HDR-Aufnahmetechnik mit Raw-Workflow

Transkript

1 HDR-Aufnahmetechnik mit Raw-Workflow Gregor Fischer, Klaus Hesse-Camozzi Institut für Medien- und Phototechnik, Fachhochschule Köln, Betzdorfer Str. 2, D Köln URL: professoren/gregor.fischer/index.html Nils Kohlhase, Volker Zimmer Leica Camera AG, Oskar-Barnack-Str., D Solms URL: Zusammenfassung Im Rahmen eines Kooperationsprojekts der Fachhochschule Köln mit der Leica Camera AG wurde ein vollautomatisches HDR-Demonstrationssystem entwickelt. Der Aufbau basiert auf einer eigenentwickelten Ansteuersoftware für Leicas High-End-Mittelformatkamera S2 und einer neuartigen HDR-Bildverarbeitungssoftware. Das Besondere an der realisierten Lösung sind der vollautomatische Ablauf, der durchgängige Rohdaten-Workflow und das Standard-Rohdatenformat DNG mit 24 Bit Farbtiefe. Dadurch werden trotz der hohen Auflösung von 37 Mega-Pixeln eine enorme Verarbeitungsgeschwindigkeit, eine anspruchsvolle Bildqualität ohne Begrenzung des Farbumfangs und eine perfekte Flexibilität für die Anbindung an bestehende Software (z.b. Photoshop) geschaffen. Der Versuchsaufbau wurde auf der Photokina präsentiert und mit großem öffentlichen Interesse aufgenommen. Einführung HDRI (High Dynamic Range Imaging) bietet die Möglichkeit, die enorm großen Helligkeitsunterschiede (Dynamikumfang), die in der Realität vorkommen, detailgenau darzustellen von den tiefsten Schatten bis in die hellsten Lichter. Dazu nimmt die Digitalkamera den gesamten Dynamikumfang der Szene in verschiedenen Belichtungen auf, die dann zu einem HDR-Bild kombiniert und verarbeitet werden (s. Abb. ). []-[6] Um diesen hohen

2 Dynamikumfang auf die niedere Dynamik eines Ausgabemediums, z.b. einen Monitor, anzupassen, werden spezielle Bildverarbeitungsverfahren angewendet, die als sogenannte Tonemapping-Algorithmen bekannt sind. [8]-[32] Aufnahmen verschiedener Belichtung Abb. : Ablauf HDR-Aufnahmetechnik: eine Belichtungsreihe (oben) über den gesamten Dynamikumfang der Szene wird aufgenommen und zu einem HDR-Bild (unten) kombiniert. Der Workflow (s. Abb. 2) verfügbarer kommerzieller Softwarelösungen (z.b. Adobe Photoshop) ist durch einen manuell aufwendigen Workflow für den Anwender und durch eine HDR-Bildstruktur gekennzeichnet, die als RGB-Bild mit 32 Bit pro Farbe und Pixel ein vergleichsweise hohes Datenvolumen umfasst. Üblicherweise wird z.b. über die Bracketing-Funktion der Kamera eine Belichtungsreihe der kontrastreichen Szene aufgenommen. In einem geeigneten Bildbearbeitungsprogramm werden dann die einzelnen Rohbilder einer Raw-Konvertierung mit Weißabgleich und Demosaicking (Farbinterpolation) unterzogen. Durch die Anzahl von Bildern und die drei Farben pro Pixel entstehen temporär sehr große Datenmengen. Diese Zwischenbilder werden dann zu einem einzigen Bild mit drei Farben und einer erhöhten Wortbreite (z.b. 32 Bit) kombiniert und zusammengefasst (Block Exposure Fusion ). Das Ergebnisbild wird am Ende des Aufnahmeteils in eine HDR-Bilddatei (z.b. Dateiformate.exr oder.hdr) abgespeichert. Dieses HDR-Bild wird in einer sich anschließenden HDR-Verarbeitung über ein Tonemapping in seiner Dynamik auf einen geringeren Kontrastumfang

