下载文档原格式
PS影楼后期快捷高效实用的修片技巧与方法教程篇一：摄影后期处理中的技巧摄影后处理技巧技巧[一]：模拟偏振镜效果1.在图层面板下创建并选择颜色调整图层[selectivecolor]2.偏振镜能使天空湛蓝，所以这里分别增加浅蓝cyans和蓝blues的黑色black值[+20~60自己掌握]3.许多风景电影中的叶子不够绿，也不好看。
因此，调整绿色的纯度：增加黑色值，降低品红值4.类似方法处理其它颜色的纯度。
使用选择性颜色的优点是，它不会增加图片的整体饱和度，并导致颜色层次的损失另外说明一点：这里只是模仿偏振镜拍风景效果，对于隔着玻璃、水面消光等还是要用真实镜片的。
技巧[2]：模拟闪光灯[反射器]的效果1.模拟开大一级光圈方法：复制选区图层后混合模式选滤色，上层透明度38%2.模拟主孔径收缩的方法：复制所选层后，混合模式选择正片并与底部重叠，上层透明度为38%大多数公园风光照片中只要是背光拍的庭院建筑会死黑一片有些人觉得这样很“艺术”，由于个人审美观有些问题，我觉得这样很不好看。
使用上述方法1：选择要在原始图形中高亮显示的部分[例如背光的屋檐]羽化选定区域[设置参数]Ctrl+J复制选定区域图层混合模式，选择过滤颜色，并调整上层的透明度[如果不够亮，则按住Ctrl+J键几次，然后组合□□□□□ 颜色层]。
这时可能会看到加亮的区域大了一般表现为建筑物出亮边，没关系拿软边橡皮调好半径、透明度在上图层擦掉亮边就可以了。
如果在颜色过滤后高亮显示区域的色调和对比度不一致，可以校正上层+曲线调整层[曲线应用将在后面讨论]这个方法也可以用于给mm糖水片加上反光板效果[滤色会出噪点，记得磨皮]抱怨：读了一些“专家”写的PS教程后，第一种感觉很复杂。
对于简单的小问题，我想对通道、遮罩和过滤器使用十步和八步。
就像现在北京的交通一样，你可以在20分钟内步行到公寓。
如果有人开车污染环境，没有人能快速思考。
模拟开大光圈方法图[说明：进光量模拟，景深不会改变]：效果样本：练习原片：下图显示了带闪光灯的sb800。
1 引言目前适配于超高清的节目内容数量较少，有很大一部分超高清节目需通过转换技术，才能满足超高清电视节目的制作及播出需求。
为了达到更舒适的人眼视觉效果，各种转换算法应运而生。
图像域的转换包括：HDTV向UHDTV、709色域向2020色域、SDR向HDR节目的转换。
色域和各种映射曲线的改变最终都是为了使得图像更加鲜艳更加符合人眼视觉特性。
本文介绍了ITU标准化的超高清色域、动态范围转换方法。
准ITU-R BT.709中规定的色域（又称Rec.709或sRGB）仅覆盖了Rec.2020的35.9%。
因此超高清电视显示出更丰富的色彩，如高密度橘色和深绿色等。
色域面积的提升使得整个图像的色彩层次呈现出指数型增加，各个色块之间的过渡也变得更为自然。
2.3 色域转换基本思路色域映射技术可以被分为两类：一类是将大色域映射到小色域，称之成同一种颜色；而空间色域映射考虑了其相邻像素的信息，用这种算法同一种源颜色可能会根据其临近像素的不同被映射成不同的目标颜色。
3 HDR3.1 定义动态范围是一个场景的最大亮度和最小亮度的比值，亮度单位一般用坎德拉每平方米（cd/m2），通常叫做摘要：超高清电视技术日趋成熟，但超高清节目内容却依旧内容不足。
目前仍有很大一部分4K超高清视频内容，尤其是HDR内容，是通过各种转换技术生成的。
本文对ITU标准化组织发布的超高清电视在色域、动态范围方面的转换算法进行了跟踪研究。
关键词：动态范围 标准化转换 ITU 色域* 本文受国家广播电视总局广播电视科学研究院2019年度广播电视科学研究院基本科研业务费课题（项目编号：JBKY2019007）资助39. . 40尼特（nit）。
自然界的动态范围很广，一般可以从10-6nit 到109nit，亮度范围可以到1015:1。
人眼在无瞳孔调节的情况下，可以感知到的典型动态范围是105:1。
