历史场景再现范文

历史场景再现范文（精选3篇）

历史场景再现 第1篇

特写, 源于电影手法, 电影中拍摄人物的面部或局部, 以及物品的一个细部的特写 (近) 镜头, 通称特写。

新闻特写的含义?它指运用电影表现手法, 生动、形象地描绘人物或事件的富有特征的片断、瞬间, 给读者留下深刻的印象。

新闻特写, 是从消息和通讯中派生出的一种报道形式。它有新闻性, 又有文学性。若用文学手法表现新闻, 必须严格遵守新闻真实性原则, 所描绘对象必须是真人真事, 连细节也须是真实、准则的。否则, 就容易产生虚假新闻及失实报道。

新闻特写与其它体裁的区别在哪?

1. 新闻特写与消息、通讯的差别。

A.消息:消息一般择要地报道新闻事件的全过程, 而特写往往抓住新闻事件中富有特征的片断, 给予浓笔展开。如报道一场球赛, 消息要写球赛的全过程, 而特写只写“一球之争”。另外, 消息以简洁和让事实说明问题取胜, 而特写则以“描绘形象感”的特写镜头取胜。

B.通讯:特写充分展示新闻事实的横断面, 即现场新闻;而通讯则向人们展示新闻事实的纵断面, 时间跨度较大。

2.新闻特写与新闻速写、新闻素描的差异。

A.新闻速写:两者的共同点, 都注重抓人物和事物的主要特征。两者的差异点在于, 特写是选取人物或事件中富有特征的片断, 浓笔展开来写;而新闻速写则是扣住事物的主要特征, 对其全过程进行压缩, 或把勾勒事物的纵横断面结合起来写。

B.新闻素描:特写是对人物或事件富有特征的片断进行描绘和放大。新闻素描则是运用朴素自然的描写方法, 客观地、平实地反映新闻事件的过程和概貌。

怎样采写新闻特写?

1.现场观察, 特写的关键。

常言道, “百闻不如一见”。干过多年新闻工作的资深记者都知道, 最有效的采访手段是现场观察。特写是再现新闻事件的典型片段, 记者的首要任务是如何现场“直接”观察。否则, 如何“再现”呢?

新闻特写如何现场观察?可学习借鉴大侦探福尔摩斯的观察技巧。一次, 福尔摩斯同好朋友华生讨论谁的眼光敏锐。他问华生门外的台阶有几级?华生无言以对。福尔摩斯说有13级。他说:“我俩都看了门外的台阶, 但我是观察, 能说出台阶有多少级, 而你只是看看而已。”西方新闻界经常引用这个例子, 以说明记者的“观察”同一般人的“看”大不一样。

因此, “观察”是记者的一项基本功, 是写好特写的关键。

2. 选准镜头, 加以放大。

选准了镜头 (也称选准一个片断、一个情节) , 写作就有了目标, 就可以围绕目标加以放大———即作细致突出的描绘。

“选准镜头或截取片断”, 这是特写的主要特征及要求集中、要求有重点所决定的。没有重点, 就无所谓特写。特写最忌讳从头到尾细细写来, 最忌讳写新闻事件的过程。特写应是新闻事件或人物具有典型意义和特点的“场景再现。”

作为记者也应明白, 并不是所有的新闻事件都能构成特写题材, 凡哪些缺乏“生动片断”和“感人场面”的新闻事实并不适合用特写手法来表现。为此, 特写选材也十分重要。

3. 文学手法, 善于描绘。

新闻的消息、通讯写作主要靠叙述, 然而特写主要靠描绘。特写要像绘画一样生动逼真, 绘声绘色, 情景交融, 使读者如临其境, 如闻其声, 如见其人。因此, 采用文学手法, 善于描绘, 并及时地“再现”现场场景, 是特写写作的特色。

描绘中, 不仅要写概貌, 而且更要写细节。没有细节, 就没有特写。一般讲, 概貌略写, 细节详写。

有时候, 记者面临各种难以描述的活动场面, 如小到一个人的一举一动, 大到千百上万人的大场景。此时, 记者就要用不多的笔墨, 用尽全心地写出事物的画龙点睛之精髓来, 这种描写不仅要似形, 还要传神。这是一种写作艺术, 对文字语言, 文学功底的要求很高;是对记者的新闻和文化素养及表达能力的一种考验。

4. 抓住特点, 写出个性。

特写除需择取片断、选准镜头外, 还需抓住人物和事物的“特点”。

新闻特写须写出特点与个性, 这里主要指人物特写。它在特写中占据重要位置。如何写出人物特写的个性来?这也许是特写中最难之笔, 也是最重要之处。因写不出人物个性的特写, 很难说是成功之作。

怎样写出人物个性?首先, 选择对象, 应当是新闻人物。其次, 写出人物个性, 就是写好人物的社会地位、社会经历等在他们身上留下的鲜明烙印。其三, 写出人物个性, 最重要一点, 就是抓住人物所独有的品质、事迹去写, 找出人物与其他人物的不同之处, 所具有的“特殊性”在哪?因此, 人物个性写得愈鲜明, 特写就愈成功。

5. 捕捉动态, 多用动词。

特写中若多用动词, 就有了生动的形象, 就能使特写“活”起来。

动词在汉语里多用于谓语, 在现代汉语的词汇海洋里, 动词是最富于表现力的, 在不少文章中都起着重要作用。法国作家莫泊桑曾说:“不论人家所要说的事情是什么, 只有一个字可以表现, 就是一个动词可以使它生动。”它不仅能刻画人物, 还能给读者以生活的真实感、形象感。动词用得巧, 能以一当十, 生动耐看, 增加活力。

6. 浓笔高潮, 写细写透。

新闻特写, 须浓笔重彩、内容紧凑、抓取新闻事件的高潮部分, 把它写细写透, 这样可给读者留下强烈、深刻的印象。

写好高潮, 须注意三点, 一、记者对高潮部分是否观察入微, 胜算在胸。二、是否占有丰富而生动的材料。三、能否果断地抛掉手中新闻材料中的非高潮部分素材。■

再现场景，写出新意 第2篇

在写以某部经典作品为基础进行思维拓展的想象作文时，我们要注意做到两点：一是要再现作品原本的故事环境和场景，让故事在原有的情节基础上重新发展，这样，我们的想象才会有“根”，才不会脱离原作品而成为一个空架子；二是要写出新意，写出和原作品不一样的地方，让人读出新味道，如果光是重复原作品的内容和风格，那我们的作文就会缺乏阅读的价值。

例文品析

畅想“西游”

一个星期天的下午，我写完作业时，离晚饭时间还早。于是，我翻开最喜欢的《西游记》，打算和书一起度过剩下的时间。看着看着，我突然眼前一黑，仿佛进入了另一个世界……（一阳评：以常见的“穿越”形式，进入到《西游记》的世界中去。这是故事引入点，简单交代一下即可，无须详写。）

我被眼前的景象惊住了，地板变成了绿茸茸的小草和娇艳的鲜花，天花板变成了湛蓝且透亮的天空，窗帘则变成了百年大树和小溪，墙壁也化为了连绵不断的高山……（一阳评：变“穿越”前的环境为《西游记》中唐僧师徒四人取经路上的环境，这即是对原作品故事环境和场景的再现。）这时，远处传来一阵马蹄声和哼哼唧唧、唉声叹气的声音，我往前走了几步，隐隐看到孙悟空拿着金箍棒、猪八戒扛着钉耙、沙僧挑着行李担，正护送骑着白龙马的唐僧去西天取经呢，真是令人震惊。（一阳评：借助“未闻其人，先闻其声”的写法，引出唐僧师徒四人，这是对原作品人物的再现，且这样的再现是建立在尊重原作品人物性格的基础上的。如果我们将孙悟空写成一个老实巴交的沉默大汉，这样新意是有了，但却不会让人觉得精彩，只会让人觉得怪异，因为这不符合原作品的人物设定。）

我连忙迎上去拦住他们，唐僧问我：“请问施主有何事？”“请问师父是去西天取经吗？我可以和你们一起去吗？”“施主容我考虑一下。”过了一会，唐僧对我说：“取经路上可能会遇到很多挫折和困难，不知施主能否承受得了啊？”我想了想，认真地说：“在磨难中成长才能体会成功后的喜悦！”唐僧看着我，高兴地答应了。（一阳评：取经队伍多了一号人马——“我”，这就是在原有故事情节和设定的基础上翻出新意，也让读者相信接来下的故事发展将会变得与原著不同。）

路上，孙悟空在前面蹦蹦跳跳地引路，猪八戒和沙和尚好奇地向我打听现代文明世界，我牵着白龙马和他们兴奋地聊着，给他们科普现代世界的电脑、手机、洗衣机、电冰箱等高效实用工具的知识。猴哥大笑：“这电脑难道还能比俺老孙的筋斗云快？”“快多了！要是这边与西天有电脑互通，你们压根都不用去取经，挠个痒的功夫，就全搞定啦！”我赶紧反驳，听得他们咋舌不已。（一阳评：引入现代文明世界的产物，让文章变得富有新意。）

途中经过一座乱石岗，前面是一处茂密的森林，阴气逼人！孙悟空交代大家要格外小心，大家都紧张起来，纷纷加快了行走的步子。突然，一阵古怪的黑风袭来，我便一下子失去了知觉。当我醒来时，竟然和唐僧背靠背地被妖怪绑了起来，身边有很多不知名的小妖怪一边看着我们，一边交头接耳，发出不是人类的声音……不一会，一个青面獠牙、身材高大的妖怪回来了，他恶狠狠地对我和唐僧说：“听说吃了唐僧肉可以长生不老，哈哈哈哈，这下我有福啦。这边这个小子，也细皮嫩肉的，就拿来做我的下酒菜吧，哈哈哈哈……”（一阳评：以上情节和《西游记》原著唐僧被捉的情节相似，是对原作品情节设定的再现。）唐僧在我身后不停地念经，我早已吓得头冒虚汗，心里默默地念叨：“孙悟空啊，你不是齐天大圣吗？赶紧过来救你师父和我吧……”忽然，门外传来一阵叮叮当当的打斗声，原来是孙悟空和猪八戒来救我们了。妖怪跳了起来，拿起刀走了过来，恼羞成怒地说：“孙猴子想来救你们两个，门都没有。以前那些妖怪实在太傻了，非要等人齐了才肯动手。我现在就把你们俩先杀了、吃了，看他还怎么救！”说着，举起刀就要砍向我……（一阳评：此处对妖怪的思维设定进行了拓展，使之与原著区别开来，写出了新意。）“啊！”我突然醒过来，惊了一身冷汗，原来是个梦啊！

虽然只是一个梦，但它还是让我体味到了《西游记》这本书的乐趣！也许有一天，我也能写出一本出神入化的神话小说呢！（一阳评：以自己的小小感慨迅速结尾，不拖泥带水。）

想象是一种创造性的思维活动，即使是再现原作的想象，我们也不可能百分之百地照搬生活或是原有故事——那是抄袭不是想象。因而对原作品的改动、取舍是肯定存在的。而改动、取舍就是创造的体现。

像例文这样的想象作文，一般是通过三个步骤进行：一、再现。搜寻脑海中对原作品的印象，包括环境、人物外貌、人物性格、人物特色等，一一加以再现，让故事能够在不脱离原著的基础上发展。二、移植。将一些新的东西嫁接、移植到原有的故事情节当中，既不破坏原有的情节设定，又让文章变得富有新意，生动有趣。如例文就将“我”移植到取经队伍当中，既没有破坏“去取经”这一故事情节，又让“取经”的内容变得与以往不一样。又如将“电脑”等现代工具移植进西游世界，但又没有真实出现、破坏平衡，让人既觉得新鲜有趣，又能够接受。三、幻想。我们每个人对于未知的世界、未来的世界都充满了幻想，而且这些幻想往往是独一无二的。如例文中的作者就看到了《西游记》中的一个情节漏洞：凭什么妖怪总是要等孙悟空来救唐僧？如果捉到之后马上就把唐僧吃了，孙悟空再神通广大也没有办法。这样的幻想看似天马行空，任意驰骋，却又合情合理，让人信服，因而故事读来也就显得有滋有味，耐人咀嚼。

我露一手

请以相似的写法写一篇作文，题目自拟，完成后，寄至南宁市竹溪大道69号广西教育杂志社 一阳收（邮编：530021）或发送至邮箱2770471919@qq.com。每期，我们将评选出一篇最佳范文，作者将获得80元的优胜奖金。赶紧来参加吧！（本期评选截止日期：2016年4月30日）

《我是勤劳小矿工》参考答案：

矿区一：

1. 4a 6 2. 2.34 2.25 3. [1

6] [1

2] 4. 0.08 12.5

矿区二：

1. B 2. B 3. A

矿区三：

1. 37.8元

2. 桃树有200棵，梨树有500棵

3. （1）22元 （2）18吨

交易所

列竖式计算：11.33 30.4

计算：20.4 60 20.5 98.8

解方程：9 30

《神奇的三角尺》参考答案：

120 75 150

B C E

历史场景再现 第3篇

从数字图像的获取到显示,人们一直在追求对数字图像的认知、感觉要与人眼直接观察实际场景的感觉相一致的“视觉匹配(Visual Matching)”。成像设备的发展一直都在以人类的视觉系统为参考,模拟其优异的特性,但在很多方面仍相差很大。为机器视觉提供符合人类视觉特性的理想图像,使图像信息的表达逼近正常人眼在正常自然条件下的感觉习惯,北京理工大学的倪国强教授首次提出了真实图像再现(Realistic Image Rendition, RIR)的概念[1],包括亮度/灰度再现(Luminance/Grey-Scale Rendition, LR)、对比度再现(Contrast Rendition, CR)、颜色再现(Color Rendition, CrR)等方面的研究。一般来讲RIR主要研究内容是高动态范围图像可视化中的色调映射技术,而其原理在具体应用中同样适用于低动态范围图像[2,3],因此本文将低动态范围的图像增强和高动态范围的色调映射技术统一到非均匀光照场景再现技术的范畴,并基于视觉机制设计了稳健性较强的非均匀光照图像的场景再现算法,有效改善了高、低动态范围和光照不均图像的亮度、对比度,并再现了真实的场景色彩。

1 Retinex模型

作为颜色恒常性理论的典型计算模型,Retinex理论认为,人眼感知的颜色并不依赖于反射光的强度,而取决于场景的反射系数。图像的形成取决于入射光强和场景反射系数的乘积,表示为

S=L×R (1)

式中:S为人眼或摄像机获取的图像,L为光照图像,R表示物体的反射特性。Retinex理论的目的就是从图像中获得物体表面的反射性质,即抛开入射光来获取场景的本来面目[4]。求解过程首先将L和R的乘积关系转换到对数域,即

s=l+r (2)

式中:s=lnS;l=lnL;r=lnR。

Retinex理论自提出以来经历了一系列算法演进,国内外研究文献已达几百余篇。受广泛关注的主要包括基于中心/环绕(Center/Surround)的方法和基于偏微分的方法,前者以NASA兰利研究中心可视信息处理实验室学者提出一系列基于高斯滤波估计光照的单尺度Retinex (Single-Scale Retinex, SSR)、多尺度Retinex(Multi-Scale Retinex, MSR)及颜色校正算法(Multi-Scale Retinex with Color Restoration, MSRCR)[5]为代表,后者以Kimmel变分框架下的Retinex[6]求解方法为代表。本文通过求解变分框架下的Retinex,估计光照图像。下面详细介绍Kimmel变分框架下的Retinex,其模型能量泛函表达式为

式中:Ω表示图像空间;∂Ω是图像的边缘;n是边缘法向量;α,β为惩罚因子。假定光照在空间的变化平缓,反射图像R在0和1之间,则L≥S,由对数运算的单调性,则l≥s,被限制了动态范围的反射系数即被作为约束条件。3个罚函数分别保证了光照图像的空间平滑、光照图像与原始图像的相关性和反射图像的平滑性。Kimmel将带约束的归一化最速下降法(Projected Normalized Steepest Descent, PNSD)运用到此问题的数值求解中,同时构建金字塔采用多分辨率计算进行加速,使用较少的迭代次数即可得到较好的收敛效果。学者李成认为Kimmel模型中,由于第3项${\displaystyle \int \begin{array}{c}\beta \left|\nabla (\mathit{l}-\mathit{s})\right|{}^2\end{array}}$作为平滑性的度量,强调了对大梯度的惩罚,而同样将此应用到反射图像,会使图像输出边界模糊。因此考虑到能量泛函设计不仅需要考虑光照图像和原始图像全局相关性,还要兼顾反射图像与原始图像在细节上的相关性,李提出了用于图像去雾的改进的变分模型[7],可以描述为

$\begin{array}{l}\underset{l}{{\displaystyle \min }}F(\mathit{l})={\displaystyle \underset{\mathit{\Omega }}{\int }}(\left|\nabla \mathit{l}\right|{}^2+\alpha \left|\mathit{l}-\mathit{s}\right|{}^2+\beta \left|\nabla (\mathit{l}-\mathit{s})\right|{}^2)\text{d}x\text{d}y,\\ \text{s}.\text{t}.\mathit{l}\ge \mathit{s}\text{a}\text{n}\text{d}\langle \nabla \mathit{l},\mathit{n}\rangle =0\text{o}\text{n}\partial \mathit{\Omega }(4)\end{array}$

式中,β为调节光照梯度图像与反射梯度图像相关程度的系数。

2 本文算法

文献[8]认为一幅视觉愉悦性良好的图像并非反射图像,而是融入了适当的均匀光照成分的反射图像,并且指出这一思想在基于Retinex的图像增强算法中也有证实,本文在新算法中沿用这一指导思想。另外,基于Retinex的光照图像求解方法并不能得到精确的反射图像,而是受光照图像影响的结果,对于非均匀光照图像而言这种影响仍然是非均匀的,从而造成图像增强结果不理想。因此,获取非均匀图像理想的增强结果的方法可以归纳为:第一,获取光滑的光照图像;第二,获取逼真的反射图像;第三,反射图像和光照图像融合获取最终的增强结果。以下详述算法过程和函数设计。

2.1 光照图像获取

鉴于上述归纳,本文认为在求解Kimmel模型时可将目标明确为获取光滑的光照图像,反射图像本质上不具有光滑的性质,最佳的增强结果应该是逼真的反射图像和均衡后光照图像的乘积。原始Kimmel模型通过${\displaystyle \int \begin{array}{c}\left|\nabla (\mathit{l}-\mathit{s})\right|{}^2\end{array}}$项来确保反射图像的光滑性质,而在公式(4)中李成通过${\displaystyle \int \begin{array}{c}-\left|\nabla (\mathit{l}-\mathit{s})\right|{}^2\left|\nabla \mathit{s}\right|{}^2\end{array}}$项约束反射图像保留一定的边缘和细节信息,并进一步强调光照图像的光滑性,所以可以采用后者的改进方案用于求解本文的光照图像。又考虑到$\left|\nabla \mathit{s}\right|{}^2$是常数且在计算过程中意义不大,为了降低计算复杂度,第3项罚函数修改为${\displaystyle \int -}\left|\nabla (\mathit{l}-\mathit{s})\right|{}^2$。综上,可将Kimmel模型改写为

$\begin{array}{l}\min F(l)={\displaystyle \underset{\mathit{\Omega }}{\int }}(\left|\nabla \mathit{l}\right|{}^2+\alpha \left|\mathit{l}-\mathit{s}\right|{}^2+\beta \left|\nabla (\mathit{l}-\mathit{s})\right|{}^2)\text{d}x\text{d}y,\\ \text{s}.\text{t}.\mathit{l}\ge \mathit{s}\text{a}\text{n}\text{d}\langle \nabla \mathit{l},\mathit{n}\rangle =0\text{o}\text{n}\partial \mathit{\Omega }(5)\end{array}$

式中的三个罚函数保证了光照图像的空间平滑、光照图像与原始图像的相关性和反射图像的细节,求解过程采用李提出的快速求解方法实现。

2.2 反射图像获取

求解(5)式得到光照图像$\tilde{\mathit{l}}$的近似估计,继而通过反解(2)式可以得到较为真实的反射图像$\tilde{\mathit{R}}$,上文分析中已提到这里通过求解Retinex得到的反射图像仍然受残余光照图像的影响,需要进一步消除光照干扰获得对比度大、细节突出的反射图像R。残余光照对反射图像的影响可以类比于图像按照热传导模式演变,其低频分量将突出,高频分量被抑制[8]。因此,采用反热传导方式可以消除残余光照的影响。这种反热传导方程可以用Gabor的时间演变模式描述为

$\{\begin{array}{l}\frac{\partial \tilde{\mathit{R}}(x,y,t)}{\partial t}=-\text{Δ}\tilde{\mathit{R}}(x,y,t),t>0\\ \tilde{\mathit{R}}(x,y,0)=\tilde{\mathit{R}}(x,y)\end{array}(6)$

利用梯度下降法,得到的反热传导方程的近似解为

$\begin{array}{l}\tilde{\mathit{R}}(x,y,t)\approx \tilde{\mathit{R}}(x,y,0)+t\left(\frac{\partial \tilde{\mathit{R}}(x,y,t)}{\partial t}\right){}_{t=0}=\\ \tilde{\mathit{R}}(x,y)-t\mathit{\Delta }\tilde{\mathit{R}}(x,y)(7)\end{array}$

式中:Δ为拉普拉斯算子。工程上常用的拉普拉斯算子模板为

或

因此公式(7)的实现过程为

式中:N(x0,y0)是(x0,y0)的3×3邻域。据人眼对比灵敏度特性的研究知,当中心像素与周围背景像素之间的亮度差异同背景亮度的比值大于某个阈值时,该中心像素的特征容易被察觉,即满足ΔI/I≥c时人眼方能注意到图像细节。可以利用此特性提升反射图像细节,反应在式(8)中就是先将中心像素受邻域像素影响造成的模糊去掉,得到锐化图像,再将锐化图像和原图像相加就可以增加中心像素和周围背景亮度间的比值。然而采用模板Δ进行去卷积操作,对图像中具有不同模糊程度的不同区域采用相同的参数,容易造成图像的过度锐化和爆破现象,因此本文提出了以下具有自适应性的图像去卷积函数

$\begin{array}{l}\mathit{R}(x{}_i,y{}_i,t)=-{\displaystyle \sum _{(x,y)\in {\rm N}(x{}_{i,}y{}_i)}\mathit{A}}{}_i\cdot \tilde{\mathit{R}}(x,y)+\\ \frac{\sqrt{2}\mathit{A}(x{}_i,y{}_i)\times \tilde{\mathit{R}}(x{}_i,y{}_i)}{\sqrt{\text{π}}\sigma {}_i}(9)\end{array}$

式中:R是消除剩余光照影响的反射图像;将图像划分成N场,σi是第i场的方差;Ai是尺寸为3×3的高斯模板,方差为(1-σi);A(xi,yi)是窗口Ai的中心像素值。

2.3 视觉适应性图像获取

视觉适应性图像是反射图像和均衡后的光照图像融合的结果。融合之前,首先将光照图像采用拟合人眼亮度视觉特性的对数变换进行均衡,经过式(10)所示的变换来获取均衡后的光照图像

$\overline{\mathit{L}}=a\cdot \ln (\tilde{\mathit{l}}{}^{(b)}+1)(10)$

式中:$\overline{\mathit{L}}$为均衡后的结果;$\tilde{\mathit{l}}$为输入的光照图像估计;a, b为曲线调节系数。为了提高算法的自适应性,令$a=b=\frac{\max (\tilde{\mathit{l}})}{mean(\tilde{\mathit{l}})}$,其中mean为中值函数。将空域的反射图像和对数域的光照图像相乘得到最后的视觉适应性图像,即$\mathit{V}=\mathit{R}\times \overline{\mathit{L}}$。

3 实验和分析

实验环境为MATLAB7.1,笔记本配置:AMD双核CPU,主频2.1 GHz,内存2 Gbyte。实验首先讨论了式(5)中涉及的参数α和β的设置,之后设定α=0.9,β=0.1,金字塔分解层数为4,测试了本文算法和多种不同算法分别针对含天空的自然场景、夜视场景及室内场景的增强结果,并进行了主客观评价。

3.1 算法中参数的设置

参考Kimmel的方法[6],在设定金字塔分解层数为4的基础上,分别设定参数α和β为0.000 01,0.1,1和10,实验结果如图1所示。

从图1易见,随着α和β取值的增大,增强结果的光照更加均匀,低照度区域的更多信息得以显示;但同时伴随有全局对比度下降、细节信息丢失的情况。为了兼顾低照度区域亮度的提升和图像细节的保持,α和β的值设置在区间[0.1,1]较为合适。

3.2 含有天空的自然场景

对于含有天空的场景,普通相机测光时不能够同时兼顾其他部分的亮度,所以除去天空的场景部分就会出现曝光不足的现象。当亮度再现时,需要尽可能保留天空中的信息,而只增强低亮度的场景部分,同时提升全局的对比度。图2b是MSRCR处理结果,在暗区的亮度调整不充分,引入了不自然的颜色和光晕现象;图2c是Kimmel的处理结果,光照虽然实现了均衡,但亮区域的细节和色彩信息均有丢失;图2d为自适应对数映射函数(ALMF)增强结果[9],对于高亮度区域过度压缩导致了细节信息的丢失;图2e为基于NCL-ICM的方法增强结果,同ALMF一样虽然能够在一定程度上提升暗区的亮度,但整幅图像的光照没有得到很好的均衡,导致暗区细节无法充分展现;图2f是本文方法增强结果,整幅图像的光照得到了良好的均衡,亮区和暗区的细节得到了充分展现,且场景色彩得到了较好的保持。

3.3 夜视场景

夜视场景是典型的非均匀光照场景,由于曝光不足会生成很多暗区。图3中,MSRCR性能优越,但其容易引入光晕,同时尺度设置的自适应较差;Kimmel的方法效果较差,亮度区域出现过度增强;NCL-ICM增强结果细节比较突出,但蓝色分量所占比例增加,尤其是花丛周围的灯管色彩明显失真;文献[10]中的HCCIEE方法(HVS Controlled Color Image Enhancement and Evaluation algorithm)在细节力的展现上尚有不足;本文方法可以较好地提升暗区亮度,在场景色彩的保持上优于前几种算法。

3.4 室内场景

室内场景尤其含有光源时,也会形成非均匀光照图像,尤其是主动光源对成像的影响很大,本文方法较好地综合了高光抑制和暗区中细节的再现,有效提升了图像的全局和局部对比度,见图4。而MSRCR采用Portrait Mode模式,暗区细节拉升仍不足,灯源的抑制也较弱;Kimmel增强结果颜色丢失较为严重,且暗区细节展现不足;LTSNE作为Old Dominion University视觉实验室较新成果算法[11],从结果上看,其在非均匀光照的处理上效果较好,但对于该幅图像,由于背景灯照度较亮的影响,人像边缘处光晕现象非常明显;NCL-ICM方法在暗区细节再现方面有不错的优势,但对高光的抑制作用还有待于提高,且图像的全局对比度较低。

3.5 客观评价

本文选用NASA学者提出的评价标准——以不重叠分块为基础的局部均值的均值和局部标准差的均值。其中局部均值的均值即是全局均值,表征了全局亮度,采用局部标准差的平均作为描述对比度的指标,是因为全局的标准差并不能衡量全局对比度。不重叠分块大小设置为与图像画幅尺寸相关的自适应尺寸。

另外使用平均梯度值作为图像细节边缘等对比度信息的另一评价标准。表1为以上场景测试中的3幅图像相应的客观评价值,分别对应不同算法增强前后的评价结果。

图像增强效果的评价主观性较强,上述客观评价值只作参考,因为往往主观评价和客观评价结果不一致,如MSRCR的图像局部标准差平均值都非常大,因为其存在光晕等人工现象而导致客观评价值的增大;本文算法与HCCIEE,NCL-ICM等相比,可以有效均衡图像亮度,提升暗区亮度,继而凸显暗区的对比度和细节,在客观评价上的直接反应是均值、局部标准差平均值和平均梯度都较高;从夜间场景的增强效果看,NCL-ICM具有更加突出的细节信息,反应在表1中本文算法的平均梯度值略低于NCL-ICM的结果。

4 小结

本文在拟合人眼视觉机制的Retinex模型的基础上,强调了光照图像求解结果的光滑性和反射图像的细节凸显性,并将光照图像进行单独亮度均衡处理后同反射图像融合,获得了可视效果良好的视觉适应性图像。实验结果表明本文算法稳健性较好,处理非均匀光照的图像能够实现良好的光照均衡,但依然存在一个明显的问题:高亮的天空部分会被降低亮度,从而导致部分增强后的图像天空成分不自然。在今后的研究中要考虑进行光照均衡的同时,不能过度抑制天空高亮区域,使增强结果亮度更加自然。

参考文献

[1]LV Lily,GAO Kun,NI Guoqiang,et al.The study of realistic image rendi-tion algorithms based on human visual system[C]//Proc.2010 Symposiumon Photonics and Optoelectronic(SOPO).Chengdu:[s.n.],2010:1-4.

[2]肖蔓君,陈思颖,倪国强.基于Sigmoid函数局部视觉适应模型的真实影像再现[J].光学学报,2009,29(11):3050-3056.

[3]黄光华,倪国强.一种基于视锥适应模型的真实影像再现方法[J].中国图象图形学报,2007,12(7):1161-1167.

[4]李权合,毕笃彦,马时平,等.融合Retinex和视觉适应性的图像增强新方法[J].中国图象图形学报,2010(12);1728-1732.

[5]JOBSON D J,RAHMAN Z,WOODELL G A.A multiscale retinex forbridging the gap between color images and the human observation ofscenes[J].IEEE Trans.Image Processing,1997,6(7):965-976.

[6]KIMMEL R,ELAD M,SHAKED D,et al.A variational framework for ret-inex[J].International Journal of Computer Vision,2003,52(1):7-23.

[7]李成,王晨,鞠明,等.基于交叉皮质模型的高动态范围图像可视化算法[J].计算机辅助设计和图形学学报,2011,23(8):1-7.

[8]李权合,毕笃彦,何林远,等.退化过程模拟模型及其在图像增强中的应用[J].西电学报,2011(6):185-192.

[9]GU Yaolin,WANG Jialiang.Algorithm of color image enhancement basedon tone reproduction[J].Computer Engineering and Design,2007,28(9):4185-4186.

[10]HUANG Kaiqi,WANG Qiao,WU Zhenyang.Natural color image en-hancement and evaluation algorithm based on human visual system[C]//Proc.IEEE International Conference on Acoustics,Speech andSignal Processing(ICASSP'04).[S.l.]:IEEE Press,2004:17-21.