Exposure Fusion的改进(含多曝光HDR数据库及MatLab程序)

在Tom Mertens等人的"Exposure Fusion"一文问世之前，HDR图像处理的一般流程是先恢复相机响应曲线和辐照图，然后采用色调映射算法使其能够在LDR设备上显示，而在此之后，研究重点逐渐转向了直接对各曝光水平下色调映射后的图像进行无缝融合。下面就简单讲一讲"Exposure Fusion"的处理流程并分析其缺陷和改进方法。

"Exposure Fusion"的处理过程非常简单，无非就是首先根据局部对比度、颜色饱和度和曝光质量三个指标对每一个像素点进行质量评价给出质量评分，然后对每个像素点各曝光质量评分进行归一化，从而获得归一化的权重图引导多尺度图像融合。在融合时，对图像进行拉普拉斯金字塔分解而对权重图进行高斯金字塔分解（这很容易理解，毕竟各曝光水平间权重的比例关系应该尽可能保持，只根据尺度进行不同程度的模糊的即可），然后对加权叠加的拉普拉斯金字塔图像进行重建即可。在实际的实施中，为了方便起见，权重图并未在每层金字塔上都进行归一化。

Exposure Fusion原理示意图

由于曝光质量是在每个像素点上评价的，这样很明显地会带来一个问题，就是融合后图像的亮度容易过于均匀而缺乏对比度甚至可能出现亮度反转的情况， 因为每个像素都朝着设定的基准亮度去演化了。为了改善这一情况，我们可以很容易想到将对曝光质量的评价由像素级改为图像级，曝光质量权重只根据整图质量进行调整，这个改进非常简单，但却即节省计算量又效果显著。下面给出算法改进后的程序(由源程序改动而来，现输出两种算法的处理结果，R为原始算法的结果，R1为改进算法的结果。曝光基准值由默认的0.5改为了0.6，因根据经验，平均亮度为0.6通常看起来更让人舒服)：

链接：https://pan.baidu.com/s/1hBHGExgLT9qAQLwRWPfXvw   提取码：slbx 

处理效果对比示例（以原始算法、改进算法顺序贴图。数据库中后半部分的图像存在错位现象，需要使用图像配准进行预处理，在MatLab中做图像配准不太方便，这里就不做这个工作了，以后有精力的话我再弄个附带图像配准与处理的C++版本程序贴出来）：