样片

使用普通 8M 手机拍摄： 1. 噪点高、细节不足 2. 色域窄、白平衡失真

PC 端多帧合成软件：

对同一场景进行大量采样后进行多帧合成：

处理完成：

PC 端多帧合成特点： 1. 象素能够达到 78M 以上（达到印刷画质的要求） 2. 能够实现降噪（尤适合高 ISO 夜景画面）及景深扩展 3. 相对手机端，适合进行几分钟至半小时不等的耗时处理

接下来解决的问题：

拓展色域范围

HDR （高动态范围图像）技术：

使用多张不同曝光程度的照片及图片，以一定算法映射合成一张包含更为 丰富的色彩与细节的图片。

引用自 wikipedia.org HDR 词条

能够用于制作 HDR 图像的图像处理软件： Fotor （好照片）、 Luminance HDR （ Qtpfsgui ）、 easyHDR 等

* 其中 Luminace HDR 能够用于编程批处理

Fotor 样片

Fotor 样片

Luminace HDR 样片

Luminace HDR 样片

接下来

多帧合成 +HDR ： 1. 对于相同场景以不同曝光参数各拍摄一组照片 2. 对每组照片进行多帧合成（降噪） 3. 对上述合成图片进行 HDR 映射，合成最终图片

分组多帧合成： 1. 对同一场景以多种曝光程度各拍摄几组照片

2. 分别对这几组照片进行多帧合成

裁剪图片： HDR 软件要求所使用的图片具有相同的尺寸，故需要

将多帧合成后的各张照片裁剪成相同尺寸。

HDR 合成后的最终结果

一键生成

使用 Python 对采样照片进行自动化批处理：

1. 使用照相设备拍摄相同场景，以不同曝光程度拍摄出多组照片。

2. 编写脚本，调用外部的多帧合成软件（例如 Photoacute2.x 的命令行）将已分组的各 组照片，逐组处理，每组生成一张高清图片。

3. 使用 PIL 将这些高清图片剪裁成统一尺寸的图片，并进一步缩小到合适的尺寸 （ HDR 软件难以处理 3000 万以上像素的图片，或者将非常耗时）。

4. 编写脚本，调用外部的 HDR 软件（例如 Luminance HDR ）将多张不同曝光的同尺 寸高清图片以合适的映射算法生成高清的 HDR 图片。

5. 使用 GIMP 等图像处理软件，将不同 HDR 映射算法生成的候选图片进行叠混，并对 白平衡进行调整，生成最终图片。有必要时，可以使用 Python 编写 GIMP 插件来进行 自动化处理。

对于 Linux&Unix 玩家

# 使用 Docker&Wine 在沙箱中安装 Windows 软件（ Dockfile for linux & Unix users ）：



FROM ubuntu:14.10



RUN echo 'deb http://mirrors.163.com/ubuntu/ utopic-backports main restricted universe multiverse' > /etc/apt/sources.list && \



sed -i '1ideb http://mirrors.163.com/ubuntu/ utopic-proposed main restricted universe multiverse' /etc/apt/sources.list && \



sed -i '1ideb http://mirrors.163.com/ubuntu/ utopic-security main restricted universe multiverse' /etc/apt/sources.list && \



sed -i '1ideb http://mirrors.163.com/ubuntu/ utopic-updates main restricted universe multiverse' /etc/apt/sources.list && \



sed -i '1ideb http://mirrors.163.com/ubuntu/ utopic main restricted universe multiverse'



/etc/apt/sources.list



RUN dpkg --add-architecture i386



RUN apt-get update -y



RUN apt-get upgrade -y



ENV DEBIAN_FRONTEND noninteractive



RUN apt-get install -y aptitude openssh-server xterm



RUN echo X11Forwarding yes >> /etc/ssh/ssh_config



RUN sed -i 's/session required pam_loginuid.so/#session required pam_loginuid.so/g' /etc/pam.d/sshd



RUN sed -i 's/PermitEmptyPasswords no/PermitEmptyPasswords yes/g' /etc/ssh/sshd_config



RUN dpkg-divert --local --rename --add /sbin/initctl && ln -sf /bin/true /sbin/initctl



RUN mkdir /var/run/sshd



RUN useradd -m -d /home/ubuntu -p pfPLljOsvzRMQ ubuntu



RUN sed -Ei 's/adm:x:4:/ubuntu:x:4:ubuntu/' /etc/group



RUN adduser ubuntu sudo



RUN chsh -s /bin/bash ubuntu



EXPOSE 22



# USER ubuntu



ENV HOME /home/ubuntu



WORKDIR /home/ubuntu



CMD ["/usr/sbin/sshd", "-D"]

ssh -Yp49153 ubuntu@172.17.42.1

然后就可以在 Docker 沙箱中使用 Windows 程序了：

跨平台批处理技能 get√

图片尺寸批量对齐

#!/usr/bin/python2

from PIL import Image import inspect, os, posixpath, sys

thumb_size = 4096

def whereami(): if not hasattr(sys.modules[__name__], '__file__'): base = posixpath.dirname(inspect.getfile(inspect.currentframe())) else: base = posixpath.dirname(__file__) return posixpath.abspath(base)

def adjust(): base = whereami() imgobase = posixpath.join(base, 'img-out') imgibase = posixpath.join(base, 'img-in') imgs = os.listdir(imgibase) min_w = min_h = 1000000 for filename in imgs: imgi = Image.open(posixpath.join(imgibase, filename)) w, h = imgi.size if min_w > w: min_w = w if min_h > h: min_h = h if min_w > min_h: thumb_w = thumb_size thumb_h = int(float(min_h)/(float(min_w)/float(thumb_size))) else: thumb_h = thumb_size thumb_w = int(float(min_w)/(float(min_h)/float(thumb_size))) for filename in imgs: imgi = Image.open(posixpath.join(imgibase, filename)) w, h = imgi.size w1 = (w - min_w)/2 h1 = (h - min_h)/2 imgo = imgi.crop((w1, h1, w1 + min_w, h1 + min_h)) imgo.thumbnail((thumb_w, thumb_h)) imgo.save(posixpath.join(imgobase, filename))

if '__main__' == __name__: adjust()



base = whereami() imgobase = posixpath.join(base, 'img-out') imgibase = posixpath.join(base, 'img-in') imgs = os.listdir(imgibase) min_w = min_h = 1000000 for filename in imgs:

imgi = Image.open(posixpath.join(imgibase, filename)) w, h = imgi.size if min_w > w:

min_w = w if min_h > h:

min_h = h if min_w > min_h:

thumb_w = thumb_size thumb_h = int(float(min_h)/(float(min_w)/float(thumb_size))) else: thumb_h = thumb_size thumb_w = int(float(min_w)/(float(min_h)/float(thumb_size))) for filename in imgs: imgi = Image.open(posixpath.join(imgibase, filename)) w, h = imgi.size w1 = (w - min_w)/2 h1 = (h - min_h)/2 imgo = imgi.crop((w1, h1, w1 + min_w, h1 + min_h)) imgo.thumbnail((thumb_w, thumb_h)) imgo.save(posixpath.join(imgobase, filename))

分组多帧合成



尺寸对齐 & 缩小

HDR

1. 需要脚架、 B 门，将画面抖动降至最低。 2. 采样需要拍摄十几张乃至上百张照片，需要有一定耐心。

2. 手持拍摄成功率一般。

3. 无法拍摄人像（及运动物体）。

交错式曝光自动连拍相机

当按下拍照键以后，相机在一至数秒内以不同的 iso 及 ev 参数进行交替式快速连拍，实现对同一场景用不同曝 光参数完成分组大量采样：

● 基于 kivy 实现 ● 使用 jnius 调用系统原生 camera ● 使用 buildozer 打包成手机 app

技术原型

分组多帧合成



尺寸对齐 & 缩小



交替曝光自动连拍 app （ kivy ）



前、后期一键成像



HDR

手持拍摄 ok√ 人像摄影 ok√ 延时摄影 ok√

谢谢观赏



沈崴

2015 年 9 月 12 、 13 日 于上海、广州 PyCon 大会