经典色貌模型iCAM06的色调映射算法

一、算法理论框架

iCAM06是基于人类视觉系统（HVS）特性构建的HDR图像渲染模型，其核心架构包含三个关键模块：

1. 多尺度图像分解

   采用双边滤波器（Bilateral Filter）将图像分解为亮度基础层（Base Layer）和细节层（Detail Layer），抑制Halo效应：

   

   其中为高斯空间权重，为亮度差异权重

2. 白适应与色适应

   • 白点适应：通过计算图像局部白点（White Patch Retinex）调整亮度基准

   • 色适应：采用CAT02色彩适应变换矩阵：

     

     其中为视锥细胞响应矩阵

3. 动态范围压缩 引入史蒂文斯效应（Stevens' Effect）和亨特效应（Hunter Effect）：

• 亮度对比度增强：

• 色度增强：

---

二、算法实现流程

1. 预处理阶段

% 输入HDR图像转换到XYZ色彩空间
img_xyz = rgb2xyz(hdr_img);

% 计算局部亮度（Luminance）
L = 0.2126*img_xyz(:,:,1) + 0.7152*img_xyz(:,:,2) + 0.0722*img_xyz(:,:,3);

2. 图像分解

% 双边滤波参数设置
sigma_s = 8;    % 空间域标准差
sigma_r = 0.1;  % 亮度域标准差

% 分解为基础层和细节层
base_layer = imgaussfilt(L, sigma_s);
detail_layer = L - imgaussfilt(L, sigma_s);

3. 白适应处理

% 计算局部白点（Adaptive White Point）
white_patch_size = 15;
white_mask = ordfilt2(L, round(0.1*(white_patch_size^2)), true(white_patch_size));
white_point = medfilt2(L .* white_mask, [3 3]);

4. 色调映射核心

% CAT02色彩适应
M_CAT02 = [0.7328 0.4296 -0.1624; 
          -0.7036 1.6975 0.0061; 
           0.0030 0.0136 0.9834];
XYZ_adapted = M_CAT02 * [L; L; L];

% 动态范围压缩
gamma = 2.2;
L_dr = (L.^gamma) ./ (L.^gamma + 0.18^gamma);

5. 后处理与重建

% 细节增强
detail_enhanced = detail_layer * 1.2;

% 色彩空间重建
L_final = L_dr + detail_enhanced;
img_final = xyz2rgb(L_final * M_CAT02');

---

三、关键技术突破

1. 空间-通道联合处理

   通过独立处理亮度通道和色度通道，保留更多色彩细节：

   

2. 自适应伽马校正

   根据局部亮度动态调整伽马值：

   

3. 环绕亮度补偿

   引入Bartleson-Breneman模型修正环境光影响：

   

参考代码 经典色貌模型iCAM06色调映射算法 www.youwenfan.com/contentcni/65341.html

四、典型应用场景

1. 医学影像处理 在CT图像中增强血管与软组织对比度，同时保持骨骼结构细节。
2. 虚拟现实渲染 通过HDR到LDR映射实现VR场景的真实光影效果，降低眩晕感。
3. 文化遗产保护 对古画扫描件进行色调映射，还原颜料氧化前后的色彩变化。

---

五、优化方案

1. GPU并行加速

   % CUDA核函数实现双边滤波
   __global__ void bilateral_filter(float* src, float* dst, 
                                   int width, int height,
                                   float sigma_s, float sigma_r) {
       int x = blockIdx.x * blockDim.x + threadIdx.x;
       int y = blockIdx.y * blockDim.y + threadIdx.y;
       if(x < width && y < height) {
           // 计算空间权重和亮度权重
           // ... 
       }
   }
   

2. 自适应参数调整

   根据图像亮度直方图动态选择压缩强度：

   function gamma = adaptive_gamma(hist)
       peak = find(hist == max(hist));
       if peak < 0.1
           gamma = 2.4;
       else
           gamma = 1.8 + 0.2*(peak-0.1)/0.9;
       end
   end
   

---

六、算法局限性及改进方向

1. 局限性 对超亮区域（>10^5 cd/m²）处理不足 色彩过渡区域易产生伪影 计算耗时较长（单帧处理>200ms）
2. 改进方案 引入小波变换替代傅里叶变换 结合深度学习进行端到端优化 开发硬件加速专用芯片