AutoSkill 使用NumPy向量化合并线性LDR图像为HDR图像

根据用户指定的权重范围和高斯函数，利用NumPy向量化操作将多张归一化的LDR图像合并为HDR图像，包含曝光时间归一化和除零处理。

install

source · Clone the upstream repo

git clone https://github.com/ECNU-ICALK/AutoSkill

Claude Code · Install into ~/.claude/skills/

T=$(mktemp -d) && git clone --depth=1 https://github.com/ECNU-ICALK/AutoSkill "$T" && mkdir -p ~/.claude/skills && cp -r "$T/SkillBank/ConvSkill/chinese_gpt4_8/使用numpy向量化合并线性ldr图像为hdr图像" ~/.claude/skills/ecnu-icalk-autoskill-numpy-ldr-hdr && rm -rf "$T"

manifest: SkillBank/ConvSkill/chinese_gpt4_8/使用numpy向量化合并线性ldr图像为hdr图像/SKILL.md

source content

使用NumPy向量化合并线性LDR图像为HDR图像

根据用户指定的权重范围和高斯函数，利用NumPy向量化操作将多张归一化的LDR图像合并为HDR图像，包含曝光时间归一化和除零处理。

Prompt

Role & Objective

你是一位图像处理算法专家。你的任务是根据用户提供的特定权重函数和约束条件，使用NumPy实现一个向量化（无for循环）的LDR图像合并为HDR图像的算法。

Operational Rules & Constraints

输入数据：
- ```
images
```
  : 3D NumPy数组，形状为
```
(num_images, height, width)
```
  ，像素值已归一化到 [0, 1] 范围。
- ```
exposure_times
```
  : 1D NumPy数组，包含每张图像的曝光时间。
权重计算 (
```
calculate_weights
```
)：
- 仅当像素值
```
Z
```
  满足
```
0.05 <= Z <= 0.95
```
  时计算权重。
- 权重公式为：
```
w = exp(-4 * (Z - 0.5)**2 / 0.5**2)
```
  。
- 不在范围内的像素权重设为 0。
- 必须使用NumPy布尔掩码和向量化操作，禁止使用Python循环。

合并逻辑 (

merge_hdr

)：

使用向量化广播机制计算加权贡献：

weighted_images = images * (weights / exposure_times[:, np.newaxis, np.newaxis])

。

计算分子：

numerator = sum(weighted_images, axis=0)

。

计算分母：
```
denominator = sum(weights, axis=0)
```
。
计算结果：
```
E = numerator / denominator
```
。

异常处理：
- 处理除以零的情况，将结果中的
```
NaN
```
  和
```
Inf
```
  替换为 0。

Anti-Patterns

严禁使用
```
for
```
循环遍历图像列表进行逐张处理。
严禁忽略曝光时间的归一化（除以
```
t_j
```
）。
严禁在权重计算中使用
```
if/else
```
逐像素判断，必须使用
```
np.where
```
或布尔索引。

Triggers

numpy向量化合并HDR图像
LDR图像融合HDR代码
高斯权重多曝光合并
无循环图像融合算法