CN106251298A - 处理图像的方法和装置 - Google Patents
处理图像的方法和装置 Download PDFInfo
- Publication number
- CN106251298A CN106251298A CN201610589519.7A CN201610589519A CN106251298A CN 106251298 A CN106251298 A CN 106251298A CN 201610589519 A CN201610589519 A CN 201610589519A CN 106251298 A CN106251298 A CN 106251298A
- Authority
- CN
- China
- Prior art keywords
- purple
- difference
- fringed region
- region
- fringed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000012545 processing Methods 0.000 title claims abstract description 45
- 230000004075 alteration Effects 0.000 claims description 34
- 230000000007 visual effect Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 10
- 239000007787 solid Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 19
- 238000012937 correction Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 239000000729 antidote Substances 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 241001062009 Indigofera Species 0.000 description 3
- 210000000746 body region Anatomy 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
- H04N9/68—Circuits for processing colour signals for controlling the amplitude of colour signals, e.g. automatic chroma control circuits
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种处理图像的方法和装置。该方法包括:确定图像的紫边区域;确定与紫边区域相邻的物体区域;在物体区域中的物体与紫边区域中的物体属于同一物体的情况下,确定物体区域中的物体是否为紫边色物体,其中,紫边色物体与紫边区域的颜色相同;在物体区域中的物体是紫边色物体的情况下,不对紫边区域进行矫正;在物体区域中的物体不是紫边色物体的情况下,对紫边区域进行矫正。本发明实施例能够有效地区分紫边区域以及正常的紫边色物体,从而避免错误矫正,矫正效果更好。
Description
技术领域
本发明涉及图像处理领域,并且更具体地,涉及一种处理图像的方法和装置。
背景技术
在物体成像时由于镜头对不同颜色的光的折射率不同,因此不同颜色的光之间会产生一定的色差,由于色差的原因,在图像的高亮区域与低亮区域交界处会产生紫边。如图1所示,灯管周围由于光的亮度相差很大,因此在灯光周围会产生紫边。紫边的出现会严重影响视觉体验效果,因此,如何消除图像中的紫边是一个需要解决的问题。
美国专利(US8582878B1)提出了一种基于区域加权计算的矫正算法,该方案首先对图像进行多尺度分解(例如,分别将图像分为10×10、100×100的多个区域),然后对每个区域内的像素点进行计算,根据计算的结果来确定该区域是否属于紫边区域,然后再对紫边区域进行矫正。该方法的缺点是不能区分与紫边区域尺度相同的正常紫边色物体,会对正常紫边色物体采用与紫边区域相同的处理方法,从而导致错误矫正。
另外,现有技术中还存在一种矫正方法,该矫正方法先采用颜色滤波算子沿着高光与低光交界处对紫边区域进行收缩,然后再对收缩后的紫边区域进行矫正。这种方案在对紫边区域进行收缩和矫正时没有考虑到如何区分紫边区域与正常紫边色物体,矫正效果也很有限。因此,需要一种更好的矫正方法来实现处理图像中的紫边。
发明内容
本申请提供了一种处理图像的方法和装置,以更好的矫正图像的紫边区域。
第一方面,提供了一种处理图像的方法。该方法包括确定所述图像的紫边区域;确定与所述紫边区域相邻的物体区域;在所述物体区域中的物体与所述紫边区域中的物体属于同一物体的情况下,确定所述物体区域中的物体是否为紫边色物体,其中,所述紫边色物体与所述紫边区域的颜色相同;在所述物体区域中的物体是紫边色物体的情况下,不对所述紫边区域进行矫正;在所述物体区域中的物体不是紫边色物体的情况下,对所述紫边区域进行矫正。
应理解,当物体区域中的物体与紫边区域中的物体为同一物体可以是指物体区域中的物体与紫边区域中的物体颜色相近,例如,当根据颜色通道值判断物体区域中的物体与紫边区域中的物体的颜色通道值的差别小于预设阈值时就可以认为物体区域中的物体与紫边区域中的物体属于同一物体。
另外,这里的紫边色物体是指呈紫边区域颜色的物体,也就是与紫边区域颜色相同的物体,这里的颜色相同可以是指紫边色物体的颜色通道值与紫边区域的相应的颜色通道值的差值小于一定的阈值,也就是说,当紫边色物体的颜色与紫边区域的颜色非常接近时,就可以认为紫边色物体与紫边区域的颜色相同。
通过在紫边区域的附近确定物体区域,在物体区域中存在与紫边区域中的物体相同物体的情况下,根据物体区域中的物体是否为紫边色物体而决定是否对紫边区域进行矫正,并且在物体区域中的物体是紫边色物体时根据物体区域中的物体的颜色对紫边区域进行矫正,这样就能够有效地区分紫边区域以及正常的紫边色物体,从而避免错误矫正,矫正效果更好。
结合第一方面,在第一方面的第一种实现方式中,对所述紫边区域进行矫正,包括:根据所述物体区域中的物体的颜色对所述紫边区域进行矫正。
根据物体的颜色对紫边区域进行矫正考虑到了物体颜色的变化规律,与直接对紫边区域进行矫正的方法相比,能够取得更好的矫正效果。
结合第一方面的第一种实现方式,在第一方面的第二种实现方式中,根据所述物体区域中的物体的颜色对所述紫边区域进行矫正,包括:改变所述紫边区域的颜色通道值,使得所述紫边区域的颜色与所述物体区域中的物体的颜色一致。
由于物体区域中的物体与紫边区域中的物体是相同的物体,因此,可以直接参考物体区域中的物体的颜色通道值,将紫边区域中的颜色还原为物体区域中的物体的颜色,使得紫边区域呈现出了紫边区域中的物体的本来的颜色,实现了对紫边区域的矫正,提高了视觉体验效果。
结合第一方面以及第一方面的第一种至第二种实现方式中的任意一种,在第一方面的第三种实现方式中,所述方法还包括:根据红绿色差确定所述物体区域中的物体与所述紫边区域中的物体是否属于同一物体。
当同一物体同时处于紫边区域和物体区域时,由于红色通道和绿色通道的变化规律是一致的,因此,可以根据红绿色差判断物体区域中的物体与紫边区域中的物体是否为同一物体。并且通过判断物体区域中的物体与紫边区域中的物体是否为同一物体能够有利于接下来的对紫边区域进行更好的矫正。
结合第一方面的第四种实现方式,在第一方面的第五种实现方式中,所述根据红绿色差确定所述物体区域中的物体与所述紫边区域中的物体是否属于同一物体,包括:确定所述物体区域中的物体的红色通道与绿色通道的差值为第一差值;确定所述紫边区域的红色通道与绿色通道的差值为第二差值;当所述第一差值与所述第二差值均为正数或者均为负数时,所述物体区域中的物体与所述紫边区域中的物体属于同一物体;当所述第一差值为正数所述第二差值为负数,或者,所述第一差值为负数所述第二差值为正数时,所述物体区域中的物体与所述紫边区域中的物体属于不同的物体。
结合第一方面以及第一方面的第一种至第四种实现方式中的任意一种,在第一方面的第五种实现方式中,在所述物体区域中的物体与所述紫边区域中的物体属于不同的物体的情况下,所述方法还包括:降低所述紫边区域的蓝色通道值。
当物体区域中的物体与紫边区域中的物体不是同一物体的情况下,能够通过降低紫边区域的蓝色通道值来降低紫边区域的偏紫色程度,以实现对紫边区域的矫正,提高视觉效果。
结合第一方面以及第一方面的第一种至第五种实现方式中的任意一种,在第一方面的第六种实现方式中,所述确定所述物体区域中的物体是否为紫边色物体,包括:根据蓝绿色差确定所述物体区域中的物体是否为紫边色物体。
通过蓝绿色差能够判断物体区域中的物体是否为紫边色物体,这样就能在物体区域中的物体与紫边区域中的物体属于同一紫边色物体时,避免对紫边区域的错误矫正,能够提高矫正的效果。
结合第一方面的第六种实现方式,在第一方面的第七种实现方式中,所述根据蓝绿色差确定所述物体区域中的物体是否为紫边色物体,包括:确定所述物体区域中的物体的蓝色通道与绿色通道的差值为第一差值;确定所述紫边区域的蓝色通道与绿色通道的差值为第二差值;当所述第一差值与所述第二差值均为正数或者均为负数时,所述物体区域中的物体是紫边色物体;当所述第一差值为正数所述第二差值为负数,或者,所述第一差值为负数所述第二差值为正数时,所述物体区域中的物体不是紫边色物体。
结合第一方面以及第一方面的第一种至第七种实现方式中的任意一种,在第一方面的第八种实现方式中,所述确定所述图像的紫边区域,包括:
根据所述图像的视场角确定目标延伸距离;沿所述图像的高亮区域边缘向所述图像的其它区域延伸所述目标延伸距离,得到所述紫边区域。
结合第一方面以及第一方面的第一种至第八种实现方式中的任意一种,在第一方面的第九种实现方式中,所述确定与所述紫边区域相邻的物体区域,包括:沿所述紫边区域边缘延伸预设距离,得到所述物体区域。
结合第一方面以及第一方面的第一种至第九种实现方式中的任意一种,在第一方面的第十种实现方式中,所述方法还包括:确定所述紫边区域是否被所述图像的高亮区域覆盖;在所述紫边区域被所述高亮区域覆盖的情况下,降低所述紫边区域的颜色饱和度。
当紫边区域被高亮区域淹没时,通过降低紫边区域的颜色饱和度能够降低紫边区域的偏紫色程度,实现对紫边区域的矫正。
第二方面,提供了一种处理图像的装置,所述装置包括用于执行第一方面的方法的模块。
第三方面,提供一种处理图像的装置,包括存储器和处理器,所述存储器用于存储程序,所述处理器用于执行程序,当所述程序被执行时,所述处理器执行所述第一方面中的方法。
第四方面,提供一种计算机可读介质,所述计算机可读介质存储用于装置执行的程序的代码,所述程序代码包括用于执行第一方面中的方法和指令。
在某些实现方式中,在根据物体区域中的物体的颜色对紫边区域进行矫正时具体可以是根据物体区域中的物体的颜色通道值对紫边区域进行矫正。
在某些实现方式中,沿所述高亮区域边缘向图像的其它区域延伸预设距离得到目标区域,将所述区域中的像素映射到CIE1931颜色空间中,将所述目标区域中落入所述CIE1931颜色空间预定范围的像素所在的区域确定为紫边区域。
在某些实现方式中,将所述图像中蓝色通道值与红色通道值小于预设阈值的像素所在的区域确定为所述高亮区域。
本申请中,当物体区域中的物体与紫边区域中的物体为同一物体时,根据物体区域中的物体对紫边区域进行矫正,能够有效地区分紫边区域以及正常的紫边色物体,从而避免错误矫正,矫正效果更好。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是图像的紫边的示意图。
图2是紫边区域的颜色通道分布图。
图3是本发明实施例的处理图像的方法的示意性流程图。
图4是本发明实施例的图像的高亮区域和物体区域的示意图。
图5是根据本发明实施例的处理图像的方法由高亮区域得到紫边区域的示意图。
图6是CIE1931颜色空间的示意图。
图7是本发明实施例的紫边区域的方向的示意图。
图8是本发明实施例的图像的紫边区域和物体区域的示意图。
图9是本发明实施例的处理图像的方法的示意性流程图。
图10是本发明实施例的处理图像的方法的示意图。
图11是本发明实施例的处理图像的方法的示意性流程图。
图12是本发明实施例的处理图像的方法的示意性流程图。
图13是本发明实施例的处理图像的方法的示意图。
图14是根据本发明实施例的处理图像的方法处理的图像的效果图。
图15是根据本发明实施例的处理图像的方法处理的图像的效果图。
图16是本发明实施例的处理图像的装置的示意性框图。
图17是本发明实施例的处理图像的装置的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术中矫正图像的方法不能区分与紫边区域尺度相同的正常的紫色的物体,会对正常的紫边色物体(本发明中的紫边色物体是指与紫边区域的颜色相同的物体)产生错误矫正。这些方法适合应用在对小区域图像紫边进行矫正,而对大区域图像紫边的矫正效果有限。因此,本发明提出了一种处理图像的方法,通过在紫边区域的相邻区域中寻找物体,并利用该物体的颜色对紫边区域进行矫正,在物体为不同颜色时对紫边区域进行不同的矫正,这样就能够避免对紫边色物体的错误矫正,矫正效果更好,也比较适合用于对大区域图像紫边的矫正。下面结合图2-14对本发明实施例的处理图像的方法进行详细的介绍。
图2是紫边区域的颜色通道分布情况示意图。在图2中位于中间的白色区域为高亮区域,高亮区域两侧为物体区域,在高亮区域与物体区域交接的区域为紫边区域,沿着高亮区域到物体区域的方向,紫边区域的紫色逐渐变淡。由图2可以看出,蓝色通道从物体区域到紫边区域有明显的上升,而红色通道和绿色通道的变化基本是保持一致的,因此,在对紫边区域进行矫正时可以通过降低紫边区域的蓝色通道值来降低紫边区域的偏紫色程度。此外,由于从物体区域到紫边区域红色通道和绿色通道的变化基本一致,因此,可以通过红绿色差来判断物体区域中的物体与紫边区域中的物体是否为同一物体。
