CN109712097A - 图像处理方法、装置、存储介质及电子设备 - Google Patents
图像处理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN109712097A CN109712097A CN201910013981.6A CN201910013981A CN109712097A CN 109712097 A CN109712097 A CN 109712097A CN 201910013981 A CN201910013981 A CN 201910013981A CN 109712097 A CN109712097 A CN 109712097A
- Authority
- CN
- China
- Prior art keywords
- image
- brightness
- processing
- value
- registration
- 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
Landscapes
- Image Processing (AREA)
Abstract
本申请实施例公开了图像处理方法、装置、存储介质及电子设备。其中方法包括:获取待处理图像,对所述待处理图像进行图像分解,得到第二分解图像和携带图像亮度信息的第一分解图像,对所述第一分解图像进行亮度调节,生成第一调节图像,将所述第一调节图像和所述第二分解图像进行图像融合,生成第一处理图像。本申请实施例通过采用上述技术方案,从处理图像中分解出携带图像亮度信息的第一分解图像,针对性地对第一分解图像进行亮度调节,在不影响图像的其他特征参数的情况下,提高图像亮度,减少了数据处理量,提高了图像处理效率和图像处理效果。
Description
技术领域
本申请实施例涉及电子设备技术领域,尤其涉及一种图像处理方法、装置、存储介质及电子设备。
背景技术
随着手机和平板电脑等电子设备的不断发展,越来越多的电子设备的拍照功能被用户广泛使用,并且用户对电子设备的拍照性能的要求也越来越高。
为了提高图像质量,在电子设备拍摄图像之后往往对图像进行诸如图像增强或者提亮等方式的处理,一般采用直方图均衡化、小波变化图像增强算法等图像处理算法,但是,上述图像处理方式中各图像算法一般是针对整幅图像进行的,针对性差,计算量大,图像处理效果差。
发明内容
本申请实施例提供图像处理方法、装置、存储介质及电子设备,提高图像处理质量。
第一方面,本申请实施例提供了一种图像处理方法,包括:
获取待处理图像,对所述待处理图像进行图像分解,得到第二分解图像和携带图像亮度信息的第一分解图像;
对所述第一分解图像进行亮度调节,生成第一调节图像;
将所述第一调节图像和所述第二分解图像进行图像融合,生成第一处理图像。
第二方面,本申请实施例提供了一种图像处理装置,包括:
图像分解模块,用于获取待处理图像,对所述待处理图像进行图像分解,得到第二分解图像和携带图像亮度信息的第一分解图像;
亮度调节模块,用于对所述第一分解图像进行亮度调节,生成第一调节图像;
图像融合模块,用于将所述第一调节图像和所述第二分解图像进行图像融合.生成第一处理图像。
第三方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例所述的图像处理方法。
第四方面,本申请实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例所述的图像处理方法。
本申请实施例中提供的图像处理方法,通过获取待处理图像,对所述待处理图像进行图像分解,得到第二分解图像和携带图像亮度信息的第一分解图像,对所述第一分解图像进行亮度调节,生成第一调节图像,将所述第一调节图像和所述第二分解图像进行图像融合,生成第一处理图像。通过采用上述方案,通过从处理图像中分解出携带图像亮度信息的第一分解图像,针对性地对第一分解图像进行亮度调节,在不影响图像的其他特征参数的情况下,提高图像亮度,减少了数据处理量,提高了图像处理效率和图像处理效果。
附图说明
图1为本申请实施例提供的一种图像处理方法的流程示意图;
图2为本申请实施例提供的另一种图像处理方法的流程示意图;
图3为本申请实施例提供的另一种图像处理方法的流程示意图;
图4为本申请实施例提供的另一种图像处理方法的流程示意图;
图5为本申请实施例提供的另一种图像处理方法的流程示意图;
图6为本申请实施例提供的一种图像处理装置的结构示意图;
图7为本申请实施例提供的一种电子设备的结构示意图;
图8为本申请实施例提供的另一种电子设备的结构示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本申请的技术方案。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1为本申请实施例提供的一种图像处理方法的流程示意图,该方法可以由图像处理装置执行,其中该装置可由软件和/或硬件实现,一般可集成在电子设备中。如图1所示,该方法包括:
步骤101、获取待处理图像,对所述待处理图像进行图像分解,得到第二分解图像和携带图像亮度信息的第一分解图像。
步骤102、对所述第一分解图像进行亮度调节,生成第一调节图像。
步骤103、将所述第一调节图像和所述第二分解图像进行图像融合,生成第一处理图像。
示例性的,本申请实施例中的电子设备可包括手机、平板电脑和摄像机等智能设备。
其中,待处理图像可以是通过电子设备的图像采集模块(例如摄像头)实时采集的,还可以是存储在电子设备中的本地图像。图像分解用于将待处理图像分解为包括不同图像特征参数的两个或多个图像,不同的图像分解方式得到的分解图像不同,可根据分解图像的需求确定图像分解方式,分解图像的需求可以是包括待处理特征参数和待保护特征参数,本实施例中将待处理图像分解为分别携带两个特征参数的两个分解图像,可以是分别对两个分解图像进行处理,保证在上述两个特征参数处理过程相互独立,不相互干扰;还可以是仅对其中一个分解图像进行处理,保持另一分解图像的特征参数,保证在图像处理过程中不对另一分解图像的特征参数产生影响,以提高图像处理质量。
本实施例中,图像分解的目的在于从待处理图像中分解出包含亮度信息的分解图像,此处不限定图像分解方式,以及第二分解图像的数量和类型。示例性的,本实施例中的图像分解方式可以是但不限于本质分解或形态学成分分析(morphological componentanalysis,MCA)等。示例性的,可以是基于具有图像分解功能的神经网络模型对图像进行图像分解,将获取的待处理图像传输至预先训练的神经网络模型中,得到第一分解图像和第二分解图像。其中,该神经网络模型可以是轻量级神经网络模型,可配置在手机、摄像机等电子设备中,同时确保较高的图像分解精度。
通过图像分解,得到携带图像亮度信息的第一分解图像,对第一分解图像进行亮度调节,针对性强,计算量小,在对待处理图像进行亮度调节的同时,保持第二分解图像,避免第二分解图像中特征参数在亮度调节过程被影响。将亮度调节得到的第一调节图像和第二分解图像进行图像融合,得到第一处理图像,其中,图像融合方式根据图像分解方式确定,图像融合方式为图像分解方式的反向过程。
在本实施例中,对第一分解图像进行亮度调节可以是根据待处理图像的场景确定亮度调节方式,示例性的,可以是在获取处理图像时,对待处理图像进行场景识别,根据场景识别结果确定亮度调节方式,其中,图像场景可以包括但不限于风景场景、人像场景、夕阳场景、夜景场景、逆光场景和美食场景等。电子设备中可以是存储有各个图像场景的标准亮度分布,根据场景识别结果调用对应的标准亮度分布,根据标准亮度分布调节第一分解图像中亮度分布,以实现对待处理图像的亮度调节。可选的,还可以是在待处理图像中存在人脸时,将人脸区域进行分割,分别对人脸区域和背景区域进行不同的亮度调节,以提高亮度调节的针对性,以及人脸区域的处理效果。
本申请实施例中提供的图像处理方法,获取待处理图像,对所述待处理图像进行图像分解,得到第二分解图像和携带图像亮度信息的第一分解图像,对所述第一分解图像进行亮度调节,生成第一调节图像,将所述第一调节图像和所述第二分解图像进行图像融合,生成第一处理图像。通过采用上述方案,通过从处理图像中分解出携带图像亮度信息的第一分解图像,针对性地对第一分解图像进行亮度调节,在不影响图像的其他特征参数的情况下,提高图像亮度,减少了数据处理量,提高了图像处理效率和图像处理效果。
图2为本申请实施例提供的另一种图像处理方法的流程示意图,参见图2,本实施例的方法包括如下步骤:
步骤201、获取待处理图像,对所述待处理图像进行本质分解,得到反射分量图像和携带图像亮度信息的阴影分量图像。
步骤202、获取所述阴影分量图像的亮度分布。
步骤203、根据增益规则确定各亮度值的增益值,其中,所述增益规则根据所述阴影分量图像的亮度分布确定。
步骤204、根据所述增益值对各亮度值进行处理,生成第一调节图像。
步骤205、将所述第一调节图像和所述反射分量图像进行图像融合,生成第一处理图像。
在本实施例中,通过本质分解的方式将待处理图像分解为阴影分量图像和反射分量图像,其中,阴影分量图像包括图像场景的光照情况、几何结构导致的明暗效应、阴影和遮挡等信息,阴影分量图像为灰度图像,各像素点的灰度值表征各像素点的亮度值;反射分量图像展示了图像中物体材质反射率在各个频段的相应,其为彩色图像。
遍历阴影分量图像各个像素点的亮度值,生成阴影分量图像的亮度分布,该亮度分布可以是包括各亮度值的像素点数量或各亮度值的像素点数量占总像素点数量的比例,可以以直方图的形式展示。根据阴影分量图像的亮度分布确定增益规则,其中,增益规则可以是以增益曲线的形式展示,包括亮度值与增益的对应关系。示例性的,将亮度值进行分段,根据各分段亮度的像素点比例确定增益规则。例如将亮度值进行分段可以是根据亮度均值对待处理图像的亮度值进行分段,具体的,根据阴影分量图像的亮度分布确定亮度均值,将大于该亮度均值的亮度值划分为一个亮度范围,将小于该亮度均值的亮度值划分为一个亮度范围;还可以是根据预设分段方式将亮度值划分为多个亮度范围,例如0-50、51-100、101-150、151-200和201-255,统计各亮度范围的像素值数量或像素值数量比例,根据各亮度范围的像素值数量或像素值数量比例确定增益规则。其中,增益规则中亮度值与增益的对应关系可以是每一个亮度值与增益的一一对应关系,还可以是亮度范围与增益的对应关系。示例性的,增益规则可以是但不限于S型曲线。可选的,增益规则还可以是根据图像场景确定。根据待处理图像的场景标准亮度分布和所述阴影分量图像的亮度分布,确定增益规则(增益曲线)。
本实施例中,通过各像素点的亮度值和增益规则,确定各像素点的增益,对阴影分量图像进行亮度调节,生成第一调节图像。可选的,还可以是确定各像素点亮度值所属的亮度范围,根据该亮度范围和和增益规则,确定各像素点的增益,对阴影分量图像进行亮度调节,生成第一调节图像。
可选的,所述方法还包括:确定处理后的各亮度值是否大于亮度范围最大值;若是,则将大于亮度范围最大值的亮度值调节为所述亮度范围最大值。在本实施例中,由于像素点的亮度值范围为0-255,当增益后的亮度值大于255时,表明调节后的亮度值不符合亮度范围,将该亮度值调节为亮度范围最大值,即255,避免调节后的阴影分量图像中存在亮度值超范围的问题,提高了待处理图像的亮度调节效果。其中,可以是在根据所述增益值对各亮度值进行处理之后,对处理后得到的亮度值进行判断,还可以是在确定各亮度值的增益值之后,亮度处理之前,基于增益值和原始亮度值进行判断,若确定处理后的亮度值大于亮度范围最大值,则直接将处理后的亮度值确定为亮度范围最大值,无需进行亮度值的二次调节,提高图像处理效率。
本申请实施例中提供的图像处理方法,通过对待处理图像进行本质分解,得到纯净的亮度值组成的阴影分量图像,确定用于阴影分量图像的进行亮度调节的增益规则,确定各像素点的亮度增益,对个像素点进行亮度调节,避免影响待处理图像的其他特征参数,亮度调节的针对性强,效率快,提高图像处理质量和效率。
图3为本申请实施例提供的另一种图像处理方法的流程示意图,本实施例是上述实施例的一个可选方案,相应的,如图3所示,本实施例的方法包括如下步骤:
步骤301、获取待处理图像,对所述待处理图像进行本质分解,得到反射分量图像和携带图像亮度信息的阴影分量图像。
步骤302、获取所述阴影分量图像的亮度分布。
步骤303、根据增益规则确定各亮度值的增益值,其中,所述增益规则根据所述阴影分量图像的亮度分布确定。
步骤304、根据所述增益值对各亮度值进行处理,生成第一调节图像。
步骤305、对所述反射分量图像进行饱和度增强处理,生成第二调节图像。
步骤306、将所述第一调节图像和所述第二调节图像进行图像融合,生成第一处理图像。
在本实施例中,在对阴影分量图像进行亮度调节的基础上,对反射分量图像进行色彩饱和度调节,以反射分量图像的色彩饱和度,进一步地,将亮度调节后的阴影分量图像和色彩饱和度调节后的反射分量图像进行图像融合,以实现对待处理图像的亮度和色彩饱和度的调节。同时,由于阴影分量图像和反射分量图像相互独立,且亮度调节过程和色彩饱和度的调节过程相互独立,互不干涉,提高了亮度和色彩饱和度调节的针对性。
在一些实施例中,对所述第二分解图像进行饱和度增强处理,生成第二调节图像,包括:获取所述第二分解图像中任一像素点的三通道的颜色信息;对任一像素点,根据所述三通道的颜色信息中的最大值和最大标准值确定所述像素点的三通道的颜色调节数值;根据所述颜色调节数值调节所述像素点的三通道的颜色信息。
其中,反射分量图像(第二分解图像)为彩色图像,反射分量图像的每一个像素点均具备有R、G、B三通道的颜色信息(像素值),且R、G、B三通道的颜色信息可以是互不相同,且各颜色信息范围为0-255,相应的,最大标准值为255。示例性的,反射分量图像中的一个像素点的R、G、B三通道的颜色信息分别为200、150和210,其中,三通道的颜色信息中最大值为B通道的颜色信息210,根据B通道的颜色信息和最大标准值可确定颜色调节数值,例如,颜色调节数值可以是最大标准值与三通道的颜色信息中最大值的差值,即45,基于颜色调节数值分别对三通道的颜色信息进行调节,即分别在三通道的颜色信息的基础上增加颜色调节数值,示例性的,对R、G、B三通道的颜色信息分别增加颜色调节数值可得到调节后的三通道颜色信息245、195和255。对反射分量图像中的各个像素点执行上述方式,以得到调节后的反射分量图像。本实施例中,基于三通道中颜色信息的最大值和最大标准值确定颜色调节数值,根据颜色调节数值分别对三通道中颜色信息进行色彩调节,在色彩饱和度调节过程中,避免色彩失真的问题。
需要说明的是,本实施例中,步骤302-步骤304和步骤305可以是顺序执行,可以是同步执行,还可以是先执行步骤305,再执行302-步骤304,对此不做限定。
本申请实施例中提供的图像处理方法,通过本质分解得到待处理图像的阴影分量图像和反射分量图像,对阴影分量图像进行亮度调节,对反射分量图像进行色彩饱和度调节,提高亮度调节和色彩饱和度调节的针对性和效率,且处理过程互不影响,提高图像处理质量和处理效果。
图4为本申请实施例提供的另一种图像处理方法的流程示意图,本实施例是上述实施例的一个可选方案,相应的,如图4所示,本实施例的方法包括如下步骤:
步骤401、获取待处理图像,对所述待处理图像进行形态学成分分析,得到结构图像和携带图像亮度信息的纹理图像。
步骤402、对所述纹理图像进行亮度调节,生成第一调节图像。
步骤403、对所述结构图像进行图像锐化处理,生成第三调节图像。
步骤404、将所述第一调节图像和所述第三调节图像进行图像融合,生成第一处理图像。
本实施例中,通过形态学成分分析可将待处理图像分解为纹理图像和结构图像,其中,纹理信息中携带有待处理图像的亮度信息,结构图像中包括待处理图像中有意义的结构。其中,对纹理图像进行亮度调节可以是便利纹理图像的亮度值,生成纹理图像的亮度分布,基于标准的亮度分布,确定各像素点的亮度增益,根据亮度增益对纹理图像的各像素点进行亮度调节,以提高纹理图像的亮度。
在本实施例中,对结构图像进行图像锐化处理可以是分别获取结构图像中以各个像素点为中心像素点的预设区域;根据预设区域分别获取各个像素点多个方向上的强度信息,将多个方向上的强度信息中绝对值最大的数据所对应的原数据为正值的像素点作为白边,并将绝对值最大的数据所对应的原数据作为所述白边的锐化强度;将多个方向上的强度信息中绝对值最大的数据所对应的原数据为负值的像素点作为黑边,并将绝对值最大的数据所对应的原数据作为所述黑边的锐化强度,根据黑边和白边各自对应的锐化强度,分别对黑边及白边进行锐化处理。其中,多个方向包括水平方向、竖直方向、45°方向以及135°方向,相应的,根据所述预设区域分别获取各个像素点多个方向上的强度信息包括:在预设区域内以中心像素点为基准,分别获取在水平方向上、竖直方向上、45°方向上以及135°方向上对称相邻的多个像素点,并分别将所述中心像素点与各个方向上对称相邻多个像素点的差值之和,作为相应方向上强度信息。所述根据黑边和白边各自对应的锐化强度,分别对黑边及白边进行锐化处理包括:获取所述黑边的锐化程度参数及所述白边的锐化程度参数;将所述黑边的锐化程度参数与所述黑边对应的锐化强度相乘,并分别加入到所述黑边的各个原像素点,作为锐化后的黑边;将所述白边的锐化程度参数与所述白边对应的锐化强度相乘,并分别加入到所述白边的各个原像素点,作为锐化后的白边。白边的锐化程度参数与所述黑边的锐化程度参数均大于零,示例性的,黑边的锐化程度参数为0.5,白边的锐化程度参数为0.3。
本实施例中,通过将亮度调节的纹理图像和锐化处理的结构图像进行图像融合之后,得到的第一处理图像在互不影响的基础上,不仅提高图像亮度,还增强了图像清晰度,提高图像质量。
本申请实施例中提供的图像处理方法,通过形态学成分分析的方式对待处理图像
图5为本申请实施例提供的另一种图像处理的流程示意图,本实施例是上述实施例的一个可选方案,相应的,如图5所示,本实施例的方法包括如下步骤:
步骤501、获取待处理图像,对所述待处理图像进行本质分解,得到反射分量图像和携带图像亮度信息的阴影分量图像。
步骤502、对所述阴影分量图像进行亮度调节,生成第一调节图像。
步骤503、对所述反射分量图像进行饱和度增强处理,生成第二调节图像。
步骤504、将所述第一调节图像和所述第二调节图像进行图像融合,生成第一处理图像。
步骤505、对所述第一处理图像进行形态学成分分析,得到所述第一处理图像的纹理图像和结构图像。
步骤506、对所述结构图像进行图像锐化处理,生成第三调节图像。
步骤507、将所述纹理图像和所述第三调节图像进行图像融合,生成第二处理图像。
在本实施中,通过对本质分解得到的阴影分量图像和反射分量图像,分别进行亮度调节和色彩饱和度调节,并将调节后的阴影分量图像和反射分量图像融合得到的第一处理图像,提高待处理图像亮度和色彩饱和度,对该第一处理图像进行二次分解,得到第一处理图像的纹理图像和结构图像,对结构进行锐化处理,补偿待处理图像的轮廓,增强待处理图像的边缘及灰度跳变,提高待处理图像的清晰度。本实施例中,通过对待处理图像进行两次图像分解,分别对待处理图像的亮度值、色彩值和图像结构进行针对性处理,避免任一处理过程对其他特征参数的影响,针对性强、处理效率高。
需要说明的是,在其他实施例中,还可以是先对待处理图像进行形态学成分分析,得到待处理图像的纹理图像和结构图像,对纹理图像进行亮度调节,对结构图像进行锐化处理,对处理后的纹理图像和结构图像进行图像融合,生成第一处理图像,对第一处理图像进行本质分解,得到第一处理图像的阴影分量图像和反射分量图像,对反射分量图像进行色彩饱和度调节,将调节后的反射分量图像与阴影分量图像进行图像融合,生成第二处理图像。
图6为本申请实施例提供的一种图像处理装置的结构框图,该装置可由软件和/或硬件实现,一般集成在电子设备中,可通过执行电子设备的图像处理方法来对图像进行处理。如图6所示,该装置包括:图像分解模块601、亮度调节模块602和图像融合模块603。
图像分解模块601,用于获取待处理图像,对所述待处理图像进行图像分解,得到第二分解图像和携带图像亮度信息的第一分解图像;
亮度调节模块602,用于对所述第一分解图像进行亮度调节,生成第一调节图像;
图像融合模块603,用于将所述第一调节图像和所述第二分解图像进行图像融合,生成第一处理图像。
本申请实施例中提供的图像处理装置,通过从处理图像中分解出携带图像亮度信息的第一分解图像,针对性地对第一分解图像进行亮度调节,在不影响图像的其他特征参数的情况下,提高图像亮度,减少了数据处理量,提高了图像处理效率和图像处理效果。
在上述实施例的基础上,所述图像分解为本质分解,相应的,所述第一分解图像为阴影分量图像,所述第二分解图像为反射分量图像。
在上述实施例的基础上,亮度调节模块602包括:
亮度分布确定单元,阴影获取所述阴影分量图像的亮度分布;
增益确定单元,用于根据增益规则确定各亮度值的增益值,其中,所述增益规则根据所述阴影分量图像的亮度分布确定;
亮度处理单元,用于根据所述增益值对各亮度值进行处理。
在上述实施例的基础上,亮度调节模块602还包括:
亮度判断单元,用于确定处理后的各亮度值是否大于亮度范围最大值;
亮度值调节单元,用于若处理后的各亮度值大于亮度范围最大值,则将大于亮度范围最大值的亮度值确定为所述亮度范围最大值。
在上述实施例的基础上,还包括:
饱和度处理模块,用于在将所述第一调节图像和所述第二分解图像进行图像融合之前,对所述反射分量图像进行饱和度增强处理,生成第二调节图像;
相应的,图像融合模块603用于:
将所述第一调节图像和所述第二调节图像进行图像融合。
在上述实施例的基础上,饱和度处理模块用于:
获取所述第二分解图像中任一像素点的三通道的颜色信息;
对所述任一像素点,根据所述三通道的颜色信息中的最大值和最大标准值确定所述像素点的三通道的颜色调节数值;
根据所述颜色调节数值调节所述像素点的三通道的颜色信息。
在上述实施例的基础上,所述图像分解为形态学成分分析,相应的,所述第一分解图像为纹理图像,所述第二分解图像为结构图像。
在上述实施例的基础上,还包括:
锐化处理模块,用于在将所述第一调节图像和所述第二分解图像进行图像融合之前,对所述结构图像进行图像锐化处理,生成第三调节图像;
相应的,图像融合模块603用于:
将所述第一调节图像和所述第三调节图像进行图像融合。
本申请实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行图像处理方法,该方法包括:
获取待处理图像,对所述待处理图像进行图像分解,得到第二分解图像和携带图像亮度信息的第一分解图像;
对所述第一分解图像进行亮度调节,生成第一调节图像;
将所述第一调节图像和所述第二分解图像进行图像融合,生成第一处理图像。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机***存储器或随机存取存储器,诸如DRAM、DDRRAM、SRAM、EDORAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机***中,或者可以位于不同的第二计算机***中,第二计算机***通过网络(诸如因特网)连接到第一计算机***。第二计算机***可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机***中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的图像处理操作,还可以执行本申请任意实施例所提供的图像处理方法中的相关操作。
本申请实施例提供了一种电子设备,该电子设备中可集成本申请实施例提供的图像处理装置。图7为本申请实施例提供的一种电子设备的结构示意图。电子设备700可以包括:存储器701,处理器702及存储在存储器701上并可在处理器702运行的计算机程序,所述处理器702执行所述计算机程序时实现如本申请实施例所述的图像处理方法。
本申请实施例提供的电子设备,从处理图像中分解出携带图像亮度信息的第一分解图像,针对性地对第一分解图像进行亮度调节,在不影响图像的其他特征参数的情况下,提高图像亮度,减少了数据处理量,提高了图像处理效率和图像处理效果。
图8为本申请实施例提供的另一种电子设备的结构示意图。该电子设备可以包括:壳体(图中未示出)、存储器801、中央处理器(central processing unit,CPU)802(又称处理器,以下简称CPU)、电路板(图中未示出)和电源电路(图中未示出)。所述电路板安置在所述壳体围成的空间内部;所述CPU802和所述存储器801设置在所述电路板上;所述电源电路,用于为所述电子设备的各个电路或器件供电;所述存储器801,用于存储可执行程序代码;所述CPU802通过读取所述存储器801中存储的可执行程序代码来运行与所述可执行程序代码对应的计算机程序,以实现以下步骤:
获取待处理图像,对所述待处理图像进行图像分解,得到第二分解图像和携带图像亮度信息的第一分解图像;
对所述第一分解图像进行亮度调节,生成第一调节图像;
将所述第一调节图像和所述第二分解图像进行图像融合,生成第一处理图像。
所述电子设备还包括:外设接口803、RF(Radio Frequency,射频)电路805、音频电路806、扬声器811、电源管理芯片808、输入/输出(I/O)子***809、其他输入/控制设备810、触摸屏812、其他输入/控制设备810以及外部端口804,这些部件通过一个或多个通信总线或信号线807来通信。
应该理解的是,图示电子设备800仅仅是电子设备的一个范例,并且电子设备800可以具有比图中所示出的更多的或者更少的部件,可以组合两个或更多的部件,或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
下面就本实施例提供的用于对图像处理操作的电子设备进行详细的描述,该电子设备以手机为例。
存储器801,所述存储器801可以被CPU802、外设接口803等访问,所述存储器801可以包括高速随机存取存储器,还可以包括非易失性存储器,例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
外设接口803,所述外设接口803可以将设备的输入和输出外设连接到CPU802和存储器801。
I/O子***809,所述I/O子***809可以将设备上的输入输出外设,例如触摸屏812和其他输入/控制设备810,连接到外设接口803。I/O子***809可以包括显示控制器8091和用于控制其他输入/控制设备810的一个或多个输入控制器8092。其中,一个或多个输入控制器8092从其他输入/控制设备810接收电信号或者向其他输入/控制设备810发送电信号,其他输入/控制设备810可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是,输入控制器8092可以与以下任一个连接:键盘、红外端口、USB接口以及诸如鼠标的指示设备。
触摸屏812,所述触摸屏812是用户电子设备与用户之间的输入接口和输出接口,将可视输出显示给用户,可视输出可以包括图形、文本、图标、视频等。
I/O子***809中的显示控制器8091从触摸屏812接收电信号或者向触摸屏812发送电信号。触摸屏812检测触摸屏上的接触,显示控制器8091将检测到的接触转换为与显示在触摸屏812上的用户界面对象的交互,即实现人机交互,显示在触摸屏812上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是,设备还可以包括光鼠,光鼠是不显示可视输出的触摸敏感表面,或者是由触摸屏形成的触摸敏感表面的延伸。
RF电路805,主要用于建立手机与无线网络(即网络侧)的通信,实现手机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地,RF电路805接收并发送RF信号,RF信号也称为电磁信号,RF电路805将电信号转换为电磁信号或将电磁信号转换为电信号,并且通过该电磁信号与通信网络以及其他设备进行通信。RF电路805可以包括用于执行这些功能的已知电路,其包括但不限于天线***、RF收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC(COder-DECoder,编译码器)芯片组、用户标识模块(Subscriber Identity Module,SIM)等等。
音频电路806,主要用于从外设接口803接收音频数据,将该音频数据转换为电信号,并且将该电信号发送给扬声器811。
扬声器811,用于将手机通过RF电路805从无线网络接收的语音信号,还原为声音并向用户播放该声音。
电源管理芯片808,用于为CPU802、I/O子***及外设接口所连接的硬件进行供电及电源管理。
上述实施例中提供的图像处理装置、存储介质及电子设备可执行本申请任意实施例所提供的图像处理方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的图像处理方法。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (11)
1.一种图像处理方法,其特征在于,包括:
获取待处理图像,对所述待处理图像进行图像分解,得到第二分解图像和携带图像亮度信息的第一分解图像;
对所述第一分解图像进行亮度调节,生成第一调节图像;
将所述第一调节图像和所述第二分解图像进行图像融合,生成第一处理图像。
2.根据权利要求1所述的方法,其特征在于,所述图像分解为本质分解,相应的,所述第一分解图像为阴影分量图像,所述第二分解图像为反射分量图像。
3.根据权利要求2所述的方法,其特征在于,对所述第一分解图像进行亮度调节,生成第一调节图像,包括:
获取所述阴影分量图像的亮度分布;
根据增益规则确定各亮度值的增益值,其中,所述增益规则根据所述阴影分量图像的亮度分布确定;
根据所述增益值对各亮度值进行处理。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
确定处理后的各亮度值是否大于亮度范围最大值;
若是,则将大于亮度范围最大值的亮度值调节为所述亮度范围最大值。
5.根据权利要求2所述的方法,其特征在于,在将所述第一调节图像和所述第二分解图像进行图像融合之前,还包括:
对所述反射分量图像进行饱和度增强处理,生成第二调节图像;
相应的,将所述第一调节图像和所述第二分解图像进行图像融合,替换为:
将所述第一调节图像和所述第二调节图像进行图像融合。
6.根据权利要求5所述的方法,其特征在于,对所述第二分解图像进行饱和度增强处理,生成第二调节图像,包括:
获取所述反射分量图像中任一像素点的三通道的颜色信息;
对所述任一像素点,根据所述三通道的颜色信息中的最大值和最大标准值确定所述像素点的三通道的颜色调节数值;
根据所述颜色调节数值调节所述像素点的三通道的颜色信息。
7.根据权利要求1所述的方法,其特征在于,所述图像分解为形态学成分分析,相应的,所述第一分解图像为纹理图像,所述第二分解图像为结构图像。
8.根据权利要求7所述的方法,其特征在于,在将所述第一调节图像和所述第二分解图像进行图像融合之前,还包括:
对所述结构图像进行图像锐化处理,生成第三调节图像;
相应的,将所述第一调节图像和所述第二分解图像进行图像融合,替换为:
将所述第一调节图像和所述第三调节图像进行图像融合。
9.一种图像处理装置,其特征在于,包括:
图像分解模块,用于获取待处理图像,对所述待处理图像进行图像分解,得到第二分解图像和携带图像亮度信息的第一分解图像;
亮度调节模块,用于对所述第一分解图像进行亮度调节,生成第一调节图像;
图像融合模块,用于将所述第一调节图像和所述第二分解图像进行图像融合,生成第一处理图像。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一所述的图像处理方法。
11.一种电子设备,其特征在于,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-8任一所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910013981.6A CN109712097B (zh) | 2019-01-04 | 2019-01-04 | 图像处理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910013981.6A CN109712097B (zh) | 2019-01-04 | 2019-01-04 | 图像处理方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109712097A true CN109712097A (zh) | 2019-05-03 |
CN109712097B CN109712097B (zh) | 2021-04-30 |
Family
ID=66260863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910013981.6A Active CN109712097B (zh) | 2019-01-04 | 2019-01-04 | 图像处理方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109712097B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110211066A (zh) * | 2019-05-27 | 2019-09-06 | 维沃移动通信有限公司 | 一种图像处理方法及终端 |
CN112308803A (zh) * | 2020-11-25 | 2021-02-02 | 哈尔滨工业大学 | 一种基于深度学习的自监督低照度图像增强及去噪方法 |
CN113592739A (zh) * | 2021-07-30 | 2021-11-02 | 浙江大华技术股份有限公司 | 一种镜头阴影校正的方法、装置及存储介质 |
CN113781370A (zh) * | 2021-08-19 | 2021-12-10 | 北京旷视科技有限公司 | 图像的增强方法、装置和电子设备 |
WO2024027583A1 (zh) * | 2022-08-03 | 2024-02-08 | 维沃移动通信有限公司 | 图像处理方法、装置、电子设备和可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639537A (zh) * | 2009-09-04 | 2010-02-03 | 西安电子科技大学 | 基于方向波域混合高斯模型的sar图像噪声抑制方法 |
US20100040302A1 (en) * | 2008-08-15 | 2010-02-18 | Sharp Laboratories Of America, Inc. | Image sharpening technique |
CN103218778A (zh) * | 2013-03-22 | 2013-07-24 | 华为技术有限公司 | 一种图像和视频的处理方法及装置 |
CN103236040A (zh) * | 2013-04-19 | 2013-08-07 | 华为技术有限公司 | 一种色彩增强方法及装置 |
CN104580925A (zh) * | 2014-12-31 | 2015-04-29 | 安科智慧城市技术(中国)有限公司 | 一种控制图像亮度的方法、装置及摄像机 |
CN105096278A (zh) * | 2015-09-22 | 2015-11-25 | 南阳理工学院 | 基于光照调整的图像增强方法和设备 |
CN106056640A (zh) * | 2016-06-03 | 2016-10-26 | 西北大学 | 基于形态成分分解结合压缩感知的图像压缩方法 |
CN107492070A (zh) * | 2017-07-10 | 2017-12-19 | 华北电力大学 | 一种双通道卷积神经网络的单图像超分辨率计算方法 |
CN107730475A (zh) * | 2017-11-13 | 2018-02-23 | 苏州科达科技股份有限公司 | 图像增强方法及*** |
CN108198147A (zh) * | 2018-01-02 | 2018-06-22 | 昆明理工大学 | 一种基于判别字典学习的多源图像融合去噪的方法 |
CN108900819A (zh) * | 2018-08-20 | 2018-11-27 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
-
2019
- 2019-01-04 CN CN201910013981.6A patent/CN109712097B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100040302A1 (en) * | 2008-08-15 | 2010-02-18 | Sharp Laboratories Of America, Inc. | Image sharpening technique |
CN101639537A (zh) * | 2009-09-04 | 2010-02-03 | 西安电子科技大学 | 基于方向波域混合高斯模型的sar图像噪声抑制方法 |
CN103218778A (zh) * | 2013-03-22 | 2013-07-24 | 华为技术有限公司 | 一种图像和视频的处理方法及装置 |
CN103236040A (zh) * | 2013-04-19 | 2013-08-07 | 华为技术有限公司 | 一种色彩增强方法及装置 |
CN104580925A (zh) * | 2014-12-31 | 2015-04-29 | 安科智慧城市技术(中国)有限公司 | 一种控制图像亮度的方法、装置及摄像机 |
CN105096278A (zh) * | 2015-09-22 | 2015-11-25 | 南阳理工学院 | 基于光照调整的图像增强方法和设备 |
CN106056640A (zh) * | 2016-06-03 | 2016-10-26 | 西北大学 | 基于形态成分分解结合压缩感知的图像压缩方法 |
CN107492070A (zh) * | 2017-07-10 | 2017-12-19 | 华北电力大学 | 一种双通道卷积神经网络的单图像超分辨率计算方法 |
CN107730475A (zh) * | 2017-11-13 | 2018-02-23 | 苏州科达科技股份有限公司 | 图像增强方法及*** |
CN108198147A (zh) * | 2018-01-02 | 2018-06-22 | 昆明理工大学 | 一种基于判别字典学习的多源图像融合去噪的方法 |
CN108900819A (zh) * | 2018-08-20 | 2018-11-27 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
