Visualização de Imagens HDR

1. Pontifícia Universidade Católica do Rio de Janeiro – PUC-RJ Disciplina: Fundamentos de Computação Gráfica Prof. Marcelo Gattass Visualização de Imagens HDR Leonardo de Oliveira Martins leomartins82@gmail.com Rio de Janeiro, 27/03/2007

2. Introdução • Os dispositivos de visualização atuais não conseguem exibir imagens que armazenam informações de intensidade luminosa (HDRI – High Dynamic Range Images) • Problema: • Como “renderizar” essas imagens de maneira a produzir a mesma resposta perceptual, utilizando dispositivos padrões de visualização?

3. Introdução • Solução: • Uso de algoritmos de tone-mapping, que realizam o mapeamento de valores HDR em LDR (Low Dynamic Range)

4. Introdução • Este trabalho implementa o modelo de aparência de imagem iCAM descrito em (JOHNSON and FAIRCHILD, 2003) • iCAM foi desenvolvido para ser computacionalmente mais simples do que os modelos multi-escala, com capacidades similares

5. O modelo iCAM

6. O modelo iCAM • 1 - Transformação dos valores iniciais para o espaço XYZ (independente do dispositivo)

7. O modelo iCAM • 2 – Adaptação cromática (D65)

8. O modelo iCAM • 2 – Adaptação cromática (D65) • 2.1 – Transformação dos valores XYZ em através da equação

9. O modelo iCAM • 2 – Adaptação cromática (D65) • 2.2 – Combinação da imagem resultante com um filtro gaussiano da mesma e um fator de adaptação D

10. O modelo iCAM • 3 – Adaptação cromática (D65) • Filtro utilizado • Usado para “embaçar” a imagem

11. O modelo iCAM • 4 – Contraste local / Efeito surround • Cálculo de um mapeamento que irá controlar o fator de surround e luminância • ,onde La é o valor da imagem absoluta Y filtrada • Geralmente, a curva é dividida por uma constante normalizadora,

12. O modelo iCAM • 6 – Cálculo da resposta dos cones LMS • 7 – Compressão das coordenadas LMS

13. O modelo iCAM • 8 - Aplicação das matrizes de transformações inversas, de maneira a retornar ao sistema inicial • 9 – Aplicação de uma função de clip, que pode ser aplicada a partir de um percentil

14. O modelo iCAM

15. O modelo iCAM • 10 – Mapeamento dos valores no intervalo [0 , 1] • 11 - Compressão dos valores e mapeamento para o intervalo [0 , 255]

16. O modelo iCAM • Dessa maneira, os seguintes parâmetros são incorporados ao modelo • Fator de adaptação ‘D’ (varia de 0.1 a 0.4) • Largura do filtro ‘sigma’ (geralmente x/4 ou x/2) • Fator de normalização da curva ‘n’ (geralmente 1.7) • Valor do clip (95%-99%)

17. Implementação • Com base na descrição fornecida em (JOHNSON and FAIRCHILD, 2003), foi desenvolvida uma aplicação capaz de visualizar imagens HDR, e salvá-las em formato BMP, se desejado

18. Implementação • Linguagem C++ • Biblioteca FLTK (www.fltk.org) para interface com usuário • Biblioteca CImg (cimg.sourceforge.net) para manipulação de imagens • Ambiente de Desenvolvimento • Dev-C++ (www.bloodshed.net/devcpp.html )

19. Implementação • As imagens foram convertidas para TIF de ponto flutuante, através do programa HDR Shop (http://gl.ict.usc.edu/HDRShop) • As propriedades da imagem são armazenadas em um arquivo texto e lidas pelo programa • Trabalho Futuro • Ler diretamente imagens no formato .HDR

20. Implementação

21. Exemplos

22. Exemplos

23. Exemplos

24. Referências • G.M. Johnson e M.D. Fairchild, “Rendering HDR images,” IS&T/SID 11th Color Imaging Conference, Scottsdale, 36-41 (2003) – disponível em http://www.cis.rit.edu/mcsl/icam/pub/hdr_CIC11_sm.pdf • Imagens HDR para download: • Página do autor: http://www.cis.rit.edu/mcsl/icam/hdr/rit_hdr/ • debevec.org: • http://gl.ict.usc.edu/Data/HighResProbes/