图3是本发明实施例的处理图像的方法的示意性流程图。该方法100包括:
110、确定图像的紫边区域。
可选地,在确定图像的紫边区域之前,可以先确定图像的高亮区域,然后再根据高亮区域确定紫边区域。
图像的高亮区域主要是天空、灯光等亮度较高的区域,如图4所示,在图4的左侧图像中,高亮区域位于图像上部,地面物体区域位于图像下部,在图4的右侧图像中,灯所在的区域为高亮区域,四周为非高亮区域,在高亮区域与物体区域的交界处为物体的边缘,在物体的边缘由于光的色差较大容易产生紫边。
可以将图像中蓝色通道值与红色通道值满足预设条件(可以是小于预设阈值)的像素所在的区域确定为所述高亮区域。具体来说,可以将满足公式(1)的图像像素所在的区域确定为高亮区域。
C(i,j)={(i,j)|B(i,j)≥T1,R(i,j)≥T2} (1)
其中,C(i,j)为高亮区域,(i,j)为图像像素坐标,B(i,j)和R(i,j)分别表示图像像素的蓝色通道值和红色通道值,T1和T2分别表示蓝色通道和红色通道的阈值,只对蓝色通道和红色通道进行限定而不对三种颜色通道都做限定可以得到一个范围较大的高亮区域。
可选地,在确定紫边区域时,可以根据图像的视场角确定一个目标延伸距离,接下来再沿图像的高亮区域边缘向图像的其它区域延伸上述目标延伸距离,从而得到紫边区域。具体地,可以沿着高亮区域的边缘从高亮区域向物体区域延伸上述目标延伸距离,将延伸得到的区域确定为紫边区域。另外,在确定上述目标延伸距离时除了考虑图像的视场角外还可以考虑拍摄图像所用的镜头的色差。
具体而言,如图5所示,在得到了图像的高亮区域之后,可以沿着高亮区域边缘的法线方向(图中的箭头方向)向物体区域进行延拓,得到延拓区域(图5中实线和虚线所围成的封闭区域),延拓区域的大小与图像的视场角以及拍摄图像时的所用镜头的色差有关。一般情况下,色差会随着视场角的增大而增大,因此,一个比较典型的拓展方法是按照视场角的大小进行延拓,使得延拓区域的大小随着视场角线性地增加。应理解,还可以根据其它反应色差变化的规律或者公式进行延拓,得到延拓区域。
在得到上述延拓区域之后可以直接将该延拓区域确定为上述紫边区域,也可以对延拓区域进行进一步的处理以得到上述紫边区域。
具体来说,如图6所示,在得到上述延拓区域之后,可以将位于延拓区域中的图像像素转换到图6所示的CIE1931颜色空间中,利用颜色空间对紫边区域进行限缩。在将延拓区域中的图像像素转换到CIE1931颜色空间后,得到每个像素对应的颜色坐标,如果某个像素的颜色坐标落在图6所示的预设区域(位于图6三角形区域内的四边形区域)中,那么就说明该像素呈现的颜色为紫边区域的颜色,该像素位于图像的紫边区域。因此,可以将落入图6预设区域的所有像素在图像中所处的最小区域确定为紫边区域。
此外,图6中的预设区域可以是满足公式(2)的区域。
D(i,j)={(x,y)|y<=1.3692x-0.0927,y≤-0.2048x+0.3930,y≥0.0551x-0.023} (2)
其中,D(i,j)表示预设区域,(x,y)表示图像中(i,j)处的像素转换到CIE1931颜色空间的颜色坐标值。应理解,公式(2)只是给出了确定预定区域的一种具体的方式,实际上,在确定该预设区域时,可以根据拍摄图像的镜头色差的具体情况来设置预设区域,例如,当拍摄出来的图像的紫边区域偏蓝时,在设置该预设区域时可以将该预设区域向CIE1931坐标系中的蓝色区域靠拢。
应理解,通过上述方法确定的紫边区域中不仅包含需要矫正的真正的紫边区域,也可能包括一些不能矫正的正常的紫边色物体,因为这些物体本来的颜色就是紫边色。因此,在矫正时通过寻找紫边区域紧邻区域中的物体,并参考这些物体对紫边区域进行矫正能够有效的避免错误矫正的发生。
120、确定与紫边区域相邻的物体区域。
可选地,在确定了紫边区域之后对紫边区域进行矫正之前,可以先判断紫边区域是否被高亮区域淹没或者覆盖,当紫边区域被高亮区域淹没或者覆盖的时,可以直接降低紫边区域中的物体的颜色饱和度,从而降低紫边区域的偏紫色程度,尽可能的消除图像中的紫边区域;而当紫边区域没有被高亮区域淹没或者覆盖时,可以在紫边区域的边缘寻找参考物体,然后根据该参考物体的颜色对紫边区域进行处理。
当紫边区域被高亮区域淹没或者覆盖时,具体可以通过降低紫边区域的红绿色差和蓝绿色差值来降低紫边区域的颜色饱和度。降低的程度可以按照公式(3)和公式(4)进行。
其中,deltaGB和deltaGR分别为紫边区域的蓝绿色差和红绿色差,R、G和B分别为紫边区域的红色通道值、绿色通道值和蓝色通道值。deltaGBnew和deltaGRnew分别表示处理后的紫边区域的蓝绿色差和红绿色差,deltaGBold和deltaGRold分别表示处理前的紫边区域的蓝绿色差和红绿色差,factor表示颜色通道值可以降低的程度,一般根据经验来设定,例如,可以取0.3-0.5。
此外,对于被高亮区域淹没的紫边区域来说,可以只矫正一次,而对于未被高亮区域淹没的紫边区域来说可以进行多次矫正。
可选地,在确定与紫边区域相邻的物体区域时可以沿紫边区域延伸一个预定距离,然后得到一个物体区域。
应理解,这里预设距离可以预先设定,当预设距离过大时,物体区域中的物体对紫边区域的参考价值就会变小,这时再根据物体区域中的物体对紫边区域进行矫正时的准确性就会降低,而当该预设距离过小时,由于离紫色区域边缘过近,因此,有可能找不到具有参考价值的物体,因此,预设距离的大小要合适,在实际应用时可以考虑图像的实际情况来设定,也可以根据经验来设定一个经验值。
具体而言,如图7所示,确定紫边区域时可以先确定紫边区域的方向,紫边区域的方向包括上、下、左、右四个方向,在判断紫边区域的方向时可以使用梯度算子来判断紫边的方向,这里使用的梯度算子具体可以是拉普拉斯算子或者sobel算子等等。紫边的方向一般是从高亮区域的边缘指向物体区域,也就是从亮度高指向亮度低的方向。图7左侧图像的紫边区域的方向向下,图7右侧图像的紫边区域包含四部分,位于上部和下部的紫边区域的方向分别是向上和向下,位于左侧和右侧的紫边区域的方向分别是向左和向右。
在确定了紫边区域的方向后,可以从紫边区域的边缘向物体区域进一步的延伸一个预定距离,得到一个物体区域,如图8所示,图中的两条虚线之间的封闭区域就是物体区域,该物体区域与紫边区域相邻,接下来就可以根据物体区域中的颜色对紫边区域进行矫正了。
130、在物体区域中的物体与紫边区域中的物体属于同一物体的情况下,确定物体区域中的物体是否为紫边色物体。
应理解,这里的紫边色物体是指呈紫边区域颜色的物体,也就是与紫边区域颜色相同的物体,这里的颜色相同可以是指紫边色物体的颜色通道值与紫边区域的相应的颜色通道值的差值小于一定的阈值,也就是说,当紫边色物体的颜色与紫边区域的颜色非常接近时,就可以认为紫边色物体与紫边区域的颜色相同。
