CN112887597A - 图像处理方法及装置、计算机可读介质和电子设备 - Google Patents
图像处理方法及装置、计算机可读介质和电子设备 Download PDFInfo
- Publication number
- CN112887597A CN112887597A CN202110096737.8A CN202110096737A CN112887597A CN 112887597 A CN112887597 A CN 112887597A CN 202110096737 A CN202110096737 A CN 202110096737A CN 112887597 A CN112887597 A CN 112887597A
- Authority
- CN
- China
- Prior art keywords
- image
- highlight
- frequency information
- transformation
- shadow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 230000009466 transformation Effects 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000004927 fusion Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000005282 brightening Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/741—Circuitry for compensating brightness variation in the scene by increasing the dynamic range of the image compared to the dynamic range of the electronic image sensors
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本公开提供一种图像处理方法、图像处理装置、计算机可读介质和电子设备,涉及图像处理技术领域。该方法包括:对待处理灰度图像进行图像分解,以获取待处理灰度图像对应的高频信息和低频信息;根据设置的阴影参数和高光参数确定动态范围变换曲线,并通过动态范围变换曲线对低频信息进行灰度变换得到变换信息;将高频信息和变换信息合并,输出处理后的目标图像。本公开可以实现在不影响待处理图像的细节的前提下,对待处理灰度图像进行动态范围的调整,进而在一定程度上克服动态范围不足的问题。
Description
技术领域
本公开涉及图像处理技术领域,具体涉及一种图像处理方法、图像处理装置、计算机可读介质和电子设备。
背景技术
在计算机发展迅速的时代,依托手机、数码相机等电子设备记录生活已经成为人类生活中不可或缺的一部分。相对于人眼能够同时感知明亮和黑暗区域的细节而言,摄像机在拍摄图像时,对亮度的感知存在较大的局限性,因此不能同时捕捉明亮和黑暗区域的细节。对应的,通过摄像机拍摄得到的图像则可能出现包含过曝光的明亮区域或者欠曝光的阴暗区域等动态范围不足的问题。例如,在阳光下进行拍摄时,阳光照射的区域容易出现过曝光,导致该区域过于明亮的情况,相反没有阳光照射的区域则容易出现欠曝光,导致该区域过于阴暗的情况。
发明内容
本公开的目的在于提供一种图像处理方法、图像处理装置、计算机可读介质和电子设备,进而至少在一定程度上避免动态范围调节对图像细节的影响。
根据本公开的第一方面,提供一种图像处理方法,包括:对待处理灰度图像进行图像分解,以获取待处理灰度图像对应的高频信息和低频信息;根据设置的阴影参数和高光参数确定动态范围变换曲线,并通过动态范围变换曲线对低频信息进行灰度变换得到变换信息;将高频信息和变换信息合并,输出处理后的目标图像。
根据本公开的第二方面,提供一种图像处理装置,包括:图像分解模块,用于对待处理灰度图像进行图像分解,以获取待处理灰度图像对应的高频信息和低频信息;图像变换模块,用于根据设置的阴影参数和高光参数确定动态范围变换曲线,并通过动态范围变换曲线对低频信息进行灰度变换得到变换信息;图像合并模块,用于将高频信息和变换信息合并,输出处理后的目标图像。
根据本公开的第三方面,提供一种计算机可读介质,其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的方法。
根据本公开的第四方面,提供一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现上述的方法。
本公开的一种实施例所提供的图像处理方法,通过对待处理灰度图像进行分解,可以将分别带有待处理灰度图像细节信息和轮廓信息的高、低频信息分离。通过对低频信息进行动态范围变换,并将变换后的变换信息与高频信息合并输出目标图像,可以实现在不影响待处理图像的细节的前提下,对待处理灰度图像进行动态范围的调整,进而在一定程度上克服动态范围不足的问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示出了可以应用本公开实施例的一种示例性***架构的示意图;
图2示出了可以应用本公开实施例的一种电子设备的示意图;
图3示意性示出本公开示例性实施例中一种图像处理方法的流程图;
图4示意性示出本公开示例性实施例中一种图像分解方法的示意图;
图5示意性示出本公开示例性实施例中一种动态范围变换曲线的示意图;
图6示意性示出本公开示例性实施例中一种图像合并方法的示意图;
图7示意性示出本公开示例性实施例中图像处理装置的组成示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示出了可以应用本公开实施例的一种图像处理方法及装置的示例性应用环境的***架构的示意图。
如图1所示,***架构100可以包括终端设备101、102、103中的一个或多个,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。终端设备101、102、103可以是各种具有图像处理功能的电子设备,包括但不限于台式计算机、便携式计算机、智能手机和平板电脑等等。应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
本公开实施例所提供的图像处理方法一般由终端设备101、102、103中执行,相应地,图像处理置一般设置于终端设备101、102、103中。但本领域技术人员容易理解的是,本公开实施例所提供的图像处理方法也可以由服务器105执行,相应的,图像处理装置也可以设置于服务器105中,本示例性实施例中对此不做特殊限定。举例而言,在一种示例性实施例中,可以是终端设备101、102、103通过网络104将待处理灰度图像发送至服务器105服务器通过本公开实施例所提供的图像处理方法对待处理灰度图像进行处理后,将目标图像传输给终端设备101、102、103等。
需要说明的是,在一些实施例中,终端设备101、102、103以及服务器105还可以对获取到的图像进行灰度处理。对应的,在进行灰度处理之后,可以将灰度处理后的图像作为待处理灰度图像执行本公开实施例的图像处理方法。
本公开的示例性实施方式提供一种用于实现图像处理方法的电子设备,其可以是图1中的终端设备101、102、103或服务器105。该电子设备至少包括处理器和存储器,存储器用于存储处理器的可执行指令,处理器配置为经由执行可执行指令来执行图像处理方法。
下面以图2中的移动终端200为例,对电子设备的构造进行示例性说明。本领域技术人员应当理解,除了特别用于移动目的的部件之外,图2中的构造也能够应用于固定类型的设备。在另一些实施方式中,移动终端200可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件、软件或软件和硬件的组合实现。各部件间的接口连接关系只是示意性示出,并不构成对移动终端200的结构限定。在另一些实施方式中,移动终端200也可以采用与图2不同的接口连接方式,或多种接口连接方式的组合。
如图2所示,移动终端200具体可以包括:处理器210、内部存储器221、外部存储器接口222、通用串行总线(Universal Serial Bus,USB)接口230、充电管理模块240、电源管理模块241、电池242、天线1、天线2、移动通信模块250、无线通信模块260、音频模块270、扬声器271、受话器272、麦克风273、耳机接口274、传感器模块280、显示屏290、摄像模组291、指示器292、马达293、按键294以及用户标识模块(subscriber identification module,SIM)卡接口295等。其中传感器模块280可以包括深度传感器2801、压力传感器2802、陀螺仪传感器2803等。
处理器210可以包括一个或多个处理单元,例如:处理器210可以包括应用处理器(Application Processor,AP)、调制解调处理器、图形处理器(Graphics ProcessingUnit,GPU)、图像信号处理器(Image Signal Processor,ISP)、控制器、视频编解码器、数字信号处理器(Digital Signal Processor,DSP)、基带处理器和/或神经网络处理器(Neural-Network Processing Unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
移动终端200通过GPU、显示屏290及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏290和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器210可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
