CN111953953A - 调整像素亮度的方法及装置和电子设备 - Google Patents

调整像素亮度的方法及装置和电子设备 Download PDF

Info

Publication number
CN111953953A
CN111953953A CN201910412740.9A CN201910412740A CN111953953A CN 111953953 A CN111953953 A CN 111953953A CN 201910412740 A CN201910412740 A CN 201910412740A CN 111953953 A CN111953953 A CN 111953953A
Authority
CN
China
Prior art keywords
pixel
image
value
gain
color temperature
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
Application number
CN201910412740.9A
Other languages
English (en)
Inventor
周兰
许译天
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Horizon Robotics Technology Research and Development Co Ltd
Original Assignee
Beijing Horizon Robotics Technology Research and Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Horizon Robotics Technology Research and Development Co Ltd filed Critical Beijing Horizon Robotics Technology Research and Development Co Ltd
Priority to CN201910412740.9A priority Critical patent/CN111953953A/zh
Publication of CN111953953A publication Critical patent/CN111953953A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H04N9/73—Colour balance circuits, e.g. white balance circuits or colour temperature control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
    • H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/77—Circuits for processing the brightness signal and the chrominance signal relative to each other, e.g. adjusting the phase of the brightness signal relative to the colour signal, correcting differential gain or differential phase

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

公开了一种调整像素亮度的方法及装置、电子设备。本申请一实施例中，调整像素亮度的方法可以包括：确定待校正图像的色温值；根据所述色温值确定所述待校正图像中的预定图像分区的校正参数；根据所述校正参数和所述预定图像分区中的像素的位置参数，计算所述像素的增益值；以及，使用所述增益值来调整所述像素的亮度。本申请实施例可更高效、精准地消除图像中的暗角。

Description

调整像素亮度的方法及装置和电子设备
技术领域
本申请涉及图像处理技术，尤其涉及一种调整像素亮度的方法及装置和电子设备。
背景技术
由于镜头的光学特性，在远离光轴的焦平面的光量会降低，导致图像中心亮度正常、四周的亮度偏低等的暗角现象。在某些应用中，需要消除图像中的暗角。
发明内容
为了解决上述技术问题，期望提供一种调整像素亮度的方法及装置、电子设备，可更高效、精准地消除图像中的暗角。
根据本申请的一个方面，提供了一种调整像素亮度的方法，包括：
确定待校正图像的色温值；
根据所述色温值确定所述待校正图像中的预定图像分区的校正参数；
根据所述校正参数和所述预定图像分区中的像素的位置参数，计算所述像素的增益值；以及
使用所述增益值来调整所述像素的亮度。
根据本申请的一个方面，提供了一种确定用于调整像素亮度的参数的方法，包括：
获取多个基准色温值的样本图像和对应的目标图像；
利用所述目标图像和所述样本图像，获得增益图像；以及
以所述样本图像作为输入、所述增益图像作为目标，对预定回归方程进行训练，以得到与各个基准色温值对应的基准校正参数；
其中，所述预定回归方程用于表征像素的增益值随其位置参数的变化情况。
根据本申请的一个方面，提供了一种调整像素亮度的装置，包括：
第一确定模块，配置为确定待校正图像的色温值；
第二确定模块，配置为根据所述色温值确定所述待校正图像中的预定图像分区的校正参数；
计算模块，配置为根据所述校正参数和所述预定图像分区中的像素的位置参数，计算所述像素的增益值；以及
调整模块，配置为使用所述增益值来调整所述像素的亮度。
根据本申请的一个方面，提供了一种确定用于调整像素亮度的参数的装置，包括：
第一获取模块，配置为获取多个基准色温值的样本图像和对应的目标图像；
第二获取模块，配置为利用所述目标图像和所述样本图像，获得增益图像；以及
训练模块，配置为以所述样本图像作为输入、所述增益图像作为目标，对预定回归方程进行训练，以得到与各个基准色温值对应的基准校正参数；
其中，所述预定回归方程用于表征像素的增益值随其位置参数的变化情况。
根据本申请的一个方面，提供了一种电子设备，所述电子设备包括：
处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述调整像素亮度的方法和/或确定调整像素亮度的参数的方法中的步骤。
根据本申请的一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述调整像素亮度的方法和/或确定调整像素亮度的参数的方法中的步骤。
通过根据本申请实施例的调整像素亮度的方法及装置、电子设备，可更高效、精准地消除图像中的暗角。
附图说明
通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1是本申请一示例性实施例提供的调整像素亮度的方法的流程示意图。
图2是本申请一示例性实施例提供的边缘有暗角的图像中图像分区的划分示意图。
图3是本申请一示例性实施例提供的采用2*2的等分方式时图像分区的示意图。
图4是本申请一示例性实施例提供的确定用于调整像素亮度的参数的方法的流程示意图。
图5是本申请一示例性实施例提供的调整像素亮度的装置的结构示意图。
图6是本申请一示例性实施例提供的确定用于调整像素亮度的参数的装置的结构示意图。
图7是本申请一示例性实施例提供的电子设备的结构图。
具体实施方式
下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
如前文所述，因镜头光学特性的影响，常发生例如图像中心亮度正常、四周亮度偏低的暗角现象。而图像的实际应用中，图像亮度是否均匀即图像是否有暗角将直接影响图像处理的结果。举例来说，在智能驾驶应用中，如果图像有暗角，会导致例如障碍物检测的图像处理结果准确性降低，而图像处理结果的准确性又直接影响到智能驾驶应用中例如绕开障碍物等决策的准确性。因此，需要(例如，在执行诸如图像识别、目标检测等的图像处理之前)高效且及时地消除图像中的暗角。
为解决上述技术问题，本申请实施例的发明构思包括提供一种调整像素亮度的方法及装置、电子设备，使用待校正图像的色温值确定待校正图像中各个预定图像分区的校正参数，通过预定图像分区的校正参数和预定图像分区中各个像素的位置参数来计算各个像素的增益值，最后使用该增益值来调整相应像素的亮度。由此可见，针对图像中的各个像素，本申请实施例可以由该像素所属区域(即图像分区)的校正参数以及该像素的位置来合理地补偿其亮度，从而充分利用了“图像中暗角的分布情况与图像中像素的位置强相关的特性”，更高效、精准地消除了图像中的暗角(例如，因成像的焦平面上与光轴距离不同的位置处光量不同而引起的图像中心亮度正常、四周亮度偏低等的亮度不均问题)。
为解决上述技术问题，本申请实施例的发明构思还包括提供一种确定用于调整像素亮度的参数的方法及装置、电子设备，通过样本图像和由样本图像及目标图像而得到的增益图像训练预定回归方程，以便在调整像素亮度之前预先获得与约定的基准色温相关的基准校正参数，且这些基准校正参数可以表征像素的增益随其位置的变化程度，这样，只要在例如计算机等电子设备中存储少量的基准校正参数即可通过上述调整像素亮度的方法来精准并高效地对各种图像进行暗角校正，不仅暗角校正的效果更好，而且对存储容量和处理器计算性能的需求更小，硬件成本更低。
本申请实施例可应用于各种可适用的场景中。一个示例中，本申请实施例可应用于需要通过例如图像识别、目标检测、人脸识别等图像处理技术来做出决策的应用场景中。当然，本申请实施例还可应用于诸如智能修图等其他场景中。
示例性方法
图1是本申请一示例性实施例提供的调整像素亮度的方法的流程示意图。本实施例可应用在电子设备上，如图1所示，包括如下步骤：
步骤101，确定待校正图像的色温值；
步骤102，根据色温值确定待校正图像中的预定图像分区的校正参数；
步骤103，根据校正参数和预定图像分区中的像素的位置参数，计算像素的增益值；
步骤104，使用增益值来调整像素的亮度。
针对图像中的各个像素，本申请实施例可以由该像素所属区域(即图像分区)的校正参数以及该像素的位置来合理地补偿其亮度，从而充分利用了“图像中暗角的分布情况与图像中像素的位置强相关的特性”，更高效、精准地消除了图像中的暗角(例如，因成像的焦平面上与光轴距离不同的位置处光量不同而引起的图像中心亮度正常、四周亮度偏低等的亮度不均问题)。
一些示例中，步骤101中，可以通过例如白平衡或类似的方式来确定待校正图像的色温值。此外，其他任何可适用的图像色温算法均可应用于步骤101中。例如，还可以直接通过成像器件所使用的光源类型来确定图像的色温值。
本申请实施例中，校正参数与图像的色温关联并且其数值大小可以指示待校正图像中某一图像分区的需补偿程度。一些示例中，对于暗角现象较为明显的图像分区，需补偿较多，其校正参数的取值会较大，对于需补偿较少的图像分区，其校正参数的数值会较小，对于无需补偿的图像分区，其校正参数可以取接近0或等于0的值。举例来说，对于图像中心亮度正常而四周亮度偏低的情况，位于图像中心的分区，其校正参数可以取接近0或等于0的值。对于图像四周的分区，越靠近边缘的分区，其校正参数的取值就越大，越靠近中心的分区，其校正参数取值则相对较小。
一些示例中，校正参数可以包括：表征像素的增益值随像素的位置参数非线性变化程度的第零组系数；表征像素的增益值随像素的横坐标值线性变化程度的第一组系数；表征像素的增益值随像素的纵坐标值线性变化程度的第二组系数；以及表征像素的增益值随像素的横坐标值和纵坐标值线性变化程度的第三组系数。该示例中，通过校正参数中的这些系数，可以使校正参数表征的需补偿程度更符合图像的实际暗角情况和目标图像，以便通过校正参数和位置参数获得更符合图像实际暗角情况的像素增益值，从而更高效、精准地对图像进行亮度补偿。
一些示例中，可以使用预先构建的学习模型的参数来作为本申请实施例的校正参数，该学习模型可以是任何能够通过样本图像和目标图像来学习像素的增益值随其位置的变化规律的模型，并且该学习模块可以在例如计算机等电子设备中运行。例如，该学习模型可以是回归模型、卷积神经网络、支持向量机或其他类似的模型，相应的，校正参数可以是回归模型、卷积神经网络、支持向量机或其他类似模型的参数。
一些示例中，可以使用预定回归方程的系数(即，预定回归模型的参数)作为本申请实施例中的校正参数，该预定回归方程可以用于表征像素的增益值随其位置参数的变化情况。
一些示例中，可以采用下式(1)所示的方程作为本申请实施例的预定回归方程。
gain＝β0+β1x+β2y+β3xy+…+βkxpyq+…+βn-1xm+βnym (1)
式(1)中，β0、β1、……、βn分别表示校正参数中的系数，即一校正参数可以包括β0～βn，gain表示待校正图像中坐标为(x，y)的像素的增益值，x表示该像素的横坐标值，y表示该像素的纵坐标值。
式(1)中，k、p、q、m可以是预先设定的正整数，n表示一校正参数中包含的系数的个数，n可以是预先设定的正整数，也可以在k、p、q、m选定的情况下，由k、p、q、m来确定n的具体取值。需要说明的是，k可以小于n，但p、q、m的值可以根据实际情况自由选定或者根据下文训练方法的执行过程实时调整(可以手动调整，也可以由电子设备自动调整)。对于p、q、m的具体取值范围，本申请实施例也不予限制。
一个示例中，在硬件(例如下文的电子设备70)的存储容量、计算能力(例如，CPU性能较差)等有限的情况下，同时对图像暗角校正的效果又有一定要求时，p、q、m的值可以取较小值。例如，p、q可以取1，m取2，此时的预定回归方程如式(2)所示。本示例可适用于诸如嵌入式设备等计算能力和存储容量都比较有限但对图像暗角校正的效果又有一定要求的硬件(即执行调整像素亮度的的电子设备)。
gain＝β0+β1x+β2y+β3xy+β4x2+β5y2 (2)
式(2)中，β0、β1、……、β5分别表示校正参数中的系数，校正参数可以包括β0～β5，gain表示某个像素的增益值，x表示该像素的横坐标值，y表示该像素的纵坐标值。
其他示例中，p可以取大于1或等于1的值，q可以取大于1或等于1的值，m可以取大于2的值。本示例可适用于具有一定计算能力并且存储容量相对充足且要求更好的图像暗角校正效果的硬件(即执行调整像素亮度的的电子设备)。
使用预定回归方程的系数作为本申请实施例中校正参数的示例中，第零组系数可以包括预定回归方程中各个常数项的系数，第一组系数可以包括预定回归方程中横坐标值的整数次多项式(即以横坐标为变量的多项式)中各项的系数，第二组系数可以包括预定回归方程中纵坐标值的整数次多项式(即以纵坐标为变量的多项式)中各项的系数，第三组系数可以包括预定回归方程中横坐标值和纵坐标值的整数次多项式(即同时以横坐标和纵坐标为变量的多项式)中各项的系数。
例如，第零组系数可以包括预定回归方程中不含任何变量即(x、y、xy)的所有项的系数，第一组系数可以包括预定回归方程中仅含x的所有项的系数，第二组系数可以包括预定回归方程中仅含y的所有项的系数，第三组系数可以包括预定回归方程中含xy的项的系数。以式(2)为例，第零组系数可以包括β0，第一组系数可以包括β1、β4，第二组系数可以包括β2、β5，第三组系数可以包括β3。
一些示例中，校正参数可以通过预先训练得到的基准校正参数和图像的色温值来确定。其他的一些示例中，校正参数还可以通过预先安装在电子设备中的学习模型(例如，回归模型、卷积神经网络、支持向量机等)等来训练得到。除此之外，还可通过其他任何可适用的方式来计算校正参数。
一些示例中，在步骤102中，可以根据查找表来确定预定图像分区的校正参数，该查找表可以包括基准色温值和各个图像分区的与基准色温值对应的基准校正参数。这样，只需要在电子设备中的存储器中存储少量地几组基准校正参数即可实时计算适用于各类图像的校正参数，不仅计算效率更高，而且可节省存储空间，尤其适用于例如嵌入式设备等存储容量有限的电子设备。
本申请实施例中，基准校正参数是对应基准色温值的校正参数，可在上述学习模型的训练阶段获得并预先存储在电子设备的存储器中，用于确定各种待校正图像的校正参数。基准校正参数和上文的校正参数的属性、具体内容及其表示方式、确定方式等均相同。也就是说，在一些示例中，基准校正参数也可以包括：表征像素的增益值随像素的位置参数非线性变化程度的第零组系数；表征像素的增益值随像素的横坐标值线性变化程度的第一组系数；表征像素的增益值随像素的纵坐标值线性变化程度的第二组系数；以及，表征像素的增益值随像素的横坐标值和纵坐标值线性变化程度的第三组系数。关于基准校正参数的其他细节可参照上文关于校正参数的说明。
本申请实施例中，基准色温值可以预先约定。一些示例中，基准色温值可根据具体应用场景中使用的光源类型、暗角校正的精确度需求、暗角校正的执行效率等多方面来选择或者根据行业标准来确定。一个示例中，可以选择H、A、TL84、CW、D50、D65这几种色温来作为基准色温值，这几种色温的光源标识及其色温值如下表1所示。
光源标识 H A TL84 CW D50 D65
色温值 2300K 2856K 4100K 4150K 5000K 6500K
表1
本申请实施例中，预定图像分区可以根据成像器件的参数来确定。例如，可以根据成像器件的总像素、有效像素、尺寸等参数来预先确定每个图像的预定图像分区，并将该预定图像分区的参数(例如，指示预定图像分区大小和/或边界的参数)作为初始参数配置在执行调整像素亮度的的电子设备和确定图像暗角校正参数的电子设备中。
一些示例中，可以将图像传感器的所有成像单元划分为多个栅格，每个栅格可以对应一个图像分区，每个图像分区的位置可以通过栅格边界处像素的位置确定。一些其他的示例中，还可以直接将图像划分为多个图像块来确定该图像分区。通常，划分越密集，图像分区的粒度越细，调整像素亮度的的精度就越高。例如，可以划分为2*2、4*4等。图2示出了边缘有暗角的图像的划分示例。
本申请实施例中，查找表中可以包括所有预定图像分区(即预先划分而定的图像分区)的基准校正参数，并且每个预定图像分区对应有一组基准校正参数，每组基准校正参数中可以包括与各个基准色温值一一对应的基准校正参数，每个基准校正参数可以包括上文所述的多组系数，例如，第零组系数、第一组系数、第二组系数、第三组系数等。
例如，假设预定图像分区包括图像分区P1～Px(x是不小于1的整数)，那么查找表中可以包括这x个图像分区的基准校正参数，其中，这x个图像分区中的每个图像分区对应有一组基准校正参数，每组校正参数包括与上述H、A、TL84、CW、D50、D65这六个基准色温值一一对应的基准校正参数，每个基准校正参数可以包括上文所述的多组系数(例如，第零组系数、第一组系数、第二组系数、第三组系数等)。
以式(1)和2*2的等分方式为例，图3示出了采用2*2的等分方式时图像分区的示意图，其中，一幅图像具有4个图像分区P1～P4，此时查找表中可以包括如下表2所示的内容，βr0～βrn表示基准校正参数中的系数。
光源标识 H A TL84 CW D50 D65
色温值 2300K 2856K 4100K 4150K 5000K 6500K
图像分区P1 β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub>
图像分区P2 β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub>
图像分区P3 β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub>
图像分区P4 β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub> β<sub>r0</sub>～β<sub>rn</sub>
表2
需要说明的是，上述表2中每个单元格中的系数βr0～βrn的取值可能不同，也可能相同，表2中的βr0～βrn可以通过下文中确定用于调整像素亮度的参数的方法来得到。
本申请实施例中，待校正图像中每个图像分区对应有一校正参数，每个校正参数包括上文所述的多组系数，例如第零组系数、第一组系数、第二组系数、第三组系数等。以式(1)和2*2的等分方式为例，待校正图像具有4个图像分区P1～P4(如图3所示)，那么待校正图像具有与这四个图像分区P1～P4一一对应的四个校正参数，每个校正参数可以包括n个系数β0～βn，如下表3所示。需要说明的是，表3中每个单元格中的系数β0～βn的取值可能不同，也可能相同，可以由表2中的βr0～βrn和待校正图像的色温值等来计算得到。
图像分区P1 β<sub>0</sub>～β<sub>n</sub>
图像分区P2 β<sub>0</sub>～β<sub>n</sub>
图像分区P3 β<sub>0</sub>～β<sub>n</sub>
图像分区P4 β<sub>0</sub>～β<sub>n</sub>
表3
一些示例中，步骤102中根据查找表来确定预定图像分区的校正参数，可以包括：步骤b1，确定查找表中的与待校正图像的色温值最接近的基准色温值；步骤b2，将预定图像分区的与最接近的基准色温值对应的基准校正参数作为预定图像分区的校正参数。这样，查表即可快速确定待校正图像中各个图像分区的校正参数，无需计算，处理速度很快，尤其适用于硬件配置较低且对调整像素亮度的速度要求高的应用场景。例如，假设与待校正图像的色温值最接近或相等的基准色温值是4100K，那么可以直接使用查找表中对应“TL84”的基准校正参数(例如，表2中“TL84”所在列中各个单元格中的βr0～βrn)来作为待校正图像的校正参数。
一些示例中，步骤102中，根据查找表来确定预定图像分区的校正参数，可以包括：步骤b1，确定查找表中的与待校正图像的色温值最接近的两个基准色温值和预定图像分区的与两个基准色温值对应的两个基准校正参数；步骤b2，基于两个基准色温值和对应的两个基准校正参数，通过线性插值来确定预定图像分区的校正参数。这样，只需要通过简单的线性插值即可确定校正参数，计算量小并且计算复杂度低，通过较低成本的硬件(例如，通过例如包含少量的乘法器和加法器的电路)即可实现，尤其适用于硬件配置较低(例如选用FPGA、ASIC、MCU等的电子设备)，同时对调整像素亮度的速度和质量均有较高要求的应用场景。
以上文包括β0～βn的校正参数为例，对于β0～βn中的每个β值都需要通过例如上述示例中确定预定图像分区的校正参数的一种或多种方式来计算。
一个示例中，假设待校正图像的色温值是T，与色温值T最接近的基准色温分别是TL和TH，某一图像分区P1对应基准色温TL的基准校正参数中包括系数βL0～βLn，图像分区P1对应基准色温TH的基准校正参数中包括系数βH0～βHn，待校正图像中的图像分区P1对应当前色温值T的校正参数中包括系数β0～βn，那么系数β0～βn中的每个βi(i＝0,1,2，……，n)可通过下式(3)计算得到。
Figure BDA0002063347720000101
一个示例中，假设与待校正图像的色温值最接近的两个基准色温值是第一基准色温值和第二基准色温值，那么，通过线性插值确定预定图像分区的校正参数的过程可以包括：步骤1，计算待校正图像的色温值和第一基准色温值之间的第一差值(例如，式(3)中的T-TL)、待校正图像的色温值和第二基准色温值之间的第二差值(例如，式(3)中的TH-TL)、以及第一差值与第二差值之间的比值(例如，式(3)中的
Figure BDA0002063347720000102
)；步骤2，计算对应第一基准色温值的第一校正参数中每个系数与对应第二基准色温值的第一校正参数中相应系数的差值(例如，式(3)中的βHi-βLi)以及该差值与比值(例如，式(3)中的
Figure BDA0002063347720000111
)之间的乘积值；步骤3，计算对应第一基准色温值的第一校正参数中的每个系数与对应该系数的乘积值之和(例如，式(3)中的
Figure BDA0002063347720000112
)，以得到第二校正系数中的每个系数(例如，式(3)β0～βn中的每个βi，i＝0,1,2，……，n)。
需要说明的是，尽管上文示出了两种确定校正参数的具体方式，但可以理解的是，本申请实施例还可采用其他任何可适用的方式来确定待校正图像中各个图像分区的校正参数。例如，还可以在确定与待校正图像色温最接近的基准色温值后，使用最接近的基准色温值对应的基准校正参数的均值来作为待校正图像的校正参数。
一些示例中，步骤103中可以通过预先配置在电子设备中的学习模型来计算像素的增益值，该学习模型可以是上文所述的任意一种。一个示例中，步骤103中，可以使用校正参数和像素的位置坐标值，执行上述预定回归方程的乘加运算，以获得像素的增益值。这里，通过回归方程可以使用较少的参数来执行暗角校正，且因其拟合的曲线更符合图像实际暗角情况，因此，使用回归方程可以获得更符合图像实际暗角情况的增益值，进而更高效、精准地调整图像中各个像素的亮度。
一个示例中，该预定回归方程可以是上文式(1)或式(2)所示的回归方程。例如，步骤103中可以包括：步骤a1，利用像素的横坐标值以及校正参数中的第一组系数，执行横坐标值的A次多项式的乘加运算，以得到第一相关值；步骤a2，利用像素的纵坐标值和所述校正参数中的第二组系数，执行纵坐标值的B次多项式的乘加运算，以得到第二相关值；步骤a3，利用像素的横坐标值、纵坐标值以及校正参数中的第三组系数，执行横坐标值和纵坐标值的C次多项式的乘加运算，以得到第三相关值；步骤a4，计算由校正参数中第零组系数确定的固定值、所述第一相关值、所述第二相关值以及所述第三相关值之和，以得到所述像素的增益值；其中，A、B和C为预设的正整数。该示例中，步骤a1～a3可以并行、也可以按照一定的先后顺序来执行(其执行顺序不限)。以式(2)为例来说明，该示例中，A＝2、B＝2、C＝1，横坐标的A次多项式是“β1x+β4x2”，纵坐标值的B次多项式是“β2y+β5y2”，横坐标值和所述纵坐标值的C次多项式是“β3xy”，由校正参数中第零组系数确定的固定值等于β0。
一个示例中，可以通过乘法累加器来执行上述预定回归方程的乘加运算，该乘法累加器的输入是校正参数和像素的坐标值，输出是该像素的增益值。这里，校正参数可以直接从存储器中读取，像素的坐标值x和坐标值y可以从图像数据中或成像器件的参数中读取。具体应用中，乘法累加器中乘法器和加法器的数量及其连接关系可以通过预定回归方程来预先确定。以式(2)为例，乘法累加器的输入包括β0～β5以及像素的坐标值x和坐标值y，输出是坐标为(x，y)的像素的增益值gain。
一些示例中，步骤104中调整亮度的过程可以包括：根据像素的当前值和像素的增益值，计算像素的更新值；以及，将该像素的当前值重置为所述更新值。这样，可以通过增益值来调整像素的亮度，以达到消除暗角的目的。
一个示例中，可以通过如下公式(4)来计算像素的更新值：
更新值＝gain*当前值 (4)
其中，gain表示像素的增益值。需要说明的是，上述式(4)仅为示例，具体应用中步骤104的调整处理还可采用其他任何可适用的算法来实现。
图4是本申请一示例性实施例提供的确定用于调整像素亮度的参数的方法的流程示意图。本实施例可应用在电子设备上，如图4所示，包括如下步骤：
步骤401，获取多个基准色温值的样本图像和对应的目标图像；
步骤402，利用目标图像和样本图像，获得增益图像；
步骤403，以样本图像作为输入、增益图像作为目标，对预定回归方程进行训练，以得到与各个基准色温值对应的基准校正参数。
其中，预定回归方程、基准校正参数和基准色温值等的技术细节可参照上文调整像素亮度的方法的部分。
本申请实施例中确定用于调整像素亮度的参数的方法，通过样本图像和由样本图像及目标图像而得到的增益图像训练预定回归方程，能够在调整像素亮度之前预先获得与约定的基准色温相关的基准校正参数，这样，只要在例如计算机等电子设备中存储少量的基准校正参数即可通过上述暗角校正方法来精准并高效地对各种图像进行暗角校正，不仅暗角校正的效果更好，而且对存储容量和处理器计算性能的需求更小，硬件成本更低。
本申请实施例中，目标图像可以是亮度较为均匀或者自定义的图像。不同应用场景中对图像亮度均匀性的需求不同，选择的目标图像也可以不同。
本申请实施例中，可以根据选定的基准色温值来选择样本图像和目标图像。例如，假设选定的基准色温值是表1所示的六种，那么，对应该六种基准色温值中的每个基准色温值，可以使用相应光源拍摄的图像来作为样本图像，使用相应光源拍摄的亮度均匀的图像来作为目标图像。例如，对于基准色温值“4100K”，可以使用标识为“TL84”的光源拍摄的图像作为该基准色温值的样本图像，使用色温值是“4100K”的亮度均匀(无暗角)的图像来作为该基准色温值的目标图像。
本申请实施例中，增益图像可以是每个像素的像素值等于目标增益值的图像。一些示例中，步骤402中，获得增益图像的过程可以包括：由样本图像的像素值和目标图像的像素值计算目标增益值，以目标增益值作为增益图像的像素值。例如，可通过上文式(4)来确定。具体的，可以以目标图像中的像素值作为式(4)中的更新值、以样本图像中的像素值作为(4)中的当前值来计算式(4)中的gain，此时式(4)中的gain即为目标增益值。
一些示例中，可以按照图像分区来确定用于调整像素亮度的参数。一些示例中，可以将样本图像和目标图像划分成多个预定图像分区，对每个图像分区执行上述步骤401～403的处理，确定每个预定图像分区对应各个基准色温值的基准校正参数。这里，划分预定图像分区的原理与上文调整像素亮度的方法相同。
一些示例中，步骤403中可以包括如下子处理步骤：步骤c1，利用预定回归方程对所述样本图像的预定图像分区中的像素的位置坐标值进行乘加运算，以获得与所述预定图像分区对应的预测增益分区；步骤c2，根据预测增益分区与增益图像中的对应分区之间的差异，调整预定回归方程的系数。这样，可以通过训练预定回归方程的系数来获得各个图像分区的基准校正参数，由于该预定回归方程能够比较准确地反映像素增益值随其坐标值的变化规律，因此其系数也能够较准确地指示某一图像分区对应各个基准色温值的需补偿程度，以便实现更高效、准确地调整像素的亮度。
需要说明的是，这里的预测增益分区可以通过对样本图像中某一预定图像分区执行步骤403的处理来获得，该预定增益分区中每个像素的像素值等于样本图像中对应预定图像分区中的对应像素的预测增益值。一些示例中，某一像素的预测增益值可以通过预定回归方程以及该像素的坐标值来计算得到。
一些示例中，可以通过损失函数和梯度下降法来实现步骤c2中调整预定回归方程系数的过程。一个示例中，步骤c2中调整预定回归方程系数的过程可以包括如下的子处理步骤：步骤c21，计算预测增益分区与增益图像中的对应分区之间的损失值；步骤c22，计算与损失值对应的预定回归方程的每个系数的梯度；步骤c23，计算预定回归方程的每个系数的当前值与对应的所述梯度之和，作为预定回归方程的每个系数的更新值。这样，可以获得拟合更好的预定回归方程，获得能够更符合图像暗角实际情况的基准校正参数。
例如，上述步骤c21中可以通过下式(5)所示的损失函数来计算损失值。一些示例中，可以以像素为单位来执行步骤c21的计算，这些像素可以是预测增益分区中的部分像素、特定像素或全部像素。
Figure BDA0002063347720000141
其中，m是预测增益分区中的像素个数，gaint是某一像素i(i为不小于1、不大于m的整数)的目标增益值，gainout是某一像素i的预测增益值，loss是预测增益分区与所述增益图像中的对应分区之间的损失值。
例如，上述步骤c22中可以通过下式(6)来将损失值对系数β求偏导来得到每个loss对应的的梯度。一些示例中，可以以像素为单位来执行步骤c22的计算，这些像素可以是预测增益分区中的部分像素、特定像素或全部像素。
Figure BDA0002063347720000142
其中，m是预测增益分区中的像素个数，gaint是像素i(i为不小于1、不大于m的整数)的目标增益值，gainout是像素i的预测增益值，loss是预测增益分区与所述增益图像中的对应分区之间的损失值，
Figure BDA0002063347720000151
是对应像素i的预定图像分区的基准校正参数中的第j个系数。以上文式(1)为例，一预定图像分区的基准校正参数中包括n个系数βr0～βrn时，j则是不小于1、不大于n的整数。
例如，由于是要最小化损失值，上述步骤c23中可以通过下式(7)按每个参数βj的梯度负方向，来更新每个βrj。
Figure BDA0002063347720000152
其中，m是预测增益分区中的像素个数，gaint是像素i(i为不小于1、不大于m的整数)的目标增益值，gainout是像素i的预测增益值，loss是预测增益分区与所述增益图像中的对应分区之间的损失值，
Figure BDA0002063347720000153
βrj是对应像素i的预定图像分区的基准校正参数中的第j个系数，β′rj是βrj的更新值。
实际应用中，步骤c1～步骤c2可以是一迭代过程，直到上述损失值最小或达到收敛条件则迭代结束。这样，可以获得拟合最好的预定回归方程，从而获得更符合图像暗角实际情况和调整像素的亮度的基准校正参数。
需要说明的是，本申请实施例中步骤403中的训练还可通过其他任何可适用的处理方式来实现。
示例性装置
图5是本申请一示例性实施例提供的调整像素亮度的装置50的结构示意图。本实施例可部署在电子设备上或通过电子设备来实现，如图5所示，该装置50可以包括：
第一确定模块51，配置为确定待校正图像的色温值；
第二确定模块52，配置为根据所述色温值确定所述待校正图像中的预定图像分区的校正参数；
计算模块53，配置为根据所述校正参数和所述预定图像分区中的像素的位置参数，计算所述像素的增益值；以及
调整模块54，配置为使用所述增益值来调整所述像素的亮度。
一些示例中，第二确定模块52是配置为根据查找表来确定预定图像分区的校正参数，查找表包括基准色温值和各个图像分区的与基准色温值对应的基准校正参数。
一些示例中，第二确定模块52可以包括：第一确定子模块，配置为确定查找表中的与待校正图像的色温值最接近的基准色温值；第二确定子模块，配置为将预定图像分区的与最接近的基准色温值对应的基准校正参数作为预定图像分区的校正参数。
一些示例中，第一确定子模块可以配置为确定查找表中的与所述待校正图像的色温值最接近的两个基准色温值和所述预定图像分区的与所述两个基准色温值对应的两个基准校正参数；第二配置子模块，可以配置为基于两个基准色温值和对应的两个基准校正参数，通过线性插值来确定预定图像分区的校正参数。
一些示例中，校正参数可以包括：表征像素的增益值随像素的位置参数非线性变化程度的第零组系数；表征像素的增益值随像素的横坐标值线性变化程度的第一组系数；表征像素的增益值随像素的纵坐标值线性变化程度的第二组系数；以及，表征像素的增益值随像素的横坐标值和纵坐标值线性变化程度的第三组系数。关于校正参数的其他技术细节可参照上文示例性方法部分。
一些示例中，计算模块53是配置为使用所述校正参数和所述像素的位置坐标值，执行预定回归方程的乘加运算，以获得所述像素的增益值；其中，预定回归方程用于表征像素的增益值随其位置参数的变化情况。这里，关于预定回归方程的具体技术细节可参照上文示例性方法部分。
一个示例中，计算模块53可以包括：第一乘加模块，配置为利用像素的横坐标值以及校正参数中的第一组系数，执行横坐标值的A次多项式的乘加运算，以得到第一相关值；第二乘加模块，配置为利用像素的纵坐标值和校正参数中的第二组系数，执行所述纵坐标值的B次多项式的乘加运算，以得到第二相关值；第三乘加模块，配置为利用像素的横坐标值、纵坐标值以及所述校正参数中的第三组系数，执行横坐标值和所述纵坐标值的C次多项式的乘加运算，以得到第三相关值；以及，第四加模块，配置为计算由校正参数中第零组系数确定的固定值、所述第一相关值、所述第二相关值以及所述第三相关值之和，以得到所述像素的增益值；其中，A、B和C可以为预设的正整数。
图6是本申请一示例性实施例提供的确定用于调整像素亮度的参数的装置60的结构示意图。本实施例可部署在电子设备上或通过电子设备来实现，如图6所示，该装置60可以包括：
第一获取模块61，配置为获取多个基准色温值的样本图像和对应的目标图像；
第二获取模块62，配置为利用目标图像和样本图像，获得增益图像；以及
训练模块63，配置为以样本图像作为输入、增益图像作为目标，对预定回归方程进行训练，以得到与各个基准色温值对应的基准校正参数；
一些示例中，基准校正参数包括：表征像素的增益值随像素的位置参数非线性变化程度的第零组系数；表征像素的增益值随像素的横坐标值线性变化程度的第一组系数；表征像素的增益值随像素的纵坐标值线性变化程度的第二组系数；以及，表征像素的增益值随像素的横坐标值和纵坐标值线性变化程度的第三组系数。
一些示例中，训练模块63可以包括：预测子模块，配置为利用预定回归方程对样本图像的预定图像分区中的像素的位置坐标值进行乘加运算，以获得与预定图像分区对应的预测增益分区；以及调整子模块，配置为根据预测增益分区与所述增益图像中的对应分区之间的差异，调整预定回归方程的系数。
一个示例中，调整子模块可以包括：损失值计算模块，配置为计算所述预测增益分区与所述增益图像中的对应分区之间的损失值；梯度计算模块，配置为计算与损失值对应的所述预定回归方程的每个系数的梯度；更新值计算模块，配置为计算所述预定回归方程的每个系数的当前值与对应的所述梯度之和，作为所述预定回归方程的每个系数的更新值。
一些示例中，基准校正参数可以包括：表征像素的增益值随像素的位置参数非线性变化程度的第零组系数；表征像素的增益值随像素的横坐标值线性变化程度的第一组系数；表征像素的增益值随像素的纵坐标值线性变化程度的第二组系数；以及，表征像素的增益值随像素的横坐标值和纵坐标值线性变化程度的第三组系数。关于基准校正参数的其他技术细节可参照上文示例性方法部分。
本申请实施例的上述装置50和装置60中的其他技术细节可参照上文示例性方法部分。实际应用中，本申请实施例的上述装置50和装置60分别可以通过软件、硬件或其结合来实现。一些示例中，装置50和装置60可以部署于同一电子设备(例如下文的电子设备70)。其他示例中，装置50和装置60可以部署于彼此可通信的两个电子设备中。当然，装置50和装置60还可以分别或者共同通过例如分布式***等的硬件或软件架构来实现。
示例性电子设备
图7图示了根据本申请实施例的电子设备70的框图。
如图7所示，电子设备70可以包括一个或多个处理器71和存储器72。
处理器71可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备70中的其他组件以执行期望的功能。
存储器72可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器71可以运行所述程序指令，以实现上文所述的本申请的各个实施例的调整像素亮度的方法和/或确定用于调整像素亮度的参数的方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如查找表等各种内容。
一个示例中，电子设备70还可以包括：输入装置73、输出装置74和图像采集装置75，这些组件通过总线***和/或其他形式的连接机构(未示出)互连。
一个示例中，输入设备73可以包括例如键盘、鼠标等。
一个示例中，输出装置74可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出设备74可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
一个示例中，图像采集装置75可以包括例如摄像机、图像传感器等。
当然，为了简化，图7中仅示出了该电子设备70中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备70还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的调整像素亮度的方法和/或确定用于调整像素亮度的参数的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的调整像素亮度的方法和/或确定用于调整像素亮度的参数的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、***的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、***。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (15)

1.一种调整像素亮度的方法，包括：
确定待校正图像的色温值；
根据所述色温值确定所述待校正图像中的预定图像分区的校正参数；
根据所述校正参数和所述预定图像分区中的像素的位置参数，计算所述像素的增益值；以及
使用所述增益值来调整所述像素的亮度。
2.根据权利要求1所述的方法，其中，根据所述色温值确定所述待校正图像中的预定图像分区的校正参数，包括：
根据查找表来确定所述预定图像分区的校正参数，所述查找表包括基准色温值和各个图像分区的与所述基准色温值对应的基准校正参数。
3.根据权利要求2所述的方法，其中，根据查找表来确定所述预定图像分区的校正参数，包括：
确定所述查找表中的与所述待校正图像的色温值最接近的基准色温值；以及
将所述预定图像分区的与所述最接近的基准色温值对应的基准校正参数作为所述预定图像分区的校正参数。
4.根据权利要求2所述的方法，其中，根据查找表来确定所述预定图像分区的校正参数，包括：
确定所述查找表中的与所述待校正图像的色温值最接近的两个基准色温值和所述预定图像分区的与所述两个基准色温值对应的两个基准校正参数；以及
基于所述两个基准色温值和对应的两个基准校正参数，通过线性插值来确定所述预定图像分区的校正参数。
5.根据权利要求1所述的方法，其中，所述校正参数包括：
表征像素的增益值随像素的位置参数非线性变化程度的第零组系数；
表征像素的增益值随像素的横坐标值线性变化程度的第一组系数；
表征像素的增益值随像素的纵坐标值线性变化程度的第二组系数；以及
表征像素的增益值随像素的横坐标值和纵坐标值线性变化程度的第三组系数。
6.根据权利要求5所述的方法，其中，根据所述校正参数和所述预定图像分区中的像素的位置参数，计算所述像素的增益值，包括：
使用所述校正参数和所述像素的位置坐标值，执行预定回归方程的乘加运算，以获得所述像素的增益值；
其中，所述预定回归方程用于表征像素的增益值随其位置参数的变化情况。
7.根据权利要求6所述的方法，其中，使用所述校正参数和所述像素的位置坐标值，执行预定回归方程的乘加运算，以获得所述像素的增益值，包括：
利用所述像素的横坐标值以及所述校正参数中的第一组系数，执行所述横坐标值的A次多项式的乘加运算，以得到第一相关值；
利用所述像素的纵坐标值和所述校正参数中的第二组系数，执行所述纵坐标值的B次多项式的乘加运算，以得到第二相关值；
利用所述像素的横坐标值、纵坐标值以及所述校正参数中的第三组系数，执行所述横坐标值和所述纵坐标值的C次多项式的乘加运算，以得到第三相关值；以及
计算由所述校正参数中第零组系数确定的固定值、所述第一相关值、所述第二相关值以及所述第三相关值之和，以得到所述像素的增益值；
其中，A、B和C为预设的正整数。
8.一种确定图像暗角校正参数的方法，包括：
获取多个基准色温值的样本图像和对应的目标图像；
利用所述目标图像和所述样本图像，获得增益图像；以及
以所述样本图像作为输入、所述增益图像作为目标，对预定回归方程进行训练，以得到与各个基准色温值对应的基准校正参数；
其中，所述预定回归方程用于表征像素的增益值随其位置参数的变化情况。
9.根据权利要求8所述的方法，其中，所述基准校正参数包括：
表征像素的增益值随像素的位置参数非线性变化程度的第零组系数；
表征像素的增益值随像素的横坐标值线性变化程度的第一组系数；
表征像素的增益值随像素的纵坐标值线性变化程度的第二组系数；以及
表征像素的增益值随像素的横坐标值和纵坐标值线性变化程度的第三组系数。
10.根据权利要求8所述的方法，其中，以所述样本图像作为输入、所述增益图像作为目标，对预定回归方程进行训练，包括：
利用所述预定回归方程对所述样本图像的预定图像分区中的像素的位置坐标值进行乘加运算，以获得与所述预定图像分区对应的预测增益分区；以及
根据所述预测增益分区与所述增益图像中的对应分区之间的差异，调整所述预定回归方程的系数。
11.根据权利要求10所述的方法，其中，根据所述预测增益分区与所述增益图像中的对应分区之间的差异，调整所述预定回归方程的系数，包括：
计算所述预测增益分区与所述增益图像中的对应分区之间的损失值；
计算与所述损失值对应的所述预定回归方程的每个系数的梯度；
计算所述预定回归方程的每个系数的当前值与对应的所述梯度之和，作为所述预定回归方程的每个系数的更新值。
12.一种调整像素亮度的装置，包括：
第一确定模块，配置为确定待校正图像的色温值；
第二确定模块，配置为根据所述色温值确定所述待校正图像中的预定图像分区的校正参数；
计算模块，配置为根据所述校正参数和所述预定图像分区中的像素的位置参数，计算所述像素的增益值；以及
调整模块，配置为使用所述增益值来调整所述像素的亮度。
13.一种确定用于调整像素亮度的参数的装置，包括：
第一获取模块，配置为获取多个基准色温值的样本图像和对应的目标图像；
第二获取模块，配置为利用所述目标图像和所述样本图像，获得增益图像；以及
训练模块，配置为以所述样本图像作为输入、所述增益图像作为目标，对预定回归方程进行训练，以得到与各个基准色温值对应的基准校正参数；
其中，所述预定回归方程用于表征像素的增益值随其位置参数的变化情况。
14.一种电子设备，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-11任一所述的方法。
15.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-11所述的方法。
CN201910412740.9A 2019-05-17 2019-05-17 调整像素亮度的方法及装置和电子设备 Pending CN111953953A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910412740.9A CN111953953A (zh) 2019-05-17 2019-05-17 调整像素亮度的方法及装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910412740.9A CN111953953A (zh) 2019-05-17 2019-05-17 调整像素亮度的方法及装置和电子设备

Publications (1)

Publication Number Publication Date
CN111953953A true CN111953953A (zh) 2020-11-17

Family

ID=73336103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910412740.9A Pending CN111953953A (zh) 2019-05-17 2019-05-17 调整像素亮度的方法及装置和电子设备

Country Status (1)

Country Link
CN (1) CN111953953A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112991211A (zh) * 2021-03-12 2021-06-18 中国大恒(集团)有限公司北京图像视觉技术分公司 一种工业相机暗角校正方法
CN113747066A (zh) * 2021-09-07 2021-12-03 汇顶科技(成都)有限责任公司 图像校正方法、装置、电子设备及计算机可读存储介质
CN115103168A (zh) * 2022-06-27 2022-09-23 展讯通信（上海）有限公司 图像生成方法、装置、电子设备及存储介质
CN115100071A (zh) * 2022-07-18 2022-09-23 芯原微电子(上海)股份有限公司 亮度均衡矫正方法、装置，图像采集设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101292519A (zh) * 2005-10-13 2008-10-22 诺基亚公司 数字图像中暗角消除的方法和***
US20110001880A1 (en) * 2009-07-02 2011-01-06 Mstar Semiconductor, Inc. Image Processing Apparatus and Method Thereof
CN108364267A (zh) * 2018-02-13 2018-08-03 北京旷视科技有限公司 图像处理方法、装置及设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101292519A (zh) * 2005-10-13 2008-10-22 诺基亚公司 数字图像中暗角消除的方法和***
US20110001880A1 (en) * 2009-07-02 2011-01-06 Mstar Semiconductor, Inc. Image Processing Apparatus and Method Thereof
CN108364267A (zh) * 2018-02-13 2018-08-03 北京旷视科技有限公司 图像处理方法、装置及设备

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112991211A (zh) * 2021-03-12 2021-06-18 中国大恒(集团)有限公司北京图像视觉技术分公司 一种工业相机暗角校正方法
CN113747066A (zh) * 2021-09-07 2021-12-03 汇顶科技(成都)有限责任公司 图像校正方法、装置、电子设备及计算机可读存储介质
CN113747066B (zh) * 2021-09-07 2023-09-15 汇顶科技(成都)有限责任公司 图像校正方法、装置、电子设备及计算机可读存储介质
CN115103168A (zh) * 2022-06-27 2022-09-23 展讯通信（上海）有限公司 图像生成方法、装置、电子设备及存储介质
CN115103168B (zh) * 2022-06-27 2024-07-19 展讯通信（上海）有限公司 图像生成方法、装置、电子设备及存储介质
CN115100071A (zh) * 2022-07-18 2022-09-23 芯原微电子(上海)股份有限公司 亮度均衡矫正方法、装置，图像采集设备及存储介质

Similar Documents

Publication Publication Date Title
CN111953953A (zh) 调整像素亮度的方法及装置和电子设备
EP4020321A1 (en) Data processing method, apparatus, computer device, and storage medium
EP4020329A1 (en) Data processing method and apparatus, computer equipment and storage medium
EP3328058B1 (en) Multi-lens based capturing apparatus and method
CN111062876B (zh) 用于校正模型训练和图像校正的方法和装置及电子设备
KR20100114848A (ko) 이미지 보정 시스템 및 방법
EP2362345A2 (en) Method and apparatus for high-speed and low-complexity piecewise geometric transformation of signals
CN112285992B (zh) 投影仪散热控制方法、装置、投影仪及可读存储介质
CN109064434B (zh) 图像增强的方法、装置、存储介质及计算机设备
CN111860276B (zh) 人体关键点检测方法、装置、网络设备及存储介质
US20200265299A1 (en) Data processing method, device and related products
US11238571B2 (en) Method and device for enhancing image contrast, display apparatus, and storage medium
CN108696745A (zh) 相机校准
CN112765540A (zh) 数据处理方法、装置及相关产品
CN106778550A (zh) 一种人脸检测的方法和装置
US20100110241A1 (en) Multi illuminant shading correction using singular value decomposition
JP2019507361A (ja) 画像の不良画素補償方法、装置及び非一時的なコンピュータ可読記憶媒体
CN113298187A (zh) 图像处理方法及装置、计算机可读存储介质
CN112243119B (zh) 一种白平衡处理方法、装置、电子设备及存储介质
US10229474B2 (en) Image processing apparatus, image processing method, and storage medium
CN109308690B (zh) 一种图像亮度均衡方法及终端
CN107967691B (zh) 一种视觉里程计算方法和装置
EP4053746A1 (en) Winograd convolution operation method, apparatus, and device, and storage medium
CN109993694B (zh) 一种生成超分辨率图像的方法及装置
US20170024866A1 (en) Image processing apparatus, image pickup apparatus, image processing method, and non-transitory computer-readable storage medium for correcting deterioration of image

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: 20201117