紫边区域的颜色是指紫边区域所呈现的颜色,当紫边区域中的物体的颜色不是紫边色时,紫边区域仍然呈现紫边色,因为色差的原因,在紫边区域发生了光的叠加,使得紫边区域中的物体的颜色被遮盖而呈现出紫边色。因此,当物体区域中的物体为紫边色物体,也就说物体区域的物体与紫边区域的颜色相同时,可以不对紫边区域进行矫正。
可选地,可以根据蓝绿色差来确定物体区域中的物体是否为紫边色物体。
具体来说,可以先对物体区域中的物体的蓝色通道与绿色通道做差,得到第一差值,同样,对紫边区域的蓝色通道与绿色通道也进行做差得到第二差值;如果第一差值和第二差值的正负号相同,也就是说第一差值和第二差值同为正号或者第一差值和第二差值同为负号时,确定物体区域中的物体为紫边色物体,此时,该紫边色物体的颜色与紫边区域的颜色一致;另外,如果第一差值和第二差值的正负号不同,也就是说第一差值和第二差值分别为正号和负号或者第一差值和第二差值分别为负号和正号时,确定物体区域中的物体不是紫边色物体,也就是说物体区域中的物体与紫边区域的颜色不相同。
可选地,在物体区域中的物体与紫边区域中的物体属于不同的物体的情况下,可以直接降低紫边区域的蓝色通道值。
140、在物体区域中的物体是紫边色物体的情况下,不对紫边区域进行矫正。
当物体区域中的物体与紫边区域颜色相同时,说明紫边区域的物体本身的颜色就和紫边区域的颜色相同,这时不需要再对紫边区域进行矫正,因为此时紫边区域呈现出的颜色就是紫边区域中的物体的真正颜色,这时如果对紫边区域中的物体进行矫正的话,可能会降低紫边区域偏紫色的程度,出现错误矫正。而本发明实施例中,在对紫边区域进行矫正时通过参考物体区域中的物体能够很好地区分真正的紫边色物体和紫边区域,能够避免发生错误矫正。
150、在物体区域中的物体不是紫边色物体的情况下,对紫边区域进行矫正。
本发明实施例中,通过在紫边区域的附近确定物体区域,在物体区域中存在与紫边区域中的物体相同物体的情况下,根据物体区域中的物体是否为紫边色物体而决定是否对紫边区域进行矫正,并且在物体区域中的物体是紫边色物体时根据物体区域中的物体的颜色对紫边区域进行矫正,这样就能够有效地区分紫边区域以及正常的紫边色物体,从而避免错误矫正,矫正效果更好。
可选地,作为一个实施例,当物体区域中的物体不是紫边色物体时,可以根据物体区域中的物体的颜色对紫边区域进行矫正。
可选地,作为一个实施例,在根据物体区域中的物体的颜色对紫边区域进行矫正时,可以参照物体区域中的物体的颜色,将紫边区域的颜色还原成物体区域中的物体的颜色。
具体而言,在根据物体区域中的物体的颜色对紫边区域进行矫正时,可以通过更改紫边区域的蓝绿色差和红绿色差,使得紫边区域的蓝绿色差与红绿色差的比值和物体区域中的物体的蓝绿色差与红绿色差的比值相等。
具体来说,可以改变紫边区域的颜色通道值,使得紫边区域中的红绿色差和蓝绿色差满足公式(5)。
deltaGB(i,j)=deltaGR(i,j)×deltaGBobject/deltaGRobject (5)
其中deltaGB(i,j)和deltaGR(i,j)分别表示紫边区域的蓝绿色差和红绿色差,deltaGBobject和deltaGRobject表示物体区域中的物体的蓝绿色差和红绿色差。
可选地,作为一个实施例,所述方法还包括:根据红绿色差确定物体区域中的物体与紫边区域中的物体是否属于同一物体。
可选地,作为一个实施例,在根据红绿色差确定物体区域中的物体与紫边区域中的物体是否属于同一物体时,具体步骤如下:
确定物体区域中的物体的红色通道与绿色通道的差值为第一差值;
确定紫边区域中的红色通道与绿色通道的差值为第二差值;
当第一差值和第二差值均为正数或者负数(也就是同号)时,确定物体区域中的物体与紫边区域中的物体属于相同的物体;
当第一差值和第二差值分别为正数和负数,或者,当第一差值和第二差值分别为负数和正数时,确定物体区域中的物体与紫边区域中的物体属于不同的物体。
应理解,在图像中可以认为同一物体的颜色不会发生突变,物体的颜色通道值只会渐渐的发生变化,并且对于同一物体的不同部分来说,红色通道与绿色通道的差值的正负号是一定的,因此,可以根据通过对比红绿色差的正负号是否一致来确定紫边区域中的物体与物体区域中的物体是否为相同的物体。
可选地,作为一个实施例,在确定物体区域中的物体是否为紫边色物体时,可以具体根据蓝绿色差来确定物体区域中的物体与紫边区域的颜色是否相同,从而确定物体区域中的物体是否为紫边色物体。
可选地,作为一个实施例,在根据蓝绿色差来确定物体区域中的物体是否为紫边色物体时,可以具体采用以下步骤来判断:
将物体区域中的物体的蓝色通道值与绿色通道值做差,得到第一差值;
将紫边区域的蓝色通道值与绿色通道值做差,得到第二差值;
当第一差值与第二差值均为正数或者均为负数(同号)时,确定物体区域中的物体为紫边色物体,也就是说物体区域中的物体与紫边区域的颜色相同;
当第一差值为正数第二差值为负数,或者,第一差值为负数第二差值为正数时,确定物体区域中的物体不是紫边色物体,也就是说物体区域中的物体与紫边区域的颜色不同。
可选地,作为一个实施例,当紫边区域周围不存在与紫边区域中的物体相同的物体时,可以降低紫边区域的蓝色通道值,紫边区域中离高亮区域距离越近的区域蓝色通道的降低幅度越大,离高亮区域越远的区域的蓝色通道的降低幅度越小。具体来说,可以降低紫边区域的蓝色通道值,使得紫边区域中的矫正点的蓝色通道值满足公式(6)
deltaGB(i,j)=Number′×deltaGB/Number (6)
其中,deltaGB(i,j)表示紫边区域中的矫正点的蓝绿通道差值,Number′表示矫正点离高亮区域边缘的距离,deltaGB表示紫边区域边缘(也就是与物体区域交接的边缘)的蓝绿色差值,Number表示紫边边缘离高亮边缘的距离(即紫边的宽度)。
可选地,作为一个实施例,在对紫边区域进行矫正时,可以从两个方向或者多个方向对紫边区域进行矫正,例如,对于一些范围较大的紫边区域来说,紫边区域可能会同时处于两个或者多个高亮区域的延伸区域内,这样就可以分别从多个高亮区域向紫边区域的方向对紫边区域进行矫正,与只从一个方向对紫边区域进行矫正方法相比,能够取得更好的矫正效果。
图9是本发明实施例的处理图像的方法的示意性流程图。图9示出了对紫边区域进行矫正的具体流程,具体步骤如下:
301、开始矫正紫边区域。在确定了紫边区域后就可以开始对紫边区域进行矫正。
302、对紫边区域进行延拓,得到物体区域,并沿着紫边区域的方向在物体区域中找到目标物体。其中,该物体区域是沿着紫边区域的边缘进行扩展而得到的紫边区域的相邻区域。
303、判断紫边区域中的物体与目标物体是否为同一物体。
当紫边区域中的物体与目标物体是同一物体时,执行步骤304,当紫边区域中的物体与目标物体不是同一物体时,执行步骤308。
304、调整红色通道值。通过调整紫边区域以及目标物体的红色通道值,可以更方便更准确地对紫边区域中的物体以及目标物体是否为一个物体进行判断。
305、判断目标物体是否为紫边色物体。当目标物体是紫边色物体时,矫正过程结束,当目标物体不是紫边色物体时执行步骤306。
306、判断目标物体的红绿色差是否为零。当目标物体的红绿色差为零时说明目标物体的红色通道和绿色通道值相等,此时目标物体的蓝绿色差与红绿色差的比值就是无穷大,这样就无法根据公式(5)将紫边区域的蓝绿色差与红绿色差的比值设置为目标物体的蓝绿色差与红绿色差的比值。因此,这里需要对红绿色差是否为零进行判断,如果红绿色差不为零,那么就可以根据公式(5)对紫边区域进行矫正。
307、根据目标物体的颜色调整紫边区域的颜色通道值。当目标物体不是紫边色物体,并且目标物体的红绿色差不为零时可以根据公式(5)来矫正紫边区域,使得紫边区域的蓝绿色差与红绿色差的比值和目标物体的蓝绿色差与红绿色差的比值相等。
308、降低紫边区域的蓝色通道值。当紫边区域中的物体与目标物体不是同一物体时,或者紫边区域中的物体虽然与目标物体为同一物体,但是目标物体不是紫边色物体并且红绿色差为零时,可以直接降低紫边区域的蓝色通道值,实现对紫边区域的矫正。
309、矫正结束。
可选地,作为一个实施例,本发明实施例处理图像的方法还包括:矫正残留的紫边。
如图10所示,在对图10中的紫边区域进行矫正后,有可能只时对1、2、3、4所在的紫边区域进行了矫正,而对5、6、7、8所在的紫边区域没有矫正,也就是在对紫边区域进行矫正后存在着残留的紫边。因此,为了实现更好的矫正效果需要对图10中的5、6、7、8所在的紫边区域所在的区域进行矫正。
如图11所示,A(i,j)为残留紫边中未矫正的点,B(i,j)和C(i,j)是紫边区域中已经矫正过的点。在对未矫正的点A(i,j)进行矫正时的具体过程如图12所示。
401、开始矫正残留紫边。沿紫边区域的方向完成矫正后就可以开始残留紫边的矫正工作。
402、在紫边区域内寻找为矫正的点A(i,j)。应理解,A(i,j)是紫边区域中未矫正的点中的任意一点。
403、在色差阈值范围内搜索已矫正的点,具体来说,可以分别沿水平方向和竖直方向来搜索已经被矫正的点。
404、判断已矫正的点是否属于紫边色物体,具体来说是判断B(i,j)和C(i,j)是否属于紫边色物体。
405、如果B(i,j)和C(i,j)不属于紫边色物体,那么可以根据B(i,j)和C(i,j)的矫正策略对A(i,j)进行矫正,例如,如果B(i,j)和C(i,j)中B(i,j)的蓝绿色差值较大,那么可以根据B(i,j)的蓝绿色差值更新A(i,j)的色差值,使得A(i,j)的色差值与B(i,j)的色差值相同。
406、如果B(i,j)和C(i,j)属于紫边色物体,那么可以认为A(i,j)也属于紫边色物体,不需要对A(i,j)进行矫正,矫正残留紫边的过程结束。
如图13所示,在矫正紫边后还可以对矫正后的紫边区域进行平滑滤波处理,对紫边区域中的颜色通道值进行平均,以处理掉奇异点和个别遗漏的未矫正点,从而得到更好的矫正效果,使得矫正后的紫边区域的显示效果更好。
图14和图15是采用本发明实施例的处理图像的方法对图像进行处理的效果图,在图14中,第一列的两个图像是对紫边区域进行矫正之前的图像,第二列分别是采用了本发明实施例的方法处理后的图像,由图14中的对比可知,本发明实施例能够很好的消除图像中的紫边区域,提高了视觉体验的效果。
图15与图14类似,上部的图像是未矫正的图像,下部是矫正后的图像,由图15可以看出,通过本发明实施例的方法能够很好的消除图像中手指边缘的紫边区域。
上文结合图1至图15,详细的描述了根据本发明实施例的处理图像的方法,下面将结合图16和图17,描述本发明实施例的处理图像的装置。
应理解,图16和图17描述的处理图像的装置能够实现图1至图15中描述的处理图像的方法的各个步骤,为了简洁,适当省略重复的描述。
图16是本发明实施例的处理图像的装置的示意性框图。图16的装置500包括:
第一确定模块510,用于确定所述图像的紫边区域;
第二确定模块520,用于确定与所述紫边区域相邻的物体区域;
第三确定模块530,用于在所述物体区域中的物体与所述紫边区域中的物体属于同一物体的情况下,确定所述物体区域中的物体是否为紫边色物体,其中,所述紫边色物体与所述紫边区域的颜色相同;
处理模块540,所述处理模块540具体用于:
在所述物体区域中的物体是紫边色物体的情况下,不对所述紫边区域进行矫正;
在所述物体区域中的物体不是紫边色物体的情况下,对所述紫边区域进行矫正。
本发明实施例中,通过在紫边区域的附近确定物体区域,在物体区域中存在与紫边区域中的物体相同物体的情况下,根据物体区域中的物体是否为紫边色物体而决定是否对紫边区域进行矫正,并且在物体区域中的物体是紫边色物体时根据物体区域中的物体的颜色对紫边区域进行矫正,这样就能够有效地区分紫边区域以及正常的紫边色物体,从而避免错误矫正,矫正效果更好。
可选地,作为一个实施例,所述处理模块540具体用于:根据所述物体区域中的物体的颜色对所述紫边区域进行矫正
可选地,作为一个实施例,所述处理模块540具体用于:改变所述紫边区域的颜色通道值,使得所述紫边区域的颜色与所述物体区域中的物体的颜色一致。
可选地,作为一个实施例,所述装置500还包括:第四确定模块550,用于根据红绿色差确定所述物体区域中的物体与所述紫边区域中的物体是否属于同一物体。
可选地,作为一个实施例,所述第四确定模块550具体用于:
确定所述物体区域中的物体的红色通道与绿色通道的差值为第一差值;
确定所述紫边区域的红色通道与绿色通道的差值为第二差值;
当所述第一差值与所述第二差值均为正数或者均为负数时,所述物体区域中的物体与所述紫边区域中的物体属于同一物体;
当所述第一差值为正数所述第二差值为负数,或者,所述第一差值为负数所述第二差值为正数时,所述物体区域中的物体与所述紫边区域中的物体属于不同的物体。
可选地,作为一个实施例,在所述物体区域中的物体与所述紫边区域中的物体属于不同的物体的情况下,所述处理模块540用于降低所述紫边区域的蓝色通道值。
可选地,作为一个实施例,所述第三确定模块530具体用于:根据蓝绿色差确定所述物体区域中的物体是否为紫边色物体。
可选地,作为一个实施例,所述第三确定模块530具体用于:
确定所述物体区域中的物体的蓝色通道与绿色通道的差值为第一差值;
确定所述紫边区域的蓝色通道与绿色通道的差值为第二差值;
当所述第一差值与所述第二差值均为正数或者均为负数时,所述物体区域中的物体是紫边色物体;
当所述第一差值为正数所述第二差值为负数,或者,所述第一差值为负数所述第二差值为正数时,所述物体区域中的物体不是紫边色物体。
可选地,作为一个实施例,所述第一确定模块510具体用于:
根据所述图像的视场角确定目标延伸距离;
沿所述图像的高亮区域边缘向所述图像的其它区域延伸所述目标延伸距离,得到所述紫边区域。
可选地,作为一个实施例,所述第二确定模块520用于沿所述紫边区域边缘延伸预设距离,得到所述物体区域。
可选地,作为一个实施例,所述装置500还包括:
第五确定模块560,用于确定所述紫边区域是否被所述图像的高亮区域覆盖;
在所述紫边区域被所述高亮区域覆盖的情况下,所述处理模块用于降低所述紫边区域的颜色饱和度。
图17是本发明实施例的处理图像的装置的示意性框图。图17的装置600包括:
存储器610,用于存储程序;
处理器620,当所述程序被执行时,所述处理器620用于:
确定所述图像的紫边区域;
确定与所述紫边区域相邻的物体区域;
在所述物体区域中的物体与所述紫边区域中的物体属于同一物体的情况下,确定所述物体区域中的物体是否为紫边色物体,其中,所述紫边色物体与所述紫边区域的颜色相同;
在所述物体区域中的物体是紫边色物体的情况下,不对所述紫边区域进行矫正;
在所述物体区域中的物体不是紫边色物体的情况下,对所述紫边区域进行矫正。
本发明实施例中,通过在紫边区域的附近确定物体区域,在物体区域中存在与紫边区域中的物体相同物体的情况下,根据物体区域中的物体是否为紫边色物体而决定是否对紫边区域进行矫正,并且在物体区域中的物体是紫边色物体时根据物体区域中的物体的颜色对紫边区域进行矫正,这样就能够有效地区分紫边区域以及正常的紫边色物体,从而避免错误矫正,矫正效果更好。
可选地,作为一个实施例,所述处理器620具体用于:根据所述物体区域中的物体的颜色对所述紫边区域进行矫正
可选地,作为一个实施例,所述处理器620具体用于:改变所述紫边区域的颜色通道值,使得所述紫边区域的颜色与所述物体区域中的物体的颜色一致。
可选地,作为一个实施例,所述处理器620用于根据红绿色差确定所述物体区域中的物体与所述紫边区域中的物体是否属于同一物体。
可选地,作为一个实施例,所述处理器620用于:
确定所述物体区域中的物体的红色通道与绿色通道的差值为第一差值;
确定所述紫边区域的红色通道与绿色通道的差值为第二差值;
当所述第一差值与所述第二差值均为正数或者均为负数时,所述物体区域中的物体与所述紫边区域中的物体属于同一物体;
当所述第一差值为正数所述第二差值为负数,或者,所述第一差值为负数所述第二差值为正数时,所述物体区域中的物体与所述紫边区域中的物体属于不同的物体。
可选地,作为一个实施例,在所述物体区域中的物体与所述紫边区域中的物体属于不同的物体的情况下,所述处理器620用于降低所述紫边区域的蓝色通道值。
可选地,作为一个实施例,所述处理器620具体用于:根据蓝绿色差确定所述物体区域中的物体是否为紫边色物体。
可选地,作为一个实施例,所述处理器620具体用于:
确定所述物体区域中的物体的蓝色通道与绿色通道的差值为第一差值;
确定所述紫边区域的蓝色通道与绿色通道的差值为第二差值;
当所述第一差值与所述第二差值均为正数或者均为负数时,所述物体区域中的物体是紫边色物体;
当所述第一差值为正数所述第二差值为负数,或者,所述第一差值为负数所述第二差值为正数时,所述物体区域中的物体不是紫边色物体。
可选地,作为一个实施例,所述处理器620具体用于:
根据所述图像的视场角确定目标延伸距离;
沿所述图像的高亮区域边缘向所述图像的其它区域延伸所述目标延伸距离,得到所述紫边区域。
可选地,作为一个实施例,所述处理器620用于沿所述紫边区域边缘延伸预设距离,得到所述物体区域。
可选地,作为一个实施例,所述处理器620具体用于:
确定所述紫边区域是否被所述图像的高亮区域覆盖;
在所述紫边区域被所述高亮区域覆盖的情况下,降低所述紫边区域的颜色饱和度。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (22)
1.一种处理图像的方法,其特征在于,包括:
确定所述图像的紫边区域;
确定与所述紫边区域相邻的物体区域;
在所述物体区域中的物体与所述紫边区域中的物体属于同一物体的情况下,确定所述物体区域中的物体是否为紫边色物体,其中,所述紫边色物体与所述紫边区域的颜色相同;
在所述物体区域中的物体是紫边色物体的情况下,不对所述紫边区域进行矫正;
在所述物体区域中的物体不是紫边色物体的情况下,对所述紫边区域进行矫正。
2.如权利要求1所述的方法,其特征在于,所述对所述紫边区域进行矫正,包括:
根据所述物体区域中的物体的颜色对所述紫边区域进行矫正。
3.如权利要求2所述的方法,所述根据所述物体区域中的物体的颜色对所述紫边区域进行矫正,包括:
改变所述紫边区域的颜色通道值,使得所述紫边区域的颜色与所述物体区域中的物体的颜色一致。
4.如权利要求1-3中任一项所述的方法,其特征在于,所述方法还包括:
根据红绿色差确定所述物体区域中的物体与所述紫边区域中的物体是否属于同一物体。
5.如权利要求4所述的方法,其特征在于,所述根据红绿色差确定所述物体区域中的物体与所述紫边区域中的物体是否属于同一物体,包括:
确定所述物体区域中的物体的红色通道与绿色通道的差值为第一差值;
确定所述紫边区域的红色通道与绿色通道的差值为第二差值;
当所述第一差值与所述第二差值均为正数或者均为负数时,所述物体区域中的物体与所述紫边区域中的物体属于同一物体;
当所述第一差值为正数所述第二差值为负数,或者,所述第一差值为负数所述第二差值为正数时,所述物体区域中的物体与所述紫边区域中的物体 属于不同的物体。
6.如权利要求1-5中任一项所述的方法,其特征在于,在所述物体区域中的物体与所述紫边区域中的物体属于不同的物体的情况下,所述方法还包括:
降低所述紫边区域的蓝色通道值。
7.如权利要求1-6中任一项所述的方法,其特征在于,所述确定所述物体区域中的物体是否为紫边色物体,包括:
根据蓝绿色差确定所述物体区域中的物体是否为紫边色物体。
8.如权利要求7所述的方法,其特征在于,所述根据蓝绿色差确定所述物体区域中的物体是否为紫边色物体,包括:
确定所述物体区域中的物体的蓝色通道与绿色通道的差值为第一差值;
确定所述紫边区域的蓝色通道与绿色通道的差值为第二差值;
当所述第一差值与所述第二差值均为正数或者均为负数时,所述物体区域中的物体是紫边色物体;
当所述第一差值为正数所述第二差值为负数,或者,所述第一差值为负数所述第二差值为正数时,所述物体区域中的物体不是紫边色物体。
9.如权利要求1-8中任一项所述的方法,其特征在于,所述确定所述图像的紫边区域,包括:
根据所述图像的视场角确定目标延伸距离;
沿所述图像的高亮区域边缘向所述图像的其它区域延伸所述目标延伸距离,得到所述紫边区域。
10.如权利要求1-9中任一项所述的方法,其特征在于,所述确定与所述紫边区域相邻的物体区域,包括:
沿所述紫边区域边缘延伸预设距离,得到所述物体区域。
11.如权利要求1-10中任一项所述的方法,其特征在于,所述方法还包括:
确定所述紫边区域是否被所述图像的高亮区域覆盖;
在所述紫边区域被所述高亮区域覆盖的情况下,降低所述紫边区域的颜色饱和度。
12.一种处理图像的装置,其特征在于,包括:
第一确定模块,用于确定所述图像的紫边区域;
第二确定模块,用于确定与所述紫边区域相邻的物体区域;
第三确定模块,用于在所述物体区域中的物体与所述紫边区域中的物体属于同一物体的情况下,确定所述物体区域中的物体是否为紫边色物体,其中,所述紫边色物体与所述紫边区域的颜色相同;
处理模块,所述处理模块具体用于:
在所述物体区域中的物体是紫边色物体的情况下,不对所述紫边区域进行矫正;
在所述物体区域中的物体不是紫边色物体的情况下,对所述紫边区域进行矫正。
13.如权利要求12所述的装置,其特征在于,所述处理模块具体用于:
根据所述物体区域中的物体的颜色对所述紫边区域进行矫正。
14.如权利要求13所述的装置,其特征在于,所述处理模块具体用于:
改变所述紫边区域的颜色通道值,使得所述紫边区域的颜色与所述物体区域中的物体的颜色一致。
15.如权利要求12-14中任一项所述的装置,其特征在于,所述装置还包括:
第四确定模块,用于根据红绿色差确定所述物体区域中的物体与所述紫边区域中的物体是否属于同一物体。
16.如权利要求15所述的装置,其特征在于,所述第四确定模块具体用于:
确定所述物体区域中的物体的红色通道与绿色通道的差值为第一差值;
确定所述紫边区域的红色通道与绿色通道的差值为第二差值;
当所述第一差值与所述第二差值均为正数或者均为负数时,所述物体区域中的物体与所述紫边区域中的物体属于同一物体;
当所述第一差值为正数所述第二差值为负数,或者,所述第一差值为负数所述第二差值为正数时,所述物体区域中的物体与所述紫边区域中的物体属于不同的物体。
17.如权利要求12-16中任一项所述的装置,其特征在于,在所述物体区域中的物体与所述紫边区域中的物体属于不同的物体的情况下,所述处理模块用于降低所述紫边区域的蓝色通道值。
18.如权利要求12-17中任一项所述的装置,其特征在于,所述第三确 定模块具体用于:
根据蓝绿色差确定所述物体区域中的物体是否为紫边色物体。
19.如权利要求18所述的装置,其特征在于,所述第三确定模块具体用于:
确定所述物体区域中的物体的蓝色通道与绿色通道的差值为第一差值;
确定所述紫边区域的蓝色通道与绿色通道的差值为第二差值;
当所述第一差值与所述第二差值均为正数或者均为负数时,所述物体区域中的物体是紫边色物体;
当所述第一差值为正数所述第二差值为负数,或者,所述第一差值为负数所述第二差值为正数时,所述物体区域中的物体不是紫边色物体。
20.如权利要求12-19中任一项所述的装置,其特征在于,所述第一确定模块具体用于:
根据所述图像的视场角确定目标延伸距离;
沿所述图像的高亮区域边缘向所述图像的其它区域延伸所述目标延伸距离,得到所述紫边区域。
21.如权利要求12-20中任一项所述的装置,其特征在于,所述第二确定模块用于:
沿所述紫边区域边缘延伸预设距离,得到所述物体区域。
22.如权利要求12-21中任一项所述的装置,其特征在于,所述装置还包括:
第五确定模块,用于确定所述紫边区域是否被所述图像的高亮区域覆盖;
在所述紫边区域被所述高亮区域覆盖的情况下,所述处理模块用于降低所述紫边区域的颜色饱和度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610589519.7A CN106251298B (zh) | 2016-07-22 | 2016-07-22 | 处理图像的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610589519.7A CN106251298B (zh) | 2016-07-22 | 2016-07-22 | 处理图像的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106251298A true CN106251298A (zh) | 2016-12-21 |
CN106251298B CN106251298B (zh) | 2020-03-31 |
Family
ID=57604353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610589519.7A Active CN106251298B (zh) | 2016-07-22 | 2016-07-22 | 处理图像的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106251298B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106657946A (zh) * | 2017-01-12 | 2017-05-10 | 深圳岚锋创视网络科技有限公司 | 图像紫边消除***和方法 |
CN107864365A (zh) * | 2017-10-31 | 2018-03-30 | 上海集成电路研发中心有限公司 | 一种消除图像紫边的方法 |
CN109636753A (zh) * | 2018-12-11 | 2019-04-16 | 珠海奔图电子有限公司 | 图像处理方法和装置、电子设备及计算机可读存储介质 |
CN111340734A (zh) * | 2020-03-02 | 2020-06-26 | 浙江大学 | 一种利用卷积神经网络模型的图像紫边校正方法 |
CN112887693A (zh) * | 2021-01-12 | 2021-06-01 | 浙江大华技术股份有限公司 | 图像紫边消除方法、设备及存储介质 |
CN113709436A (zh) * | 2021-08-06 | 2021-11-26 | 维沃移动通信(杭州)有限公司 | 基于连续变焦的紫边校正方法、装置和电子设备 |
CN114331857A (zh) * | 2020-10-10 | 2022-04-12 | 深圳开阳电子股份有限公司 | 一种彩色图像紫边校正方法、装置及计算机存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101366019A (zh) * | 2005-12-30 | 2009-02-11 | 微软公司 | 从图像中自动移除紫边 |
JP2011211328A (ja) * | 2010-03-29 | 2011-10-20 | Fujifilm Corp | パープルフリンジ補正装置およびその制御方法,ならびにパープルフリンジを補正するためのプログラム |
CN103379343A (zh) * | 2012-04-12 | 2013-10-30 | 索尼公司 | 图像处理装置、图像处理方法和程序 |
US8582878B1 (en) * | 2010-11-03 | 2013-11-12 | Csr Technology Inc. | Purple fringing automatic detection and correction |
-
2016
- 2016-07-22 CN CN201610589519.7A patent/CN106251298B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101366019A (zh) * | 2005-12-30 | 2009-02-11 | 微软公司 | 从图像中自动移除紫边 |
JP2011211328A (ja) * | 2010-03-29 | 2011-10-20 | Fujifilm Corp | パープルフリンジ補正装置およびその制御方法,ならびにパープルフリンジを補正するためのプログラム |
US8582878B1 (en) * | 2010-11-03 | 2013-11-12 | Csr Technology Inc. | Purple fringing automatic detection and correction |
CN103379343A (zh) * | 2012-04-12 | 2013-10-30 | 索尼公司 | 图像处理装置、图像处理方法和程序 |
Non-Patent Citations (2)
Title |
---|
BAEK-KYU KIM,ET AL.: "AUTOMATIC DETECTION AND CORRECTION OF PURPLE FRINGING USING THE GRADIENT INFORMATION AND DESATURATION", 《16TH EUROPEAN SIGNAL PROCESSING CONFERENCE (EUSIPCO 2008)》 * |
冯彦超等: "基于分色校正的大像差光学成像***图像处理技术", 《光子学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106657946A (zh) * | 2017-01-12 | 2017-05-10 | 深圳岚锋创视网络科技有限公司 | 图像紫边消除***和方法 |
WO2018130177A1 (zh) * | 2017-01-12 | 2018-07-19 | 深圳岚锋创视网络科技有限公司 | 图像紫边消除***、方法、计算机可读存储介质和拍摄装置 |
US11050985B2 (en) | 2017-01-12 | 2021-06-29 | Arashi Vision Inc. | Image purple fringe eliminating system, method, computer-readable storage medium, and photographing device |
CN107864365A (zh) * | 2017-10-31 | 2018-03-30 | 上海集成电路研发中心有限公司 | 一种消除图像紫边的方法 |
CN107864365B (zh) * | 2017-10-31 | 2020-03-31 | 上海集成电路研发中心有限公司 | 一种消除图像紫边的方法 |
CN109636753A (zh) * | 2018-12-11 | 2019-04-16 | 珠海奔图电子有限公司 | 图像处理方法和装置、电子设备及计算机可读存储介质 |
CN111340734A (zh) * | 2020-03-02 | 2020-06-26 | 浙江大学 | 一种利用卷积神经网络模型的图像紫边校正方法 |
CN111340734B (zh) * | 2020-03-02 | 2022-03-29 | 浙江大学 | 一种利用卷积神经网络模型的图像紫边校正方法 |
CN114331857A (zh) * | 2020-10-10 | 2022-04-12 | 深圳开阳电子股份有限公司 | 一种彩色图像紫边校正方法、装置及计算机存储介质 |
CN112887693A (zh) * | 2021-01-12 | 2021-06-01 | 浙江大华技术股份有限公司 | 图像紫边消除方法、设备及存储介质 |
CN113709436A (zh) * | 2021-08-06 | 2021-11-26 | 维沃移动通信(杭州)有限公司 | 基于连续变焦的紫边校正方法、装置和电子设备 |
CN113709436B (zh) * | 2021-08-06 | 2024-05-07 | 维沃移动通信(杭州)有限公司 | 基于连续变焦的紫边校正方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106251298B (zh) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106251298A (zh) | 处理图像的方法和装置 | |
US9172947B2 (en) | Method and apparatus for processing multi-view image using hole rendering | |
CN104376535B (zh) | 一种基于样本的快速图像修复方法 | |
CN107610143A (zh) | 图像处理方法、图像处理装置、图像处理***及显示装置 | |
CN103888741B (zh) | 投影图像的几何校正辅助方法、装置及*** | |
CN104331872B (zh) | 图像拼接方法 | |
CN104618648B (zh) | 一种全景视频拼接***及拼接方法 | |
CN104966493A (zh) | 拼接亮暗线补偿方法 | |
CN107085842A (zh) | 自学习多路图像融合的实时矫正方法及*** | |
CN107025881A (zh) | 显示单元的校正方法及装置 | |
CN105931188A (zh) | 一种基于均值去重的图像拼接方法 | |
CN104599297A (zh) | 一种对人脸自动上腮红的图像处理方法 | |
CN104766307A (zh) | 一种图像处理的方法及设备 | |
CN106530361A (zh) | 彩色人脸图像的颜色校正方法 | |
CN103761708B (zh) | 基于轮廓匹配的图像修复方法 | |
CN106097354A (zh) | 一种结合自适应高斯肤色检测和区域生长的手部图像分割方法 | |
CN110223235A (zh) | 一种基于多种特征点组合匹配的鱼眼监控图像拼接方法 | |
CN107731099A (zh) | 终端、显示屏、以及控制显示屏显示的方法 | |
CN108419015A (zh) | 一种聚焦方法及装置 | |
CN105447842A (zh) | 一种图像匹配的方法及装置 | |
CN103268472B (zh) | 基于双色彩空间的嘴唇检测方法 | |
CN106650732A (zh) | 一种车牌识别方法及装置 | |
CN104978558B (zh) | 目标的识别方法及装置 | |
CN109389150A (zh) | 图像一致性比对方法、装置、存储介质及电子设备 | |
CN105631868A (zh) | 一种基于图像分类的深度信息提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |