CN113747062A - Hdr场景检测方法与装置、终端及可读存储介质 - Google Patents

Hdr场景检测方法与装置、终端及可读存储介质 Download PDF

Info

Publication number
CN113747062A
CN113747062A CN202110984139.4A CN202110984139A CN113747062A CN 113747062 A CN113747062 A CN 113747062A CN 202110984139 A CN202110984139 A CN 202110984139A CN 113747062 A CN113747062 A CN 113747062A
Authority
CN
China
Prior art keywords
hdr
threshold
dynamic information
preview image
scene
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.)
Granted
Application number
CN202110984139.4A
Other languages
English (en)
Other versions
CN113747062B (zh
Inventor
邹涵江
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.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp 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 Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN202110984139.4A priority Critical patent/CN113747062B/zh
Publication of CN113747062A publication Critical patent/CN113747062A/zh
Application granted granted Critical
Publication of CN113747062B publication Critical patent/CN113747062B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/631—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
    • 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
    • H04N23/71—Circuitry for evaluating the brightness variation
    • 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
    • H04N23/76—Circuitry for compensating brightness variation in the scene by influencing the image signals
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)

Abstract

本申请提供一种HDR场景检测方法与装置、终端及存储介质。HDR场景检测方法包括：获取当前场景的预览图像；获取预览图像的全局动态信息；将预览图像划分为多个预设大小的区块，获取每个区块的局部动态信息；根据全局动态信息及局部动态信息确定当前场景是否为HDR场景。本申请的HDR场景检测方法与装置、终端及存储介质中，通过计算预览图像的全局动态信息和计算预设大小的多个区块的局部动态信息，根据全局动态信息和局部动态信息结合分析当前场景的动态范围，从而更细致和准确地判断当前场景的动态范围情况，以确定当前场景是否为HDR场景，提高场景检测的准确率，有益于拍照时正确地触发HDR模式，提升拍照成片率，改善用户体验。

Description

HDR场景检测方法与装置、终端及可读存储介质
技术领域
本申请涉及电子技术领域，更具体而言，涉及一种HDR场景检测方法、HDR场景检测装置、终端及非易失性计算机可读存储介质。
背景技术
“动态范围”是用来描述画面中从最暗的阴影部分到最亮的高光部分的光量强度分布范围。在拍照/摄影中，通常有“场景的动态范围”和“相机的动态范围”两个概念，其中，“场景的动态范围”是指拍摄场景中最大亮度和最小亮度的范围或比值，也就是画面中最亮区域和最暗区域的差异；而“相机的动态范围”是指感光元件所能接受的亮度变化范围。高动态范围(High Dynamic Range，HDR)场景即场景的动态范围大于了相机动态范围的场景，这种场景中有过亮或过暗的区域，超出了感光元件所能记录的范围，表现在拍出的照片中出现全白(高光溢出变成完全的白色)或全黑(阴影区域变成完全的黑色)的区块，缺少亮部或暗部细节，成像画质大大降低。针对这类场景，当前可以通过应用HDR算法处理来提升成像质量。因此首先要解决的就是明确拍摄场景是否为HDR场景。目前，大多数HDR检测方法能较好地判断出高光比HDR场景(如逆光)，但对于动态范围较低、有小面积过曝区域等仍需要进行HDR处理以提升成像效果的场景时，存在检测准确率低下的问题。
发明内容
本申请实施方式提供一种HDR场景检测方法、HDR场景检测装置、终端及非易失性计算机可读存储介质。
本申请实施方式的图像处理方法包括：获取当前场景的预览图像。获取所述预览图像的全局动态信息。将所述预览图像划分为多个预设大小的区块，获取每个所述区块的局部动态信息。根据所述全局动态信息及所述局部动态信息确定所述当前场景是否为HDR场景。
本申请实施方式的HDR场景检测装置包括获取模块、处理模块及确定模块。所述获取模块用于：获取当前场景的预览图像。所述处理模块用于：获取所述预览图像的全局动态信息；及将所述预览图像划分为多个预设大小的区块，获取每个所述区块的局部动态信息。所述确定模块用于：根据所述全局动态信息及所述局部动态信息确定所述当前场景是否为HDR场景。
本申请实施方式的终端包括一个或多个处理器、存储器及一个或多个程序。其中，一个或多个所述程序被存储在所述存储器中，并且被一个或多个所述处理器执行，所述程序包括用于执行本申请实施方式所述的HDR场景检测方法的指令。所述HDR场景检测方法包括：获取当前场景的预览图像。获取所述预览图像的全局动态信息。将所述预览图像划分为多个预设大小的区块，获取每个所述区块的局部动态信息。根据所述全局动态信息及所述局部动态信息确定所述当前场景是否为HDR场景。
本申请实施方式的非易失性计算机可读存储介质包含有计算机程序，当所述计算机程序被一个或多个处理器执行时，使得所述处理器执行如下HDR场景检测方法：获取当前场景的预览图像。获取所述预览图像的全局动态信息。将所述预览图像划分为多个预设大小的区块，获取每个所述区块的局部动态信息。根据所述全局动态信息及所述局部动态信息确定所述当前场景是否为HDR场景。
本申请的HDR场景检测方法、HDR场景检测装置、终端及非易失性计算机可读存储介质中，通过计算预览图像的全局动态信息和计算预设大小的多个区块的局部动态信息，根据全局动态信息和局部动态信息结合分析当前场景的动态范围，从而更细致和准确地判断当前场景的动态范围情况，以确定当前场景是否为HDR场景，提高场景检测的准确率，有益于在拍照时正确地触发HDR模式，提升拍照成片率，改善用户体验。
本申请的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实施方式的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1是本申请某些实施方式的HDR场景检测方法的流程示意图；
图2是本申请某些实施方式的HDR场景检测装置的结构示意图；
图3是本申请某些实施方式的终端的结构示意图；
图4是本申请某些实施方式的HDR场景检测方法中预览图像划分为4×4个区块的场景示意图；
图5至图7是本申请某些实施方式的HDR场景检测方法的流程示意图；
图8是本申请某些实施方式的HDR场景检测方法中的不同HDR场景图及场景对应的灰度直方图的示意图；
图9是本申请某些实施方式的HDR场景检测方法中同一场景中不同预览图像的图像熵差异的场景示意图；
图10至图14是本申请某些实施方式的HDR场景检测方法的流程示意图；
图15是本申请某些实施方式的HDR场景检测方法中预览图像、局部HDR分布图及预设的权重图的示意图；
图16是本申请某些实施方式的HDR场景检测方法的流程示意图；
图17是本申请某些实施方式的HDR场景检测方法中预览图像存在显著性区域的场景示意图；
图18是本申请某些实施方式的HDR场景检测方法中预览图像存在显著性区域和人脸信息区域的场景示意图；
图19是本申请某些实施方式的HDR场景检测方法的流程示意图；
图20是本申请某些实施方式的非易失性计算机可读存储介质与处理器的连接示意图。
具体实施方式
下面详细描述本申请的实施方式，所述实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请的实施方式，而不能理解为对本申请的实施方式的限制。
请参阅图1至图4，本申请实施方式提供一种HDR场景检测方法，该HDR场景检测方法包括：
01：获取当前场景的预览图像P0；
04：获取预览图像P0的全局动态信息；
05：将预览图像P0划分为多个预设大小的区块P01，获取每个区块P01的局部动态信息；及
06：根据全局动态信息及局部动态信息确定当前场景是否为HDR场景。
请结合图2，本申请实施方式还提供一种HDR场景检测装置10，HDR场景检测装置10包括获取模块11、处理模块13及确定模块15。本申请实施方式的HDR场景检测方法可应用于HDR场景检测装置10中。其中，获取模块11用于执行01中的方法。处理模块13用于执行04及05中的方法。确定模块15用于执行06中的方法。即，获取模块11用于：获取当前场景的预览图像P0。处理模块13用于：获取预览图像P0的全局动态信息；及将预览图像P0划分为多个预设大小的区块P01，获取每个区块P01的局部动态信息。确定模块15用于：根据全局动态信息及局部动态信息确定当前场景是否为HDR场景。
请结合图3，本申请实施方式还提供一种终端100，终端100包括一个或多个处理器30、存储器50、和一个或多个程序。其中，一个或多个程序被存储在存储器50中，并且被一个或多个处理器30执行，程序包括用于执行本申请实施方式的HDR场景检测方法的指令。即，一个或多个处理器30执行程序时，处理器30可以实现01、04、05及06中的方法。即，一个或多个处理器30用于：获取当前场景的预览图像P0；获取预览图像P0的全局动态信息；将预览图像P0划分为多个预设大小的区块P01，获取每个区块P01的局部动态信息；及根据全局动态信息及局部动态信息确定当前场景是否为HDR场景。
具体地，终端100可以包括但不限于手机、笔记本电脑、智能电视机、平板电脑、智能手表、头显设备、无人机、数字相机、数字摄录像机或电脑等终端设备。HDR场景检测装置10可以是集成在终端100中的功能模块的集成。本申请仅以终端100是手机为例进行说明，终端100是其他类型的设备时的情形与手机类似，不详细展开说明。
“动态范围”是用来描述画面中从最暗的阴影部分到最亮的高光部分的光量强度分布范围。在拍照/摄影中，通常有“场景的动态范围”和“相机的动态范围”两个概念，其中，“场景的动态范围”是指拍摄场景中最大亮度和最小亮度的范围或比值，也就是画面中最亮区域和最暗区域的差异；而“相机的动态范围”是指感光元件所能接受的亮度变化范围。高动态范围(High Dynamic Range，HDR)场景即场景的动态范围大于了相机动态范围的场景，这种场景中有过亮或过暗的区域，超出了感光元件所能记录的范围，表现在拍出的照片中出现全白(高光溢出变成完全的白色)或全黑(阴影区域变成完全的黑色)的区块，缺少亮部或暗部细节，成像画质大大降低。针对这类场景，当前可以通过应用HDR算法处理来提升成像质量。因此首先要解决的就是明确拍摄场景是否为HDR场景。目前，大多数HDR检测方法能较好地判断出高光比HDR场景(如逆光)，但对于动态范围较低、有小面积过曝区域等仍需要进行HDR处理以提升成像效果的场景时，存在检测准确率低下的问题。
本申请的HDR场景检测方法、HDR场景检测装置10、终端100及非易失性计算机可读存储介质200中，通过计算预览图像P0的全局动态信息和计算预设大小的多个区块P01的局部动态信息，根据全局动态信息和局部动态信息结合分析当前场景的动态范围，从而更细致和准确地判断当前场景的动态范围情况，以确定当前场景是否为HDR场景，提高场景检测的准确率，有益于在拍照时正确地触发HDR模式，提升拍照成片率，改善用户体验。
其中，方法01中，当前场景为用户拍摄预览图像P0的场景，例如，从白天到夜晚的各种场景(包括建筑、人物、风景等)。获取当前场景的预览图像P0时，预览图像P0的格式可以是YUV格式或RGB格式等。对此不作限定。本申请中，以预览图像P0的格式为YUV格式为例进行说明。
方法04中，处理模块13或处理器30获取预览图像P0的全局动态信息。由于动态范围是当前场景中的亮度差异范围，因此，全局动态信息可以基于预览图像P0中的各像素的亮度值进行分析得到。
方法05中，由于当前场景中获取得到的预览图像P0可能存在部分光比较低、有小面积过曝区域的情况。对这类情况的场景进行拍照时，通过HDR算法处理后能够提升成像效果，因此，处理模块13或处理器30通过将预览图像P0划分为多个预设大小的区块P01，并获取每个区块P01的局部动态信息。同样地，分析各区块P01是否存在局部动态信息也可以基于各区块P01中的各像素的亮度值进行分析得到。
具体地，将预览图像P0划分为多个预设大小的区块P01时，可根据获取得到的全局动态信息来设置区块P01的大小。例如，若当前场景的整体亮度分布较为均匀时，则需要将预览图像P0划分为数量更多的区块P01，即，区块P01的预设大小(面积大小)更小，以保证更细粒、准确地判断出当前场景的动态范围。若当前场景的整体亮度分布差距较大时，则可将预览图像划分为数量较少的区块P01，即，区块P01的预设大小更大，在保证能够细粒、准备地判断出当前场景的动态范围时，可有效节省处理模块13或处理器30的功耗。在本申请中，假设当前场景获得的预览图像P0的分辨率为8×8，则以区块P01的预设大小为2×2(即将预览图像P0划分为4×4个区块)为例进行详细说明。
方法06中，处理模块13或处理器30计算得到预览图像P0的全局动态信息和计算得到各区块P01的局部动态信息进行综合分析，即使当前场景中存在部分光比较低、有小面积过曝区域的情况，也能够准确判断当前场景的动态范围情况，以确定当前场景是否为HDR场景，有益于在拍照时正确地触发HDR模式，提升拍照成片率，改善用户体验。
请参阅图4及图5，在某些实施方式中，HDR场景检测方法还可包括：
02：获取当前场景的拍摄元数据参数；
03：根据拍摄元数据参数对预览图像P0进行亮度校正。其中，04：获取预览图像P0的全局动态信息可包括：041：获取校正后的预览图像P0的全局动态信息。
请结合图2，获取模块11还用于执行02中的方法，处理模块13还用于执行03和041中的方法。即，获取模块11还用于：获取当前场景的拍摄元数据参数。处理模块13还用于：根据拍摄元数据参数对预览图像P0进行亮度校正。其中，处理模块13获取预览图像P0的全局动态信息可包括：获取校正后的预览图像P0的全局动态信息。
请结合图2，处理器30还用于执行02、03及041中的方法。即，处理器30还用于：获取当前场景的拍摄元数据参数；根据拍摄元数据参数对预览图像P0进行亮度校正。其中，处理器30获取预览图像P0的全局动态信息可包括：获取校正后的预览图像P0的全局动态信息。
其中，获取模块11或处理器30获取当前场景的预览图像P0时，预览图像P0是经过了高通平台的图像信号处理器(Image Signal Processor，ISP)中各亮度模块的处理和影响，如获取模块11或处理器30获取预览图像P0时，其中的相机效果调试会对相机中各模块进行调整，如对预览图像P0进行自动曝光、自动对焦、白平衡、亮度色彩调整等，并不能真实地反映当前场景的亮度信息。因此需要对预览图像P0进行亮度校正，以保证确定模块15或处理器30能够准确地判断当前场景是否为HDR场景。
请再次参阅图5及图6，方法02中，具体地，获取模块11或处理器30获取预览图像P0的同时，获取当前场景的拍摄条件下的拍摄元数据参数，拍摄元数据参数可包括ISO(感光度)、高通的自动曝光控制(Auto Exposure Control，AEC)模块中的亮区亮度增益(drcGain)、高通的AEC模块中的暗区亮度增益(Dark Boost Gain，DBGain)或者人脸框信息等中的一个或多个。其中，drcGain参数是高通AEC模块中通过当前场景中亮区信息计算出的一个比值，ISP中使用drcGain参数使得预览图像P0的亮区不那么过曝，使亮区有所压暗。同样地，DBGain参数也是高通AEC模块中通过当前场景中的暗区信息计算出的一个比值，ISP中使用DBGain参数对预览图像P0的暗区进行提亮。
方法03中，处理模块13或处理器30根据拍摄元数据参数对预览图像P0进行亮度校正，具体是指：将拍摄元数据参数传给处理模块13或处理器30中，反作用到预览图像P0中，反向计算得到当前场景的真实亮度信息，在获取当前场景的全局动态信息和局部动态信息时，保证全局动态信息和局部动态信息的准确性。
在本申请的实施例中，获取模块11或处理器30先执行方法01和方法02，处理模块13或处理器30再根据拍摄元数据参数对预览图像P0进行亮度校正，而后再根据校正后的预览图像P0执行方法04、05和06，保证获取得到当前场景中真实的全局动态信息和局部动态信息，提高场景检测的准确率。
请参阅图4及图6，在某些实施方式中，拍摄元数据参数包括第一亮度增益及第二亮度增益，第一亮度增益作用于预览图像P0的亮区，第二亮度增益作用于预览图像P0的暗区，03：根据拍摄元数据参数对预览图像P0进行亮度校正，包括遍历预览图像P0的所有像素执行以下方法：可包括：
031：在像素的当前亮度值大于预设的第一亮度阈值时，将像素的当前亮度值与第一亮度增益的乘积作为像素的校正亮度值；
033：在像素的当前亮度值小于预设的第二亮度阈值时，将像素的当前亮度值与第二亮度增益的比值作为像素的校正亮度值。
请结合图2，处理模块13还用于执行031及033中的方法。即，处理模块13还用于：在像素的当前亮度值大于预设的第一亮度阈值时，将像素的当前亮度值与第一亮度增益的乘积作为像素的校正亮度值。在像素的当前亮度值小于预设的第二亮度阈值时，将像素的当前亮度值与第二亮度增益的比值作为像素的校正亮度值。
请结合图3，处理器30还用于执行031及033中的方法。即，处理器30还用于：在像素的当前亮度值大于预设的第一亮度阈值时，将像素的当前亮度值与第一亮度增益的乘积作为像素的校正亮度值。在像素的当前亮度值小于预设的第二亮度阈值时，将像素的当前亮度值与第二亮度增益的比值作为像素的校正亮度值。
在本申请的实施例中，由于动态范围是当前场景中的亮度差异范围，且获取预览图像P0时使用drcGain和DBGain对预览图像P0进行处理，第一亮度增益可为高通AEC中通过计算预览图像P0的亮区信息得到的drcGain参数，第二亮度增益可为高通AEC中通过计算预览图像P0的暗区信息得到的DBGain参数。处理模块13或处理器30对预览图像P0进行亮度校正时，处理模块13或处理器30根据第一亮度增益和第二亮度值增益对预览图像P0中所有像素的亮度值进行亮度校正(恢复为未作用drcGain和DBGain的亮度效果)。具体过程为处理模块13或处理器30对预览图像P0中的所有像素进行遍历执行031和033中的方法，获取校正后的预览图像P0。
假设将像素的亮度值大于第一亮度阈值的像素划分为亮区像素，将像素的亮度值小于第二亮度阈值的像素划分为暗区像素，而像素的亮度值大于第二亮度阈值且小于第一亮度阈值的像素则不需要进行亮度校正。其中，第一亮度阈值和第二亮度阈值的设置可根据实际场景进行设置，对此不作限制。若，第一亮度阈值记为Bright_th，第二亮度阈值记为Dark_th，预览图像P0的像素的当前亮度值记为Y(x，y)，表示预览图像P0中在(x，y)处的像素的当前亮度值，则校正后像素的校正亮度值记为Y`(x，y)，校正亮度值可通过公式(1)计算得到。
Figure BDA0003230131690000071
在一个实施例中，第一亮度阈值Bright_th为220，第二亮度阈值Dark_th为40，若当前遍历的像素的当前亮度值240，由于当前亮度值(240)大于第一亮度阈值Bright_th(220)，通过公式(1)计算得到该像素的校正亮度值为240*drcGain。若当前遍历的像素的当前亮度值为10，由于当前亮度值(10)小于第二亮度阈值Dark_th(40)，通过公式(1)计算得到该像素的校正亮度值为10/DBGain。若当前遍历的像素的当前亮度值为80，由于当前亮度值(80)大于第二亮度阈值Dark_th(40)且小于第一亮度阈值Bright_th(240)，则不需要对该像素的当前亮度值进行校正，该像素的亮度值仍为80。
处理模块13或处理器30通过公式(1)反向计算恢复为未作用drcGain和DBGain的亮度效果，使得预览图像P0的亮度信息与当前场景中的亮度信息更一致，从而保证当前场景检测的准确率。
请参阅图4及图7，在某些实施方式中，04：获取预览图像P0的全局动态信息，可包括：
043：统计预览图像P0的全局的灰度直方图；
045：对全局的灰度直方图进行归一化处理，以获取第一归一化直方图；及
047：根据第一归一化直方图计算预览图像P0的全局动态信息，全局动态信息包括第一亮度方差、图像熵差异、第一过曝面积及第一过暗面积。
请结合图2，处理模块13还用于执行043、045及047中的方法。即，处理模块13还用于：统计预览图像的全局的灰度直方图；对全局的灰度直方图进行归一化处理，以获取第一归一化直方图；及根据第一归一化直方图计算预览图像的全局动态信息，全局动态信息包括第一亮度方差、图像熵差异、第一过曝面积及第一过暗面积。
请结合图3，处理器30还用于执行043、045及047中的方法。即，处理器30还用于：统计预览图像的全局的灰度直方图；对全局的灰度直方图进行归一化处理，以获取第一归一化直方图；及根据第一归一化直方图计算预览图像的全局动态信息，全局动态信息包括第一亮度方差、图像熵差异、第一过曝面积及第一过暗面积。
由于动态范围是当前场景中的亮度差异范围，而灰度直方图反映了预览图像P0中的像素亮度分布的情况，因此，可以基于灰度直方图的信息分析当前场景的动态范围情况。图8所示的为不同HDR场景下获取得到的预览图像P0及各预览图像P0的全局的灰度直方图，其中，(a)图是典型的大逆光HDR场景，在极亮灰度级上的像素和极暗灰度级上的像素分布高，(a)图的全局的灰度直方图的方差大；(b)图是逆光HDR场景，在极亮灰度级上的像素分布高，(b)图的全局的灰度直方图的方差大；(c)图是室内背光HDR场景，有大面积的过曝区域。因此，亮度方差、过曝或过暗区域面积可作为HDR场景判断的条件。
在本申请的实施例中，全局动态信息可包括第一亮度方差、图像熵差异、第一过曝面积及第一过暗面积。具体地，处理模块13或处理器30根据亮度校正后的预览图像P0，统计预览图像P0的全局的灰度直方图，为了避免在根据全局的灰度直方图的数据信息分析当前场景的动态范围时，全局的灰度直方图的数据存在奇异样本数据，而导致全局的灰度直方图无法收敛。因此，处理模块13或处理器30将全局的灰度直方图通过归一化方法进行归一化处理，例如，通过最大-最小标准化、Z-score标准化、函数转化等方法进行归一化处理，以获取第一归一化直方图。
在本申请的实施例中，处理模块13或处理器30将全局的灰度直方图进行归一化处理时，可将全局的灰度直方图的纵坐标(表示每种灰度级像素的个数)与预览图像P0的像素总数的比值作为第一归一化直方图中对应的纵坐标，直至更新完全局的灰度直方图中的所有纵坐标，则得到第一归一化直方图。若将第一归一化直方图记为X＝(x0,x1,…,x255)。其中，x0,x1,…,x255为第一归一化直方图的纵坐标，0，1，……，255为第一归一化直方图的横坐标(表示像素的灰度级)。
处理模块13或处理器30计算预览图像P0的第一亮度方差时，先通过第一归一化直方图计算预览图像P0的第一亮度均值，第一亮度均值记为
Figure BDA0003230131690000091
第一亮度方差则记为
Figure BDA0003230131690000092
其中，xi表示第一归一化直方图的横坐标，即为灰度级。
图像熵反映了图像中灰度级集合的比特平均数，描述了图像信源的平均信息量，定义为：
Figure BDA0003230131690000093
在256灰度级下，当预览图像P0的亮度完全均匀分布(各个灰度在预览图像P0中出现的概率相等)时图像熵取得最大值：Emax＝log(256)＝8。而预览图像P0亮度均匀分布可看作图像没有动态，如图10所示，图10为同一场景中拍摄得到的预览图像P0，图9中的左图的预览图像P0计算得到的图像熵差异Df＝0.66109，而图10中的右图的预览图像P0计算得到的图像熵差异Df＝0.275244，左图的动态范围(亮度差异)大于右图，左图的图像熵差异也大于右图的图像熵差异。因此比较预览图像P0的图像熵和最大熵值的差异情况，一定程度上可以判断光照条件(预览图像P0的图像熵E1与最大熵值Emax的差异越大，动态变化也越大)。将图像熵差异记为Df，则图像熵差异Df可通过公式(2)计算得到：
Df＝Emax-E 公式(2)
第一过曝面积获取过程可为：将大于预定过曝阈值(可预设一个灰度级，如240)的所有像素的面积总和作为第一过曝面积。如，将灰度级为241，242，243，245，……，255分别对应的像素个数(纵坐标)累加得到一个面积累加值，将面积累加值与每个像素的面积的乘积作为第一过曝面积。
同样地，第一过暗面积的获取过程可与第一过曝面积的获取过程类似，即，将小于预定过暗阈值(可预设一个灰度级，如20)的所有像素所对应的面积总和作为第一过暗面积。如，将灰度级为0，1，2，3，……，19分别对应的像素个数(纵坐标)累加得到一个面积累加值，将面积累加值与每个像素的面积的乘积作为第一过暗面积。
请参阅图4及图10，在某些实施方式中，05：获取每个区块P01的局部动态信息，可包括：
051：统计每个区块P01的灰度直方图；
053：对每个区块P01的灰度直方图进行归一化处理，以获取一一对应的多个第二归一化直方图；及
055：根据每个第二归一化直方图计算每个区块P01的局部动态信息，局部动态信息包括第二亮度方差、第二过曝面积及第二过暗面积。
请结合图2，处理模块13还用于执行051、053及055中的方法。即，处理模块13还用于：统计每个区块P01的灰度直方图；对区块P01的灰度直方图进行归一化处理，以获取第二归一化直方图；及根据第二归一化直方图计算区块P01的局部动态信息，局部动态信息包括第二亮度方差、第二过曝面积及第二过暗面积。
请结合图3，处理器30还用于执行051、053及055中的方法。即，处理器30还用于：统计每个区块P01的灰度直方图；对每个区块P01的灰度直方图进行归一化处理，以获取一一对应的多个第二归一化直方图；及根据每个第二归一化直方图计算每个区块P01的局部动态信息，局部动态信息包括第二亮度方差、第二过曝面积及第二过暗面积。
其中，一个区块P01对应一个灰度直方图和一个第二归一化直方图，计算区块P01的局部动态信息时，根据区块P01对应的第二归一化直方图进行计算。
同样地，处理模块13或处理器30在获取每个区块P01的局部动态信息时，也统计每个区块P01的灰度直方图，并对每个区块P01分别对应的灰度直方图进行归一化处理以获取每个区块P01的第二归一化直方图，具体与全局的灰度直方图的归一化处理相同，在此不再赘述。若将第二归一化直方图记为Y＝(y0,y1,…,y255)，其中，y0,y1,…,y255为第二归一化直方图的纵坐标，0，1，……，255为第二归一化直方图的横坐标(表示像素的灰度级)。
处理模块13或处理器30计算每个区块P01的第二亮度方差时，先通过与区块P01对应的第二归一化直方图计算每个区块P01的第二亮度均值，第二亮度均值记为
Figure BDA0003230131690000101
Figure BDA0003230131690000102
第二亮度方差则记为
Figure BDA0003230131690000103
其中，yi表示第二归一化直方图的横坐标，即为灰度级。
第二过曝面积和第二过暗面积的计算方法与第一过曝面积和第一过暗面积的计算方法相同，判断区块P01是否存在过曝面积的阈值可以与判断全局是否存在过曝面积的阈值相同，判断区块P01是否存在过暗面积的阈值可以与判断全局是否存在过暗面积的阈值相同。
请参阅图4及图11，在某些实施方式中，06：根据全局动态信息及局部动态信息确定当前场景是否为HDR场景，可包括：
061：在全局动态信息大于全局预设阈值时，确定当前场景为HDR场景；
063：在全局动态信息小于或等于全局预设阈值时，根据局部动态信息计算预览图像P0的局部动态估测总值；
065：在局部动态估测总值大于预设估测阈值时，确定当前场景为HDR场景；
067：在局部动态估测总值小于预设估测阈值时，确定当前场景为非HDR场景。
请结合图2，处理模块13还用于执行061、063、065及067中的方法。即，处理模块13还用于：在全局动态信息大于全局预设阈值时，确定当前场景为HDR场景；在全局动态信息小于或等于全局预设阈值时，根据局部动态信息计算预览图像P0的局部动态估测总值；在局部动态估测总值大于局部预设阈值时，确定当前场景为HDR场景；在局部动态估测总值小于局部预设阈值时，确定当前场景为非HDR场景。
请结合图3，处理器30还用于执行061、063、065及067中的方法。即，处理器30还用于：在全局动态信息大于全局预设阈值时，确定当前场景为HDR场景；在全局动态信息小于或等于全局预设阈值时，根据局部动态信息计算预览图像P0的局部动态估测总值；在局部动态估测总值大于局部预设阈值时，确定当前场景为HDR场景；在局部动态估测总值小于局部预设阈值时，确定当前场景为非HDR场景。
具体地，处理模块13或处理器30计算得到预览图像P0的全局动态信息和每个区块P01的局部动态信息后，首先根据全局动态信息判断当前场景是否为HDR场景，若全局动态信息大于全局预设阈值时，确定当前场景为HDR场景。若全局动态信息小于或等于全局预设阈值时，再根据每个区块P0的局部动态信息计算预览图像P0的局部动态估测总值，避免遗漏局部仍存在亮暗反差大的区域或小过曝区域等，从而更细致和准确地判断当前场景的动态范围情况，以确定当前场景是否为HDR场景，提高场景检测的准确率。
处理模块13或处理器30根据局部动态估测总值与预设估测阈值进行比较，在局部动态估测总值大于预设估测阈值时，确定当前场景为HDR场景，局部动态估测总值小于或等于预设估测阈值时，才最终确定当前场景为非HDR场景。
请参阅图12，在某些实施方式中，全局动态信息包括第一亮度方差、图像熵差异、第一过曝面积及第一过暗面积，全局预设阈值包括第一方差阈值、熵差异阈值、第一过曝阈值、第二过曝阈值、及第一过暗阈值，061：在全局动态信息大于全局预设阈值时，确定当前场景为HDR场景，可包括：
0611：在第一亮度方差大于第一方差阈值时，确定当前场景为HDR场景；或
0613：在图像熵差异大于熵差异阈值时，确定当前场景为HDR场景；或
0615：在第一过曝面积大于第一过曝阈值时，确定当前场景为HDR场景；或
0617：在第一过曝面积大于第二过曝阈值，且第一过暗面积大于第一过暗阈值时，确定当前场景为HDR场景。
请结合图2，处理模块13还用于执行0611、0613、0615及0617中的方法。即，处理模块13还用于：在第一亮度方差大于第一方差阈值时，确定当前场景为HDR场景；或在图像熵差异大于熵差异阈值时，确定当前场景为HDR场景；或在第一过曝面积大于第一过曝阈值时，确定当前场景为HDR场景；或在第一过曝面积大于第二过曝阈值，且第一过暗面积大于第一过暗阈值时，确定当前场景为HDR场景。
请结合图3，处理器30还用于执行0611、0613、0615及0617中的方法。即，处理器30还用于：在第一亮度方差大于第一方差阈值时，确定当前场景为HDR场景；或在图像熵差异大于熵差异阈值时，确定当前场景为HDR场景；或在第一过曝面积大于第一过曝阈值时，确定当前场景为HDR场景；或在第一过曝面积大于第二过曝阈值，且第一过暗面积大于第一过暗阈值时，确定当前场景为HDR场景。
处理模块13或处理器30根据全局动态信息判断当前场景是否为HDR场景时，可根据方法0611、0613、0615、或0617中的任意一个或多个判断。比如，第一方差阈值记为TH1、第一过曝阈值记为TH2、熵差异阈值记为TH3、第二过曝阈值记为TH4、及第一过暗阈值记为TH5，各个阈值均不相同。请结合图13，当第一亮度方差σ12大于TH1时，则确定当前场景为HDR场景，反之，比较第二过曝面积；若第二过曝面积大于TH2时，则确定当前场景为HDR场景，反之，比较图像熵差异；若图像熵差异Df大于TH3时，则确定当前场景为HDR场景，反之，结合比较第一过曝面积和第一过暗面积，若第一过曝面积大于TH4且第一过暗面积大于TH5时，则确定当前场景为HDR场景，否则根据局部动态信息计算预览图像P0的局部动态估测总值，分析预览图像P0是否存在局部亮度反差大的区域或者小过曝区域。
请参阅图4及图14，在某些实施方式中，063：在全局动态信息小于或等于全局预设阈值时，根据局部动态信息计算预览图像P0的局部动态估测总值，包括：
0631：在第一亮度方差小于或等于第一方差阈值、图像熵差异小于或等于熵差异阈值，第一过曝面积小于或等于第一过曝阈值，及第一过曝面积小于或等于第二过曝阈值，且第一过暗面积大于第一过暗阈值时，根据局部动态信息计算预览图像P0的局部动态估测总值。
请结合图2，处理模块13还用于执行0631中的方法。即，处理模块13还用于：在第一亮度方差小于或等于第一方差阈值、图像熵差异小于或等于熵差异阈值，第一过曝面积小于或等于第一过曝阈值，及第一过曝面积小于或等于第二过曝阈值，且第一过暗面积大于第一过暗阈值时，根据局部动态信息计算预览图像P0的局部动态估测总值。
请结合图3，处理器30还用于执行0631中的方法。即，处理器30还用于：在第一亮度方差小于或等于第一方差阈值、图像熵差异小于或等于熵差异阈值，第一过曝面积小于或等于第一过曝阈值，及第一过曝面积小于或等于第二过曝阈值，且第一过暗面积大于第一过暗阈值时，根据局部动态信息计算预览图像P0的局部动态估测总值。
请结合图13，进一步地，若将第一亮度方差大于第一方差阈值记为条件一，第一过曝面积大于第一过曝阈值记为条件二，图像熵差异大于熵差异阈值记为条件三，第一过曝面积大于第二过曝阈值且第一过暗面积大于第一过暗阈值记为条件四。则，全局动态信息均不满足条件一、条件二、条件三和条件四时，处理模块13或处理器30再根据局部动态信息计算预览图像P0的局部动态估测总值。例如，在第一亮度方差小于或等于第一方差阈值、图像熵差异小于或等于熵差异阈值，第一过曝面积小于或等于第一过曝阈值，及第一过曝面积小于或等于第二过曝阈值且第一过暗面积大于第一过暗阈值时；或者，在第一亮度方差小于或等于第一方差阈值、图像熵差异小于或等于熵差异阈值，第一过曝面积小于或等于第一过曝阈值，及第一过曝面积小于或等于第二过曝阈值且第一过暗面积小于或等于第一过暗阈值时；或者，在第一亮度方差小于或等于第一方差阈值、图像熵差异小于或等于熵差异阈值，第一过曝面积小于或等于第一过曝阈值，及第一过曝面积大于第二过曝阈值且第一过暗面积小于或等于第一过暗阈值时。
请参阅图14及图15，在某些实施方式中，063：根据局部动态信息计算预览图像P0的局部动态估测总值，可包括：
0633：遍历区块P01，将局部动态信息大于局部预设阈值的区块P01作为HDR区块，以获取预览图像的局部HDR分布图P1，局部HDR分布图P1包含每个区块P01的HDR属性；
0635：根据预设的权重图P2及局部HDR分布图P1获取每个区块P01的局部动态估测值，预设的权重图P2包含每个区块P01的权重值；及
0637：加总每个区块P01的局部动态估测值以获取预览图像P0的局部动态估测总值。
请结合图2，处理模块13还用于执行0633、0635及0637中的方法。即，处理模块13还用于：遍历区块P01，将局部动态信息大于局部预设阈值的区块P01作为HDR区块，以获取预览图像P0的局部HDR分布图P1，局部HDR分布图包含每个区块P01的HDR属性；根据预设的权重图P2及局部HDR分布图P1获取每个区块P01的局部动态估测值，预设的权重图P1包含每个区块P01的权重值；及加总每个区块P01的局部动态估测值以获取预览图像P0的局部动态估测总值。
请结合图3，处理器30还用于执行0633、0635及0637中的方法。即，处理器30还用于：遍历区块P01，将局部动态信息大于局部预设阈值的区块P01作为HDR区块，以获取预览图像P0的局部HDR分布图P1，局部HDR分布图包含每个区块P01的HDR属性；根据预设的权重图P2及局部HDR分布图P1获取每个区块P01的局部动态估测值，预设的权重图P1包含每个区块P01的权重值；及加总每个区块P01的局部动态估测值以获取预览图像P0的局部动态估测总值。
如图15所示，处理模块13或处理器30将预览图像P0划分为4×4个区块P01，并依次判断每个区块P01是否为HDR区块。具体地，处理模块13或处理器30将局部动态信息大于局部预设阈值的区块P01作为HDR区块，并在局部HDR分布图P1中标记，若判断当前区块P01为局部HDR(区块P01的局部动态信息大于局部预设阈值)，则在局部HDR分布图P1中标记为1，若判断当前区块P01为非局部HDR(区块P01的局部动态信息小于或等于局部预设阈值)，则在局部HDR分布图P1中标记为0，其中，“0”或“1”为局部HDR分布的HDR属性。其中，全局预设阈值和局部预设阈值不相同。
预设的权重图P2中包含每个区块P01对应的权重值，处理模块13或处理器30根据区块P01的HDR属性和区块P01对应的权重值进行计算，得到区块P01的局部动态估测值，直至计算完所有区块P01的局部动态估测值为止，最后将16个局部动态估测值进行累加得到预览图像P0的局部动态估测总值。其中，预设的权重图P1中的每个权重值均为1或者均为2或者均为3，对此不作限定。本申请以预设的权重图P1的每个权重值均为1为例说明。
请参阅图16及图18，在某些实施方式中，063：根据局部动态信息计算预览图像P0的局部动态估测总值，还包括：
0639：计算预览图像P0的显著性区域及人脸信息区域；
0635：根据预设的权重图P2及局部HDR分布图P1获取每个区块P01的局部动态估测值，可包括：
06351：调整预设的权重图P2中显著性区域对应的区块P01的权重值，和/或调整人脸信息区域对应的区块P01的权重值；及
06353：根据调整后的权重图P2及局部HDR分布图P1获取每个区块P01的局部动态估测值。
请结合图2，处理模块13还用于执行0639、06351及06353中的方法。即，处理模块13还用于：计算预览图像P0的显著性区域及人脸信息区域；调整预设的权重图P2中显著性区域对应的区块P01的权重值，和/或调整人脸信息区域对应的区块P01的权重值；及根据调整后的权重图P2及局部HDR分布图P1获取每个区块P01的局部动态估测值。
请结合图3，处理器30还用于执行0639、06351及06353中的方法。即，处理器30还用于：计算预览图像P0的显著性区域及人脸信息区域；调整预设的权重图P2中显著性区域对应的区块P01的权重值，和/或调整人脸信息区域对应的区块P01的权重值；及根据调整后的权重图P2及局部HDR分布图P1获取每个区块P01的局部动态估测值。
人眼看一幅图像时注意力往往会被吸引到图像中的一部分区域，这部分区域称之为显著性区域，是大部分人认为图像中最重要的区域，显著性区域的图像质量影响着人眼对图像效果的评价。所以，对显著性区域所在的区块P01应设计较大权重。另外，若拍摄场景中有人脸(或人像)时，需要尽可能保证人脸的亮度，若太暗，则需进行HDR处理提亮，改善成像效果，因此人脸信息区域所在的区块P01也应设计较大权重。
在一个实施例中，如图17所示，假设预览图像P0中的显著性区域为图中阴影部分。处理模块13或处理器30计算预览图像P0的显著性区域时，通过基于直方图对比度的图像像素显著值检测方法(Histogram Contast，HC)来计算预览图像P0的显著性区域。具体地，计算预览图像P0中的像素的显著性值时，用该像素和预览图像P0中的其他像素颜色的对比度来定义，如公式(3)所示：
Figure BDA0003230131690000151
公式(3)中的D(Ik,Ii)为像素Ik和像素Ii在Lab颜色空间的颜色距离度量，通过公式(3)和HC方法优化计算，得到预览图像P0的显著性值后，按照阈值分割筛选出预览图像P0的显著性区域(如图17中阴影部分)。例如，将显著性值大于分割阈值的像素所形成的区域作为显著性区域。
而人脸信息区域(如图18中的人形图标中方框圈出来的人脸区域)则可通过终端100中相机的其他模块算法处理中获取得到人脸检测的结果(包括人脸个数和对应的人脸框信息等)。
在一个实施例中，预览图像P0中仅存在显著性区域，则处理模块13或处理器30根据显著性区域所在的区块P01，调整对应的区块P01的权重值。如图16所示，划分为16个区块P01的预览图像P0中的第二行第一列、第二行第二列、第三行第一列和第三行第二列均有部分区域是显著性区域，可将这些区域所在的区块P01对应的权重值均调大。例如，在预设的权重图P2的权重值的基础上增加1或者2。还例如，根据每个区块P01中的部分显著性区域与整个区块P01的面积占比进行调整。具体可为，显著性区域的面积占比越大，权重值的增加幅度越大。如图17所示的预览图像P0中的第三行第一列的区块P01中的显著性区域的面积占比大于第二行第一列的区块P01中的显著性区域的面积占比，则可将第三行第一列的区块P01的权重值增加2，而第二行第一列的区块P01中权重值增加1。例如，处理模块13或处理器30根据图17中的调整后的权重图P2和局部HDR分布图P1计算得到的局部动态估测总值为6，再将该局部动态估测总值与预设估测阈值进行比较，若大于预设估测阈值，则确定模块15或处理器30确定当前场景为HDR场景，否则认为当前场景为非HDR场景。
请结合图18，在另一个实施例中，预览图像P0中的区块P01人脸信息区域时，则计算人脸信息区域的亮度均值，在人脸信息区域的亮度均值小于预设的人脸亮度阈值时，则增大人脸信息区域所在的区块P01的权重值，且可使该区块P01的权重值比只存在显著性区域的区块的权重值要大。同样地，根据每个区块P01中的部分人脸信息区域与整个区块P01的面积占比进行调整。具体可为，人脸信息区域的面积占比越大，权重值的增加幅度越大。例如，处理模块13或处理器30根据图18中的调整后的权重图P2和局部HDR分布图P1计算得到的局部动态估测总值为8，再将该局部动态估测总值与预设估测阈值进行比较，若大于预设估测阈值，则确定模块15或处理器30确定当前场景为HDR场景，否则认为当前场景为非HDR场景。或者设置只有人脸信息区域的区块P01和只有显著性区域的区块P01的权重值相同，而在人脸信息区域和显著性区域均存在的区块P01的权重值比只有人脸信息区域的区块P01或只有显著性区域的区块P01的权重值要大。
需要说明的是，若人脸信息框或显著性区域处于区块P01的交界处，则将涉及的区块P01对应的权重值均调大。最后处理模块13或处理器30再根据调整后的权重图P2与局部HDR分布图P1获取每个区块P01的局部动态估测值。
请参阅图19，在某些实施方式中，局部动态信息包括第二亮度方差、第二过曝面积及第二过暗面积，局部预设阈值包括第二方差阈值、第三过曝阈值、及第二过暗阈值，0633：将局部动态信息大于局部预设阈值的区块P01作为HDR区块，包括：
06331：将第二亮度方差大于第二方差阈值的区块P01作为HDR区块；和/或
06333：将第二过曝面积大于第三过曝阈值的区块P01作为HDR区块；和/或
06335：将第二过暗面积大于第二过暗阈值的区块P01作为HDR区块。
请结合图2，处理模块13还用于执行06331、06333及06335中的方法。即，处理模块13还用于：将第二亮度方差大于第二方差阈值的区块P01作为HDR区块；和/或将第二过曝面积大于第三过曝阈值的区块P01作为HDR区块；和/或将第二过暗面积大于第二过暗阈值的区块P01作为HDR区块。
请结合图3，处理器30还用于执行06331、06333及06335中的方法。即，处理器30还用于：将第二亮度方差大于第二方差阈值的区块P01作为HDR区块；和/或将第二过曝面积大于第三过曝阈值的区块P01作为HDR区块；和/或将第二过暗面积大于第二过暗阈值的区块P01作为HDR区块。
在本申请的实施例中，将第二亮度方差σ22大于第二方差阈值的区块P01作为HDR区块；和/或，将第二过曝面积大于第三过曝阈值的区块P01作为HDR区块；和/或，将第二过暗面积大于第二过暗阈值的区块作为HDR区块。在第二亮度方差σ22、第二过曝面积和第二过暗面积均不大于对应的阈值时，则判定对应的区块P01为非HDR区块。则最后计算得到的预览图像P0的局部信息估测总值为0，确定模块15或处理器30确定当前场景为非HDR场景。
请参阅图20，本申请实施方式还提供一种包含计算机程序201的非易失性计算机可读存储介质200。当计算机程序301被一个或多个处理器30执行时，使得处理器30执行01、02、03、04、05、06、031、033、041、043、045、047、051、053、055、061、063、065、067、0611、0613、0615、0617、0631、0633、0635、0637、0639、06351、06353、06331、06333、及06335中的HDR场景检测方法。
例如，当计算机程序201被一个或多个处理器30执行时，使得处理器30执行以下方法：
01：获取当前场景的预览图像P0；
04：获取预览图像P0的全局动态信息；
05：将预览图像P0划分为多个预设大小的区块P01，获取每个区块P01的局部动态信息；及
06：根据全局动态信息及局部动态信息确定当前场景是否为HDR场景。
在本说明书的描述中，参考术语“某些实施方式”、“一个例子中”、“示例地”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。

Claims (14)

1.一种HDR场景检测方法，其特征在于，包括：
获取当前场景的预览图像；
获取所述预览图像的全局动态信息；
将所述预览图像划分为多个预设大小的区块，获取每个所述区块的局部动态信息；及
根据所述全局动态信息及所述局部动态信息确定所述当前场景是否为HDR场景。
2.根据权利要求1所述的HDR场景检测方法，其特征在于，还包括：
获取所述当前场景的拍摄元数据参数；
根据所述拍摄元数据参数对所述预览图像进行亮度校正；其中，所述获取所述预览图像的全局动态信息包括：获取校正后的所述预览图像的全局动态信息。
3.根据权利要求2所述的HDR场景检测方法，其特征在于，所述拍摄元数据参数包括第一亮度增益及第二亮度增益，所述第一亮度增益作用于所述预览图像的亮区，所述第二亮度增益作用于所述预览图像的暗区，所述根据所述拍摄元数据参数对所述预览图像进行亮度校正，包括遍历所述预览图像的所有像素执行以下方法：
在所述像素的当前亮度值大于预设的第一亮度阈值时，将所述像素的当前亮度值与所述第一亮度增益的乘积作为所述像素的校正亮度值；
在所述像素的当前亮度值小于预设的第二亮度阈值时，将所述像素的当前亮度值与所述第二亮度增益的比值作为所述像素的校正亮度值。
4.根据权利要求1所述的HDR场景检测方法，其特征在于，所述获取所述预览图像的全局动态信息，包括：
统计所述预览图像的全局的灰度直方图；
对所述全局的灰度直方图进行归一化处理，以获取第一归一化直方图；及
根据所述第一归一化直方图计算所述预览图像的全局动态信息，所述全局动态信息包括第一亮度方差、图像熵差异、第一过曝面积及第一过暗面积。
5.根据权利要求1所述的HDR场景检测方法，其特征在于，所述获取每个所述区块的局部动态信息，包括：
统计每个所述区块的灰度直方图；
对每个所述区块的灰度直方图进行归一化处理，以获取一一对应的多个第二归一化直方图；及
根据每个所述第二归一化直方图计算每个所述区块的局部动态信息，所述局部动态信息包括第二亮度方差、第二过曝面积及第二过暗面积。
6.根据权利要求1所述的HDR场景检测方法，其特征在于，所述根据所述全局动态信息及所述局部动态信息确定所述当前场景是否为HDR场景，包括：
在所述全局动态信息大于全局预设阈值时，确定所述当前场景为HDR场景；
在所述全局动态信息小于或等于所述预设阈值时，根据所述局部动态信息计算所述预览图像的局部动态估测总值；
在所述局部动态估测总值大于预设估测阈值时，确定所述当前场景为HDR场景；
在所述局部动态估测总值小于预设估测阈值时，确定所述当前场景为非HDR场景。
7.根据权利要求6所述的HDR场景检测方法，其特征在于，所述全局动态信息包括第一亮度方差、图像熵差异、第一过曝面积及第一过暗面积，所述全局预设阈值包括第一方差阈值、熵差异阈值、第一过曝阈值、第二过曝阈值、及第一过暗阈值，所述在所述全局动态信息大于全局预设阈值时，确定所述当前场景为HDR场景，包括：
在所述第一亮度方差大于所述第一方差阈值时，确定所述当前场景为HDR场景；或
在所述图像熵差异大于所述熵差异阈值时，确定所述当前场景为HDR场景；或
在所述第一过曝面积大于所述第一过曝阈值时，确定所述当前场景为HDR场景；或
在所述第一过曝面积大于所述第二过曝阈值，且所述第一过暗面积大于第一过暗阈值时，确定所述当前场景为HDR场景。
8.根据权利要求6所述的HDR场景检测方法，其特征在于，所述全局动态信息包括第一亮度方差、图像熵差异、第一过曝面积及第一过暗面积，所述全局预设阈值包括第一方差阈值、熵差异阈值、第一过曝阈值、第二过曝阈值、及第一过暗阈值，所述在所述全局动态信息小于或等于所述全局预设阈值时，根据所述局部动态信息计算所述预览图像的局部动态估测总值，包括：
在所述第一亮度方差小于或等于所述第一方差阈值、所述图像熵差异小于或等于所述熵差异阈值，所述第一过曝面积小于或等于所述第一过曝阈值，及所述第一过曝面积小于或等于所述第二过曝阈值，且所述第一过暗面积大于第一过暗阈值时，根据所述局部动态信息计算所述预览图像的局部动态估测总值。
9.根据权利要求6所述的HDR场景检测方法，其特征在于，所述根据所述局部动态信息计算所述预览图像的局部动态估测总值，包括：
遍历所述区块，将所述局部动态信息大于局部预设阈值的所述区块作为HDR区块，以获取所述预览图像的局部HDR分布图，所述局部HDR分布图包含每个所述区块的HDR属性；
根据预设的权重图及所述局部HDR分布图获取每个所述区块的局部动态估测值，所述预设的权重图包含每个所述区块的权重值；及
加总每个所述区块的局部动态估测值以获取所述预览图像的局部动态估测总值。
10.根据权利要求9所述的HDR场景检测方法，其特征在于，所述根据所述局部动态信息计算所述预览图像的局部动态估测总值，还包括：
计算所述预览图像的显著性区域及人脸信息区域；
所述根据所述预设的权重图及所述局部HDR分布图获取每个所述区块的局部动态估测值，包括：调整所述预设的权重图中所述显著性区域对应的所述区块的权重值，和/或调整所述人脸信息区域对应的所述区块的权重值；及根据调整后的所述预设的权重图及所述局部HDR分布图获取每个所述区块的局部动态估测值。
11.根据权利要求9所述的HDR场景检测方法，其特征在于，所述局部动态信息包括第二亮度方差、第二过曝面积及第二过暗面积，所述局部预设阈值包括第二方差阈值、第三过曝阈值、及第二过暗阈值，所述将所述局部动态信息大于局部预设阈值的所述区块作为HDR区块，包括：
将所述第二亮度方差大于所述第二方差阈值的所述区块作为HDR区块；和/或
将所述第二过曝面积大于所述第三过曝阈值的所述区块作为HDR区块；和/或
将所述第二过暗面积大于所述第二过暗阈值的所述区块作为HDR区块。
12.一种HDR场景检测装置，其特征在于，包括：
获取模块，用于获取当前场景的预览图像；
处理模块，用于获取所述预览图像的全局动态信息；将所述预览图像划分为多个预设大小的区块，获取每个所述区块的局部动态信息；及
确定模块，用于根据所述全局动态信息及所述局部动态信息确定所述当前场景是否为HDR场景。
13.一种终端，其特征在于，所述终端包括：
一个或多个处理器、存储器；及
一个或多个程序，其中一个或多个所述程序被存储在所述存储器中，并且被一个或多个所述处理器执行，所述程序包括用于执行权利要求1至11任意一项所述的HDR场景检测方法的指令。
14.一种存储有计算机程序的非易失性计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，实现权利要求1至11任意一项所述的HDR场景检测方法。
CN202110984139.4A 2021-08-25 2021-08-25 Hdr场景检测方法与装置、终端及可读存储介质 Active CN113747062B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110984139.4A CN113747062B (zh) 2021-08-25 2021-08-25 Hdr场景检测方法与装置、终端及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110984139.4A CN113747062B (zh) 2021-08-25 2021-08-25 Hdr场景检测方法与装置、终端及可读存储介质

Publications (2)

Publication Number Publication Date
CN113747062A true CN113747062A (zh) 2021-12-03
CN113747062B CN113747062B (zh) 2023-05-26

Family

ID=78732967

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110984139.4A Active CN113747062B (zh) 2021-08-25 2021-08-25 Hdr场景检测方法与装置、终端及可读存储介质

Country Status (1)

Country Link
CN (1) CN113747062B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114429476A (zh) * 2022-01-25 2022-05-03 惠州Tcl移动通信有限公司 图像处理方法、装置、计算机设备以及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100046855A1 (en) * 2005-02-15 2010-02-25 Marcu Gabriel G Methods and Apparatuses For Image Processing
CN103973988A (zh) * 2013-01-24 2014-08-06 华为终端有限公司 场景识别方法及装置
CN106067177A (zh) * 2016-06-15 2016-11-02 深圳市万普拉斯科技有限公司 Hdr场景侦测方法和装置
CN108337433A (zh) * 2018-03-19 2018-07-27 广东欧珀移动通信有限公司 一种拍照方法、移动终端及计算机可读存储介质
CN109510946A (zh) * 2017-09-15 2019-03-22 展讯通信（上海）有限公司 Hdr场景检测方法及***
WO2019183813A1 (zh) * 2018-03-27 2019-10-03 华为技术有限公司 一种拍摄方法及设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100046855A1 (en) * 2005-02-15 2010-02-25 Marcu Gabriel G Methods and Apparatuses For Image Processing
CN103973988A (zh) * 2013-01-24 2014-08-06 华为终端有限公司 场景识别方法及装置
CN106067177A (zh) * 2016-06-15 2016-11-02 深圳市万普拉斯科技有限公司 Hdr场景侦测方法和装置
WO2017215527A1 (zh) * 2016-06-15 2017-12-21 深圳市万普拉斯科技有限公司 Hdr场景侦测方法、装置和计算机存储介质
CN109510946A (zh) * 2017-09-15 2019-03-22 展讯通信（上海）有限公司 Hdr场景检测方法及***
CN108337433A (zh) * 2018-03-19 2018-07-27 广东欧珀移动通信有限公司 一种拍照方法、移动终端及计算机可读存储介质
WO2019183813A1 (zh) * 2018-03-27 2019-10-03 华为技术有限公司 一种拍摄方法及设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114429476A (zh) * 2022-01-25 2022-05-03 惠州Tcl移动通信有限公司 图像处理方法、装置、计算机设备以及存储介质

Also Published As

Publication number Publication date
CN113747062B (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
CN107635102B (zh) 高动态范围图像曝光补偿值获取方法和装置
CN108337445B (zh) 拍照方法、相关设备及计算机存储介质
CN110033418B (zh) 图像处理方法、装置、存储介质及电子设备
EP1996913B1 (en) Systems, methods, and apparatus for exposure control
US9077905B2 (en) Image capturing apparatus and control method thereof
CN108616689B (zh) 基于人像的高动态范围图像获取方法、装置及设备
CN108337446B (zh) 基于双摄像头的高动态范围图像获取方法、装置及设备
WO2014093042A1 (en) Determining an image capture payload burst structure based on metering image capture sweep
CN110246101B (zh) 图像处理方法和装置
CN110493539B (zh) 自动曝光处理方法、处理装置和电子设备
CN112738411B (zh) 曝光调节方法、装置、电子设备及存储介质
CN104052933A (zh) 动态范围模式的判定方法及其图像获取装置
CN110047060B (zh) 图像处理方法、装置、存储介质及电子设备
CN113691724B (zh) Hdr场景检测方法与装置、终端及可读存储介质
KR101754425B1 (ko) 이미지 촬영 장치의 밝기를 자동으로 조절하는 장치 및 방법
WO2023137956A1 (zh) 图像处理方法、装置、电子设备及存储介质
CN112653845B (zh) 曝光控制方法、装置、电子设备及可读存储介质
CN113747062B (zh) Hdr场景检测方法与装置、终端及可读存储介质
US11496694B2 (en) Dual sensor imaging system and imaging method thereof
CN113438411A (zh) 图像拍摄方法、装置、计算机设备和计算机可读存储介质
van Beek Improved image selection for stack-based hdr imaging
JP2012109849A (ja) 撮像装置
CN108337448B (zh) 高动态范围图像获取方法、装置、终端设备及存储介质
US20210243344A1 (en) Dual sensor imaging system and depth map calculation method thereof
CN118175430B (zh) 一种自动曝光的控制方法、装置及摄像设备

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