HDR及一些非均匀性校正算法
光电成像——非均匀性校正
由
S
i 1 j 1 N M i 1 j 1
N
M
i, j
( L ) ( H )
S
i, j
(L , S L )
和
(H , S H )
所确定的直线被用作校正
直线。
第6讲 非均匀校正
光电成像实时处理技术
3）在一定照度 下，第(i,j)个探测器单元的输出值 S i , j ( )
算法原理 算法实现 算法分析
第6讲 非均匀校正
光电成像实时处理技术
算法原理
两点校正法是：通过测量阵列中各探测器单元对两个不同
辐照度的均匀黑体辐射的响应，并由此计算出校正值，从 而实现非均匀性校正。
1 1 2 2 3 3
S SH H
S S33(( LL)) S S22(( LL)) S S11(( LL))
第6讲 非均匀校正
光电成像实时处理技术
算法原理
假定探测器单元的输出信号与接收到辐照度呈线性关系。
选取辐照度 1 作为定标点，对红外焦平面阵列所有探测器 单元的输出信号 Si, j (1 ) 求平均得：
1
1 S (1 ) NM
S
i 1 j 1
N
M
i, j
(1 )
S 3 (1 ) S 2 (1 ) S1 (1 )
第6讲 非均匀校正
光电成像实时处理技术
三点校正公式
if (S (i, j ) S M (i, j ))
S (i, j )
S (i, j ) S M (i, j ) S (i, j ) S L (i, j ) Lm Mm S L (i, j ) S M (i, j ) S M (i, j ) S L (i, j )
红外图像非均匀性校正相关汇总
红外图像⾮均匀性校正相关汇总红外图像中的不规则条纹是红外焦平⾯阵列⾮均匀性的体现，⾮均匀性产⽣的原因⼗分复杂，在⽣产时完全消除其⾮均匀性是不现实的，只有通过⾮均匀性校正来提⾼其性能。
红外焦平⾯成像产品在出⼚前⼀般都会对其进⾏定标校正，但产品交付后，由于探测器的时间漂移特性和使⽤环境的变化，图像中的⾮均匀性会逐渐增强，甚⾄严重到影响产品的使⽤。
如果重新对产品进⾏定标校正，需要⼤量外部条件的⽀持，有时甚⾄是不现实的，此时采⽤基于场景的校正算法，就能完全依靠场景⾃⾝的信息，有效去除图像的⾮均匀性，改善图像质量。
⾮均匀性来源主要有：探测器中各阵列元的响应特性⾮⼀致性；1／f噪声；光学系统和扫描电机扫描线性度的影响；电信号传输与放⼤通路的不⼀致等。
两种校正⽅法：基于定标（如两点校正算法TPC（两点温度定标法）、多点校正算法ETPC、多项式拟合算法）基于场景（如神经⽹络⽅法、时域⾼通滤波算法、恒定统计平均法）基于定标⾮均匀校正通常需要事先获得校正所需要的定标系数，然后在校正实现过程中读取这些数据作相应的处理，精度⾼，算法相对简单，但不能⾃适应跟踪探测元响应特性的漂移。
当漂移很⼤时，需要重新定标来更新校正系数。
基于场景的⾮均匀校正是利⽤场景信息的变化即时估计出探测元的增益和偏移量，可⾃适应地跟踪探测像元输出的漂移，缺点是多数算法是假设探测元响应线性问题提出的，算法相对较复杂，校正精度不⾼，硬件实现难度较⼤。
两点校正法利⽤同⼀⿊体，分别进⾏低温和⾼温数据采集。
两点校正法是最早开展研究、最为成熟的算法之⼀。
应⽤两点法校正有两个前提条件，第⼀，探测器的响应在所关注的温度范围内是线性变化的，第⼆，探测器的响应具有时间的稳定性，并且其受随机噪声的影响较⼩，则⾮均匀性引⼊固定模式的乘性和加性噪声。
【⽂献】李旭, 杨虎. [J]. 红外与激光⼯程, 2008(s2):608-610.论⽂中对1x128线列探测器进⾏两点法⾮均匀性校正试验。
HDR及一些非均匀性校正算法
HDR High Dynamic Range ，即高动态范围，比如所谓的高动态范围图象（HDRI）或者高动态范围渲染（HDRR）。
动态范围是指信号最高和最低值的相对比值。
目前的16位整型格式使用从“0”（黑）到“1”（白）的颜色值，但是不允许所谓的“过范围”值，比如说金属表面比白色还要白的高光处的颜色值。
在HDR的帮助下，我们可以使用超出普通范围的颜色值，因而能渲染出更加真实的3D场景。
也许我们都有过这样的体验：开车经过一条黑暗的隧道，而出口是耀眼的阳光，由于亮度的巨大反差，我们可能会突然眼前一片白光看不清周围的东西了，HDR在这样的场景就能大展身手了。
HDR可以用3句话来概括：亮的地方可以非常亮暗的地方可以非常暗亮暗部的细节都很明显。
HDR的处理在显卡中可以分为3个步骤：将画面用高光照动态范围渲染，并储存每个象素的亮度特性；将HDRI画面转成低动态范围的画面（RGBA或是sRGB）；色彩和Gamma校正后传送到显示设备输出。
计算机在表示图像的时候是用8bit(256)级或16bit(65536)级来区分图像的亮度的，但这区区几百或几万无法再现真实自然的光照情况。
HDR文件是一种特殊图形文件格式，它的每一个像素除了普通的RGB信息，还有该点的实际亮度信息。
普通的图形文件每个象素只有0 －255的灰度范围，这实际上是不够的。
想象一下太阳的发光强度和一个纯黑的物体之间的灰度范围或者说亮度范围的差别，远远超过了256个级别。
因此，一张普通的白天风景图片，看上去白云和太阳可能都呈现是同样的灰度/亮度，都是纯白色，但实际上白云和太阳之间实际的亮度不可能一样，他们之间的亮度差别是巨大的。
因此，普通的图形文件格式是很不精确的，远远没有纪录到现实世界的实际状况。
所以，现在我们就要介绍一下高动态范围图像（简称HDRI）。
HDR高动态范围渲染目前是一种逐渐开始流行的显示技术，其技术出发点就是让计算机能够显示更接近于现实照片的画面质量。
HDR图像色调映射的自适应色彩调节算法
0引言高动态范围(High Dynamic Range,HDR)图像是一种可以记录实际场景亮度范围变化较大的图像,拥有更丰富的亮度层次,尤其是亮区域和暗区域的细节展现,远比普通图像更逼近现实的色彩效果。
但HDR图像通过普通显示设备再现时存在动态范围不匹配问题,因此动态范围的压缩算法成为了研究的热点。
近年来,已经涌现出很多HDR图像色调映射(tone mapping)算法[1-4],例如KUANG J[3]等在图像色貌模型的基础上提出了iCAM06算法;REINHARD E[4]等提出基于摄影法的动态范围压缩算法。
这些色调映射算法提供了将真实世界的亮度范围映射到输出媒介亮度范围的复杂方法,但它们通常会导致图像颜色外观的变化。
最常见的色调操作是亮度压缩,会导致较暗的色调变得更亮并且扭曲对比关系[5]。
这是由于调映射算法起初都是针对图像在亮度域进行压缩处理,但在处理彩色的高动态范围图像时,仅仅考虑亮度分量,忽略了在对亮度压缩的同时图像的色彩分量也被压缩了,颜色发生了变化。
本文提出图像经色调映射压缩处理后,在色域增加色彩调节算法,以解决因压缩后存在的褪色、偏色等色彩失真问题,从而提高图像的色彩表现。
1色彩调节算法描述整个算法分为两个部分:亮度域处理和色域处理。
亮度域处理是对采集得到的高动态图像在亮度域进行动态范围的压缩映射和限制对比度的自适应直方图均衡化处理,将图像的高动态范围映射到低动态范围内。
色域处理包含两方面,一方面是色彩恢复处理,结合下文中所给曲线的特点,根据图像处理前后亮度比值自适应地调节色彩饱和度参数,对压缩后的图像色彩恢复;另一方面对恢复后的图像做色彩增强处理,解决图像拍HDR图像色调映射的自适应色彩调节算法陈文艺1,张龙2,杨辉1(1.西安邮电大学物联网与两化融合研究院,陕西西安710021;2.西安邮电大学通信与信息工程学院,陕西西安710021)摘要:为了克服传统色调映射算法处理高动态图像过程中因忽略彩色分量而导致图像色彩失真的现象,给出一种自适应的色彩调节算法。
一种自适应非均匀性校正算法
一种自适应非均匀性校正算法1. 简介- 引入非均匀性校正的概念- 观察实际应用中的非均匀性问题- 介绍本文要研究的自适应非均匀性校正算法2. 相关技术- 介绍常见的非均匀性校正算法- 对比这些算法的优缺点- 引入用于自适应非均匀性校正的技术3. 自适应非均匀性校正算法- 介绍本文提出的算法的原理- 给出详细的算法流程- 提供算法的实现方法4. 实验结果- 在不同数据集和应用场景中，对比本算法和其他算法的表现- 详细分析本算法的性能和准确性- 比较不同参数对算法性能的影响5. 结论和未来工作- 总结本文提出的自适应非均匀性校正算法的优点和局限- 提出改进本算法的方向- 探讨非均匀性校正的未来研究方向附加：参考文献、致谢等部分根据要求添加。
第1章节：简介在计算机视觉和图像处理的领域中，非均匀性是一个普遍存在的问题，例如拍摄设备的物理限制和环境光照强度等因素会导致图像中出现亮度、色彩和对比度等方面的变化。
非均匀性会影响计算机视觉应用的准确性和鲁棒性，因此需要开发非均匀性校正算法来解决这个问题。
传统的非均匀性校正算法常常是使用全局或局部的图像变换，例如直方图均衡化或多项式变换等，这些算法的准确性和性能在不同的应用场景下具有很大的差异性。
最近，随着计算机视觉、机器学习和人工智能等领域的快速发展，更多的自适应非均匀性校正算法被提出并在各种场景中被广泛应用。
本文旨在研究一种自适应非均匀性校正算法，该算法能够自动识别和调整图像中的非均匀性。
本文的贡献体现在：- 提出一种基于自适应技术的非均匀性校正算法，通过在不同的图像区域中进行动态调整，以实现更加准确和可靠的非均匀性校正。
- 设计精心安排的实验，证明本算法的有效性和优越性，对于不规则形状和高动态范围的图像数据同样具有很强的适应性。
本文的结构组织如下：第一章为本文引言，简要介绍了非均匀性校正的背景和研究意义。
第二章介绍了相关的技术和研究方向，包括传统的非均匀性校正算法和自适应技术的应用。
PSCS5新增HDR、镜头校正、3D功能简介
PSCS5新增HDR、镜头校正、3D功能简介新增的“HDR色调”命令新增的“HDR色调”命令，可用来修补太亮或太暗的图像，制作出高动态范围的图像效果。
(1)执行“文件”→“打开”命令，打开美发广告图片文件，如图1-1所示。
图1-1(2)执行“图像”→“调整”→“HDR色调”命令，打开“HDR 色调”对话框，如图1-2、1-3所示，发灰且不清晰的图像效果得到一定的改善图1-2图1-3(3)在对话框中，设置“边缘光”选项栏中的参数，效果如图1-4所示图1-4(4)设置“色调和细节”选项栏中的各项参数，使图像的色调和细节更加的丰富细腻，效果如图1-5、1-6所示图1-5图1-6(5)设置“颜色”选项栏中的各项设置，使图像的整体色彩更加的艳丽，如图1-7所示图1-7(6)最后再“色调曲线和直方图”栏中，调整图像的整体色调，制作出较高质量的图像效果，如图1-8、1-9所示图1-8新增的“镜头校正”命令根据Adobe对各种相机与镜头的测量自动校正，可更轻易消除桶状和枕状变型、相片周边暗角，以及造成边缘出现彩色光晕的色像差。
(1)执行“文件”→“打开”命令，打开房产广告文件，观察广告中的房屋图片，有些球面化的扭曲变形，如图1-1所示图1-1(2)执行“滤镜”→“镜头校正”命令，打开“镜头校正”对话框，如图1-2所示图1-2(3)在“自动校正”选项卡中的“搜索条件”项目栏中，可以设置相机的品牌、型号和镜头型号，如图1-3所示图1-3(4)此时“矫正”选项栏中的选项变为可用状态，参照图1-4所示选择需要自动校正的项目，自动校正图像，如图1-4、1-5所示图1-4(5)在对话框的左侧选择“缩放”工具，然后在预览窗口中单击，将图像放大。
同时使用“抓手”工具，单击并拖动预览图像，方便察看图像，如图1-5、1-6所示。
图1-5图1-6(6)选择“移去扭曲”工具，向图像的中心或者偏移图像的中心移动，手动校正球面凸出的房屋图像，效果如图1-7所示。
红外成像系统非均匀性快速校正方法
红外成像系统非均匀性快速校正方法李召龙;沈同圣;史浩然;娄树理【摘要】To solve the problem of the large calculation quantity when correcting the nonuniformity using the tradition-al scene-based method, a fast correction method was proposed. Through the analysis of the image sequences, the results showed that the nonuniformity can be seen as that a fixed pattern noise superimposed on the ideal video. Firstly, the mean image of the first k frames was obtained. Then the nonuniformity noise matrix was extracted. The original image could be corrected by subtracting the noise matrix. The method was validated by using simulated video and real video. Experimental results show that the method can correct the nonuniformity with smaller calculation quantity and faster speed.%针对传统基于场景的非均匀性校正方法计算量大的缺点，提出一种快速校正方法。
通过对图像序列进行分析，得出非均匀性的表现形式可看作是在理想视频上叠加一个固定图案噪声这一结论。
LED屏像素亮度均匀性的评估与校正
LED 显示屏像素亮度均匀性的评估与校正前言近年来，在市场驱动和政府扶持下，我国的LED 显示屏产业经历了令世界瞩目的高速成长，同时，产业内竞争也日趋激烈，客户对质量要求也越来越高，越来越专业。
像素亮度均匀性是LED 全彩显示屏显示质量的一个关键指标。
均匀性差的显示屏，轻则感觉屏幕不干净，色彩不匀净，重则会看到暗斑、亮斑、色斑，甚至马赛克，严重影响显示效果。
为改善LED 屏的像素亮度均匀性，生产厂家和控制系统厂商都付出了相当大的努力，从严格筛选分档LED 灯或芯片，到逐点校正技术的开发应用，然而，由于缺乏一个客观、科学、稳定的测试方法和评价指标，这些改进措施的效果如何却难以量化评估，有时甚至对均匀性改善与否都无法达成共识。
本文将讨论现有的亮度均匀性评估方法，提出像素亮度均方差作为均匀性评估指标，并应用维优公司SV-1型测量系统进行均匀性评估和逐点校正实践，最后对实验结果进行分析和总结。
1 现行的评估手段对于LED 显示屏的像素光强均匀性评估方法，在2007年发布的行业标准《SJ/T 11281-2007 发光二极管LED 显示屏测试方法》中有明确说明：“全屏范围内任意离散抽取30个像素，在最高灰度级、最高亮度级下，全屏显示单红色，用光强仪分别测量出这30个像素的光强值，再进行算术平均计算得到 I ：用公式 %100I max ⨯-=I II i RJ 计算出红色像素光强均匀性 RJ I式中，；～301i = 30/I 301i ∑==i I用同样方法分别计算出绿色和蓝色像素的光强均匀性 GJ I ， BJ I ，取最大值即为该屏像I”素光强均匀性PJ对于像素光强均匀性等级的评定，《SJ/T11281-2007》中由低到高分为A,B,C三级。
I这个指标撇开测试方法本身的效率、可操作性、可复现性等不谈，像素光强均匀性PJ本身存在着先天的不足。
LED屏由大量的LED灯点组成，一个1平方米左右的显示屏，就会包含上万个单基色灯，从全屏抽取30个像素来做均匀性评估，样本个体差异性大，数量相对总体却太过单薄，代表性堪忧。
红外成像系统非均匀性快速校正方法
出的方法能够有效对非均匀性 进行 校正 ，而且计算量较小 ，具有更快 的校正速度 。
关键词 ：非均 匀性校正 ；固定噪 声图案 ；均值 图像 ；噪声矩 阵
中图 分 类 号 ：Ｔ Ｎ ９ １ １ ． ７ ３ 文 献 标 识 码 ：Ａ
文章编号 ： １ ６ ７ ２ —７ ６ １ ９ （ ２ ０ １ ６ ） ｌ １ —０ １ ４ ８ —０ ３
ＬＩ Ｚ ｈ ａ ｏ － ｌ ｏ ｎ ｇ ， Ｓ ＨＥ Ｎ Ｔ ｏ ｎ ｇ — ｓ ｈ ｅ ｎ ｇ ２ ， Ｓ ＨＩ Ｈａ ｏ － ｒ ａ ｎ ， Ｌ ＯＵ Ｓ ｈ ｕ － ｌ ｉ
（ １ ． Ｄｅ ｐ ａ ｒ ｔ ｍｅ ｎ ｔ ｏ ｆ Ｃ ｏ ｎ ｔ ｒ ｏ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ ， Ｎａ ｖ ａ ｌ Ａｅ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ａ ｌ ａ ｎ ｄ Ａｓ ｔ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ａ ｌ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｙａ ｎ ｔ ａ ｉ ２ ６ ４ ０ ０ １ ， Ｃ ｈ ｉ ｎ ａ ；
ｄ ｏ ｉ ：１ ０ ． ３ ４ ０ ４ ￣ ． ｉ ｓ ｓ ｎ ． １ ６ ７ ２—７ ６ ｌ ９ ． ２ ０ １ ６ ． １ １ ． ０ ３ １
Ｆａ ｓ ｔ ｎｏ ｎｕ ｎｉ ｏｒ ｆ ｍｉ ｔ ｙ ｃ ｏ ｒ ｒ ｅ ｃ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ ｆ ｏ ｒ Ｉ Ｒ ｉ ｍａ ｇ ｉ ｎｇ ｓ ｙ ｓ ｔ ｅ ｍ
第３ ８ 卷第 １ １ 期
２ ０ １ ６年 １ １月
舰
船
科
学 技
术
ＶＯ １ ． ３ ８ ． Ｎｏ ．１ １ Ｎｏ ｖ ． ＣＨＮ０Ｌ０ＧＹ
红外成像系统非均匀性快速校正方法
李召龙 ，沈 同圣 ，史浩 然 ，娄树 理 －
hdr对比度算法
hdr对比度算法
HDR（高动态范围）对比度算法是一种用于图像处理的技术，可以让照片的亮度和色彩更加丰富和真实。
HDR对比度算法的使用可以改善照片的阴影和高光细节，提高图像的质量和逼真度。
HDR对比度算法的实现方式包括基于曝光（Exposure-based）的方法和基于图像分割（Image-segmentation-based）的方法。
曝光法是指使用多个具有不同曝光的图像，制作一张高动态范围的图像。
而基于图像分割的方法则是将图像分成不同的部分，对每一部分分别进行处理，最后再合并成一张HDR图像。
无论是哪种方法，HDR对比度算法的实现都需要使用相应的软件或硬件。
例如，Adobe Lightroom是一款流行的图像处理软件，它支持HDR对比度算法的应用，能够让用户轻松制作高动态范围的照片。
此外，一些高端相机和智能手机也具备HDR功能，可以直接拍摄高动态范围的照片。
值得注意的是，HDR对比度算法在处理过程中需要注意不要过度调整图像亮度和对比度，否则会导致图像失真、色彩偏差等问题。
因此，对于初学者来说，建议使用预设模板或自动调整功能，以保证HDR照片的视觉效果。
总之，HDR对比度算法是一种极具实用性和魅力的图像处理技术，可以让照片更加真实和美丽。
随着科技的发展，相信这一技术会在图像处理领域中发挥越来越重要的作用。
红外非均匀性校正的算法研究
IRFPA响应的非均匀性校正的算法研究CONTENTS一．IRFPA响应的非均匀性产生原因…………二．常见的非均匀性校正方法的原理三．两点标定法及改进思路四．自适应算法的介绍和改进五．盲元替代的实现附录一：用于实现两点标定法和盲元处理的MFC源程序参考文献一．IRFPA响应的非均匀性产生原因为了对IRFPA响应的非均匀性进行校正，我们有必要先对它的定义和成因进行介绍。
红外成像过程可以描述为目标和背景的红外辐射通过大气和光学系统传输后到达红外焦平面阵列（infrared focal plane arrays, IRFPA），红外探测器把辐射信号转换为电信号，然后经过读出电路输出显示的过程。
因此，IRFPA响应输出是目标辐射特性、大气传输特性、光学系统特性、器件响应特性等诸多因素共同作用的结果。
依此，我们可以把影响红外成像质量的因素分为四种：响应的非均匀性，响应的漂移特性，盲元，目标辐射的对比度。
对于目标辐射的对比度，由观测对象决定，但可以通过图像增强的方法进行改善。
本文主要讨论前三种。
对于理想的IRFPA，假定输入辐射均匀且相同的话，那么每个探测器的输出信号应该完全相同。
但事实上，由于制作工艺，材料质量等因素的影响，每个探测器在阻抗，容抗，热敏面积，电阻温度系数等参数方面均有差别，因此输出信号幅度并不相同，即产生固定图案噪声( Fixed Pattern Noise , FPN )，这种不一致就是IRFPA响应的非均匀性。
1999年中华人民共和国国家标准红外焦平面阵列参数测试技术规范中的关于非均匀性(NU)的定义如下：(1-1)其中V表示红外焦平面阵列上所有有效像元的输出信号平均值(在计算输出信号的和以及非均匀性时，均不包括无效像元的信号值)，M和N分别为焦平面阵列的行数和列数，d 为焦平面阵列中的死像元数，h为焦平面阵列中的过热像元数。
盲元包括死像素和过热像素。
死像素指响应率小于平均响应率的1／10的像素；而过热像素就是响应率大于平均响应率10倍的像素。
HDR算法（一）
HDR算法（⼀）HDR的图像合成compose，包含有以下⼏个步骤：Step0 图像配准，在图像有运动的情况下，需要精确配准输⼊图像Step1 恢复不同曝光图像 (E1, E2, E3…)的辐射度图像 (S1, S2, S3…)Step2计算S1, S2, S3..的权重值w1(x,y), w2(x,y), w3(x,y)，来合成最后⼀幅图⽆论是多帧合成的HDR，还是特殊曝光pattern的sensor，都遵循上⾯的步骤。
展开介绍⼀下:Step0 图像配准，参照光流的实现，这⼀步主要是⽤在多帧不同曝光图像合成的情况，是之后两步的基础Step1 恢复辐照度图像，即根据曝光时间（⼤部分情况下是通过曝光时间来获取⾼动态范围），以及CMOS灰度值，得到该像素点原本的辐照度。
⼀种辐照度与曝光时间和cmos灰度的对应关系是这样的E(i,j) = Func( T(i) x I(j) )E(i,j)为第i次曝光的，曝光时长为T(i)的，图像I第j个像素点的实际辐照度。
可以根据标定的⽅式结合最⼩⼆乘，得到这个曲线的参数。
理论上，如果不存在噪声，那么根据step1，完全可以融合成⼀张HDR的图⽚了（⽤其他图像补偿⼀幅图像中过曝以及⽋曝，以⾄于算出来的辐照度不准确的点）。
当然现实不是这样的，考虑到算出来的辐照度是有⼀定的不确定性的，我们需要不确定性最⼩的那个。
所以需要step2.Step2 计算辐射度图像合成⼀幅图像的每个像素点处的权重，即⽣成n幅权重图。
有各种⽣成权重图的⽅式，主要是考虑到这个点邻域的梯度，亮度，运动与否（长短曝光相⽐），来考察这个点⽣成的辐照度图像的可靠程度，进⽽确定权重图。
下⼀次会讲tone mapping⾊调映射，这个主要是得到HDR图像后，如何在显⽰器上显⽰出来，毕竟，HDR的图像位数⽐较⾼，⽽显⽰器的显⽰范围有限。
⾼动态范围压缩到地动态范围。
包括全局映射和局部映射。
HDR相关的topic有许多的知识，还包括HDR算法的评价等。
HDR色调全解
HDR色调全解这是是本系列第47篇文章，看过之前文章的朋友还记得，我用2篇文章，讲解了“阴影/高光...”功能，这个功能可以对大光比照片进行调整，还原阴影和高光的细节，让照片模仿出“HDR”效果。
而在今天的文章中，我要讲解的功能就叫“HDR色调...”。
HDR是“高动态范围”的缩写，它不仅是处理的整体光比过大照片的方法，实际上“高动态范围”应用无处不在，任何一个微小区域都可能存在很大明暗差异。
所以实际上HDR是一种根据局部光比去压低亮部，提高暗部的做法你可以把这个功能理解为“综合影调调整”，这里面功能繁多庞杂。
所以请做好准备，这篇文章很长！名称：HDR色调...功能位置：图像>调整>HDR色调...快捷键：无我的软件版本：Photoshop CC2018目录该命令的选项是“图像>调整”中最多的，而且从这个功能开始，以及之后的去色、匹配颜色等功能都无法使用“智能对象”进行无损操作（牵扯很多原理，所以原因之后文章会解释）。
它分为2大块：预设和方法。
方法有4个（可以理解为4个调整模式），每个方法下都不一样，所以我在界面详解中的介绍顺序是这样的，以免大家看乱。
该功能最重要的就是“局部应用”，大家也可以直接跳到04来观看。
1 调出界面2 预设（好用）3 方法：01 曝光度和灰度系数02 高光压缩03 色调均化直方图（好用）04 局部应用（好用，重点讲）界面详解1 调出界面执行“图像>调整>HDR色调...”后，如果你的文件是一个智能对象，或者有多个图层，都会弹出这个对话框，如果不点“是”就无法操作，所以只能屈服了。
这个界面的意思是说，要执行HDR色调命令，必须把所有图层合并和栅格化，还原为“背景图层”。
点击“是”之后，图层变成背景图层，并在图层右侧出现了“小锁”的标志。
之后就会看到一个庞大的界面弹出来，该功能的默认值已经含有参数，所以工具弹出，画面已经应用了参数，直接感觉就是暗部提亮，画面饱和度提升了。
hdr校准方法
HDR（High Dynamic Range）校准是为了在高动态范围图像中获得更高的色彩准确性和显示一致性。
以下是一些常见的HDR校准方法：
色彩校准：确保显示设备能够准确再现HDR图像中的各种颜色和色彩细节。
一种常用的方法是使用色彩校准仪器，如色度计或光谱辐射计，通过测量和调整显示设备的色彩输出来获得准确的色彩效果。
对比度校准：在HDR显示中，对比度是非常重要的因素。
使用特定的测试图案或软件，可以调整显示设备的对比度范围和亮度输出，以确保在HDR图像中能够呈现出更丰富的亮度细节和深度。
亮度均衡：在HDR显示中，不同区域的亮度可能会有所不同。
亮度均衡的目的是调整显示设备的背光或亮度分布，以确保整个屏幕表现出均匀的亮度和明暗细节。
色彩空间调整：在处理HDR图像时，必须考虑不同的色彩空间，如DCI-P3、Rec. 2020等。
校准方法包括调整色彩空间的映射和转换，以确保在不同设备上呈现出一致的色彩。
Gamma校准：Gamma值决定了显示设备如何响应不同亮度级别的输入。
HDR显示的Gamma校准需要更复杂的曲线和调整，以确保在不同亮度范围内有更好的亮度平衡和细节表现。
需要注意的是，不同的HDR显示设备和制造商可能有不同的校准方法和工具。
因此，在进行HDR校准时，最好参考特定设备的用户手册或制造商的指南，以确保正确的校准步骤和设置。
hdr 色彩算法
hdr 色彩算法摘要：1.色彩算法概述2.HDR 色彩算法的原理3.HDR 色彩算法的优势与应用4.我国在HDR 色彩算法研究方面的进展正文：1.色彩算法概述色彩算法是一种用于处理和优化图像颜色的技术，旨在提高图像的视觉效果，使其更符合人眼对色彩的感知。
色彩算法广泛应用于摄影、电影、计算机图形学等领域，通过对图像的色彩进行调整和优化，使得图像更具生动感和真实感。
2.HDR 色彩算法的原理HDR（High Dynamic Range，高动态范围）色彩算法是一种基于人眼对亮度、色彩的感知特性的图像处理技术。
HDR 色彩算法通过对图像的亮度、色彩进行分层处理，使得图像在不同亮度、色彩条件下都能呈现出良好的视觉效果。
其基本原理是利用人眼对亮度、色彩的感知范围，将图像的亮度、色彩信息分为多个层次，并对每个层次进行独立的处理和优化，最后将各个层次合成为一个具有高动态范围的图像。
3.HDR 色彩算法的优势与应用HDR 色彩算法具有以下优势：（1）提高图像的动态范围：HDR 色彩算法能够提高图像的动态范围，使得图像中的暗部和亮部细节都能得到很好的呈现。
（2）优化图像的色彩效果：通过对图像的色彩进行分层处理，HDR 色彩算法能够使图像的色彩更加真实、自然。
（3）广泛应用于各种显示设备：HDR 色彩算法可广泛应用于电视、电脑显示器、手机等显示设备，为用户带来更好的视觉体验。
4.我国在HDR 色彩算法研究方面的进展我国在HDR 色彩算法研究方面取得了显著的成果。
近年来，我国科研团队在HDR 显示技术、HDR 图像处理技术等方面取得了一系列重要突破。
此外，我国政府对HDR 技术的推广和应用也给予了大力支持，使得我国在HDR 色彩算法研究方面逐渐走在世界前列。
总之，HDR 色彩算法作为一种重要的图像处理技术，不仅能够提高图像的动态范围和色彩效果，还具有广泛的应用前景。
hdr校准 饱和度
hdr校准饱和度HDR（高动态范围）校准对于图像处理有着重要的作用，其中之一就是可以调整图像的饱和度。
饱和度是指图像中颜色的纯度和鲜艳程度，是图像色彩的重要属性之一。
通过HDR校准，可以使图像的饱和度更加准确、丰富，呈现出更真实、生动的色彩。
让我们来了解一下HDR校准的基本原理。
HDR校准是利用不同曝光条件下拍摄的多张图像，通过合成和处理，获得具有更高动态范围的图像。
这些图像中包含了不同曝光下的细节和亮度信息，经过校准后，可以获得更加真实和自然的图像效果。
在HDR校准中，调整图像的饱和度可以通过多种方式实现。
其中一种常用的方法是使用色彩映射算法，通过对不同曝光图像中饱和度较高的像素进行调整，使其更加平衡。
这样可以保留图像细节的同时，提升整体图像的饱和度。
还可以利用色彩平衡算法来调整图像的饱和度。
色彩平衡是指在不同光源下，通过调整图像中的红、绿、蓝三个通道的亮度，使图像呈现出更加准确的颜色。
通过对每个通道进行饱和度的调整，可以使图像的色彩更加鲜艳、生动。
还可以使用直方图均衡化算法来调整图像的饱和度。
直方图均衡化是一种通过调整图像像素的分布，使其更加均匀的方法。
通过对图像的直方图进行分析，可以确定像素值的分布情况，然后根据分布情况进行饱和度的调整，使图像呈现出更加丰富的颜色。
在实际应用中，根据不同的需求和效果要求，可以选择不同的HDR 校准方法和参数。
例如，在风景摄影中，可以通过增加饱和度来强调图像中的颜色，使其更加鲜艳。
而在人像摄影中，可以适当减少饱和度，使皮肤色彩更加自然、柔和。
还可以根据图像的具体特点和色彩分布情况进行针对性的调整。
例如，对于饱和度较低的图像，可以通过增加对比度和亮度来增强色彩的饱和度。
而对于饱和度较高的图像，则可以通过降低亮度和对比度来进行调整，使图像的色彩更加平衡。
HDR校准对于调整图像的饱和度有着重要的作用。
通过选择合适的校准方法和参数，可以使图像呈现出更加真实、丰富的色彩。
hdr变亮算法
hdr变亮算法
HDR（高动态范围）变亮算法是一种处理图像的技术，旨在解决场景中过暗和过亮的问题，提高图像的视觉效果。
以下是一种常见的HDR变亮算法的实现过程：
1. 采集多张不同曝光级别的图像，这些图像的曝光级别从低到高，以便包含场景中的所有细节。
2. 将这些不同曝光级别的图像进行融合，生成一张HDR图像。
3. 对HDR图像进行亮度调整，使其适应人眼的亮度范围。
4. 对HDR图像进行色彩空间转换，将其从RGB色彩空间转换到亮度（Y）色彩空间。
5. 对亮度进行调整，确保亮度计算的准确性和一致性。
6. 对图像进行压缩和降噪处理，以提高图像的质量。
7. 最后，将处理后的图像转换回RGB色彩空间，以便进行显示和存储。
需要注意的是，HDR变亮算法的实现过程可能会因不同的算法和工具而有所不同，但总体上来说，其目标都是提高图像的动态范围和视觉效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
HDR High Dynamic Range ，即高动态范围，比如所谓的高动态范围图象（HDRI）或者高动态范围渲染（HDRR）。
动态范围是指信号最高和最低值的相对比值。
目前的16位整型格式使用从“0”（黑）到“1”（白）的颜色值，但是不允许所谓的“过范围”值，比如说金属表面比白色还要白的高光处的颜色值。
在HDR的帮助下，我们可以使用超出普通范围的颜色值，因而能渲染出更加真实的3D场景。
也许我们都有过这样的体验：开车经过一条黑暗的隧道，而出口是耀眼的阳光，由于亮度的巨大反差，我们可能会突然眼前一片白光看不清周围的东西了，HDR在这样的场景就能大展身手了。
HDR可以用3句话来概括：亮的地方可以非常亮暗的地方可以非常暗亮暗部的细节都很明显。
HDR的处理在显卡中可以分为3个步骤：将画面用高光照动态范围渲染，并储存每个象素的亮度特性；将HDRI画面转成低动态范围的画面（RGBA或是sRGB）；色彩和Gamma校正后传送到显示设备输出。
计算机在表示图像的时候是用8bit(256)级或16bit(65536)级来区分图像的亮度的，但这区区几百或几万无法再现真实自然的光照情况。
HDR文件是一种特殊图形文件格式，它的每一个像素除了普通的RGB信息，还有该点的实际亮度信息。
普通的图形文件每个象素只有0 －255的灰度范围，这实际上是不够的。
想象一下太阳的发光强度和一个纯黑的物体之间的灰度范围或者说亮度范围的差别，远远超过了256个级别。
因此，一张普通的白天风景图片，看上去白云和太阳可能都呈现是同样的灰度/亮度，都是纯白色，但实际上白云和太阳之间实际的亮度不可能一样，他们之间的亮度差别是巨大的。
因此，普通的图形文件格式是很不精确的，远远没有纪录到现实世界的实际状况。
所以，现在我们就要介绍一下高动态范围图像（简称HDRI）。
HDR高动态范围渲染目前是一种逐渐开始流行的显示技术，其技术出发点就是让计算机能够显示更接近于现实照片的画面质量。
目前在民用领域看到最多HDR技术应用的必然是游戏了。
在现实中，当人从黑暗的地方走到阳光下时，我们的眼睛会不由自主的迷起来，那是因为在黑暗的地方，人为了更好的分辨物体，瞳孔张开很大，以便吸收光线;而突然到了光亮处瞳孔来不及收缩，视网膜上的视神经无法承受如此多的光线，人自然会迷上眼睛阻止大量光线冲击视神经。
而电脑是不具备这种功能的。
所以，HDR的最终效果因该是亮处的效果是鲜亮的，而黑暗处你也可以清晰的分辨物体的轮廓，位置和深度，而不是以前的一团黑。
动态、趋近真实的物理环境是HDR的特效表现原则。
实际游戏中会发现井底水面反射的阳光在墙壁上动态的明亮反光，洞口的明亮天空也会稍微变弱些。
这样就能更清晰的表现出水面的反光。
如果此时低头看水面会发现水面直接将阳光反射到人眼中很刺眼，但仅仅1秒钟时间光线就会减弱，因为人眼适应了直接反射的阳光。
这就是游戏的曝光控制功能，模拟人眼自动适应光线变化的能力，而不是照相机。
HDR并不仅仅是反射的光强度要高。
在游戏中，如果你盯着一个面向阳光直射的物体，物体表面会出现丰富的光反射;如果盯着不放，物体表面的泛光会渐渐淡出，还原出更多的细节。
HDR特效是变化的，因此称作高动态光照。
热成像的非均匀性校正算法有很多种，红外焦平面非均匀性校正算法主要分为基于定标的非均匀校正算法(如一点温度定标算法、二点温度定标算法、多点温度定标算法)和基于场景的自适应非均匀校正算法(如时域高通滤波(THPFC)算法、人工神经网络(ANNC)算法、恒定统计平均(Cs)校正算法等)。
目前二点温度定标算法和多点温度定标算法是最为成熟的实用性算法，但是它需要周期性的对它维护，这给红外成像设备维护工作带来很多困难。
而基于场景的非均匀校正算法不需要对其周期性的维护，所以人们对它产生了很大的兴趣，目前该算法以神经网络自适应算法为代表。
一点校正法仅能在一个定标点处把单元的输出信号校正一致，随着相对于这个定标点的偏移越大，由于探测器各探测元响应度的非一致性，校正误差也越大。
两点校正法计算量小，可以实现实时校正，除了进行定标外，对目标图像无任何要求，在体积、重量、功耗、成本等方面也最为理想，但当温度变化范围较宽时，由于探测器响应并非严格线性，两点校正系数aij和bij会依赖于所取的温度T1和T2。
在成像或测温过程中，当目标温度偏离T1和T2较大时，依据原有aij和bij得到的校正结果会有很大的误差。
所以，原有的aij和bij系数将不能适应，需要在当前环境温度下重新对校正系数进行更新，给应用带来不便。
两点校正算法是基于响应基本线性的情况下进行的，但实际上每个探测元的响应通常情况下呈非线性，尤其在辐照度变化范围较大时，其线性度更差。
多点定标分段线性校正与两点校正法相比，计算量大，并且由于存储多组校正系数，需要大容量存储器，在校正过程中还需根据背景温度的变化选择合适的校正系数，这增加了编程的困难。
但它原理简单，且有成熟的理论，不存在稳定性问题，比较容易实现。
综合考虑校正效果与实际条件，在目前情况这也是一种比较实用的算法。
时域高通滤波算法的优点是:1.算法简单快速，可以实现实时校正，校正过程不需要定标，不影响系统正常的测量工作。
对低频的非均匀性效果显著。
2.在目标跟踪上，该算法很好地抑制了背景和噪声，突出了移动目标，具有很好的效果。
缺点是:1.只进行了偏移的校正，要求系统具有很好的增益均匀性。
2.该算法要求场景作随机运动，否则图像就会退化，出现伪像。
3.抑制固定图案噪声同时也抑制了图像的低频分量，影响图像质量。
传统人工神经网络算法的优点是:不需要定标校准，可以连续更新增益与偏移的校正系数，而且不受探测单元噪声漂移的影响。
其缺点是:1，算法计算量较大，很难实现实时校正，且由于结构复杂，在硬件上实现也有困难，采用了迭代运算，要保证算法的收敛性。
2，与时域高通滤波算法类似，该算法也要求场景作随机运动，否则会引起图像退化，出现伪像。
由于传统人工神经网络算法具有自适应的优点，该算法被广泛应用到各个领域。
排序均值垂直滤波算法能够有效地消除非均匀性带来的水平条纹，并且能够有效地保护边缘。
另外该算法计算简单，容易在硬件上实现。
但是该算法对非均匀噪声比较大的红外图像不能起很大的校正作用。
改进的均值滤波算法不仅能降低图像的噪声，对水平条纹和垂直条纹都可以进行滤波，同时也保留了图像的部分细节，另外，还可以较为有效地减少黑点和白点对滤波的影响，更重要的是简化了算法，更利于在硬件上实现。
另外也为下一步进行神经网络校正提供了一个期望值。
1.HDR动态范围定义HDR 是英文High-Dynamic Range 的缩写，中文译名为高动态光照渲染。
比如所谓的高动态范围图象（HDRI）或者高动态范围渲染（HDRR）。
动态范围是指信号最高和最低值的相对比值。
目前的16位整型格式使用从“0”（黑）到“1”（白）的颜色值，但是不允许所谓的“过范围”值，在HDR的帮助下，我们可以使用超出普通范围的颜色值，因而能渲染出更加真实的3D场景。
总之简单来说，HDR可以用3句话来概括：1.亮的地方可以非常亮。
2.暗的地方可以非常暗。
3.亮暗部的细节都很明显HDR技术原理我们已经知道，HDR渲染包含两个步骤，一是曝光控制，即将高动态范围的图像映射到一个固定的低范围中，即屏幕能够显示的(0,1)的范围内。
二是对于特别亮的部分实现光晕的效果。
其中曝光控制是HDR渲染的核心环节，光晕效果对表现高亮的像素起了重要的作用。
这里先分别介绍两个步骤的原理和方法，再介绍如何实现一个完整的HDR 渲染器。
在所有步骤开始之前，你必须已经通过某种方法得到了一个高动态范围的图像。
高动态范围的图像每一个像素都由浮点型的R,G,B分量表示，这样每个分量都可以任意大。
对于渲染器而言，这意味着一个浮点纹理。
那么，如何将一个场景渲染到一个高动态范围的浮点纹理中呢？你可以为场景中的每个表面创建一张浮点格式的光照贴图，这张光照贴图的每个象素代表了表面上相应位置的光强。
然后使用OpenGL的FBO（帧缓冲对象）将绑定了浮点光照贴图的场景渲染到一个同屏幕大小一致的浮点纹理中。
好的，先来看看所谓的曝光控制。
这个步骤在HDR渲染中被称为Tone Mapping。
翻译成中文即“调和映射”。
Tone Mapping有很多具体的方法，每个方法都是一个从高动态范围到低范围的一个映射，我们把这些方法统称为Tone Mapping Operator(TMO)，可见，TMO的好坏直接决定了图像的最终质量。
计算当前要渲染的高动态范围图像的平均亮度，然后根据平均亮度确定一个曝光参数，然后使用这个曝光参数将图像正确地映射到屏幕能显示的颜色区域内。
2.非均匀矫正算法红外焦平面非均匀性校正算法主要分为基于定标的非均匀校正算法(如一点温度定标算法、二点温度定标算法、多点温度定标算法)和基于场景的自适应非均匀校正算法(如时域高通滤波(THPFC)算法、人工神经网络(ANNC)算法、恒定统计平均(Cs)校正算法等)。
目前二点温度定标算法和多点温度定标算法是最为成熟的实用性算法，但是它需要周期性的对它维护，这给红外成像设备维护工作带来很多困难。
而基于场景的非均匀校正算法不需要对其周期性的维护，所以人们对它产生了很大的兴趣，目前该算法以神经网络自适应算法为代表。
1). 一点校正当热成像探测元的响应度为线性关系时，可以采用一点校正法来校正其响应的非均匀性。
一点校正法就是在同一辐射条件下把各个热成像探测元的输出信号凡校正为一致，即在某一入射辐射下，把不同的热成像探测元输出信号凡校正为其平均信号。
校正过程分为标定和补偿两步，具体方法是先用温度为几的均匀辐射黑体辐照探测器，得到此时每个探测元的响应输出可，，求其平均值: 式中N为探测器面阵中探测元总的个数。
然后用下式求出各单的校正因子a，。
把各校正因子气存入相应的存储单元，这样就完成了不均匀性的标定。
再对探测元的每个响应输出凡进行实时校正，即: 。
将实际的探测元响应信号与各自的校正因子相乘，即完成非均匀性补偿。
一点校正法仅能在一个定标点处把单元的输出信号校正一致，随着相对于这个定标点的偏移越大，由于探测器各探测元响应度的非一致性，校正误差也越大。
2). 两点校正不仅对器件的增益系数做补偿，还对偏置系数进行了校正。
3）. 多点定标分段线性校正这种算法与两点校正法相比，计算量大，并且由于存储多组校正系数，需要大容量存储器，在校正过程中还需根据背景温度的变化选择合适的校正系数，这增加了编程的困难。
但它原理简单，且有成熟的理论，不存在稳定性问题，比较容易实现。
综合考虑校正效果与实际条件，在目前情况这也是一种比较实用的算法。
4). 时域高通滤波法该算法由Honeywen公司P.M.Narendra等人提出，要求探测元的增益是均匀的，而实际上这是不可能的。