CN111754410B - 一种图像处理方法、装置、电子设备及可读存储介质 - Google Patents
一种图像处理方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111754410B CN111754410B CN201910238073.7A CN201910238073A CN111754410B CN 111754410 B CN111754410 B CN 111754410B CN 201910238073 A CN201910238073 A CN 201910238073A CN 111754410 B CN111754410 B CN 111754410B
- Authority
- CN
- China
- Prior art keywords
- image
- preset
- image quality
- current image
- motion blur
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 93
- 238000005457 optimization Methods 0.000 claims abstract description 69
- 238000003384 imaging method Methods 0.000 claims description 30
- 230000001502 supplementing effect Effects 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 18
- 230000003247 decreasing effect Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 abstract description 73
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 50
- 230000008569 process Effects 0.000 description 44
- 238000013507 mapping Methods 0.000 description 29
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000005286 illumination Methods 0.000 description 7
- 230000007423 decrease Effects 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 5
- 239000013589 supplement Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 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
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
Abstract
本申请公开了一种图像处理方法,包括:当检测到当前图像中目标物体不存在运动模糊时,判断当前图像的图像质量是否满足预设图像质量条件;若当前图像的图像质量不满足预设图像质量条件,则触发图像质量优化处理操作;该方法通过在保证当前图像中目标物体不存在运动模糊时,继续判断当前图像的图像质量是否满足需求,并在当前图像的图像质量不满足需求时,对当前图像进行图像质量优化处理操作,以提高图像质量;进而保证采集到的图像中目标物体既不存在运动模糊,又不存在图像质量低的问题,满足用户对目标物体的拍摄需求;本申请还公开了一种图像处理装置、电子设备以及计算机可读存储介质,具有上述有益效果。
Description
技术领域
本申请涉及图像处理技术领域,特别涉及一种图像处理方法、装置、一种电子设备及一种计算机可读存储介质。
背景技术
目前,摄像设备在拍摄运动物体,尤其是运动速度较快的运动物体时,采集的图像经常会出现运动模糊(即拖尾)的现象,进而导致无法识别图像中的运动物体。
为了解决上述问题,相关技术中通过设置较快的快门时间的方式来改善摄像设备在拍摄运动物体时出现的运动模糊现象。该方式虽然能够降低采集的图像中运动物体的运动模糊现象,但是由于快门时间变快,导致摄像设备的进光量减少,进而由于进光量不足影响图像的图像质量。
发明内容
本申请的目的是提供一种图像处理方法、装置、电子设备及计算机可读存储介质,既能够保证图像中目标物体不存在运动模糊,又能够在保证图像中目标物体不存在运动模糊的情况下提高图像质量。
为解决上述技术问题,本申请提供一种图像处理方法,包括:
当检测到当前图像中目标物体不存在运动模糊时,判断所述当前图像的图像质量是否满足预设图像质量条件;
若所述当前图像的图像质量不满足所述预设图像质量条件,则触发图像质量优化处理操作。
本申请还提供一种图像处理装置,包括:
图像质量判断模块,用于当检测到当前图像中目标物体不存在运动模糊时,判断所述当前图像的图像质量是否满足预设图像质量条件;
图像质量优化模块,用于若所述当前图像的图像质量不满足所述预设图像质量条件,则触发图像质量优化处理操作。
本申请还提供一种电子设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述所述图像处理方法的步骤。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的图像处理方法的步骤。
本申请所提供的一种图像处理方法,包括:当检测到当前图像中目标物体不存在运动模糊时,判断当前图像的图像质量是否满足预设图像质量条件;若当前图像的图像质量不满足预设图像质量条件,则触发图像质量优化处理操作。
可见,该方法通过在保证当前图像中目标物体不存在运动模糊时,继续判断当前图像的图像质量是否满足需求(即预设图像质量条件),并在当前图像的图像质量不满足需求时,对当前图像进行图像质量优化处理操作,以提高图像质量;进而保证采集到的图像中的目标物体既不存在运动模糊的问题,又不存在为克服运动模糊导致的图像质量低的问题,满足用户对目标物体的拍摄需求;即该方法首先通过保证当前图像中目标物体不存在运动模糊,然后在不存在运动模糊的基础上提高图像质量。进而避免了相关技术中在避免目标物体出现运动模糊的过程中导致的图像质量不可用的问题。本申请还提供了一种图像处理装置、电子设备以及计算机可读存储介质,具有上述有益效果,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种图像处理方法的流程图;
图2为本申请实施例所提供的另一种图像处理方法的流程图;
图3为本申请实施例所提供的一种运动模糊程度计算方法的流程图;
图4为本申请实施例所提供的一种目标快门时间计算方法的流程图;
图5为本申请实施例所提供的一种判断当前图像的图像质量是否满足预设图像质量条件的流程图;
图6为本申请实施例所提供的一种目标补光灯强度计算方法的流程图;
图7为本申请实施例所提供的又一种图像处理方法的流程图;
图8为本申请实施例所提供的一种图像处理装置的结构框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
相关技术在摄像设备拍摄的图像中出现运动模糊时,通过设置较快的快门时间的方式来改善摄像设备在拍摄运动物体时出现的运动模糊现象。这种方式虽然能够解决拍摄过程中出现的运动模糊现象,但是会因为进光量的减少影响图像的图像质量。也就是说,该方式是以牺牲图像的图像质量来保证不出现运动模糊现象。但是,在很多应用场景(如视频监控场景,车牌识别场景,人脸识别场景等)下,若最终图像的图像质量不能满足用户需求,即便该图像中不存在运动模糊现象,该图像也不能为用户所用(如监控视频中目标人物虽然没有出现运动模糊,但是由于进光量太少导致图像质量太差,该目标人物的五官不能识别,该图像对于用户来说就是没有意义的)。本实施例中为了克服相关技术中通过改变快门时间来改善运动模糊现象时造成的图像质量差的问题。具体请参考图1,图1为本申请实施例所提供的一种图像处理方法的流程图;该方法可以包括:
S101、当检测到当前图像中目标物体不存在运动模糊时,判断当前图像的图像质量是否满足预设图像质量条件。
需要说明的是,本实施例的执行主体可以是能够对成像设备采集的图像进行图像处理的处理器。本实施例中并不限定该处理器与成像设备的位置关系。例如该处理器可以是设置于成像设备中的处理器,也可以是设置在成像设备之外进行图像处理的设备中的处理器。
