blendexposure
从不同曝光的图像中创建曝光良好的图像
语法
J = blendeexposure (I1,I2，…，In)
J = blendexposure(I1,I2，…，In,Name,Value)
描述
例子
将图像与强光源混合
阅读一系列不同曝光的图像，这些图像是由固定相机拍摄的，场景中没有移动物体。
I1 = imread(“car_1.jpg”）;I2 = imread(“car_2.jpg”）;I3 = imread(“car_3.jpg”）;I4 = imread(“car_4.jpg”）;
显示图像。在曝光不足的图像中，只有明亮的区域，如车灯，有信息的细节。相反，在过度曝光的图像中，大灯是饱和的，最好的对比来自较暗的区域，如砖地板和屋顶。
蒙太奇({I1、I2 I3,预告})
使用曝光融合混合图像。默认情况下，blendexposure功能试图抑制来自强光源的高光。为了进行比较，也可以混合图像而不压制高光部分。显示两个结果。
E =混合曝光(I1,I2,I3,I4);F =混合曝光(I1,I2,I3,I4，“ReduceStrongLight”、假);蒙太奇({E, F})标题(“带有(左)和没有(右)强光抑制的曝光融合”）
在融合图像中，亮区和暗区保留了信息细节。由于强光抑制，大灯的形状是可识别的，饱和像素不超出大灯的边界。没有强烈的光感知，大灯的形状无法识别，大灯在地面和其他车辆部分部位的反射中有饱和像素。
使用曝光融合混合静止场景图像
阅读一系列不同曝光的图片。这些图像是由固定摄像机拍摄的，场景中没有移动的物体。
I1 = imread(“office_1.jpg”）;I2 = imread(“office_2.jpg”）;I3 = imread(“office_3.jpg”）;I4 = imread(“office_4.jpg”）;I5 = imread(“office_5.jpg”）;I6 = imread(“office_6.jpg”）;蒙太奇({I1、I2 I3,预告、I5 16})标题(“不同曝光的图像”）
使用曝光融合混合已注册的图像，可选地在融合中改变对比度、饱和度和良好曝光度，并且不减少强光源。显示结果。
E =混合曝光(I1,I2,I3,I4,I5,I6，“对比”, 0.8,.．.“饱和”, 0.8,“wellexposedness”, 0.8,“reduceStrongLight”、假);imshow (E)标题(使用曝光融合的混合图像）
输入参数
输出参数
提示
要混合移动场景或相机抖动的图像，首先使用
imregmtb函数。imregmtb在注册图像时，只考虑平移，而不考虑旋转或其他类型的几何变换。
算法
的blendexposure函数计算每个质量度量的权重如下:
对比权重计算使用拉普拉斯滤波。
饱和度权重由每张图像的标准偏差计算。
通过将图像的部分与均值为0.5，标准差为0.2的高斯分布进行比较，确定良好的曝光率。
强轻减权重计算为其他三个权重的混合，乘以具有固定均值和方差的高斯分布。
使用高斯金字塔对权重进行分解，与对应图像的拉普拉斯金字塔无缝混合，有助于保留场景细节。
参考文献
[1]默滕斯，T.考茨和F. V.里斯。“曝光融合。”太平洋图形2007:计算机图形和应用的太平洋会议论文集．毛伊岛，HI, 2007，第382-390页。
在R2018a中引入
这个话题有用吗?
您也可以从以下列表中选择一个网站:
