进行HDR重建时避免粗糙边缘

Question

给定具有不同曝光剂量的N个x射线图像，我必须将它们组合成单个的，其浓缩来自N个源图像的信息。如果我的研究是正确的，那么这个问题就属于HDRI导管。

我的第一种方法是加权平均值。对于初学者，我只使用两帧。

让A成为第一张图像，即曝光率最低的图像，因此设置为更重要以突出细节。让B成为第二个曝光过度的图像，C生成的图像和M最大可能的像素值。因此，对于每个像素i：

w [i] = A [i] / M

C = w [i] * A [i] +（1 - w [i]）B [i]

应用这个想法的一个例子：

注意结果（第三张图像）如何很好地捕获两个源图像中的信息。

问题是第二张图像在物体边缘周围有不连续性（这在过度曝光的图像中是不可避免的），并且继续进行结果。仔细看......

最好的HDR软件似乎是Photomatix，所以我愚弄了它，无论我如何调整它，不连续性总是出现在结果中。

我认为我应该以某种方式忽略第二张图像的边缘，但我必须以“平滑的方式”进行。我尝试使用一个简单的阈值，但结果看起来更糟。

你有什么建议？ （只欢迎开源图书馆）

Answer 1

这里的问题是每个图像都有不同的曝光剂量。任何HDR算法都必须考虑到这一点。

我问过创建X射线图像的人，第二张图像的曝光剂量大约是第一张图像的曝光剂量的4.2倍。我向Photomatix提供了错误的EV值，因为我不知道EV是以停止表示的，1停止意味着两倍的参考值。因此，将0 EV分配给第一个图像并将+2.1 EV分配给第二个图像，不连续性已经消失，保留所有信息。

接下来的问题是我不知道Photomatix是如何做到这一点的。所以我尝试使用Luminance HDR, aka qtpfsgui做同样的事情，这是开源的。

总而言之，必须将曝光的包围曝光的图像馈送到HDR压缩算法，该算法创建HDR图像。基本上，这是一个包含所有图像信息的浮点图像。有很多算法可以做到这一点。 Luminance HDR称之为 HDR创建模型，并提供其中两个：Debevec和Robertson。

然而，HDR图像不能直接显示在传统显示器（即监视器）上。所以我们需要将它转换为“普通”（LDR）图像，同时保留尽可能多的颜色信息。这被称为tone-mapping，并且还有各种可用的算法; Luminance称这些 Tonemap运算符并提供几个。它还选择最合适的一个。 Pattanaik操作员非常适合这些图像。

所以现在我正在阅读Luminance的代码，以便了解它并制作我自己的实现。