本实施例中仅仅在当前图像中的目标物体不存在运动模糊时,才执行判断当前图像的图像质量是否满足预设图像质量条件的判断过程。可见,本实施例中首先需要保证当前图像中目标物体不存在运动模糊,然后在其不存在运动模糊的基础上保证图像质量。即当前图像中的目标物体不存在运动模糊是触发后续图像质量判断的条件。需要说明的是,本实施例中并不对检测到当前图像中目标物体不存在运动模糊的方式进行限定。也就是说,本实施例中并不限定检测当前图像中目标物体是否存在运动模糊的过程。本实施例中为了提高判断目标物体是否存在运动模糊的可靠性以及准确性,可以通过设置衡量目标物体模糊程度的参数(即运动模糊程度)来检测当前图像中目标物体是否存在运动模糊。优选地,本实施例中检测当前图像中目标物体是否存在运动模糊可以包括:计算当前图像中目标物体的运动模糊程度;判断运动模糊程度是否属于预设运动模糊区间;若不属于,则确定当前图像中目标物体不存在运动模糊。
其中,本实施例中并不对当前图像中目标物体的运动模糊程度的计算方式进行限定。例如可以是通过计算目标物体的质量值或者质量值以及边缘强度(如边缘平均强度)来确定目标物体的运动模糊程度;也可以是通过计算目标物体的清晰度来确定目标物体的运动模糊程度;当然也可以是将上述几种计算方式进行任意组合来确定目标物体的运动模糊程度。进一步,本实施例中也不限定上述几种计算方式中具体参数的计算方法。即本实施例中并不限定质量值、边缘强度(如边缘平均强度)以及清晰度的具体计算方法。例如可以通过智能识别算法计算目标物体的质量值以及清晰度,通过边缘强度计算公式计算边缘强度(如边缘平均强度)。本实施例中也不限定上述几种计算方式中根据参数确定目标物体的运动模糊程度的方法。即本实施例中并不限定根据质量值,或质量值以及边缘强度(如边缘平均强度),或清晰度确定对应的目标物体的运动模糊程度的方法。例如可以设置每种参数的各个数值与运动模糊程度的映射关系,并根据该映射关系确定当前参数的数值对应的运动模糊程度。当然,该映射关系可以是一一映射(如一个质量值对应一个运动模糊程度),也可以是区间映射(如一个质量值区间对应一个运动模糊程度)。可以理解的是,本实施例不限定每种参数对应的具体的映射关系,可以由用户根据选取的参数的具体情况设置对应的映射关系。
本实施例中在计算得到目标物体的运动模糊程度后,可以根据预设运动模糊区间来确定当前图像中目标物体是否存在运动模糊。即判断运动模糊程度是否属于预设运动模糊区间;若不属于预设运动模糊区间,则确定当前图像中目标物体不存在运动模糊;可以继续执行后续图像质量判断的步骤(即执行步骤S101);若属于预设运动模糊区间,则确定当前图像中目标物体存在运动模糊;此时不满足继续执行后续图像质量判断的步骤(即执行步骤S101)的条件。本实施例中并不限定在确定当前图像中目标物体存在运动模糊时需要执行的具体步骤。例如可以是通过调整快门时间来避免后续采集的图像中目标物体仍存在运动模糊的现象,直到确定采集到的图像中的目标物体不存在运动模糊时,可以继续执行后续图像质量判断的步骤。也就是说,在确定当前图像中目标物体不存在运动模糊之前,需要持续计算采集到的图像中的目标物体的运动模糊程度,直到确定当前图像中目标物体不存在运动模糊为止。也可以理解为,在确定当前图像中目标物体不存在运动模糊之前,需要持续调整快门时间,直到确定当前图像中目标物体不存在运动模糊为止。例如,若目标物体的运动模糊程度属于预设运动模糊区间,则确定当前图像中目标物体存在运动模糊,可以根据当前图像中目标物体的运动模糊程度执行自适应快门调整。
本实施例中并不限定预设运动模糊区间的具体数值。例如用户可以根据实际应用场景、目标物体的类型或硬件计算能力设定所能接受的最低的运动模糊程度(可称之为预设运动模糊阈值,该预设运动模糊阈值的具体数值可以由用户进行设定,因此本实施例中并不限定预设运动模糊阈值的具体数值),进而根据最低的运动模糊程度确定预设运动模糊区间。其中,最低的运动模糊程度用于衡量用户对运动模糊的容忍度,最低的运动模糊程度的数值越大,代表了用户对运动模糊的容忍度越高。当最低的运动模糊程度(即预设运动模糊阈值)为N时,本实施例中预设运动模糊区间可以是[N,+∞),当然预设运动模糊区间也可以是(N,+∞)。也可以是计算目标物体的运动模糊程度与最低的运动模糊程度的最大模糊差值,然后根据该最大模糊差值确定预设运动模糊区间。例如当最大模糊差值为γ、最低的运动模糊程度为N时,预设运动模糊区间可以是[N+γ,+∞),也可以是(N+γ,+∞);此时可以理解为当目标物体的运动模糊程度与最低的运动模糊程度的差值大于等于(或者大于)最大模糊差值时,认为当前目标物体的运动模糊程度属于预设运动模糊区间,表示当前采集的图像中的目标物体存在运动模糊;否则,则表示当前采集的图像中的目标物体不存在运动模糊。
本实施例中在确定当前图像中目标物体不存在运动模糊时,需要确定当前图像的图像质量是否符合用户需求,即需要确定是否需要提高图像的图像质量。此时,需要判断当前图像的图像质量是否满足预设图像质量条件;若当前图像的图像质量满足预设图像质量条件,则结束本次图像处理操作;若当前图像的图像质量不满足预设图像质量条件,则证明此时需要提升图像质量,即需要触发图像质量优化处理操作。
其中,本实施例中并不限定计算当前图像的图像质量的方法。例如可以是通过计算图像的噪声值(如噪声平均强度)来计算图像质量;也可以是通过计算图像的增益以及噪声值来计算图像质量;也可以是通过计算图像的亮度以及噪声值来计算图像质量;当然也可以是通过计算图像的亮度、增益以及噪声值来计算图像质量。需要说明的是,此处图像可以指整个当前图像,也可以指当前图像中目标物体对应的图像。也就是说,当前图像的图像质量可以表征整个当前图像对应的图像质量,也可以仅表征当前图像中目标物体对应的图像质量。因此,当前图像的图像质量的计算对象可以由用户根据实际情况指定。在本实施例以及后续各个实施例中相关部分均可以按照上述说明进行解释。即涉及图像质量的部分均可以根据用户实际需求,确定当前图像的图像质量的计算对象(可以是整个当前图像,也可以仅是目标物体对应的图像)。例如,若当前应用场景为人脸识别场景,此时图像质量可以仅考虑当前图像中目标物体(人脸)对应的图像(人脸图像)的图像质量即可。相应的当前图像的图像质量即指目标物体对应的图像(人脸图像)的图像质量。
进一步,本实施例中也不对预设图像质量条件进行限定。用户可以根据选取的图像质量的计算方法、应用场景或硬件计算能力来设定对应的预设图像质量条件。例如,当用户通过计算图像的噪声值(如噪声平均强度)来计算图像质量时,可以设置预设噪声容忍阈值,对应的预设图像质量条件可以是:当前图像的噪声值(如噪声平均强度)小于等于(或者是小于)预设噪声容忍阈值,则当前图像的图像质量满足预设图像质量条件。即若当前图像的噪声值(如噪声平均强度)小于等于(或者是小于)预设噪声容忍阈值,则当前图像的图像质量满足预设图像质量条件;若当前图像的噪声值(如噪声平均强度)大于(或者是大于等于)预设噪声容忍阈值,则当前图像的图像质量不满足预设图像质量条件。此时,该例子中主要以噪声作为衡量低进光量或者低照图像的图像质量标准。
再例如,当用户通过计算图像的亮度以及噪声值(如噪声平均强度)来计算图像质量时,可以设置预设标准图像亮度区间以及预设噪声容忍阈值。由于相关技术中是通过设置较快的快门时间的方式来改善摄像设备在拍摄运动物体时出现的运动模糊现象。因此采集到的图像会因为进光量的不足,导致图像质量下降。也就是说,在这种情况下进光量的不足是导致图像质量降低的重要原因。因此,本实施例中在设置预设图像质量条件时,可以将当前图像的亮度作为衡量光照是否充足的因素。此时,对应的预设图像质量条件可以是:当前图像的亮度属于预设标准图像亮度区间,则当前图像的图像质量满足预设图像质量条件;或者是当前图像的亮度不属于预设标准图像亮度区间,但是当前图像的噪声值(如噪声平均强度)小于等于(或者是小于)预设噪声容忍阈值,则当前图像的图像质量满足预设图像质量条件。即若当前图像的亮度属于预设标准图像亮度区间,此时不需要计算当前图像的噪声值(如噪声平均强度)就可以判定当前图像的图像质量满足预设图像质量条件;若当前图像的亮度不属于预设标准图像亮度区间,但是当前图像的噪声值(如噪声平均强度)小于等于(或者是小于)预设噪声容忍阈值,则当前图像的图像质量满足预设图像质量条件;若当前图像的亮度不属于预设标准图像亮度区间,且当前图像的噪声值(如噪声平均强度)大于(或者是大于等于)预设噪声容忍阈值,则当前图像的图像质量不满足预设图像质量条件。
可以理解的是,若当前图像的亮度属于预设标准图像亮度区间,则证明当前图像的亮度相比之前采集到的图像的亮度即便有所降低,但是其仍属于正常的亮度范围,因此,可以认为此时进光量的减少不会对图像质量造成很大的影响,为了节省计算资源,可以不再执行当前图像的噪声值(如噪声平均强度)的计算过程以及后续比较过程。若当前图像的亮度不属于预设标准图像亮度区间,则证明当前图像的亮度相比之前采集到的图像的亮度降低明显,已不属于正常的亮度范围,因此,可以认为此时进光量的减少会对图像质量造成很大的影响,因此需要执行当前图像的噪声值(如噪声平均强度)的计算过程以及后续比较过程,来确定当前图像的图像质量是否满足预设图像质量条件。
再例如,当用户通过计算图像的增益、亮度以及噪声值(如噪声平均强度)来计算图像质量时,可以设置预设标准图像增益区间、预设标准图像亮度区间以及预设噪声容忍阈值。此时,为了保证对当前图像的光照是否充足(即采集的当前图像的进光量是否充足)判断更加准确。本实施例中可以通过图像的增益以及亮度,来综合对采集的当前图像的进光量是否充足进行判定。即,本实施例中在设置预设图像质量条件时,可以将当前图像的增益以及亮度作为衡量光照是否充足的因素。此时,对应的预设图像质量条件可以是:当前图像的增益属于预设标准图像增益区间且当前图像的亮度属于预设标准图像亮度区间,则当前图像的图像质量满足预设图像质量条件;或者是当前图像的增益不属于预设标准图像增益区间或者当前图像的亮度不属于预设标准图像亮度区间,但是当前图像的噪声值(如噪声平均强度)小于等于(或者是小于)预设噪声容忍阈值,则当前图像的图像质量满足预设图像质量条件。即若当前图像的增益属于预设标准图像增益区间且当前图像的亮度属于预设标准图像亮度区间,此时不需要计算当前图像的噪声值(如噪声平均强度)就可以判定当前图像的图像质量满足预设图像质量条件;若当前图像的增益不属于预设标准图像增益区间或者当前图像的亮度不属于预设标准图像亮度区间,但是当前图像的噪声值(如噪声平均强度)小于等于(或者是小于)预设噪声容忍阈值,则当前图像的图像质量满足预设图像质量条件;若当前图像的增益不属于预设标准图像增益区间或者当前图像的亮度不属于预设标准图像亮度区间,且当前图像的噪声值(如噪声平均强度)大于(或者是大于等于)预设噪声容忍阈值,则当前图像的图像质量不满足预设图像质量条件。
当然,此时该预设图像质量条件也可以是:当前图像的增益属于预设标准图像增益区间或者当前图像的亮度属于预设标准图像亮度区间,则当前图像的图像质量满足预设图像质量条件;或者是当前图像的增益不属于预设标准图像增益区间且当前图像的亮度不属于预设标准图像亮度区间,但是当前图像的噪声值(如噪声平均强度)小于等于(或者是小于)预设噪声容忍阈值,则当前图像的图像质量满足预设图像质量条件。即若当前图像的增益属于预设标准图像增益区间或者当前图像的亮度属于预设标准图像亮度区间,此时不需要计算当前图像的噪声值(如噪声平均强度)就可以判定当前图像的图像质量满足预设图像质量条件;若当前图像的增益不属于预设标准图像增益区间且当前图像的亮度不属于预设标准图像亮度区间,但是当前图像的噪声值(如噪声平均强度)小于等于(或者是小于)预设噪声容忍阈值,则当前图像的图像质量满足预设图像质量条件;若当前图像的增益不属于预设标准图像增益区间且当前图像的亮度不属于预设标准图像亮度区间,而且当前图像的噪声值(如噪声平均强度)大于(或者是大于等于)预设噪声容忍阈值,则当前图像的图像质量不满足预设图像质量条件。
可以理解的是,本实施例中给出的各种预设图像质量条件,以及对应的判断当前图像的图像质量是否满足预设图像质量条件的具体过程,用户可以根据实际应用场景进行相对应阈值(如预设标准图像增益区间、预设标准图像亮度区间以及预设噪声容忍阈值)的具体数值设定,以及具体预设图像质量条件的选取。
需要说明的是,本实施例并不对目标物体进行限定。本实施例中目标物体可以是运动物体,也可以是静止物体。也就是说,本实施中提供的图像处理方法适用于运动物体,也适用于静止物体(此时静止物体可以通过划定图像区域的方式确定)。但是由于一般情况下,静止物体很少会出现运动模糊的情况,而运动物体则经常会出现运动模糊的现象。因此,为了提高图像处理效率,降低对硬件计算资源的消耗,优选地,本实施例中目标物体可以是运动物体,如可称之为目标运动物体。可以理解的是,当目标物体具体为目标运动物体时,本申请中提供的各个实施例中将目标物体适应性替换为目标运动物体即可。当然,本实施例中也不限定目标物体的数量,可以是一个目标物体,也可以是多个目标物体。例如,若目标物体为一个时,当检测到图像中存在多个运动物体时,可以指定其中一个运动物体作为目标物体。若目标物体为多个时,当检测到图像中存在多个运动物体时,可以将检测到的全部的运动物体作为目标物体,也可以是指定其中预定数量的运动物体作为目标物体。可以理解的是,本实施例中并不限定目标物体的选择方式。即可以由处理器自动选取目标物体,也可以人为选择目标物体,当然也可以是由处理器进行初步筛选后,再由用户从中指定目标物体。
S102、若当前图像的图像质量不满足预设图像质量条件,则触发图像质量优化处理操作。
本实施例中,若当前图像的图像质量满足预设图像质量条件,则可以结束本次图像处理操作,也就表明当前图像满足用户需求,属于可用图像;若当前图像的图像质量不满足预设图像质量条件,则触发图像质量优化处理操作,进而提升图像质量。本实施例中并不对具体图像质量优化处理操作的内容进行限定。例如可以包含软件程序方面的图像质量优化处理操作,也可以包含硬件部件的参数设定对应的图像质量优化处理操作,当然也可以是即包含软件程序方面的图像质量优化处理操作也包含硬件部件的参数设定对应的图像质量优化处理操作。
需要说明的是,本实施例中并不对具体的软件程序方面的图像质量优化处理操作的具体内容进行限定。例如可以通过预设图像处理程序(如智能图像处理算法)来提高当前图像的图像质量。当然本实施例中并不对预设图像处理程序的具体内容进行限定。例如该预设图像处理程序可以是关于调节图像亮度或者增益等方面的智能图像处理算法。本实施例中并不对具体的硬件部件的参数设定对应的图像质量优化处理操作的具体内容进行限定。例如可以通过调整补光灯(如外置补光灯)的强度来克服采集图像的进光量不足的缺点等。当然本实施例中并不对调整补光灯强度的具体方式进行限定。例如可以通过设置图像质量与补光灯强度之间的映射关系,并根据该映射关系确定当前图像的图像质量对应的目标补光灯强度。当然,该映射关系可以是一一映射(如一个图像质量对应一个目标补光灯强度),也可以是区间映射(如一个图像质量区间对应一个目标补光灯强度)。可以理解的是,本实施例中并不对当前图像的图像质量的计算方法进行限定。例如可以通过噪声水平(如噪声平均强度)计算前图像的图像质量。本实施例中在确定目标补光灯强度时,除了考虑当前图像的图像质量之外,还可以考虑当前图像中像素的亮度情况等以免出现局部曝光现象。
基于上述实施例,本申请提供的图像处理方法,通过在保证当前图像中目标物体不存在运动模糊时,继续判断当前图像的图像质量是否满足需求(即预设图像质量条件),并在当前图像的图像质量不满足需求时,对当前图像进行图像质量优化处理操作,以提高图像质量;进而保证采集到的图像中的目标物体既不存在运动模糊的问题,又不存在图像质量低的问题,满足用户对目标物体的拍摄需求;即该方法首先通过保证当前图像中目标物体不存在运动模糊,然后在不存在运动模糊的基础上提高图像质量。进而避免了相关技术中仅关注目标物体是否存在运动模糊,并在避免目标物体出现运动模糊的过程中导致的图像质量不可用的问题。且实施例中可以准确检测当前图像中目标物体是否存在运动模糊。
基于上述实施例,请参考图2,为了提高本申请提供的图像处理方法的效率,本实施例还可以包括:
S1001、判断当前图像中是否存在目标物体;若否,则直接结束本次图像处理;若是,则进入步骤S1002。
S1002、检测当前图像中目标物体是否存在运动模糊。若否,则进入步骤S101。
其中,若当前图像中不存在目标物体,即证明当前图像并不是用户所需图像,因此用户不关心该图像是否存在运动模糊。此时为了提高图像处理效率,降低对硬件计算资源的占用,可以直接结束本次图像处理。若当前图像中存在目标物体,即证明当前图像是用户所需图像,因此用户关心该图像是否存在运动模糊。此时需要执行检测当前图像中目标物体是否存在运动模糊的步骤。本实施例中不再对检测当前图像中目标物体是否存在运动模糊的过程进行赘述,可以参考上述实施例中相关部分的具体内容。
本实施例中并不限定判断当前图像中是否存在目标物体的具体过程。用户可以根据选取的目标物体的类型设置对应的判断过程。例如该判断过程可以是当接收到当前图像时,对当前图像进行图像识别,并将图像识别结果与用户预先设置的各类型的目标物体(例如设置目标物体为人脸,设置目标物体为车牌等)进行对比,判断当前图像中是否存在目标物体。需要说明的是,该判断过程中并不限定用户预先设置的目标物体的数量(例如同时设置人脸以及车牌作为目标物体)。在上述过程中也不对图像识别的方法进行限定,用户可以根据设置的目标物体的类型确定对应的图像识别方法(例如目标物体为人脸时,可以选择人脸识别算法对当前图像进行图像识别)。
再例如,该判断过程也可以是当接收到当前图像时,判断图像中是否存在运动物体;若不存在运动物体,则直接结束本次图像处理过程;若存在运动物体,则对当前图像进行图像识别,并将图像识别结果与用户预先设置的各类型的目标物体进行对比,判断当前图像中是否存在目标物体。需要说明的是,该判断过程适用于目标物体为运动物体的情况。该判断过程中并不限定用户预先设置的目标物体的数量。该判断过程中也不对图像识别的方法进行限定,用户可以根据设置的目标物体的类型确定对应的图像识别方法。当然,若用户设置的目标物体为运动物体,则判断出图像中存在运动物体(也就判断出当前图像中存在目标物体),可以直接执行检测当前图像中目标物体是否存在运动模糊的步骤(即步骤S1002)。
