CN114418896A - 图像优化方法、装置、设备及存储介质 - Google Patents

图像优化方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114418896A
CN114418896A CN202210103415.6A CN202210103415A CN114418896A CN 114418896 A CN114418896 A CN 114418896A CN 202210103415 A CN202210103415 A CN 202210103415A CN 114418896 A CN114418896 A CN 114418896A
Authority
CN
China
Prior art keywords
color
saturation
pixel point
ith pixel
correction matrix
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
Application number
CN202210103415.6A
Other languages
English (en)
Inventor
朱磊
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 CN202210103415.6A priority Critical patent/CN114418896A/zh
Publication of CN114418896A publication Critical patent/CN114418896A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本申请适用于图像校准技术领域，提供了一种图像优化方法、装置、设备及存储介质。上述方法通过将第i像素点的原始色彩数据分别输入标准色彩校正矩阵和高饱和度色彩校正矩阵进行运算，得到第i像素点的第一色彩数据和第二色彩数据；可以根据第i像素点的第一色彩数据和第二色彩数据更新高饱和度色彩校正矩阵，使高饱和度色彩校正矩阵在针对高饱和度色彩进行优化时，可以将超出色域范围外的原始色彩数据的参数调整回色域范围之内，同时避免过度降低饱和度，从而在改善偏色现象时避免高饱和度色彩失真，提高高饱和度色彩的自然感；配合标准色彩校正矩阵对非高饱和度色彩进行优化，提高非高饱和度色彩的色彩表现，进而提升图像整体的色彩表现。

Description

图像优化方法、装置、设备及存储介质
技术领域
本申请属于图像校准技术领域，尤其涉及一种图像优化方法、装置、设备及存储介质。
背景技术
随着数字图像处理技术的不断发展，人们对于图像质量的要求也越来越高，色彩优化作为数字图像处理技术中非常重要的一个环节，能够提高图像的色彩准确性和/或色彩表现，使得图像能够有更好的视觉效果。
目前在对图像进行色彩优化时，通常会将图像的色彩从第一色域空间转换到第二色域空间(例如从Adobe RGB色域空间转换到sRGB色域空间)，而在第一色域空间的色域范围大于第二色域空间的色域范围时，在第二色域空间的色域范围外的高饱和度的色彩无法完全转换，需要对高饱和度的色彩进行一定的删减或调整，导致高饱和度的色彩出现偏色，降低了图像的色彩表现。
发明内容
有鉴于此，本申请实施例提供了一种图像优化方法、装置、设备及存储介质，以解决目前在对图像进行色彩优化时，容易对高饱和度的色彩进行一定的删减或调整，导致高饱和度的色彩出现偏色，降低了图像的色彩准确性的问题。
本申请实施例的第一方面提供了一种图像优化方法，包括：
获取待优化图像的n个像素点的原始色彩数据；
通过标准色彩校正矩阵对第i像素点的原始色彩数据进行运算，得到所述第i像素点的第一色彩数据；
通过高饱和度色彩校正矩阵对所述第i像素点的原始色彩数据进行运算，得到所述第i像素点的第二色彩数据；
根据所述第i像素点的第一色彩数据和所述第i像素点的第二色彩数据，更新所述高饱和度色彩校正矩阵；
根据所述标准色彩校正矩阵和更新后的高饱和度色彩校正矩阵，对所述待优化图像的第i像素点的原始色彩数据进行优化；
其中，n，i为正整数，i＝1，2，…，n。
本申请实施例的第一方面提供一种图像优化方法，通过将第i像素点的原始色彩数据输入标准色彩校正矩阵进行运算，得到第i像素点的第一色彩数据；并通过将第i像素点的原始色彩数据分别输入高饱和度色彩校正矩阵进行运算，得到第i像素点的第二色彩数据；可以根据第i像素点的第一色彩数据和第二色彩数据更新高饱和度色彩校正矩阵，使高饱和度色彩校正矩阵在针对高饱和度色彩进行优化时，可以将超出色域范围外的原始色彩数据的参数调整回色域范围之内，同时避免过度降低饱和度，从而在改善偏色现象时避免高饱和度色彩失真，提高高饱和度色彩的自然感；配合标准色彩校正矩阵对非高饱和度色彩进行优化，提高非高饱和度色彩的色彩表现，进而提升图像整体的色彩表现。
本申请实施例的第二方面提供一种图像优化装置，包括：
获取模块，用于获取待优化图像的n个像素点的原始色彩数据；
第一运算模块，用于通过标准色彩校正矩阵对第i像素点的原始色彩数据进行运算，得到所述第i像素点的第一色彩数据；
第二运算模块，用于通过高饱和度色彩校正矩阵对所述第i像素点的原始色彩数据进行运算，得到所述第i像素点的第二色彩数据；
更新模块，用于根据所述第i像素点的第一色彩数据和所述第i像素点的第二色彩数据，更新所述高饱和度色彩校正矩阵；
优化模块，用于根据所述标准色彩校正矩阵和更新后的高饱和度色彩校正矩阵，对所述待优化图像的第i像素点的原始色彩数据进行优化；
其中，n，i为正整数，i＝1，2，…，n。
本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例的第一方面提供的图像优化方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例第一方面提供的图像优化方法的步骤。
可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，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。
图1是本申请实施例提供的图像优化方法的第一种流程示意图；
图2是本申请实施例提供的图像优化方法的第二种流程示意图；
图3是本申请实施例提供的图像优化方法的第三种流程示意图；
图4是本申请实施例提供的饱和度、预设饱和度及权重系数的对应关系示意图；
图5是本申请实施例提供的图像优化装置的结构示意图；
图6是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
在应用中，目前在对图像进行色彩优化时，会将图像的色彩从第一色域空间转换到第二色域空间(例如从Adobe RGB色域空间转换到sRGB色域空间)，而在第一色域空间的色域范围大于第二色域空间的色域范围时，在第二色域空间的色域范围外的高饱和度的色彩无法完全转换，需要对高饱和度的色彩进行一定的删减或调整，导致高饱和度的色彩出现偏色，降低了图像的色彩表现。
在应用中，为了解决高饱和度的色彩出现偏色的问题，目前通常会调整标准色彩校正矩阵的参数，得到高饱和度色彩校正矩阵，使其在进行色彩优化时，可以降低高饱和度色彩的饱和度，以降低或避免高饱和度的色彩的偏色现象，然而当饱和度降低过多时，容易导致高饱和度的色彩失真，仍降低了图像的色彩表现。
针对上述技术问题，本申请实施例提供一种图像优化方法，通过将第i像素点的原始色彩数据输入标准色彩校正矩阵进行运算，得到第i像素点的第一色彩数据；并通过将第i像素点的原始色彩数据分别输入高饱和度色彩校正矩阵进行运算，得到第i像素点的第二色彩数据；可以根据第i像素点的第一色彩数据和第二色彩数据更新高饱和度色彩校正矩阵，使高饱和度色彩校正矩阵在针对高饱和度色彩进行优化时，可以将超出色域范围外的原始色彩数据的参数调整回色域范围之内，同时避免过度降低饱和度，从而在改善偏色现象时避免高饱和度色彩失真，提高高饱和度色彩的自然感；配合标准色彩校正矩阵对非高饱和度色彩进行优化，提高非高饱和度色彩的色彩表现，进而提升图像整体的色彩表现。
本申请实施例提供的图像优化方法可以应用于具有图像处理能力的终端设备，可以是手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personalcomputer，UMPC)、上网本、个人数字助理(personal digital assistant，PDA)等，本申请实施例对终端设备的具体类型不作任何限制。
如图1所示，本申请实施例提供的图像处理方法，包括如下步骤S101至步骤S105：
步骤S101、获取待优化图像的n个像素点的原始色彩数据。
在应用中，终端设备可以通过扫描待优化图像，获取待优化图像的像素点数量n。还可以在得到像素点数量n后，根据待优化图像的尺寸和分辨率，计算待优化图像的理论像素点数量，并与上述像素点数量n对比，若不相等，则重新扫描待优化图像，直至获取的像素点数量n等于理论像素点数量。
在应用中，可以在获取待优化图像的像素点数量n后，进一步获取n个像素点的原始色彩数据；也可以在获取待优化图像的像素点数量n时，同时获取n个像素点的原始色彩数据。其中，原始色彩数据用于反映像素点的色彩，原始色彩数据的数据类型根据待优化图像采用的色域空间确定。例如，假设待优化图像采用的色域空间为sRGB(Standard RedGreen Blue，通用色彩标准)，则对应的原始色彩数据包括红色值、绿色值及蓝色值三种参数；假设待优化图像采用的色域空间为HSV(Hue-Saturation-Value，色调-饱和度-明度色域空间)，则对应的原始色彩数据包括色调、饱和度及明度三种参数。
在一个实施例中，步骤S101之前，还包括：
接收源图像，源图像的色域空间为第一色域空间；
将源图像的色域空间调整至第二色域空间，得到待优化图像，第二色域空间的色域范围小于第一色域空间的色域范围。
在应用中，终端设备在接收到源图像后，可以转换源图像的色域空间，以提高源图像的色彩准确性或色彩表现。终端设备在完成色域空间的转换后，可以获取源图像的第一色域空间，和转换后的图像的第二色域空间，并对比第一色域空间的色域范围和第二色域空间的色域范围，在第二色域空间的色域范围小于第一色域空间的色域范围时(终端设备可以预存储有每一种色域空间的色域范围)，转换后的图像可能存在对高饱和度的色彩转换不完全的问题，可以将转换后的图像标记为待优化图像，使终端设备可以在源图像转换色域空间后快速准确地筛选到需要进行调整的待优化图像。其中，在第一色域空间为AdobeRGB时，第二色域空间可以是sRGB，本申请实施例对第一色域空间和第二色域空间的具体类型不作任何限制。
步骤S102、通过标准色彩校正矩阵(Color Correction Matrix，CCM)对第i像素点的原始色彩数据进行运算，得到第i像素点的第一色彩数据。
在应用中，在标准CCM用于对n个像素点的原始色彩数据进行处理时，可以通过对每个像素点的原始色彩数据进行运算，提高每个像素点的色彩表现。其中，通过标准CCM对第i像素点的原始色彩数据进行运算，得到第i像素点的第一色彩数据，可以反映第i像素点的色彩优化情况。
其中，标准CCM对每个像素点进行运算时均采用相同的参数，标准CCM的具体参数可以根据实际需要进行设置。其中，假设待优化图像的色域空间为sRGB，则第i像素点的原始色彩数据的数据类型具体可以是线性RGB数据，包括红色值、绿色值及蓝色值三种参数。
步骤S103、通过高饱和度色彩校正矩阵对第i像素点的原始色彩数据进行运算，得到第i像素点的第二色彩数据。
在应用中，在高饱和度CCM用于对原始色彩数据超出第二色域空间的色域范围外的像素点进行色彩优化时，可以通过对原始色彩数据进行运算，将超出色域范围外的原始色彩数据的参数调整回色域范围之内，通过降低对应像素点的饱和度，实现降低或避免对应像素点的偏色现象。
在应用中，通过高饱和度CCM对第i像素点的原始色彩数据进行运算，得到第i像素点的第二色彩数据，基于第i像素点的第二色彩数据，可以反映第i像素点的色彩优化情况。
在应用中，可以根据第i像素点的原始色彩数据，调整标准色彩校正矩阵的参数，得到高饱和度色彩校正矩阵。
步骤S104、根据第i像素点的第一色彩数据和第i像素点的第二色彩数据，更新高饱和度色彩校正矩阵。
在应用中，可以比较第i像素点的第一色彩数据和第i像素点的第二色彩数据，在第i像素点的第一色彩数据和第二色彩数据差值较大时，说明高饱和度CCM过度降低了第i像素点的饱和度，因此可以通过调整高饱和度CCM的参数，更新高饱和度CCM，以缩小第i像素点的第一色彩数据和第二色彩数据的差值。
在应用中，在第i像素点的第一色彩数据和第二色彩数据的差值较小时，说明更新后的高饱和度CCM不仅将超出色域范围外的原始色彩数据的参数调整回色域范围之内，且未过度降低第i像素点的饱和度。
步骤S105、根据标准色彩校正矩阵和更新后的高饱和度色彩校正矩阵，对待优化图像的第i像素点的原始色彩数据进行优化；
其中，n，i为正整数，i＝1，2，…，n。
在应用中，可以同时使用标准CCM和更新后的高饱和度CCM对第i像素点的原始色彩数据进行优化。具体的，可以在第i像素点的原始色彩数据在第二色域空间的色域范围内时，通过标准CCM对第i像素点进行色彩优化，以提高第i像素点的色彩表现；并可以在第i像素点的原始色彩数据在第二色域空间的色域范围外时，通过更新后的高饱和度CCM，或通过高饱和度CCM和标准CCM的组合矩阵，对第i像素点进行色彩优化，将第i像素点超出色域范围外的原始色彩数据的参数调整回色域范围之内，同时避免过度降低第i像素点的饱和度。
在应用中，通过将第i像素点的原始色彩数据输入标准色彩校正矩阵进行运算，得到第i像素点的第一色彩数据；并通过将第i像素点的原始色彩数据分别输入高饱和度色彩校正矩阵进行运算，得到第i像素点的第二色彩数据；可以根据第i像素点的第一色彩数据和第二色彩数据更新高饱和度色彩校正矩阵，使高饱和度色彩校正矩阵在针对高饱和度色彩进行优化时，可以将超出色域范围外的原始色彩数据的参数调整回色域范围之内，同时避免过度降低饱和度，从而在改善偏色现象时避免高饱和度色彩失真，提高高饱和度色彩的自然感；配合标准色彩校正矩阵对非高饱和度色彩进行优化，提高非高饱和度色彩的色彩表现，进而提升图像整体的色彩表现。
如图2所示，在一个实施例中，基于图1所对应的实施例，包括如下步骤S201至步骤S209：
步骤S201、获取待优化图像的n个像素点的原始色彩数据；
步骤S202、通过标准色彩校正矩阵对第i像素点的原始色彩数据进行运算，得到第i像素点的第一色彩数据；
步骤S203、通过高饱和度色彩校正矩阵对第i像素点的原始色彩数据进行运算，得到第i像素点的第二色彩数据。
在应用中，步骤S201至步骤S203和上述步骤S101至步骤S103提供的图像优化方法一致，在此不再赘述。
在应用中，上述步骤S104包括步骤S204至步骤S208，下面通过步骤S204至步骤S208对高饱和度色彩校正矩阵的更新方法进行详细说明。
步骤S204、根据第i像素点的第一色彩数据，获取第i像素点的饱和度。
在应用中，在待优化图像的第二色域空间为HSV时，可以直接根据第i像素点的第一色彩数据获取饱和度。在待优化图像的第二色域空间不为HSV时，可以将待优化图像的第二色域空间转换至HSV，对应的，第i像素点的第一色彩数据转换为色调数据、饱和度数据及明度数据；也可以根据第二色域空间和HSV的对应关系，将第i像素点的第一色彩数据直接转换为色调数据、饱和度数据及明度数据，以获取第i像素点的饱和度数据。
在一个实施例中，步骤S204之后，还包括：
判断第i像素点的饱和度是否大于预设饱和度；
在第i像素点的饱和度小于或等于预设饱和度时，停止第i像素点的优化，并执行第i+1像素点的优化；
其中，n大于或等于2，i＝1，2，…，n-1。
在应用中，通过判断第i像素点的饱和度是否大于预设饱和度，可以确定第i像素点的饱和度是否过高，在第i像素点的饱和度小于或等于预设饱和度时，说明第i像素点的饱和度未过高，不会出现偏色现象，可以不对第i像素点进行优化，并开始执行第i+1像素点的优化，第i+1像素点的优化方法和第i像素点的优化方法一致；在第i像素点的饱和度大于或等于预设饱和度时，说明第i像素点的饱和度过高，会出现偏色现象或者在降低饱和度后容易失真，需要对第i像素点进行优化，进入步骤S205。其中，预设饱和度可以根据实际需要进行设置，具体可以等于第二色域空间的最大饱和度，本申请实施例对预设饱和度的具体大小不作任何限制。
步骤S205、在第i像素点的饱和度大于预设饱和度时，计算第i像素点的第一色彩数据和第i像素点的第二色彩数据的差值，得到第k+1色差；其中，k＝1，2，…，m；k，m为正整数，k+1表示n个像素点进行色差计算的次数。
在应用中，通过计算第i像素点的第一色彩数据和第i像素点的第二色彩数据的差值，得到当次的计算结果第k+1色差，可以用于量化高饱和度CCM对第i像素点的饱和度的降低情况，即图像优化后色彩表现是否自然。具体的，第k+1色差越大，高饱和度CCM对第i像素点的饱和度降低越多，色彩表现越不自然；第k+1色差越小，高饱和度CCM对第i像素点的饱和度降低越少，色彩表现越自然。
步骤S206、判断第k+1色差或第k色差是否大于预设阈值。
在应用中，第k色差表示在上一次计算中的高饱和度像素点的第一色彩数据和高饱和度像素点的第二色彩数据的差值，上述高饱和度像素点可以是第i像素点，也可以是序号在第i像素点之前的一个完成优化的像素点。通过判断第k+1色差或第k色差是否大于预设阈值，可以确定第k+1色差和第k色差中的较大值是否大于预设阈值。其中，预设阈值表示饱和度降低的标准值，预设阈值的具体大小可以根据实际需要进行设置。
需要说明的是，在n个像素点第一次进行色差运算时，可以得到第1色差，此时有且仅有第1色差，则步骤S206可以判断第1色差是否大于预设阈值，如果是，则进入步骤S207，如果否，则进入步骤S208。
步骤S207、在第k+1色差或第k色差大于预设阈值时，更新高饱和度色彩校正矩阵，返回通过高饱和度色彩校正矩阵对第i像素点的原始色彩数据进行运算，得到第i像素点的第二色彩数据，直至第k+1色差和第k色差都小于预设阈值为止。
在应用中，在第k+1色差大于预设阈值时，说明当前的高饱和度CCM对第i像素点进行优化后，第i像素点的饱和度降低过多；在第k色差大于预设阈值时，说明上一次更新的高饱和度CCM对第i像素点进行优化后，第i像素点的饱和度降低过多；在第k+1色差和第k色差都小于预设阈值时，说明最近两次更新的高饱和度CCM，对高饱和度像素点进行优化后，饱和度未降低过多并达到了优化预期。因此，通过在第k+1色差或第k色差大于预设阈值时，更新高饱和度CCM，并返回步骤S203，可以实现反复更新高饱和度CCM，直至最近两次更新的高饱和度CCM达到优化预期。
可以理解的是，预设阈值设置的越小，高饱和度CCM对第i像素点的饱和度降低越少，从而造成的色彩失真越少，进而图像优化效果越好；此外，可以在最近q次计算的色差中的任意一次大于预设阈值时，控制高饱和度CCM的更新，在本实施例中q＝2，q为正整数并可以根据实际需要进行设置，q的值越大，更新得到的高饱和度CCM的优化稳定性越好。本申请实施例对q的具体大小不作任何限制。
在一个实施例中，步骤S207包括：
在第k+1色差或第k色差大于预设阈值时，调整高饱和度色彩校正矩阵的增益系数，以更新高饱和度色彩校正矩阵。
在应用中，调整高饱和度色彩校正矩阵的增益系数的计算公式如下：
HighSatCCMtmp_new＝Step*HighSatCCMtmp+(1-Step)*StdCCM；
其中，HighSatCCMtmp_new表示更新后的高饱和度CCM，HighSatCCMtmp表示当前的高饱和度CCM，Step表示高饱和度CCM的增益系数，StdCCM表示标准CCM。
在应用中，可以通过调整高饱和度色彩校正矩阵的增益系数，以更新高饱和度色彩校正矩阵。增益系数调整方法可以是，线性优化和非线性优化，其中线性优化具体可以通过设置预设下降值，通过将增益系数和预设下降值相减，完成一次增益系数的调整；非线性优化具体可以通过梯度下降法或高斯法等算法实现，本申请实施例对增益系数的调整方法不作任何限制。
步骤S208、在第k+1色差和第k色差都小于预设阈值时，输出更新后的高饱和度色彩校正矩阵。
在应用中，在第k+1色差或第k色差都小于预设阈值时，说明最近两次计算的色差都小于预设阈值，即在最近两次高饱和度CCM对第i像素点的图像优化都达到了优化预期，可以判定高饱和度CCM优化完成，并可以进入步骤S209通过更新后的高饱和度CCM和标准CCM对第i像素点的原始色彩数据进行优化。
步骤S209、根据标准色彩校正矩阵和更新后的高饱和度色彩校正矩阵，对待优化图像的第i像素点的原始色彩数据进行优化。
在应用中，步骤S209和上述步骤S105提供的图像优化方法一致，在此不再赘述。
在应用中，通过获取第i像素点的饱和度，可以确定第i像素点的饱和度是否过高，以实现高饱和度像素点的筛选；通过在第i像素点的饱和度大于预设饱和度时，计算第i像素点的第一色彩数据和第i像素点的第二色彩数据的差值，得到第k+1色差，可以量化高饱和度CCM对饱和度的降低情况，即图像优化后色彩表现是否自然；并通过在第k+1色差或第k色差大于预设阈值时，反复更新高饱和度CCM，直至高饱和度CCM的性能表现训练至优化预期，可以在高饱和度CCM用于第i像素点的图像优化前，使高饱和度CCM针对第i像素点的饱和度进行充分训练，从而在训练结束后可以更好地在改善偏色现象的同时避免高饱和度色彩失真，提高高饱和度色彩的自然感。
如图3所示，在一个实施例中，基于图2所对应的实施例，包括如下步骤S301至步骤S311：
步骤S301、获取待优化图像的n个像素点的原始色彩数据；
步骤S302、通过标准色彩校正矩阵对第i像素点的原始色彩数据进行运算，得到第i像素点的第一色彩数据；
步骤S303、通过高饱和度色彩校正矩阵对第i像素点的原始色彩数据进行运算，得到第i像素点的第二色彩数据。
步骤S304、根据第i像素点的第一色彩数据，获取第i像素点的饱和度。
步骤S305、在第i像素点的饱和度大于预设饱和度时，计算第i像素点的第一色彩数据和第i像素点的第二色彩数据的差值，得到第k+1色差；其中，k＝1，2，…，m；k，m为正整数，k+1表示n个像素点进行色差计算的次数；
步骤S306、判断第k+1色差或第k色差是否大于预设阈值；
步骤S307、在第k+1色差或第k色差大于预设阈值时，更新高饱和度色彩校正矩阵，返回通过高饱和度色彩校正矩阵对第i像素点的原始色彩数据进行运算，得到第i像素点的第二色彩数据，直至第k+1色差和第k色差都小于预设阈值为止；
步骤S308、在第k+1色差和第k色差都小于预设阈值时，输出更新后的高饱和度色彩校正矩阵。
在应用中，步骤S301至步骤S308与上述步骤S201至步骤S208提供的图像优化方法一致，在此不再赘述。
步骤S309、根据第i像素点的饱和度，确定标准色彩校正矩阵和更新后的高饱和度色彩校正矩阵的权重系数。
在应用中，终端设备可以存储有饱和度、预设饱和度及权重系数的对应关系表。可以根据第i像素点的饱和度，通过查表的方式，在上述对应关系表中获取对应的权重系数。饱和度、预设饱和度及权重系数的对应关系具体可以是：饱和度小于或等于预设饱和度时，权重系数为1，在饱和度大于预设饱和度时，权重系数逐渐下降，可以是线性下降也可以是非线性下降，直至达到最大饱和度时，权重系数为0。
如图4所示，示例性的示出了饱和度、预设饱和度及权重系数的对应关系图，其中，S表示饱和度，T表示预设饱和度，HighSatCCMwt表示权重系数。
步骤S310、根据权重系数、标准色彩校正矩阵及更新后的高饱和度色彩校正矩阵，建立自适应色彩校正矩阵。
在一个实施例中，建立自适应色彩校正矩阵的计算公式为：
CCM＝(1-HighSatCCMwt)*HighSatCCM+HighSatCCMwt*StdCCM；
其中，CCM表示自适应色彩校正矩阵，HighSatCCM表示完成更新的高饱和度CCM。
在应用中，步骤S308输出更新后的高饱和度CCM时，可以将完成更新的高饱和度CCM记录为HighSatCCM，以和更新过程中生成的HighSatCCMtmp_new进行区分。
步骤S311、根据自适应色彩校正矩阵，对待优化图像的第i像素点的原始色彩数据进行优化。
在应用中，通过自适应色彩校正矩阵对第i像素点进行图像优化，可以在第i像素点的饱和度小于或等于预设饱和度时，使用标准CCM对第i像素点进行色彩优化，以提高第i像素点的色彩表现；在第i像素点的饱和度大于预设饱和度时，使用完成更新的高饱和度CCM和标准CCM的组合矩阵，对第i像素点进行色彩优化，将第i像素点超出色域范围外的原始色彩数据的参数调整回色域范围之内，同时避免过度降低第i像素点的饱和度，可以针对第i像素点的饱和度灵活地选择所采用的色彩校正矩阵并调节校正矩阵的参数，不需要反复人工调参，实现在不同饱和度下的自适应高效率优化，提高图像的色彩表现。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
如图5所示，本申请实施例还提供一种图像优化装置，用于执行上述图像优化方法实施例中的步骤。图像优化装置可以是终端设备中的虚拟装置(virtual appliance)，由终端设备的处理器运行，也可以是终端设备本身。
如图5所示，本申请实施例提供的图像优化装置10，包括：
获取模块11，用于获取待优化图像的n个像素点的原始色彩数据；
第一运算模块12，用于通过标准色彩校正矩阵对第i像素点的原始色彩数据进行运算，得到第i像素点的第一色彩数据；
第二运算模块13，用于通过高饱和度色彩校正矩阵对第i像素点的原始色彩数据进行运算，得到第i像素点的第二色彩数据；
更新模块14，用于根据第i像素点的第一色彩数据和第i像素点的第二色彩数据，更新高饱和度色彩校正矩阵；
优化模块15，用于根据标准色彩校正矩阵和更新后的高饱和度色彩校正矩阵，对待优化图像的第i像素点的原始色彩数据进行优化；
其中，n，i为正整数，i＝1，2，…，n。
在应用中，图像优化装置中的各模块可以为软件程序模块，也可以通过处理器中集成的不同逻辑电路实现，还可以通过多个分布式处理器实现。
需要说明的是，上述模块之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中，上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
如图6所示，本申请实施例还提供一种终端设备100包括存储器101、处理器102以及存储在所述存储器101中并可在所述处理器上运行的计算机程序103，处理器102执行计算机程序103时实现上述各个图像优化方法实施例中的步骤。
在应用中，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在应用中，存储器在一些实施例中可以是终端设备的内部存储单元，例如终端设备的硬盘或内存。存储器在另一些实施例中也可以是终端设备的外部存储设备，例如终端设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储操作***、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如计算机程序的程序代码等。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
可以理解的是，本申请实施例示意的结构并不构成对终端设备100的具体限定。在本申请另一些实施例中，终端设备100可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。图示的部件可以以硬件，软件或软件和硬件的组合实现。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个图像优化方法实施例中的步骤。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的终端设备和方法，可以通过其它的方式实现。例如，以上所描述的终端设备实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或模块的间接耦合或通讯连接，可以是电性，机械或其它的形式。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种图像优化方法，其特征在于，包括：
获取待优化图像的n个像素点的原始色彩数据；
通过标准色彩校正矩阵对第i像素点的原始色彩数据进行运算，得到所述第i像素点的第一色彩数据；
通过高饱和度色彩校正矩阵对所述第i像素点的原始色彩数据进行运算，得到所述第i像素点的第二色彩数据；
根据所述第i像素点的第一色彩数据和所述第i像素点的第二色彩数据，更新所述高饱和度色彩校正矩阵；
根据所述标准色彩校正矩阵和更新后的高饱和度色彩校正矩阵，对所述待优化图像的第i像素点的原始色彩数据进行优化；
其中，n，i为正整数，i＝1，2，…，n。
2.如权利要求1所述的图像优化方法，其特征在于，所述根据所述第i像素点的第一色彩数据和所述第i像素点的第二色彩数据，更新所述高饱和度色彩校正矩阵，包括：
根据所述第i像素点的第一色彩数据，获取所述第i像素点的饱和度；
在所述第i像素点的饱和度大于预设饱和度时，计算所述第i像素点的第一色彩数据和所述第i像素点的第二色彩数据的差值，得到第k+1色差；其中，k＝1，2，…，m；k，m为正整数，k+1表示所述n个像素点进行色差计算的次数；
判断所述第k+1色差或第k色差是否大于预设阈值；
在所述第k+1色差或第k色差大于预设阈值时，更新所述高饱和度色彩校正矩阵，返回所述通过高饱和度色彩校正矩阵对所述第i像素点的原始色彩数据进行运算，得到所述第i像素点的第二色彩数据，直至所述第k+1色差和第k色差都小于预设阈值为止；
在所述第k+1色差和第k色差都小于预设阈值时，输出更新后的高饱和度色彩校正矩阵。
3.如权利要求2所述的图像优化方法，其特征在于，所述根据所述第i像素点的第一色彩数据，获取所述第i像素点的饱和度之后，还包括：
判断所述第i像素点的饱和度是否大于预设饱和度；
在所述第i像素点的饱和度小于或等于预设饱和度时，停止所述第i像素点的优化，并执行第i+1像素点的优化；
其中，n大于或等于2，i＝1，2，…，n-1。
4.如权利要求2所述的图像优化方法，其特征在于，所述在所述第k+1色差或第k色差大于预设阈值时，更新所述高饱和度色彩校正矩阵，包括：
在所述第k+1色差或第k色差大于预设阈值时，调整所述高饱和度色彩校正矩阵的增益系数，以更新所述高饱和度色彩校正矩阵。
5.如权利要求4所述的图像优化方法，其特征在于，所述在所述第k+1色差或第k色差大于预设阈值时，调整所述高饱和度色彩校正矩阵的增益系数，以更新所述高饱和度色彩校正矩阵，包括：
在所述第k+1色差或第k色差大于预设阈值时，通过梯度下降调整所述高饱和度色彩校正矩阵的增益系数，以更新所述高饱和度色彩校正矩阵。
6.如权利要求1所述的图像优化方法，其特征在于，所述获取所述待优化图像的n个像素点的色彩数据之前，还包括：
接收源图像，所述源图像的色域空间为第一色域空间；
将所述源图像的色域空间调整至第二色域空间，得到待优化图像，所述第二色域空间的色域范围小于所述第一色域空间的色域范围。
7.如权利要求1至6任一项所述的图像优化方法，其特征在于，所述根据所述标准色彩校正矩阵和更新后的高饱和度色彩校正矩阵，对所述待优化图像的第i像素点的原始色彩数据进行优化，包括：
根据所述第i像素点的饱和度，确定所述标准色彩校正矩阵和更新后的高饱和度色彩校正矩阵的权重系数；
根据所述权重系数、所述标准色彩校正矩阵及所述更新后的高饱和度色彩校正矩阵，建立自适应色彩校正矩阵；
根据所述自适应色彩校正矩阵，对所述待优化图像的第i像素点的原始色彩数据进行优化。
8.一种图像优化装置，其特征在于，包括：
获取模块，用于获取待优化图像的n个像素点的原始色彩数据；
第一运算模块，用于通过标准色彩校正矩阵对第i像素点的原始色彩数据进行运算，得到所述第i像素点的第一色彩数据；
第二运算模块，用于通过高饱和度色彩校正矩阵对所述第i像素点的原始色彩数据进行运算，得到所述第i像素点的第二色彩数据；
更新模块，用于根据所述第i像素点的第一色彩数据和所述第i像素点的第二色彩数据，更新所述高饱和度色彩校正矩阵；
优化模块，用于根据所述标准色彩校正矩阵和更新后的高饱和度色彩校正矩阵，对所述待优化图像的第i像素点的原始色彩数据进行优化；
其中，n，i为正整数，i＝1，2，…，n。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述图像优化方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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任一项所述图像优化方法的步骤。
CN202210103415.6A 2022-01-27 2022-01-27 图像优化方法、装置、设备及存储介质 Pending CN114418896A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210103415.6A CN114418896A (zh) 2022-01-27 2022-01-27 图像优化方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210103415.6A CN114418896A (zh) 2022-01-27 2022-01-27 图像优化方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114418896A true CN114418896A (zh) 2022-04-29

Family

ID=81279549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210103415.6A Pending CN114418896A (zh) 2022-01-27 2022-01-27 图像优化方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114418896A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115426487A (zh) * 2022-08-22 2022-12-02 北京奕斯伟计算技术股份有限公司 色彩校正矩阵调整方法、装置、电子设备及可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115426487A (zh) * 2022-08-22 2022-12-02 北京奕斯伟计算技术股份有限公司 色彩校正矩阵调整方法、装置、电子设备及可读存储介质
CN115426487B (zh) * 2022-08-22 2023-12-26 北京奕斯伟计算技术股份有限公司 色彩校正矩阵调整方法、装置、电子设备及可读存储介质

Similar Documents

Publication Publication Date Title
US8929681B2 (en) Image processing apparatus and image processing method
US6118547A (en) Image processing method and apparatus
US6975437B2 (en) Method, apparatus and recording medium for color correction
US7428332B2 (en) Applying an adjusted image enhancement algorithm to a digital image
US7333136B2 (en) Image processing apparatus for carrying out tone conversion processing and color correction processing using a three-dimensional look-up table
US11663707B2 (en) Method and system for image enhancement
US6744920B1 (en) Method, apparatus, and recording medium for processing image data to obtain color-balance adjusted image data based on white-balance adjusted image data
JPH1169186A (ja) カラーコレクション関数設定方法
JPH1169181A (ja) 画像処理装置
US7692666B1 (en) Constructing color profile for parameterized image color space
CN114418896A (zh) 图像优化方法、装置、设备及存储介质
US7826111B2 (en) Color conversion method using a colors look-up table
JP4862554B2 (ja) 画像処理プログラムおよび画像処理装置
CN112911366B (zh) 饱和度调整方法、装置及显示设备
US6781715B1 (en) Image processing method and system
JP4353233B2 (ja) 画像処理プログラムおよび画像処理装置
CN111615714A (zh) 一种rgb数据的色彩调整方法
US8630488B2 (en) Creating a duotone color effect using an ICC profile
JP2000032287A (ja) 画像処理装置及び画像処理方法
JP4345026B2 (ja) 画像処理プログラムおよび画像処理装置
US6850641B2 (en) Image processing apparatus
US20240233101A9 (en) Image processing for improving image quality
JP2001008043A (ja) 信号処理装置および信号処理方法
JP2005252393A (ja) 画像処理装置及び方法、並びにコンピュータプログラム及びコンピュータ可読記憶媒体
CN101146170A (zh) 色彩处理装置、色彩处理方法及计算机可读介质

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