1 / 22

Recuperação de curva de respostas para High Dynamic Range Images

Recuperação de curva de respostas para High Dynamic Range Images. Rodrigo Martins FCG 2005/1 Profº Marcelo Gattass. Introdução. Objetivo: criar um mapa de radiância a partir de um conjunto de imagens.

freya
Download Presentation

Recuperação de curva de respostas para High Dynamic Range Images

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Recuperação de curva de respostas para High Dynamic Range Images Rodrigo Martins FCG 2005/1 Profº Marcelo Gattass

  2. Introdução • Objetivo: criar um mapa de radiância a partir de um conjunto de imagens. • Olho humano é capaz de perceber uma maior variação de dinâmica que as imagens digitais comuns. • Permite a utilização de efeitos em imagem digital com qualidade muito maior.

  3. Introdução • Exposição X = E * Dt • E = Radiancia. • Dt = Tempo de exposição do pixel à luz.

  4. Processo • Após o processo de digitalização obtemos um valor Z para o pixel. • Z é uma função não linear da exposição X. • Z = f(X) • Z = f(E*Dt)

  5. Curva de respota Zij = f(Ei * Dj ) f-1 (Zij) = (Ei * Dj ) ln f -1(Zij) = ln(Ei) + ln(Dj) g(Zij) = ln(Ei) + ln(Dj)

  6. Curva de resposta • Como os valores em x variam de 0..255, basta recuperar os valores da função neste domínio.

  7. Curva de resposta • O problema então pode ser definido como a resolução em mínimos quadrados para:

  8. Curva de resposta • Sistema linear super determinado • O algoritmo proposto no paper utiliza Single Value Decomposition

  9. Implementação • Feita em C++. • Lê um conjunto de imagens estáticas com tempos de exposição diferentes. • Utiliza Single Value Decompositon para encontrar g(Zij) e o logarítmo da exposição • Retorna as curvas de resposta para os canais R,G e B.

  10. Programa

  11. Escolha de pixels • Em [Deb] a escolha dos pixels é feita manualmente. • Escolha bem distribuida entre Zmin Zmax. • Algoritmo pseudo aleatório simples • Quão próximo do resultado final original ?

  12. Resultados – Canal R

  13. Resultados – Canal G

  14. Resultados – Canal B

  15. Conclusões • Escolha pseudo aleatória de pixels pode permitir reconstruir a curva corretamente. • O número de pixels para escolhas ruins torna o algortimo lento. • A função do canal B não foi tão bem recuperada quanto aos canais R e G.

  16. Proximas tarefas • Definir um formato de arquivo para armazenamento de imagens HDR (RADIANCE, OpenEXR...) • Implementar um algoritmo para a escolha de poucos pixels que permitam reconstruir a curva de resposta.

  17. Referências • [Deb] Paul Debevec, Jitendra Malik Recovering High Dynamic Range Radiance Maps from Photographs. Siggraph.

More Related