CN113947602B - 一种图像亮度的检测方法及装置 - Google Patents
一种图像亮度的检测方法及装置 Download PDFInfo
- Publication number
- CN113947602B CN113947602B CN202111565771.1A CN202111565771A CN113947602B CN 113947602 B CN113947602 B CN 113947602B CN 202111565771 A CN202111565771 A CN 202111565771A CN 113947602 B CN113947602 B CN 113947602B
- Authority
- CN
- China
- Prior art keywords
- brightness
- value
- detected
- image
- preset
- 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
- 238000001514 detection method Methods 0.000 title abstract description 22
- 230000001186 cumulative effect Effects 0.000 claims abstract description 172
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000012216 screening Methods 0.000 claims description 43
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/20076—Probabilistic image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本说明书公开了一种图像亮度的检测方法及装置,属于图像数据处理技术领域,用于解决目前对于图像亮度检测识别的精确度较低的问题。方法包括:确定待检测图像的亮度值与亮度相关值亮度相关值包括亮度均值与亮度标准差中的一项或多项;将待检测图像中亮度值高于预设亮度值的过亮区域去除,确定出待检测图像的有效区域;确定有效区域的累积分布直方图;根据预先设定的累积灰度概率阈值,确定累积分布直方图中与累积灰度概率阈值的亮度值;并将相对应的亮度值作为初始亮度值;根据初始亮度值、有效区域的亮度相关值与预先设定的第一亮度相关值,筛选出不符合要求的待检测图像,并对不符合要求的待检测图像进行对应的处理,提高了图像亮度检测精度。
Description
技术领域
本说明书涉及图像处理技术领域,尤其涉及一种图像亮度的检测方法及装置。
背景技术
随着终端技术的快速发展,诸如手机、平板电脑等电子设备均具备了图像采集功能,用户对终端采集的图像的质量要求越来越高。但是摄像机常常因为天气、拍照时间等环境因素的影响无法获取较好的成像效果出现曝光或者过暗的区域。在摄影领域,曝光是指摄影的过程中允许进入镜头照在感光媒体的光量,例如:进入胶片相机的底片或者数码照相机的图像传感器上的光量。由于快门过慢、背景光太强等原因,可能会造成图像中局部区域亮度过高,照片泛白且丢失细节,此时为图像过度曝光。而由于拍摄环境光太暗等原因则会造成画面过暗的情况,此时为图像过暗。在图像拍摄、视频剪辑等多种应用场景中,往往需要对图像画面的过暗或者过曝进行检测,以方便后续对图像进行增强处理,恢复图像细节得到较好的动态范围和暗区细节。因此,为了可以将不同亮度的图像匹配到合适的图像处理方式,对图像的亮度检测分类十分重要。
传统的亮度检测算法中基于图像的亮度均值,亮度标准差以及图像中目标像素点的总亮度和预设阈值进行比较,以根据比较的结果对图像进行简单的分类,识别出曝光过度图像和过暗的图像。但是这种识别方式只能够识别出曝光过度的图像或者过暗的图像,对于实际情况中,图像过暗与图像过度曝光两种状态同时存在的图像则无法给出精确判断,对于图像亮度检测识别的精确度较低。
因此,现需要一种可以提高精确度的图像亮度的检测方法。
发明内容
本说明书一个或多个实施例提供了一种图像亮度的检测方法及装置,用于解决如下技术问题:如何提供一种可以提高精确度的图像亮度的检测方法。
本说明书一个或多个实施例采用下述技术方案:
本说明书一个或多个实施例提供一种图像亮度的检测方法,方法包括:
确定待检测图像的亮度值与亮度相关值,其中,所述亮度相关值包括亮度均值与亮度标准差中的一项或多项;
将所述待检测图像中亮度值高于预设亮度值的过亮区域去除,确定出所述待检测图像的有效区域,其中,所述预设亮度值用于去除所述待检测图像中原始亮度值高于所述预设亮度值的区域;
根据所述有效区域的像素点的数量和亮度,计算获取所述有效区域的亮度相关值;
根据所述有效区域的像素点的数量,确定所述有效区域的累积分布直方图;其中,所述累积分布直方图包括有效区域的累积灰度概率与亮度值;
根据预先设定的累积灰度概率阈值,确定所述累积分布直方图中与所述累积灰度概率阈值相对应的亮度值;并将所述相对应的亮度值作为初始亮度值;
根据所述初始亮度值、所述有效区域的亮度相关值与预先设定的第一亮度相关值,筛选出不符合要求的待检测图像,并对所述不符合要求的待检测图像进行对应的处理。
可选地,本说明书一个或多个实施例中,所述将所述待检测图像中亮度值高于预设亮度值的过亮区域去除之前,所述方法还包括:
根据预先设定的指令对所述待检测图像进行调整;
计算调整后待检测图像的调整亮度相关值;
若所述调整亮度相关值低于预先设定的第二亮度相关值,则判定所述调整后待检测图像不符合要求,并对所述调整后待检测图像进行对应的处理;其中,所述第二亮度相关值低于所述第一亮度相关值,用于在所述初始亮度值处于任意值时筛选出不符合要求的待检测图像;
若所述调整亮度相关值不低于所述第二亮度相关值,执行所述将所述调整后待检测图像中亮度值高于预设亮度值的过亮区域去除。
可选地,本说明书一个或多个实施例中,所述若所述调整亮度相关值低于预先设定的第二亮度相关值,则判定所述调整后待检测图像不符合要求,具体包括:
若所述调整亮度相关值低于预先设定的第三亮度相关值,则判定所述调整后待检测图像为第一等级亮度缺失,并判断所述调整后待检测图像中亮度值超过所述预设亮度值的像素数量大于预设值,则判定所述调整后待检测图像为所述第一等级亮度缺失且过度曝光;
若所述调整亮度相关值不低于所述第三亮度相关值,且低于预先设定的第二亮度相关值,则判定所述调整后待检测图像为第二等级亮度缺失,并判断所述调整后待检测图像中亮度值超过所述预设亮度值的像素数量大于预设值,则判定所述调整后待检测图像为所述第二等级亮度缺失且过度曝光。
可选地,本说明书一个或多个实施例中,所述将所述待检测图像中亮度值高于预设亮度值的过亮区域去除,确定出所述待检测图像的有效区域,具体包括:
对所述调整后待检测图像进行预处理,以获取所述调整后待检测图像的灰度图像与梯度图像;
根据所述调整后待检测图像的预设灰度阈值与预设梯度阈值,对所述灰度图像与所述梯度图像进行二值化处理,获得所述灰度图像对应的灰度二值化结果与所述梯度图像对应的梯度二值化结果;
结合所述灰度二值化结果与所述梯度二值化结果,获得所述调整后待检测图像第一亮度范围内的像素点集合与第二亮度范围的像素点集合;其中,所述第一亮度范围中的像素点的亮度大于第二亮度范围中的像素点的亮度;
将所述第一亮度范围的像素点集合过滤,以去除所述调整后待检测图像中亮度值高于预设亮度值的过亮区域。
可选地,本说明书一个或多个实施例中,所述根据所述初始亮度值、所述有效区域的亮度相关值与预先设定的第一亮度相关值,筛选出不符合要求的待检测图像,具体包括:
确定所述待检测图像预设的有效区域中预设累积灰度概率阈值所对应的亮度设定值;
若所述初始亮度值高于所述亮度设定值,则判定所述调整后待检测图像为第三等级亮度缺失,并判断所述调整后待检测图像全部区域的亮度均值高于所述第一亮度相关值,则判定所述调整后待检测图像为第三等级亮度缺失且过度曝光;
若所述初始亮度值低于所述亮度设定值,则基于所述有效区域的像素点的亮度相关值、所述调整后待检测图像中全部区域像素点的亮度均值以及第三亮度阈值,筛选出不符合要求的待检测图像。
可选地,本说明书一个或多个实施例中,所述基于所述有效区域的像素点的亮度相关值、所述调整后待检测图像中全部区域像素点的亮度均值以及第三亮度阈值,筛选出不符合要求的待检测图像,具体包括:
若所述有效区域的像素点的亮度相关值低于预先设定的第四亮度相关值,且基于预设第一数值对所述初始亮度值进行移动后,对应的累积灰度概率大于预设第一阈值;或基于预设第二数值对所述初始亮度值进行移动后对应的累积灰度概率大于预设第二阈值,则判定所述调整后待检测图像为第一等级亮度缺失,并判断所述调整后待检测图像中全部区域像素点的亮度均值大于所述预先设定的第一亮度相关值,则判定所述调整后待检测图像为第一等级亮度缺失且过度曝光;
若所述有效区域的像素点的亮度相关值高于预先设定的第四亮度相关值,或者基于预设第一数值对所述初始亮度值进行移动后,对应的累积灰度概率小于预设第一阈值,并且基于预设第二数值对所述初始亮度值进行移动后对应的累积灰度概率小于预设第二阈值;则根据所述有效区域的像素点的亮度相关值、所述初始亮度值与所述累积灰度概率,筛选不符合要求的待检测图像。
可选地,本说明书一个或多个实施例中,所述根据所述有效区域的像素点的亮度相关值、所述初始亮度值与所述累积灰度概率,筛选不符合要求的待检测图像,具体方法还包括:
基于预设第一数值对所述初始亮度值进行移动,获得第一初始亮度值,基于所述累积分布直方图确定所述第一初始亮度值对应的第一累积灰度概率;并基于预设第二数值对所述初始亮度值进行移动,获得第二初始亮度值,基于所述累积分布直方图确定所述第二初始亮度值对应的第二累积灰度概率;
若所述有效区域的像素点的亮度相关值低于预先设定的第一灰暗亮度阈值,或者所述第一累积灰度概率大于预设第一阈值,或者第二累积灰度概率大于预设第二阈值,则判定所述调整后待检测图像为第二等级亮度缺失,并判断所述调整后待检测图像中全部区域像素点的亮度均值大于所述预先设定的第一亮度相关值,则判定所述调整后待检测图像为第二等级亮度缺失且过度曝光;
若所述有效区域的像素点的亮度相关值高于预先设定的第一灰暗亮度阈值,且基于预设第一数值对所述初始亮度值进行移动后,对应的累积灰度概率小于第一阈值,并且基于预设第二数值对所述初始亮度值进行移动后,对应的累积灰度概率小于第二阈值,则对所述初始亮度值进行处理,获得处理后的初始亮度值,根据处理后的初始亮度值所对应的累积灰度概率,筛选不符合要求的待检测图像。
可选地,本说明书一个或多个实施例中,所述对所述初始亮度值进行处理,获得处理后的初始亮度值,根据处理后的初始亮度值所对应的累积灰度概率,筛选不符合要求的待检测图像,具体包括:
基于预设第三数值对所述初始亮度值进行移动,获得第三初始亮度值;并基于预设第四数值对所述初始亮度值进行移动获得第四初始亮度值;
根据所述第三初始亮度值在所述有效区域的累积分布直方图中,确定第三累积灰度概率;并根据所述第四初始亮度值在所述有效区域的累积分布直方图中,确定第四累积灰度概率;
若所述有效区域的像素点的亮度相关值低于预先设定的第二灰暗亮度阈值,或者所述第三累积灰度概率大于预设第三阈值,或者所述第四累积灰度概率大于预设第四阈值,则判定所述调整后待检测图像为第二等级亮度缺失,并判断所述调整后待检测图像中全部区域像素点的亮度均值大于所述预先设定的第一亮度相关值,则判定所述调整后待检测图像为第二等级亮度缺失且过度曝光;
若所述有效区域的像素点的亮度相关值高于所述第二灰暗亮度阈值,且所述第三累积灰度概率小于预设第三阈值且所述第四累积灰度概率小于预设第四阈值,则基于所述有效区域的像素点的亮度相关值、所述初始亮度值与累积灰度概率,筛选出不符合要求的待检测图像。
可选地,本说明书一个或多个实施例中,所述若所述有效区域的像素点的亮度相关值高于所述第二灰暗亮度阈值,且所述第三累积灰度概率小于预设第三阈值且所述第四累积灰度概率小于预设第四阈值,则基于所述有效区域的像素点的亮度相关值、所述初始亮度值与累积灰度概率,筛选出不符合要求的待检测图像,具体包括:
确定所述有效区域的像素点的亮度均值;
基于预先设置的第五数值对所述初始亮度值进行移动,获得第五初始亮度值;基于预先设置的第六数值对所述初始亮度值进行移动获得第六初始亮度值;
若所述有效区域的像素点的亮度均值小于所述第五初始亮度值,且所述第六初始亮度值对应的累积灰度概率小于预设第六阈值,则判定所述调整后待检测图像为第三等级亮度缺失且过度曝光;
若所述有效区域的像素点的亮度均值大于所述第五初始亮度值,或者所述第六初始亮度值对应的累积灰度概率高于预设第六阈值,则判定所述调整后待检测图像为第三等级亮度缺失,并判断所述调整后待检测图像全部区域的亮度均值高于所述第一亮度相关值,则判定所述调整后待检测图像为第三等级亮度缺失且过度曝光。
本说明书一个或多个实施例提供了一种图像亮度的检测装置,装置包括:
第一确定模块,用于确定待检测图像的亮度值与亮度相关值,其中,所述亮度相关值包括亮度均值与亮度标准差中的一项或多项;
分割模块,用于将所述待检测图像中亮度值高于预设亮度值的过亮区域去除,确定出所述待检测图像的有效区域,其中,所述预设亮度值用于去除所述待检测图像中原始亮度值高于所述预设亮度值的区域;
计算模块,用于根据所述有效区域的像素点的数量和亮度,计算获取所述有效区域的亮度相关值;
第二确定模块,用于根据所述有效区域的像素点的数量,确定所述有效区域的累积分布直方图;其中,所述累积分布直方图包括有效区域的累积灰度概率与亮度值;
第三确定模块,用于根据预先设定的累积灰度概率阈值,确定所述累积分布直方图中与所述累积灰度概率阈值相对应的亮度值;并将所述相对应的亮度值作为初始亮度值;
筛选模块,用于根据所述初始亮度值、所述有效区域的亮度相关值与预先设定的第一亮度相关值,筛选出不符合要求的待检测图像,并对所述不符合要求的待检测图像进行对应的处理。
本说明书实施例提供了一种图像亮度的检测设备,设备包括:
至少一个处理器,以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有所述至少一个处理器的可执行指令,以使所述至少一个处理器能够:
确定待检测图像的亮度值与亮度相关值,其中,所述亮度相关值包括亮度均值与亮度标准差中的一项或多项;
将所述待检测图像中亮度值高于预设亮度值的过亮区域去除,确定出所述待检测图像的有效区域,其中,所述预设亮度值用于去除所述待检测图像中原始亮度值高于所述预设亮度值的区域;
根据所述有效区域的像素点的数量和亮度,计算获取所述有效区域的亮度相关值;
根据所述有效区域的像素点的数量,确定所述有效区域的累积分布直方图;其中,所述累积分布直方图包括有效区域的累积灰度概率与亮度值;
根据预先设定的累积灰度概率阈值,确定所述累积分布直方图中与所述累积灰度概率阈值相对应的亮度值;并将所述相对应的亮度值作为初始亮度值;
根据所述初始亮度值、所述有效区域的亮度相关值与预先设定的第一亮度相关值,筛选出不符合要求的待检测图像,并对所述不符合要求的待检测图像进行对应的处理。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
通过将图像分割去除过亮区域,增强了图像亮度检测的可靠性,解决了当前进行亮度均值与相关值比对时,可能会产生高估图片亮度的情况。通过对范围的控制,尽可能消除了过亮部分与过暗部分对图像亮度检测所产生的不良影响,可以更加准确的判断图片的状态。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本说明书实施例提供的一种图像亮度的检测方法的流程示意图;
图2为本说明书实施例提供的一种应用场景下图像亮度检测第一部分筛选的流程示意图;
图3为本说明书实施例提供的一种应用场景下第二部分的分割流程图;
图4为本说明书实施例提供的一种累积分布直方图;
图5为本说明书实施例提供的一种应用场景下图像亮度检测第三部分的流程示意图;
图6为本说明书实施例提供的一种应用场景下图像亮度检测第四部分的流程示意图;
图7为本说明书实施例提供的一种图像亮度的检测装置的内部结构示意图;
图8为本说明书实施例提供的一种图像亮度的检测设备的内部结构示意图。
具体实施方式
本说明书实施例提供一种图像亮度的检测方法及装置。
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
如图1所述本说明书实施例提供了一种图像亮度的检测方法的方法流程示意图。
由图1可知,方法包括如下步骤:
S101:确定待检测图像的亮度值与亮度相关值,其中,所述亮度相关值包括亮度均值与亮度标准差中的一项或多项。
S102:将所述待检测图像中亮度值高于预设亮度值的过亮区域去除,确定出所述待检测图像的有效区域,其中,所述预设亮度值用于去除所述待检测图像中原始亮度值高于所述预设亮度值的区域。
在实际生活中很多情况下的照片存在天空区域、水面等较亮区域会对图像亮度检测的过程产生影响,造成高估图片亮度的情况。为了避免高估图像亮度对图像检测造成的影响需要对待检测图像中的过亮区域进行去除。如图2所示的流程图,在将待检测图像中亮度值高于预设亮度值的过亮区域去除之前,首先进行第一部分的筛选。需要根据预先设置的指令,先将图像由三通道转换为单通道,从而获取到待检测图像的灰度图像。在转换为灰度图像之后对待检测图像进行下采样处理从而调整图像的长宽,获得调整后待检测图像。在此,可以理解的是,通过下采样后待检测图像的分辨率降低,且像素数减少。所以,通过图像下采样提高了运算处理的效率。此外,需要说明的是,三通道图代表图像中的每个像素点都有三个值表示,例如RGB图像、HSV图像以及HSI图像都属于三通道图片。而单通道图俗称灰度值,每个像素点只能有一个值表示颜色,它的像素值在0到255之间,0是黑色,255是白色,中间值是一些不同等级的灰色。且灰度图像中的像素值即灰度值可以用来表示待检测图像中的亮度值。本说明书后续实施例中以灰度图像中的灰度值作为待处理图像的亮度值进行步骤说明。
在根据预先设定的指令对待检测图像进行调整后,计算调整后待检测图像的亮度均值与亮度标准差等,并将包括亮度均值与亮度标准差的一项或多项数据作为调整亮度相关值。如果待检测图像的调整亮度相关值低于预先设定的第二亮度相关值,那么该调整后待检测图像有过暗区域判定该调整后待检测图像不符合要求,具体的判定过程为:
如果调整亮度相关值小于预先设定的第三亮度相关值,那么判定调整待检测图像是第一等级亮度缺失。在判定调整后待检测图像为第一等级亮度缺失之后继续进行判别,如果调整后待检测图像中亮度值超过预设亮度值的像素数量大于预设值,即调整后待检测图像中的较亮像素数大于预设值。说明调整后待检测图像在过暗情况下存在不合理的较多过亮像素,那么该调整后待检测图像还存在有过曝情况,此时图像为第一等级亮度缺失且过度曝光。其中,需要进行说明的是:预先设定的第三亮度相关值低于预先设定的第二亮度相关值,所以低于预先设定的第三亮度相关值是图像是最暗的情况。
如果调整亮度相关值不低于预先设定的第三亮度相关值,并且低于预先设定的第二亮度相关值,那么可以判定调整后待检测图像是第二等级亮度缺失,在此可以理解的是,第二等级亮度缺失的图像的亮度高于第一等级亮度缺失的图像。在判定图像为第二等级亮度缺失之后,如果调整后待检测图像中的亮度值超过预设亮度值的像素数量大于预设值,即在第二等级缺失的调整后待检测图像中的较亮像素数大于预设数量。可以说明在第二等级缺失的调整后待检测图像中还存在有过度曝光的情况,此时该调整后待检测图像为第二等级亮度缺失且过度曝光。通过先对图像进行是否过暗进行判定确定图像的亮度缺失等级后,继续基于较亮像素的数量对存在亮度缺失的图像进行是否过曝的检测,符合实际情况中同时存在过暗与过曝的图像,使得图像的亮度检测更加具有科学性。
如果在第一部分中确定调整亮度相关值不低于第二亮度相关值,说明调整后待检测图像的亮度均值较高,此时调整后待检测图像有两种情况,一是不暗图像的亮度均匀分布,所以亮度相关值较高,此时的图像不暗也不存在过亮区域;二是过暗图像中存在过亮区域导致过暗的图像在亮度均值后显示的数值较高。所以为了准确判断图像的实际亮度,需要将调整后待检测图像中亮度值高于预设亮度的过亮区域进行去除,确定出可以有效对图像亮度进行检测的有效区域。具体的确定待检测图像有效区域的过程为:
对调整后待检测图像进行预处理,如图3所示的某应用场景下第二部分的分割流程图。由图3可知,某应用场景下首先通过高通滤波器与均值滤波器的处理去除图像中的噪声干扰,并确定调整后待检测图像的灰度图像和梯度图像。
在进行预处理之后,根据预先设置的灰度阈值和梯度阈值对灰度图像和梯度图像进行二值化处理,获得灰度二值化结果和梯度二值化结果,结合灰度二值化结果与梯度二值化结果,确定调整后待检测图像第一亮度范围内的像素点的亮度集合和第二亮度范围内的像素点的集合。其中,第一亮度范围中的像素点的亮度大于第二亮度范围中的像素点的亮度,即第一亮度范围中的像素点为过亮区域的像素点。由于二值化会将超过预设阈值的值置为0,所以可以将第一亮度范围的像素点集合所对应的区域进行过滤,实现去除调整后待检测图像中亮度值高于预设亮度值的过亮区域。通过对图像进行分割,去除图像中本来就过亮的部分,避免了图像中过亮区域对图像亮度检测过程中所产生的不利影响,提高了图像亮度检测的准确性。
S103:根据所述有效区域的像素点的数量和亮度,计算获取所述有效区域的亮度相关值。
基于上述步骤S102中确定的待检测图像的有效区域,获取有效区域的像素点数量和亮度。从而根据获得的像素点数量和亮度计算获得有效区域的亮度相关值;其中,有效区域的亮度相关值至少包括亮度均值与亮度标准差里的一项或多项。
S104:根据所述有效区域的像素点的数量,确定所述有效区域的累积分布直方图;其中,所述累积分布直方图包括有效区域的累积灰度概率与亮度值。
基于上述步骤S102去除过亮区域后,获得可以有效检测待检测图像亮度的有效区域。根据有效区域各个像素点的灰度值,统计不同灰度值出现的次数得到的结果是一个以灰度值0-255为横轴,以统计出现的次数为纵轴的直角坐标图像。由上述步骤S101中说明的本说明书以灰度值代表亮度值,所以根据灰度直方图进行计算,将直方图的纵轴改为灰度出现的次数与所有小于其灰度值出现次数之和,横轴为以灰度值表示的亮度值,获得累积分布直方图。其中,累积分布直方图代表图像组成成分在灰度级的累计概率分布情况,每一个概率值代表小于等于此灰度值的概率。如图4所示某应用场景下的累积分布直方图,根据该累积分布直方图可以获得有效区域的累积灰度概率及与其对应的亮度值。
S105:根据预先设定的累积灰度概率阈值,确定所述累积分布直方图中与所述累积灰度概率阈值相对应的亮度值;并将所述相对应的亮度值作为初始亮度值。
由下图4中的累积分布直方图可以看出,横轴中出现白色区域之前还有一段区域在此区域中累积灰度概率一直处于0,所以在图4中将累积灰度概率大于0时与横轴的交点,对应的亮度值作为初始亮度值。可以获得图像中像素是在较亮区域聚积还是在较暗区域聚积从而进行后续判断。同时,还可以根据设定的累积灰度概率阈值获得与不同累积灰度概率阈值相对应的亮度值作为各初始亮度值。
S106:根据所述初始亮度值、所述有效区域的亮度相关值与预先设定的第一亮度相关值,筛选出不符合要求的待检测图像,并对所述不符合要求的待检测图像进行对应的处理。
在本说明书一个或多个实施例中,在对图像进行分割去除掉过亮区域后,根据初始亮度值、有效区域的亮度相关值与预先设定的第一亮度相关值,筛选出不符合要求的待检测图像,结合下图5中提供的一种应用场景下图像亮度检测第三部分的流程图,该筛选过程具体包括:
首先确定待检测图像预设的有效区域中预设累积灰度阈值所对应的亮度设定值。因为初始亮度值对应有累积灰度概率,当同一累积灰度概率阈值对应的初始亮度值高于设定值时说明像素点在亮度高的像素范围内更加聚积,反之如果初始亮度值低于设定值说明在亮度低的像素范围内更加聚积。故如果初始亮度值高于亮度设定值那么判断,调整后待检测图像为第三亮度缺失,并继续判断调整后待检测图像全部区域的亮度均值,如果调整后待检测图像全部区域的亮度均值高于第一亮度相关值,那么可以判定调整后图像还存在过度曝光的情况为第三等级亮度缺失且过度曝光。如果初始亮度值低于亮度设定值,那么根据有效区域的像素点的亮度相关值、所述调整后待检测图像中全部区域像素点的亮度均值以及第三亮度阈值继续进行后续的亮度检测。
在本说明书一个或多个实施例中,当初始亮度值低于亮度设定值时,还需要进行第四部分的筛选。如图6所示的一种应用场景下图像亮度检测第四部分流程示意图,筛选检测过程包括:
先进行第一判断条件的检测,第一判断条件包括三个子条件,其中,第一子条件:有效区域的像素点的亮度相关值低于预先设定的第四亮度相关值;第二子条件:基于预设第一数值对初始亮度值进行移动后,对应的累积灰度概率大于预设第一阈值;第三子条件:基于预设第二数值对初始亮度值进行移动后对应的累积灰度概率大于预设第二阈值。将第一子条件与第二子条件进行或运算后,再与第三子条件与运算,即如果有效区域的像素点的亮度相关值低于预先设定的第四亮度相关值,且根据预设第一数值对初始亮度值进行移动后,对应的累积灰度概率大于预设第一阈值;或基于预设第二数值对所述初始亮度值进行移动后对应的累积灰度概率大于预设第二阈值,那么判定所述调整后待检测图像为第一等级亮度缺失。
以下通过具体数值进行说明如下:以初始亮度值移动20作为预设第一数值;以初始亮度值移动40作为预设第二数值。那么第一子条件为:有效区域的像素点的亮度相关值低于预先设定的第四亮度相关值;第二子条件为:初始亮度值加20对应的累积灰度概率大于0.2;第三子条件为:初始亮度值加40对应的累积灰度概率大于0.35。当第一子条件与第二子条件进行与运算后再与第三子条件进行或运算后,确定满足第一判断条件,则判定调整后待检测图像为第一等级亮度缺失。在判定为第一等级亮度缺失后,如果判断调整后待检测图像中全部区域像素点的亮度均值大于预先设定的第一亮度相关值,则说明待检测图像中存在不合理的高亮度像素,确定调整后待检测图像中存在过度曝光的情况,该图像为第一等级亮度缺失且过度曝光。
如果不满足第一判断条件,即有效区域的像素点的亮度相关值高于预先设定的第四亮度相关值,或者基于预设第一数值对所述初始亮度值进行移动后,对应的累积灰度概率小于预设第一阈值,并且基于预设第二数值对所述初始亮度值进行移动后对应的累积灰度概率小于预设第二阈值,则根据所述有效区域的像素点的亮度相关值、所述初始亮度值与所述累积灰度概率,进行第二判断条件的筛选,从而筛选出不符合要求的待检测图像。
在本说明书一个或多个实施例中,根据所述有效区域的像素点的亮度相关值、所述初始亮度值与所述累积灰度概率,筛选出不符合要求的待检测图像的具体方法为:
根据设定的第一数值对初始亮度值进行移动,获得第一初始亮度值,根据累积分布直方图确定第一初始亮度值所对应的第一累积灰度概率。同时根据设定的第二数值对初始亮度值进行移动,获得第二初始亮度值,根据累积分布直方图确定第二初始亮度值对应的第二累积灰度概率。如果有效区域的像素点的亮度相关值低于预先设定的第一灰暗亮度阈值,或者第一累积灰度概率大于预设第一阈值,或者第二累积灰度概率大于预设第二阈值,那么判定调整后待检测图像为第二等级亮度缺失。
并在此基础上,如果判断调整后待检测图像中全部区域像素点的亮度均值大于预先设定的第一亮度相关值,则判定调整后待检测图像为第二等级亮度缺失且过度曝光。
以具体数值为例进行说明,则第二判断条件包括:有效区域的像素点的亮度相关值低于预先设定的第一灰暗亮度阈值;初始亮度值加20对应的累积灰度概率大于0.2;初始亮度值加40对应的累积灰度概率大于0.35,这三个子条件。其中,选择初始亮度值为累积分布直方图中开始出现累积灰度概率时所对应的亮度值。当调整后待检测图像满足这三个子条件中的任意一个时,可以确定调整后待检测图像处于第二等级亮度缺失。在此基础上若判断调整后待检测图像中全部区域像素点的亮度均值大于预先设定的第一亮度相关值,则判定调整后待检测图像为第二等级亮度缺失且过度曝光。其中,需要说明的是,第一灰暗亮度阈值大于上述第四亮度相关值,所以判定后等级第二亮度缺失的亮度高于低于第四亮度相关值时的第一亮度缺失。如图4所示,该累积分布直方图上显示的数据满足初始亮度值加20对应的累积灰度概率大于0.2;初始亮度值加40对应的累积灰度概率大于0.35,如果其有效区域的亮度均值大于第四亮度相关值且小于第一灰暗亮度阈值,那么调整后待检测图像为第二等级亮度,需要在结合调整后待检测图像中全部区域像素点的亮度均值与预先设定的第一亮度相关值进行过度曝光的判断。
如果有效区域的像素点的亮度相关值高于预先设定的第一灰暗亮度阈值,且基于预设第一数值对初始亮度值进行移动后,对应的累积灰度概率小于第一阈值,并且基于预设第二数值对初始亮度值进行移动后,对应的累积灰度概率小于第二阈值。也就是说不满足第二判断条件时,需要对初始亮度值进行处理,获得处理后的初始亮度值,根据处理后的初始亮度值所对应的累积灰度概率,筛选不符合要求的待检测图像,即根据第三判断条件进行后续判定。
在本说明书一个或多个实施例中,对初始亮度值进行处理,获得处理后的初始亮度值,根据处理后的初始亮度值所对应的累积灰度概率,筛选不符合要求的待检测图像,即根据第三判断条件进行判定具体包括:
根据预设第三数值对初始亮度值进行移动获得第三初始亮度值,基于预设第四数值对初始亮度值进行移动获得第四初始亮度值。根据第三初始亮度值在有效区域的累积分布直方图中,确定第三累积灰度概率;并根据第四初始亮度值在有效区域的累积分布直方图中,确定第四累积灰度概率。
如果有效区域的像素点的亮度相关值低于预先设定的第二灰暗亮度阈值,或者第三累积灰度概率大于预设第三阈值,或者第四累积灰度概率大于预设第四阈值,那么判定所述调整后待检测图像为第二等级亮度缺失。并继续判断调整后待检测图像中全部区域像素点的亮度均值,如果其亮度均值大于所述预先设定的第一亮度相关值,那么调整后待检测图像还存在曝光情况,图像为第二等级亮度缺失且过度曝光。
以具体数值为例进行说明,则判定条件为:有效区域的像素点的亮度相关值低于预先设定的第二灰暗亮度阈值;初始亮度值加60的第三初始亮度值对应的第三累积灰度概率大于0.49;初始亮度值加80的第四初始亮度值对应的第四累积灰度概率大于0.62。由图4可知,已经满足了初始亮度值加60的第三初始亮度值对应的第三累积灰度概率大于0.49;初始亮度值加80的第四初始亮度值对应的第四累积灰度概率大于0.62,如果在此之前以确定不满足上述第一判断条件与第二判断条件,那么可以确定图像为第二等级亮度缺失。但如果有效区域的像素点的亮度相关值符合第一判断条件或第二判断条件中的设定,则先基于第一判断条件或第二判断条件进行筛选。
如果有效区域的像素点的亮度相关值高于第二灰暗亮度阈值,并且第三累积灰度概率小于预设第三阈值且所述第四累积灰度概率小于预设第四阈值,也就是不满足第三判断条件的情况下,基于所述有效区域的像素点的亮度相关值、所述初始亮度值与累积灰度概率,筛选出不符合要求的待检测图像。
在本说明书一个或多个实施例中,不满足第三判断条件的情况下,基于所述有效区域的像素点的亮度相关值、所述初始亮度值与累积灰度概率,筛选出不符合要求的待检测图像,也就是第四判断条件下对待检测图像进行筛选,具体包括:
首先需要确定所述有效区域的像素点的亮度均值,基于预先设置的第五数值对所述初始亮度值进行移动,获得第五初始亮度值,基于预先设置的第六数值对所述初始亮度值进行移动获得第六初始亮度值,从而获得后续判定所依据的数值。
第四判断条件包括两个子条件,一是有效区域的像素点的亮度均值小于所述第五初始亮度值,二是第六初始亮度值对应的累积灰度概率小于预设第六阈值,如果两个子条件同时满足,即有效区域的像素点的亮度均值小于所述第五初始亮度值,并且第六初始亮度值对应的累积灰度概率小于预设第六阈值,那么判定所述调整后待检测图像为第三等级亮度缺失且过度曝光。
如果有效区域的像素点的亮度均值大于第五初始亮度值,或者第六初始亮度值对应的累积灰度概率高于预设第六阈值,那么判定调整后待检测图像为第三等级亮度缺失,并判断所述调整后待检测图像全部区域的亮度均值高于第一亮度相关值,则判定所述调整后待检测图像为第三等级亮度缺失且过度曝光。例如:假设第四判断条件具体为:一是有效区域的像素点的亮度均值小于初始亮度值加125对应的第五初始亮度值,二是初始亮度值加128的第六初始亮度值对应的累积灰度概率小于0.6。由图4可知,图4场景中的图像不符合初始亮度值加128的第六初始亮度值对应的累积灰度概率小于0.6。若该图像不满足上述记载的第一判断条件、第二判断条件以及第三判断条件的筛选,则可以确定该图像为第三等级亮度缺失。如果满足上述记载的第一判断条件、第二判断条件以及第三判断条件的筛选,则基于符合的判断条件进行筛选。
本说明书通过对待检测图像进行分割,去除图像中过亮区域后,对有效区域进行分析,避免了过亮区域对图像亮度检测所造成的消极影响。在有效区域中通过累积灰度概率的计算,与预先设置的相应阈值对图像进行适应性的检测,可以较为准确的挑选出处于不同亮度的图像。此外通过先对图像进行是否过暗,之后及进行是否过曝的检测,使得图像亮度检测更适应于现实场景。基于多种条件与参数进行筛选,确定出了第一等级亮度缺失、第一等级亮度缺失且过度曝光、第二等级亮度缺失、第二等级亮度缺失且过度过曝、第三等级亮度缺失、第三等级亮度缺失且过度过曝等图像状态,细化了图像的亮度等级,可以适用于不同类型的后续算法,为后续进行图像增强处理提供了基础。
如图7所示,本说明书一个或多个实施例提供了一种图像亮度的检测装置,装置包括:
第一确定模块701,用于确定待检测图像的亮度值与亮度相关值,其中,所述亮度相关值包括亮度均值与亮度标准差中的一项或多项;
分割模块702,用于将所述待检测图像中亮度值高于预设亮度值的过亮区域去除,确定出所述待检测图像的有效区域,其中,所述预设亮度值用于去除所述待检测图像中原始亮度值高于所述预设亮度值的区域;
计算模块703,用于根据所述有效区域的像素点的数量和亮度,计算获取所述有效区域的亮度相关值;
第二确定模块704,用于根据所述有效区域的像素点的数量,确定所述有效区域的累积分布直方图;其中,所述累积分布直方图包括有效区域的累积灰度概率与亮度值;
第三确定模块705,用于根据预先设定的累积灰度概率阈值,确定所述累积分布直方图中与所述累积灰度概率阈值相对应的亮度值;并将所述相对应的亮度值作为初始亮度值;
筛选模块706,用于根据所述初始亮度值、所述有效区域的亮度相关值与预先设定的第一亮度相关值,筛选出不符合要求的待检测图像,并对所述不符合要求的待检测图像进行对应的处理。
如图8所示本说明书一个或多个实施例提供了一种图像亮度的检测设备,设备包括:
至少一个处理器801,以及
与所述至少一个处理器801通信连接的存储器802;其中,
所述存储器802存储有所述至少一个处理器801的可执行指令,以使所述至少一个处理器801能够:
确定待检测图像的亮度值与亮度相关值,其中,所述亮度相关值包括亮度均值与亮度标准差中的一项或多项;
将所述待检测图像中亮度值高于预设亮度值的过亮区域去除,确定出所述待检测图像的有效区域,其中,所述预设亮度值用于去除所述待检测图像中原始亮度值高于所述预设亮度值的区域;
根据所述有效区域的像素点的数量和亮度,计算获取所述有效区域的亮度相关值;
根据所述有效区域的像素点的数量,确定所述有效区域的累积分布直方图;其中,所述累积分布直方图包括有效区域的累积灰度概率与亮度值;
根据预先设定的累积灰度概率阈值,确定所述累积分布直方图中与所述累积灰度概率阈值相对应的亮度值;并将所述相对应的亮度值作为初始亮度值;
根据所述初始亮度值、所述有效区域的亮度相关值与预先设定的第一亮度相关值,筛选出不符合要求的待检测图像,并对所述不符合要求的待检测图像进行对应的处理。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (8)
1.一种图像亮度的检测方法,其特征在于,所述方法包括:
确定待检测图像的亮度值与亮度相关值,其中,所述亮度相关值包括亮度均值与亮度标准差中的一项或多项;
将所述待检测图像中亮度值高于预设亮度值的过亮区域去除,确定出所述待检测图像的有效区域,其中,所述预设亮度值用于去除所述待检测图像中原始亮度值高于所述预设亮度值的区域;根据所述有效区域的像素点的数量和亮度,计算获取所述有效区域的亮度相关值;
根据所述有效区域的像素点的数量,确定所述有效区域的累积分布直方图;其中,所述累积分布直方图包括有效区域的累积灰度概率与亮度值;
根据预先设定的累积灰度概率阈值,确定所述累积分布直方图中与所述累积灰度概率阈值相对应的亮度值;并将所述相对应的亮度值作为初始亮度值;
根据所述初始亮度值、所述有效区域的亮度相关值与预先设定的第一亮度相关值,筛选出不符合要求的待检测图像,并对所述不符合要求的待检测图像进行对应的处理;其中,所述第一亮度相关值用于判定所述待检测图像的过度曝光;
其中,所述将所述待检测图像中亮度值高于预设亮度值的过亮区域去除之前,所述方法还包括:
根据预先设定的指令对所述待检测图像进行调整;
计算调整后待检测图像的调整亮度相关值;
若所述调整亮度相关值低于预先设定的第二亮度相关值,则判定所述调整后待检测图像不符合要求,并对所述调整后待检测图像进行对应的处理;其中,所述第二亮度相关值低于所述第一亮度相关值,用于在所述初始亮度值处于任意值时筛选出不符合要求的待检测图像;
若所述调整亮度相关值不低于所述第二亮度相关值,执行将所述调整后待检测图像中亮度值高于预设亮度值的过亮区域去除;
所述根据所述初始亮度值、所述有效区域的亮度相关值与预先设定的第一亮度相关值,筛选出不符合要求的待检测图像,具体包括:
确定所述待检测图像预设的有效区域中预设累积灰度概率阈值所对应的亮度设定值;
若所述初始亮度值高于所述亮度设定值,则判定所述调整后待检测图像为第三等级亮度缺失,并判断所述调整后待检测图像全部区域的亮度均值高于所述第一亮度相关值,则判定所述调整后待检测图像为第三等级亮度缺失且过度曝光;
若所述初始亮度值低于所述亮度设定值,则基于所述有效区域的像素点的亮度相关值、所述调整后待检测图像中全部区域像素点的亮度均值以及第三亮度阈值,筛选出不符合要求的待检测图像。
2.根据权利要求1所述的一种图像亮度的检测方法,其特征在于,所述若所述调整亮度相关值低于预先设定的第二亮度相关值,则判定所述调整后待检测图像不符合要求,具体包括:
若所述调整亮度相关值低于预先设定的第三亮度相关值,则判定所述调整后待检测图像为第一等级亮度缺失,并判断所述调整后待检测图像中亮度值超过所述预设亮度值的像素数量大于预设值,则判定所述调整后待检测图像为所述第一等级亮度缺失且过度曝光;
若所述调整亮度相关值不低于所述第三亮度相关值,且低于预先设定的第二亮度相关值,则判定所述调整后待检测图像为第二等级亮度缺失,并判断所述调整后待检测图像中亮度值超过所述预设亮度值的像素数量大于预设值,则判定所述调整后待检测图像为所述第二等级亮度缺失且过度曝光。
3.根据权利要求1所述的一种图像亮度的检测方法,其特征在于,所述将所述待检测图像中亮度值高于预设亮度值的过亮区域去除,确定出所述待检测图像的有效区域,具体包括:
对所述调整后待检测图像进行预处理,以获取所述调整后待检测图像的灰度图像与梯度图像;
根据所述调整后待检测图像的预设灰度阈值与预设梯度阈值,对所述灰度图像与所述梯度图像进行二值化处理,获得所述灰度图像对应的灰度二值化结果与所述梯度图像对应的梯度二值化结果;
结合所述灰度二值化结果与所述梯度二值化结果,获得所述调整后待检测图像第一亮度范围内的像素点集合与第二亮度范围的像素点集合;其中,所述第一亮度范围中的像素点的亮度大于第二亮度范围中的像素点的亮度;
将所述第一亮度范围的像素点集合过滤,以去除所述调整后待检测图像中亮度值高于预设亮度值的过亮区域。
4.根据权利要求1所述的一种图像亮度的检测方法,其特征在于,所述基于所述有效区域的像素点的亮度相关值、所述调整后待检测图像中全部区域像素点的亮度均值以及第三亮度阈值,筛选出不符合要求的待检测图像,具体包括:
若所述有效区域的像素点的亮度相关值低于预先设定的第四亮度相关值,且基于预设第一数值对所述初始亮度值进行移动后,对应的累积灰度概率大于预设第一阈值;或基于预设第二数值对所述初始亮度值进行移动后对应的累积灰度概率大于预设第二阈值,则判定所述调整后待检测图像为第一等级亮度缺失,并判断所述调整后待检测图像中全部区域像素点的亮度均值大于所述预先设定的第一亮度相关值,则判定所述调整后待检测图像为第一等级亮度缺失且过度曝光;
若所述有效区域的像素点的亮度相关值高于预先设定的第四亮度相关值,或者基于预设第一数值对所述初始亮度值进行移动后,对应的累积灰度概率小于预设第一阈值,并且基于预设第二数值对所述初始亮度值进行移动后对应的累积灰度概率小于预设第二阈值;则根据所述有效区域的像素点的亮度相关值、所述初始亮度值与所述累积灰度概率,筛选不符合要求的待检测图像。
5.根据权利要求4所述的一种图像亮度的检测方法,其特征在于,所述根据所述有效区域的像素点的亮度相关值、所述初始亮度值与所述累积灰度概率,筛选不符合要求的待检测图像,具体方法还包括:
基于预设第一数值对所述初始亮度值进行移动,获得第一初始亮度值,基于所述累积分布直方图确定所述第一初始亮度值对应的第一累积灰度概率;并基于预设第二数值对所述初始亮度值进行移动,获得第二初始亮度值,基于所述累积分布直方图确定所述第二初始亮度值对应的第二累积灰度概率;
若所述有效区域的像素点的亮度相关值低于预先设定的第一灰暗亮度阈值,或者所述第一累积灰度概率大于预设第一阈值,或者第二累积灰度概率大于预设第二阈值,则判定所述调整后待检测图像为第二等级亮度缺失,并判断所述调整后待检测图像中全部区域像素点的亮度均值大于所述预先设定的第一亮度相关值,则判定所述调整后待检测图像为第二等级亮度缺失且过度曝光;
若所述有效区域的像素点的亮度相关值高于预先设定的第一灰暗亮度阈值,且基于预设第一数值对所述初始亮度值进行移动后,对应的累积灰度概率小于第一阈值,并且基于预设第二数值对所述初始亮度值进行移动后,对应的累积灰度概率小于第二阈值,则对所述初始亮度值进行处理,获得处理后的初始亮度值,根据处理后的初始亮度值所对应的累积灰度概率,筛选不符合要求的待检测图像。
6.根据权利要求4所述的一种图像亮度的检测方法,其特征在于,所述对所述初始亮度值进行处理,获得处理后的初始亮度值,根据处理后的初始亮度值所对应的累积灰度概率,筛选不符合要求的待检测图像,具体包括:
基于预设第三数值对所述初始亮度值进行移动,获得第三初始亮度值;并基于预设第四数值对所述初始亮度值进行移动获得第四初始亮度值;
根据所述第三初始亮度值在所述有效区域的累积分布直方图中,确定第三累积灰度概率;并根据所述第四初始亮度值在所述有效区域的累积分布直方图中,确定第四累积灰度概率;
若所述有效区域的像素点的亮度相关值低于预先设定的第二灰暗亮度阈值,或者所述第三累积灰度概率大于预设第三阈值,或者所述第四累积灰度概率大于预设第四阈值,则判定所述调整后待检测图像为第二等级亮度缺失,并判断所述调整后待检测图像中全部区域像素点的亮度均值大于所述预先设定的第一亮度相关值,则判定所述调整后待检测图像为第二等级亮度缺失且过度曝光;
若所述有效区域的像素点的亮度相关值高于所述第二灰暗亮度阈值,且所述第三累积灰度概率小于预设第三阈值且所述第四累积灰度概率小于预设第四阈值,则基于所述有效区域的像素点的亮度相关值、所述初始亮度值与累积灰度概率,筛选出不符合要求的待检测图像。
7.根据权利要求6所述的一种图像亮度的检测方法,其特征在于,所述若所述有效区域的像素点的亮度相关值高于所述第二灰暗亮度阈值,且所述第三累积灰度概率小于预设第三阈值且所述第四累积灰度概率小于预设第四阈值,则基于所述有效区域的像素点的亮度相关值、所述初始亮度值与累积灰度概率,筛选出不符合要求的待检测图像,具体包括:
确定所述有效区域的像素点的亮度均值;
基于预先设置的第五数值对所述初始亮度值进行移动,获得第五初始亮度值;基于预先设置的第六数值对所述初始亮度值进行移动获得第六初始亮度值;
若所述有效区域的像素点的亮度均值小于所述第五初始亮度值,且所述第六初始亮度值对应的累积灰度概率小于预设第六阈值,则判定所述调整后待检测图像为第三等级亮度缺失且过度曝光;
若所述有效区域的像素点的亮度均值大于所述第五初始亮度值,或者所述第六初始亮度值对应的累积灰度概率高于预设第六阈值,则判定所述调整后待检测图像为第三等级亮度缺失,并判断所述调整后待检测图像全部区域的亮度均值高于所述第一亮度相关值,则判定所述调整后待检测图像为第三等级亮度缺失且过度曝光。
8.一种图像亮度的检测装置,其特征在于,所述装置包括:
第一确定模块,用于确定待检测图像的亮度值与亮度相关值,其中,所述亮度相关值包括亮度均值与亮度标准差中的一项或多项;
分割模块,用于将所述待检测图像中亮度值高于预设亮度值的过亮区域去除,确定出所述待检测图像的有效区域,其中,所述预设亮度值用于去除所述待检测图像中原始亮度值高于所述预设亮度值的区域;
计算模块,用于根据所述有效区域的像素点的数量和亮度,计算获取所述有效区域的亮度相关值;
第二确定模块,用于根据所述有效区域的像素点的数量,确定所述有效区域的累积分布直方图;其中,所述累积分布直方图包括有效区域的累积灰度概率与亮度值;
第三确定模块,用于根据预先设定的累积灰度概率阈值,确定所述累积分布直方图中与所述累积灰度概率阈值相对应的亮度值;并将所述相对应的亮度值作为初始亮度值;
筛选模块,用于根据所述初始亮度值、所述有效区域的亮度相关值与预先设定的第一亮度相关值,筛选出不符合要求的待检测图像,并对所述不符合要求的待检测图像进行对应的处理;其中,所述第一亮度相关值用于判定所述待检测图像的过度曝光;
其中,所述装置还包括:调整模块、相关值计算模块、第一判定模块、去除模块;
所述调整模块,用于根据预先设定的指令对所述待检测图像进行调整;
所述相关值计算模块,用于计算调整后待检测图像的调整亮度相关值;
所述判定模块,用于若所述调整亮度相关值低于预先设定的第二亮度相关值,则判定所述调整后待检测图像不符合要求,并对所述调整后待检测图像进行对应的处理;其中,所述第二亮度相关值低于所述第一亮度相关值,用于在所述初始亮度值处于任意值时筛选出不符合要求的待检测图像;
所述去除模块,用于若所述调整亮度相关值不低于所述第二亮度相关值,执行将所述调整后待检测图像中亮度值高于预设亮度值的过亮区域去除;
其中,所述筛选模块具体包括:第四确定模块、第二判定模块、
所述第四确定模块,用于确定所述待检测图像预设的有效区域中预设累积灰度概率阈值所对应的亮度设定值;
若所述初始亮度值高于所述亮度设定值,则判定所述调整后待检测图像为第三等级亮度缺失,并判断所述调整后待检测图像全部区域的亮度均值高于所述第一亮度相关值,则判定所述调整后待检测图像为第三等级亮度缺失且过度曝光;
若所述初始亮度值低于所述亮度设定值,则基于所述有效区域的像素点的亮度相关值、所述调整后待检测图像中全部区域像素点的亮度均值以及第三亮度阈值,筛选出不符合要求的待检测图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111565771.1A CN113947602B (zh) | 2021-12-21 | 2021-12-21 | 一种图像亮度的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111565771.1A CN113947602B (zh) | 2021-12-21 | 2021-12-21 | 一种图像亮度的检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113947602A CN113947602A (zh) | 2022-01-18 |
CN113947602B true CN113947602B (zh) | 2022-03-18 |
Family
ID=79339433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111565771.1A Active CN113947602B (zh) | 2021-12-21 | 2021-12-21 | 一种图像亮度的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113947602B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852955A (zh) * | 2018-08-21 | 2020-02-28 | 中南大学 | 一种基于图像强度阈值和自适应切割的图像增强方法 |
CN111739110A (zh) * | 2020-08-07 | 2020-10-02 | 北京美摄网络科技有限公司 | 一种图像过暗或过曝检测方法及装置 |
CN112312001A (zh) * | 2019-07-30 | 2021-02-02 | 北京百度网讯科技有限公司 | 一种图像检测的方法、装置、设备和计算机存储介质 |
CN113344907A (zh) * | 2021-06-29 | 2021-09-03 | 深圳前海微众银行股份有限公司 | 一种图像检测方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6089424B2 (ja) * | 2012-03-21 | 2017-03-08 | セイコーエプソン株式会社 | 画像処理装置、プロジェクター、およびプロジェクターの制御方法 |
CN111784609B (zh) * | 2020-07-02 | 2023-11-07 | 烟台艾睿光电科技有限公司 | 图像动态范围压缩方法、装置及计算机可读存储介质 |
-
2021
- 2021-12-21 CN CN202111565771.1A patent/CN113947602B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852955A (zh) * | 2018-08-21 | 2020-02-28 | 中南大学 | 一种基于图像强度阈值和自适应切割的图像增强方法 |
CN112312001A (zh) * | 2019-07-30 | 2021-02-02 | 北京百度网讯科技有限公司 | 一种图像检测的方法、装置、设备和计算机存储介质 |
CN111739110A (zh) * | 2020-08-07 | 2020-10-02 | 北京美摄网络科技有限公司 | 一种图像过暗或过曝检测方法及装置 |
CN113344907A (zh) * | 2021-06-29 | 2021-09-03 | 深圳前海微众银行股份有限公司 | 一种图像检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
Efficient contrast enhancement with truncated adaptive gamma correction;Lihui Huang;《2016 9th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics (CISP-BMEI)》;20170216;全文 * |
手机照片质量评价算法研究与实现;徐敏霞;《中国优秀硕士学位论文全文数据库》;20180615;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113947602A (zh) | 2022-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276767B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN109936698B (zh) | 一种自动曝光控制方法、装置、电子设备及存储介质 | |
EP1800259B1 (en) | Image segmentation method and system | |
US10382712B1 (en) | Automatic removal of lens flares from images | |
US20160028932A1 (en) | Exposure control for an imaging system | |
US20200082508A1 (en) | Information processing method, information processing apparatus, and recording medium | |
CN110796041B (zh) | 主体识别方法和装置、电子设备、计算机可读存储介质 | |
US9900519B2 (en) | Image capture by scene classification | |
Várkonyi-Kóczy et al. | Gradient-based synthesized multiple exposure time color HDR image | |
CN110443766B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN112308843A (zh) | 用于光伏电池板图像采集的相机过曝异常调节方法及*** | |
EP4000040A1 (en) | Method, computer program product and computer readable medium for generating a mask for a camera stream | |
CN113691724A (zh) | Hdr场景检测方法与装置、终端及可读存储介质 | |
CN111726543B (zh) | 一种提高图像动态范围的方法、摄像机 | |
CN112446833B (zh) | 一种图像处理方法、智能终端及存储介质 | |
CN113947602B (zh) | 一种图像亮度的检测方法及装置 | |
US11631183B2 (en) | Method and system for motion segmentation | |
CN113747062B (zh) | Hdr场景检测方法与装置、终端及可读存储介质 | |
CN112233032B (zh) | 一种高动态范围图像鬼影消除的方法 | |
CN112183454B (zh) | 图像检测方法及装置、存储介质、终端 | |
CN112183158B (zh) | 一种谷物烹饪设备的谷物种类识别方法和谷物烹饪设备 | |
JP4869323B2 (ja) | 画像処理装置及び画像処理方法 | |
CN114697483A (zh) | 基于压缩感知白平衡算法的屏下摄像装置及方法 | |
Long et al. | An Efficient Method For Dark License Plate Detection | |
CN115086566B (zh) | 图片场景检测方法、装置 |
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 |