图像是人类感知世界获取信息的重要手段,具有形象直观、信息量大等优点。但是在拍摄场景存在偏暗或偏亮区域时,会使得获取的图像动态范围较窄,场景细节不能很好地显示,因此运用宽动态技术扩展图像动态范围具有重要意义。本论文针对图像动态范围展宽方法展开了深入研究。引入基于对数增强模型的微区域分解方法,实现了单幅图像的动态范围扩展,有效改善了图像暗区域细节显示。算法以对数增强模型为基础,选取图中3?3像素区域进行平均灰色调运算,经过三次分解后进行重构,得到宽动态范围图像,使得暗区域对比度增强,层次分明。采用区域直方图均衡算法扩展图像动态范围,解决了基于对数增强模型的微区域分解方法对亮区域处理出现畸变的问题。算法在全局直方图均衡的基础上,选取适当的阈值后,对需要处理的灰度区域进行直方图均衡,该算法虽然简单,但与基于对数增强模型的微区域分解方法相比,在加强了对暗区域细节显示的同时,保留了较亮区域的细节。利用基于YUV空间和RGB空间的拉普拉斯金字塔分解图像融合算法,将多曝光图像进行拉普拉斯金字塔分解,再采用融合策略进行图像重构,得到了亮、暗区域细节清晰,色彩真实的宽动态图像。该算法使用的融合策略是基于对比度和色彩程度两个测度因子的加权图。基于YUV空间和RGB空间的两种算法不同之处在于,YUV空间只对Y通道进行金字塔的分解与重构,U、V空间采取简单取最值处理,而在RGB空间则需对R、G、B三通道分别进行金字塔的分解与重构。在保证得到符合要求的融合图像的同时基于YUV空间的算法更为简单,用时更少。在Matlab仿真环境下,将上述三种图像动态范围展宽方法,进行了实验仿真,利用主观和客观评价标准对算法的性能进行了深入的比较分析。三种动态范围扩展算法均能得到宽动态范围图像,基于拉普拉斯金字塔分解的图像融合算法效果最佳,但算法相对复杂;基于对数增强模型的微区域分解方法更适合处理曝光不足的图像;区域直方图均衡算法对曝光不足和曝光过度的图像均能有较好的处理效果,但会丢失一些灰度级的信息。三种算法能有效扩展图像的动态范围,提高图像质量,呈现图像细节信息,研究结论对图像宽动态技术的进一步应用,具有实际的指导意义与参考价值。