CN112950516B - 图像局部对比度增强的方法及装置、存储介质及电子设备 - Google Patents
图像局部对比度增强的方法及装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN112950516B CN112950516B CN202110125893.2A CN202110125893A CN112950516B CN 112950516 B CN112950516 B CN 112950516B CN 202110125893 A CN202110125893 A CN 202110125893A CN 112950516 B CN112950516 B CN 112950516B
- Authority
- CN
- China
- Prior art keywords
- image
- input image
- local contrast
- filtered
- contrast
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 230000001629 suppression Effects 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 18
- 230000006870 function Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000002156 mixing Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 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
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开涉及图像处理技术领域,具体涉及一种图像局部对比度增强的方法及装置、计算机可读存储介质及电子设备,上述方法包括:根据输入图像和所述输入图像对应的滤波图像确定所述输入图像的初始局部对比度;根据对比度增强系数、所述初始局部对比度对所述滤波图像进行对比度增强得到参考图像;根据所述滤波图像将所述参考图像和所述输入图像融合得到输出图像。本公开实施例的技术方案能够在局部对比度增强的同时,消除了以往增强时引入强边缘伪影。
Description
技术领域
本公开涉及图像处理技术领域,具体而言,涉及一种图像局部对比度增强的方法及装置、计算机可读存储介质及电子设备。
背景技术
图像的对比度增强方法在很多场合都有着重要的应用。但是现有技术中的主要采用两种方式,一种是自适应直方图均衡化(AHE),还有一种就是自适应对比度增强(ACE)。
但是,现有技术中的局部对比增强的方法,无法避免强边缘的伪影现象,噪声抑制的阈值系数必须通过实验来统计,不同硬件差异大,操作困难,处理效率低。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种图像局部对比度增强的方法、图像局部对比度增强的装置、计算机可读介质和电子设备,进而至少在一定程度上克服强边缘的伪影现象且操作简单,易于并行处理,处理效率高。
根据本公开的第一方面,提供一种图像局部对比度增强的方法,包括:
根据输入图像和所述输入图像对应的滤波图像确定所述输入图像的初始局部对比度;
根据对比度增强系数、所述初始局部对比度对所述滤波图像进行对比度增强得到参考图像;
根据所述滤波图像将所述参考图像和所述输入图像融合得到输出图像。
根据本公开的第二方面,提供一种图像局部对比度增强的装置,包括:
确定模块,用于根据输入图像和所述输入图像对应的滤波图像确定所述输入图像的初始局部对比度;
增强模块,用于根据对比度增强系数、所述初始局部对比度对所述滤波图像进行对比度增强得到参考图像;
融合模块,用于根据所述滤波图像将所述参考图像和所述输入图像融合得到输出图像。
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局部对比度增强的方法,根据输入图像和输入图像对应的滤波图像确定输入图像的初始局部对比度;根据对比度增强系数、初始局部对比度对滤波图像进行对比度增强得到参考图像;根据滤波图像将参考图像和输入图像融合得到输出图像,相较于现有技术,采用滤波图像来增强局部对比度,并得到增强局部对比度之后的参考图像,并利用滤波图像作为参考将参考图像和输入图像进行融合,滤波图像直接用于局部对比度增强和噪声抑制,局部对比度增强的同时,消除了以往增强时引入强边缘伪影。另一方面,本方案不需要多分辨率分解,易于并行处理,处理性能高。
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局部对比度增强的方法的流程图;
图4示意性示出本公开示例性实施例中一种获取滤波图像的示意图;
