Digital Visual Effects Project #1

Members

• B04902064 李衡
• B04902085 何鎧至

Alignment

圖片對齊使用的是 median threshold bitmaps 的演算法，我們原先試過用 C++ 來寫，主因是能夠在時間和空間上有更好的控制程式的複雜度，我們用自己寫了一個 bitmap 專用的 class，讓每個 pixel 在實際上只使用一個 bit。link here

基於除錯的難度以及和其他部分銜接的方便性，我們轉用了 Python，算法參照原 paper 的作法，程式架構也與論文裡的大致類似，轉灰階的公式也參照了論文所提的作法。

可以從下面這兩張的例子看出來，因為採用切掉的地方補 0 的做法，所以在邊界外的區域會有多一塊的現象。 無 alignment 有 alignment

HDR

HDR 的部分我們用的是 Robertson 那篇的做法，因為這個算法需要算非常久(至少 8~10 次)才會開始 coverage，而遇到大圖的時候它跑一次就會需要很長的時間(大概一個小時)，如果要對三個 channel 都跑到 coverage 會花上數天。所以我們把原本拍的照片長跟寬都先縮小到 1/4，讓他對這張較小的圖片找出它的 G function(response function 的反函數)，再用這個 function 跑原本大圖來算出原圖的 Radius Map。G Function 的折線圖如下 可以發現在左右兩端的值是快速下降/上升的

Tonemapping

這個部分我們使用的是外部程式來跑 Tone Mapping，結果如下

Program

How to use

• python3 main.py -h for help
• -a for alignment, -g to import known G function
• -o to specify output file's name, default is hdrimage.hdr
• when it use without -g, it will output G function to curve0.txt, curve1.txt, curve2.txt
• ex: python3 main.py -g img/05 to use alignment with known G function, and images are in img/05
• images filename must be a:b.jpg to represent exposure time is a/b
• align.py contains a function process for aligning a list of images, its parameters are as follow: a list of images, how many level of image pyramid, option of 'cv' or 'mpl' (due to color channel order)

Require modules

• opencv for image IO
• numpy for calculation
• argparse for arguments

Reference

1. Mark Robertson, Sean Borman, Robert Stevenson, Estimation-Theoretic Approach to Dynamic Range Enhancement using Multiple Exposures, Journal of Electronic Imaging 2003.
2. Greg Ward, Fast, Robust Image Registration for Compositing High Dynamic Range Photographs from Hand-Held Exposures