由于受到传输设备等条件的限制，现有的电视系统一般是标准动态范围SDR 系统，最高亮度只能达到100nit，动态范围一般是103:1。
宽动态摄像机的优缺点分析宽动态范围摄像机正迅速成为视频监控的主流。
然而，对于宽动态范围（WDR）的确切概念仍然存在许多讹传和误解。
本文将从动态范围的含义及其如何影响图像质量的角度，讨论了宽动态摄像机的优点和局限性。
什么是动态范围根据标准定义，动态范围是指变量（如光或声音）的最大值和最小值的比值。
在理解和应用动态范围这一概念方面存在的核心困难在于如何进行测量。
设想这样一个任务：用一个桶测量降雨量。
下大雨时，桶中的水很快就会溢出，这样便无法确定降雨量的最大值：测量结果会根据桶的容量进行修剪。
下小雨时，在一个测量间隔内，桶内可能只滴入一滴雨，在另一个测量间隔内，可能只滴入两滴雨，最小值无法确定或受噪波干扰。
要增加小值读数的精度，就需要增加集时间，但这种做法对于大值并不适用，会导致溢出。
这个简单的例子说明测量结果实际上就是信息通道：它可以传递、丢失或误报关于变量的信息——到达上限、到达下限或同时到达两端。
设想将视频摄像机用作测量仪器。
它可测量照射在其数百万个光敏元件（即像素阵列）中每个元件上以二维阵列排列的光量。
每个像素阵列对一段时间内接收的光子流进行积分运算，然后将其转化为可读取的电子信号。
如果来自某场景的光子流很强，或者如果积分时间很长，信号可能会达到限制而饱和（修剪）。
结果导致与场景明亮区域的细部相对应所有的亮度变化会丢失。
同样，如果场景的光子流很弱，或者如果积分时间很短，信号会产生不确定、带噪波的读数，场景的所有细部都会丢失。
与任何信息渠道一样，视频摄像机的质量可通过其传达信息（即展示场景的亮度变化）的优越程度来判断。
尤其是，摄像机是否能够不作修剪即可捕捉场景明亮处的细微变化？是否能够捕捉背光处的细微变化而不任其淹没在噪波中？同时在动态范围的两端捕捉场景细部的功能如何？这些问题的答案，既取决于场景自身的动态范围，也取决于如何对作为测量仪器的摄像机的动态范围功能进行比较。
通常，如果场景的动态范围与摄像机相同或比摄像机窄，产生的图像会忠实地传达场景背光处和明亮处的细部，不会有噪波，也不修剪。
AXIS P1367Network CameraAXIS P1367Network CameraF101-A XF P1367Explosion-protected Camera ExCam XF P1367Explosion-protected Camera用户手册目录解决方案概述 (3)产品概述 (4)在网络上查找设备 (5)访问设备 (5)安全密码 (5)其他设置 (7)需要更多帮助？关于摄像机的内置帮助 (7)更换镜头 (7)使用隐私遮罩隐藏图像的某些部分 (7)在低照度条件下降低噪声 (8)选择曝光模式 (8)尽可能增加图像细节 (9)监控窄长区域 (9)验证像素分辨率 (10)视点区域 (10)处理具有强背光的场景 (11)当设备侦测到移动时，显示视频流中的文本叠加 (12)比特率控制 (13)视频压缩格式 (15)降低带宽和存储 (15)设置网络存储 (16)向录像添加音频 (16)录制并观看视频 (16)设置规则和警报 (17)触发操作 (17)当摄像机侦测到移动时录制视频 (17)应用程序 (19)故障排查 (20)重置为出厂默认设置 (20)检查当前固件 (21)升级固件 (22)技术问题、线索和解决方案 (23)性能考虑 (25)规格 (26)LED指示灯 (26)SD卡插槽 (28)按钮 (29)连接器 (29)工作条件 (36)功耗 (36)解决方案概述解决方案概述产品概述产品概述1microSD卡插槽2LED状态指示灯3内置麦克风4变焦拉杆5对焦环的锁定螺丝6对焦环7电源连接器(DC)8I/O连接器9光圈连接器10RS485/422连接器11电源LED12网络LED13控制按钮14安全锁槽15音频输入16音频输出17网络连接器(PoE)在网络上查找设备在网络上查找设备若要在网络中查找Axis设备并为它们分配Windows®中的IP地址，请使用AXIS IP Utility或AXIS设备管理器。
低照度条件下图像增强研究
在夜间、建筑物遮蔽等低照度环境,拍摄的图像存在内容模糊、噪声严重、细节丢失等问题,直接限制和影响目标识别与跟踪、视觉监控、军事侦察等系统发挥效用。
因此,研究低照度图像增强具有重要的理论意义和应用价值针对夜晚等低照度条件下拍摄的图像整体亮度低、细节丢失等现象,论文将暗通道先验和色调映射方法相结合,提出了一种基于图像深度和色调映射的低照度图像增强方法。
首先根据低照度反转图像与雾天图像的相似性求出场景透射率,进而估计得到场景深度,并将深度信息用于色调映射函数改进,使其可根据景物远近和场景光照强度进行自适应亮度增强;然后基于图像分层理论和图像梯度信息进行局部对比度增强。
所提算法克服了现有算法计算量大、颜色失真、噪声严重等不足,在增强图像亮度、保持色彩的同时很好地抑制了噪声。
根据低照度图像的暗通道具有细节丰富和光源周围无光晕等特点,提出一种基于暗通道和双边滤波的低照度图像增强方法。
首先从暗通道图像识别光源区域,估计图像平均亮度用于改进色调映射函数,对暗通道图像进行增强后与V通道进行线性加权,得到亮度适中、细节丰富和无光晕的V通道图像;最后,再进行双边滤波。
分别对含有点光源和无点光源的低照度图像进行实验,均可得到亮度改善、细节清晰且无光晕的图像。
视觉分辨率及空间频率响应（SFR）测试实验报告班级：学号：姓名：一、实验目的：1、理解数码相机视觉分辨率的定义及其度量单位。
2、了解数码相机分辨率测试标准ISO12233以及GB/T 19953-2005《数码相机分辨率的测量》，熟悉测试标板构成，掌握其使用方法。
3、掌握数码相机视觉分辨率测试方法，能够通过目视判别数码相机的分辨率特性。
4、了解数码相机空间频率响应（SFR）的测试原理，理解空间频率响应（SFR）曲线的含义。
5、掌握数码相机空间频率响应（SFR）的测试方法，能够通过SFR曲线判别数码相机的分辨率特性。
二、实验要求：1、使用数码相机拍摄ISO12233标准分辨率靶板,要求连续拍摄三幅图。
2、目视判别数码相机的视觉分辨率，需分别判别水平、垂直、和斜45度方向的视觉分辨率(注意：若拍摄的靶板有效区域高度仅占据相机幅面高度的一部分，需将目视判别结果乘以修正系数以得到真实的测量结果。
修正系数=以像素为单位的相机幅面高度/以像素为单位的靶板有效区域高度)。
3、使用Imatest软件测量数码相机空间频率响应（SFR）曲线，需分别测量水平及垂直方向的SFR，并取MTF50、MTF20作为测量结果，与视觉分辨率测试结果进行比较。
4、独立完成实验报告，需明确相机型号、相机基本设置、并包含所拍摄图案以及判别结果和相应说明。
三、实验过程在光学测量实验室使用手机（iPhone6s）连续拍摄三张ISO12233标准分辨率靶板。
拍摄过程中使手机上下屏幕边缘尽量与靶板上下边摄像头像素1200万像素传感器类型背照式/BSI CMOS闪光灯True Tone 闪光灯光圈主f/2.2，副f/2.2摄像头特色单个像素尺寸1.22微米；五镜式镜头；拍照功能Focus Pixels 自动对焦；自动HDR照片；曝光控制；自动图像防抖功能；优化的局部色调映射功能；其他摄像头参数iSight 摄像头；混合红外线滤镜；蓝宝石水晶镜头表面；拍摄的照片如下：照片一（修正系数为1.00365）照片二（修正系数为1.00532）照片三（修正系数为1.009）拍摄完成后使用Imatest软件测量数码相机空间频率响应（SFR）曲线。
摄影及照片后期处理中的专业术语以下是摄影活动及处理照片的过程中经常会碰到的一些重要的概念，并对其做了简要的解释，以便于爱好摄影及后期修图的朋友了解相关知识点。
白点: 灰阶表上最亮的点，是色调范围的终点，色调值为255，展示的是纯粹的无任何细节的白色。
白平衡: 通过定义白色来考虑光源的色温，以还原图像中的颜色。
调节白平衡可以在拍摄时或者在后期处理时进行。
半径: 一个工具的作用区域的大小。
曝光矫正: 对曝光值进行调整不仅会影响图像的亮度，还会影响灰阶表上的黑点和自点的位置。
在进行呼光矫正时，图像中的所有色调会被同等地提亮成调暗。
变形:转换的一种方法，直线可以被任意弯曲。
边缘锐度: 即图像元素边缘的对比度。
那里的对比度越高，边缘就越清晰。
边缘增强;提高边缘的锐度。
标准色彩空间: 理论上的色彩空间，包括所有可能的色彩差异。
部分饱和: 色彩键。
不透明度: 指一个工具或者一个图层的不透明的程度。
CIE标准色彩模式:"CIE" 是国际照明委员会——Comisston Internationalede TEedairage(法)的简称。
这种色彩模式是不依赖于设备的，包括所有可见的。
理论上可以区分出来的颜色，是进行色彩模式转换时的标准“翻译官”CMYK色彩模式:CMYK 为青色(cyan)、洋红色(magenta). 黄色(ellow) 以及黑色(key) 的简称，其中青色，洋红色和黄色构成了减法混色方式的基础颜色。
大多数打印机都是以这种色彩模式来工作的，它们把两种颜色的油墨进行混合:青色和洋红色混合成为蓝色，洋红色和黄色混合成为红色，黄色和青色混合成为绿色。
理论上青色，洋红色和黄色混在一一起则形成黑色，但实际上它更像深棕色。
正因为如此，这种色彩模式在这三种颜色的基础上又补充了打印色黑色。
插件: 一种扩展软件，可以为款照片处理软件补充新的功能。
通常情况下，插件都是由外部厂商1为某种处理目的所生产的小软件，这些小软件可以和大软件相配合。
HDR（High Dynamic Range Imaging）在摄影中指高动态范围成像。
国内的教程基本语焉不详，图虫网友Gosin（微博@Gosin）找到一篇比较详尽的国外教程并翻译出来，希望对大家有帮助。
原文地址在TutsPlus网站，作者为Peter Tellone，题目为《怎样在一天之内完成一张HDR照片的拍摄与合成》，下面进入正题。
教程细节：程序：Photomatix Pro，Photoshop难度：中等完成时间：1到2小时不等最终效果图1.理解高动态范围照片（HDR Photography）当我们提到动态范围时会提到极限的不同。
这也关系到摄影与曝光中高光部分与暗调部分的区别。
动态范围用一种比例表示。
人眼大概可以看到10000：1的范围。
与之相比，一台优秀的数码相机也只能达到1000：1而已。
所以，我们可以发现人眼与相机相比有更大的亮度范围。
更震撼的是一个场景既有阳光照射的明亮部分，又有暗如房灯照射的暗调部分，其动态范围比达到了100000：1。
所以，在传统的摄影中，我们只能妥协，我们可以选择高光部分正确曝光，但阴影部分就会变得黑暗并且会产生噪点。
亦或者，我们使暗调部分正确曝光而高光部分过曝并且丢失细节。
我们可以使用中灰渐变镜，它可以使一半图像统一曝光，而另一部分则根据渐变镜的不同减少2到3档的曝光。
但是这只适用于有平直的地平线的场景。
如果你拍摄的是不规则的山峦或者一个开放的门口呢？这就不能通过一个标准的图像滤镜完成了。
但是如果我们可以使一张照片的每一个区域都“正确曝光”我们不就可以拓展相机的动态范围至与人眼相当甚至超越人眼了吗。
这真是HDR。
在我们开始前，让我们先解决一个人们一直以来的困惑。
我们准备用HDR摄影，但是我们的最终结果是要得到一张低动态范围的照片（现在的HDR照片也确实是低动态范围照片）。
因为到目前为止还没有打印机或电脑显示器可以处理真正的HDR图像。
2.我怎么拍一张HDR照片？一张高动态范围的图像是由3到7张同样场景、不同曝光的照片合成的。
053TECHvivo X60 Pro·三星Exynos 1080·LPDDR4X+UFS 3.1·6.56英寸AMOLED中极点3D曲面屏·前置3200万像素·4800万像素主摄+1300万像素超广角+800万像素5倍潜望+1300万像素2倍人像·4200mAh·158.57mm×73.24mm×7.59mm·约178g054超稳微云台模组的整体面积是潜望式摄像头的3.2倍，约为普通主摄平均占板面积的5倍。
客观空间的局限性、对工业设计的挑战和工艺高精度的要求等，是行业内未普遍采用微云台方案的原因之一。
同时，将微云台放入手机，也对摄像头模组小型化和性能均衡带来了挑战。
尽管如此，vivo研发团队经过不断尝试，在保证微云台得以正常工作的前提下，将占板面积节省约了40%，厚度减少1mm，“极限”压缩微云台与屏幕的距离至0.13mm，再加以良好的结构保护措施，实现了外观设计与主板布局接近“完美”平衡的堆叠方案。
5nm旗舰“芯”体验X60 Pro上搭载了5nm制程的三星Exynos 1080旗舰芯片，该芯片采用的目前业内先进的5nm EUV FinFET工艺、Cortex-A78 CPU及Mali-G78 GPU架构，拥有强劲的性能实力，为消费者带来5nm旗舰“芯”体验。
X60全系标配UFS3.1超快闪存和增强内容管理1.0黑科技，实现了资源细颗粒度管控、内存利用率大幅提升、应用启动与切换更迅速等系统级高效体验。
屏幕不仅支持120Hz刷新率+240Hz触控采样率，还采用了LTM（Local Tone Mapping）局部色彩映射技术，将显示内容分为多个区域，每个区域根据环境光及对应的显示内容，动态调整显示区域对比度。
当户外环境光变化时，有效抑制高光区过曝，对暗部进行细节优化处理，增强清晰度。
在有限的时间内进行效果过渡，人眼不会捕捉到瞬间变化，视觉体验更平滑。
抽象概念-----色调映射运算将高动态范围图像在低动态范围显示设备例如监视器、印刷品上显示。
本篇文章中，我们描述了一种局部色调映射的运算法则，高动态范围输入利用K-means算法和一种自动设置的各个分开区域的显示伽马参数。
导言色调映射（色调映射）算法是一种方法，映射现实世界中的亮度与高动态范围（高动态范围）与有限的动态范围的显示设备的亮度。
这是高动态范围，[0，∞），辐射图映射到有限的动态范围，例如，[0，1）[0，255）由色调映射算法。
色调映射算法用于压缩的对比度，同时保持颜色与高动态范围的辐射图的比例和细节。
近年来，各种色调映射算法已经提出了压缩动态范围的图像或视频，而保留细节组成部分[1，2]。
为了加强的对比度，色彩和细节部分，已开发各种色调映射算法，但有时假的颜色在色调映射图像出现[3-6]。
准备显示彩色图像的亮度动态范围压缩和色彩校正进行颜色比之间的亮度（L）和颜色分量（R，G和B）的辐射图（映射图）。
为了提高有限的动态范围的显示设备上的对比度、色彩和细节，各种色调映射算法被开发出来。
各种色调映射算法分为全局和局部的亮度压缩方法。
全局色调映射应用到每一个像素的图像[6-14]相同的色调映射曲线。
他们很简单、快速，因为对于每个像素使用了相同的映射曲线，独立于辐射图中的相邻像素。
它们包括对数变换，伽玛校正，直方图均衡化，线性映射[13]。
大多数全局色调映射算法具有非线性映射功能，根据人类视觉系统（HVS）的[6-14]。
局部色调映射算法[6，15-23]在图像的不同区域使用不同的色调映射曲线。
段魁的算法，形成一个新的阶调再现曲线和压缩高动态范围图像，以加强局部的对比[15]。
ICAM算法，一个新的外观形象模型，采用空间滤波边缘保持与人类视觉感光响应函数在双处理框架[16]。
这些方法是不够的，以提高对比度，代表颜色，并减少光环效应。
以前的工作在亮点区域（突出区域）产生假轮廓。
色彩校由全局映射执行[3-7]。
以前的色彩校正方法产生的颜色比保存的色调，色彩饱和度控制的非线性和线性映射的彩色图像。
里克提出了色彩校正方法来保存颜色的比率。
后来在许多色调映射算法中，使用非线性色彩校正功能，以控制色彩饱和度[4，6，19，21]。
mantiuk 等人提出了一种线性的色彩校正功能（函数），保持原始图像的颜色后色调映射。
线性色彩校正方法扭曲的色调，但是相对于非线性色彩校正功能（函数）更好地保留亮度。
本文提及的色调映射算法使用利用压缩的辐射图亮度计算的的局部的自适应伽玛值进行自动色彩校正。
在拟议色调映射算法，亮度分量的高动态范围辐射图双边过滤器过滤。
根据双边过滤的亮度，图像被分为使用K-means算法的区域，然后使用各区域的平均值确定显示器的伽玛值。
提及的色调映射算法，提高了局部的对比度和抑制，如晕神器，假彩色，假轮廓的工件。
显示色调映射曲线的伽玛值是考虑局部区域的平均值，自动选择。
本文的其余部分安排如下：第二节提出了色调映射算法，使用K-means算法，在图像分割成K集群上根据双边筛选亮度。
三套低动态范围（LDR）的图像是在第三节，提及的色调映射算法的有效性的实验结果。
最后，第四节结束的文件。
二。
提出的算法提及的色调映射算法构造的色调映射图像输入，这是一个高动态范围辐射图。
要生成的高动态范围辐射图，我们使用Debevec和马利克的算法[24]和使用三个不同曝光的LDR图像。
图1显示了的拟议色调映射算法框图。
输入，高动态范围辐射图，CIN 是使用三幅低度，中度，过度曝光的LDR图像生成。
高动态范围辐射图CIN用于局部色调映射自动语音压缩块。
每块在下面的小节描述。
A.初始分组图2利用嘉年华的LDR图像显示了提及的色调映射算法的步骤（过程、程序，procedure），。
图2（a）显示三幅低度、中度、过度曝光的LDR 图像（曝光时间：1/45秒，1/2，1/3秒，光圈：F /6，ISO：400，大小：3072×2048），其中LDR中暴露的形象是一个参考的LDR图像。
图2（b）说明输入和其直方图的亮度。
在高动态范围输入的亮度是表示浮点值（floating-point values）。
在提及的色调映射算法，高动态范围辐射图的亮度分量被双边滤波器过滤，然后作为一个初步的全局映射由对数函数进行映射。
为了维持边缘平滑，双边滤波器认为不仅在空间域的邻近像素之间的几何接近，而且在强度域的强度相似[25]。
双边过滤亮度~L被定义为s r ~in in in q 1p =p-q p -q q k p L G G L L L ∈Ωσσ∑（）（）（（）（））（）（） ~L 表示输入的亮度定义，G 代表高斯函数，Ω标志着相邻像素的中心像素在P 组，下标的s σ和r σ表示高斯权函数在空间域和强度域的标准偏差。
正规化期限k （p ）被定义为s r in in q k p =p-q p -q G G L L ∈Ωσσ∑（）（）（（）（））边缘保持平滑的双边滤波器。
图2（c ）显示输入和其直方图的双边滤波亮度。
强度σs 和σR 在实验中分别设置为2和80。
双边滤波的亮度（图2（c ））的直方图比没有双边滤波（图2（b ））的亮度的直方图更加广大。
也就是说，双边滤波直方图拉伸，而边缘保留效果。
首先，提及的色调映射算法利用一个简单的全局色调映射来增强全局对比度，然后使用局部色调映射。
全局首次双边过滤亮度映射由~out p =log q L L （）（（））执行 Log （·）表示对数函数是用近似非线性全局色调映射考虑HVS 的。
对数函数被用于不同的reninex 算法[26，27]。
在这里提及是为了加强全局在初始全局映射中的过滤亮度的全局对比。
使用对数函数的初始全局映射压缩过滤亮度非均匀映射曲线。
其输入输出特性表明映射值（过滤的亮度，在图2（C ）），密集分布在小的亮度值范围和粗略分布在其他范围内。
图2（d ）显示最初的全局映射的亮度out L 和其直方图。
然而，最初的全局映射的亮度out L 是不足以有效地代表的色调映射图像的局部对比度。
B.区域分组使用K-means 算法在拟议色调映射算法中，K-means 聚类块的输入是初步的全局映射的亮度。
从具有高动态范围的现实世界的场景的亮度到具有有限的动态范围的设备的亮度的映射自适应映射到每个局部区域。
提及的当地色调映射算法根据初步的全局映射的亮度将图像分割成一系列的局部区域。
图2（e ）和2（F ）分别表明没有与有双边滤波的聚类结果。
图2（e ）显示的是具有孤立像素的分割区域，区域数ķ设置为16。
图2（f ）显示与K 等于16和双边滤波，在孤立的像素将被删除，增加双边过滤的亮度对比度的聚类结果。
在K-means 聚类块，使用传统KMEANS 算法[28，29]，我们根据最初的全局映射亮度out L 将图像分割成K 个集群区域。
在K-means 算法给每个像素集群的重心是在集群中的所有像素的平均值。
在该算法中，让k m 是第k 个群集的平均值。
集群的K 均值向量m 的定义为 1[,,,,]Tm k K m m m =L L 和分割区标记为M(p)=k ，1k K ≤≤图2（G ）显示没有双边滤波的色调映射图像及其直方图，而2（H ）说明存在双边滤波的色调映射图像及其直方图。
图F2（g ）中的色调映射图像是浑浊的，并且拥有比图F2（H ）更加狭窄的动态范围。
C.局部色调映射和自动伽马设置图3根据显示器的伽玛值γ显示了相同的伽玛值能够应用到图像中的所有像素的色调映射图像。
图3（a ）、3（b ）项和第3（c ）分别显示γ= 0.3，1.0，2.2色调映射图像（左）和扩大区域（中心：路灯/建筑，右：天空/面），红色框代表两个扩大区域。
在最亮（过饱和）的区域，如路灯（中心）和天空（右），当γ≤1.0时，色调映射图像的颜色和对比度看起来很自然的，而γ> 1.0时，那些看起来非自然。
最糟糕的是，在天空和面具周围的冲虚假轮廓图由大型γ产生。
在第3（c ）图中。
而在暗区如建筑物内部，色彩和细节组件内能偶很好的在色调映射图像中显示，在γ≥1.0，如图第3（c ）所示。
黑暗区域的对比度增强是不够的，伽玛值是非常低的去呈现颜色值，在图3（a ）中。
在提及的色调映射算法，K 集群的平均向量m 用于为了色彩校正的伽玛值的自动设定。
也就是说，提及的色调映射算法利用由初始全局映射确定的伽马值生成颜色色调映射图像。
k 代表第k 个群集的标签，伽玛值k γ由k k am γ=算得，依据初始全局映射的亮度，其中a 是规模常数，0≤a ≤1，m k 是k 个簇的平均，1k K ≤≤。
伽玛值k γ是根据比例常数a 按比例确定的，与第k 个集群的局部平均m k 成反比。
提及的色调映射算法将伽玛值限制在一个固定的最大值。
即自动选择的伽玛值表示为max min{,}k k a m γγ=，其中γmax 是最大的伽玛值，max 0k γγ≤≤。
K 集群的伽马向量γ定义为1[,,,,]Tk K γγγγ=L L 。
图4利用三个嘉年华的LDR 图像显示了根据不同的比例常数a 自动设置伽马值。
图4（A ），4（b ）和4（c ）是作为局部的平均亮度，这是由计算式功能的伽玛值。
（6）（7）k =8，16，和32个集群，分别。
KMEANS 聚类块，最初的全局映射LOUT 亮度，输入调整到正常化（最大亮度LOUT= 1），并量化成一个级别的数量有限，这是设置为256双边过滤的亮度大号~~在实验中。
随着k的增加，伽玛值过高会增加，即EQ。
（6）给出了一个大型的伽玛值，如果集群的平均值大K案件是非常小的。
最大的伽玛值γmax的=2.2强度范围是有限的，因为伽玛值是非常高，在低亮度范围和伽玛值量过大导致假轮廓和假彩色等文物。
图5说明不同的最大伽玛值γmax的效果，在色调映射图像=0.3和K= 163嘉年华使用LDR图像。
图。
5（A），5（b）项和第5（C）是tonemapped 图像（左）和扩大区域（中心：墙，右：街道）与γmax= 1.8，2.2和4.0，分别为红色框，其中图。
（二）扩大代表两个区域。
图。
5（C）与γmax= 4.0，假色出现在黑暗的区域，因为过量的伽玛值小，在黑暗中区域的平均值计算，在扩大区域所示。
在本文中，我们使用固定的最大的伽玛值γmax= 2.2，和伽玛值比γmax=2.2使假色图所示。
5（C）图6说明了三个测试的LDR图像集自动伽马设置不同的数字集群=0.3，钾，和γmax= 2.2（狂欢节，威尼斯，大堂）。
图。
（6），6（b）项和第6（c）显示显示器的伽玛值，平均亮度的功能，集群与K MK= 8，16，32，分别。
正如图所示。
6，在局部的平均的MK从而伽玛值ΓK随不同的LDR图像集。