移动终端200可以通过ISP、摄像模组291、视频编解码器、GPU、显示屏290及应用处理器等实现拍摄功能。其中,ISP用于处理摄像模组291反馈的数据;摄像模组291用于捕获静态图像或视频;数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号;视频编解码器用于对数字视频压缩或解压缩,移动终端200还可以支持一种或多种视频编解码器。
在相关技术中,为了能够增加图像的动态范围,通常采用两类方法。
第一类是将单张图像分割为较亮的高光区域和较暗的阴影区域,然后分别对高光区域和阴影区域进行调节,最后把调节好的两张图像加权融合为一张图像。例如,公开号为CN102693532A的专利提供了一种图像阴影和高光的自动局部调整方法,通过生成的模片自动的将数字图像的局部区域识别为高光区域或阴影区域,然后根据高光区域和阴影区域的亮度直方图和目标矩分别对高光区域和阴影区域进行优化。再如,公开号为CN104050645A的专利提供了一种图像处理方法,通过三通道至中的最小值和最大值分别组成高光区域分布矩阵和阴影区域分布矩阵,然后分别根据高光区域分布矩阵和第一调节函数将高光区域分布矩阵转换为高光区域分布图,根据阴影区域分布矩阵和第二调节函数将阴影区域分布矩阵转换为阴影区域分布图,最后根据高光区域分布图、阴影区域分布图、图像中各像素点的RGB值和预设函数,确定图像中各像素点的预置RGB值并调整,得到处理完成的图像。
第二类则是需要多张图像,即通过采集不同曝光量的视频图像帧序列进行融合的方式,生成一张提亮过暗区域亮度、抑制过亮区域、高动态范围的图像。例如,公开号为CN109218613A的专利提供了一种高动态范围图像合成方法,在确定的拍摄模式下,采用多个曝光值对同一场景进行连续拍摄得到多帧图像,然后对多帧图像进行对齐校准,并分别确定经过对齐校准后的多帧图像中的高光区域和阴影,然后针对各帧图像中的高光区域和阴影区域采用对应的叠合权重进行合成,得到一张高动态范围的图像。
然而,上述第一类方法需要进行图像分割和加权融合,很可能导致融合后的高光、阴影区域过渡不自然的情况;而第二类方法需要采集多帧图像序列,进行图像匹配对齐以及加权融合等操作,计算机的计算量较大,除了可能出现融合后高光、阴影区域过渡不自然的问题,还会因为采集多帧图片造成生成图像出现延时的问题。
基于上述一个或多个问题,本示例实施方式提供了一种图像处理方法。该图像处理方法可以应用于上述服务器105,也可以应用于上述终端设备101、102、103中的一个或多个,本示例性实施例中对此不做特殊限定。参考图3所示,该图像处理方法可以包括以下步骤S310至S330:
在步骤S310中,对待处理灰度图像进行图像分解,以获取待处理灰度图像对应的高频信息和低频信息。
其中,高频信息和低频信息通常可以通过图像在空间域上的频率进行划分,即第一信息(高频信息)和第二信息(低频信息),其中第一信息在空间域上的频率大于第二信息。高频信息通常用于描述待处理灰度图像的细节信息,低频信息则通常用于描述待处理灰度图像的大致概貌和轮廓。
在一示例性实施例中,由于灰度图像的高频部分通常包含的是细节信息,而灰度图像的低频部分包含的主要是轮廓信息,对细节信息的影响较小,为了避免对灰度图像的动态范围进行调整时影响图像的细节信息,可以先对待处理灰度图像进行图像分解,得到待处理灰度图像对应的高频信息和低频信息。
在一示例性实施例中,在对待处理灰度图像进行图像分解时,可以采用任意能够将待处理灰度图像分解为高频信息和低频信息的方法,例如图像金字塔方法,小波分解方法等,本公开对进行图像分解的方法不做特殊限定。
举例而言,在通过图像金字塔实现对待处理灰度图像的图像分解时,可以通过高斯金字塔和拉普拉斯金字塔的特性得到包含高频信息的拉普拉斯金字塔和包含低频信息的高斯金字塔最上层图像。
参照图4所示,以三层金字塔为例,首先通过三次向下取样得到高斯金字塔。具体的,对底层的待处理灰度图像G0进行高斯卷积和下采样得到上层图像G1,随后对G1图像再次进行高斯模糊和下采样得到最上层图像G2。由于高斯卷积和下采样会丢书细节信息,因此高斯金字塔的最上层图像通常为低频信息。在本例中,即G2为低频信息。随后通过对高斯金字塔的进一步处理可以得到包含高频信息的拉普拉斯金字塔。如图4所示,对最上层图像G2进行上采样和高斯卷积得到G1’,然后将高斯金字塔中的G1与G1’相减得到拉普拉斯金字塔的上层图像L1;同理对上层图像G1进行上采样和高斯卷积得到G0’,并利用G0与G0’相减得到拉普拉斯金字塔的下层图像L0。由于Gi是Gi-1进行向下取样得到的,因此基于Gi向上取样得到的Gi-1’与原来的Gi-1相比缺失了一部分高频信息,因此通过将Gi-1与Gi-1’相减得到的拉普拉斯金字塔包含了底层图像G0对应的高频信息。
需要说明的是,一些需要处理的图像本身可能并非灰度图像,此时,可以先对需要处理的图像进行灰度处理,使得图像被转换为灰度图像之后,再将转换后的灰度图像作为待处理灰度图像进行后续的处理过程。
在步骤S320中,根据设置的阴影参数和高光参数确定动态范围变换曲线,并通过动态范围变换曲线对低频信息进行灰度变换得到变换信息。
在一示例性实施例中,由于低频信息通常包含的是待处理灰度图像的轮廓信息,因此可以对低频信息进行动态范围变换处理,以避免对待处理灰度图像的图像细节造成影响。具体的,可以先根据设置的高光参数和阴影参数确定用于进行动态范围变换的动态范围变换曲线,然后根据动态范围曲线对低频信息进行灰度变换得到变换信息。
在一示例性实施例中,在生成动态范围变换曲线时,可以先根据阴影参数确定一个阴影增量曲线,然后根据高光参数确定一个高光增量曲线,最后根据阴影增量曲线和高光增量曲线共同确定用于进行动态范围变换的动态范围变换曲线。通过阴影增量曲线和高光增量曲线确定的动态范围变换曲线可以同时实现对低频信息中的阴影部分进行提亮,对高光区域进行亮度降低,增加动态范围的效果。
其中,阴影增量曲线用于确定低频信息中各灰度值需要增加的增量(即提亮),高光增量曲线用于确定低频信息中各灰度值需要减少的增量(即调暗)。通过阴影增量曲线和高光增量曲线分别确定不同灰度值时需要调整的增量。通常情况下,由于阴影区域需要提亮,因此在根据阴影区域对应的灰度值确定的阴影增量和高光增量对灰度值进行调整时,得到的增量通常与将待处理灰度图像提亮的增量方向一致;对应的,在根据高光区域对应的灰度值确定的阴影增量和高光增量对灰度值进行调整时,得到的增量通常与将待处理灰度图像调暗的增量方向一致。
具体的,上述阴影参数可以包括阴影数量和阴影色调,此时,可以先根据阴影数量计算阴影增强数量,然后根据阴影色调计算阴影增强系数。根据阴影数量计算阴影增强数量可以通过如下公式(1)实现:
incNum=(0.06411×num+0.1047)*(1-x/255)0.02032×num+3.8621×x 公式(1)
其中,incNum表示阴影增强数量;num表示阴影数量;x表示像素点的灰度值,取值范围为0-255。根据阴影色调计算阴影增强系数可以通过以下公式(2)和(3)进行计算:
aTone=1.2531*(1-tone/100)2.3317+2.8520 公式(2)
bTone=13.6204*(1-tone/100)2.6609+2.7320 公式(3)
其中,aTone和bTone是两个不同的阴影增强系数,tone表示阴影色调。
在得到上述阴影增强数量incNum和阴影增强系数aTone和bTone之后,可以根据以下公式(4)确定阴影增量曲线:
shadowInc=(max(incNum))/57.82×aTone×(1-x/255)bTone×x 公式(4)
其中,shadowInc表示阴影增量,incNum表示阴影增强数量,aTone和bTone分别表示阴影增强系数,x表示像素点的灰度值,取值范围为0-255。
具体的,在高光参数包括高光数量和高光色调时,可以先根据高光数量计算高光增强数量,然后根据高光色调计算高光增强系数,之后通过高光增强数量和高光增强系数确定高光增量曲线。其中,高光增强数量和高光增强系数,可以通过将高光数量和高光色调分别作为incNum和tone代入上述公式(1)至公式(3)中计算得到,在此不再赘述。此外,由于阴影和高光的性质相反,因此在确定高光增量曲线时,需要对阴影增量曲线进行左右翻转,对应得到用于确定高光增量曲线的公式(5):
highlightInc=max(incNum)/57.82×aTone×(x/255)bTone×(255-x) 公式(5)
其中,highlightInc表示高光增量,incNum表示高光增强数量,aTone和bTone分别表示高光增强系数,x表示像素点的灰度值,取值范围为0-255。
在一示例性实施例中,在分别得到阴影增量曲线和高光增量曲线之后,可以通过阴影增量曲线和高光增量曲线共同确定可以提亮阴影区域,调暗高光区域的动态范围变换曲线。
具体的,在确定了阴影增量曲线和高光增量曲线之后,阴影区域需要提亮,高光区域需要调暗,在基于上述公式(1)至公式(5)确定阴影增量曲线和高光增量曲线时,可以通过如下公式(6)确定动态范围变换曲线:
curve=x+shadowInc-highlightInc
其中,curve表示动态范围变换曲线,shadowInc表示阴影增量曲线,highlightInc表示高光增量曲线,x表示像素点的灰度值,取值范围为0-255。在得到动态变换曲线之后,可以将低频信息带入上述公式中,实现对低频信息的动态范围变换。
举例而言,在根据上述公式(1)至公式(6)确定动态范围变换曲线时,假设设置的阴影数量为72,阴影色调为21,高光数量为33,高光色调为58,可以得到如图5所示的动态范围变换曲线。
在步骤S330中,将高频信息和变换信息合并,输出处理后的目标图像。
在一示例性实施例中,在得到动态范围变换后的变换信息之后,可以将包含细节的高频信息与变换后的低频信息(变换信息)合并,得到变换动态范围之后的目标图像。通过将动态范围变换后的变换信息与包含细节的高频信息合并,一方面,由于变换信息经过了动态范围变换,因此实现了对图像阴影区域的提亮和对高光区域的调暗;另一方面,由于未对高频信息进行处理,因此动态范围的变换不会对图像的细节信息造成影响。
在一示例性实施例中,在对高频信息和变换信息进行合并时,可以采用任意能够将高频信息和变换信息合并生成一张合并图像的方法,例如金字塔重构的方法等,本公开对进行信息合并的方法不做特殊限定。
举例而言,在如图4所示的高斯金字塔和拉普拉斯金字塔生成后,由于高斯金字塔的最上层图像,即三层金字塔中的G2通常为低频信息。在对G2进行动态范围变换后,可以得到变换信息aG2,此时可以以aG2为基础进行金字塔重构。具体的,参照图6所示,对变换信息aG2进行进行上采样和高斯卷积得到aG1’,并将aG1’与拉普拉斯金字塔中的L1相加得到aG1,然后对aG1继续进行上采样和高斯卷积得到aG0’,并将aG0’与拉普拉斯金字塔中的L0相加,得到重构的aG0。
在一示例性实施例中,在将高频信息和变换信息合并之前,还可以先对高频信息进行细节增强,然后将增强后的高频信息与变换信息合并。由于待处理灰度图像的质量不同,因此可能需要对高频信息进行细节增强。
在一示例性实施例中,在通过图像分解得到的高频信息包括拉普拉斯金字塔时,对高频信息进行细节增强的过程可以通过对拉普拉斯金字塔中的各层图像的各个像素点对应的灰度值乘以预设系数的方式实现。需要说明的是,为了实现增强的效果,上述乘以灰度值的预设系数可以设置为大于1的任意数值,且数值越大,对高频细节的增强强度就越大。
此外,在一示例性实施例中,还可以通过gamma变换实现增强。举例而言,可以根据预设灰度范围在高频信息中确定变换范围,然后通过gamma变换在高频信息的变换范围内进行gamma变换,以实现对高频信息的增强。
综上,本示例性实施方式中,通过将待处理灰度图像进行图像分解得到高频信息和低频信息,并分别对低频信息进行动态范围变换,对高频信息进行细节增强,可以实现在对高光区域和阴影区域进行调节的同时,不影响图像的细节。这种调教方式简单、可控性好,同时,由于可以直接对单张图像进行调节,因此不需要采集图像序列,对应的也不会产生延时的问题。
需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
进一步的,参考图7所示,本示例的实施方式中还提供一种图像处理装置700,包括图像分解模块710、图像变换模块720和图像合并模块730。其中:
图像分解模块710可以用于对待处理灰度图像进行图像分解,以获取待处理灰度图像对应的高频信息和低频信息。
图像变换模块720可以用于根据设置的阴影参数和高光参数确定动态范围变换曲线,并通过动态范围变换曲线对低频信息进行灰度变换得到变换信息。
图像合并模块730可以用于将高频信息和变换信息合并,输出处理后的目标图像。
在一示例性实施例中,图像变换模块720可以用于基于阴影参数确定阴影增量曲线,并基于高光参数确定高光增量曲线;根据阴影增量曲线和高光增量曲线确定动态范围变换曲线。
在一示例性实施例中,图像变换模块720可以用于根据阴影数量计算阴影增强数量,并根据阴影色调计算阴影增强系数;基于阴影增强数量和阴影增强系数确定阴影增量曲线。
在一示例性实施例中,图像变换模块720可以用于根据高光数量计算高光增强数量,并根据高光色调计算高光增强系数;基于高光增强数量和高光增强系数确定高光增量曲线。
在一示例性实施例中,图像变换模块720可以用于对高频信息进行细节增强,以获取增强后的高频信息。
在一示例性实施例中,图像变换模块720可以在高频信息包括拉普拉斯金字塔时,用于对拉普拉斯金字塔的各层图像的各个像素点对应的灰度值乘以预设系数;其中预设系数大于1。
在一示例性实施例中,图像变换模块720可以用于根据预设灰度范围在高频信息中确定变换范围,并在高频信息的变换范围内进行gamma变换。
上述装置中各模块的具体细节在方法部分实施方式中已经详细说明,未披露的细节内容可以参见方法部分的实施方式内容,因而不再赘述。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为***、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“***”。
本公开的示例性实施方式还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤,例如可以执行图3中任意一个或多个步骤。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
此外,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公开操作的程序代码,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。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
对待处理灰度图像进行图像分解,以获取所述待处理灰度图像对应的高频信息和低频信息;
根据设置的阴影参数和高光参数确定动态范围变换曲线,并通过所述动态范围变换曲线对所述低频信息进行灰度变换得到变换信息;
将所述高频信息和所述变换信息合并,输出处理后的目标图像。
2.根据权利要求1所述的方法,其特征在于,所述根据设置的阴影参数和高光参数确定动态范围变换曲线,包括:
基于所述阴影参数确定阴影增量曲线,并基于所述高光参数确定高光增量曲线;
根据所述阴影增量曲线和所述高光增量曲线确定所述动态范围变换曲线。
3.根据权利要求2所述的方法,其特征在于,所述阴影参数包括阴影数量和阴影色调,所述基于所述阴影参数确定阴影增量曲线,包括:
根据所述阴影数量计算阴影增强数量,并根据所述阴影色调计算阴影增强系数;
基于所述阴影增强数量和所述阴影增强系数确定所述阴影增量曲线。
4.根据权利要求2所述的方法,其特征在于,所述高光参数包括高光数量和高光色调,所述基于所述高光参数确定高光增量曲线,包括:
根据所述高光数量计算高光增强数量,并根据所述高光色调计算高光增强系数;
基于所述高光增强数量和所述高光增强系数确定所述高光增量曲线。
5.根据权利要求1所述的方法,其特征在于,在所述将所述高频信息和所述变换信息合并之前,所述方法还包括:
对所述高频信息进行细节增强,以获取增强后的高频信息。
6.根据权利要求5所述的方法,其特征在于,在所述高频信息包括拉普拉斯金字塔时,所述对所述高频信息进行细节增强,包括:
对所述拉普拉斯金字塔的各层图像的各个像素点对应的灰度值乘以预设系数;其中所述预设系数大于1。
7.根据权利要求5所述的方法,其特征在于,所述对所述高频信息进行细节增强,包括:
根据预设灰度范围在所述高频信息中确定变换范围,并在所述高频信息的所述变换范围内进行gamma变换。
8.一种图像处理装置,其特征在于,包括:
图像分解模块,用于对待处理灰度图像进行图像分解,以获取所述待处理灰度图像对应的高频信息和低频信息;
图像变换模块,用于根据设置的阴影参数和高光参数确定动态范围变换曲线,并通过所述动态范围变换曲线对所述低频信息进行灰度变换得到变换信息;
图像合并模块,用于将所述高频信息和所述变换信息合并,输出处理后的目标图像。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110096737.8A CN112887597A (zh) | 2021-01-25 | 2021-01-25 | 图像处理方法及装置、计算机可读介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110096737.8A CN112887597A (zh) | 2021-01-25 | 2021-01-25 | 图像处理方法及装置、计算机可读介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112887597A true CN112887597A (zh) | 2021-06-01 |
Family
ID=76050984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110096737.8A Pending CN112887597A (zh) | 2021-01-25 | 2021-01-25 | 图像处理方法及装置、计算机可读介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112887597A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113674173A (zh) * | 2021-08-19 | 2021-11-19 | Oppo广东移动通信有限公司 | 图像处理方法与装置、终端及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5881181A (en) * | 1995-07-27 | 1999-03-09 | Fuji Photo Film Co., Ltd. | Method and apparatus for compressing the dynamic range of an image |
CN102428478A (zh) * | 2009-04-17 | 2012-04-25 | 里弗兰医疗集团公司 | 多尺度图像归一化和增强 |
CN106570831A (zh) * | 2016-10-09 | 2017-04-19 | 中国航空工业集团公司洛阳电光设备研究所 | 一种灰度图像对比度均衡增强的方法 |
CN107045715A (zh) * | 2017-02-22 | 2017-08-15 | 西南科技大学 | 一种单幅低动态范围图像生成高动态范围图像的方法 |
CN109478316A (zh) * | 2016-07-26 | 2019-03-15 | 微软技术许可有限责任公司 | 实时自适应阴影和高光增强 |
CN111311524A (zh) * | 2020-03-27 | 2020-06-19 | 电子科技大学 | 一种基于msr的高动态范围视频生成方法 |
-
2021
- 2021-01-25 CN CN202110096737.8A patent/CN112887597A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5881181A (en) * | 1995-07-27 | 1999-03-09 | Fuji Photo Film Co., Ltd. | Method and apparatus for compressing the dynamic range of an image |
CN102428478A (zh) * | 2009-04-17 | 2012-04-25 | 里弗兰医疗集团公司 | 多尺度图像归一化和增强 |
CN109478316A (zh) * | 2016-07-26 | 2019-03-15 | 微软技术许可有限责任公司 | 实时自适应阴影和高光增强 |
CN106570831A (zh) * | 2016-10-09 | 2017-04-19 | 中国航空工业集团公司洛阳电光设备研究所 | 一种灰度图像对比度均衡增强的方法 |
CN107045715A (zh) * | 2017-02-22 | 2017-08-15 | 西南科技大学 | 一种单幅低动态范围图像生成高动态范围图像的方法 |
CN111311524A (zh) * | 2020-03-27 | 2020-06-19 | 电子科技大学 | 一种基于msr的高动态范围视频生成方法 |
Non-Patent Citations (1)
Title |
---|
宋瑞霞等: ""DT-CWT 和色调映射相结合的低照度图像增强算法"", 《计算机辅助设计与图形学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113674173A (zh) * | 2021-08-19 | 2021-11-19 | Oppo广东移动通信有限公司 | 图像处理方法与装置、终端及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110033418B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN112734650B (zh) | 一种基于虚拟多曝光融合的不均匀光照图像增强方法 | |
US20180350043A1 (en) | Shallow Depth Of Field Rendering | |
KR20210069006A (ko) | 단일 입력으로부터 다중 노출 프레임들을 생성하기 위한 시스템 및 방법 | |
US11715184B2 (en) | Backwards-compatible high dynamic range (HDR) images | |
US20140140615A1 (en) | Global Approximation to Spatially Varying Tone Mapping Operators | |
CN109767413B (zh) | 一种抗运动伪影的hdr方法、装置及便携式终端 | |
CN110009587B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
WO2021148057A1 (zh) | 低比特位宽hdr图像的生成方法及装置、存储介质、终端 | |
CN113344773B (zh) | 基于多级对偶反馈的单张图片重构hdr方法 | |
KR20120114899A (ko) | 영상 처리 방법 및 영상 처리 장치 | |
CN116113976A (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
CN113962859B (zh) | 一种全景图生成方法、装置、设备及介质 | |
CN113706414A (zh) | 视频优化模型的训练方法和电子设备 | |
WO2021213336A1 (zh) | 一种画质增强装置及相关方法 | |
CN109102484B (zh) | 用于处理图像的方法和装置 | |
CN113674193A (zh) | 图像融合方法、电子设备和存储介质 | |
CN110599418A (zh) | 一种变换域融合的全局色调映射方法 | |
Liu et al. | Enhancement of low illumination images based on an optimal hyperbolic tangent profile | |
CN112822413B (zh) | 拍摄预览方法、装置、终端和计算机可读存储介质 | |
CN114240767A (zh) | 一种基于曝光融合的图像宽动态范围处理方法及装置 | |
CN110717864A (zh) | 一种图像增强方法、装置、终端设备及计算机可读介质 | |
CN112887597A (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
JP5410378B2 (ja) | 映像信号補正装置および映像信号補正プログラム | |
CN114638764B (zh) | 基于人工智能的多曝光图像融合方法及*** |
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: 20210601 |