基于上述实施例,本申请提供的图像处理方法,通过预先判断当前图像中是否存在目标物体,可以提高图像处理效率。即在一定程度上,避免了不必要的计算过程,降低图像处理时间,且节省了硬件计算资源。
基于上述任意实施例,本实施例中为了提高当前图像中目标物体是否存在运动模糊的可靠性和准确性,提供了一种更加可靠和准确的运动模糊程度计算方法,通过提高运动模糊程度的准确性来提高当前图像中目标物体是否存在运动模糊的可靠性和准确性。即请参考图3,本实施例中计算当前图像中目标物体的运动模糊程度可以包括:
S301、计算当前图像中目标物体的质量值以及边缘图像平均强度。
S302、利用质量值以及边缘图像平均强度,计算运动模糊程度。
其中,本实施例中在计算运动模糊程度时,选取了准确性更高的质量值以及边缘图像平均强度,使得计算得到的运动模糊程度更加可靠和准确。需要说明的是,本实施例中不限定具体的质量值以及边缘图像平均强度的计算方法。用户可以根据对运动模糊程度的精确性的需求、硬件计算能力或目标物体的类型选择合适的计算方法。
例如若用户对运动模糊程度的精确性的需求较高时,可以选择准确性高的智能算法计算目标物体的质量值。具体的,当目标物体为人脸时,可以选择人脸识别智能算法计算当前图像中目标人脸的质量值C。可以理解的是,质量值C越大,则证明当前目标人脸的质量越好,出现运动模糊的可能性就小。当目标物体为车牌时,可以选择车牌识别智能算法计算当前图像中目标车牌的质量值C。可以理解的是,质量值C越大,则证明当前目标车牌的质量越好,出现运动模糊的可能性就小。
再例如,用户还可以选择准确性高的边缘图像平均强度计算公式计算目标物体的边缘图像平均强度。具体的,边缘图像平均强度计算公式可以是其中,S为边缘图像平均强度,I1为目标物体的边缘图像,p,q为目标物体的边缘图像中像素的下标,P,Q分别表示目标物体的边缘图像的宽度和高度;其中,I1具体计算过程可以是其中,I为当前图像,F为低通滤波器。即利用低通滤波器得到目标物体的模糊图像,将其与当前图像(即原图)作差,得到目标物体的边缘图像。可以理解的是,一般情况下边缘图像平均强度S越大,则证明目标物体的边缘越清晰,出现运动模糊的可能性就小。当然,用户也可以选取其他方式获取目标物体的边缘图像,以及利用其他边缘图像强度计算公式计算目标物体的边缘图像平均强度,本实施例对此并不进行限定。
本实施例中并不对利用质量值以及边缘图像平均强度计算运动模糊程度的具体方式进行限定。例如可以设置质量值以及边缘图像平均强度与运动模糊程度的映射关系,根据该映射关系确定当前计算得到的质量值以及边缘图像平均强度对应的运动模糊程度。也可以是设置一个与质量值以及边缘图像平均强度相关的函数,通过函数计算当前的质量值以及边缘图像平均强度对应的运动模糊程度。本实施例中并不对该函数的具体形式进行限定。进一步,由于质量值C越大,出现运动模糊的可能性越小;边缘图像平均强度S越大,出现运动模糊的可能性也越小。进而可以得到运动模糊程度与质量值以及边缘图像平均强度呈负相关关系。因此,优选地,该函数形式可以是递减函数。当然,该递减函数的递减形式可以由用户根据实际情况设置,以形成对应递减函数,本实施例对此并不进行限定。
进一步,根据分析可以得到质量值和边缘图像平均强度与最终的运动模糊程度存在单调负相关关系。因此,为了进一步提高设置的递减函数的可靠性,本实施例在利用质量值以及边缘图像平均强度计算运动模糊程度时,可以设置单调递减函数来计算运动模糊程度。即根据质量值以及边缘图像平均强度,利用单调递减函数计算运动模糊程度。需要说明的是,本实施例中并不限定该单调递减函数的具体形式。用户可以根据实际情况进行设置。为了保证运动模糊程度的计算效率和可靠性。优选地,本实施例中可以利用单调递减函数计算运动模糊程度。其中,M为根据单调递减函数计算得到的运动模糊程度,σ1,σ2为常量,可以根据实际需求进行调节,本实施例并不对其具体数值进行限定,w1,w2可以理解为权重常量且w1+w2=1。
当然,本实施例中单调递减函数M与质量值C和边缘图像平均强度S的对应关系也可以是其他形式,只要其能够满足单调递减函数M随质量值C和边缘图像平均强度S单调递减即可。
基于上述实施例,本申请提供的图像处理方法,通过质量值以及边缘图像平均强度共同计算运动模糊程度,可以提高运动模糊程度的可靠性和准确性。且通过设置单调递减函数来进一步提高运动模糊程度的可靠性和准确性,进而提高当前图像中目标物体是否存在运动模糊的可靠性和准确性。
基于上述任意实施例,在当前图像中存在多个目标物体时,需要计算各个目标物体对应的运动模糊程度,再根据各目标物体的运动模糊程度,确定当前图像中目标物体是否存在运动模糊。可以理解的是,只有在当前图像中每个目标物体均不存在运动模糊,此时才能说明当前图像中目标物体不存在运动模糊。也就是说,只有在当前图像中每个目标物体的运动模糊程度均不属于预设运动模糊区间,才能说明当前图像中目标物体不存在运动模糊。本实施例中并不限定在当前图像中存在多个目标物体时,检测当前图像中目标物体是否存在运动模糊的具体过程。
例如,可以通过分别对比的方式判断当前图像中目标物体是否存在运动模糊。具体过程可以是计算当前图像中每个目标物体的运动模糊程度(此时可以是同时计算各目标物体的运动模糊程度,也可以是分别计算各目标物体的运动模糊程度),然后分别对比各运动模糊程度是否属于预设运动模糊区间,只有在当前图像中每个目标物体的运动模糊程度均不属于预设运动模糊区间时,证明当前图像中目标物体不存在运动模糊;即同时计算,分别对比。
再例如,也可以是通过依次对比的方式判断当前图像中目标物体是否存在运动模糊。具体过程可以是依次计算当前图像中每个目标物体的运动模糊程度,然后依次对比各运动模糊程度是否属于预设运动模糊区间,只有在当前图像中每个目标物体的运动模糊程度均不属于预设运动模糊区间时,证明当前图像中目标物体不存在运动模糊;具体的,只有在前一个目标物体的运动模糊程度不属于预设运动模糊区间,才能计算下一个目标物体的运动模糊程度并判断其是否属于预设运动模糊区间。只要存在一个目标物体的运动模糊程度属于预设运动模糊区间,则直接结束计算并说明当前图像中目标物体存在运动模糊;只有在当前图像中每个目标物体的运动模糊程度均不属于预设运动模糊区间时,证明当前图像中目标物体不存在运动模糊;即依次计算,依次对比。
再例如,也可以是通过共同计算,分别对比的方式判断当前图像中目标物体是否存在运动模糊。具体过程可以是先计算得到当前图像中各目标物体的运动模糊程度(此时可以是同时计算各目标物体的运动模糊程度,也可以是分别计算各目标物体的运动模糊程度)后,仅选取当前图像中各目标物体的运动模糊程度中最大的运动模糊程度与预设运动模糊区间进行对比,只要最大的运动模糊程度不属于预设运动模糊区间,就证明了当前图像中每个目标物体的运动模糊程度均不属于预设运动模糊区间,也就是说,当前图像中目标物体不存在运动模糊。
进一步,为了提高检测当前图像中目标物体是否存在运动模糊的效率,优选地,若当前图像中存在多个目标物体时,判断运动模糊程度是否属于预设运动模糊区间可以包括:选取当前图像中各目标物体的运动模糊程度中最大的运动模糊程度;判断最大的运动模糊程度是否属于预设运动模糊区间。即只要最大的运动模糊程度不属于预设运动模糊区间,则就证明了当前图像中每个目标物体的运动模糊程度均不属于预设运动模糊区间,即当前图像中目标物体不存在运动模糊。也就是说,仅通过最大的运动模糊程度与预设运动模糊区间的一次对比,就可以确定当前图像中目标物体是否存在运动模糊。
基于上述实施例,本申请提供的图像处理方法,在当前图像中存在多个目标物体时,可以通过选取最大的运动模糊程度与预设运动模糊区间进行对比,并根据对比结果直接确定当前图像中目标物体是否存在运动模糊。即仅通过一次判断就可以确定当前图像中目标物体是否存在运动模糊,提高了检测当前图像中目标物体是否存在运动模糊的效率。
基于上述任意实施例,若检测到当前图像中目标物体存在运动模糊,也就是说,当前图像中目标物体存在拖尾现象。此时,需要获取一个较快的目标快门时间来解决目标物体的运动模糊现象。即通过获取的目标快门时间来设定成像设备的快门参数,以便后续成像设备利用该目标快门时间采集图像,进而通过较快的目标快门时间来避免图像中目标物体存在运动模糊的现象。本实施例中并不限定目标快门时间的计算方式。
例如可以通过计算当前图像中目标物体的运动速度,并根据该运动速度确定对应的目标快门时间。也可以是通过计算当前图像对应的光照强度,并根据该光照强度确定对应的目标快门时间。当然也可以是根据当前图像中目标物体的运动模糊程度(具体运动模糊程度的计算过程本实施并不限定,可以参考其他实施例中运动模糊程度计算的相关内容),计算目标快门时间。本实施例中也不限定上述几种计算方式中根据参数(参数即运动速度、光照强度、运动模糊程度)确定目标快门时间的方法。即本实施例中并不限定根据运动速度,或光照强度,或运动模糊程度确定对应的目标快门时间的方法。例如可以设置每种参数的各个数值与目标快门时间的映射关系,并根据该映射关系确定目标快门时间。当然,该映射关系可以是一一映射(如一个运动速度对应一个目标快门时间),也可以是区间映射(如一个运动速度区间对应一个目标快门时间)。可以理解的是,本实施例不限定每种参数对应的具体的映射关系,可以由用户根据选取的参数的具体情况设置对应的映射关系。
进一步,由于运动模糊程度这一参数考虑的因素比较全面,能够全方面的衡量目标物体的模糊程度,因此,为了提高目标快门时间计算的准确性和可靠性,优选地,本实施例中根据当前图像中目标物体的运动模糊程度,计算目标快门时间。
其中,本实施例中并不限定根据运动模糊程度计算目标快门时间的方式。例如可以根据预设的运动模糊程度与目标快门时间的映射关系来计算目标快门时间。也可以是根据运动模糊程度与预设运动模糊阈值的偏离程度来计算目标快门时间;此时偏离程度越大,得到的目标快门时间数值越小,即目标快门时间越快。当然本实施例中并不限定偏离程度的计算方式。例如可以是将运动模糊程度与预设运动模糊阈值比值作为偏离程度;也可以是将运动模糊程度与预设运动模糊阈值的差值作为偏离程度。也可以是根据运动模糊程度与预设运动模糊阈值计算动态调整快门系数,再根据当前快门时间以及动态调整快门系数计算目标快门时间。
进一步,为了保证目标快门时间计算的准确性和可靠性且能够实现精细化的自适应快门调整过程。请参考图4,优选地,本实施例中根据当前图像中目标物体的运动模糊程度,计算目标快门时间可以包括:
S401、根据当前图像中目标物体的运动模糊程度与预设运动模糊阈值,计算动态调整快门系数。
S402、根据当前快门时间以及动态调整快门系数,计算目标快门时间。
需要说明的是,本实施例中并不限定动态调整快门系数的计算过程。例如可以是预设运动模糊阈值与运动模糊程度比值作为动态调整快门系数;也可以是将运动模糊程度与预设运动模糊阈值的差值的倒数作为动态调整快门系数;当然也可以是通过公式R=1/[K*(M-N)+b]计算动态调整快门系数R,其中,K为线性系数(可以理解为斜率),b为常数,即可以通过K以及b进行微调,进而提高动态调整快门系数的准确性,M为运动模糊程度,N为预设运动模糊阈值;本实施例并不对K、b以及N的数值进行限定。
本实施例中在计算得到动态调整快门系数后,可以将当前快门时间以及动态调整快门系数的乘积作为目标快门时间。即Sa=Sc*R;其中,R为动态调整快门系数,Sc为当前快门时间,Sa为目标快门时间。
基于上述实施例,本申请提供的图像处理方法,若检测到当前图像中目标物体存在运动模糊,通过自适应调整快门时间,能够避免出现目标物体运动模糊现象;进一步通过动态调整快门系数自适应调整快门时间,能够保证目标快门时间计算的准确性和可靠性且能够实现精细化的自适应快门调整过程。
基于上述实施例,本实施例中通过控制单次调整快门时间的强度,来保证自适应快门调整的可靠性。即优选地,本实施例中在计算目标快门时间之后还可以包括:
判断目标快门时间与当前快门时间的差值是否大于预设最大调整强度;
若大于,则将预设最大调整强度作为目标快门时间。
本实施例中通过设置预设最大调整强度,在目标快门时间与当前快门时间的差值不大于预设最大调整强度时,就按照该目标快门时间来调整成像设备的快门参数。在目标快门时间与当前快门时间的差值大于预设最大调整强度时,就认为当前的快门调整强度太大,因此直接将预设最大调整强度作为目标快门时间,即以预设最大调整强度对应的快门时间来调整成像设备的快门参数。当然,本实施例中并不对预设最大调整强度的具体数值进行限定,用户可以根据实际情况进行设置。
基于上述实施例,本申请提供的图像处理方法,若检测到当前图像中目标物体存在运动模糊,通过自适应调整快门时间,能够避免出现目标物体运动模糊现象;即通过动态调整快门,使得成像设备采集的图像不存在运动模糊现象。进一步通过控制单次调整快门时间的强度,来保证自适应快门调整的可靠性。
基于上述任意实施例,通过调快快门时间克服当前图像中目标物体出现运动模糊的现象后,由于快门时间变快而造成成像设备进光量的减少,尤其是在环境光照减弱的情况下,调整快门时间后会对图像质量产生较大的影响,也就是说,在克服目标物体的运动模糊后,图像质量的降低主要是由于光照原因造成。因此,本实施例中可以通过当前图像的亮度以及增益,对当前拍摄情况下环境光照是否充足进行判断,若当前环境光照充足,则当前图像的图像质量不会明显降低,因此为了提高图像处理效率,本实施例中可以不执行判断当前图像的图像质量是否满足预设图像质量条件的步骤。若当前环境光照不充足,则当前图像的图像质量可能会降低,因此为了保证图像质量,需要执行判断当前图像的图像质量是否满足预设图像质量条件的步骤。具体的,在低照图像下,本实施例可以选取噪声作为图像质量的衡量标准。例如可以通过计算噪声平均强度来确定当前图像的图像质量是否满足预设图像质量条件。请参考图5,优选地,本实施例中判断当前图像的图像质量是否满足预设图像质量条件可以包括:
S501、若当前图像的亮度不属于预设标准图像亮度区间,且当前图像的增益不属于预设标准图像增益区间,计算当前图像的噪声平均强度。
S502、判断噪声平均强度是否大于预设噪声容忍阈值;若否,则进入步骤S503,若是,则进入步骤S504。
S503、确定当前图像的图像质量满足预设图像质量条件。
S504、确定当前图像的图像质量不满足预设图像质量条件。
本实施例中,若当前图像的亮度不属于预设标准图像亮度区间,且当前图像的增益不属于预设标准图像增益区间,则意味着当前拍摄情况下环境光照已经不充足。此时需要计算当前图像的噪声平均强度,进而可以根据该当前图像的噪声平均强度来确定当前图像的图像质量是否满足预设图像质量条件。具体的,若当前图像的噪声平均强度不大于预设噪声容忍阈值,则确定当前图像的图像质量满足预设图像质量条件;若当前图像的噪声平均强度大于预设噪声容忍阈值,则确定当前图像的图像质量不满足预设图像质量条件。
其中,本实施例中并不对预设标准图像亮度区间、预设标准图像增益区间以及预设噪声容忍阈值的具体数值进行限定。用户可以根据实际应用场景以及硬件计算能力进行确定。
需要说明的是,本实施例中当前图像的噪声平均强度可以指整个当前图像的噪声平均强度,也可以指整个当前图像中目标物体对应的图像的噪声平均强度。本实施例对此并不进行限定。进一步,本实施例并不限定当前图像的噪声平均强度计算过程。例如可以选择准确性高的噪声平均强度计算公式计算当前图像的噪声平均强度。下面以当前图像中目标物体对应的图像质量进行说明。具体的,噪声平均强度计算公式可以是其中,Zc为噪声平均强度(此时指目标物体噪声图像对应的噪声平均强度),I2为目标物体的噪声图像,m,n为目标物体噪声图像中像素的下标,M,N分别表示目标物体噪声图像的宽度和高度;其中,I2具体计算过程可以是/>其中,I为当前图像,G为高斯滤波器。即利用高斯滤波器降噪后得到的目标物体对应的图像,并将其与当前图像(即原图)作差,得到目标物体噪声图像。可以理解的是,一般情况下噪声平均强度Zc越大,则证明图像质量越差。当然,用户也可以选取其他方式获取目标物体噪声图像,以及利用其他噪声平均强度计算公式计算目标物体噪声图像的噪声平均强度。本实施例对此并不进行限定。
基于上述实施例,本申请提供的图像处理方法,能够提高判断当前图像的图像质量是否满足预设图像质量条件的效率,进而提高图像处理效率。
基于上述任意实施例,本实施例中为了保证图像质量优化处理操作的可靠性。可以通过预设图像处理程序以及外设补光灯来改善图像质量。本实施例中可以在当前图像的图像质量不满足预设图像质量条件时,根据当前图像的图像质量选择合适的图像质量优化处理操作。例如若当前图像的图像质量与用户所需图像质量相比,相差不是很多(即当前图像的图像质量与用户所需图像质量的差值属于预设范围),则可以仅选择预设图像处理程序对当前图像和/或当前拍摄场景下的后续图像进行图像质量优化处理操作。若当前图像的图像质量与用户所需图像质量相比,相差不是比较多(即当前图像的图像质量与用户所需图像质量的差值不属于预设范围),则可以同时选择预设图像处理程序以及外设补光灯对当前图像和/或当前拍摄场景下的后续图像进行图像质量优化处理操作。也可以在当前图像的图像质量不满足预设图像质量条件时,直接同时选择预设图像处理程序以及外设补光灯对当前图像和/或当前拍摄场景下的后续图像进行图像质量优化处理操作。
需要说明的是,本实施例在使用外设补光灯进行补光操作时,并不限定外设补光灯对应的目标补光灯强度的确定方式。例如,可以以固定的目标补光灯强度进行补光。也可以根据当前图像的图像质量确定目标补光灯强度。也可以是根据当前图像的图像质量与用户所需图像质量的差值确定目标补光灯强度。
进一步,为了保证图像质量优化处理操作之后的图像质量,优选地,本实施例中在当前图像的图像质量不满足预设图像质量条件时,同时选择预设图像处理程序以及外设补光灯进行图像质量优化处理操作。且为了提高外设补光灯的补光效果,本实施例中根据当前图像的图像质量确定目标补光灯强度。优选地,本实施例中触发图像质量优化处理操作可以包括:
执行预设图像处理程序,并根据当前图像的图像质量确定目标补光灯强度。
本实施例中并不对预设图像处理程序进行限定,用户可以根据目标物体的类型或实际应用场景确定具体的预设图像处理程序。本实施例中也不限定根据当前图像的图像质量确定目标补光灯强度的具体方式。例如可以是设置图像质量与目标补光灯强度的映射关系,进而根据该映射关系以及当前图像的图像质量,可以确定目标补光灯强度。当然,该映射关系可以是一一映射(如一个图像质量对应一个目标补光灯强度),也可以是区间映射(如一个图像质量区间对应一个目标补光灯强度)。也可以是根据当前图像的图像质量与用户所需图像质量的质量偏离程度确定目标补光灯强度。可以理解的是,当质量偏离程度越大,目标补光灯强度越大。本实施例中并不限定质量偏离程度的计算方式。例如可以是将当前图像的图像质量与用户所需图像质量的差值作为质量偏离程度。也可以是将当前图像的图像质量与用户所需图像质量的比值作为质量偏离程度。
进一步,若利用当前图像的噪声平均强度来表征当前图像的图像质量,则目标补光灯强度的计算过程可以是设置当前图像的噪声平均强度与目标补光灯强度的映射关系,进而根据该映射关系以及当前图像的噪声平均强度,确定目标补光灯强度。也可以是根据当前图像的噪声平均强度与预设噪声容忍阈值,计算目标补光灯强度。本实施例中并不限定根据当前图像的噪声平均强度与预设噪声容忍阈值计算目标补光灯强度的具体过程。例如可以是根据当前图像的噪声平均强度与预设噪声容忍阈值差值,计算目标补光灯强度。具体的,利用公式L=k1*(Zc-Zr)计算目标补光灯强度,其中,L为目标补光灯强度,k1为正调整系数,用户可根据实际需求设置,Zc为当前图像的噪声平均强度,Zr为预设噪声容忍阈值差值。可以理解的是,本次补光灯调整强度可以是将计算得到的目标补光灯强度减去当前补光灯强度得到。可以看到,当Zc-Zr越大,目标补光灯强度越大。当然,也可以根据当前图像的噪声平均强度与预设噪声容忍阈值比值,计算目标补光灯强度。本实施例对此并不进行限定。
基于上述实施例,本申请提供的图像处理方法,能够提高图像质量优化处理操作的效果,且能够根据当前图像的图像质量确定所需的目标补光灯强度,避免出现目标补光灯强度过大造成的曝光现象。
基于上述实施例,为了进一步提高目标补光灯强度的可靠性。本实施例中在计算目标补光灯强度时,还考虑了当前图像中最亮区域的亮度,避免出现目标补光灯强度过大造成最亮区域出现曝光现象。请参考图6,优选地,根据当前图像的噪声平均强度与预设噪声容忍阈值,计算目标补光灯强度可以包括:
S601、判断当前图像中最亮区域的亮度是否大于预设亮度上限;若是,则进入步骤S602,若否,则进入步骤S603。
S602、根据当前图像的噪声平均强度与预设噪声容忍阈值,计算第一补光灯强度,根据最亮区域的亮度以及预设亮度上限,计算第二补光灯强度,并将第一补光灯强度与第二补光灯强度的差值作为目标补光灯强度。
S603、根据当前图像的噪声平均强度与预设噪声容忍阈值,计算第一补光灯强度,并将第一补光灯强度作为目标补光灯强度。
本实施例中并不限定第一补光灯强度以及第二补光灯强度的计算方式。例如第一补光灯强度可以通过上述k1*(Zc-Zr)计算得到,也可以通过噪声平均强度与预设噪声容忍阈值的比值计算得到。第二补光灯强度可以根据最亮区域的亮度与预设亮度上限的差值计算得到(如通过k2*(Lm-Ly)计算得到,其中,k2为正调整系数,用户可根据实际需求设置,Lm为最亮区域的亮度,Ly为预设亮度上限)。当然,也可以通过最亮区域的亮度与预设亮度上限的比值计算得到。其中,本实施例中并不限定预设亮度上限的具体数值,用户可以根据实际情况进行设定或修改。
本实施例可以通过公式L=k1*(Zc-Zr)-k2*max(0,Lm-Ly)来描述本实施例中整个计算过程。其中,k1、k2为正调整系数,可根据实际需求设置,本实施例并不对其具体数值进行限定。例如这里可以设k1=20,k2=5。可以理解的是,当需要触发图像质量优化处理操作时,可以依据Zc-Zr和Lm计算目标补光灯强度。Zc-Zr越大,目标补光灯强度越强。但是当Lm超过Ly时,为了避免曝光(如最亮区域的局部曝光),则需要降低目标补光灯强度,直到最亮块亮度Lm小于Ly。当然,上述公式仅是一种具体形式,L与Zc以及Lm的对应关系也可以是其他形式,只要其能够满足L与Zc单调递增,L与Lm单调递减即可。
需要说明的是,本实施例中并不对最亮区域的大小进行限定,例如可以将当前图像中每4个像素点作为一个区域,进而确定当前图像中最亮区域的亮度。此时,最亮区域的亮度可以是该区域中各像素亮度的平均值,当然也可以是该区域中最亮像素点确定当前图像中最亮区域的亮度。
基于上述实施例,本申请提供的图像处理方法,能够提高图像质量优化处理操作的效果,且能够进一步提高目标补光灯强度的可靠性。在计算目标补光灯强度时,还考虑了当前图像中最亮区域的亮度,避免出现目标补光灯强度过大造成最亮区域出现曝光现象。
基于上述任意实施例,请参考图7,本实施例中触发图像质量优化处理操作之后还可以包括:
S701、判断经过图像质量优化处理操作之后的当前图像的图像质量是否低于预设图像质量下限条件;若是,则进入步骤S702。若不低于,则结束本次图像处理操作或者直接对成像设备采集的下一个图像进行图像处理。即本实施例中并不对经过图像质量优化处理操作之后的当前图像的图像质量不低于预设图像质量下限条件时的操作进行限定。
S702、将成像设备的各预设参数固定为对应预设数值,以便成像设备在当前拍摄场景下以固定后的各预设参数进行拍摄。
其中,本实施例并不对预设图像质量下限条件进行限定。其设置过程可以参考上述各个相关实施例中预设图像质量条件的设置过程。需要注意的是,预设图像质量下限条件不能高于预设图像质量条件的要求,一般情况下预设图像质量下限条件低于预设图像质量条件的要求。
本实施例中,若当前图像经过图像质量优化处理操作之后的图像质量仍然低于预设图像质量下限条件,则说明当前图像处理过程对于当前的拍摄场景下已经没有很好的效果,后续为了节省硬件资源,可以不再执行上述各个实施例中提供的图像处理方法。仅需要将成像设备的各预设参数固定为对应预设数值,以便成像设备在当前拍摄场景下以固定后的各预设参数进行拍摄即可。本实施例中并不限定预设参数的种类,例如可以包含快门,预设补光灯等,当然可以由用户根据实际需求设置预设参数。本实施例中也不限定各预设参数对应预设数值的具体数值。例如用户可以将成像设备处于节能状态下的各预设参数的数值作为固定的对应预设数值。也可以是将成像设备上一次采集图像时各预设参数的数值作为固定的对应预设数值,当然也可以是各个预设参数的默认数值。
进一步,为了提高判断经过图像质量优化处理操作之后的当前图像的图像质量是否低于预设图像质量下限条件的可靠性。优选地,判断经过图像质量优化处理操作之后的当前图像的图像质量是否低于预设图像质量下限条件可以包括:
判断经过图像质量优化处理操作之后的当前图像的亮度是否属于预设图像亮度下限区间,以及经过图像质量优化处理操作之后的当前图像的增益是否属于预设图像增益上限区间;
若经过图像质量优化处理操作之后的当前图像的亮度属于预设图像亮度下限区间,或者经过图像质量优化处理操作之后的当前图像的增益属于预设图像增益上限区间,则确定经过图像质量优化处理操作之后的当前图像的图像质量低于预设图像质量下限条件。
其中,本实施例并不限定预设图像亮度下限区间、预设图像增益上限区间的具体数值。用户可以根据实际情况进行设定。若经过图像质量优化处理操作之后的当前图像的亮度属于预设图像亮度下限区间,或者经过图像质量优化处理操作之后的当前图像的增益属于预设图像增益上限区间,则表明当前图像的图像质量已经非常差了,此时不需要在对其执行图像质量优化处理操作或者是不需要对其执行自适应快门调整操作。或者在此基础上,恢复成像设备的默认参数,例如将成像设备的各预设参数固定为对应预设数值,以便成像设备在当前拍摄场景下以固定后的各预设参数进行拍摄。
基于上述实施例,本申请提供的图像处理方法,能够在当前图像的图像质量很差的情况下,避免无效的图像处理操作,如自适应快门调节操作,以及图像质量优化处理操作等,节省硬件计算资源。
可以理解的是,上述各个实施例仅仅是列举了部分实施例,除了必然不能组合的情况下,上述各个实施例均可以任意组合,形成新的组合实施例。例如图7中的技术方案可以增加至图1至图6中任一个技术方案中相应位置。
下面对本申请实施例提供的图像处理装置、电子设备及计算机可读存储介质进行介绍,下文描述的图像处理装置、电子设备及计算机可读存储介质与上文描述的图像处理方法可相互对应参照。
请参考图8,图8为本申请实施例所提供的一种图像处理装置的结构框图;该图像处理装置可以包括:
图像质量判断模块100,用于当检测到当前图像中目标物体不存在运动模糊时,判断当前图像的图像质量是否满足预设图像质量条件;
图像质量优化模块200,用于若当前图像的图像质量不满足预设图像质量条件,则触发图像质量优化处理操作。
基于上述实施例,该装置还可以包括:
目标物体判断模块,用于判断当前图像中是否存在目标物体;
运动模糊检测模块,用于若当前图像存在目标物体,则检测当前图像中目标物体是否存在运动模糊。
基于上述实施例,运动模糊检测模块可以包括:
运动模糊计算单元,用于计算当前图像中目标物体的运动模糊程度;
状态判断单元,用于判断运动模糊程度是否属于预设运动模糊区间;若不属于,则确定当前图像中目标物体不存在运动模糊。
基于上述实施例,运动模糊计算单元可以包括:
运动模糊参数计算子单元,用于计算当前图像中目标物体的质量值以及边缘图像平均强度;
运动模糊计算子单元,用于利用质量值以及边缘图像平均强度,计算运动模糊程度。
基于上述实施例,运动模糊计算子单元具体为根据质量值以及边缘图像平均强度,利用单调递减函数计算运动模糊程度的子单元。
基于上述任意实施例,状态判断单元可以包括:
数据选取子单元,用于当当前图像中存在多个目标物体时,选取当前图像中各目标物体的运动模糊程度中最大的运动模糊程度;
状态判断子单元,用于判断最大的运动模糊程度是否属于预设运动模糊区间。
基于上述任意实施例,该装置还可以包括:
快门时间计算模块,用于当检测到当前图像中目标物体存在运动模糊时,根据当前图像中目标物体的运动模糊程度,计算目标快门时间。
基于上述实施例,快门时间计算模块可以包括:
快门系数计算单元,用于根据当前图像中目标物体的运动模糊程度与预设运动模糊阈值,计算动态调整快门系数;
快门时间计算单元,用于根据当前快门时间以及动态调整快门系数,计算目标快门时间。
基于上述任意实施例,该装置还可以包括:
强度判断模块,用于判断目标快门时间与当前快门时间的差值是否大于预设最大调整强度;
快门时间调整模块,用于若差值大于预设最大调整强度,则将预设最大调整强度作为目标快门时间。
基于上述任意实施例,图像质量判断模块100可以包括:
噪声平均强度计算单元,用于当当前图像的亮度不属于预设标准图像亮度区间,且当前图像的增益不属于预设标准图像增益区间时,计算当前图像的噪声平均强度;
噪声判断单元,用于判断噪声平均强度是否大于预设噪声容忍阈值;
图像质量确定单元,用于若噪声平均强度不大于预设噪声容忍阈值,则确定当前图像的图像质量满足预设图像质量条件;若噪声平均强度大于预设噪声容忍阈值,则确定当前图像的图像质量不满足预设图像质量条件。
基于上述任意实施例,图像质量优化模块200可以包括:
第一质量优化子模块,用于执行预设图像处理程序;
第二质量优化子模块,用于根据当前图像的图像质量确定目标补光灯强度。
基于上述实施例,第二质量优化子模块可以包括:
第二质量优化单元,用于根据当前图像的噪声平均强度与预设噪声容忍阈值,计算目标补光灯强度。
基于上述实施例,第二质量优化单元可以包括:
亮度判断子单元,用于判断当前图像中最亮区域的亮度是否大于预设亮度上限;
第一补光灯强度计算子单元,用于若最亮区域的亮度大于预设亮度上限,则根据当前图像的噪声平均强度与预设噪声容忍阈值,计算第一补光灯强度,根据最亮区域的亮度以及预设亮度上限,计算第二补光灯强度,并将第一补光灯强度与第二补光灯强度的差值作为目标补光灯强度;
第二补光灯强度计算子单元,用于若最亮区域的亮度不大于预设亮度上限,则根据当前图像的噪声平均强度与预设噪声容忍阈值,计算第一补光灯强度,并将第一补光灯强度作为目标补光灯强度。
基于上述任意实施例,该装置还可以包括:
质量下限判断模块,用于判断经过图像质量优化处理操作之后的当前图像的图像质量是否低于预设图像质量下限条件;
参数固定模块,用于若低于预设图像质量下限条件,则将成像设备的各预设参数固定为对应预设数值,以便成像设备在当前拍摄场景下以固定后的各预设参数进行拍摄。
基于上述实施例,质量下限判断模块可以包括:
质量区间判断单元,用于判断经过图像质量优化处理操作之后的当前图像的亮度是否属于预设图像亮度下限区间,以及经过图像质量优化处理操作之后的当前图像的增益是否属于预设图像增益上限区间;
图像质量下限确定单元,用于若经过图像质量优化处理操作之后的当前图像的亮度属于预设图像亮度下限区间,或者经过图像质量优化处理操作之后的当前图像的增益属于预设图像增益上限区间,则确定经过图像质量优化处理操作之后的当前图像的图像质量低于预设图像质量下限条件。
需要说明的是,基于上述任意实施例,所述装置可以是基于可编程逻辑器件实现的,可编程逻辑器件包括FPGA,CPLD,单片机、处理器等。这些可编程逻辑器件可以设置在电子设备,例如成像设备中。
本申请实施例还提供一种电子设备,包括:存储器,用于存储计算机程序;处理器,用于执行计算机程序时实现上述任意实施例的图像处理方法的步骤。当然,本实施例中并不对电子设备所需要的其他部件进行限定,具体可以参考现有电子设备的设置。例如该电子设备还可以包括,摄像头,快门(可以是卷帘式快门和机械快门),外设补光灯等与成像相关的部件。此时该电子设备可以是包含图像处理能力的成像设备。进一步,本实施例中并不对成像设备进行限定,例如该成像设备可以是监控摄像机,或者是具有拍摄功能的终端,摄像设备(如摄像机)等。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述任意实施例所述的图像处理方法的步骤。该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,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、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
以上对本申请所提供的一种图像处理方法、装置、电子设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (15)
1.一种图像处理方法,其特征在于,包括:
当检测到当前图像中目标物体不存在运动模糊时,判断所述当前图像的图像质量是否满足预设图像质量条件;
若所述当前图像的图像质量不满足所述预设图像质量条件,则触发图像质量优化处理操作;
其中,所述判断所述当前图像的图像质量是否满足预设图像质量条件,包括:
当所述当前图像的亮度不属于预设标准图像亮度区间时,则计算所述当前图像的噪声平均强度;
判断所述噪声平均强度是否大于预设噪声容忍阈值;
若不大于,则确定所述当前图像的图像质量满足预设图像质量条件;
若大于,则确定所述当前图像的图像质量不满足预设图像质量条件。
2.根据权利要求1所述的图像处理方法,其特征在于,还包括:
判断当前图像中是否存在目标物体;
若存在,则检测所述当前图像中所述目标物体是否存在运动模糊。
3.根据权利要求2所述的图像处理方法,其特征在于,所述检测所述当前图像中所述目标物体是否存在运动模糊,包括:
计算所述当前图像中所述目标物体的运动模糊程度;
判断所述运动模糊程度是否属于预设运动模糊区间;
若不属于,则确定所述当前图像中所述目标物体不存在运动模糊。
4.根据权利要求3所述的图像处理方法,其特征在于,所述计算所述当前图像中所述目标物体的运动模糊程度,包括:
计算所述当前图像中所述目标物体的质量值以及边缘图像平均强度;
利用所述质量值以及所述边缘图像平均强度,计算运动模糊程度。
5.根据权利要求4所述的图像处理方法,其特征在于,所述利用所述质量值以及所述边缘图像平均强度,计算运动模糊程度,包括:
根据所述质量值以及所述边缘图像平均强度,利用单调递减函数计算运动模糊程度。
6.根据权利要求1所述的图像处理方法,其特征在于,当检测到所述当前图像中目标物体存在运动模糊时,还包括:
根据所述当前图像中所述目标物体的运动模糊程度,计算目标快门时间。
7.根据权利要求6所述的图像处理方法,其特征在于,所述根据所述当前图像中所述目标物体的运动模糊程度,计算目标快门时间,包括:
根据所述当前图像中所述目标物体的运动模糊程度与预设运动模糊阈值,计算动态调整快门系数;
根据当前快门时间以及所述动态调整快门系数,计算目标快门时间。
8.根据权利要求1所述的图像处理方法,其特征在于,所述判断所述当前图像的图像质量是否满足预设图像质量条件,包括:
当所述当前图像的亮度不属于预设标准图像亮度区间,且所述当前图像的增益不属于预设标准图像增益区间时,计算所述当前图像的噪声平均强度;
判断所述噪声平均强度是否大于预设噪声容忍阈值;
若不大于,则确定所述当前图像的图像质量满足预设图像质量条件;
若大于,则确定所述当前图像的图像质量不满足预设图像质量条件。
9.根据权利要求1所述的图像处理方法,其特征在于,所述触发图像质量优化处理操作,包括:
执行预设图像处理程序,并根据所述当前图像的图像质量确定目标补光灯强度。
10.根据权利要求9所述的图像处理方法,其特征在于,所述根据所述当前图像的图像质量确定目标补光灯强度,包括:
根据所述当前图像的噪声平均强度与预设噪声容忍阈值,计算目标补光灯强度。
11.根据权利要求1所述的图像处理方法,其特征在于,所述触发图像质量优化处理操作之后,还包括:
判断经过图像质量优化处理操作之后的所述当前图像的图像质量是否低于预设图像质量下限条件;
若低于,则将成像设备的各预设参数固定为对应预设数值,以便所述成像设备在当前拍摄场景下以固定后的各所述预设参数进行拍摄。
12.根据权利要求11所述的图像处理方法,其特征在于,所述判断经过图像质量优化处理操作之后的所述当前图像的图像质量是否低于预设图像质量下限条件,包括:
判断经过图像质量优化处理操作之后的所述当前图像的亮度是否属于预设图像亮度下限区间,以及经过图像质量优化处理操作之后的所述当前图像的增益是否属于预设图像增益上限区间;
若经过图像质量优化处理操作之后的所述当前图像的亮度属于所述预设图像亮度下限区间,或者经过图像质量优化处理操作之后的所述当前图像的增益属于所述预设图像增益上限区间,则确定经过图像质量优化处理操作之后的所述当前图像的图像质量低于所述预设图像质量下限条件。
13.一种图像处理装置,其特征在于,包括:
图像质量判断模块,用于当检测到当前图像中目标物体不存在运动模糊时,判断所述当前图像的图像质量是否满足预设图像质量条件;
图像质量优化模块,用于若所述当前图像的图像质量不满足所述预设图像质量条件,则触发图像质量优化处理操作;
其中,所述图像质量判断模块,具体用于当所述当前图像的亮度不属于预设标准图像亮度区间时,则计算所述当前图像的噪声平均强度;判断所述噪声平均强度是否大于预设噪声容忍阈值;若不大于,则确定所述当前图像的图像质量满足预设图像质量条件;若大于,则确定所述当前图像的图像质量不满足预设图像质量条件。
14.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至12任一项所述的图像处理方法的步骤。
15.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至12任一项所述的图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910238073.7A CN111754410B (zh) | 2019-03-27 | 2019-03-27 | 一种图像处理方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910238073.7A CN111754410B (zh) | 2019-03-27 | 2019-03-27 | 一种图像处理方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111754410A CN111754410A (zh) | 2020-10-09 |
CN111754410B true CN111754410B (zh) | 2024-04-09 |
Family
ID=72671119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910238073.7A Active CN111754410B (zh) | 2019-03-27 | 2019-03-27 | 一种图像处理方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111754410B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222981A (zh) * | 2021-06-01 | 2021-08-06 | 山东贝特建筑项目管理咨询有限公司 | 一种保温板中锚栓图像的处理方法和*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102131079A (zh) * | 2011-04-20 | 2011-07-20 | 杭州华三通信技术有限公司 | 一种消除图像运动模糊的方法和装置 |
CN107578439A (zh) * | 2017-07-19 | 2018-01-12 | 阿里巴巴集团控股有限公司 | 生成目标图像的方法、装置及设备 |
CN109447006A (zh) * | 2018-11-01 | 2019-03-08 | 北京旷视科技有限公司 | 图像处理方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6101074B2 (ja) * | 2012-12-27 | 2017-03-22 | キヤノン株式会社 | 光学機器、像ブレ補正装置、撮像装置、およびその制御方法、プログラム、記憶媒体 |
-
2019
- 2019-03-27 CN CN201910238073.7A patent/CN111754410B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102131079A (zh) * | 2011-04-20 | 2011-07-20 | 杭州华三通信技术有限公司 | 一种消除图像运动模糊的方法和装置 |
CN107578439A (zh) * | 2017-07-19 | 2018-01-12 | 阿里巴巴集团控股有限公司 | 生成目标图像的方法、装置及设备 |
CN109447006A (zh) * | 2018-11-01 | 2019-03-08 | 北京旷视科技有限公司 | 图像处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111754410A (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3611915B1 (en) | Method and apparatus for image processing | |
EP3046320B1 (en) | Method for generating an hdr image of a scene based on a tradeoff between brightness distribution and motion | |
US9330446B2 (en) | Method and apparatus for processing image | |
JP4622629B2 (ja) | 撮像装置 | |
CN104349066B (zh) | 一种生成高动态范围图像的方法、装置 | |
JP6074254B2 (ja) | 画像処理装置およびその制御方法 | |
CN110493539B (zh) | 自动曝光处理方法、处理装置和电子设备 | |
EP3293697A1 (en) | Image processing device, imaging device, image processing method, and storage medium storing image processing program for image processing device | |
US9071766B2 (en) | Image capturing apparatus and control method thereof | |
KR101754425B1 (ko) | 이미지 촬영 장치의 밝기를 자동으로 조절하는 장치 및 방법 | |
CN111754410B (zh) | 一种图像处理方法、装置、电子设备及可读存储介质 | |
US11496694B2 (en) | Dual sensor imaging system and imaging method thereof | |
JP2020071809A (ja) | 画像処理装置および画像処理方法 | |
CN114666512B (zh) | 一种快速自动曝光的调节方法及*** | |
JP2013179485A (ja) | 画像処理装置及びその制御方法 | |
CN113556468B (zh) | 一种图像处理的方法及*** | |
CN113747062B (zh) | Hdr场景检测方法与装置、终端及可读存储介质 | |
US11457191B2 (en) | Computer implemented method for temporally stabilizing white point information in an auto white balance process, a data processing apparatus, a computer program product, and a computer-readable storage medium | |
CN114245003A (zh) | 曝光控制方法、电子设备及存储介质 | |
CN110072050B (zh) | 曝光参数的自适应调整方法、装置及一种拍摄设备 | |
CN111064897B (zh) | 一种曝光评估值的统计方法及成像设备 | |
JP5219771B2 (ja) | 映像処理装置および映像処理装置の制御方法 | |
CN116647760B (zh) | 用于目标检测的宽动态实现方法、装置、相机及存储介质 | |
JP2012205031A (ja) | 画像信号処理装置 | |
CN111526277A (zh) | 根据环境条件调整影像的处理方法及其*** |
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 |