3 reduziert und über ein geeignetes Farbmanagement in ein Standardformat (z.b. Adobe RGB) fertig prozessiert. Raw Aufnahmen Pixel x 2 Byte... WB + Farbkorrektur I + Demosaicking... x 2 Byte... n Pixel x 2 Byte WB + Farbkorrektur I + Demosaicking n x 2 Byte Exposure Fusion HDR HDR- Dateiformat.hdr,.exr... HDR Capture HDR Tone Mapping Color Rendering (inkl. Farbkorrektur II) Output Color Space Adobe RGB x Byte HDR Processing Abb. 2: Traditioneller Workflow zur Erzeugung (Capture, oben) und Verarbeitung (Processing, unten) von HDR-Bilddaten. Die blauen Kästen bezeichnen Bildverarbeitungsroutinen, die die Bilderscheinung festlegen. 2 HDR-Raw-Konzept Ein wesentlicher Nachteil des bisherigen Verfahrens ist das hohe Datenvolumen des HDR-Bildformats durch die angewendete Farbinterpolation und ein resultierender hoher Rechenaufwand. Für Leicas S2 Mittelformatkamera entstehen hier bei 32 Bit Farbtiefe (wie z.b. im Fall *.hdr) Dateigrößen von ca. 450 MByte pro Bild. Der Workflow mit HDR-Raw-Bildformat löst das Problem, indem die Vorverarbeitung in das HDR-Processing verschoben und die Exposure Fusion auf dem nativen Bayer-Farbmosaik arbeitet (s. Abb. 3, vgl. [5]). Dadurch entfällt die rechenaufwendige Farbinterpolation (Demosaicking), und die Verarbeitungszeit zur Fusionierung der Belichtungsreihe reduziert sich auf ca. Der vorliegende Ansatz geht davon aus, dass sich die Rohdatensignale ideal intensitätslinear verhalten, wie es z.b. bei Leicas S2 durch eine kamerainterne Linearisierung gegeben ist. So kann eine aufwendige Linearisierung (vgl.[8]-[0]) entfallen.

4 ein Drittel. Auch die Dateigröße der HDR-Raw-Datei schrumpft auf ein Drittel gegenüber den bekannten HDR-Formaten. Raw Aufnahmen Pixel x 2 Byte... n Pixel x x 2 Byte... Pixel x 2 Byte Pixel x x 2 Byte n Exposure Fusion HDR Pixel x HDR-Raw- Dateiformat.dng... HDR Capture HDR Pixel x WB + Farbkorrektur I + Demosaicking Tone Mapping Color Rendering (inkl. Farbkorrektur II) Output Color Space Adobe RGB x Byte HDR Raw Processing Abb. 3: Neuer Workflow zur Erzeugung (Capture, oben) und Verarbeitung (Processing, unten) von HDR-Raw-Bilddaten Raw Aufnahmen Pixel x 2 Byte... n HDR Capture Pixel x x 2 Byte... Pixel x 2 Byte Pixel x x 2 Byte n Exposure Fusion Pixel x Tone Mapping I Pixel x x 2 3 Byte HDR-Raw- Dateiformat.dng... HDR Pixel x WB + Farbkorrektur I + Demosaicking Tone Mapping II Color Rendering (inkl. Farbkorrektur II) Output Color Space Adobe RGB x Byte HDR Raw Processing Abb. 4: Workflow wie in Abb. 3 mit dem Unterschied eines zusätzlichen in den Aufnahmeteil vorgezogenen ersten Teils Tone Mapping I.

5 Der Ablauf kann innerhalb des HDR-Processings noch weiter modifiziert werden, indem das Tonemapping zweistufig aufgebaut wird, um die Kontrastanpassung oder zumindest einen Teil dessen schon in der Raw- Datei zu verankern (s. Abb. 4). Dazu wird die Tonemapping-Methode bereits innerhalb der HDR-Aufnahme angewendet. So kann schon ein herkömmliches Raw-Format mit 6 Bit Farbtiefe ausreichen, um den verbleibenden Dynamikumfang der Raw-Bilddaten zu übertragen. Ein Vorteil der HDR-Rohbilddaten im Gegensatz zu allen anderen Bildformaten ist ihr unbegrenzter Farbumfang. Auch bei der Komprimierung des Kontrastumfangs durch das spezielle Tonemapping (s. Abschnitt 3.4) bleiben Farbdetails und lokaler Kontrast vollständig erhalten. Das Ergebnis ist eine brillante Bildqualität ohne zugelaufene Schatten oder ausgefressene Lichter. 3 HDR-Demonstrationssystem Im Rahmen eines Kooperationsprojekts mit der Leica Camera AG wurde ein vollautomatisches HDR-Demonstrationssystem (vgl. [6]) entwickelt, das das obige HDR-Workflowkonzept auf Rohdatenbasis umsetzt. Der Aufbau basiert auf einer erweiterten Ansteuersoftware für Leicas High- End-Mittelformatkamera S2 und einer proprietären HDR-Bildverarbeitungssoftware. 3. HDR-Raw-Workflow mit DNG-Bildformat Das System besteht aus drei Softwaremodulen, die nacheinander ablaufen und den Rohdatenworkflow ausführen:. Ein vollautomatisches Ansteuerprogramm Es kommuniziert mit der S2 Kamera per USB-Schnittstelle, nimmt die Kameraeinstellungen vor und löst die Belichtungen selbständig aus. Dieser Teil der Software fügt anschließend die aufgenommenen Belichtungen zu einer DNG-Rohbilddatei mit einer Farbtiefe von 24 Bit zusammen. Das Programm bietet ein GUI zur komfortablen Einstellung aller nötigen Parameter zur Steuerung des HDR-Ablaufs durch den Bediener (s. Abb. 5). Die Software wurde in der Programmiersprache C-Sharp (C#) erstellt. 2. Ein Matlab-Bildverarbeitungsprogramm Es wendet eine eigene Variante von Tonemapping auf die Rohbilddaten der 24 Bit DNG-Datei an (siehe Abschnitt 3.4) und speichert das modifizierte Rohbild ebenfalls als 24 Bit DNG-Datei ab.

6 3. Adobe Photoshop mit Adobe Camera Raw Rawkonverter Plug-In Diese Standardsoftware enthält alle notwendigen Funktionen zur elektronischen Entwicklung von Rohbilddaten und verhält sich zu den erzeugten obigen 24 Bit DNG-Bilddateien kompatibel. Das Tool gestattet, die 24 Bit Raw-HDR-Bilder wie normale Rohbilder der Kamera zu lesen und professionell zu verarbeiten. Die Automatisierung des Ablaufs und die Bildübergabe vom ersten Softwaremodul zu dem nachfolgenden Matlab-Teil wurde über einen Hotfolder realisiert. Dadurch laufen diese Softwaremodule in verschiedenen Prozessen voneinander völlig entkoppelt und ohne Benutzereingaben automatisiert ab, und die Multi-Core-Prozessorstruktur kann rechentechnisch optimal ausgenutzt werden. Abb. 5: Graphisches User-Interface zur Steuerung der HDR-Funktionalität. Der gesamte Ablauf wird durch einen einzigen Click auf den Capture-Button ausgelöst.

7 3.2 HDR-Belichtungsautomatik Der Belichtungsablauf setzt sich aus folgenden Teilabläufen zusammen: Aufnahme einer Normalbelichtung Ausgehend von der Normalbelichtung: Aufnahme einer Reihe von Unterbelichtungen, um übersteuerte Lichter aufzulösen. Die Zeitenreihe wird innerhalb einer Iterationsschleife aufgenommen. Dabei wird jedes Bild auf übersteuerte Pixel analysiert und jeweils so lange die Belichtungszeit um einen voreingestellten Faktor erniedrigt, bis nur noch eine zulässige Anzahl von Pixeln im Bild übersteuert sind. Die Übersteuerungsschwelle sowie die zulässige Pixelanzahl sind per GUI frei einstellbar. Ausgehend von der Normalbelichtung: Aufnahme einer Reihe von Überbelichtungen, um untersteuerte Schattenbereiche mit höherer Signalgenauigkeit ohne sichtbares Bildrauschen darzustellen. Die Zeitenreihe wird auch hier innerhalb einer Iterationsschleife aufgenommen. Dabei wird jedes Bild auf untersteuerte Pixel analysiert und jeweils so lange die Belichtungszeit um einen eingestellten Faktor erhöht, bis nur noch eine zulässige Anzahl von Pixeln im Bild untersteuert sind. Die Untersteuerungsschwelle sowie die zulässige Pixelanzahl sind per GUI frei einstellbar. 3.3 Fusionierung der Rohbilddaten Die Normalbelichtung bestimmt die Signalstärke der Bildsignale und legt das Ursprungsarbeitsbild mit 32 Bit Farbtiefe fest. Die Fusionierung geschieht sukzessive bildweise und führt jeweils eine Unteroder Überbelichtung ( Rohbild int 6 Bit ) mit dem Arbeitsbild ( float 32 Bit ) gemäß Abb. 6 zusammen. Durch den ExposureFactor wird das Rohbildsignal auf den Wertebereich des Arbeitsbildes normiert. Die Blending-LUT legt ein variables Mischungsverhältnis zwischen Arbeits- und Rohbild abhängig vom Signalpegel fest. Durch eine geeignete Belegung dieser Kennlinie lassen sich verschiedene Signalüberblendungen zwischen Roh- und Arbeitsbild einstellen (vgl. []- [7]): Last Sample before Saturation [4]-[7] Lineare Mischung innerhalb eines Übergangsbereichs konstantes SNR Je nach Überblendungsfunktion ergibt sich ein unterschiedlicher Verlauf des Signal-Rausch-Abstands (SNR) über dem Signalpegel. Nach diesem Schema werden alle unter- und überbelichteten Rohbilder nacheinander mit dem Arbeitsbild zusammengeführt. Allerdings wird in jedem Durchgang der ExposureFactor neu als Verhältnis zwischen den linearen

8 Pixelwerten von Roh- und Arbeitsbild bestimmt, um Schwankungen der Belichtungen auszugleichen. Nachdem alle Rohbilder in das Arbeitsbild integriert wurden, wird schließlich noch die maximale Helligkeit auf den Weißpunkt der Farbtiefe der Ausgangsdatei (hier: DNG mit 24 Bit 2 ) normiert. Dadurch ist eine bestmögliche Unterbringung der Bilddynamik in den Wertebereich der Ausgangsdatei gewährleistet. Int -> Float float 32 Bit Rohbild int 6 Bit Blending-LUT float 32 Bit 0 x Exposure Factor Max - + Arbeitsbild float 32 Bit x + Arbeitsbild 32 Bit Abb. 6: Schema zur Fusionierung eines 6 Bit Rohbilds mit dem 32 Bit Arbeitsbild. Durch geeignete Wahl der Blending-LUT lassen sich verschiedene Übergänge und damit unterschiedliche Charakteristika des Verlaufs des Signal-Rausch-Abstands realisieren. 3.4 Tonemapping auf Rohbilddaten Die selbstentwickelte HDR-Verarbeitung beinhaltet zwei Verarbeitungsschritte:. Die Restauration übersteuerter Lichterbereiche, damit an diesen Bildstellen keine Fehlfarben durch eine veränderte Farbstimmung der RGB-Farbanteile entsteht (Abb. 7) 2. Die eigentliche Dynamikkompression (Tonemapping) durch eine Dämpfung des Großflächenkontrasts (niedrige Ortsfrequenzanteile) bei gleichzeitigem Erhalt des Detailkontrasts (hohe Ortsfrequenzanteile) 2 32 Bit sind laut DNG-Spezifikation [33] zwar möglich, allerdings haben sich 32 Bit nicht kompatibel zur Photoshop-Verarbeitung herausgestellt.

