简介这是一份面向MATLAB图像处理初学者与相关课程设计的HDR实现与图像增强示例围绕高动态范围图像的合成、对比度调整与细节锐化等常见需求提供了可直接运行的参考代码既能用于个人入门练习也可作为课题设计的起步素材。压缩包共含两个文件分别是一个MATLAB脚本和一份配套说明文档整体体积仅两KB结构十分精简便于快速阅读与调试。目前已有三百零二人学习下载。脚本演示了从多曝光图像合成高动态范围图像再进行色调映射与增强的完整流程覆盖了常用核心函数的调用方式说明文档则对关键参数、处理思路和常见问题做出注释能够帮助使用者理解每一步的作用。在此基础上使用者可以进一步扩展自己的增强算法也可以将这套示例用于课程报告、实验演示或教学讲解。1. 用 MATLAB 做 HDR 图像增强别急着找 rar先看清输入是哪种信号用 MATLAB 做 HDR 图像增强很多人第一件事是去搜一个打包成 rar 的源码包解压后对着 demo 跑一遍。但真到了自己的数据上往往会卡在同一个问题手里的输入到底该走多曝光合成还是单张增强。HDR 不是单一操作它可能是多张不同曝光照片的合成结果也可能是对单张过曝图的反色调映射还可以是视频做 SDR 转 HDR 时的中间帧。下面这套流程不依赖某个神秘工具箱只用 MATLAB 自带的图像处理函数覆盖三种最常见需求多曝光序列怎么合成、单张 LDR 怎么转成类 HDR、合并后的效果怎么用指标验证。适合被 matlab.rar_hdr 这类代码包绕晕的同学也适合要批量处理图像的工程师。看到任何一步的输出异常都先回头确认输入格式再调参数。2. 多曝光序列合成 HDRmakehdr 与 tonemap 的正确打开方式2.1 合成前先确认曝光参数和图像对齐在开始调参数前我一般会让同事先把拍摄时的曝光时间表整理出来。makehdr的工作机制是把不同曝光时间记录到的像素值按已知的相对曝光量反推出场景辐照度没有这张表算法只能瞎猜。多曝光序列里如果手机开了 HDR 自动合成输入通常是已经色调映射过的成品再拿它做makehdr没有意义。另一个容易忽略的问题是图像对齐手持拍摄的连拍照片会有几像素到几十像素的平移先对齐再合成否则最终边缘会出现重影。建议在对齐时用imregtform配合单应性变换不过对于多数大作业场景用曝光列表直接跑也能得到可接受的对比度提升。下面是一个最小可用的合成files {exp_short.jpg, exp_mid.jpg, exp_long.jpg}; n numel(files); I []; for i 1:n im imread(files{i}); if size(im, 3) 1 im repmat(im, [1 1 3]); end im im2double(im); if isempty(I) I zeros(size(im, 1), size(im, 2), 3, n); end I(:,:,:,i) im; end exposure [1/250, 1/60, 1/15]; % 曝光时间顺序与 files 一致 hdr makehdr(I, RelativeExposure, exposure); rgb tonemap(hdr); imshow(rgb);这里的I(:,:,:,i)把三张图堆成 height×width×3×3 的四维数组这是makehdr的标准输入格式。exposure数组记录的是每张照片的快门时间makehdr内部会按比例计算各图像的权重。如果图像本身是灰度图需要先转成 RGB否则第三维是 1拼接后维度不匹配会直接报错。调用完makehdr后不要直接imshow(hdr)因为 HDR 数据的值域远超 [0,1]屏幕显示层必须经过tonemap压缩。检查项推荐命令/参数异常现象图像通道size(I,3)必须为 3报错数组维度不匹配曝光时间与文件顺序一致单位统一合成结果明暗倒挂图像对齐先做imregtform(I1, I0, translation)边缘重影、光晕数据格式im2double统一为 doubleuint8 与 double 混合报错2.2 先做反伽马再合成结果会更接近物理亮度直接喂给makehdr的 sRGB 图像是伽马编码的值而 HDR 合成需要的是线性辐照度。如果不做反伽马合成结果偏色不说高光区域会提前饱和。常见做法是先调用rgb2lin把图像从 sRGB 转到线性空间I_lin zeros(size(I)); for i 1:n I_lin(:,:,:,i) rgb2lin(I(:,:,:,i), WhitePoint, d65); end hdr makehdr(I_lin, RelativeExposure, exposure); rgb tonemap(hdr);rgb2lin在较新的 MATLAB 版本里位于 Image Processing Toolbox旧版本没有这个函数时可以手动实现 sRGB 反伽马公式。我这里给出一个手动版本s I(:,:,:,i); s max(s, 0); s_lin 1.055 * s .^ (1/2.4) - 0.055; s_lin(s 0.04045) s(s 0.04045) / 12.92; I_lin(:,:,:,i) s_lin;手动版本的关键是分段定义不能在整张图上直接开根号。要注意rgb2lin处理的是 double 类型的图像输入 [0,1]输出也在 [0,1] 附近但因为高光区域被放大了后续makehdr能拿到更大的动态范围。多数拿手机照片做实验的人跳过这一步也能合成只是对比度增强效果会打折。2.3 tonemap 参数怎么调Gamma、Bias 与亮度平衡tonemap默认的显示映射对欠曝的暗部场景经常偏暗两个最常用的可调参数是AdjustLightness和AdjustSaturation。前者控制整体亮度感知后者控制色彩饱和度。把它们当作一个亮度平衡的手动旋钮会比单纯调 gamma 更直接。rgb1 tonemap(hdr, AdjustLightness, 0.7, AdjustSaturation, 1.0); rgb2 tonemap(hdr, AdjustLightness, 1.3, AdjustSaturation, 1.1);AdjustLightness小于 1 时整体偏暗大于 1 时更亮通常建议在 0.6 到 1.5 之间找值。如果增强后的图像高光部分还有过曝可以在tonemap之后再做一次 gamma 压暗rgb_final rgb2 .^ (2.2 / 2.4);这个操作本质上是给显示层套了一个更陡的 gamma能收紧高光。但注意不要对hdr本身做gamma 是显示映射步骤做在tonemap之后是对的。批处理时可以把AdjustLightness也作为一个参数结合第四章的无参考指标自动搜索。参数作用推荐范围AdjustLightness整体亮暗亮度平衡主控0.6 ~ 1.5AdjustSaturation色彩浓度0.7 ~ 1.2后期gamma显示高光压缩2.0 ~ 2.43. 单张图像的 SDR 转 HDR反色调映射与虚拟曝光融合3.1 为什么单张 LDR 也能做 HDR 增强很多实际场景里没有多曝光序列比如微信截图不支持 HDR直接截下来的是 SDR 图。单张 LDR 确实丢失了一部分场景动态范围但高光区域的饱和像素里往往还残留少量纹理信息。反色调映射的思路是设计一条单调的扩展曲线把低动态范围亮度映射到更高范围同时避免暗部被拉伸成噪声。直接用一个幂函数做反色调映射效果通常很差因为它会同时放大噪声。常见做法不是单曲线而是先生成多个虚拟曝光再把它们融合起来相当于在一张图里“无中生有”地制造多曝光。3.2 用虚拟曝光序列做一次 SDR 转 HDR在 MATLAB 里实现一个轻量的虚拟曝光融合不需要额外工具箱只需要imadjust和按亮度算权重。流程是对同一张图做不同 gamma 的亮度变换模拟欠曝、正常、过曝三张虚拟 LDR然后把靠近中间调的像素分配高权重合成一张类 HDR 图。L im2double(imread(input.jpg)); gammas [0.5, 1.0, 1.6]; weight zeros([size(L,1), size(L,2), numel(gammas)]); out zeros(size(L)); for i 1:numel(gammas) V imadjust(L, [], [], gammas(i)); Y rgb2gray(V); weight(:,:,i) exp(-(Y - 0.5).^2 / (2 * 0.2^2)); out out weight(:,:,i) .* V; end out out ./ sum(weight, 3); imshow(out);这段代码里gammas是核心参数小于 1 的 gamma 会把原图提亮模拟欠曝图像的暗部细节大于 1 的 gamma 会压暗高光模拟过曝图像可保留的高光纹理。权重公式用的高斯函数以 0.5 为中心越接近中间调的像素越可信离 0.5 越远权重指数衰减。带宽0.2控制权重衰减速度值越小只有中间调参与融合边缘变化更剧烈值越大极端亮暗也被保留画面更“平”。对于“谷歌浏览器 HDR 截图过曝”这类纯白区域这段融合并不能恢复真实现场信息但能把高光边缘的残留颜色拉回可辨认范围。如果想进一步压低高光把gammas改成[0.3, 1.0, 2.0]同时把带宽调到0.15能更强硬地压缩中间调以上区域。代码依赖 R2016b 开始支持的隐式扩展旧版本需要把weight(:,:,i) .* V改成bsxfun(times, weight(:,:,i), V)。3.3 用引导滤波把细节回贴到亮度层虚拟曝光融合的输出通常对比度偏软还需要一步边缘保持的细节增强。MATLAB 的imguidedfilter是一个稳定的引导滤波实现用它把图像拆成平滑的基础层和细节层再对细节层放大base imguidedfilter(out, L, NeighborhoodSize, 9, DegreeOfSmoothing, 0.02); detail out - base; enhanced out 1.1 * detail; enhanced max(min(enhanced, 1), 0);这里的引导图用的是原始图L而不是out原因是融合后的亮度层已经改变了局部结构再用它做引导会放大错误边缘。NeighborhoodSize控制在多大邻域内计算局部均值取 7 到 15 都比较安全。DegreeOfSmoothing越大基础层越光滑细节层包含的纹理越少通常 0.01 到 0.05 之间。最后的1.1是细节增益超过 1.5 容易出现光晕伪影这也是常见的误用点。参数作用推荐设置gammas虚拟曝光范围小于1提亮大于1压暗带宽0.2中间调权重衰减0.1 ~ 0.3NeighborhoodSize引导滤波窗大小7 ~ 15DegreeOfSmoothing平滑强度0.01 ~ 0.05细节增益边缘锐化程度1.0 ~ 1.54. HDR 图像增强效果怎么量化MATLAB 里的客观评价指标4.1 为什么不能只看主观效果我之前在一些批处理任务里吃过亏调好一组参数肉眼看着很通透换下一批照片直接过曝。原因是主观评价很容易被高对比度吸引而忽略整体亮度平衡和细节损失。HDR 增强没有标准答案但可以用三个无参考指标框定它RMS 对比度、信息熵、平均亮度。这三个指标对应 MATLAB 里的std2、entropy、mean2。它们不能说明照片“好看”但能告诉你增强结果是不是偏亮、偏暗、有没有大面积截断。4.2 三项指标的计算代码把指标封装成一个函数批处理时每个输出图都算一遍function m evaluate_hdr(I) I im2double(I); if size(I, 3) 3 G rgb2gray(I); else G I; end m.rms_contrast std2(G); m.info_entropy entropy(G); m.mean_luma mean2(G); m.balanced 1 - abs(m.mean_luma - 0.5) * 2; m.high_ratio mean(G(:) 0.85); m.low_ratio mean(G(:) 0.15); endstd2算的是灰度标准差标准差越高整体对比度越强entropy是信息熵灰度层次越丰富数值越大mean_luma是平均亮度接近 0.5 代表亮暗均衡太偏说明增强流程把动态范围拉到一端了。balanced是我习惯用的一项归一化指标它只是把 mean_luma 到 0.5 的距离转换成 0 到 1 的接近程度方便自动搜索。注意这组函数只能评估显示映射之后的图像。如果想评估makehdr出来的 HDR 辐照度需要先归一化到 [0,1] 再计算或者在 log 域算否则均值会被少数超高亮像素带偏。4.3 参数反推熵和对比度如何互相权衡增强后的图表现在指标上经常出现一对矛盾RMS 对比度升高信息熵下降说明对比度拉伸过程中灰度被截断细节换成了“假清晰”。下面是我在调参时常用的判断表指标表现可能原因调整方向rms_contrast过高info_entropy偏低对比度拉伸过度减小 gamma 差异或细节增益mean_luma小于 0.3整体欠曝提高AdjustLightness或减少 gamma 差异high_ratio大于 0.1高光截断增加 gamma1 的强度或后期 gammabalanced明显偏小亮度分布两极分化调大权重带宽让更多极端亮度参与融合实际调参时我会先设置一个目标区间比如high_ratio 0.08、low_ratio 0.05、info_entropy 7.0。然后在这个区间里选 RMS 对比度最高的结果。这比肉眼判断要稳定得多尤其是面对几百张图像的夜间监控截图时自动搜索比逐张看快十倍。5. 收尾技巧封装批处理、16 位输出与预览图分离5.1 把整套流程封装成一个批处理函数前几章的代码在单张图上跑通后最值得做的是把它封装成函数。我用下面的函数结构把虚拟曝光融合和引导滤波增强拼起来这样批量处理时只改一个参数文件不用每次重写循环。function out hdr_enhance_single(img, gammas, detail_gain) L im2double(img); weight zeros([size(L,1) size(L,2) numel(gammas)]); out zeros(size(L)); for i 1:numel(gammas) V imadjust(L, [], [], gammas(i)); Y rgb2gray(V); weight(:,:,i) exp(-(Y - 0.5).^2 / (2 * 0.2^2)); out out weight(:,:,i) .* V; end out out ./ sum(weight, 3); base imguidedfilter(out, L, NeighborhoodSize, 9, DegreeOfSmoothing, 0.02); out out detail_gain * (out - base); out max(min(out, 1), 0); end然后批量处理只需一个dir和循环files dir(input/*.jpg); for k 1:numel(files) img imread(fullfile(files(k).folder, files(k).name)); out hdr_enhance_single(img, [0.5 1.0 1.6], 1.1); imwrite(uint16(out * 65535), fullfile(output, [files(k).name(1:end-4) _hdr.png])); end这里的细节增益和虚拟曝光参数都是硬编码实际使用时建议用inputParser或者直接传结构体。注意uint16转换前一定要先max(min(out,1),0)做截断否则负值会被模到 65535保存出一张花屏图。5.2 保存 HDR 数据浮点 TIFF 和 .mat 是更稳的兜底imwrite对常见图片格式默认只能写 8 位直接保存 HDR 数据会把动态范围砍回 8 位。常见做法是保存 16 位 PNG 作为显示层保存浮点 TIFF 或.mat作为真正的高动态范围数据。这里我一般用save写.mat不依赖第三方插件save(hdr_result.mat, hdr, exposure, -v7.3);如果一定要给到其他非 MATLAB 程序再用imwrite(hdr, hdr_float.tif, Compression, none)试试输出浮点 TIFF。不同 MATLAB 版本对浮点 TIFF 的支持不太一样所以我没有把这条路当作唯一方案。任何能保留线性辐照度的格式都可以关键是别只留一个 SDR 截图。5.3 给微信截图和浏览器预览留一个 SDR 显示层最后一个小技巧HDR 增强的成果不要只输出一个文件尤其是当你要发给同事时。微信截图不支持 HDR浏览器打开 HDR 内容也可能出现高光过曝对方看到的是一张发白的图。常见做法是把输出目录分成hdr/和preview/hdr/下放.mat或浮点 TIFFpreview/下放经过tonemap后保存的 8 位 JPG 或 16 位 PNG。这样既保留了完整数据又不会让普通查看工具直接踩到 HDR 显示坑里。本文还有配套的精品资源点击获取