图5示意性示出本公开示例性实施例中一种计算输出图像的示意图;
图6示意性示出本公开示例性实施例中一种将输入图像与参考图像进行加权融合的示意图;
图7示意性示出本公开示例性实施例中图像局部对比度增强的装置的组成示意图。
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局部对比度增强的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局部对比度增强的方法一般由终端设备101、102、103中执行,相应地,图像局部对比度增强的装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局部对比度增强的方法也可以由服务器105执行,相应的,图像局部对比度增强的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,可以是用户通过终端设备101、102、103包括的用于获取输入图像,然后将输入图像上传至服务器105,服务器通过本公开实施例所提供的图像局部对比度增强的生成输出图像后,将输出图像传输给终端设备101、102、103等。
本公开的示例性实施方式提供一种用于实现图像局部对比度增强的方法的电子设备,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局部对比度增强的方法。
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。
NPU为神经网络(Neural-Network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现移动终端200的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。
处理器210中设置有存储器。存储器可以存储用于实现六个模块化功能的指令:检测指令、连接指令、信息管理指令、分析指令、数据传输指令和通知指令,并由处理器210来控制执行。
充电管理模块240用于从充电器接收充电输入。电源管理模块241用于连接电池242、充电管理模块240与处理器210。电源管理模块241接收电池242和/或充电管理模块240的输入,为处理器210、内部存储器221、显示屏290、摄像模组291和无线通信模块260等供电。
移动终端200的无线通信功能可以通过天线1、天线2、移动通信模块250、无线通信模块260、调制解调处理器以及基带处理器等实现。其中,天线1和天线2用于发射和接收电磁波信号;移动通信模块250可以提供应用在移动终端200上的包括2G/3G/4G/5G等无线通信的解决方案;调制解调处理器可以包括调制器和解调器;无线通信模块260可以提供应用在移动终端200上的包括无线局域网(Wireless Local Area Networks,WLAN)(如无线保真(Wireless Fidelity,Wi-Fi)网络)、蓝牙(Bluetooth,BT)等无线通信的解决方案。在一些实施例中,移动终端200的天线1和移动通信模块250耦合,天线2和无线通信模块260耦合,使得移动终端200可以通过无线通信技术与网络以及其他设备通信。
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。
外部存储器接口222可以用于连接外部存储卡,例如Micro SD卡,实现扩展移动终端200的存储能力。外部存储卡通过外部存储器接口222与处理器210通信,实现数据存储功能。例如将音乐,视频等文件保存在外部存储卡中。
内部存储器221可以用于存储计算机可执行程序代码,可执行程序代码包括指令。内部存储器221可以包括存储程序区和存储数据区。其中,存储程序区可存储操作***,至少一个功能所需的应用程序(比如声音播放功能,图像播放功能等)等。存储数据区可存储移动终端200使用过程中所创建的数据(比如音频数据,电话本等)等。此外,内部存储器221可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(Universal Flash Storage,UFS)等。处理器210通过运行存储在内部存储器221的指令和/或存储在设置于处理器中的存储器的指令,执行移动终端200的各种功能应用以及数据处理。
移动终端200可以通过音频模块270、扬声器271、受话器272、麦克风273、耳机接口274及应用处理器等实现音频功能。例如音乐播放、录音等。
深度传感器2801用于获取景物的深度信息。在一些实施例中,深度传感器可以设置于摄像模组291。
压力传感器2802用于感受压力信号,可以将压力信号转换成电信号。在一些实施例中,压力传感器2802可以设置于显示屏290。压力传感器2802的种类很多,如电阻式压力传感器,电感式压力传感器,电容式压力传感器等。
陀螺仪传感器2803可以用于确定移动终端200的运动姿态。在一些实施方式中,可以通过陀螺仪传感器2803确定移动终端200围绕三个轴(即,x,y和z轴)的角速度。陀螺仪传感器2803可以用于拍摄防抖、导航、体感游戏场景等。
此外,还可以根据实际需要在传感器模块280中设置其他功能的传感器,例如气压传感器、磁传感器、加速度传感器、距离传感器、接近光传感器、指纹传感器、温度传感器、触摸传感器、环境光传感器、骨传导传感器等。
移动终端200中还可包括其它提供辅助功能的设备。例如,按键294包括开机键,音量键等,用户可以通过按键输入,产生与移动终端200的用户设置以及功能控制有关的键信号输入。再如,指示器292、马达293、SIM卡接口295等。
在相关技术中,主要包括以下几种局部对比度增强方法,第一种局部对比度算法是用在多分辨率上实现的,处理的是纯灰度图像,要对不同尺度的噪声用实验的方式进行估计,把高频分量划分噪声和细节,对高频分量的局部细节做增强,这里面的局部细节指的不是像素空间邻域的局部;第二种用图像局部信息训练得到一个阈值对图像进行分割;第三种是为了减少计算量,在图像局部增强时,把图像分成很多块,利用块之间的插值运算;第四种是直接拉大图像局部区域的对比度,让人眼可以感知的到;第五种是用于视频图像帧的对比度增强,统计图像强度直方图并定义标记并计算对应标记的混合因子,用均衡化的图像和原始图像用混合因子融合为输出图像。
多分辨率局部对比部增强,是在多尺度域做的,它是在全局灰阶差的小部分增强了,计算量大,当增强过大时,无法避免强边缘的伪影现象,噪声抑制的阈值系数必须通过实验来统计,不同硬件差异大,操作困难;图像分块统计直方图插值的方式,在图像块分割较小时,容易出现局部小区域亮度异常过亮或过暗;用直方图计算混合因子,再用混合因子对原始图与均衡化图像融合,全局灰阶拉伸与对比度增强,效果还存在局限性。
下面对本公开示例性实施方式的图像局部对比度增强的方法和图像局部对比度增强的装置进行具体说明。
图3示出了本示例性实施方式中一种图像局部对比度增强的方法的流程,包括以下:
步骤S310,根据输入图像和所述输入图像对应的滤波图像确定所述输入图像的初始局部对比度;
步骤S320,根据对比度增强系数、所述初始局部对比度对所述滤波图像进行对比度增强得到参考图像;
步骤S330,根据所述滤波图像将所述参考图像和所述输入图像融合得到输出图像。
相较于现有技术,采用滤波图像来增强局部对比度,并得到增强局部对比度之后的参考图像,并利用滤波图像作为参考将参考图像和输入图像进行融合,滤波图像直接用于局部对比度增强和噪声抑制,局部对比度增强的同时,消除了以往增强时引入强边缘伪影。另一方面,本方案不需要多分辨率分解,易于并行处理,处理性能高。
在步骤S310中,根据输入图像和所述输入图像对应的滤波图像确定所述输入图像的初始局部对比度。
在本公开的一种示例实施方式中,可以首先获取输入图像,其中上述输入图像可以是灰度图像,也可以是RGB彩色图像的三个通道中其中一个通道的图像,还可以是YUV格式视频帧的Y分量图像,HSV、HSI的亮度分量图像等,在本示例实施方式中不做具体限定。
在本示例实施方式中,参照图4所示,可以获取输入图像的滤波图像,可以采用图像保边算法对上述了输入图像410进行滤波处理420得到滤波图像430,其中,图像保边算法可以包括双边滤波、导向滤波算法等,还可以均值滤波、高斯滤波、中值滤波替换,也可以采用效果更好复杂度更高的滤波算法,如:NLM(非局部均值算法)、BM3D算法等,在本示例实施方式中不做具体限定。
在获取到上述滤波图像之后,分别获取输入图像的像素值以及滤波图像的像素值,然后根据计算输入图像的局部对比度,可以采用局部对比度计算公式确定局部对比度,其中,局部对比度公式为:
其中,srcVal为原始图像的像素值,filtVal为滤波后的像素值,srcLc为输入图像的局部对比度,可以针对输入图像的每一个像素的像素进行局部对比度计算以得到整个图像的局部对比度。
在步骤S320中,根据对比度增强系数、所述初始局部对比度对所述滤波图像进行对比度增强得到参考图像;
在在本示例实施方式中,在计算得到上述局部对比度之后,可以对上述局部对比度进行增强处理得到目标对比度。首先可以获取一对比度增强系数,然后根据上述局部对比度增强系数计算目标局部对比度。可以采用对比度增强公式来计算过上述目标局部对比度。
在一种示例实施方式中,上述对比度增强公式可以为:
dstLc=srcLc1-es
其中,目标局部对比度为dstLc,es表示为对比度增强系数,对比度增强系数取值范围为大于等于0小于等于1,;srcLc为输入图像的局部对比度。
在本公开的另一种示例实施方式中,上述对比度增强公式可以为:
dstLc=es×srcLc
其中,目标局部对比度为dstLc,es表示为对比度增强系数,对比度增强系数取值范围为大于等于0小于等于1;srcLc为输入图像的局部对比度。
在本示例实施方式中,参照图5所示,可以首先执行步骤S510,首先计输入图像的局部对比度,然后执行步骤S520,获取目标局部对比度,具***置为对局部对比度进行增强处理得到目标局部对比度,之后可以执行步骤S530,根据目标局部对比度获取参考图像。
在本示例实时方式中,在等到上述目标局部对比度之后,可以利用利用所述目标局部对比度和所述滤波图像的像素值计算所述参考图像。具体而言,可以利用图像对比度公式计算得到上述参考图像,其中,上述图像对比度公式可以为:
其中,lceVal表示参考图像的像素值。目标局部对比度为dstLc,srcVal为原始图像的像素值,filtVal为滤波图像的像素值。
计算每一个的像素的滤波后像素值以得到参考图像。在得到参考图像之后,可以执行步骤S540,计算输出图像,具体如下。
在步骤S330,根据所述滤波图像将所述参考图像和所述输入图像融合得到输出图像。
在本示例实施方式中,参照图6所示,利用上述滤波图像610计算噪声抑制系数620,将输入图像630与上述得到的参考图像640进行加权融合650得到输入图像660。
在本示例实施方式中,可以首先获取滤波图像的像素值和一个预设的噪声抑制强度系数,然后根据噪声抑制强度系数和滤波图像的像素值计算噪声抑制系数,可以采用噪声抑制系数计算公式计算上述噪声抑制系数,其中噪声抑制系数计算公式为:
其中,dnsVal标识噪声抑制系数,filtVal为滤波图像的像素值,dns表示噪声抑制强度系数,噪声抑制强度系数为定值,其取值范围为0~1,即大于0且小于1。
在本示例实施方式中,在得到上述噪声抑制强度系数之后根据噪声抑制系数、参考图像的像素值和输入图像的像素值计算得到所述输出图像。
具体而言,可以首先获取输入图像和参考图像的像素值,然后采用噪声抑制公式,利用上述噪声抑制系数计算输入图像的像素值,进而得到上述输出图像。
其中,上述噪声抑制公式可以为
dstVal=dnsVal×lceVal+(1-dnsVal)×srcVal
其中,dnsVal表示噪声抑制系数,lceVal表示参考图像的像素值,dstVal表示输入图像的像素值,srcVal表示输入图像的像素值。
针对输入图像上的每一个像素均进行上述计算即可得到输入图像。
综上所述,本示例性实施方式中,采用滤波图像来增强局部对比度,并得到增强局部对比度之后的参考图像,并利用滤波图像作为参考将参考图像和输入图像进行融合,滤波图像直接用于局部对比度增强和噪声抑制,局部对比度增强的同时,消除了以往增强时引入强边缘伪影。另一方面,本方案不需要多分辨率分解,易于并行处理,处理性能高。
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局部对比度增强的装置700,包括确定模块710、增强模块720和融合模块730。其中:确定模块710用于根据输入图像和所述输入图像对应的滤波图像确定所述输入图像的初始局部对比度;增强模块720用于根据对比度增强系数、所述初始局部对比度对所述滤波图像进行对比度增强得到参考图像;融合模块730用于根据所述滤波图像将所述参考图像和所述输入图像融合得到输出图像。
进一步的,上述确定模块710用于利用图像保边滤波算法对所述输入图像进行滤波处理得到滤波图像;获取所述输入图像的像素值以及所述滤波图像的像素值;利用所述输入图像的像素值和所述滤波图像的像素值计算所述初始局部对比度。
上述增强模块720用于获取一对比度增强系数,并利用所述对比度增强系数和所述初始局部对比度计算目标局部对比度;利用所述目标局部对比度和所述滤波图像的像素值计算所述参考图像
融合模块730用于获取所述滤波图像的像素值和一个预设的噪声抑制强度系数;获取所述参考图像的像素值和所述输入图像的像素值;根据所述噪声抑制系数、参考图像的像素值和所述输入图像的像素值计算得到所述输出图像。
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。
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 (8)
1.一种图像局部对比度增强的方法,其特征在于,包括:
根据输入图像和所述输入图像对应的滤波图像确定所述输入图像的初始局部对比度;
根据对比度增强系数、所述初始局部对比度对所述滤波图像进行对比度增强得到参考图像;
根据所述滤波图像将所述参考图像和所述输入图像融合得到输出图像;
其中,所述根据输入图像和所述输入图像对应的滤波图像确定所述输入图像的初始局部对比度,包括:
利用图像保边滤波算法对所述输入图像进行滤波处理得到滤波图像;
获取所述输入图像的像素值以及所述滤波图像的像素值;
利用所述输入图像的像素值和所述滤波图像的像素值计算所述初始局部对比度。
2.根据权利要求1所述的方法,其特征在于,所述根据对比度增强系数、所述初始局部对比度对所述滤波图像进行对比度增强得到参考图像,包括:
获取一对比度增强系数,并利用所述对比度增强系数和所述初始局部对比度计算目标局部对比度;
利用所述目标局部对比度和所述滤波图像的像素值计算所述参考图像。
3.根据权利要求1所述的方法,其特征在于,根据所述滤波图像将所述参考图像和所述输入图像融合得到输出图像,包括:
根据所述滤波图像计算噪声抑制系数;
根据所述噪声抑制系数对所述参考图像以及所述输入图像进行加权融合得到所述输出图像。
4.根据权利要求3所述的方法,其特征在于,所述根据所述滤波图像计算噪声抑制系数,包括:
获取所述滤波图像的像素值和一个预设的噪声抑制强度系数;
根据所述噪声抑制强度系数和所述滤波图像的像素值计算所述噪声抑制系数。
5.根据权利要求3所述的方法,其特征在于,根据所述噪声抑制系数对所述参考图像以及所述输入图像进行加权融合得到所述输出图像,包括:
获取所述参考图像的像素值和所述输入图像的像素值;
根据所述噪声抑制系数、参考图像的像素值和所述输入图像的像素值计算得到所述输出图像。
6.一种图像局部对比度增强的装置,其特征在于,包括:
确定模块,用于根据输入图像和所述输入图像对应的滤波图像确定所述输入图像的初始局部对比度;
增强模块,用于根据对比度增强系数、所述初始局部对比度对所述滤波图像进行对比度增强得到参考图像;
融合模块,用于根据所述滤波图像将所述参考图像和所述输入图像融合得到输出图像;
其中,所述确定模块根据输入图像和所述输入图像对应的滤波图像确定所述输入图像的初始局部对比度,包括:
利用图像保边滤波算法对所述输入图像进行滤波处理得到滤波图像;
获取所述输入图像的像素值以及所述滤波图像的像素值;
利用所述输入图像的像素值和所述滤波图像的像素值计算所述初始局部对比度。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至5中任一项所述的图像局部对比度增强的方法。
8.一种电子设备,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,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至5中任一项所述的图像局部对比度增强的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110125893.2A CN112950516B (zh) | 2021-01-29 | 2021-01-29 | 图像局部对比度增强的方法及装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110125893.2A CN112950516B (zh) | 2021-01-29 | 2021-01-29 | 图像局部对比度增强的方法及装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112950516A CN112950516A (zh) | 2021-06-11 |
CN112950516B true CN112950516B (zh) | 2024-05-28 |
Family
ID=76239675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110125893.2A Active CN112950516B (zh) | 2021-01-29 | 2021-01-29 | 图像局部对比度增强的方法及装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112950516B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109191395A (zh) * | 2018-08-21 | 2019-01-11 | 深圳创维-Rgb电子有限公司 | 图像对比度增强方法、装置、设备及存储介质 |
WO2019144581A1 (zh) * | 2018-01-29 | 2019-08-01 | 江苏宇特光电科技股份有限公司 | 一种智能化红外图像场景增强方法 |
CN110766639A (zh) * | 2019-10-30 | 2020-02-07 | 北京迈格威科技有限公司 | 图像增强方法、装置、移动设备及计算机可读存储介质 |
CN111968062A (zh) * | 2020-09-07 | 2020-11-20 | 新疆大学 | 基于暗通道先验镜面高光图像增强方法、装置及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2995708C (en) * | 2018-02-20 | 2021-11-02 | Synaptive Medical (Barbados) Inc. | System and method for performing local-area contrast enhancement of digital images |
CN109146814B (zh) * | 2018-08-20 | 2021-02-23 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
-
2021
- 2021-01-29 CN CN202110125893.2A patent/CN112950516B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019144581A1 (zh) * | 2018-01-29 | 2019-08-01 | 江苏宇特光电科技股份有限公司 | 一种智能化红外图像场景增强方法 |
CN109191395A (zh) * | 2018-08-21 | 2019-01-11 | 深圳创维-Rgb电子有限公司 | 图像对比度增强方法、装置、设备及存储介质 |
CN110766639A (zh) * | 2019-10-30 | 2020-02-07 | 北京迈格威科技有限公司 | 图像增强方法、装置、移动设备及计算机可读存储介质 |
CN111968062A (zh) * | 2020-09-07 | 2020-11-20 | 新疆大学 | 基于暗通道先验镜面高光图像增强方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112950516A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111598776B (zh) | 图像处理方法、图像处理装置、存储介质与电子设备 | |
US9692959B2 (en) | Image processing apparatus and method | |
KR20210029089A (ko) | 시간적 일관성이 개선된 비디오 처리를 위한 시스템 및 방법 | |
CN113706414B (zh) | 视频优化模型的训练方法和电子设备 | |
CN107690804B (zh) | 一种图像处理方法及用户终端 | |
US11948280B2 (en) | System and method for multi-frame contextual attention for multi-frame image and video processing using deep neural networks | |
CN111950570B (zh) | 目标图像提取方法、神经网络训练方法及装置 | |
CN111932463A (zh) | 图像处理方法、装置、设备及存储介质 | |
WO2017095543A1 (en) | Object detection with adaptive channel features | |
CN113902636A (zh) | 图像去模糊方法及装置、计算机可读介质和电子设备 | |
CN113610720A (zh) | 视频去噪方法及装置、计算机可读介质和电子设备 | |
CN113658065A (zh) | 图像降噪方法及装置、计算机可读介质和电子设备 | |
CN113205011A (zh) | 图像掩膜确定方法及装置、存储介质和电子设备 | |
CN113283319A (zh) | 人脸模糊度的评价方法及装置、介质和电子设备 | |
CN113066020A (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
CN111833262A (zh) | 图像降噪方法、装置及电子设备 | |
CN111447360A (zh) | 应用程序控制方法及装置、存储介质、电子设备 | |
CN112950516B (zh) | 图像局部对比度增强的方法及装置、存储介质及电子设备 | |
CN117132515A (zh) | 一种图像处理方法及电子设备 | |
CN114119413A (zh) | 图像处理方法及装置、可读介质和移动终端 | |
CN113362260A (zh) | 图像优化方法及装置、存储介质及电子设备 | |
CN115471413A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
CN113920023A (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
CN111798385B (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
CN113205530A (zh) | 阴影区域处理方法及装置、计算机可读介质和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |