CN113066020A - 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
- CN113066020A CN113066020A CN202110265879.2A CN202110265879A CN113066020A CN 113066020 A CN113066020 A CN 113066020A CN 202110265879 A CN202110265879 A CN 202110265879A CN 113066020 A CN113066020 A CN 113066020A
- Authority
- CN
- China
- Prior art keywords
- value
- original
- image
- enhanced
- saturation gain
- 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 17
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 241000023320 Luma <angiosperm> Species 0.000 claims description 10
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 abstract description 7
- 230000002087 whitening effect Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 101100332288 Dictyostelium discoideum dst3 gene Proteins 0.000 description 2
- 101100366891 Dictyostelium discoideum dstC gene Proteins 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10024—Color 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (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：获取原始图像和增强图像的增强亮度值；其中，增强图像为对原始图像的亮度值进行调整后的图像；根据原始图像的原始亮度值和原始色度分量值，以及增强亮度值计算饱和度增益系数；通过饱和度增益系数对增强图像的增强色度分量值进行校正，得到校正图像。本公开通过原始亮度值、原始色度分量值和增强亮度值计算得到的饱和度增益系数，使得校正后的校正图像的饱和度与亮度相互匹配，进而得到亮度与饱和度均衡的图像，避免了相关技术中直接对饱和度进行相同校正时，图像饱和度与亮度不匹配导致的图像发白等问题。
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。由于图像采集容易被摄像头本身的图像采集性能、被拍摄对象本身的图像质量、拍摄环境的光照等原因的影响，因此人们往往会对图像进行一些处理，以改善图像的质量等。例如，在相关技术中，人们会对图像的亮度、对比度等进行处理。
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提高图像的饱和度，使得图像的颜色更加鲜艳。
根据本公开的第一方面，提供一种图像处理方法，包括：获取原始图像和增强图像的增强亮度值；其中，增强图像为对原始图像的亮度值进行调整后的图像；根据原始图像的原始亮度值和原始色度分量值，以及增强亮度值计算饱和度增益系数；通过饱和度增益系数对增强图像的增强色度分量值进行校正，得到校正图像。
根据本公开的第二方面，提供一种图像处理装置，包括：数据获取模块，用于获取原始图像和增强图像的增强亮度值；其中，增强图像为对原始图像的亮度值进行调整后的图像；系数计算模块，用于根据原始图像的原始亮度值和原始色度分量值，以及增强亮度值计算饱和度增益系数；图像校正模块，用于通过饱和度增益系数对增强图像的增强色度分量值进行校正，得到校正图像。
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，在获取到原始图像和对原始图像的亮度值进行调整后的增强图像后，可以根据原始图像的原始亮度值和原始色度分量值，以及增强图像的增强亮度值计算饱和度增益系数，然后通过饱和度增益系数对增强图像的增强色度分量值进行校正，得到校正图像。通过原始亮度值、原始色度分量值和增强亮度值计算得到的饱和度增益系数，使得校正后的校正图像的饱和度与亮度相互匹配，进而得到亮度与饱和度均衡的图像，避免了相关技术中直接对饱和度进行相同校正时，图像饱和度与亮度不匹配导致的图像发白等问题。
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计算饱和度增益系数的方法的流程图；
图5示意性示出本公开示例性实施例中另一种图像处理方法的流程图；
图6示意性示出本公开示例性实施例中一种图像处理装置的组成示意图；
图7示意性示出本公开示例性实施例中另一种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。
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。
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。在一些实施例中，NPU可以用于对原始图像的亮度分类至进行调整得到增强图像。
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。在一些实施例中，GPU可以用于校正图像的渲染过程。
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。
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。陀螺仪传感器2803可以用于确定移动终端200的运动姿态。
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。
在相关技术中，通常可以采用以下方法对图像的饱和度进行调整：
例如，公开号为CN104104932A的专利申请提供了一种基于YCbCr空间模型分层的饱和度调节方法，通过计算亮度值Y所在亮度平面的边界，根据所在亮度平面的边界形状，判断颜色值所对边界的端点，并计算所在亮度平面上，Cb或Cr可被调节的最饱和值，最后根据设定的目标饱和度系数与Cb或Cr可被调节的最饱和值计算饱和度调节后的颜色值。
再如，公开号为CN1496131A的专利申请提供了一种RGB彩色***中色彩饱和度调节的方法，通过将一个RGB色彩采样矢量分解为一个白矢量和一个色调矢量；通过将该色调矢量与一固定的饱和度调节参数相乘得到饱和度调节过的色调矢量；通过将白矢量与饱和度调节过的色调矢量相加得到饱和度调节过的RGB色彩采样矢量；并利用该饱和度调节过的RGB色彩采样矢量来代表一输出图像的彩色像素，进而输出调节后的图像。
上述两种方法均是基于一个固定不变的值进行调节，比如在专利申请CN104104932A中的设定的目标饱和度系数，以及在专利申请CN1496131A中的饱和度调节参数。然而，在图像亮度调整后，这种基于固定系数或参数进行调节的方式会导致调节后图像的亮度和饱和度出现不均衡的情况。
例如，将图像亮度调高后，图像的色彩饱和度变淡，若基于固定系数或参数调节的结果并未对饱和度进行较大程度的调高，很可能色彩饱和度仍然与亮度不匹配，即色彩饱和度仍然不足；反之将图像亮度调低时，图像色彩饱和度变强，此时若基于固定系数或参数调节的结果仅对饱和度进行很小程度的调低，则很可能出现色彩饱和度仍然较强的情况。这种亮度与饱和度不均衡的情况均会导致图像质量问题。例如，在相同亮度下，色彩饱和度过强会出现图像颜色过于浓郁，进而导致失真等问题，而色彩饱和度过弱则会出现图像发白的情况。
此外，在一些实施例中，还可以通过色度值确定饱和度变化值，进而确定增益参数进行饱和度调整。例如，公开号为CN101621702A的专利申请提供了一种色度和饱和度的自动调整方法和装置，基于视频信号的Y、CB和CR值，计算每个像素点的色度值和饱和度值；基于色度值查找包括不同色度权重函数的色度-饱和度变化对照表，得到饱和度变化值，并且将增益参数和饱和度变化值相乘，得到基于色度调整的权重值；将最后得到的色度调整的权重值与值CB，CR分别相乘，得到调整后的CB，CR值，以便输出给显示设备进行显示。这种方法虽然考虑了色度和饱和度之间的关系，但是仍然没有考虑到亮度与饱和度之间是否均衡，因此仍然可能出现图像发白等亮度与饱和度不均衡导致的问题。
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，获取原始图像和增强图像的增强亮度值。
其中，增强图像为对原始图像的亮度值进行调整后的图像。在不同图像格式下，图像的亮度值也不同。例如，在YUV图像中，图像的亮度值即为Y值；再如，在HSV图像中，图像的亮度值即为V值。此外，在一些格式的图像中，可能没有单独的亮度值，此时可以选择对图像进行格式转换。例如，在RGB图像中没有单独的亮度值，因此可以将RGB图像转换为YUV图像或者HSV图像，然后再进行处理。
需要说明的是，原始图像的亮度值的调整可能是由于对原始图像进行了亮度调节、对比度增强，以及细节增强等多种处理过程导致的。经过这些处理可以得到仅亮度值与原始图像不同的增强图像。例如，在原始图像为YUV图像时，原始图像和增强图像的UV分量均相同，仅有Y分量有差别。
在步骤S320中，根据原始图像的原始亮度值和原始色度分量值，以及增强亮度值计算饱和度增益系数。
其中，原始图像的原始色度分量值在不同图像格式下不同。例如，在YUV图像中，图像的色度分量值包括U值和V值；再如，在HSV图像中，图像的色度分量值则仅包括V值。
在一示例性实施例中，参照图4所示，根据原始图像的原始亮度值和原始色度分量值，以及增强亮度值计算饱和度增益系数，可以包括以下步骤S410至S430：
在步骤S410中，根据原始图像的原始色度分量值计算原始图像的原始色度值。
在一示例性实施例中，在获取了原始色度分量值后，可以根据原始色度分量值计算原始图像的原始色度值。举例而言，在原始图像为YUV图像时，可以根据如下公式(1)计算原始图像的原始色度值：
其中，srcC表示原始图像的原始色度值；srcU表示原始图像的原始色度分量值U分量值；srcV表示原始图像的原始色度分量值V分量值。
需要说明的是，在一些实施例中，原始色度分量值仅有一个时，可以直接将该原始色度分量值作为原始色度值。例如，在HSV格式的图像中，可以直接利用一个原始色度分量V分量作为原始色度值。此外，还可能出现3个等多个分量的情况，此时可以利用多个原始色度分量值作与上述公式(1)类似的计算得到原始色度值。
在步骤S420中，根据原始色度值、原始亮度值和增强亮度值计算目标色度值。
在一示例性实施例中，在得到原始色度值之后，可以根据亮度调整成比例的调整色度值得到目标色度值。例如，在一示例性实施例中，可以以色度值与亮度值的乘积保持不变为准则进行计算。具体的，可以先根据原始亮度值和增强亮度值计算增强比例，然后根据增强比例和原始色度值计算目标色度值。举例而言，在原始图像为YUV图像时，可以根据如下公式(2)计算目标色度值：
其中，dstC表示目标色度值；srcC表示原始色度值；srcY表示原始亮度值；dstY表示增强亮度值。
在步骤S430中，基于原始色度值、目标色度值、原始亮度值和增强亮度值计算饱和度增益系数。
在一示例性实施例中，在确定了原始色度值、目标色度值之后，可以根据确定的原始色度值和目标色度值，以及原始亮度分量和增强亮度分量共同计算饱和度增益系数。具体的，可以先根据原始色度值和原始亮度值计算出原始中间值；然后根据目标色度值和增强亮度值计算增强中间值，最后根据原始中间值和增强中间值计算饱和度增益系数。
举例而言，在原始图像为YUV图像时，可以根据如下公式(3)计算饱和度增益系数：
其中，sGain表示饱和度增益系数；
表示增强中间值；
表示原始中间值；dstC表示目标色度值；dstY表示增强亮度值；srcC表示原始色度值；srcY表示原始亮度值。
在步骤S330中，通过饱和度增益系数对增强图像的增强色度分量值进行校正，得到校正图像。
在一示例性实施例中，在得到饱和度增益系数后，可以根据饱和度增益系数对增强图像的增强色度分量值进行校正，得到矫正图像。具体的，由于增强图像与原始图像相比仅是亮度值不同，因此对增强图像的增强色度分量值进行校正，可以得到具有与增强亮度值相互均衡饱和度的校正图像。
举例而言，在原始图像为YUV图像时，可以根据如下公式(4)和公式(5)对增强色度分量值进行校正：
gainU＝sGain×(dstU-128)+128 公式(4)
gainV＝sGain×(dstV-128)+128 公式(5)
其中，gainU表示校正后的增强色度分量值U分量值；sGain表示饱和度增益系数；dstU表示校正前的增强色度分量值U分量值；gainV表示校正后的增强色度分量值V分量值；dstV表示校正前的增强色度分量值V分量值。
需要说明的是，在一些格式的图像中，用于表示色度的分量值可能只有一个。例如，在HSV图像中，图像的色度分量值则仅包括V值。此时可以直接对该V值作与上述公式(4)或公式(5)类似的计算，以对V值进行校正。
此外，在一示例性实施例中，根据原始图像的原始亮度值和原始色度分量值以及增强亮度值计算的饱和度增益系数之后，直接通过饱和度增益系数进行校正时，可能会出现增益后分量超出该分量对应的取值范围的问题，进而会引起异常像素点、异常图像块，以及颜色过曝、细节损失等问题。为了避免上述问题，可以在根据饱和度增益系数进行校正之前，先对饱和度增益系数进行修正。
举例而言，在原始图像为YUV图像时，可以根据如下公式(6)对饱和度增益系数进行修正：
其中，sGain′表示修正后的饱和度增益系数；sGain表示未修正的饱和度增益系数；srcU表示原始图像的原始色度分量值U分量值；srcV表示原始图像的原始色度分量值V分量值。
需要说明的是，在一些格式的图像中，用于表示色度的分量值可能只有一个。例如，在HSV图像中，图像的色度分量值则仅包括V值。此时可以直接基于该V值作进行与上述公式(6)类似的计算，以对饱和度增益系数进行修正。
进一步的，在一些特定情况下，饱和度增益系数可能会出现非常小或非常大的情形。在这种情形下，若直接使用非常小或非常大的饱和度增益系数对增强图像的增强色度分量值进行校正，可能会导致异常像素或者异常图像块。因此，可以对饱和度增益系数进行范围限定，在饱和度增益系数不在预设范围内时，可以根据预设范围对饱和度增益系数进行调整。
具体的，预设范围的包括一个最小值和一个最大值，在饱和度增益系数小于预设范围的最小值时，将饱和度增益系数调整为这个最小值；相反的，在饱和度增益系数大于预设范围的最大值时，将饱和度增益系数调整为最大值即可。
例如，在原始图像为YUV图像时，可以将预设范围设置为0.5至2之间。此时，若计算得到的饱和度增益系数小于0.5，则可以将饱和度增益系数调整为等于0.5；若饱和度增益系数大于2，则可以将饱和度增益系数调整为等于2。
以下参照图5所示，对本公开实施例的技术方案进行详细说明。
步骤S501，获取原始图像和增强图像的增强亮度值；步骤S503，根据公式(1)根据原始图像计算原始色度值；步骤S505，根据公式(2)计算目标色度值；步骤S507，根据公式(3)计算饱和度增益系数；步骤S509，根据公式(6)对饱和度增益系数进行修正；步骤S511，根据0.5-2的预设范围对修正后的饱和度增益系数进行调整；步骤S513，根据饱和度增益系数对增强图像的增强色度分量值进行校正，得到校正图像(公式(4)和公式(5))。
需要说明的是，在上述过程中，步骤S509和步骤S511的顺序可以做先后调整。即可以先通过预设范围对修正后的饱和度增益系数进行调整，再对调整后的饱和度增益系数进行修正。
综上，本示例性实施方式中，先计算原始图像的原始色度值(其中原始输入图像与亮度对比度增强图像的色度信息是一样的，在YUV图像中即是UV分量相同，只有Y分量有差别)，再根据亮度变换前后的亮度值与原始色度值计算校正后的目标色度值，再由变换前后的亮度值及校正前后的色度值计算出饱和度增益系数，并对该饱和度增益系数进行调整和修正，最后再用增益系数直接乘以增强色度分量值来对饱和度进行校准。通过这种校正，可以基于图像的亮度变化对饱和度进行调整，修正了颜色的饱和度，避免图像发白等亮度与饱和度不均衡造成的问题，使得图像中的颜色能够保持原有的鲜艳度；同时，计算公式简单，计算量少，可以加快处理效率，减少计算所需的功耗。
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6所示，本示例的实施方式中还提供一种图像处理装置600，包括数据获取模块610、系数计算模块620和图像校正模块630。其中：
数据获取模块610可以用于获取原始图像和增强图像的增强亮度值；其中，增强图像为对原始图像的亮度值进行调整后的图像。
系数计算模块620可以用于根据原始图像的原始亮度值和原始色度分量值，以及增强亮度值计算饱和度增益系数。
图像校正模块630可以用于通过饱和度增益系数对增强图像的增强色度分量值进行校正，得到校正图像。
在一示例性实施例中，系数计算模块620可以用于根据原始图像的原始色度分量值计算原始图像的原始色度值；根据原始色度值、原始亮度值和增强亮度值计算目标色度值；基于原始色度值、目标色度值、原始亮度值和增强亮度值计算饱和度增益系数。
在一示例性实施例中，系数计算模块620可以用于根据原始亮度值和增强亮度值计算增强比例；根据增强比例和原始色度值计算目标色度值。
在一示例性实施例中，系数计算模块620可以用于根据原始色度值和原始亮度值计算原始中间值；根据目标色度值和增强亮度值计算增强中间值；根据原始中间值和增强中间值计算饱和度增益系数。
在一示例性实施例中，参照图7所示，图像处理装置700还可以包括系数修正模块710，用于根据原始色度分量值对饱和度增益系数进行修正，以获取修正后的饱和度增益系数。
在一示例性实施例中，系数修正模块710可以用于在饱和度增益系数不在预设范围内时，根据预设范围对饱和度增益系数进行调整。
在一示例性实施例中，系数修正模块710可以用于在饱和度增益系数小于预设范围的最小值时，将饱和度增益系数调整为最小值；在饱和度增益系数大于预设范围的最大值时，将饱和度增益系数调整为最大值。
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至图5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：
获取原始图像和增强图像的增强亮度值；其中，所述增强图像为对所述原始图像的亮度值进行调整后的图像；
根据所述原始图像的原始亮度值和原始色度分量值，以及所述增强亮度值计算饱和度增益系数；
通过所述饱和度增益系数对所述增强图像的增强色度分量值进行校正，得到校正图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述原始图像的原始亮度值和原始色度分量值，以及所述增强亮度值计算饱和度增益系数，包括：
根据所述原始图像的原始色度分量值计算所述原始图像的原始色度值；
根据所述原始色度值、所述原始亮度值和所述增强亮度值计算目标色度值；
基于所述原始色度值、所述目标色度值、所述原始亮度值和所述增强亮度值计算所述饱和度增益系数。
3.根据权利要求2所述的方法，其特征在于所述，根据所述原始色度值、所述原始亮度值和所述增强亮度值计算目标色度值，包括：
根据所述原始亮度值和所述增强亮度值计算增强比例；
根据所述增强比例和所述原始色度值计算所述目标色度值。
4.根据权利要求2所述的方法，其特征在于所述，基于所述原始色度值、目标色度值、所述原始亮度值和所述增强亮度值计算所述饱和度增益系数，包括：
根据所述原始色度值和所述原始亮度值计算原始中间值；
根据所述目标色度值和所述增强亮度值计算增强中间值；
根据所述原始中间值和所述增强中间值计算所述饱和度增益系数。
5.根据权利要求1所述的方法，其特征在于所述，在所述通过所述饱和度增益系数对所述增强图像的增强色度分量值进行校正之前，所述方法还包括：
根据所述原始色度分量值对所述饱和度增益系数进行修正，以获取修正后的饱和度增益系数。
6.根据权利要求1所述的方法，其特征在于所述，在所述通过所述饱和度增益系数对所述增强图像的增强色度分量值进行校正之前，所述方法还包括：
在所述饱和度增益系数不在预设范围内时，根据所述预设范围对所述饱和度增益系数进行调整。
7.根据权利要求6所述的方法，其特征在于所述，所述根据所述预设范围对所述饱和度增益系数进行调整，包括：
在所述饱和度增益系数小于所述预设范围的最小值时，将所述饱和度增益系数调整为所述最小值；
在所述饱和度增益系数大于所述预设范围的最大值时，将所述饱和度增益系数调整为所述最大值。
8.一种图像处理装置，其特征在于，包括：
数据获取模块，用于获取原始图像和增强图像的增强亮度值；其中，所述增强图像为对所述原始图像的亮度值进行调整后的图像；
系数计算模块，用于根据所述原始图像的原始亮度值和原始色度分量值，以及所述增强亮度值计算饱和度增益系数；
图像校正模块，用于通过所述饱和度增益系数对所述增强图像的增强色度分量值进行校正，得到校正图像。
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 |
|---|---|---|---|
| CN202110265879.2A CN113066020A (zh) | 2021-03-11 | 2021-03-11 | 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 |
|---|---|---|---|
| CN202110265879.2A CN113066020A (zh) | 2021-03-11 | 2021-03-11 | 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 |
|---|---|
| CN113066020A true CN113066020A (zh) | 2021-07-02 |
Family
ID=76559964
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110265879.2A Pending CN113066020A (zh) | 2021-03-11 | 2021-03-11 | 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) | CN113066020A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113643651A (zh) * | 2021-07-13 | 2021-11-12 | 深圳市洲明科技股份有限公司 | 一种图像增强方法、装置、计算机设备和存储介质 |
| CN116095509A (zh) * | 2021-11-05 | 2023-05-09 | 荣耀终端有限公司 | 生成视频帧的方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102780889A (zh) * | 2011-05-13 | 2012-11-14 | 中兴通讯股份有限公司 | 视频图像处理方法、装置及设备 |
| CN104243946A (zh) * | 2014-09-26 | 2014-12-24 | 深圳市华星光电技术有限公司 | 用于显示器的图像色彩增强方法及装置 |
| CN110175969A (zh) * | 2019-05-29 | 2019-08-27 | 深圳市华星光电技术有限公司 | 图像处理方法及图像处理装置 |
| CN111899182A (zh) * | 2019-05-06 | 2020-11-06 | 浙江宇视科技有限公司 | 颜色增强方法及装置 |
-
2021
- 2021-03-11 CN CN202110265879.2A patent/CN113066020A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102780889A (zh) * | 2011-05-13 | 2012-11-14 | 中兴通讯股份有限公司 | 视频图像处理方法、装置及设备 |
| CN104243946A (zh) * | 2014-09-26 | 2014-12-24 | 深圳市华星光电技术有限公司 | 用于显示器的图像色彩增强方法及装置 |
| CN111899182A (zh) * | 2019-05-06 | 2020-11-06 | 浙江宇视科技有限公司 | 颜色增强方法及装置 |
| CN110175969A (zh) * | 2019-05-29 | 2019-08-27 | 深圳市华星光电技术有限公司 | 图像处理方法及图像处理装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113643651A (zh) * | 2021-07-13 | 2021-11-12 | 深圳市洲明科技股份有限公司 | 一种图像增强方法、装置、计算机设备和存储介质 |
| CN116095509A (zh) * | 2021-11-05 | 2023-05-09 | 荣耀终端有限公司 | 生成视频帧的方法、装置、电子设备及存储介质 |
| CN116095509B (zh) * | 2021-11-05 | 2024-04-12 | 荣耀终端有限公司 | 生成视频帧的方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111179282B (zh) | 图像处理方法、图像处理装置、存储介质与电子设备 | |
| US20190147013A1 (en) | Apparatus and method of low complexity optimization solver for path smoothing with constraint variation | |
| CN111866483B (zh) | 颜色还原方法及装置、计算机可读介质和电子设备 | |
| CN110069974B (zh) | 高光图像处理方法、装置和电子设备 | |
| CN112562019A (zh) | 图像色彩调整方法及装置、计算机可读介质和电子设备 | |
| US20230368493A1 (en) | Method and system of image hashing object detection for image processing | |
| CN109102484B (zh) | 用于处理图像的方法和装置 | |
| WO2022087973A1 (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
| CN112967193B (zh) | 图像校准方法及装置、计算机可读介质和电子设备 | |
| CN113066020A (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
| US10580122B2 (en) | Method and system for image enhancement | |
| WO2023010750A1 (zh) | 一种图像颜色映射方法、装置、终端设备及存储介质 | |
| CN113962859A (zh) | 一种全景图生成方法、装置、设备及介质 | |
| CN109348207B (zh) | 色温调节方法、图像处理方法及装置、介质和电子设备 | |
| CN112819691B (zh) | 图像处理方法、装置、设备及可读存储介质 | |
| CN113658065A (zh) | 图像降噪方法及装置、计算机可读介质和电子设备 | |
| CN116668656B (zh) | 图像处理方法及电子设备 | |
| CN113610720A (zh) | 视频去噪方法及装置、计算机可读介质和电子设备 | |
| CN112489144A (zh) | 图像处理方法、图像处理装置、终端设备及存储介质 | |
| CN110097520B (zh) | 图像处理方法和装置 | |
| CN114286000B (zh) | 图像色彩处理方法、装置和电子设备 | |
| CN114119413A (zh) | 图像处理方法及装置、可读介质和移动终端 | |
| CN115514948B (zh) | 图像调节方法以及电子设备 | |
| US11388348B2 (en) | Systems and methods for dynamic range compression in multi-frame processing | |
| CN112243118B (zh) | 白平衡校正方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |