CN111368587B - 场景检测方法、装置、终端设备及计算机可读存储介质 - Google Patents
场景检测方法、装置、终端设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111368587B CN111368587B CN201811591988.8A CN201811591988A CN111368587B CN 111368587 B CN111368587 B CN 111368587B CN 201811591988 A CN201811591988 A CN 201811591988A CN 111368587 B CN111368587 B CN 111368587B
- Authority
- CN
- China
- Prior art keywords
- component
- scene
- image
- ratio
- preset threshold
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本申请实施例适用于图像处理技术领域,公开了一种场景检测方法、装置、终端设备及计算机可读存储介质,其中,方法包括:获取待检测图像;将待检测图像划分为预设数量个区域;从区域中确定目标区域,目标区域为白色区域和/或黑色区域;基于目标区域以外的区域,提取待检测图像的灰度直方图;根据灰度直方图确定待检测图像的场景。本申请实施例可以提高场景检测的准确性。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及一种场景检测方法、装置、终端设备及计算机可读存储介质。
背景技术
随着图像处理技术的不断发展,图片拍摄质量、拍摄效果也越来越好。
为了使得拍摄质量、拍摄效果更加好,往往需要根据不同的拍摄场景(例如逆光、顺光、非逆光或非顺光)调整拍摄参数。而由于拍摄装置的智能化程度越来越高,现在的拍摄装置可以自动识别出不同的场景,并针对不同的场景追加相对应的功能,以使拍摄效果更佳。例如,用户日常使用手机拍照时,经常会出现逆光或者是顺光的场景,在拍照时追加HDR(High Dynamic Range Imaging,高动态范围成像)功能,以使拍照效果更好。
目前的场景检测方法一般是根据图像画面亮度信息统计,以确定是否逆光或顺光。从而实现对逆光或顺光的检测。但是,当遇到一些特定场景时,例如,出现大范围白色或黑色背景、面对点光源照射时,现有的场景检测方法往往会出现误判断,场景检测准确率较低。
发明内容
有鉴于此,本申请实施例提供一种场景检测方法、装置、终端设备及计算机可读存储介质,以解决现有技术中场景检测准确率较低的问题。
本申请实施例的第一方面提供一种场景检测方法,包括:
获取待检测图像;
将所述待检测图像划分为预设数量个区域;
从所述区域中确定目标区域,所述目标区域为白色区域和/或黑色区域;
基于所述目标区域以外的区域,提取所述待检测图像的灰度直方图;
根据所述灰度直方图确定所述待检测图像的场景。
结合第一方面,在一种可行的实现方式中,所述从所述区域中确定目标区域,包括:
计算每个所述区域的R分量、G分量以及B分量;
根据R分量、G分量以及B分量之间的关系,从所述区域中确定所述目标区域。
结合第一方面,在一种可行的实现方式中,所述根据所述R分量、G分量以及B分量之间的关系,从所述区域中确定所述目标区域,包括:
计算每个所述区域的R分量与G分量间的第一比值、B分量与G分量间的第二比值、R分量与B分量间的第三比值;
计算每个所述区域的R分量、G分量以及B分量三者的相加和;
当符合预设判定条件时,将所述区域判定为白色区域,所述预设判定条件为所述第一比值小于第一预设阈值、所述第一比值大于第五预设阈值且所述第二比值小于所述第一预设阈值、所述第二比值大于所述第五预设阈值且所述第三比值小于所述第一预设阈值、所述第三比值大于所述第五预设阈值且所述相加和大于第二预设阈值小于第三预设阈值;
当所述第一比值、所述第二比值以及所述第三比值均小于所述第一预设阈值,且所述相加和小于第四预设阈值时,将所述区域判定为黑色区域。
结合第一方面,在一种可行的实现方式中,在所述从所述区域中确定所述目标区域之后,还包括:
以预设标识标记所述目标区域。
结合第一方面,在一种可行的实现方式中,所述根据所述灰度直方图确定所述待检测图像的场景,包括:
计算所述灰度直方图的均值;
根据所述均值,计算所述灰度直方图的方差;
判断所述方差是否大于第五预设阈值;
当所述方差大于所述第五预设阈值时,确定所述待检测图像的场景为逆光场景或顺光场景;
当所述方差小于等于所述第五预设阈值时,确定所述待检测图像的场景为非逆光场景或非顺光场景。
结合第一方面,在一种可行的实现方式中,在所述确定所述待检测图像的场景为逆光场景或顺光场景之后,还包括:
计算每个所述区域的平均亮度值;
根据所述平均亮度值,统计所述待检测图像的亮度值分布规律;
当所述亮度值分布规律符合第一预设分布规律时,所述待检测图像的场景为逆光场景;
当所述亮度值分布规律符合第二预设分布规律时,所述待检测图像的场景为顺光场景。
结合第一方面,在一种可行的实现方式中,在所述根据所述灰度直方图确定所述待检测图像的场景之后,还包括:
根据所述待检测图像的场景,执行相对应的图像处理操作。
本申请实施例的第二方面提供一种场景检测装置,包括:
获取模块,用于获取待检测图像;
亮度值计算模块,用于将所述待检测图像划分为预设数量个区域,计算每个所述区域的平均亮度值;
目标区域确定模块,用于从所述区域中确定目标区域,所述目标区域为白色区域和/或黑色区域;
灰度信息计算模块,用于基于所述目标区域以外的区域,提取所述待检测图像的灰度直方图;
场景确定模块,用于根据所述灰度直方图确定所述待检测图像的场景。
结合第二方面,在一种可行的实现方式中,所述目标区域确定模块包括:
分量计算单元,用于计算每个所述区域的R分量、G分量以及B分量;
确定单元,用于根据R分量、G分量以及B分量之间的关系,从所述区域中确定所述目标区域。
结合第一方面,在一种可行的实现方式中,所述确定单元包括:
比值计算子单元,用于计算每个所述区域的R分量与G分量间的第一比值、B分量与G分量间的第二比值、R分量与B分量间的第三比值;
相加和计算子单元,用于计算每个所述区域的R分量、G分量以及B分量三者的相加和;
第一判定子单元,用于当符合预设判定条件时,将所述区域判定为白色区域,所述预设判定条件为所述第一比值小于第一预设阈值、所述第一比值大于第五预设阈值且所述第二比值小于所述第一预设阈值、所述第二比值大于所述第五预设阈值且所述第三比值小于所述第一预设阈值、所述第三比值大于所述第五预设阈值且所述相加和大于第二预设阈值小于第三预设阈值;
第二判定子单元,用于当所述第一比值、所述第二比值以及所述第三比值均小于所述第一预设阈值,且所述相加和小于第四预设阈值时,将所述区域判定为黑色区域。
结合第一方面,在一种可行的实现方式中,还包括:
标记模块,用于以预设标识标记所述目标区域。
结合第一方面,在一种可行的实现方式中,所述场景确定模块包括:
均值计算单元,用于计算所述灰度直方图的均值;
方差计算单元,用于根据所述均值,计算所述灰度直方图的方差;
判断单元,用于判断所述方差是否大于第五预设阈值;
第一场景确定单元,用于当所述方差大于所述第五预设阈值时,确定所述待检测图像的场景为逆光场景或顺光场景;
第二场景确定单元,用于当所述方差小于等于所述第五预设阈值时,确定所述待检测图像的场景为非逆光场景或非顺光场景。
结合第一方面,在一种可行的实现方式中,所述场景确定模块还包括:
平均亮度值计算单元,用于计算每个所述区域的平均亮度值;
分布规律统计单元,用于根据所述平均亮度值,统计所述待检测图像的亮度值分布规律;
逆光场景确定单元,用于当所述亮度值分布规律符合第一预设分布规律时,所述待检测图像的场景为逆光场景;
顺光场景确定单元,用于当所述亮度值分布规律符合第二预设分布规律时,所述待检测图像的场景为顺光场景。
结合第一方面,在一种可行的实现方式中,还包括:
执行模块,用于根据所述待检测图像的场景,执行相对应的图像处理操作。
本申请实施例的第三方面提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述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上述第一方面任一项所述方法的步骤。
本申请实施例的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面任一项所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例通过计算待检测图像中的白色区域和/或黑色区域,并基于白色区域和黑色区域以外的区域统计灰度直方图,即,去掉图像中的黑色区域和白色区域之后再统计灰度信息,然后再基于该灰度信息进行场景检测,以去除图像中较大面积的黑色物体或白色物体,使得场景中的灰度信息符合实际亮度,避免由于亮度信息差异过大造成误判断的情况,从而使得基于灰度信息进行场景检测的准确率较高。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种场景检测方法的流程示意框图;
图2为本申请实施例提供的目标区域确定过程的流程示意图;
图3为本申请实施例提供的步骤S105的流程示意框图;
图4为本申请实施例提供的具体场景确定过程的流程示意框图;
图5为本申请实施例提供的一种场景检测装置的结构示意框图;
图6为本申请实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
实施例一
本申请实施例提供的场景检测方法可以具体应用智能移动终端设备,该终端设备具备拍照功能。例如,手机、平板等。
请参见图1,为本申请实施例提供的一种场景检测方法的流程示意框图,该场景检测方法可以包括以下步骤:
步骤S101、获取待检测图像。
步骤S102、将待检测图像划分为预设数量个区域。
需要说明的是,上述预设数量的数值可以根据实际应用需要进行设定。具体地,可以根据所使用的平台,对所划分的区域个数的数量进行设定。例如,使用高通平台时,该预设数量为16*16个。应理解,各个区域的面积一般是一样的,但各区域的面积不一样时也能实现本申请实施例的目的。
相较于基于单个像素点进行场景检测,基于区域进行场景检测可以极大地减小计算量,提高运算效率,并且可以降低图像中噪点产生的影响。
步骤S103、从区域中确定目标区域,目标区域为白色区域和/或黑色区域。
需要说明的是,在将图像划分为多个区域之后,需要从这多个区域中寻找出目标区域,该目标区域可以是黑色区域,可以是白色区域,也可以是黑色区域和白色区域。换句话说,在某些场景下,图像中可能只存在白色区域或者黑色区域,也可能同时存在黑色区域和白色区域。
具体应用中,可以通过各个区域的R分量、G分量和B分量之间的比值关系去寻找图像中的目标区域。可选地,在一实施例中,上述从区域中确定目标区域的具体过程可以包括:计算每个区域的R分量、G分量以及B分量;根据R分量、G分量以及B分量之间的关系,从区域中确定目标区域。
其中,R分量、G分量以及B分量之间的关系可以包括比值关系、相加和关系等。通过计算出比值和相加和,然后将比值、相加和分别与相应的预设阈值进行比对,当符合一定的条件时,可以将该区域确定为白色区域或黑色区域。
更进一步地,参见图2,上述根据R分量、G分量以及B分量之间的关系,从区域中确定目标区域的具体过程可以包括:
步骤S201、计算每个区域的R分量与G分量间的第一比值、B分量与G分量间的第二比值、R分量与B分量间的第三比值。
步骤S202、计算每个区域的R分量、G分量以及B分量三者的相加和。
步骤S203、当符合预设判定条件时,将区域判定为白色区域,预设判定条件为第一比值小于第一预设阈值、第一比值大于第五预设阈值且第二比值小于第一预设阈值、第二比值大于第五预设阈值且第三比值小于第一预设阈值、第三比值大于第五预设阈值且相加和大于第二预设阈值小于第三预设阈值。
也就是说,当R/G<(threshold1)||R/G>(threshold5)&B/G<(threshold1)||B/G>(threshold5)&R/B<(threshold1)||R/B>(threshold5)&(threshold2)<(R+G+B)<(threshold3)时,将上述区域判断为白色区域,其中,threshold1、threshold12、threshold3以及threshold5依次代表为所述第一预设阈值、所述第二预设阈值、所述第三预设阈值以及所述第五预设阈值。
在出现白色区域时,需要考虑到过曝溢出的情况,故上述R、G、B的和需要小于第三阈值。
步骤S204、当第一比值、第二比值以及第三比值均小于第一预设阈值,且相加和小于第四预设阈值时,将区域判定为黑色区域。
需要说明的是,由于镜头滤光镀膜的不同,对各种色彩的还原度也会相应不同,因此上述各个阈值可以根据所使用的传感器的进行设定,在此不作限定。一般情况下,第一预设阈值的取值范围在0.95左右,第二预设阈值的取值范围在540左右,第三预设阈值的取值范围在720左右,第四预设阈值的取值范围在150左右,第五阈值的取值范围在1.05左右。
上文介绍了基于每个区域的R、G、B的比值、相加和与预设阈值间的关系,寻找图像中的黑色区域和白色区域的过程。而从区域中确定目标区域的过程还可以为其它,只要能确定出目标区域即可。
在寻找出目标区域之后,为了后续步骤中更好地辨别哪个区域为目标区域,可以在确定出目标区域之后,对相应的区域进行标记。可选地,在一实施例中,在上述从区域中确定目标区域之后,还可以包括:以预设标识标记目标区域。其中,上述预设标识可以根据需要进行确定,只要能将目标区域和其它非目标区域进行区分即可。具体应用中,可以通过一种标识同时标记黑色区域和白色区域,也可以分别用两种标识来标识黑色区域和白色区域,例如,以第一标识标记黑色区域,第二标识标记白色区域。
步骤S104、基于目标区域以外的区域,提取待检测图像的灰度直方图。
在确定出目标区域之后,可以基于目标区域以外的区域计算待检测图像的灰度信息。该灰度信息可以具体为灰度直方图。而目标区域以外的区域是指所划分的区域中,除了目标区域以外的所有区域。
基于目标区域以外的区域统计待检测图像的灰度直方图,可以看作是先去除掉图像中的黑色区域或白色区域,然后再统计剩下区域的灰度直方图。当然,在实际操作中,也可以不作去除操作,而是直接基于目标区域以外的区域统计灰度信息。
当图像中存在较大面积的黑色区域或白色区域时,图像的亮度信息和实际亮度存在较大差异,此时还利用现有的场景检测方式进行场景检测时,容易出现误判断、出现较大误差,准确率较低。而在本实施例中,针对现有方法中难以识别、容易出现误判断的场景,先确定出图像中的白色区域或黑色区域,再基于白色区域或黑色区域以外的区域进行灰度统计,使得后续的场景检测的准确率较高。
步骤S105、根据灰度直方图确定待检测图像的场景。
可以理解的是,图像在不同场景下的亮暗分布时不同的,因此可以通过图像的灰度信息来确定待检测图像的场景。对于逆光或顺光场景来说,其直方图的灰度级分布的方差较大,而对于非逆光或非顺光场景来说,其直方图的灰度级分布的方差较小。在具体应用中,可以通过统计图像的灰度直方图的方差以确定出待检测图像的场景。
可选地,在一实施例中,参见图3示出的步骤S105的流程示意框图,上述根据灰度直方图确定待检测图像的场景的过程可以包括:
步骤S301、计算灰度直方图的均值。
步骤S302、根据均值,计算灰度直方图的方差。
具体地,在统计出图像的灰度直方图之后,可以根据如下公式计算总体均值和方差。
其中,x=(x1,x2,…,x256)Txi,表示第i个灰度级在图像中出现的概率。基于σ,可以定义逆光度为B,B=σ。一般来说,B值越大,逆光概率越高。
步骤S303、判断方差是否大于第五预设阈值,当方差大于第五预设阈值时,进入步骤S304,当方差小于等于第五预设阈值时,进入步骤S305。
步骤S304、确定待检测图像的场景为逆光场景或顺光场景。
步骤S305、确定待检测图像的场景为非逆光场景或非顺光场景。
需要说明的是,上述第五阈值可以根据实际应用场景进行设定。一般情况下,该第五阈值的取值范围在1.05左右。
一般情况下,使用逆光度B来判断图像的场景。例如,当第五阈值为1.05时,此时,B>1.05时,则认为待检测图像的场景为逆光场景或顺光场景,而B≤1.05时,认为待检测图像的场景为非逆光场景或非顺光场景。
可以理解的是,手机等智能设备对逆光场景和顺光场景的图像处理操作是一样的,因此,在平时拍照中不需要进行特别地区分,即,在平时应用中,只需要识别图像中是否出现逆光或顺光,不需要具体识别出是逆光场景,还是顺光场景。当然,在某一些应用场景下,在确定出图像出现逆光或顺光之后,还可以进一步确定出是逆光,还是顺光。
可选地,参见图4示出的具体场景确定过程的流程示意框图,在一实施例中,在确定待检测图像的场景为逆光场景或顺光场景之后,还可以包括:
步骤S401、计算每个区域的平均亮度值。
步骤S402、根据平均亮度值,统计待检测图像的亮度值分布规律。
步骤S403、当亮度值分布规律符合第一预设分布规律时,待检测图像的场景为逆光场景。
步骤S404、当亮度值分布规律符合第二预设分布规律时,待检测图像的场景为顺光场景。
需要说明的是,上述第一预设分布规律为图像中间区域的亮度值比四周区域的亮度值大,第二预设分布规律为图像中间区域的亮度值比四周区域的亮度值小。即,基于每个区域的亮度值,当图像中间区域的亮度值比四周区域的亮度值大时,确定该待检测图像的场景为逆光场景,反之,当图像中间区域的亮度值比四周区域的亮度值小时,则为顺光场景。
可以理解的是,图像的中间区域和四周区域的确定可以根据实际需要进行划分。例如,可以将图像的中心的四个区域作为中间区域,将中间区域以外的区域作为四周区域。
在根据图像灰度信息确定出待检测图像的场景之后,可以根据相应的场景执行相应的图像处理操作,以提高拍照质量和拍照效果。
可选地,在一实施例中,在上述根据灰度直方图确定待检测图像的场景之后,还可以包括:根据待检测图像的场景,执行相对应的图像处理操作。
具体应用中,对于逆光场景或顺光场景,采用相同的操作,例如,自动开启HDR功能,而对于非逆光场景或顺光场景,则执行对应的图像处理操作。
其中,不同场景下对应的图像处理操作为现有技术中的相应操作,在此不再赘述。
本实施例中,通过计算待检测图像中的白色区域和/或黑色区域,并基于白色区域和黑色区域以外的区域统计灰度信息,即,去掉图像中的黑色区域和白色区域之后再统计灰度信息,然后再基于该灰度信息进行场景检测,以去除图像中较大面积的黑色物体或白色物体,使得场景中的灰度信息符合实际亮度,避免由于亮度信息差异过大造成误判断的情况,从而使得基于灰度信息进行场景检测的准确率较高。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
实施例二
请参见图5,为本申请实施例提供的一种场景检测装置的结构示意框图,该装置可以包括:
获取模块51,用于获取待检测图像;
亮度值计算模块52,用于将待检测图像划分为预设数量个区域,计算每个区域的平均亮度值;
目标区域确定模块53,用于从区域中确定目标区域,目标区域为白色区域和/或黑色区域;
灰度信息计算模块54,用于基于目标区域以外的区域,提取所述待检测图像的灰度直方图;
场景确定模块55,用于根据灰度直方图确定待检测图像的场景。
在一种可行的实现方式中,上述目标区域确定模块可以包括:
分量计算单元,用于计算每个区域的R分量、G分量以及B分量;
确定单元,用于根据R分量、G分量以及B分量之间的关系,从区域中确定目标区域。
在一种可行的实现方式中,上述确定单元包括:
比值计算子单元,用于计算每个区域的R分量与G分量间的第一比值、B分量与G分量间的第二比值、R分量与B分量间的第三比值;
相加和计算子单元,用于计算每个区域的R分量、G分量以及B分量三者的相加和;
第一判定子单元,用于当符合预设判定条件时,将所述区域判定为白色区域,所述预设判定条件为所述第一比值小于第一预设阈值、所述第一比值大于第五预设阈值且所述第二比值小于所述第一预设阈值、所述第二比值大于所述第五预设阈值且所述第三比值小于所述第一预设阈值、所述第三比值大于所述第五预设阈值且所述相加和大于第二预设阈值小于第三预设阈值中的任意一种;
第二判定子单元,用于当第一比值、第二比值以及第三比值均小于第一预设阈值,且相加和小于第四预设阈值时,将区域判定为黑色区域。
在一种可行的实现方式中,上述装置还可以包括:
标记模块,用于以预设标识标记目标区域。
在一种可行的实现方式中,上述场景确定模块可以包括:
均值计算单元,用于计算灰度直方图的均值;
方差计算单元,用于根据均值,计算灰度直方图的方差;
判断单元,用于判断方差是否大于第五预设阈值;
第一场景确定单元,用于当方差大于第五预设阈值时,确定待检测图像的场景为逆光场景或顺光场景;
第二场景确定单元,用于当方差小于等于第五预设阈值时,确定待检测图像的场景为非逆光场景或非顺光场景。
在一种可行的实现方式中,上述场景确定模块还可以包括:
平均亮度值计算单元,用于计算每个区域的平均亮度值;
分布规律统计单元,用于根据平均亮度值,统计待检测图像的亮度值分布规律;
逆光场景确定单元,用于当亮度值分布规律符合第一预设分布规律时,待检测图像的场景为逆光场景;
顺光场景确定单元,用于当亮度值分布规律符合第二预设分布规律时,待检测图像的场景为顺光场景。
在一种可行的实现方式中,上述装置还可以包括:
执行模块,用于根据待检测图像的场景,执行相对应的图像处理操作。
需要说明的是,本实施例的场景检测装置与上述实施例的场景检测方法一一对应,相关介绍请参见上文的相应内容,在此不再赘述。
本实施例中,通过计算待检测图像中的白色区域和/或黑色区域,并基于白色区域和黑色区域以外的区域统计灰度信息,即,去掉图像中的黑色区域和白色区域之后再统计灰度信息,然后再基于该灰度信息进行场景检测,以去除图像中较大面积的黑色物体或白色物体,使得场景中的灰度信息符合实际亮度,避免由于亮度信息差异过大造成误判断的情况,从而使得基于灰度信息进行场景检测的准确率较高。
实施例三
图6是本申请一实施例提供的终端设备的示意图。如图6所示,该实施例的终端设备6包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现上述各个场景检测方法实施例中的步骤,例如图1所示的步骤S101至S105。或者,所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块或单元的功能,例如图5所示模块51至55的功能。
示例性的,所述计算机程序62可以被分割成一个或多个模块或单元,所述一个或者多个模块或单元被存储在所述存储器61中,并由所述处理器60执行,以完成本申请。所述一个或多个模块或单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序62在所述终端设备6中的执行过程。例如,所述计算机程序62可以被分割成获取模块、亮度值计算模块、目标区域确定模块、灰度信息计算模块以及场景确定模块,各模块具体功能如下:
获取模块,用于获取待检测图像;
亮度值计算模块,用于将待检测图像划分为预设数量个区域,计算每个区域的平均亮度值;
目标区域确定模块,用于从区域中确定目标区域,目标区域为白色区域和/或黑色区域;
灰度信息计算模块,用于基于目标区域以外的区域,提取所述待检测图像的灰度直方图;
场景确定模块,用于根据灰度直方图确定待检测图像的场景。
所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是终端设备6的示例,并不构成对终端设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述终端设备6的内部存储单元,例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备,例如所述终端设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
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申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置、终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置、终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,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,在本申请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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块或单元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,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种场景检测方法,其特征在于,包括:
获取待检测图像;
将所述待检测图像划分为预设数量个区域;
从所述区域中确定目标区域,所述目标区域为白色区域和/或黑色区域;
基于所述目标区域以外的区域,提取所述待检测图像的灰度直方图;
根据所述灰度直方图确定所述待检测图像的场景;
其中,所述从所述区域中确定目标区域,包括:
计算每个所述区域的R分量、G分量以及B分量;
根据R分量、G分量以及B分量之间的关系,从所述区域中确定所述目标区域。
2.根据权利要求1所述的场景检测方法,其特征在于,所述根据所述R分量、G分量以及B分量之间的关系,从所述区域中确定所述目标区域,包括:
计算每个所述区域的R分量与G分量间的第一比值、B分量与G分量间的第二比值、R分量与B分量间的第三比值;
计算每个所述区域的R分量、G分量以及B分量三者的相加和;
当符合预设判定条件时,将所述区域判定为白色区域,所述预设判定条件为所述第一比值小于第一预设阈值、所述第一比值大于第五预设阈值且所述第二比值小于所述第一预设阈值、所述第二比值大于所述第五预设阈值且所述第三比值小于所述第一预设阈值、所述第三比值大于所述第五预设阈值且所述相加和大于第二预设阈值小于第三预设阈值;
当所述第一比值、所述第二比值以及所述第三比值均小于所述第一预设阈值,且所述相加和小于第四预设阈值时,将所述区域判定为黑色区域。
3.根据权利要求1所述的场景检测方法,其特征在于,在所述从所述区域中确定所述目标区域之后,还包括:
以预设标识标记所述目标区域。
4.根据权利要求1至3任一项所述的场景检测方法,其特征在于,所述根据所述灰度直方图确定所述待检测图像的场景,包括:
计算所述灰度直方图的均值;
根据所述均值,计算所述灰度直方图的方差;
判断所述方差是否大于第五预设阈值;
当所述方差大于所述第五预设阈值时,确定所述待检测图像的场景为逆光场景或顺光场景;
当所述方差小于等于所述第五预设阈值时,确定所述待检测图像的场景为非逆光场景或非顺光场景。
5.根据权利要求4所述的场景检测方法,其特征在于,在所述确定所述待检测图像的场景为逆光场景或顺光场景之后,还包括:
计算每个所述区域的平均亮度值;
根据所述平均亮度值,统计所述待检测图像的亮度值分布规律;
当所述亮度值分布规律符合第一预设分布规律时,所述待检测图像的场景为逆光场景;
当所述亮度值分布规律符合第二预设分布规律时,所述待检测图像的场景为顺光场景。
6.根据权利要求4所述的场景检测方法,其特征在于,在所述根据所述灰度直方图确定所述待检测图像的场景之后,还包括:
根据所述待检测图像的场景,执行相对应的图像处理操作。
7.一种场景检测装置,其特征在于,包括:
获取模块,用于获取待检测图像;
亮度值计算模块,用于将所述待检测图像划分为预设数量个区域,计算每个所述区域的平均亮度值;
目标区域确定模块,用于从所述区域中确定目标区域,所述目标区域为白色区域和/或黑色区域;
灰度信息计算模块,用于基于所述目标区域以外的区域,提取所述待检测图像的灰度直方图;
场景确定模块,用于根据所述灰度直方图确定所述待检测图像的场景;
其中,所述目标区域确定模块包括:
分量计算单元,用于计算每个所述区域的R分量、G分量以及B分量;
确定单元,用于根据R分量、G分量以及B分量之间的关系,从所述区域中确定所述目标区域。
8.根据权利要求7所述的场景检测装置,其特征在于,所述确定单元包括:
比值计算子单元,用于计算每个所述区域的R分量与G分量间的第一比值、B分量与G分量间的第二比值、R分量与B分量间的第三比值;
相加和计算子单元,用于计算每个所述区域的R分量、G分量以及B分量三者的相加和;
第一判定子单元,用于当符合预设判定条件时,将所述区域判定为白色区域,所述预设判定条件为所述第一比值小于第一预设阈值、所述第一比值大于第五预设阈值且所述第二比值小于所述第一预设阈值、所述第二比值大于所述第五预设阈值且所述第三比值小于所述第一预设阈值、所述第三比值大于所述第五预设阈值且所述相加和大于第二预设阈值小于第三预设阈值;
第二判断子单元,用于当所述第一比值、所述第二比值以及所述第三比值均小于所述第一预设阈值,且所述相加和小于第四预设阈值时,将所述区域判定为黑色区域。
9.一种终端设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述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权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811591988.8A CN111368587B (zh) | 2018-12-25 | 2018-12-25 | 场景检测方法、装置、终端设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811591988.8A CN111368587B (zh) | 2018-12-25 | 2018-12-25 | 场景检测方法、装置、终端设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111368587A CN111368587A (zh) | 2020-07-03 |
CN111368587B true CN111368587B (zh) | 2024-04-16 |
Family
ID=71208076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811591988.8A Active CN111368587B (zh) | 2018-12-25 | 2018-12-25 | 场景检测方法、装置、终端设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111368587B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111770285B (zh) * | 2020-07-13 | 2022-02-18 | 浙江大华技术股份有限公司 | 一种曝光亮度控制方法、装置、电子设备和存储介质 |
CN112291548B (zh) * | 2020-10-28 | 2023-01-31 | Oppo广东移动通信有限公司 | 白平衡统计方法、装置、移动终端及存储介质 |
CN113052836A (zh) * | 2021-04-21 | 2021-06-29 | 深圳壹账通智能科技有限公司 | 电子身份照片检测方法、装置、电子设备及存储介质 |
CN113340817B (zh) * | 2021-05-26 | 2023-05-05 | 奥比中光科技集团股份有限公司 | 光源光谱和多光谱反射率图像获取方法、装置及电子设备 |
CN115526788A (zh) * | 2022-03-18 | 2022-12-27 | 荣耀终端有限公司 | 图像处理方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809146A (zh) * | 2016-03-28 | 2016-07-27 | 北京奇艺世纪科技有限公司 | 一种图像场景识别方法和装置 |
CN105959585A (zh) * | 2016-05-12 | 2016-09-21 | 深圳众思科技有限公司 | 多级逆光检测方法及装置 |
CN108337433A (zh) * | 2018-03-19 | 2018-07-27 | 广东欧珀移动通信有限公司 | 一种拍照方法、移动终端及计算机可读存储介质 |
CN108337448A (zh) * | 2018-04-12 | 2018-07-27 | Oppo广东移动通信有限公司 | 高动态范围图像获取方法、装置、终端设备及存储介质 |
CN108805103A (zh) * | 2018-06-29 | 2018-11-13 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
CN108848363A (zh) * | 2018-05-31 | 2018-11-20 | 江苏乙生态农业科技有限公司 | 一种适用于大场景的自动白平衡方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006319714A (ja) * | 2005-05-13 | 2006-11-24 | Konica Minolta Photo Imaging Inc | 画像処理方法、画像処理装置及び画像処理プログラム |
-
2018
- 2018-12-25 CN CN201811591988.8A patent/CN111368587B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809146A (zh) * | 2016-03-28 | 2016-07-27 | 北京奇艺世纪科技有限公司 | 一种图像场景识别方法和装置 |
CN105959585A (zh) * | 2016-05-12 | 2016-09-21 | 深圳众思科技有限公司 | 多级逆光检测方法及装置 |
CN108337433A (zh) * | 2018-03-19 | 2018-07-27 | 广东欧珀移动通信有限公司 | 一种拍照方法、移动终端及计算机可读存储介质 |
CN108337448A (zh) * | 2018-04-12 | 2018-07-27 | Oppo广东移动通信有限公司 | 高动态范围图像获取方法、装置、终端设备及存储介质 |
CN108848363A (zh) * | 2018-05-31 | 2018-11-20 | 江苏乙生态农业科技有限公司 | 一种适用于大场景的自动白平衡方法 |
CN108805103A (zh) * | 2018-06-29 | 2018-11-13 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111368587A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368587B (zh) | 场景检测方法、装置、终端设备及计算机可读存储介质 | |
CN111028189B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN109886997B (zh) | 基于目标检测的识别框确定方法、装置及终端设备 | |
CN107403421B (zh) | 一种图像去雾方法、存储介质及终端设备 | |
CN111311482B (zh) | 背景虚化方法、装置、终端设备及存储介质 | |
CN107909569B (zh) | 一种花屏检测方法、花屏检测装置及电子设备 | |
EP3798975A1 (en) | Method and apparatus for detecting subject, electronic device, and computer readable storage medium | |
CN110490204B (zh) | 图像处理方法、图像处理装置及终端 | |
CN110049250B (zh) | 摄像状态切换方法及装置 | |
CN107908998B (zh) | 二维码解码方法、装置、终端设备及计算机可读存储介质 | |
CN111654637B (zh) | 对焦方法、对焦装置及终端设备 | |
CN111311481A (zh) | 背景虚化方法、装置、终端设备及存储介质 | |
CN113808135B (zh) | 图像亮度异常检测方法、电子设备及存储介质 | |
CN115082350A (zh) | 频闪图像处理方法、装置、电子设备和可读存储介质 | |
CN112070682A (zh) | 图像亮度补偿的方法和装置 | |
CN111340722B (zh) | 图像处理方法、处理装置、终端设备及可读存储介质 | |
CN111539975B (zh) | 一种运动目标的检测方法、装置、设备及存储介质 | |
CN111222446B (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
CN115690747B (zh) | 车辆盲区检测模型测试方法、装置、电子设备及存储介质 | |
CN115760653B (zh) | 图像校正方法、装置、设备及可读存储介质 | |
CN108810407B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN112629828B (zh) | 一种光学信息检测方法、装置及设备 | |
CN111986144B (zh) | 一种图像模糊判断方法、装置、终端设备及介质 | |
CN114677319A (zh) | 干细胞分布确定方法、装置、电子设备及存储介质 | |
CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 |
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 | ||
CB02 | Change of applicant information |
Address after: 516006 TCL science and technology building, No. 17, Huifeng Third Road, Zhongkai high tech Zone, Huizhou City, Guangdong Province Applicant after: TCL Technology Group Co.,Ltd. Address before: 516006 Guangdong province Huizhou Zhongkai hi tech Development Zone No. nineteen District Applicant before: TCL Corp. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |