CN104299196A - 一种图像处理装置及方法、显示设备 - Google Patents

Abstract

本发明提供一种图像处理装置及方法、显示设备，所述图像处理装置方法包括从原始图像中识别出多个场景，确定出与所述场景对应的增强方法，通过所述增强方法对对应的场景进行图像处理以获得增强图像。根据不同场景的特点，有针对性的采用不同的图像处理方法，使得处理后的图像符合人眼对图像的认知，从而达到最佳的图像显示效果。

Description

一种图像处理装置及方法、显示设备

技术领域

本发明涉及显示技术领域，尤其涉及一种图像处理装置及方法、显示设备。

背景技术

由于图像在获取的过程中可能会受到成像设备动态范围大小、环境光线强弱等因素的影响，导致图像出现对比度较低、图像信息不明显、颜色失真、目标的轮廓或者边界信息清晰度不够等现象，给人类视觉观察和机器分析处理带来困难，因此需要对图像进行增强处理。

图像增强是指按特定的需要突出图像的某些信息，同时削弱或去除某些不需要的信息的处理方法，从而改善图像的视觉效果，提供直观、清晰、适合于分析的图像。通常图像增强包括对比度增强、图像锐化和噪声滤波三个方面的内容。所述对比度增强用来提高图像的可视度，将因光照、曝光等原因隐藏的信息凸显出来。所述图像锐化用来提高目标物体的清晰度，例如，突出轮廓或者边界信息，使目标物体更加容易进行检测和识别。所述噪声滤波用来削弱图像成像和传输等过程中带来的噪声影响。

现有的图像处理方法对图像的亮度和色度按照统一的方式进行调整来提高图像的对比度、饱和度。然而，人对图像的场景是有认知的，由于现有的图像处理方法缺乏针对性，导致处理后的图像与人眼对图像的认知出现偏差。因此，现有的图像处理方法对图像画面质量的提高具有局限性。

发明内容

为解决上述问题，本发明提供一种图像处理装置及方法、显示设备，用于解决现有技术中图像处理方法缺乏针对性导致对图像画面质量的提高具有局限性的问题。

为此，本发明提供一种图像处理方法，包括：从原始图像中识别出至少一个场景；确定出与所述场景对应的增强方法；通过所述增强方法对对应的场景进行图像处理，以获得增强图像。

可选的，所述确定出与所述场景对应的增强方法的步骤包括：从所述场景中提取特征信息；将所述特征信息与特征数据库中的特征值进行匹配；若所述特征信息与特征数据库中的特征值匹配成功，根据匹配的特征值确定出所述场景的类别；从增强方法数据库中查询出与所述场景的类别对应的增强方法，以确定出与所述场景对应的增强方法。

可选的，所述从原始图像中识别出至少一个场景的步骤包括：将所述原始图像从第一颜色空间转换到第二颜色空间，所述第一颜色空间包括红、绿、蓝三个分量，所述第二颜色空间包括一个亮度分量和两个色度分量。

可选的，所述从原始图像中识别出至少一个场景的步骤还包括：在所述第二颜色空间中将所述原始图像分割成多个场景。

可选的，所述特征信息包括颜色特征、纹理特征和变换域特征，所述从所述场景中提取特征信息的步骤包括：从所述两个色度分量中提取所述颜色特征；从所述亮度分量中提取所述纹理特征和变换域特征。

可选的，所述通过所述增强方法对对应的场景进行图像处理，以获得增强图像的步骤包括：将所述增强图像从第二颜色空间转换到第一颜色空间。

本发明还提供一种图像处理装置，其特征在于，包括：识别单元，用于从原始图像中识别出至少一个场景；确定单元，用于确定出与所述场景对应的增强方法；处理单元，用于通过所述增强方法对对应的场景进行图像处理，以获得增强图像。

可选的，所述确定单元包括：提取模块，用于从所述场景中提取特征信息；匹配模块，用于将所述特征信息与特征数据库中的特征值进行匹配；确定模块，用于当所述特征信息与特征数据库中的特征值匹配成功时，根据匹配的特征值确定出所述场景的类别；查询模块，用于从增强方法数据库中查询出与所述场景的类别对应的增强方法，以确定出与所述场景对应的增强方法。

可选的，所述识别单元包括：第一转换模块，用于将所述原始图像从第一颜色空间转换到第二颜色空间，所述第一颜色空间包括红、绿、蓝三个分量，所述第二颜色空间包括一个亮度分量和两个色度分量。

可选的，所述识别单元还包括：分割模块，用于在所述第二颜色空间中将所述原始图像分割成多个场景。

可选的，所述特征信息包括颜色特征、纹理特征和变换域特征，所述提取模块包括：第一提取子模块，用于从所述两个色度分量中提取所述颜色特征；第二提取子模块，用于从所述亮度分量中提取所述纹理特征和变换域特征。

可选的，所述处理单元包括：第二转换模块，用于将所述增强图像从第二颜色空间转换到第一颜色空间。

本发明还提供一种显示设备，其特征在于，包括上述任一所述的图像处理装置。

本发明具有下述有益效果：

本发明提供的图像处理装置及方法、显示设备中，从原始图像中识别出多个场景，确定出与所述场景对应的增强方法，通过所述增强方法对对应的场景进行图像处理以获得增强图像。根据不同场景的特点，有针对性的采用不同的图像处理方法，使得处理后的图像符合人眼对图像的认知，从而达到最佳的图像显示效果。

附图说明

图1为本发明实施例一提供的一种图像处理方法的流程图；

图2为本发明实施例二提供的一种图像处理装置的结构示意图。

具体实施方式

为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图对本发明提供的图像处理装置及方法、显示设备进行详细描述。

实施例一

图1为本发明实施例一提供的一种图像处理方法的流程图。如图1所示，所述方法包括：

步骤101、从原始图像中识别出至少一个场景。

可选的，所述步骤101包括：将所述原始图像从第一颜色空间转换到第二颜色空间，所述第一颜色空间包括红、绿、蓝三个分量，所述第二颜色空间包括一个亮度分量和两个色度分量，所述亮度分量用于描述图像的灰阶信息，所述两个色度分量用来描述色彩及饱和度信息。在实际应用中，图像采集设备采集到的图像信息是通过在所述第一颜色空间中对图像的各个像素点进行描述，为了避免在图像处理过程中出现图像信息的丢失，可以将图像从第一颜色空间转换到第二颜色空间。

本实施例中，在所述第二颜色空间中将所述原始图像分割成多个场景。在所述第二颜色空间中对所述原始图像进行场景分割，目的之一是为了识别出所述原始图像中的不同场景。只有首先识别出原始图像中的不同场景，才可能根据不同场景的特点，有针对性的采用不同的图像处理方法，使得处理后的图像符合人眼对图像的认知，从而达到最佳的图像显示效果。可以理解，从节省计算量的角度考虑，可以只识别出特定的某一个场景，这个场景或许是用户观看时对视觉影响较大的一个场景，然后针对该场景进行增强。

步骤102、确定出与所述场景对应的增强方法。

本实施例中，可以从所述场景中提取特征信息，所述特征信息可以包括颜色、形状、纹理、空间关系。其中，颜色特征信息主要在所述两个色度分量中进行提取，而形状特征信息、纹理特征信息以及空间关系特征信息主要通过所述亮度分量来进行提取。

优选的，所述特征信息包括颜色特征、纹理特征和变换域特征，从所述两个色度分量中提取所述颜色特征，从所述亮度分量中提取所述纹理特征和变换域特征。

本实施例中，所述纹理特征包括7个特征：

1)角二阶矩

$f_1=\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}{\left[p(i,j)\right]}^2$

所述角二阶矩表示灰度共生矩阵中各个元素的平方和，又称为能量。所述角二阶矩用于度量图像的纹理灰度变化的均一性，以反映图像灰度分布的均匀程度和纹理粗细度。

2)对比度

$f_2=\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}{n}^2\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}p(i,j),n=|i-j|$

所述对比度用于反映图像的清晰度和纹理沟深浅的程度。纹理沟越深，所述对比度越大，图像的画面显示越清晰；纹理沟越浅，所述对比度越小，图像的画面显示越模糊。

3)相关性

$f_3=\frac{1}{{\mathrm{\σ}}_1{\mathrm{\σ}}_2}\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}\mathrm{ijp}(i,j)-u_1{u}_2$

其中， $u_1=\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}i\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}p(i,j),$ $u_2=\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}j\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}p(i,j),$

${\mathrm{\σ}}_1^2=\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}{(i-u_1)}^2\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}p(i,j),$ ${\mathrm{\σ}}_2^2=\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}{(j-u_2)}^2\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}p(i,j).$

所述相关性是元素在行或者列方向上的相似度，所述相关性表示图像中局部灰度的相关性。

4)熵

$f_4=\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}\left\{p(i,j)\log p(i,j)\right\}$

所述熵是对图像的纹理的随机性的描述，反映了图像中纹理的非均匀程度和复杂度。

5)方差

$f_5=\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}{(i-u)}^{2}p(i,j)$

其中，是p(i,j)的均值。

6)逆差矩

$f_6=\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}\frac{p(i,j)}{1+{(i-j)}^2}$

所述逆差矩用于度量图像的局部纹理的变化，如果所述逆差矩的数值越大，则说明图像的局部纹理非常均匀，缺少变化。

7)第一平均相关信息

$f_7=\frac{\mathrm{HXY}-\mathrm{HXY}1}{\max \{\mathrm{HX},\mathrm{HY}\}},$ 和

第二平均相关信息

f₈＝{1-exp[-0.2(HXY2-HXY)]}^1/2

其中， $\mathrm{HXY}=-\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}p(i,j)\log \left(p(i,j)\right);$

$\mathrm{HXY}1=-\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}p(i,j)\log \left\{(p_x\left(i\right)p_y\left(j\right)\right\};$

$\mathrm{HXY}2=-\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}{p}_x\left(i\right)p_y\left(j\right)\log \left\{p_x\left(i\right)p_y\left(j\right)\right\};$

$\mathrm{HX}=\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\log \left[p_x\left(i\right)\right],$ $\mathrm{HY}=\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}\log \left[p_y\left(j\right)\right].$

从所述亮度分量中提取所述纹理特征的上述7个具体特征，以便更加精准的表述所述纹理特征，从而更加准确地确定出与所述场景对应的增强方法。

本实施例中，可以从所述场景中提取特征信息中的变换域特征。所述变换域特征由Gabor变换获得，所述Gabor变换是在傅里叶变换的基础上发展来的，实质是在傅里叶变换中加了一个表示时间的窗口函数来给出信号谱的时变信号。所述窗口函数为高斯函数时，所述傅里叶变换就变成了Gabor变换。利用所述Gabor变换对原始图像提取变换域特征是通过将原始图像与Gabor滤波器进行卷积来实现的，所述Gabor滤波器包括Gabor子带滤波器，所述Gabor变换包括Gabor小波变换。当给定一幅原始图像f(x,y)时，所述原始图像的Gabor小波变换可以表示为：

w_mn(x,y)＝f(x,y)*g_mn(x,y)

其中，*表示卷积，g_mn(x,y)为不同尺度和不同方向的Gabor子带滤波器组，w_mn(x,y)为Gabor变换子带图像。当尺度和方向给定时，可以得到原始图像的Gabor变换子带图像。本实施例采用3级尺度和8个方向组成的有24个Gabor子带滤波器的滤波器组，利用上述Gabor子带滤波器组可以获得由48个特征向量组成的变换域特征。

本实施例中，将所述特征信息与特征数据库中的特征值进行匹配，若所述特征信息与特征数据库中的特征值匹配成功，根据匹配的特征值确定出所述场景的类别，从增强方法数据库中查询出与所述场景的类别对应的增强方法，以确定出与所述场景对应的增强方法。所述特征数据库是由多个场景的特征值建立的数据库。本实施例中的场景依据景物进行划分，所述场景包括天空，水面，植被，白雪，建筑物。当然，在实际应用中，也可以包括其它场景。所述增强方法数据库是由不同场景对应的增强方法建立的数据库。所述增强方法包括对比度增强、图像去噪、边缘锐化、颜色增强等处理。利用与所述场景对应的增强方法有针对性地对图像进行处理，使得处理后的图像符合人眼对图像的认知，从而达到最佳的图像显示效果。

步骤103、通过所述增强方法对对应的场景进行图像处理，以获得增强图像。

本实施例中，通过对原始图像进行有场景针对性的处理，得到增强后的图像。由于显示***一般采用第一颜色空间，因此还需要将所述增强图像转换到第二颜色空间，从而实现图像的显示。

本实施例提供的图像处理方法中，从原始图像中识别出多个场景，确定出与所述场景对应的增强方法，通过所述增强方法对对应的场景进行图像处理以获得增强图像。根据不同场景的特点，有针对性的采用不同的图像处理方法，使得处理后的图像符合人眼对图像的认知，从而达到最佳的图像显示效果。

实施例二

图2为本发明实施例二提供的一种图像处理装置的结构示意图。如图2所示，所述图像处理装置包括：识别单元201、确定单元202和处理单元203。所述识别单元201用于从原始图像中识别出多个场景，所述确定单元202用于确定出与所述场景对应的增强方法，所述处理单元203用于通过所述增强方法对对应的场景进行图像处理，以获得增强图像。可以理解，从节省计算量的角度考虑，所述识别单元201可以只识别出原始图像中特定的某一个场景，这个场景或许是用户观看时对视觉影响较大的一个场景，然后针对该场景进行增强。

可选的，所述识别单元201包括第一转换模块301，所述第一转换模块301用于将所述原始图像从第一颜色空间转换到第二颜色空间，所述第一颜色空间包括红、绿、蓝三个分量，所述第二颜色空间包括一个亮度分量和两个色度分量，所述亮度分量用于描述图像的灰阶信息，所述两个色度分量用来描述色彩及饱和度信息。在实际应用中，图像采集设备采集到的图像信息是通过在所述第一颜色空间中对图像的各个像素点进行描述，为了避免在图像处理过程中出现图像信息的丢失，可以将图像从第一颜色空间转换到第二颜色空间。

所述识别单元201包括分割模块302，所述分割模块302用于在所述第二颜色空间中将所述原始图像分割成多个场景。本实施例中，在所述第二颜色空间中对所述原始图像进行场景分割，目的之一是为了识别出所述原始图像中的不同场景。只有首先识别出原始图像中的不同场景，才可能根据不同场景的特点，有针对性的采用不同的图像处理方法，使得处理后的图像符合人眼对图像的认知，从而达到最佳的图像显示效果。

所述确定单元202包括：提取模块303、匹配模块304、确定模块305和查询模块306。所述提取模块303用于从所述场景中提取特征信息，所述特征信息可以包括颜色、形状、纹理、空间关系。其中，颜色特征信息主要在所述两个色度分量中进行提取，而形状特征信息、纹理特征信息以及空间关系特征信息主要通过所述亮度分量来进行提取。优选的，所述特征信息包括颜色特征、纹理特征和变换域特征，所述提取模块303包括第一提取子模块和第二提取子模块。所述第一提取子模块用于从所述两个色度分量中提取所述颜色特征，所述第二提取子模块用于从所述亮度分量中提取所述纹理特征和变换域特征。所述纹理特征和变换域特征的具体内容可参照上述实施例一中的描述，此处不再赘述。

本实施例中，所述匹配模块304用于将所述特征信息与特征数据库中的特征值进行匹配，所述确定模块305用于当所述特征信息与特征数据库中的特征值匹配成功时，根据匹配的特征值确定出所述场景的类别，所述查询模块306用于从增强方法数据库中查询出与所述场景的类别对应的增强方法，以确定出与所述场景对应的增强方法。所述特征数据库是由多个场景的特征值建立的数据库。本实施例中的场景依据景物进行划分，所述场景包括天空，水面，植被，白雪，建筑物。当然，在实际应用中，也可以包括其它场景。所述增强方法数据库是由不同场景对应的增强方法建立的数据库。所述增强方法包括对比度增强、图像去噪、边缘锐化、颜色增强等处理。利用与所述场景对应的增强方法有针对性地对图像进行处理，使得处理后的图像符合人眼对图像的认知，从而达到最佳的图像显示效果。

本实施例中，所述处理单元203包括第二转换模块307，所述第二转换模块307用于将所述增强图像从第二颜色空间转换到第一颜色空间。通过对原始图像进行有场景针对性的处理，得到增强后的图像。由于显示***一般采用第一颜色空间，因此还需要将所述增强图像转换到第二颜色空间，从而实现图像的显示。

本实施例提供的图像处理装置中，从原始图像中识别出多个场景，确定出与所述场景对应的增强方法，通过所述增强方法对对应的场景进行图像处理以获得增强图像。根据不同场景的特点，有针对性的采用不同的图像处理方法，使得处理后的图像符合人眼对图像的认知，从而达到最佳的图像显示效果。

实施例三

本实施例提供一种显示设备，包括实施例二提供的图像处理装置，具体内容可参照上述实施例二中的描述，此处不再赘述。

本发明提供的显示设备中，从原始图像中识别出多个场景，确定出与所述场景对应的增强方法，通过所述增强方法对对应的场景进行图像处理以获得增强图像。根据不同场景的特点，有针对性的采用不同的图像处理方法，使得处理后的图像符合人眼对图像的认知，从而达到最佳的图像显示效果。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (13)

1.一种图像处理方法，其特征在于，包括：

从原始图像中识别出至少一个场景；

确定出与所述场景对应的增强方法；

通过所述增强方法对对应的场景进行图像处理，以获得增强图像。

2.根据权利要求1所述的图像处理方法，其特征在于，所述确定出与所述场景对应的增强方法的步骤包括：

从所述场景中提取特征信息；

将所述特征信息与特征数据库中的特征值进行匹配；

若所述特征信息与特征数据库中的特征值匹配成功，根据匹配的特征值确定出所述场景的类别；

从增强方法数据库中查询出与所述场景的类别对应的增强方法，以确定出与所述场景对应的增强方法。

3.根据权利要求1所述的图像处理方法，其特征在于，所述从原始图像中识别出至少一个场景的步骤包括：

将所述原始图像从第一颜色空间转换到第二颜色空间，所述第一颜色空间包括红、绿、蓝三个分量，所述第二颜色空间包括一个亮度分量和两个色度分量。

4.根据权利要求3所述的图像处理方法，其特征在于，所述从原始图像中识别出至少一个场景的步骤还包括：

在所述第二颜色空间中将所述原始图像分割成多个场景。

5.根据权利要求3所述的图像处理方法，其特征在于，所述特征信息包括颜色特征、纹理特征和变换域特征，所述从所述场景中提取特征信息的步骤包括：

从所述两个色度分量中提取所述颜色特征；

从所述亮度分量中提取所述纹理特征和变换域特征。

6.根据权利要求3所述的图像处理方法，其特征在于，所述通过所述增强方法对对应的场景进行图像处理，以获得增强图像的步骤包括：

将所述增强图像从第二颜色空间转换到第一颜色空间。

7.一种图像处理装置，其特征在于，包括：

识别单元，用于从原始图像中识别出至少一个场景；

确定单元，用于确定出与所述场景对应的增强方法；

处理单元，用于通过所述增强方法对对应的场景进行图像处理，以获得增强图像。

8.根据权利要求7所述的图像处理装置，其特征在于，所述确定单元包括：

提取模块，用于从所述场景中提取特征信息；

匹配模块，用于将所述特征信息与特征数据库中的特征值进行匹配；

确定模块，用于当所述特征信息与特征数据库中的特征值匹配成功时，根据匹配的特征值确定出所述场景的类别；

查询模块，用于从增强方法数据库中查询出与所述场景的类别对应的增强方法，以确定出与所述场景对应的增强方法。

9.根据权利要求7所述的图像处理装置，其特征在于，所述识别单元包括：

第一转换模块，用于将所述原始图像从第一颜色空间转换到第二颜色空间，所述第一颜色空间包括红、绿、蓝三个分量，所述第二颜色空间包括一个亮度分量和两个色度分量。

10.根据权利要求9所述的图像处理装置，其特征在于，所述识别单元还包括：

分割模块，用于在所述第二颜色空间中将所述原始图像分割成多个场景。

11.根据权利要求9所述的图像处理装置，其特征在于，所述特征信息包括颜色特征、纹理特征和变换域特征，所述提取模块包括：

第一提取子模块，用于从所述两个色度分量中提取所述颜色特征；

第二提取子模块，用于从所述亮度分量中提取所述纹理特征和变换域特征。

12.根据权利要求9所述的图像处理装置，其特征在于，所述处理单元包括：

第二转换模块，用于将所述增强图像从第二颜色空间转换到第一颜色空间。

13.一种显示设备，其特征在于，包括权利要求7-12任一所述的图像处理装置。