多分辨率曝光融合在安卓平臺(tái)上的實(shí)現(xiàn)

徐志偉++黃偉峰++張海

摘要：數(shù)碼成像設(shè)備只能表示非常有限的動(dòng)態(tài)范圍，因此亮度差異很大的物體很難在一副圖像中清楚顯示。曝光融合就是將不同曝光條件下采集的圖像合并成一幅所有細(xì)節(jié)都清晰的圖像，而多分辨率曝光融合是其中一種簡單且高效的方法。該文闡述了該算法在安卓平臺(tái)上的設(shè)計(jì)和實(shí)現(xiàn)方法，并在手機(jī)上進(jìn)行測試，實(shí)驗(yàn)結(jié)果表明該算法能運(yùn)行在手機(jī)上，為以后測試更多曝光融合算法提供了一個(gè)平臺(tái)。

關(guān)鍵詞：多分辨率曝光融合；安卓平臺(tái)；系統(tǒng)實(shí)現(xiàn)

中圖分類號：TP37 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）32-0262-02

1 背景

普通數(shù)碼相機(jī)或具有拍照功能的手機(jī)已成為人們記錄生活的主要工具。由于數(shù)碼成像設(shè)備能表示的動(dòng)態(tài)范圍遠(yuǎn)低于現(xiàn)實(shí)世界的動(dòng)態(tài)范圍，因此亮度差異很大的兩個(gè)對象難以在一幅圖像中清晰成像。曝光融合是通過圖像融合技術(shù)，將多幅不同曝光條件下采集的圖像合成一幅更能反映現(xiàn)實(shí)景象，從而保證所有細(xì)節(jié)都比較清晰。這種算法簡化了中間過程，不需要生成高動(dòng)態(tài)范圍圖像，減少了相機(jī)響應(yīng)函數(shù)估計(jì)誤差對合成結(jié)果的影響，其中最具代表性的是多分辨率曝光融合算法[1]。

該算法由T. Mertens、J. Kautz和F. V. Reeth共同提出，其主要思想是：首先，根據(jù)對比度、飽和度和曝光度，為原始輸入圖像計(jì)算權(quán)值矩陣；然后，對圖像進(jìn)行拉普拉斯分解，而對權(quán)值矩陣進(jìn)行高斯分解；最后，在對每一層的圖像分別融合后，將所有層的融合結(jié)果合并成一幅圖像。下面將介紹如何將該算法在安卓平臺(tái)上實(shí)現(xiàn)。

2 多分辨率曝光融合在安卓平臺(tái)上的實(shí)現(xiàn)

圖1 多分辨率曝光融合系統(tǒng)的UML圖

為了能在手機(jī)端運(yùn)行曝光融合算法，這個(gè)系統(tǒng)至少包括連拍和多分辨率曝光融合兩大功能。當(dāng)選擇連拍時(shí)，能進(jìn)入拍照畫面，并且能拍出多張具有不同曝光度的照片；當(dāng)選擇曝光融合時(shí)，能夠?qū)x定的多張圖片進(jìn)行融合并顯示出結(jié)果圖片。為了實(shí)現(xiàn)這些功能，我們設(shè)計(jì)的類及類間關(guān)系如圖1所示。

類MainActivity是該系統(tǒng)的第一個(gè)界面，主要包括連拍和融合2個(gè)按鈕，分別切換到拍照界面和融合界面。類CameraAty是拍照界面，不僅提供照片預(yù)覽功能，還能通過多次啟動(dòng)拍照并在每次啟動(dòng)前修改相機(jī)曝光值，達(dá)到采集具有不同曝光度的照片的效果。類rongheActivity是融合界面，用以顯示所有圖像，并提供選擇工具，一旦選中多幅圖像后通過開始融合按鈕，實(shí)現(xiàn)融合并顯示結(jié)果。

類imageMap和類weightMap用來實(shí)現(xiàn)彩色圖像和權(quán)值映射的基本操作，并在此基礎(chǔ)上，類mulResDecompo實(shí)現(xiàn)了多分辨率曝光融合算法，其中3個(gè)主要成員函數(shù)exposure_fusion、gaussian_pyramid和laplacian_pyramid分別實(shí)現(xiàn)了融合算法的主體、高斯分解和拉普拉斯分解。用Java語言描述多分辨率曝光融合算法主體如下所示：

public Bitmap exposure_fusion（List wms， List bmps）{

int nlev = （int）（Math.floor（Math.log（（double）（Math.min（bmps.get（0）.getWidth（），bmps.get（0）.getHeight（）））） / Math.log（（double）2）））；//根據(jù)輸入圖像的長度和寬度，自動(dòng)計(jì)算圖像分解的層數(shù)

List ans = new ArrayList（）；

for（int i = 0； i < wms.size（）； i++）{

List pyrW = gaussian_pyramid（wms.get（i）， nlev）；//對第i幅圖像的權(quán)值矩陣進(jìn)行高斯分解

List pyrB = laplacian_pyramid（bmps.get（i）， nlev）；//對第i幅圖像進(jìn)行拉普拉斯分解

for（int j = 0； j < nlev； j++）{//逐層融合，每層得到1幅結(jié)果圖像

if（i==0）{

imageMap tmp = new imageMap（）；

tmp.setWidth（pyrB.get（j）.getWidth（））；

tmp.setHeight（pyrB.get（j）.getHeight（））；

tmp.setRed（new double[tmp.getWidth（）*tmp.getHeight（）]）；

tmp.setGreen（new double[tmp.getWidth（）*tmp.getHeight（）]）；

tmp.setBlue（new double[tmp.getWidth（）*tmp.getHeight（）]）；

for（int x = 0； x < tmp.getWidth（）； x++）

for（int y = 0； y < tmp.getHeight（）； y++）{

tmp.setARed（x， y， pyrB.get（j）.getARed（x， y）* pyrW.get（j）.getAWeight（x， y））；

tmp.setAGreen（x， y， pyrB.get（j）.getAGreen（x， y）* pyrW.get（j）.getAWeight（x， y））；

tmp.setABlue（x， y， pyrB.get（j）.getABlue（x， y）* pyrW.get（j）.getAWeight（x， y））；

}

ans.add（tmp）；

}

else

{

imageMap tmp = ans.get（j）；

for（int x = 0； x < tmp.getWidth（）； x++）

for（int y = 0； y < tmp.getHeight（）； y++）{

tmp.setARed（x， y， tmp.getARed（x， y）+pyrB.get（j）.getARed（x， y）* pyrW.get（j）.getAWeight（x， y））；

tmp.setAGreen（x， y， tmp.getAGreen（x， y）+pyrB.get（j）.getAGreen（x， y）* pyrW.get（j）.getAWeight（x， y））；

tmp.setABlue（x， y， tmp.getABlue（x， y）+pyrB.get（j）.getABlue（x， y）* pyrW.get（j）.getAWeight（x， y））；

}

}

}

}

return reconstruct_laplacian_pyramid（ans）；//將nlev幅結(jié)果圖像合并成一幅輸出

}

該算法的輸入是原始彩色圖像和權(quán)值矩陣，其中權(quán)值矩陣根據(jù)對比度、飽和度和曝光度計(jì)算得到[1]，而輸出則是融合后的結(jié)果圖像。算法的主要過程是：

1）根據(jù)圖像的長度和寬度，自動(dòng)計(jì)算出圖像分解的層數(shù)nlev；

2）gaussian_pyramid（weightMap a，int nlev）將權(quán)值矩陣分解為nlev層的高斯金字塔；

3）laplacian_pyramid（imageMap a，int nlev）將圖像分解為nlev層的拉普拉斯金字塔；

4）將同一層的所有圖像根據(jù)權(quán)值矩陣加權(quán)平均，得到nlev層結(jié)果圖像；

5）reconstruct_laplacian_pyramid（List pyrI）將nlev個(gè)結(jié)果圖像合并，其合并方法是從分辨率最低的開始，將每一層圖像放大到與上一層圖像大小相同后疊加上去，直到達(dá)到最高分辨率為止。

3 實(shí)現(xiàn)效果

程序運(yùn)行后，單擊拍照按鈕，拍出3張曝光度不同的照片，并在單擊圖像融合后，能夠?qū)x定的3張圖像進(jìn)行融合處理，并得出最終的圖像。圖2顯示了一組實(shí)驗(yàn)結(jié)果，其中第一行3幅圖是待融合的輸入圖像，第二行是融合圖像。實(shí)驗(yàn)效果表明該系統(tǒng)已實(shí)現(xiàn)算法的基本功能。此外，允許用戶設(shè)置采集圖像的數(shù)量，選出其中包含信息較多的圖進(jìn)行融合，就可以得到一張保留場景信息最多最好的圖像。

圖2 融合測試結(jié)果

4 結(jié)束語

本論文做了一種嘗試，將多分辨率曝光融合算法在安卓平臺(tái)上進(jìn)行實(shí)現(xiàn)并測試通過，為以后測試更多曝光融合算法提供了一個(gè)平臺(tái)。通過系統(tǒng)測試，我們也發(fā)現(xiàn)一些問題可以改進(jìn)：

1）連拍需要一段時(shí)間才能完成，這段時(shí)間內(nèi)相機(jī)即使有輕微抖動(dòng)，融合后的圖像也會(huì)呈現(xiàn)出重影。因?yàn)槎喾直媛势毓馊诤纤惴ㄖ粚o態(tài)場景有效，所以可以嘗試動(dòng)態(tài)場景的融合算法。

2）因?yàn)樵撓到y(tǒng)會(huì)產(chǎn)生一個(gè)圖像序列和一個(gè)權(quán)值矩陣序列，所以運(yùn)行時(shí)將耗費(fèi)大量的內(nèi)存，我們之后將進(jìn)一步改進(jìn)算法，盡量減少內(nèi)存消耗。

參考文獻(xiàn)：

[1] Mertens T. Exposure Fusion： A Simple and Practical Alternative to High Dynamic Range Photography[J]. COMPUTER GRAPHICS forum， 2009， 28（1）：161-171.

[2] 李剛. 瘋狂的Android講義[M]. 2版.北京： 電子工業(yè)出版社， 2012.

[3] 黃雋實(shí). Android開發(fā)最佳實(shí)踐[M]. 北京： 機(jī)械工業(yè)出版社， 2013.