Рассмотрен принцип комбинирования изображений, использующий тональную компрессию. Показано, что необходимо использовать S-образные функции тональной компрессии.
Ключевые слова: тональная компрессия, гамма-коррекция.
Рассмотрим принцип комбинирования изображений, полученных обычной видеокамерой. Будем использовать для этого самый простой способ: объединение многих (сотен) кадров в одно изображение. Это проще, чем управление выдержкой. Оно требует знания детального знания команд управления выдержкой, что не всегда возможно.
Объединение осуществляется путем простого цифрового сложения нескольких сотен кадров. В результате получается кадр, как бы снятый с очень большой выдержкой. Для такого суммирования нужны исходные кадры, в которых сигнал не перешел в насыщение даже на самых ярких участках, то есть снятые с достаточно малой выдержкой. Тогда динамический диапазон по отношению к шумам повышается в
Требуется решение еще двух проблем:
— выбор формата данных, в который можно записать изображение с расширенным диапазоном яркостей (обычные 8-битные RGB файлы для этого не подходят);
— отображение кадра с большим диапазоном яркостей на мониторах, имеющих существенно меньший максимальный диапазон яркостей.
Первая проблема требует, в принципе, просто большего объема памяти.
Вторая проблема решается с помощью одного из двух методов:
— тональная компрессия, при которой большой диапазон яркостей уменьшается в небольшой диапазон бумаги, монитора или 8-битного sRGB-файла путем уменьшения контраста всего изображения, единым образом для всех пикселей изображения;
— локальное тональное отображение (англ. tone mapping), при котором производится нелинейное изменение яркостей пикселей, на разную величину для разных областей изображения.
Локальное тональное отображение сложнее, так как требует предварительной сегментации изображения, хотя бы на темные и светлые сегменты. Так как данная работа является предварительным исследованием, в ней ограничимся более простой тональной компрессией.
Тональная компрессия означает применение к каждому пикселю изображения нелинейной функции, преобразующей его яркость:
где
Эта функция может быть применена к трем цветовым компонентам пикселя отдельно, или могут быть использованы три различные нелинейные функции. Среди таких функций наиболее широко известна так называемая гамма-коррекция [2]. Такая коррекция помогает, например, если нужно выявить детали только в темных участках изображения, или только в светлых.
Обычно гамма-коррекция производится в соответствии с выражением
где — показатель степени, регулируемый в пределах 0,2…3;
E 0 — опорное значение яркости, которое не меняется при такой обработке, в качестве E 0 обычно берется максимально возможное значение (например, 255 при однобайтовом кодировании яркости).
Нетрудно видеть, что вычисление выходного значения может производиться по формуле
Примеры этой функции для E 0 = 255 приведены на рис. 1. Название гамма-коррекция произошло от обозначения показателя степени.
Рис. 1. Примеры нелинейной функции гамма-коррекции при различных
Если нужно подчеркнуть контраст деталей средней яркости, то гамма-коррекция не годится. Вместо нее используют так называемую S-образную кривую — функцию, у которой производная максимальна в средней части диапазона яркостей и убывает к краям этого диапазона. Примером такой функции служит
На рис. 2 показаны примеры этой функции при разных параметрах .
Для целей данной работы будет применяться разностное изображение D ( x , у ), представляющее собой разность между текущим кадром видео E ( x , у ) и усредненным кадром фона E Ф ( x , у ):
где слагаемое
В таком разностном изображении все информативные детали сосредоточены как раз в середине диапазона яркостей. Поэтому необходимо использовать S-образные функции тональной компрессии.
Рис. 2. Примеры нелинейной S-образной функции при различных
Литература:
1. Динамический диапазон и его практическое значение [Электронный ресурс]. — Режим доступа: http://www.xela.ru/dinamicheskij-diapazon-i-ego-prakticheskoe-znachenie/ (дата обращения: 06.05.2021).
2. Гамма-коррекция [Электронный ресурс]. — Режим доступа: http://www.graph.unn.ru/rus/materials/CG/CG03_ImageProcessing.pdf (дата обращения: 06.05.2021).