9 Abb. 7: Bildausschnitt, der im Vergleich des korrigierten (rechts) mit dem unkorrigierten Bild (links) die Wirkungsweise der Korrekturfunktion Highlights Repair zeigt. Die magentafarbige Farbstörung der übersteuerten Bildbereiche ist im linken Bild gut zu erkennen. Als Tonemapping-Verfahren kommt ein modifiziertes Multiskalen-Retinex- Derivat ([] Seite 28ff, [8]-[20]) zum Einsatz. Dieser Algorithmus wurde auf folgende Eigenschaften hin entwickelt und optimiert: Erhaltung einer natürlichen Farberscheinung Vermeidung von Halo-Artefakten Die natürliche Farberscheinung wird u.a. dadurch sichergestellt, dass die Farbverhältnisse zwischen den linearen RGB-Farbsignalen des Farbmosaiks nach der Dynamikkompression unverändert bleiben. Diese Vorgabe wird durch die Verarbeitungsstruktur gemäß Abb. 8 erreicht, indem eine glatt verlaufende Helligkeitsmaske multiplikativ mit den RGB-Rohsignalen verknüpft wird. Die Helligkeitsmaske wird durch das Verhältnis eines dynamikkomprimierten Luminanzsignals L TM zum Luminanzsignal L gebildet. Zur Dynamikkompression könnte hier jedes beliebige Tonemapping-Verfahren eingesetzt werden. Der Multiskalen-Retinex als Tonemapper hat die Vorteile, dass er als lokaler Tonemapping-Operator den Detailkontrast im Bild erhält und damit zu einem natürlichen Kontrastempfinden führt, sich gut hinsichtlich der Kompressionsstärke steuern lässt ([], Parameter k ) und sich durch die Separation in oktavische Frequenzbänder robust gegen Halo-Artefakte auch bei hohen Kompressionsgraden verhält. Die Steuerung der Kompressionsstärke geschieht adaptiv an den individuellen Kontrastumfang der Szene angepasst mit dem Ziel, ausgangsseitig einen vorgegebenen Kontrastumfang (z.b. an die Dynamik des Ausgabemonitors angepasst) zu erreichen.

10 Bayer Raw Luminanz- Trafo L Tone Mapping Retinex L TM /x x Helligkeitsmaske RGB Bayer x Bayer Raw TM Abb. 8: Verarbeitungsschema zur Dynamikkompression (Tonemapping) auf Rohbilddaten. 4 Ergebnisse Die Bildbeispiele in Abb. 9 und Abb. 0 stammen von dem Photokina-Exponat und stellen ein aus dem Raw-HDR-Format entwickeltes Bild ohne und mit Anwendung des eigenen Tonemappings gegenüber. Dessen Wirkungsweise und die Qualitätsverbesserung durch das HDR-System werden deutlich. 5 Fazit Im Rahmen eines Kooperationsprojekts mit der Leica Camera AG wurde ein vollautomatisches HDR-Demonstrationssystem entwickelt. Das System erstellt eine Belichtungsreihe von Rohbilddateien, die den gesamten Dynamikumfang der Szene überstreicht, und kombiniert die Aufnahmen erstmalig im DNG- Format mit einer Farbtiefe von 24 Bit. Anschließend wird der hohe Dynamikumfang der Rohbilddaten noch durch ein proprietäres Tonemapping- Verfahren komprimiert, so dass das Bild für eine Darstellung auf einem normalen Ausgabemedium wie z.b. Monitor angepasst ist.

11 Abb. 9: Durch Adobe Camera Raw entwickeltes Raw-HDR-Bild ohne Tonemapping. Die enorme Lampenhelligkeit führt zu deutlich ausgefressenen Lichterbereichen, die nicht der menschlichen Wahrnehmung bei Betrachtung der natürlichen Szene entsprechen. Abb. 0: Dasselbe Bildbeispiel inklusive Tonemapping. Die Lichter- und auch die Schattenbereiche sind deutlich besser durchgezeichnet, die gesamte Bilderscheinung kommt der Wahrnehmung der Originalszene trotz reduzierter Ausgabedynamik erstaunlich nah.

12 Das System ist durch folgende Besonderheiten gekennzeichnet: HDR-Automatik Durchgängiger Rohdaten-Workflow Proprietäres Tonemapping mit natürlicher Farberscheinung Tonemapping auf Rohbilddaten HDR-DNG mit 24 Bit Farbtiefe Durch den konsequenten Rohdatenworkflow werden insbesondere bei der Fusionierung der Belichtungsreihe sowohl die Rechenzeit als auch das Datenvolumen der HDR-Bilddatei auf ca. ein Drittel erheblich reduziert. Die Anwendung des Tonemappings auf Rohdaten ermöglicht die Integration dieses Teils der HDR-Bildverarbeitung unmittelbar in die Rohbilddaten. Der eigenentwickelte Tonemapper erhält dabei eine natürliche Farberscheinung nahezu ideal. Die Verwendung von DNG als Standardrohbildformat für das HDR-Bild bringt zwei Vorteile mit sich: Die erzeugten und verarbeiteten HDR-Bilder verhalten sich kompatibel zu normalen Rohbilddateien der Kamera und lassen sich flexibel mit kommerzieller Rawkonverter-Software öffnen und bearbeiten. Durch die Darstellung der HDR-Bilddaten als Rohbilddaten im nativen Farbraum der Kamera ist der Farbumfang unbegrenzt. Zudem ist die Farbdarstellung im DNG-Format genau definiert, sie bleibt auch in den HDR-verarbeiteten (d.h. getonemappten) Bilddaten erhalten. Das System wurde auf dem Leica-Stand auf der Photokina 200 präsentiert und in seiner besonderen Ausführung und hinsichtlich der erreichten Bildqualität mit großem öffentlichen Interesse aufgenommen. Literatur [] E. Reinhard, G. Ward, S. Pattanaik, P. Debevec: High Dynamic Range Imaging. Elsevier, [2] M. A. Robertson, S. Borman, R. L. Stevenson: Dynamic range improvement through multiple exposure. In: Proc. IEEE Int'l Conf. Image Processing 3, Seite 59-63, 999. [3] T. Mertens, J. Kautz, F. Van Reeth: Exposure Fusion. In: Proc. 5th Pacific Conf. Computer Graphics and Applications, Seite , Oktober 2007.

13 [4] A. Goshtasby: Fusion of multi-exposure images. Image and Vision Computing 23, Seite 6 68, [5] D. Tamburrino, D. Alleysson, L. Meylan, S. Süsstrunk., Digital camera workflow for high dynamic range images using a model of retinal processing. In: Proc. SPIE, Band 687, [6] S. M. O Malley: A simple, effective system for automated capture of high dynamic range images. In: Proc. IEEE Int'l Conf. Computer Vision Systems, Seite 5 22, [7] K. Hesse-Camozzi: Automatisierter HDR-Workflow für das Leica S2 Mittelformatsystem. Bachelorarbeit IMP, Fachhochschule Köln, 20. [8] C. Manders, C. Aimone, S. Mann: Camera response function recovery from different illuminations of identical subject matter. In: Proc. IEEE Int'l Conf. Image Processing, Seite , [9] J. Herwig, J. Pauli: Recovery of the response curve of a digital imaging process by data-centric regularization. In: Proc. VISAPP, Seite , [0] P. E. Debevec, J. Malik: Recovering high dynamic range radiance maps from photographs. In: Proc. 24th Conf. Computer Graphics and Interactive Techniques, Seite , 997. [] K. Kirk, H. J. Andersen: Noise characterization of weighting schemes for combination of multiple exposures. In: Proc. British Mach. Vis. Conf. 3, Seite 29 38, [2] A. Bell, C. Seiler, J. N. Kaftan, T. Aach: Noise in high dynamic range imaging. In: Proc. IEEE Int l Conf. Image Processing, Seite , [3] M. Granados, B. Ajdin, M. Wand, C. Theobalt, H.-P. Seidel, H. P. A. Lensch: Optimal HDR reconstruction with linear digital cameras. In: Proc. IEEE Conf. Comp. Vis. Pat. Rec., 200. [4] D. Yang, A. El Gamal: Comparative analysis of SNR for image sensors with enhanced dynamic range. In: Proc. SPIE, Band 3649, Seite 97-2, 999. [5] A. El Gamal, High dynamic range image sensors: Tutorial Int'l Solid-State Circuits Conf., Februar [6] S. Kavusi, A. El Gamal: Quantitative study of high dynamic range image sensor architectures. In: Proc. SPIE 530, Seite , Januar [7] D. Yang, B. Fowler, A. El Gamal, H. Tian: Image sensor with ultrawide dynamic range floating-point pixel-level ADC. IEEE J. Solid-State Circuits 34, Seite , 999. [8] Z.-U. Rahman, D. J. Jobson, G. A. Woodell: Multi-scale retinex for color image enhancement. In: Proc. IEEE Int l Conf. on Image Processing III, Seite , 996.

14 [9] Z.-U. Rahman, D. Jobson, G. Woodell: A multiscale retinex for color rendition and dynamic range compression. In: Proc. SPIE 2847, Seite 83 9, 996. [20] Z.-U. Rahman, D. J. Jobson, G. A. Woodell: Retinex processing for automatic image enhancement. J. Electron. Imaging 3, Seite 00-0, [2] G. W. Larson, H. E. Rushmeier, C. D. Piatko: A visibility matching tone reproduction operator for high dynamic range scenes. IEEE Trans. Vis. Comput. Graph. 3(4), Seite , 997. [22] K. Devlin, A. Chalmers, A. Wilkie, W. Purgathofer: Tone reproduction and physically based spectral rendering. Eurographics, STAR, Seite 0-23, [23] J. M. DiCarlo, B. A. Wandell, Rendering High Dynamic Range Images. In: Proc. SPIE 3965, Seite , [24] E. Reinhard, K. Devlin: Dynamic range reduction inspired by photoreceptor physiology. IEEE Trans. Vis. Comput. Graph. (), Seite 3 24, [25] E. Reinhard, M. Stark, P. Shirley, J. Ferwerda: Photographic tone reproduction for digital images. ACM Transactions on Graphics 2, Seite , Juli [26] J. Kuang, G. M. Johnson, M. D. Fairchild: icam06: A refined image appearance model for HDR image rendering. J. Vis. Commun. Image Represent 8 (5), Seite , [27] M. Maitre, Y. Chen, F. Tong: High dynamic range compression using a fast multiscale optimization. In: Proc. Int l Conf. Acoustics, Speech and Signal Processing, Seite , [28] M. Kim, J. Kautz: Characterization for High Dynamic Range Imaging. In: Proc. Eurographics, Seite , April [29] O. Pirinen, A. Foi, A. Gotchev: Color high dynamic range imaging: The luminance chrominance approach. Int l Journal Imaging Systems and Technology 7, Seite 52-62, [30] P. Irawan, J. A. Ferwerda, S. R. Marschner: Perceptually based tone mapping of high dynamic range image streams. In: Proc. EGSR 05, Seite , [3] G. M. Johnson, M. D. Fairchild: Rendering hdr images. In: Proc. IS&T/SID th Color Imaging Conference, Seite 36-4, [32] M. Kuhna, M. Nuutinen, P. Oittinen: Method for evaluating tone mapping operators for natural high dynamic range images. In: Proc. SPIE 7876, Seite 6, 20. [33] Abdobe Systems Inc., Digital Negative (DNG) Specification, Version.3.0.0, Juni 2009.