Akwizycja obrazów HDR

Transkrypt

1 Akwizycja obrazów HDR Radosław Mantiuk 1

2 Składanie HDRa z sekwencji zdjęć LDR (1) Seria zdjęć sceny wykonanych z różnymi ustawieniami ekspozycji 2

3 Składanie HDRa z sekwencji zdjęć LDR (2) Unikanie ustawień kamery zmieniających sposób rejestracji sceny w kolejnych ujęciach: zmiana ekspozycji poprzez ustawianie różnych czasów ekspozycji, wyłączone automatyczne obliczanie punktu bieli, stała przesłona i czułość matrycy. Minimalizacja zniekształcenia wywoływane przez kamerę: środkowa wartość przesłony, dobrej jakości obiektyw, osłona na obiektyw redukująca flary. Statyw redukujący przesunięcia pomiędzy ujęciami. 3

4 Irradiancja <-> Radiancja Liniowa zależność irradiancji obrazu od radiancji sceny. matryca przesłona radiancja sceny X = L π 4 (d h )2 cos 4 φ średnica obiektywu h d scena irradiancja obrazu ogniskowa obiektywu kąt ochylenia od osi symetrii obiektywu Radiancja - fizyczna wartość energii emitowanej ze sceny Irradiancja - energia światła integrowana przez sensor CCD/CMOS 4

5 Jaskrawość (ang. Brightness) Jaskrawość - irradiancja rejestrowana w czasie brightness Y = X t ~wartość piksela Y = L cos4 φ h 2 πd 2 4 t wartości ekspozycji zależy od czasu naświetlania i średnicy obiektywu 5

6 Ekspozycja Wartość ekspozycji dla czasu naświetlania t [s] N = h d [ f / #] Y = L cos4 φ πd 2 h 2 4 t = L cos4 φ π d 2 4 h t = L cos4 φ π 2 4 t N 2 ev i = N 2 t i 6

7 Obliczanie irradiancji za pomocą standardowego aparatu fotograficznego irradiancja = X = Y t const wartosc _ piksela czas_ekspozycji const const - stała umożliwiająca uzyskanie bezwzględnej wartości radiancji (luminancji). Definiowana w standardzie APEX. EV = log 2 ( A2 t ) const Czas 1 [s] Czas 5 [s] 7

8 Obraz HDR poprzez złożenie ekspozycji LDR W jaki sposób sumować wartości pikseli, aby odtworzyć radiancję sceny? funkcja odwrotna do charakterystyki aparatu wartość j-tego piksela z i-tej klatki ekspozycja i-tej klatki irradiancja j-tego piksela x j = i g(y i, j ) ev i w i, j i w i, j waga eliminująca szum 8

9 Funkcja wagowa Przypisywanie wag (<0,1>) określających wiarygodność pikseli w obrazach LDR. Małe wartości wag oznaczają piksele zaszumione lub przesaturowane. 9

10 Funkcja wagowa: krzywa Gaussa 10

11 Funkcja odpowiedzi Zależność wartości pikseli DN od irradiancji sceny. wartość piksela wartość irradiancji (skala logarytmiczna) 11

12 Pomiar funkcji odpowiedzi Pomiar jasności pól na wzorcu color checker a. Wykonanie zdjęcia i odczytanie wartości piseli dla tych pól. GretagMacbeth ColorChecker 12

13 Wyznaczanie funkcji odpowiedzi Zmiana czasu ekspozycji powinna powodować proporcjonalną zmianę wartości pikseli Czas 1 [s] Czas 5 [s] Wymagane co najmniej dwa zdjęcia tej samej sceny wykonane przy różnych ekspozycjach. Badana zmiana koloru pikseli dla całego zakresu nasycenia (osobno dla składowych R,G i B). 13

14 Metoda iteracyjna Minimalizacja funkcji dwóch zmiennych. 1. Liniowa charakterystyka odpowiedzi I yij 2. Normalizacja taka, aby I 128 =1.0 (wartość I w połowie przedziału wynosiła 1) 3. Obliczenie wartości dla danego x j I m 4. Obliczenie wartości dla danego I yij x j E m m < 0,254 > - zbiór pikseli obrazów wejściowych (LDR), których wartość wynosi m 14 k=k+1 Card(E m ) - liczba elementów zbioru Em 5. Sprawdzenie kryterium zbieżności (I m k I m k 1 ) 2 (rozwiązania może nie być!) m Card(E m ) < ε

15 Funkcji odpowiedzi - funkcja wielomianowa Funkcja wielomianowa 15

16 Problemy: przesunięcia Usuwanie przesunięć między obrazami 16

17 Problemy: aberracje Usuwanie flar wywołanych przez soczewki 17 Obraz wyraźniejszy

18 Problemy: duchy Usuwanie duchów 18

19 Literatura M. Robertson, S. Borman, and R. Stevenson. Dynamic range improvement through multi- ple exposures. In Proceedings of the 1999 International Conference on Image Processing (ICIP-99), pages , Los Alamitos, CA, October M. Robertson, S. Borman, and R. Stevenson. Estimation-theoretic approach to dynamic range enhancement using multiple exposures. Journal of Electronic Imaging, 12: , April T. Mitsunaga and S. K. Nayar. Radiometric self calibration. In proc. of Computer Vision and Pattern Recognition, Fort Collins, CO, USA, pages ,