CN115170413A - 图像处理方法、装置、电子设备及计算机可读存储介质 - Google Patents
图像处理方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115170413A CN115170413A CN202210744777.3A CN202210744777A CN115170413A CN 115170413 A CN115170413 A CN 115170413A CN 202210744777 A CN202210744777 A CN 202210744777A CN 115170413 A CN115170413 A CN 115170413A
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- pixel
- filter coefficient
- processed
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 45
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 77
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000001914 filtration Methods 0.000 claims description 60
- 230000008859 change Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 17
- 230000003313 weakening effect Effects 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 abstract description 27
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 9
- 238000012937 correction Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 125000001475 halogen functional group Chemical group 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000007792 addition Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 101100116390 Schizosaccharomyces pombe (strain 972 / ATCC 24843) ded1 gene Proteins 0.000 description 2
- 101100311460 Schizosaccharomyces pombe (strain 972 / ATCC 24843) sum2 gene Proteins 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000009877 rendering 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供了一种图像处理方法、装置、电子设备及计算机可读存储介质,涉及色调映射技术领域。该方法包括:确定待处理图像中的多个子图像;其中,每个子图像的中心像素点唯一对应待处理图像中的一个像素点,子图像的个数与像素点的个数一致;对于每个子图像,确定子图像的平均像素值,根据子图像的中心像素点的像素值与平均像素值的差值,确定子图像的图像类型;根据各个子图像的图像类型对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像;对基层图像和细节层图像的像素值进行加权求和,获得目标图像。本申请实施例通过根据图像类型的层分解处理,准确识别了待处理图像的基层图像与细节层图像,有效提高了图像显示的视觉质量。
Description
技术领域
本申请涉及色调映射技术领域,具体而言,本申请涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。
背景技术
在计算机图形学与电影摄影术中,高动态范围成像(High Dynamic RangeImaging,HDR)技术用于实现比普通数位图像技术更大曝光动态范围,而色调映射是在有限动态范围媒介上近似显示HDR图像的一项图像处理技术;在实际的渲染应用中,尽管显示设备可能并不能够显示整个HDR图像的亮度范围,但通过色调映射可以使得图像的真实场景与图像的显示场景相匹配。
现有技术中,通常采用图像边缘保持滤波器(如双边滤波器、引导滤波器)进行色调映射处理;其中,引导滤波器的处理步骤为:根据预设的正则化参数确定滤波系数,并根据滤波系数对待处理图像进行层分解,再对分解后的图像层进行融合得到色调映射后的图像;上述方法存在图像显示的视觉质量差,容易导致图像边缘的halo效应(光晕效应)的问题。
发明内容
本申请实施例提供了一种图像处理方法、装置、电子设备及计算机可读存储介质,可以避免现有技术中在进行色调映射时,图像边缘存在halo效应的问题。所述技术方案如下:
根据本申请实施例的一个方面,提供了一种图像方法,该方法包括:
确定待处理图像中的多个子图像;其中,每个子图像的中心像素点唯一对应待处理图像中的一个像素点,子图像的个数与像素点的个数一致;
对于每个子图像,确定子图像的平均像素值,根据子图像的中心像素点的像素值与平均像素值的差值,确定子图像的图像类型;
根据各个子图像的图像类型对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像;
对基层图像和细节层图像的像素值进行加权求和,获得目标图像。
可选的,上述确定子图像的图像类型,包括:
对于每个子图像,将平均像素值与中心像素点的像素值的差值,作为子图像的像素变化偏差值;
根据像素变化偏差值,确定子图像的第一滤波系数;
根据第一滤波系数确定子图像的图像类型。
可选的,上述根据像素变化偏差值,确定子图像的第一滤波系数,包括:
获取预设的滤波尺度;
根据子图像的像素变化偏差值对滤波尺度进行加权,得到加权滤波尺度;
根据加权滤波尺度和子图像的像素值方差,确定子图像的第一滤波系数。
可选的,上述子图像的平均像素值和像素值方差是基于如下方式计算得到的:
确定子图像中的所有排列组的像素点,排列组为行或者列;
对于每一排列组的像素点,若确定预先存储的排列组的目标参数,则调用预先存储的排列组的目标参数,若确定未预先存储排列组的目标参数,则根据排列组中每个像素点的目标参数,计算并存储排列组的目标参数;
根据所有排列组的目标参数,获得子图像的平均像素值或像素值方差;其中,目标参数为像素值的总和与像素值的平方和。
可选的,上述根据加权滤波尺度和子图像的像素值方差,确定子图像的第一滤波系数,包括:
将加权滤波尺度与像素值方差的加和,作为自适应方差值;
将像素值方差与自适应方差值的比值,作为子图像的第一滤波系数。
可选的,上述第一滤波系数是基于如下方式计算得到的:
根据预设的移位系数对自适应方差值进行移位,获得第一移位结果,并通过预设的查找表查找第一移位结果的倒数;
确定第一移位结果的倒数与像素方差值的乘积,根据预设的移位系数对乘积结果进行移位,获得第二移位结果,将第二移位结果作为第一滤波系数。
可选的,上述根据各个子图像的图像类型对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像,包括:
对于每个子图像,根据图像类型对应的第一滤波系数对子图像的平均像素值进行加权处理,确定子图像的第二滤波系数;
