CN106570849A - 一种图像优化方法 - Google Patents
一种图像优化方法 Download PDFInfo
- Publication number
- CN106570849A CN106570849A CN201610889485.3A CN201610889485A CN106570849A CN 106570849 A CN106570849 A CN 106570849A CN 201610889485 A CN201610889485 A CN 201610889485A CN 106570849 A CN106570849 A CN 106570849A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- iteration
- brightness
- optimization method
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 title claims abstract description 16
- 230000011218 segmentation Effects 0.000 claims abstract description 9
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 5
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 5
- 238000002156 mixing Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 abstract 1
- 230000006978 adaptation Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005192 partition Methods 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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Exposure Control For Cameras (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种图像优化方法,该方法需要一个可以实时拍照和更新曝光参数的摄像设备。通过迭代曝光参数,拍摄出对应场景下最适合用来合成HDR图像的几张图像,进而得到较好的HDR图像。通过对正常曝光图像区域分割和曝光参数迭代,可以进行ev参数的自适应,进而得到理论上亮度细节信息最好的高亮,偏亮,偏暗和暗图像,进而使得最后的HDR融合图像质量更好。
Description
技术领域
本发明涉及一种图像优化方法。
背景技术
随着科技的发展,数字图像技术在人们的日常生活中变得越来越重要,对高质量数字图像的需求也变得越来越高。HDRI作为一种可以准确的记录现实场景的亮度细节,提供更多的现实信息,在数字摄影、卫星遥感图像等领域的应用变得越来越广泛。因此对HDRI技术的优化和改进也变得很有意义。
发明内容
本发明的目的在于克服现有技术的不足,提供一种图像优化方法,通过对正常曝光图像区域分割和曝光参数迭代,可以进行ev参数的自适应,进而得到理论上亮度细节信息最好的图像,进而使得最后的HDR融合图像质量更好。
本发明的目的是通过以下技术方案来实现的:一种图像优化方法,该方法适用于采用能够实时拍照和更新曝光参数的摄像设备拍摄的图像,它包括如下步骤:
S1:使用摄像设备在正常曝光参数下,拍摄出一张图像;
S2:将图像变成黑白图像,采用区域分割算法将图像分割成m个区域块,并计算每个分割区域块的平均亮度;
S3:根据不同的亮度区间将整个图像分成n个亮度区间段;
S4:将分割区域块平均亮度属于同一个亮度区间段的区域进行区域合并,最终形成n个区域块;
S5:计算任意一个区域块当前图像细节量,通过曝光参数迭代,拍摄保存当前区域细节最好时候的图像;
S6:依次得到其他n-1块区域细节量最好时候的图像;
S7:通过HDRI融合算法,将这n张图像融合成HDR图像;
其中m、n为正整数,且m≥n。
所述的区域分割算法实现流程为:
S21:计算图像每个像素和它8临近像素的相似度E,设置相似度合并阀值T;
S22:将所有的相似度按照从小到大排列(E0...En);
S23:从E0开始选择,遍历E1到En,将相似度高于T的E合并到区域集合Z0中,并将E从排列中删除;
S24:从排列中继续选择下一个E,进行相似度合并,知道排列中所有E都合并完毕,得到区域集合Z;
S25:重新将原图像归一化,根据像素亮度分为n档;
S26:将分割区域Z,根据亮度分档,进行同一个亮度区域合并,最终得到n个分割区域。
所述的n为4。
所述的4个亮度区间分别为极亮,偏亮,偏暗和极暗四个区间。
所述的图像细节量计算采用的方法具体为:首先判断当前计算细节区域亮度是亮区还是暗区,如果是暗区,则曝光时间从正常曝光开始,逐渐迭代增加;反之则迭代减小;每迭代一次,都用canny算法,计算当前区域的边缘,通过迭代后的边缘图像减去迭代前的边缘图像,可以知道是否迭代后,边缘更清晰,从而最后得到当前区域细节最好时候的曝光参数Ev;依次遍历4个区域,分别得到各区域分别对应的最合适Ev参数。
所述的HDRI融合算法为高动态范围成像技术;具体实现步骤包括:获取极亮,偏亮,偏暗和极暗四个图像;合成全亮度图像;对全亮度图像进行色调映射,进而最终获得结果图像。
所述的全亮度图像合成通过Debevec&Malik算法来拟合相机响应曲线,通过该曲线和四张亮度图像来获得全亮度图像。
本发明的有益效果是:本发明提供了一种图像优化方法,通过对正常曝光图像区域分割和曝光参数迭代,可以进行ev参数的自适应,进而得到理论上亮度细节信息最好的图像,进而使得最后的HDR融合图像质量更好。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,一种图像优化方法,该方法适用于采用能够实时拍照和更新曝光参数的摄像设备拍摄的图像,它包括如下步骤:
S1:使用摄像设备在正常曝光参数下,拍摄出一张图像;
S2:将图像变成黑白图像,采用区域分割算法将图像分割成m个区域块,并计算每个分割区域块的平均亮度;
S3:根据不同的亮度区间将整个图像分成n个亮度区间段;
S4:将分割区域块平均亮度属于同一个亮度区间段的区域进行区域合并,最终形成n个区域块;
S5:计算任意一个区域块当前图像细节量,通过曝光参数迭代,拍摄保存当前区域细节最好时候的图像;
S6:依次得到其他n-1块区域细节量最好时候的图像;
S7:通过HDRI融合算法,将这n张图像融合成HDR图像;
其中m、n为正整数,且m≥n。
所述的区域分割算法实现流程为:
S21:计算图像每个像素和它8临近像素的相似度E,设置相似度合并阀值T;
S22:将所有的相似度按照从小到大排列(E0...En);
S23:从E0开始选择,遍历E1到En,将相似度高于T的E合并到区域集合Z0中,并将E从排列中删除;
S24:从排列中继续选择下一个E,进行相似度合并,知道排列中所有E都合并完毕,得到区域集合Z;
S25:重新将原图像归一化,根据像素亮度分为n档;
S26:将分割区域Z,根据亮度分档,进行同一个亮度区域合并,最终得到n个分割区域。
所述的n为4。
所述的4个亮度区间分别为极亮(0.75-1.0),偏亮(0.5-0.75),偏暗(0.25-0.5)和极暗(0.0-0.25)四个区间。
所述的图像细节量计算采用的方法具体为:首先判断当前计算细节区域亮度是亮区还是暗区,如果是暗区,则曝光时间从正常曝光开始,逐渐迭代增加;反之则迭代减小;每迭代一次,都用canny算法,计算当前区域的边缘,通过迭代后的边缘图像减去迭代前的边缘图像,可以知道是否迭代后,边缘更清晰,从而最后得到当前区域细节最好时候的曝光参数Ev;依次遍历4个区域,分别得到各区域分别对应的最合适Ev参数。
所述的HDRI融合算法为高动态范围成像技术;具体实现步骤包括:获取极亮,偏亮,偏暗和极暗四个图像;通过Debevec&Malik算法来拟合相机响应曲线,通过该曲线和四张亮度图像来获得合成全亮度图像;采用直方图调节的线性均衡化算法对全亮度图像进行色调映射,进而最终获得结果图像。
常用的HDR方法是直接在当前环境的正确曝光参数下,直接通过EV+和EV-来获得用来融合的高亮,偏亮,偏暗和暗图像。本发明通过对正常曝光图像区域分割和曝光参数迭代,可以进行ev参数的自适应,进而得到理论上亮度细节信息最好的高亮,偏亮,偏暗和暗图像,进而使得最后的HDR融合图像质量更好。
Claims (7)
1.一种图像优化方法,该方法适用于采用能够实时拍照和更新曝光参数的摄像设备拍摄的图像,其特征在于:它包括如下步骤:
S1:使用摄像设备在正常曝光参数下,拍摄出一张图像;
S2:将图像变成黑白图像,采用区域分割算法将图像分割成m个区域块,并计算每个分割区域块的平均亮度;
S3:根据不同的亮度区间将整个图像分成n个亮度区间段;
S4:将分割区域块平均亮度属于同一个亮度区间段的区域进行区域合并,最终形成n个区域块;
S5:计算任意一个区域块当前图像细节量,通过曝光参数迭代,拍摄保存当前区域细节最好时候的图像;
S6:依次得到其他n-1块区域细节量最好时候的图像;
S7:通过HDRI融合算法,将这n张图像融合成HDR图像;
其中m、n为正整数,且m≥n。
2.根据权利要求1所述的一种图像优化方法,其特征在于:所述的区域分割算法实现流程为:
S21:计算图像每个像素和它8临近像素的相似度E,设置相似度合并阀值T;
S22:将所有的相似度按照从小到大排列(E0...En);
S23:从E0开始选择,遍历E1到En,将相似度高于T的E合并到区域集合Z0中,并将E从排列中删除;
S24:从排列中继续选择下一个E,进行相似度合并,知道排列中所有E都合并完毕,得到区域集合Z;
S25:重新将原图像归一化,根据像素亮度分为n档;
S26:将分割区域Z,根据亮度分档,进行同一个亮度区域合并,最终得到n个分割区域。
3.根据权利要求1所述的一种图像优化方法,其特征在于:所述的n为4。
4.根据权利要求3所述的一种图像优化方法,其特征在于:所述的4个亮度区间分别为极亮,偏亮,偏暗和极暗四个区间。
5.根据权利要求1所述的一种图像优化方法,其特征在于:所述的图像细节量计算采用的方法具体为:首先判断当前计算细节区域亮度是亮区还是暗区,如果是暗区,则曝光时间从正常曝光开始,逐渐迭代增加;反之则迭代减小;每迭代一次,都用canny算法,计算当前区域的边缘,通过迭代后的边缘图像减去迭代前的边缘图像,可以知道是否迭代后,边缘更清晰,从而最后得到当前区域细节最好时候的曝光参数Ev;依次遍历4个区域,分别得到各区域分别对应的最合适Ev参数。
6.根据权利要求4所述的一种图像优化方法,其特征在于:所述的HDRI融合算法为高动态范围成像技术;具体实现步骤包括:获取极亮,偏亮,偏暗和极暗四个图像;合成全亮度图像;对全亮度图像进行色调映射,进而最终获得结果图像。
7.根据权利要求6所述的一种图像优化方法,其特征在于:所述的全亮度图像合成通过Debevec&Malik算法来拟合相机响应曲线,通过该曲线和四张亮度图像来获得全亮度图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610889485.3A CN106570849A (zh) | 2016-10-12 | 2016-10-12 | 一种图像优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610889485.3A CN106570849A (zh) | 2016-10-12 | 2016-10-12 | 一种图像优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106570849A true CN106570849A (zh) | 2017-04-19 |
Family
ID=58531731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610889485.3A Pending CN106570849A (zh) | 2016-10-12 | 2016-10-12 | 一种图像优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570849A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1799057A (zh) * | 2003-04-29 | 2006-07-05 | 微软公司 | 用于生成高动态范围视频的***和过程 |
CN101170650A (zh) * | 2006-10-24 | 2008-04-30 | 致伸科技股份有限公司 | 产生特定场景的高动态范围影像的方法及*** |
CN103312973A (zh) * | 2012-03-09 | 2013-09-18 | 宏达国际电子股份有限公司 | 电子装置及其调整方法 |
CN103747189A (zh) * | 2013-11-27 | 2014-04-23 | 杨新锋 | 一种数字图像处理方法 |
CN104335569A (zh) * | 2012-06-11 | 2015-02-04 | 索尼电脑娱乐公司 | 图像生成设备以及图像生成方法 |
CN104349070A (zh) * | 2013-08-08 | 2015-02-11 | 广达电脑股份有限公司 | 高动态范围图像曝光时间控制方法 |
CN104881644A (zh) * | 2015-05-25 | 2015-09-02 | 华南理工大学 | 非均匀光照条件下的人脸图像采集方法 |
US20150341537A1 (en) * | 2014-05-21 | 2015-11-26 | Himax Imaging Limited | Local enhancement apparatus and method |
US20150350514A1 (en) * | 2014-05-30 | 2015-12-03 | Apple Inc. | High dynamic range video capture control for video transmission |
JP2016054423A (ja) * | 2014-09-04 | 2016-04-14 | キヤノン株式会社 | 撮像装置、その制御方法およびプログラム |
-
2016
- 2016-10-12 CN CN201610889485.3A patent/CN106570849A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1799057A (zh) * | 2003-04-29 | 2006-07-05 | 微软公司 | 用于生成高动态范围视频的***和过程 |
CN101170650A (zh) * | 2006-10-24 | 2008-04-30 | 致伸科技股份有限公司 | 产生特定场景的高动态范围影像的方法及*** |
CN103312973A (zh) * | 2012-03-09 | 2013-09-18 | 宏达国际电子股份有限公司 | 电子装置及其调整方法 |
CN104335569A (zh) * | 2012-06-11 | 2015-02-04 | 索尼电脑娱乐公司 | 图像生成设备以及图像生成方法 |
CN104349070A (zh) * | 2013-08-08 | 2015-02-11 | 广达电脑股份有限公司 | 高动态范围图像曝光时间控制方法 |
CN103747189A (zh) * | 2013-11-27 | 2014-04-23 | 杨新锋 | 一种数字图像处理方法 |
US20150341537A1 (en) * | 2014-05-21 | 2015-11-26 | Himax Imaging Limited | Local enhancement apparatus and method |
US20150350514A1 (en) * | 2014-05-30 | 2015-12-03 | Apple Inc. | High dynamic range video capture control for video transmission |
JP2016054423A (ja) * | 2014-09-04 | 2016-04-14 | キヤノン株式会社 | 撮像装置、その制御方法およびプログラム |
CN104881644A (zh) * | 2015-05-25 | 2015-09-02 | 华南理工大学 | 非均匀光照条件下的人脸图像采集方法 |
Non-Patent Citations (1)
Title |
---|
孙婧 等: "高动态范围(HDR)技术综述", 《信息技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9489726B2 (en) | Method for processing a video sequence, corresponding device, computer program and non-transitory computer-readable-medium | |
CN110378859B (zh) | 一种新的高动态范围图像生成方法 | |
CN108492262B (zh) | 一种基于梯度结构相似性的无鬼影高动态范围成像方法 | |
CN105578021B (zh) | 双目相机的成像方法及其装置 | |
CN108154514B (zh) | 图像处理方法、装置及设备 | |
CN108055452A (zh) | 图像处理方法、装置及设备 | |
CN107292830B (zh) | 低照度图像增强及评价方法 | |
JP2010011223A (ja) | 信号処理装置、信号処理方法、プログラム及び記録媒体 | |
CN111986129A (zh) | 基于多摄图像融合的hdr图像生成方法、设备及存储介质 | |
WO2022000397A1 (zh) | 低照度图像增强方法、装置及计算机设备 | |
TW201212644A (en) | Image processing apparatus, image taking apparatus, image processing method and image processing program | |
CN106506983A (zh) | 一种适用于ldr视频的hdr视频生成方法 | |
CN108416754A (zh) | 一种自动去除鬼影的多曝光图像融合方法 | |
CN108156369B (zh) | 图像处理方法和装置 | |
WO2010118658A1 (zh) | 一种视频处理方法及装置 | |
JP2013258444A (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN108024054A (zh) | 图像处理方法、装置及设备 | |
JP2015082768A (ja) | 画像処理装置及び画像処理方法、プログラム、記憶媒体 | |
CN108632512A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN105704398A (zh) | 一种视频处理方法 | |
JP2015144475A (ja) | 撮像装置、撮像装置の制御方法、プログラム及び記憶媒体 | |
Ye et al. | LFIENet: light field image enhancement network by fusing exposures of LF-DSLR image pairs | |
JP2012109849A (ja) | 撮像装置 | |
Khan et al. | Multiview ghost-free image enhancement for in-the-wild images with unknown exposure and geometry | |
CN106570849A (zh) | 一种图像优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170419 |