给定 N 个具有不同曝光剂量的 X 射线图像，我必须将它们组合成一个单一的图像，以浓缩来自 N 个源图像的信息。如果我的研究是正确的，那么这个问题就属于HDRI范畴。
我的第一种方法是加权平均。对于初学者，我将只使用两个框架。
让我们A成为第一张图像，这是曝光度最低的图像，因此设置为更重以突出细节。让B是第二张曝光过度的图像，C得到的图像和M最大可能的像素值。因此，对于每个像素i：
w[i] = A[i]/M
C = w[i] * A[i] + ( 1 - w[i] ) B[i]
应用此想法的示例结果：
请注意结果（第三张图像）如何很好地从两个源图像中捕获信息。
问题是第二张图像在对象边缘周围有不连续性（这在曝光过度的图像中是不可避免的），并且会影响结果。仔细看...
最有名的 HDR 软件似乎是Photomatix，所以我玩弄了它，无论我如何调整它，不连续性总是出现在结果中。
我认为我应该以某种方式忽略第二张图像的边缘，但我必须以“顺利的方式”进行。我尝试使用一个简单的阈值，但结果看起来更糟。
你有什么建议？（只欢迎开源库）
这里的问题是每个图像都有不同的相关曝光剂量。任何 HDR 算法都必须考虑到这一点。
我询问了创建 X 射线图像的人，第二张图像的曝光剂量大约4.2是第一张的几倍。我给 Photomatix 提供了错误的 EV 值，因为我不知道 EV 是用停止表示的，1 停止表示参考值的两倍。因此，分配0 EV给第一个图像和+2.1 EV第二个图像，不连续性消失了，保留了所有信息。
下一个问题是我不知道 Photomatix 是如何做到的。因此，我尝试使用开源的Luminance HDR，又名 qtpfsgui来做同样的事情。
总而言之，包围曝光的图像必须输入到 HDR 压缩算法，该算法会创建 HDR 图像。基本上，这是一个包含所有图像信息的浮点图像。有很多算法可以做到这一点。Luminance HDR 将此称为HDR 创建模型，并提供其中两个：Debevec 和 Robertson。
但是，HDR 图像无法直接显示在传统显示器（即监视器）上。因此，我们需要将其转换为“正常”（LDR）图像，同时保留尽可能多的颜色信息。这称为色调映射，还有各种可用的算法；Luminance 将这些Tonemap Operators称为并提供了几个。它还会选择最合适的一个。Pattanaik 算子非常适合这些图像。
所以现在我正在阅读 Luminance 的代码以理解它并进行自己的实现。