根据各个子图像的第一滤波系数和第二滤波系数,对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像。
可选的,上述根据图像类型对应的第一滤波系数对子图像的平均像素值进行加权处理,确定子图像的第二滤波系数,包括:
根据图像类型对应的第一滤波系数对子图像的平均像素值进行加权,获得加权后的平均像素值;
将子图像的平均像素值以及加权后的平均像素值的差值,作为子图像的第二滤波系数。
可选的,上述根据各个子图像的第一滤波系数和第二滤波系数,对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像,包括:
根据第一滤波系数和第二滤波系数对子图像的中心像素点的像素值进行滤波,获得子图像的中心像素点的目标像素值;
根据所有子图像的中心像素点的目标像素值,得到待处理图像的基层图像;
根据基层图像与待处理图像得到细节层图像;其中,细节层图像中的像素点的像素值为像素点在待处理图像和基层图像中的像素值的差值。
可选的,当滤波尺度包括第一滤波尺度和第二滤波尺度时,第一滤波系数包括根据第一滤波尺度确定的第一目标滤波系数和根据第二滤波尺度确定的第二目标滤波系数;
基层图像包括第一基层图像和第二基层图像,细节层图像包括第一细节层图像和第二细节层图像;其中,第一基层图像和第一细节层图像是根据第一目标滤波系数确定的,第二基层图像和第二细节层图像是根据第二目标滤波系数确定的;
上述对基层图像和细节层图像的像素值进行加权求和,获得目标图像,包括:
根据预设的细节增强权重分别对第一细节层图像和第二细节层图像进行加权;
根据预设对比度弱化权重对第二基层图像进行加权;
将加权后的第二基层图像、加权后的第一细节层图像和加权后的第二细节层图像进行叠加,得到目标图像;其中,目标图像的像素点的像素值,为像素点在加权后的第二基层图像、加权后的第一细节层图像和加权后的第二细节层图像中的像素值的加和。
根据本申请实施例的另一个方面,提供了一种图像处理装置,该装置包括:
第一确定模块,用于确定待处理图像中的多个子图像;其中,每个子图像的中心像素点唯一对应待处理图像中的一个像素点,子图像的个数与像素点的个数一致;
第二确定模块,用于对于每个子图像,确定子图像的平均像素值,根据子图像的中心像素点的像素值与平均像素值的差值,确定子图像的图像类型;
分解模块,用于根据各个子图像的图像类型对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像;
加权模块,用于对基层图像和细节层图像的像素值进行加权求和,获得目标图像。
可选的,上述第二确定模块确定子图像的图像类型时,用于:
对于每个子图像,将平均像素值与中心像素点的像素值的差值,作为子图像的像素变化偏差值;
根据像素变化偏差值,确定子图像的第一滤波系数;
根据第一滤波系数确定子图像的图像类型。
可选的,上述第二确定模块根据像素变化偏差值,确定子图像的第一滤波系数时,用于:
获取预设的滤波尺度;
根据子图像的像素变化偏差值对滤波尺度进行加权,得到加权滤波尺度;
根据加权滤波尺度和子图像的像素值方差,确定子图像的第一滤波系数。
可选的,上述子图像的平均像素值和像素值方差是基于如下方式计算得到的:
确定子图像中的所有排列组的像素点,排列组为行或者列;
对于每一排列组的像素点,若确定预先存储的排列组的目标参数,则调用预先存储的排列组的目标参数,若确定未预先存储排列组的目标参数,则根据排列组中每个像素点的目标参数,计算并存储排列组的目标参数;
根据所有排列组的目标参数,获得子图像的平均像素值或像素值方差;其中,目标参数为像素值的总和与像素值的平方和。
可选的,上述第二确定模块根据加权滤波尺度和子图像的像素值方差,确定子图像的第一滤波系数时,用于:
将加权滤波尺度与像素值方差的加和,作为自适应方差值;
将像素值方差与自适应方差值的比值,作为子图像的第一滤波系数。
可选的,上述第一滤波系数是基于如下方式计算得到的:
根据预设的移位系数对自适应方差值进行移位,获得第一移位结果,并通过预设的查找表查找第一移位结果的倒数;
确定第一移位结果的倒数与像素方差值的乘积,根据预设的移位系数对乘积结果进行移位,获得第二移位结果,将第二移位结果作为第一滤波系数。
可选的,上述分解模块根据各个子图像的图像类型对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像时,用于:
对于每个子图像,根据图像类型对应的第一滤波系数对子图像的平均像素值进行加权处理,确定子图像的第二滤波系数;
根据各个子图像的第一滤波系数和第二滤波系数,对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像。
可选的,上述分解模块根据图像类型对应的第一滤波系数对子图像的平均像素值进行加权处理,确定子图像的第二滤波系数时,用于:
根据图像类型对应的第一滤波系数对子图像的平均像素值进行加权,获得加权后的平均像素值;
将子图像的平均像素值以及加权后的平均像素值的差值,作为子图像的第二滤波系数。
可选的,上述分解模块根据各个子图像的第一滤波系数和第二滤波系数,对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像时,用于:
根据第一滤波系数和第二滤波系数对子图像的中心像素点的像素值进行滤波,获得子图像的中心像素点的目标像素值;
根据所有子图像的中心像素点的目标像素值,得到待处理图像的基层图像;
根据基层图像与待处理图像得到细节层图像;其中,细节层图像中的像素点的像素值为像素点在待处理图像和基层图像中的像素值的差值。
可选的,当滤波尺度包括第一滤波尺度和第二滤波尺度时,第一滤波系数包括根据第一滤波尺度确定的第一目标滤波系数和根据第二滤波尺度确定的第二目标滤波系数;
基层图像包括第一基层图像和第二基层图像,细节层图像包括第一细节层图像和第二细节层图像;其中,第一基层图像和第一细节层图像是根据第一目标滤波系数确定的,第二基层图像和第二细节层图像是根据第二目标滤波系数确定的;
上述加权模块对基层图像和细节层图像的像素值进行加权求和,获得目标图像时,用于:
根据预设的细节增强权重分别对第一细节层图像和第二细节层图像进行加权;
根据预设对比度弱化权重对第二基层图像进行加权;
将加权后的第二基层图像、加权后的第一细节层图像和加权后的第二细节层图像进行叠加,得到目标图像;其中,目标图像的像素点的像素值,为像素点在加权后的第二基层图像、加权后的第一细节层图像和加权后的第二细节层图像中的像素值的加和。
根据本申请实施例的另一个方面,提供了一种电子设备,该电子设备包括:存储器、处理器及存储在存储器上的计算机程序,上述处理器执行计算机程序以实现本申请实施例第一方面所示方法的步骤。
根据本申请实施例的再一个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本申请实施例第一方面所示方法的步骤。
根据本申请实施例的一个方面,提供了一种计算机程序产品,其包括计算机程序,该计算机程序被处理器执行时实现本申请实施例第一方面所示方法的步骤。
本申请实施例提供的技术方案带来的有益效果是:
本申请实施例获取待处理图像中的多个子图像,通过每个子图像的平均像素值与子图像的中心像素点的像素值的差值,确定每个子图像的图像类型,进而根据各个子图像的图像类型对待处理图像进行层分解,获取待处理图像的基层图像和细节层图像,接着对基层图像和细节层图像的像素值进行加权求和,以得到目标图像。由于每个子图像的中心像素点唯一对应待处理图像中的一个像素点,且子图像的个数与像素点的个数一致,本申请实施例可以根据每个子图像的平均像素值与中心像素点的像素值的差值,确定子图像的图像类型,可以有效区分待处理图像中的各像素点所处区域的类型。本申请实施例实现了根据图像类型的层分解处理,准确识别了待处理图像的基层图像与细节层图像,区别于现有技术中根据预设的正则化参数确定滤波系数以进行层分解,本申请在提升了层分解效果的同时,提高了色调映射处理后的图像,即目标图像显示的视觉质量,有效避免了图像边缘的halo效应。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种图像处理方法的应用场景示意图;
图2为本申请实施例提供的一种图像处理方法的流程示意图;
图3为本申请实施例提供的一种图像处理方法中相邻滑动窗口子图像的重叠区域示意图;
图4为本申请实施例提供的一种图像处理方法中子图像基于排列组数据更新的示意图;
图5为本申请实施例提供的一个示例的图像处理方法的流程示意图;
图6为本申请实施例提供的一种图像处理装置的结构示意图;
图7为本申请实施例提供的一种图像处理电子设备的结构示意图。
具体实施方式
下面结合本申请中的附图描述本申请的实施例。应理解,下面结合附图所阐述的实施方式,是用于解释本申请实施例的技术方案的示例性描述,对本申请实施例的技术方案不构成限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请实施例所使用的术语“包括”以及“包含”是指相应特征可以实现为所呈现的特征、信息、数据、步骤、操作、元件和/或组件,但不排除实现为本技术领域所支持其他特征、信息、数据、步骤、操作、元件、组件和/或它们的组合等。应该理解,当我们称一个元件被“连接”或“耦接”到另一元件时,该一个元件可以直接连接或耦接到另一元件,也可以指该一个元件和另一元件通过中间元件建立连接关系。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的术语“和/或”指示该术语所限定的项目中的至少一个,例如“A和/或B”可以实现为“A”,或者实现为“B”,或者实现为“A和B”。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
由于现实场景和人眼所感知的动态范围非常宽广,当对于12bit,甚至20bit的HDR图像或者视频在8bit的显示器上显示是无法与人眼感知和现实场景相匹配的。色调映射是在有限动态范围媒介上近似显示高动态范围图像的一项图像处理技术。色调映射是要解决的问题是进行大幅度的对比度衰减将场景亮度变换到可以显示的范围,同时要保持图像细节与颜色等的信息,使得色调映射后的场景与现实场景的感知相匹配。
现有技术中,色调映射技术分为全局色调映射和局部色调映射,其中,局部色调映射的基本思想是:将一张待处理图像分解为若干相同尺寸的待处理窗口,窗口的中心像素会根据所在窗口周围像素的信息进行一系列的有关亮度,对比度以及细节等处理,最终完成局部色调映射操作。
发明人发现,由于基于层分解的局部色调映射技术通常需要采用低通滤波器进行层分解,一方面滤波器的设计缺陷会导致层分解质量不佳,另一方面,滤波器对图像的结构感知能力不够会在局部色调映射后引入halo效应(常出现在图像的边缘处,表现为一圈光晕状物件),严重影响局部色调映射后的图像视觉效果,因此,如何更有效的进行层分解以及保证局部色调映射效果的同时抑制halo效应就显得尤为重要。
本申请提供的图像处理方法、装置、电子设备及计算机可读存储介质,旨在解决现有技术的如上技术问题。
本申请实施例提供了一种图像处理方法,该方法可以由终端或服务器实现。本申请实施例涉及的终端或服务器,通过确定待处理图像中的多个子图像,并对每个子图像,计算子图像的平均像素值,再根据子图像的中心像素点的像素值与平均像素值的差值,确定子图像的图像类型;然后根据各个子图像的图像类型对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像,进而对基层图像和细节层图像的像素值进行加权求和,得到目标图像。本申请实施例实现了基于图像类型的层分解处理,再提升了层分解效果的同时,有效避免了图像边缘的halo效应。
下面通过对几个示例性实施方式的描述,对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。需要指出的是,下述实施方式之间可以相互参考、借鉴或结合,对于不同实施方式中相同的术语、相似的特征以及相似的实施步骤等,不再重复描述。
如图1所示,本申请的图像处理方法,可以应用于图1所示的场景中,具体的,服务器102接收客户端101发送的待处理图像,服务器102以待处理图像的各个像素点为中心像素点,确定多个子图像;然后对于每个子图像,根据子图像的中心像素点的像素值与子图像的平均像素值的差值,确定子图像的图像类型,再根据各个子图像的图像类型对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像,进而对基层图像和细节层图像的像素值进行加权求和,获得完成色调映射后的目标图像,并将目标图像发送给客户端101。
图1所示的场景中,上述图像处理方法可以在服务器中进行,在其他的场景中,也可以在终端中进行。
本技术领域技术人员可以理解,这里所使用的“终端”可以是手机、平板电脑、PDA(Personal Digital Assistant,个人数字助理)、MID(Mobile Internet Device,移动互联网设备)等;“服务器”可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
本申请实施例中提供了一种图像处理方法,如图2所示,可以应用于进行图像处理的服务器或终端,该方法包括:
S201,确定待处理图像中的多个子图像。
其中,每个子图像的中心像素点唯一对应待处理图像中的一个像素点,子图像的个数与像素点的个数一致。
具体的,用于进行图像处理的服务器或终端,可以采用滑动窗口依次扫描待处理图像的每一个像素点,对于每一像素点,以该像素点为中心像素点截取预设窗口大小的子图像。对于待处理图像的边界区域,在截取子图像时,可以采用镜像填充的方式进行像素点的补齐,以使每个子图像的大小一致,且子图像与待处理图像中的像素点一一对应。
在本申请实施例中,当待处理图像为灰度图像,可以将各个像素点的灰度值作为像素值;当待处理图像为多通道图像,如RGB图像,可以将每个像素点的R、G、B三个通道值中的最大值,作为该像素点的像素值。
S202,对于每个子图像,确定子图像的平均像素值,根据子图像的中心像素点的像素值与平均像素值的差值,确定子图像的图像类型。
其中,所述图像类型包括平坦区域、细节丰富区域和结构区域。
具体的,对于每个子图像,用于进行图像处理的服务器或终端,可以将子图像的中心像素点的像素值与该子图像的平均像素点的差值,作为像素变化偏差值;其中,该像素偏差值可以表征子图像的平滑程度,即可以根据上述像素变化偏差值确定该子图像的平滑程度:对于平坦区域或结构区域的子图像,其平滑程度高;对于细节丰富区域的子图像,其平滑程度低。然后,可以根据子图像的像素变化偏差值和像素方差值进行计算第一滤波系数,根据第一滤波系数确定子图像的类型。
S203,根据各个子图像的图像类型对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像。
其中,每一图像类型对应一第一滤波系数;基层图像、细节层图像与待处理图像的尺寸一致。
具体的,用于进行图像处理的服务器或终端,可以根据各个子图像的第一滤波系数对待处理图像进行滤波,以完成图像的层分解,得到基层图像和细节层图像。
在本申请实施例中,对于平坦区域,可以对该区域进行均值滤波;对于细节丰富区域,可以对该区域进行平滑滤波;对于结构区域,可以不进行滤波或进行小幅度的滤波处理,以尽可能保留该区域的像素信息,即保留待处理图像中的边缘结构。
S204,对基层图像和细节层图像的像素值进行加权求和,获得目标图像。
具体的,用于进行图像处理的服务器或终端,可以基于预设的细节增强权重对细节层图像进行加权,并基于预设的对比度弱化权重对基层图像进行加权,并将加权后的细节增强图像和基层图像进行叠加,以增强待处理图像局部的对比度和细节变化,得到目标图像。
在本申请实施例中,在获取目标图像之后,还可以对目标图像进行线性拉伸,以进一步增加对比度,增强图像显示的视觉冲击,优化色调映射效果。
在一些实施方式中,当待处理图像为灰度图像,可以直接将目标图像作为色调映射处理之后的图像。
在另一些实施方式中,当待处理图像为多通道图像,以RGB图像为例,还可以对目标图像进行颜色矫正,以还原图像色彩,并将颜色校正后的目标图像作为色调映射处理之后的图像。其中,可以通过如下公式进行颜色矫正:
其中,c为图像的颜色通道,r为颜色矫正系数,r∈(0,1),其中,r越大颜色矫正程度越重,反之越接近灰度图像;T为目标图像的像素值,I为待处理图像的像素值,srcc为待处理图像的颜色通道数值即R、G或B值。outc为目标图像颜色矫正之后的颜色通道数值即R、G或B值。
本申请实施例获取待处理图像中的多个子图像,通过每个子图像的平均像素值与子图像的中心像素点的像素值的差值,确定每个子图像的图像类型,进而根据各个子图像的图像类型对待处理图像进行层分解,获取待处理图像的基层图像和细节层图像,接着对基层图像和细节层图像的像素值进行加权求和,以得到目标图像。由于每个子图像的中心像素点唯一对应待处理图像中的一个像素点,且子图像的个数与像素点的个数一致,本申请实施例可以根据每个子图像的平均像素值与中心像素点的像素值的差值,确定子图像的图像类型,可以有效区分待处理图像中的各像素点所处区域的类型。本申请实施例实现了根据图像类型的层分解处理,准确识别了待处理图像的基层图像与细节层图像,区别于现有技术中根据预设的正则化参数确定滤波系数以进行层分解,本申请在提升了层分解效果的同时,提高了色调映射处理后的图像,即目标图像显示的视觉质量,有效避免了图像边缘的halo效应。
本申请实施例中提供了一种可能的实现方式,确定子图像的图像类型,包括:
S301,对于每个子图像,将平均像素值与中心像素点的像素值的差值,作为子图像的像素变化偏差值。
具体的,对于每个子图像,用于进行图像处理的服务器或终端,可以根据该子图像中所有像素点的像素值,计算子图像的平均像素值;然后将平均像素值与中心像素点的像素值的差值,作为像素变化偏差值。
其中,可以基于如下公式计算每一子图像的像素变化偏差:
S302,根据像素变化偏差值,确定子图像的第一滤波系数。
具体的,可以根据子图像的像素变化偏差值与该子图像的像素方差值,以及预设的滤波尺度,确定子图像的第一滤波系数。
在本申请实施例中,滤波尺度的数量可以有两个,进而可以得到两个第一滤波系数,可以根据两个第一滤波系数对待处理图像进行多尺度的层分解,进一步提升图像的层分解效果。
其中,具体的第一滤波系数的计算过程将在下文详细说明。
S303,根据第一滤波系数确定子图像的图像类型。
具体的,可以预先建立第一滤波系数的数据范围与图像类型的对应关系,根据上述对应关系,确定子图像的图像类型。
本申请实施例中,对于每个子图像,基于平均像素值与中心像素点的像素值的差值,确定第一滤波系数;进而可以根据第一滤波系数的数据范围与图像类型的对应关系确定子图像的图像类型,实现了子图像的平坦区域、细节丰富区域与结构区域的区分,后续可以通过图像类型对待处理图像进行滤波处理,以提升了针对待处理图像的层分解效果。
本申请实施例中提供了一种可能的实现方式,根据像素变化偏差值,确定子图像的第一滤波系数,包括:
S401,获取预设的滤波尺度。
其中,滤波尺度的数量可以是一个也可以有多个,当存在两个滤波尺度,可以得到两个第一滤波系数,进而可以根据两个第一滤波系数对待处理图像进行多尺度的层分解,进一步提升图像的层分解效果。
基于不同的滤波尺度确定不同的第一滤波系数的过程相同,在此不再赘述,下文将以一个滤波尺度为例进行具体说明。
S402,根据子图像的像素变化偏差值对滤波尺度进行加权,得到加权滤波尺度;根据加权滤波尺度和子图像的像素值方差,确定子图像的第一滤波系数。
本申请实施例中,基于预设的滤波尺度和子图像的像素变化偏差值,确定第一滤波系数,进而可以根据第一滤波系数确定各个子图像的图像类型:
可以基于如下公式进行计算:
由此可知,可以根据第一滤波系数的数值范围,确定各个子图像的图像类型,为后续图像层分解打下良好基础。
本申请实施例中提供了一种可能的实现方式,子图像的平均像素值和像素值方差是基于如下方式计算得到的:
S501,确定子图像中的所有排列组的像素点,排列组为行或者列。
具体的,以子图像的大小为7*7为例进行说明,则各个子图像中存在7行和7列像素点,此时排列组可以为其中一行或者一列,在本申请实施例中不做具体限制。
在本申请实施例中,子图像的平均像素值和像素值方差可以由如下公式得到:
其中,Iθ(i,j)为该子图像中各个像素点的像素值,N为子图像中像素点的个数。以一个7*7的子图像为例,公式(4)和(5)的计算需要49次乘法和98次加法运算,硬件实现成本高。
由图3所示,对于7*7的处理窗口,相邻的两个中心像素所在的子图像中有42个像素点是重叠的,而公式(4)和(5)中的求均值操作对于每一个像素点来说是相对独立的一个操作,将子图像分为独立的排列组,分别求和累加求均值,结果是一样的,因此对于相邻的两个中心像素,中间的42个像素点的处理过程都是重复的。因此,本申请实施例可以通过如下方式来简化计算,节省硬件实现成本:
S502,对于每一排列组的像素点,若确定预先存储的排列组的目标参数,则调用预先存储的排列组的目标参数,若确定未预先存储排列组的目标参数,则根据排列组中每个像素点的目标参数,计算并存储排列组的目标参数。
S503,根据所有排列组的目标参数,获得子图像的平均像素值或像素值方差。
对于每个排列组独立的计算出每个排列组的像素值和以及像素值乘积的和:
summean[7]={sum1,sum2,sum3,sum4,sum5,sum6,sum7} (6)
sumcorr[7]={sum11,sum22,sum33,sum44,sum55,sum66,sum77} (7)
其中,sum1为第一排列组中像素点的像素值的总和,sum11为第一排列组中各像素点的像素值的平方和。summean[7]和sumcorr[7]为子图像中的7个排列组构成的像素值的目标参数数组;其中,目标参数为像素值的总和与像素值的平方和。
如图4所示,左图为一个原始的子图像,该子图像包括7*7个像素点,通过将每一列像素点作为一个排列组,即可获得图4的中图所示的包括7个排列组的像素集合;硬件实现时,每个运行时钟只处理一个排列组,一个排列组内只有7个乘法和14个加法运算,等到七个时钟后,第一个子图像计算完毕,在将summean[7]和sumcorr[7]求均值计算出当前子图像的平均像素值像素平方的均值和像素值方差等到计算下一个子图像时,由于中间重合的部分,如图4中的右图所示,只需要将第一个子图像的最左边的排列组的中间结果丢弃,第二个子图像最后一个排列组的中间结果进行更新:
summean[7]={sum2,sum3,sum4,sum5,sum6,sum7,sum8} (8)
sumcorr[7]={sum22,sum33,sum44,sum55,sum66,sum77,sum88} (9)
由此,每两个相邻的子图像只需要更新一个排列组的数据即可,既避免了重复操作,又避免了在一个子图像中同时进行大量的加法和乘法运算,大大节省了硬件实现成本。
本申请实施例中提供了一种可能的实现方式,根据加权滤波尺度和子图像的像素值方差,确定子图像的第一滤波系数,包括:
S601,将加权滤波尺度与像素值方差的加和,作为自适应方差值。
S602,将像素值方差与自适应方差值的比值,作为子图像的第一滤波系数。
具体的,可以基于如下公式进行计算:
在本申请实施例中,为了简化硬件的计算成本,降低硬件实现的复杂度,在计算第一滤系数a时,可以将除法运算转化为查找表的方式进行计算,具体过程如下所示:
本申请实施例中提供了一种可能的实现方式,第一滤波系数是基于如下方式计算得到的:
根据预设的移位系数对自适应方差值进行移位,获得第一移位结果,并通过预设的查找表查找第一移位结果的倒数;
确定第一移位结果的倒数与像素方差值的乘积,根据预设的移位系数对乘积结果进行移位,获得第二移位结果,将第二移位结果作为第一滤波系数。
在本申请实施例中,由除法的运算法则可以知道,当分母不为0时,分子分母同时除以一个不为0的数,结果依然相等,对于硬件实现有:
其中,rshift是一个右移移位系数。
可以预先设定的查找表,表长可以为32或64,以表长为64为例进行具体说明:当x为100,为了将x限定在查找表表长范围内,可以通过将x右移一位(即除以2),将x>>rshift限定在表长范围内,然后基于x>>rshift查表,得到的值,由此可将除法转变为乘法计算,避免了硬件实现时采用除法器,节省了硬件实现成本。
本申请实施例中提供了一种可能的实现方式,根据各个子图像的图像类型对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像,包括:
S701,对于每个子图像,根据图像类型对应的第一滤波系数对子图像的平均像素值进行加权处理,确定子图像的第二滤波系数。
具体的,用于进行图像处理的服务器或终端,可以预先构建第一滤波系数、平均像素值与第二滤波系数的映射关系,并根据上述映射关系确定子图像的第二滤波系数。
S702,根据各个子图像的第一滤波系数和第二滤波系数,对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像。
具体的,可以根据第一滤波系数和第二滤波系数对待处理图像中各个像素点的像素值进行滤波处理,得到待处理图像的基层图像,然后基于基层图像确定细节层图像,具体的层分解过程将在下文详细说明。
本申请实施例中提供了一种可能的实现方式,根据图像类型对应的第一滤波系数对子图像的平均像素值进行加权处理,确定子图像的第二滤波系数,包括:
根据图像类型对应的第一滤波系数对子图像的平均像素值进行加权,获得加权后的平均像素值;将子图像的平均像素值以及加权后的平均像素值的差值,作为子图像的第二滤波系数。
具体的,可以根据如下公式计算各个子图像的第二滤波系数:
本申请实施例中提供了一种可能的实现方式,根据各个子图像的第一滤波系数和第二滤波系数,对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像,包括:
S801,根据第一滤波系数和第二滤波系数对子图像的中心像素点的像素值进行滤波,获得子图像的中心像素点的目标像素值;根据所有子图像的中心像素点的目标像素值,得到待处理图像的基层图像。
具体的,可以基于如下公式分别计算各个子图像中中心像素点的目标像素值:
B=a×I+b (13)
其中,I为子图像的中心像素点的像素值,a为子图像对应的第一滤波系数,b为子图像对应的第二滤波系数。B为子图像的中心像素点的目标像素值。
S802,根据基层图像与待处理图像得到细节层图像。
其中,细节层图像中的像素点的像素值为像素点在待处理图像和基层图像中的像素值的差值。
具体的,可以基于如下公式得到细节层图像各像素点的像素值:
D=I-B (14)
其中,I为待处理图像的像素点的像素值,B为基层图像各像素点的像素值,D为细节层图像中像素点的像素值。
上文以单一滤波尺度为例对图像的层分解进行了说明,本申请实施例的另一方面,可以结合多尺度进行待处理图像的层分解,下文将以两种滤波尺度为例进行具体说明。
本申请实施例中提供了一种可能的实现方式,当滤波尺度包括第一滤波尺度和第二滤波尺度时,第一滤波系数包括根据第一滤波尺度确定的第一目标滤波系数和根据第二滤波尺度确定的第二目标滤波系数;
基层图像包括第一基层图像和第二基层图像,细节层图像包括第一细节层图像和第二细节层图像;其中,第一基层图像和第一细节层图像是根据第一目标滤波系数确定的,第二基层图像和第二细节层图像是根据第二目标滤波系数确定的。
在本申请实施例中,可以采用第一滤波尺度ε1和第二滤波尺度ε2来实现多尺度的图像层分解。具体的,两个不同尺度下的子图像的平均像素值子图像的像素方差值无需重复计算,只需要在公式(3)中设定不同的滤波尺度即可得到相应的第一目标滤波系数a1、第一目标滤波系数a2;同时,可以根据公式(12)得到对应的两个第二滤波系数:b1、b2。
具体的图像层分解过程如下:
其中,B1为第一基层图像,B2为第二基层图像。
具体的,可以根据待处理图像和第一基层图像得到第一细节层图像,根据第一基层图像和第二基层图像得到第二细节层图像。第一细节层图像的像素点的像素值为该像素点在待处理图像与第一基层图像的像素值的差值,第二细节层图像的像素点的像素值为该像素点在第一基层图像与第二基层图像的像素值的差值。
D1=I-B1 (17)
D2=B1-B2 (18)
其中,D1为第一细节层图像,D2为第二细节层图像。
对基层图像和细节层图像的像素值进行加权求和,获得目标图像,包括:
S901,根据预设的细节增强权重分别对第一细节层图像和第二细节层图像进行加权。
S902,根据预设对比度弱化权重对第二基层图像进行加权;即对第二基层图像进行全局色调映射;
S903,将加权后的第二基层图像、加权后的第一细节层图像和加权后的第二细节层图像进行叠加,得到目标图像;其中,目标图像的像素点的像素值,为像素点在加权后的第二基层图像、加权后的第一细节层图像和加权后的第二细节层图像中的像素值的加和。
具体的实现公式如下:
T=k1×B2+k2×D2+k3×D1 (19)
其中,T为目标图像,k1为对比度弱化权重,k2和k3均为细节增强权重;k1∈(0,1),k2≥1,k3≥1。
在得到目标图像之后,还可以对目标图像进行线性拉伸,提升亮度通道的对比度,以优化图像的色调映射效果。
为了更好的理解上述图像处理方法,下面结合图5详细阐述一个本申请的图像处理方法的示例,该方法包括如下步骤:
S1001,确定待处理图像中的多个子图像。
其中,每个子图像的中心像素点唯一对应待处理图像中的一个像素点,子图像的个数与像素点的个数一致。
具体的,子图像的平均像素值和像素值方差可以如下方式获得:
(1)确定子图像中的所有排列组的像素点,排列组为行或者列;
(2)对于每一排列组的像素点,若确定预先存储的排列组的目标参数,则调用预先存储的排列组的目标参数,若确定未预先存储排列组的目标参数,则根据排列组中每个像素点的目标参数,计算并存储排列组的目标参数;其中,其中,目标参数为像素值的总和与像素值的平方和;
(3)根据所有排列组的目标参数,获得子图像的平均像素值或像素值方差。
S1002,对于每个子图像,将平均像素值与中心像素点的像素值的差值,作为子图像的像素变化偏差值。
S1003,根据子图像的像素变化偏差值,分别对预设的第一滤波尺度和第二滤波尺度进行加权,得到第一加权滤波尺度和第二加权滤波尺度。
S1004,根据第一加权滤波尺度和子图像的像素值方差,确定子图像的第一目标滤波系数;根据第二加权滤波尺度和子图像的像素值方差,确定子图像的第二目标滤波系数。
具体的,确定第一目标滤波系数的过程如下:
将第一加权滤波尺度与像素值方差的加和,作为自适应方差值;
将像素值方差与自适应方差值的比值,作为子图像的第一目标滤波系数。
在计算像素值方差与自适应方差值的比值时,可以基于查找表的方式替代除法运算,提升运算效率,具体过程如下:
根据预设的移位系数对自适应方差值进行移位,获得第一移位结果,并通过预设的查找表查找第一移位结果的倒数;确定第一移位结果的倒数与像素方差值的乘积,根据预设的移位系数对乘积结果进行移位,获得第二移位结果,将第二移位结果作为第一目标滤波系数。
计算第二目标滤波系数的过程与上述过程一致,在此不再赘述。
S1005,对于每个子图像,根据图像类型对应的第一目标滤波系数对子图像的平均像素值进行加权处理,确定子图像的第三目标滤波系数;根据图像类型对应的第二目标滤波系数对子图像的平均像素值进行加权处理,确定子图像的第四目标滤波系数。
S1006,根据各个子图像的第一目标滤波系数和第三目标滤波系数,对待处理图像进行层分解,获得待处理图像的第一基层图像和第一细节层图像。同时,根据各个子图像的第二目标滤波系数和第四目标滤波系数,对待处理图像进行层分解,获得待处理图像的第二基层图像和第二细节层图像。
S1007,根据预设的细节增强权重分别对第一细节层图像和第二细节层图像进行加权;根据预设对比度弱化权重对第二基层图像进行加权。
S1008,将加权后的第二基层图像、加权后的第一细节层图像和加权后的第二细节层图像进行叠加,得到目标图像;其中,目标图像的像素点的像素值,为像素点在加权后的第二基层图像、加权后的第一细节层图像和加权后的第二细节层图像中的像素值的加和。
本申请实施例获取待处理图像中的多个子图像,通过每个子图像的平均像素值与子图像的中心像素点的像素值的差值,确定每个子图像的图像类型,进而根据各个子图像的图像类型对待处理图像进行层分解,获取待处理图像的基层图像和细节层图像,接着对基层图像和细节层图像的像素值进行加权求和,以得到目标图像。由于每个子图像的中心像素点唯一对应待处理图像中的一个像素点,且子图像的个数与像素点的个数一致,本申请实施例可以根据每个子图像的平均像素值与中心像素点的像素值的差值,确定子图像的图像类型,可以有效区分待处理图像中的各像素点所处区域的类型。本申请实施例实现了根据图像类型的层分解处理,准确识别了待处理图像的基层图像与细节层图像,区别于现有技术中根据预设的正则化参数确定滤波系数以进行层分解,本申请在提升了层分解效果的同时,提高了色调映射处理后的图像,即目标图像显示的视觉质量,有效避免了图像边缘的halo效应。
本申请实施例提供了一种图像处理装置,如图6所示,该图像处理装置60可以包括:第一确定模块601、第二确定模块602、分解模块603和加权模块604;
其中,第一确定模块601,用于确定待处理图像中的多个子图像;其中,每个子图像的中心像素点唯一对应待处理图像中的一个像素点,子图像的个数与像素点的个数一致;
第二确定模块602,用于对于每个子图像,确定子图像的平均像素值,根据子图像的中心像素点的像素值与平均像素值的差值,确定子图像的图像类型;
分解模块603,用于根据各个子图像的图像类型对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像;
加权模块604,用于对基层图像和细节层图像的像素值进行加权求和,获得目标图像。
本申请实施例中提供了一种可能的实现方式,第二确定模块602确定子图像的图像类型时,用于:
对于每个子图像,将平均像素值与中心像素点的像素值的差值,作为子图像的像素变化偏差值;
根据像素变化偏差值,确定子图像的第一滤波系数;
根据第一滤波系数确定子图像的图像类型。
本申请实施例中提供了一种可能的实现方式,第二确定模块602根据像素变化偏差值,确定子图像的第一滤波系数时,用于:
获取预设的滤波尺度;
根据子图像的像素变化偏差值对滤波尺度进行加权,得到加权滤波尺度;
根据加权滤波尺度和子图像的像素值方差,确定子图像的第一滤波系数。
本申请实施例中提供了一种可能的实现方式,子图像的平均像素值和像素值方差是基于如下方式计算得到的:
确定子图像中的所有排列组的像素点,排列组为行或者列;
对于每一排列组的像素点,若确定预先存储的排列组的目标参数,则调用预先存储的排列组的目标参数,若确定未预先存储排列组的目标参数,则根据排列组中每个像素点的目标参数,计算并存储排列组的目标参数;
根据所有排列组的目标参数,获得子图像的平均像素值或像素值方差;其中,目标参数为像素值的总和与像素值的平方和。
本申请实施例中提供了一种可能的实现方式,第二确定模块602根据加权滤波尺度和子图像的像素值方差,确定子图像的第一滤波系数时,用于:
将加权滤波尺度与像素值方差的加和,作为自适应方差值;
将像素值方差与自适应方差值的比值,作为子图像的第一滤波系数。
本申请实施例中提供了一种可能的实现方式,第一滤波系数是基于如下方式计算得到的:
根据预设的移位系数对自适应方差值进行移位,获得第一移位结果,并通过预设的查找表查找第一移位结果的倒数;
确定第一移位结果的倒数与像素方差值的乘积,根据预设的移位系数对乘积结果进行移位,获得第二移位结果,将第二移位结果作为第一滤波系数。
本申请实施例中提供了一种可能的实现方式,分解模块603根据各个子图像的图像类型对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像时,用于:
对于每个子图像,根据图像类型对应的第一滤波系数对子图像的平均像素值进行加权处理,确定子图像的第二滤波系数;
根据各个子图像的第一滤波系数和第二滤波系数,对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像。
本申请实施例中提供了一种可能的实现方式,分解模块603根据图像类型对应的第一滤波系数对子图像的平均像素值进行加权处理,确定子图像的第二滤波系数时,用于:
根据图像类型对应的第一滤波系数对子图像的平均像素值进行加权,获得加权后的平均像素值;
将子图像的平均像素值以及加权后的平均像素值的差值,作为子图像的第二滤波系数。
本申请实施例中提供了一种可能的实现方式,分解模块603根据各个子图像的第一滤波系数和第二滤波系数,对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像时,用于:
根据第一滤波系数和第二滤波系数对子图像的中心像素点的像素值进行滤波,获得子图像的中心像素点的目标像素值;
根据所有子图像的中心像素点的目标像素值,得到待处理图像的基层图像;
根据基层图像与待处理图像得到细节层图像;其中,细节层图像中的像素点的像素值为像素点在待处理图像和基层图像中的像素值的差值。
本申请实施例中提供了一种可能的实现方式,当滤波尺度包括第一滤波尺度和第二滤波尺度时,第一滤波系数包括根据第一滤波尺度确定的第一目标滤波系数和根据第二滤波尺度确定的第二目标滤波系数;
基层图像包括第一基层图像和第二基层图像,细节层图像包括第一细节层图像和第二细节层图像;其中,第一基层图像和第一细节层图像是根据第一目标滤波系数确定的,第二基层图像和第二细节层图像是根据第二目标滤波系数确定的;
上述加权模块604对基层图像和细节层图像的像素值进行加权求和,获得目标图像时,用于:
根据预设的细节增强权重分别对第一细节层图像和第二细节层图像进行加权;
根据预设对比度弱化权重对第二基层图像进行加权;
将加权后的第二基层图像、加权后的第一细节层图像和加权后的第二细节层图像进行叠加,得到目标图像;其中,目标图像的像素点的像素值,为像素点在加权后的第二基层图像、加权后的第一细节层图像和加权后的第二细节层图像中的像素值的加和。
本申请实施例的装置可执行本申请实施例所提供的方法,其实现原理相类似,本申请各实施例的装置中的各模块所执行的动作是与本申请各实施例的方法中的步骤相对应的,对于装置的各模块的详细功能描述具体可以参见前文中所示的对应方法中的描述,此处不再赘述。
本申请实施例获取待处理图像中的多个子图像,通过每个子图像的平均像素值与子图像的中心像素点的像素值的差值,确定每个子图像的图像类型,进而根据各个子图像的图像类型对待处理图像进行层分解,获取待处理图像的基层图像和细节层图像,接着对基层图像和细节层图像的像素值进行加权求和,以得到目标图像。由于每个子图像的中心像素点唯一对应待处理图像中的一个像素点,且子图像的个数与像素点的个数一致,本申请实施例可以根据每个子图像的平均像素值与中心像素点的像素值的差值,确定子图像的图像类型,可以有效区分待处理图像中的各像素点所处区域的类型。本申请实施例实现了根据图像类型的层分解处理,准确识别了待处理图像的基层图像与细节层图像,区别于现有技术中根据预设的正则化参数确定滤波系数以进行层分解,本申请在提升了层分解效果的同时,提高了色调映射处理后的图像,即目标图像显示的视觉质量,有效避免了图像边缘的halo效应。
本申请实施例中提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,该处理器执行上述计算机程序以实现图像处理方法的步骤,与相关技术相比可实现:本申请实施例获取待处理图像中的多个子图像,通过每个子图像的平均像素值与子图像的中心像素点的像素值的差值,确定每个子图像的图像类型,进而根据各个子图像的图像类型对待处理图像进行层分解,获取待处理图像的基层图像和细节层图像,接着对基层图像和细节层图像的像素值进行加权求和,以得到目标图像。由于每个子图像的中心像素点唯一对应待处理图像中的一个像素点,且子图像的个数与像素点的个数一致,本申请实施例可以根据每个子图像的平均像素值与中心像素点的像素值的差值,确定子图像的图像类型,可以有效区分待处理图像中的各像素点所处区域的类型。本申请实施例实现了根据图像类型的层分解处理,准确识别了待处理图像的基层图像与细节层图像,区别于现有技术中根据预设的正则化参数确定滤波系数以进行层分解,本申请在提升了层分解效果的同时,提高了色调映射处理后的图像,即目标图像显示的视觉质量,有效避免了图像边缘的halo效应。
在一个可选实施例中提供了一种电子设备,如图7所示,图7所示的电子设备700包括:处理器701和存储器703。其中,处理器701和存储器703相连,如通过总线702相连。可选地,电子设备700还可以包括收发器704,收发器704可以用于该电子设备与其他电子设备之间的数据交互,如数据的发送和/或数据的接收等。需要说明的是,实际应用中收发器704不限于一个,该电子设备700的结构并不构成对本申请实施例的限定。
处理器701可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器701也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线702可包括一通路,在上述组件之间传送信息。总线702可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线702可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器703可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质,在此不做限定。
存储器703用于存储执行本申请实施例的计算机程序,并由处理器701来控制执行。处理器701用于执行存储器703中存储的计算机程序,以实现前述方法实施例所示的步骤。
其中,电子设备包括但不限于:诸如移动电话、笔记本电脑、PAD等等移动终端以及诸如数字TV、台式计算机等等固定终端。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
本申请实施例提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行时实现如下情况:
确定待处理图像中的多个子图像;其中,每个子图像的中心像素点唯一对应待处理图像中的一个像素点,子图像的个数与像素点的个数一致;
对于每个子图像,确定子图像的平均像素值,根据子图像的中心像素点的像素值与平均像素值的差值,确定子图像的图像类型;
根据各个子图像的图像类型对待处理图像进行层分解,获得待处理图像的基层图像和细节层图像;
对基层图像和细节层图像的像素值进行加权求和,获得目标图像。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”、“1”、“2”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除图示或文字描述以外的顺序实施。
应该理解的是,虽然本申请实施例的流程图中通过箭头指示各个操作步骤,但是这些步骤的实施顺序并不受限于箭头所指示的顺序。除非本文中有明确的说明,否则在本申请实施例的一些实施场景中,各流程图中的实施步骤可以按照需求以其他的顺序执行。此外,各流程图中的部分或全部步骤基于实际的实施场景,可以包括多个子步骤或者多个阶段。这些子步骤或者阶段中的部分或全部可以在同一时刻被执行,这些子步骤或者阶段中的每个子步骤或者阶段也可以分别在不同的时刻被执行。在执行时刻不同的场景下,这些子步骤或者阶段的执行顺序可以根据需求灵活配置,本申请实施例对此不限制。
以上所述仅是本申请部分实施场景的可选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请的方案技术构思的前提下,采用基于本申请技术思想的其他类似实施手段,同样属于本申请实施例的保护范畴。
Claims (13)
1.一种图像处理方法,其特征在于,包括:
确定待处理图像中的多个子图像;其中,每个子图像的中心像素点唯一对应所述待处理图像中的一个像素点,所述子图像的个数与所述像素点的个数一致;
对于每个子图像,确定所述子图像的平均像素值,根据所述子图像的中心像素点的像素值与所述平均像素值的差值,确定所述子图像的图像类型;
根据各个子图像的图像类型对所述待处理图像进行层分解,获得所述待处理图像的基层图像和细节层图像;
对所述基层图像和所述细节层图像的像素值进行加权求和,获得目标图像。
2.根据权利要求1所述的方法,其特征在于,所述确定所述子图像的图像类型,包括:
对于每个子图像,将所述平均像素值与中心像素点的像素值的差值,作为所述子图像的像素变化偏差值;
根据所述像素变化偏差值,确定所述子图像的第一滤波系数;
根据所述第一滤波系数确定所述子图像的图像类型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述像素变化偏差值,确定所述子图像的第一滤波系数,包括:
获取预设的滤波尺度;
根据所述子图像的像素变化偏差值对所述滤波尺度进行加权,得到加权滤波尺度;
根据所述加权滤波尺度和所述子图像的像素值方差,确定所述子图像的第一滤波系数。
4.根据权利要求3所述的方法,其特征在于,所述子图像的平均像素值和像素值方差是基于如下方式计算得到的:
确定所述子图像中的所有排列组的像素点,所述排列组为行或者列;
对于每一排列组的像素点,若确定预先存储的所述排列组的目标参数,则调用所述预先存储的所述排列组的目标参数,若确定未预先存储所述排列组的目标参数,则根据所述排列组中每个像素点的目标参数,计算并存储所述排列组的目标参数;
根据所有排列组的目标参数,获得所述子图像的平均像素值或像素值方差;其中,所述目标参数为像素值的总和与像素值的平方和。
5.根据权利要求3所述的方法,其特征在于,所述根据所述加权滤波尺度和所述子图像的像素值方差,确定所述子图像的第一滤波系数,包括:
将所述加权滤波尺度与所述像素值方差的加和,作为自适应方差值;
将所述像素值方差与所述自适应方差值的比值,作为所述子图像的第一滤波系数。
6.根据权利要求5所述的方法,其特征在于,所述第一滤波系数是基于如下方式计算得到的:
根据预设的移位系数对所述自适应方差值进行移位,获得第一移位结果,并通过预设的查找表查找所述第一移位结果的倒数;
确定所述第一移位结果的倒数与所述像素方差值的乘积,根据预设的移位系数对乘积结果进行移位,获得第二移位结果,将所述第二移位结果作为所述第一滤波系数。
7.根据权利要求3所述的方法,其特征在于,所述根据各个子图像的图像类型对所述待处理图像进行层分解,获得所述待处理图像的基层图像和细节层图像,包括:
对于每个子图像,根据所述图像类型对应的第一滤波系数对所述子图像的平均像素值进行加权处理,确定所述子图像的第二滤波系数;
根据各个子图像的第一滤波系数和所述第二滤波系数,对所述待处理图像进行层分解,获得所述待处理图像的基层图像和细节层图像。
8.根据权利要求7所述的方法,其特征在于,所述根据所述图像类型对应的第一滤波系数对所述子图像的平均像素值进行加权处理,确定所述子图像的第二滤波系数,包括:
根据所述图像类型对应的第一滤波系数对所述子图像的平均像素值进行加权,获得加权后的平均像素值;
将所述子图像的平均像素值以及加权后的平均像素值的差值,作为所述子图像的第二滤波系数。
9.根据权利要求7所述的方法,其特征在于,所述根据各个子图像的第一滤波系数和所述第二滤波系数,对所述待处理图像进行层分解,获得所述待处理图像的基层图像和细节层图像,包括:
根据所述第一滤波系数和所述第二滤波系数对所述子图像的中心像素点的像素值进行滤波,获得所述子图像的中心像素点的目标像素值;
根据所有子图像的中心像素点的目标像素值,得到所述待处理图像的基层图像;
根据所述基层图像与所述待处理图像得到所述细节层图像;其中,所述细节层图像中的像素点的像素值为所述像素点在所述待处理图像和所述基层图像中的像素值的差值。
10.根据权利要求7所述的方法,其特征在于,当所述滤波尺度包括第一滤波尺度和第二滤波尺度时,所述第一滤波系数包括根据所述第一滤波尺度确定的第一目标滤波系数和根据所述第二滤波尺度确定的第二目标滤波系数;
所述基层图像包括第一基层图像和第二基层图像,所述细节层图像包括第一细节层图像和第二细节层图像;其中,所述第一基层图像和所述第一细节层图像是根据所述第一目标滤波系数确定的,所述第二基层图像和所述第二细节层图像是根据所述第二目标滤波系数确定的;
所述对所述基层图像和所述细节层图像的像素值进行加权求和,获得目标图像,包括:
根据预设的细节增强权重分别对所述第一细节层图像和第二细节层图像进行加权;
根据预设对比度弱化权重对所述第二基层图像进行加权;
将加权后的第二基层图像、加权后的第一细节层图像和加权后的第二细节层图像进行叠加,得到目标图像;其中,所述目标图像的像素点的像素值,为所述像素点在所述加权后的第二基层图像、加权后的第一细节层图像和加权后的第二细节层图像中的像素值的加和。
11.一种图像处理装置,其特征在于,包括:
第一确定模块,用于确定待处理图像中的多个子图像;其中,每个子图像的中心像素点唯一对应所述待处理图像中的一个像素点,所述子图像的个数与所述像素点的个数一致;
第二确定模块,用于对于每个子图像,确定所述子图像的平均像素值,根据所述子图像的中心像素点的像素值与所述平均像素值的差值,确定所述子图像的图像类型;
分解模块,用于根据各个子图像的图像类型对所述待处理图像进行层分解,获得所述待处理图像的基层图像和细节层图像;
加权模块,用于对所述基层图像和所述细节层图像的像素值进行加权求和,获得目标图像。
12.一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1至10任一项所述方法的步骤。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至10任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210744777.3A CN115170413A (zh) | 2022-06-27 | 2022-06-27 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210744777.3A CN115170413A (zh) | 2022-06-27 | 2022-06-27 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115170413A true CN115170413A (zh) | 2022-10-11 |
Family
ID=83489382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210744777.3A Pending CN115170413A (zh) | 2022-06-27 | 2022-06-27 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115170413A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830181A (zh) * | 2023-01-04 | 2023-03-21 | 深圳市先地图像科技有限公司 | 一种用于激光成像的图像处理方法、装置及相关设备 |
-
2022
- 2022-06-27 CN CN202210744777.3A patent/CN115170413A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830181A (zh) * | 2023-01-04 | 2023-03-21 | 深圳市先地图像科技有限公司 | 一种用于激光成像的图像处理方法、装置及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112530347B (zh) | 补偿灰阶确定方法、装置及设备 | |
US11803947B2 (en) | Brightness and contrast enhancement for video | |
CN112419151B (zh) | 图像退化处理方法、装置、存储介质及电子设备 | |
US20110170801A1 (en) | Resizing of digital images | |
US8189944B1 (en) | Fast edge-preserving smoothing of images | |
JP6360965B2 (ja) | 画像の表示方法及びディスプレイシステム | |
KR20110065997A (ko) | 영상처리장치 및 영상처리방법 | |
CN114093293B (zh) | 亮度补偿参数确定方法、装置及设备 | |
CN115170413A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
US20200184606A1 (en) | Processing video frames via convolutional neural network using previous frame statistics | |
CN114723044B (zh) | 用于存内计算芯片的误差补偿方法、装置、芯片、设备 | |
CN112534466A (zh) | 定向缩放***和方法 | |
CN114514746B (zh) | 用于作为对视频编码的预处理的运动自适应滤波的***和方法 | |
CN111275615B (zh) | 基于双线性插值改进的视频图像缩放方法 | |
JP2008033592A (ja) | 画像処理装置および画像処理方法、並びにプログラム | |
CN110399802B (zh) | 处理面部图像眼睛亮度的方法、装置、介质和电子设备 | |
US8305500B2 (en) | Method of block-based motion estimation | |
CN115862534A (zh) | 颜色校正方法、装置、电子设备及存储介质 | |
CN115760658A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN114420066B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN112801997A (zh) | 图像增强质量评估方法、装置、电子设备及存储介质 | |
CN113194267B (zh) | 图像处理方法及装置、拍照方法及装置 | |
EP4379651A1 (en) | Image processing apparatus and method of operating the same | |
CN115938297A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
JP2008259242A (ja) | 画像処理装置、画像処理方法、記録媒体、およびプログラム |
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 |