是线性操作，使用标准有限差分对它们进行近似会产生线性方程组。

这种前向和后向差分的组合确保了 divG 的近似值与用于拉普拉斯算子的中心差分方案一致。

在边界处，我们使用相同的定义，但假设原始图像网格周围的导数为 0。例如，对于左图像边界上的每个像素，我们有等式 I(-1,y)-I(0,y )= 0。

每个像素对应一个线性方程，对应的矩阵每行有五个非零元素。解这个方程使用完整的多重网格算法 [Press et al. 1992]，使用 Gauss-Seidel 平滑迭代。这导致 O(n) 操作达到近似解，其中 n 是图像中的像素数。

颜色图像输入动态范围压缩，s调整饱和度。

Conclusions and Future Work

我们已经描述了一种用于高动态范围压缩的新的、简单的、计算效率高且稳健的方法，这使得在传统显示器上显示 HDR 图像成为可能。我们的方法衰减大梯度，然后通过在修改后的梯度场上求解泊松方程来构造低动态范围图像。未来的工作将集中在从修改的梯度场构建图像的许多不同的令人兴奋的可能应用上。初步结果显示在去噪、边缘处理和真实图像的非真实感渲染方面的前景。此外，我们希望扩展我们的工作，以整合人类视觉感知的各种心理物理特性，以使我们的技术在照明设计或能见度分析等应用中更有用。