Non-Patent Citations (3)
Title |
---|
JIANNING CHI ETC: "Enhancement of Textural Differences Based on Morphological Component Analysis", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
YIFENG CHENG 等: "Image Denoising Algorithm Based on Structure and Texture Part", 《2016 12TH INTERNATIONAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND SECURITY (CIS)》 * |
段连飞 等: "《无人机载SAR图像信息提取技术》", 30 April 2016 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110211066A (zh) * | 2019-05-27 | 2019-09-06 | 维沃移动通信有限公司 | 一种图像处理方法及终端 |
CN112308803A (zh) * | 2020-11-25 | 2021-02-02 | 哈尔滨工业大学 | 一种基于深度学习的自监督低照度图像增强及去噪方法 |
CN113592739A (zh) * | 2021-07-30 | 2021-11-02 | 浙江大华技术股份有限公司 | 一种镜头阴影校正的方法、装置及存储介质 |
CN113781370A (zh) * | 2021-08-19 | 2021-12-10 | 北京旷视科技有限公司 | 图像的增强方法、装置和电子设备 |
WO2024027583A1 (zh) * | 2022-08-03 | 2024-02-08 | 维沃移动通信有限公司 | 图像处理方法、装置、电子设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109712097B (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109712097A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN109639982B (zh) | 一种图像降噪方法、装置、存储介质及终端 | |
CN109741280A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN109191410B (zh) | 一种人脸图像融合方法、装置及存储介质 | |
CN109547701B (zh) | 图像拍摄方法、装置、存储介质及电子设备 | |
CN110060213B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN112449192B (zh) | 解码方法、编码方法及装置 | |
CN109741288A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN109741281A (zh) | 图像处理方法、装置、存储介质及终端 | |
CN109784252A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
WO2018171265A1 (zh) | 图像滤波方法及装置 | |
US10810462B2 (en) | Object detection with adaptive channel features | |
CN112669197A (zh) | 图像处理方法、装置、移动终端及存储介质 | |
CN111625213B (zh) | 画面显示方法、装置和存储介质 | |
CN109618098A (zh) | 一种人像面部调整方法、装置、存储介质及终端 | |
CN110619614B (zh) | 图像处理的方法、装置、计算机设备以及存储介质 | |
CN111583103B (zh) | 人脸图像处理方法、装置、电子设备及计算机存储介质 | |
CN113096022A (zh) | 图像虚化处理方法、装置、存储介质与电子设备 | |
KR101750058B1 (ko) | 높은 동적 영역의 영상을 생성하는 장치 및 방법 | |
CN110971822A (zh) | 图片处理方法、装置、终端设备及计算机可读存储介质 | |
CN115330610A (zh) | 图像处理方法、装置、电子设备以及存储介质 | |
CN109672829A (zh) | 图像亮度的调整方法、装置、存储介质及终端 | |
US11995743B2 (en) | Skin tone protection using a dual-core geometric skin tone model built in device-independent space | |
CN116721024A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN108734121A (zh) | 拍照美化方法、装置、存储介质及终端设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |