本文共 2907 字，大约阅读时间需要 9 分钟。

高动态范围成像（HDR）技术教程

目标与意义

本章旨在帮助开发者理解如何通过多帧曝光生成并展示高动态范围（HDR）图像。我们将重点介绍两种经典算法——Debevec和Robertson——以及一种替代方法Mertens融合，展示如何根据不同曝光时间合并图像。同时，我们还将探讨如何通过相机响应函数（CRF）优化HDR合成结果。

高动态范围成像（HDR）的基本原理

HDR成像能够捕捉比标准成像更广的亮度范围，这对于复杂的光照场景至关重要。相机通常以8位（256级）存储图像数据，无法在同一帧中同时捕捉明暗细节。HDR技术通过多帧曝光（不同曝光时间的图像）合成一张完整的高动态范围图像。

获取HDR图像的方法

目前有多种获取HDR图像的方法，其中最常见的是拍摄不同曝光时间的场景图像。合并这些图像需要了解相机响应函数和估算算法的特性。合并后，HDR图像需转换回8位以适配常规显示器，但这个过程称为色调映射可能会引入额外复杂性。

曝光序列HDR合成

在这个教程中，我们将使用四张曝光图像，曝光时间分别为15、2.5、0.25和0.0333秒。这些图像可以从Wikipedia下载。

实现步骤

import cv2 as cvimport numpy as np# 假设曝光图像文件名为img0.jpg、img1.jpg等img_fn = ["img0.jpg", "img1.jpg", "img2.jpg", "img3.jpg"]img_list = [cv.imread(fn) for fn in img_fn]exposure_times = np.array([15.0, 2.5, 0.25, 0.0333], dtype=np.float32)

2. 合并曝光图像为HDR
   OpenCV提供了两种HDR合成算法：cv.createMergeDebevec()和cv.createMergeRobertson()。这两种方法适用于不同的场景。

# Debevec 合成merge_debevec = cv.createMergeDebevec()hdr_debevec = merge_debevec.process(img_list, times=exposure_times.copy())# Robertson 合成merge_robertson = cv.createMergeRobertson()hdr_robertson = merge_robertson.process(img_list, times=exposure_times.copy())

3. 色调图映射
   将32位浮点的HDR图像映射到[0..1]范围内。注意：此过程可能会导致超出范围的值，因此需要后续处理。

# 色调图映射tonemap1 = cv.createTonemap(gamma=2.2)res_debevec = tonemap1.process(hdr_debevec.copy())

4. Mertens 融合曝光
   这种方法不需要曝光时间数据，并且直接输出[0..1]范围内的图像。

# Mertens 融合merge_mertens = cv.createMergeMertens()res_mertens = merge_mertens.process(img_list)

5. 转为8位并保存
   为了在常规显示器上查看结果，需要将HDR图像转换为8位。

# 转为8位并保存def convert_to_uint8(image):    return np.clip(image * 255, 0, 255).astype('uint8')# Debevec 结果res_debevec_8bit = convert_to_uint8(res_debevec)cv.imwrite("ldr_debevec.jpg", res_debevec_8bit)# Robertson 结果res_robertson_8bit = convert_to_uint8(res_robertson)cv.imwrite("ldr_robertson.jpg", res_robertson_8bit)# Mertens 结果res_mertens_8bit = convert_to_uint8(res_mertens)cv.imwrite("fusion_mertens.jpg", res_mertens_8bit)

相机响应功能（CRF）估计

CRF是HDR算法的重要组成部分，它描述了相机在不同曝光时间下的响应特性。OpenCV提供了两种方法来估计CRF：cv.createCalibrateDebevec()和cv.createCalibrateRobertson()。

# 估计 CRF 并生成 HDR 图像cal_debevec = cv.createCalibrateDebevec()crf_debevec = cal_debevec.process(img_list, times=exposure_times)hdr_debevec = merge_debevec.process(img_list, times=exposure_times.copy(), response=crf_debevec.copy())cal_robertson = cv.createCalibrateRobertson()crf_robertson = cal_robertson.process(img_list, times=exposure_times)hdr_robertson = merge_robertson.process(img_list, times=exposure_times.copy(), response=crf_robertson.copy())

附加资源

6. Paul E Debevec and Jitendra Malik. Recovering high dynamic range radiance maps from photographs. SIGGRAPH 2008.
7. Mark A Robertson, Sean Borman, and Robert L Stevenson. Dynamic range improvement through multiple exposures. ICIP 1999.
8. Tom Mertens, Jan Kautz, and Frank Van Reeth. Exposure fusion. PG'07.

练习建议

9. 尝试所有色调映射算法（TonemapDrago、TonemapMantiuk、TonemapReinhard）。
10. 修改HDR校准和色调图方法中的参数，观察结果的变化。

如需了解更多OpenCV-Python教程，请关注我们的专栏或扫描二维码加入交流群。

转载地址：http://reav.baihongyu.com/