CN115471413A - 图像处理方法及装置、计算机可读存储介质和电子设备 - Google Patents
图像处理方法及装置、计算机可读存储介质和电子设备 Download PDFInfo
- Publication number
- CN115471413A CN115471413A CN202211008834.8A CN202211008834A CN115471413A CN 115471413 A CN115471413 A CN 115471413A CN 202211008834 A CN202211008834 A CN 202211008834A CN 115471413 A CN115471413 A CN 115471413A
- Authority
- CN
- China
- Prior art keywords
- image
- image block
- histogram
- processed
- block
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 50
- 238000013507 mapping Methods 0.000 claims abstract description 124
- 238000012545 processing Methods 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims description 49
- 230000000903 blocking effect Effects 0.000 claims description 30
- 230000004927 fusion Effects 0.000 claims description 28
- 238000005070 sampling Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 19
- 230000000875 corresponding effect Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 241000023320 Luma <angiosperm> Species 0.000 description 5
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本公开提供了一种图像处理方法及装置、计算机可读存储介质和电子设备,涉及图像处理技术领域。该图像处理方法包括:获取待处理图像,将待处理图像划分为多个图像块,确定各图像块的灰度直方图和纹理直方图;根据各图像块的灰度直方图和纹理直方图确定各图像块的色调映射曲线;利用各图像块的色调映射曲线对待处理图像进行图像增强。本公开可以提升图像质量。
Description
技术领域
本公开涉及图像处理技术领域,具体而言,涉及一种图像处理方法及装置、计算机可读存储介质和电子设备。
背景技术
在图像处理技术领域中,图像对比度增强是一种重要的提升图像视觉效果的技术手段,可被应用于针对电子设备拍摄出的图像的后处理阶段或其他图像分析处理阶段。
目前,一些图像对比度增强算法能够在一定程度上提升图像的对比度,然而,实施这些算法后仍可能出现处理后图像质量差的问题。
发明内容
本公开提供一种图像处理方法及装置、计算机可读存储介质和电子设备,进而至少在一定程度上克服图像增强处理后图像质量差的问题。
根据本公开的第一方面,提供了一种图像处理方法,包括:获取待处理图像,将待处理图像划分为多个图像块,确定各图像块的灰度直方图和纹理直方图;根据各图像块的灰度直方图和纹理直方图确定各图像块的色调映射曲线;利用各图像块的色调映射曲线对待处理图像进行图像增强。
根据本公开的第二方面,提供了另一种图像处理方法,包括:对待处理图像进行下采样,以得到中间图像,并根据目标分块方式将中间图像划分为多个图像块,确定中间图像的各图像块的灰度直方图;提取待处理图像的纹理信息,以得到纹理图像,并根据目标分块方式将纹理图像划分为多个图像块,确定纹理图像的各图像块的灰度直方图;根据中间图像的各图像块的灰度直方图以及纹理图像的各图像块的灰度直方图,确定待处理图像的各图像块的色调映射曲线;其中,待处理图像的各图像块根据目标分块方式对待处理图像进行划分而得到;利用待处理图像的各图像块的色调映射曲线对待处理图像进行图像增强。
根据本公开的第三方面,提供了一种图像处理装置,包括:直方图确定模块,用于获取待处理图像,将待处理图像划分为多个图像块,确定各图像块的灰度直方图和纹理直方图;映射曲线确定模块,用于根据各图像块的灰度直方图和纹理直方图确定各图像块的色调映射曲线;图像增强模块,用于利用各图像块的色调映射曲线对待处理图像进行图像增强。
根据本公开的第四方面,提供了一种图像处理装置,包括:灰度直方图确定模块,用于对待处理图像进行下采样,以得到中间图像,并根据目标分块方式将中间图像划分为多个图像块,确定中间图像的各图像块的灰度直方图;纹理直方图确定模块,用于提取待处理图像的纹理信息,以得到纹理图像,并根据目标分块方式将纹理图像划分为多个图像块,确定纹理图像的各图像块的灰度直方图;映射曲线确定模块,用于根据中间图像的各图像块的灰度直方图以及纹理图像的各图像块的灰度直方图,确定待处理图像的各图像块的色调映射曲线;其中,待处理图像的各图像块根据目标分块方式对待处理图像进行划分而得到;图像增强模块,用于利用待处理图像的各图像块的色调映射曲线对待处理图像进行图像增强。
根据本公开的第五方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一种图像处理方法。
根据本公开的第六方面,提供了一种电子设备,包括处理器;存储器,用于存储一个或多个程序,当一个或多个程序被处理器执行时,使得所述处理器实现上述任一种图像处理方法。
在本公开的一些实施例所提供的技术方案中,结合待处理图像的纹理信息确定各图像块的色调映射曲线,进而根据各图像块的色调映射曲线对待处理图像进行图像增强。相对于待处理图像中的平坦区域,纹理区域对于直方图的贡献大,结合图像的纹理信息来确定色调映射曲线以实现图像增强,可以有效增强待处理图像中纹理区域的对比度,提升图像质量。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示出了应用一些图像增强技术可能出现的图像断层的示意图;
图2示出了本公开实施方式的图像处理阶段的示意图;
图3示意性示出了根据本公开示例性实施方式的图像处理方法的流程图;
图4示出了对图像进行分块的示意图;
图5示出了与图4对应的各图像块的灰度直方图的示意图;
图6示出了本公开实施例的确定纹理图像的示意图;
图7示出了本公开实施例的对待处理图像上一个像素点进行双线性插值的示意图;
图8示出了本公开实施例的调整图像处理强度的交互界面的示意图;
图9示意性示出了本公开一个实施例的图像处理方法的整个处理过程的流程图;
图10示意性示出了根据本公开另一示例性实施方式的图像处理方法的流程图;
图11示意性示出了本公开另一个实施例的图像处理方法的整个处理过程的流程图;
图12示意性示出了根据本公开示例性实施方式的图像处理装置的方框图;
图13示意性示出了根据本公开另一示例性实施方式的图像处理装置的方框图;
图14示意性示出了根据本公开的示例性实施方式的电子设备的方框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的步骤。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
在采用CLAHE(Contrast Limited Adaptive Histogram Equalization,限制对比度自适应直方图均衡化)来实现图像增强的方案中,虽然可以显著提升图像的对比度,然而,对于图像中平坦区域容易产生伪影。参考图1,利用CLAHE算法进行处理后,对比度过强,产生了明显的断层现象。
这种现象出现的原因是图像中像素点的像素值分布集中,采用CLAHE算法统计直方图时,由于像素值集中导致生成的色调映射(Tone Mapping,TM)曲线陡峭,使得最终生成的图像会产生过强的对比度,出现伪影、断层等现象。
在一些方案中,可以通过调节算法参数的方式来降低对比度,然而,无法完全避免这种问题。另外,如果一张图像中既有平坦区域又有较多纹理区域,则通过调节算法参数来降低对比度的方式会导致纹理区域的对比度降低,图像质量差。
鉴于此,本公开提供了一种新的图像处理方法,以增强图像纹理区域的对比度,进而提升图像的对比度主观质量。
本公开实施方式的图像处理方案可以由电子设备实现,也就是说,电子设备可以执行下述图像处理方法的各个步骤,下述图像处理装置可以配置在该电子设备内。例如可以通过电子设备中配备的图像信号处理器来实现本公开的图像处理方案。另外,本公开对电子设备的类型不做限制,可以包括但不限于智能手机、平板电脑、智能可穿戴设备、个人计算机、服务器等。
图2示出了本公开实施方式的图像处理方案在应用时所处阶段的示意图。参考图2,本公开实施方式的输入图像为待处理图像,也就是待进行图像增强的原始图像。输入图像可以是电子设备配备的摄像模组拍摄得到的图像,也可以是电子设备从外部(即其他设备)获取到的图像,还可以是电子设备响应用户的绘制操作生成的图像或电子设备响应其他触发事件自行绘制生成的图像,等等。本公开对输入图像的图像来源、图像内容、图像尺寸等均不做限制。
可以采用本公开的图像处理过程对输入图像进行处理,以得到与输入图像对应的增强后的图像。随后,电子设备可以对增强后的图像进行存储、展示或者后续处理,其中,后续处理例如包括去噪、对象识别、对象跟踪、美颜等,本公开对增强后的图像的后续应用不做限制。
另外,在采用本公开的图像处理过程对输入图像进行处理之前,还可以对输入图像进行预处理。本公开对预处理的类型也不做限制,例如包括去噪、亮度增强等。
鉴于本公开的一些实施例关注的是纹理信息的增强,因此,在采用本公开的图像处理过程对输入图像进行处理之前,还可以对输入图像进行判断,以确定是否对该输入图像执行本公开的图像处理过程。
例如,确定输入图像或输入图像的某一图像区域或输入图像的指定图像区域的纹理复杂度,在纹理复杂度大于或等于一复杂度阈值的情况下,执行本公开图像处理的过程。在纹理复杂度小于该复杂度阈值的情况下,跳过本公开图像处理的过程。
又例如,确定输入图像的灰度直方图,如果灰度值分布均匀,则跳过本公开图像处理的过程;如果灰度值分布集中,则执行本公开图像处理的过程。
通过上述图像过滤方式,避免所有图像均进行处理而导致电子设备资源过度消耗的问题。
下面将结合附图对本公开示例性实施方式的图像处理方法进行说明。
图3示意性示出了本公开的示例性实施方式的图像处理的流程图。
参考图3,该图像处理方法可以包括以下步骤:
S32.获取待处理图像,将待处理图像划分为多个图像块,确定各图像块的灰度直方图和纹理直方图。
在本公开的示例性实施方式中,待处理图像可以是电子设备配备的摄像模组拍摄得到的图像,也可以是电子设备从外部获取到的图像,还可以是电子设备响应用户的绘制操作生成的图像或电子设备响应其他触发事件自行绘制生成的图像,等等。本公开对待处理图像的图像来源、图像内容、图像尺寸等均不做限制。
另外,待处理图像还可以是原始图像中的一个图像区域,例如,用户感兴趣的区域或由电子设备自行判断的包含指定对象(如人脸)的图像区域。在这种情况下,可以对原始图像进行前景分割,以获取待处理图像。
电子设备可以将待处理图像划分为多个图像块。例如划分为尺寸相同的多个正方形块或矩形块,还可以将待处理图像划分为不规则形状的图像块,本公开对此不做限制。
参考图4,可以将待处理图像划分为6×8个尺寸相同的图像块。
针对每一个图像块,电子设备可以确定图像块的灰度直方图和纹理直方图。
在确定图像块的灰度直方图的过程中,可以将图像的灰度级等间隔地分为BIN_NUM个等级。例如,对于像素灰度值为0-255的图像,若将BIN_NUM设置为64,则每个灰度级的步长step=256/BIN_NUM,即step=4。也就是说,灰度值0-3被统计在Histluma[0],4-7被统计在Histluma[1],...,252-255被统计在Histluma[BINNUM-1]。
根据本公开的一些实施例,可以将针对图像块直接统计出的直方图作为该图像块的灰度直方图。
根据本公开的另一些实施例,还可以对直接统计出的直方图进行优化处理,将优化处理后的直方图确定为该图像块的灰度直方图。
首先,电子设备可以对图像块进行像素灰度统计,以得到该图像块的原始灰度直方图。
接下来,电子设备可以对原始灰度直方图进行阈值约束以及/或者平滑处理,以确定出图像块的灰度直方图。
针对阈值约束,可以预先配置上限阈值和下限阈值,使得灰度直方图表征的统计数据被约束在上限阈值与下限阈值之间。
针对平滑处理,可以使直方图过度更合理,避免图像本身异常或处理异常导致图像劣化。例如,对于直方图中相邻的灰度等级a、b、c,a和c的统计数值较大,b的统计数值很小,这样就导致直方图曲线不平滑,此时,可以对a、b和c的数值差异进行平滑处理。
图5为与图4对应的利用上述直方图统计方式得到的各图像块的灰度直方图。
在确定图像块的纹理直方图的过程中,首先,电子设备可以提取待处理图像的纹理信息,以得到纹理图像。
具体的,可以分别计算待处理图像在水平方向上的梯度值和在垂直方向上的梯度值,具体可参考公式1和公式2:
Gx=dx*M (公式1)
Gy=dy*M (公式2)
其中,M为待处理图像,Gx、Gy分别为待处理图像M的水平方向上的梯度值和竖直方向上的梯度值。dx、dy分别为计算梯度所用的水平方向和竖直方向的Sobel卷积因子,可采用例如公式3和公式4的形式:
图像的梯度值与纹理正相关,在确定出待处理图像的水平方向上的梯度值和竖直方向上的梯度值的情况下,可以确定出待处理图像的纹理图像。纹理图像G可采用公式5计算出:
另外,为了提高计算效率,还可以采用不开平方的公式6近似得到纹理图像G:
G=|Gx|+|Gy| (公式6)
应当理解的是,上述采用Sobel卷积因子确定纹理图像的方式仅是示例性说明,本公开不限于此,还可以例如采用深度学习的方案来确定待处理图像对应的纹理图像。
在确定出与待处理图像对应的纹理图像之后,可以按与划分待处理图像相同的图像块划分方式将纹理图像划分为多个纹理图像块。
图6示出了一种基于待处理图像确定纹理图像并划分多个纹理图像块的示意图。
接下来,可以确定纹理图像块的灰度直方图,作为待处理图像上对应的图像块的纹理直方图。
应当注意的是,纹理图像中仅包括纹理像素点,因此,确定纹理图像块的灰度直方图时,仅对纹理像素点的灰度值进行统计,此处灰度值统计的方式与上述直接统计灰度值的方式类似,不再赘述。
上述确定纹理图像的过程针对的是整张待处理图像,在本公开的另一些实施例中,还可以针对待处理图像的每个图像块,确定各图像块对应的纹理图像,处理方法类似,不再赘述。
此外,针对每个图像块,还可以确定纹理像素点的数量与该图像块所有像素点的数量的比值,作为与纹理相关的权重,以便后续处理过程使用。如果将图像块所有像素点的数量记为Numtotal,将图像块中纹理像素点的数量记为Numtexture,则该与纹理相关的权重tr可以通过公式7计算出:
S34.根据各图像块的灰度直方图和纹理直方图确定各图像块的色调映射曲线。
针对每一个图像块,首先,电子设备可以将图像块的灰度直方图与纹理直方图进行融合,以确定该图像块的融合直方图。
如果将图像块的灰度直方图记为Histluma,将该图像块的纹理直方图记为Histtexture,则该图像块的融合直方图Histfinal可以表示为公式8:
Histfinal[i]=w*Histtexture[i]+(1-w)*Histluma[i] (公式8)
其中,i=0,1...,BIN_NUM,w为控制参数,由人为设定,以便使本公开方案能够适用于各种图像场景,并在一定程度上可以实现方案的回滚。
接下来,电子设备可以对图像块的融合直方图进行直方图均衡化处理,以生成该图像块的色调映射曲线。
具体的,可以利用融合直方图Histfinal计算累计分布函数,参考公
式9和公式10:
其中,Max为待处理图像中像素灰度值的最大值;snum为生成色调映射曲线所用采样点的数量,例如,snum=BIN_NUM+1;tmf为生成的色调映射曲线;HistSum可以参考公式11计算出:
S36.利用各图像块的色调映射曲线对待处理图像进行图像增强。
需要理解的是,本公开实施例的图像增强过程针对的是待处理图像上的每一个像素点。也就是说,虽然下面以一个像素点为例对处理过程进行说明,然而,待处理图像上每一个像素点均可以执行下述图像增强的处理过程。
首先,确定像素点的原始灰度值以及该像素点在所述图像块中的位置。
在本公开的一些实施例中,以图像块为正方形图像块为例,将图像块的边长映射为1,由此,图像块中任意像素点的位置可以被表示出,并且在确定出像素点在所属图像块中的位置之后,还可以确定该像素点相对于其他图像块的位置。
另外,可以确定与该像素点关联的图像块集合,并获取图像块集合中图像块的目标映射曲线。
图像块集合可以是与像素点位置关联的图像块的集合,图像块集合可以包括一个或多个图像块,例如,可以仅包括该像素点所属的图像块,也可以包括与该像素点邻近的多个图像块。
图像块的目标映射曲线可以基于上述步骤S34确定出的图像块的色调映射曲线确定出。
在本公开的一个实施例中,可以直接将图像块的色调映射曲线确定为图像块的目标映射曲线,应用于本步骤的图像增强过程。
在本公开的另一个实施例中,可以将该图像块的色调映射曲线与线性曲线融合,将融合后的曲线作为该图像块的目标映射曲线。
具体的,可以利用与该图像块对应的纹理信息,确定图像块的色调映射曲线与线性曲线融合时采用的融合权重,并利用该融合权重将该图像块的色调映射曲线与线性曲线融合,以得到该图像块的目标映射曲线。针对融合权重,可以基于步骤S32确定出的与纹理相关的权重tr得到。
如步骤S34中的说明,本公开实施例中可以使用采样的方式得到色调映射曲线,例如可以利用snum个采样点。本公开实施例中的线性曲线可以配置为分段函数的形式,并根据色调映射曲线的采样点数量snum以及直方图的灰度级的步长step构建出。
例如,线性曲线可以利用公式12定义出:
其中,step为灰度级的步长。
在这种情况下,目标映射曲线tmffinal可以利用公式13确定出:
tmffinal[i]=g(tr)*tmf[i]+(1-g(tr))*f(i) (公式13)
其中,i=0,1,2…,Snum-1,g(tr)是自变量为tr的变换函数,范围为0-1。具体的,tr越大,g(tr)越大,呈正相关关系。
另外,g(tr)还可以被定义成分段线性映射函数,该分段线性映射函数可参考公式14的形式:
其中,Thr1、Thr0、V1、V0均为人为设定参数。
结合融合权重将色调映射曲线与线性曲线融合,可以根据不同场景自适应地实现不同的图像效果表现。
在确定出像素点的原始灰度值、像素点在所属图像块中的位置以及图像块集合中各图像块的目标映射曲线之后,可以根据这些数据确定该像素点处理后的灰度值。
下面结合图7对像素点O进行处理的过程进行示例性说明。
对于像素点O,确定关联的图像块集合为图像块A、图像块B、图像块C和所属图像块D。每个图像块均对应有目标映射曲线,这可能会导致块效应的出现,因此可以采用双线性插值的方式来消除块效应。
将像素点O的原始灰度值记为r0,图像块A、图像块B、图像块C和图像块D的目标映射曲线分别记为gA、gB、gC、gD,则像素点O处理后的灰度值,即双线性插值的计算结果可以表示为公式15:
so=(1-x)*(1-y)*gA(r0)+x*(1-y)*gB(r0)+(1-x)*y*gC(r0)+x*y*gD(r0) (公式15)
上述图像增强的方式以像素点的位置相关的信息作为权重。在本公开的另一些实施例中,还可以融合位置信息和亮度相似性来综合构建出权重。
具体的,可以将与位置相关的权重表示为公式16至公式19:
wDA=(1-x)*(1-y) (公式16)
wDB=x*(1-y) (公式17)
wDC=(1--x)*y (公式18)
wDD=x*y (公式19)
将像素点O灰度值分别与图像块A、图像块B、图像块C、图像块D的灰度均值的差异分别记为SA、SB、SC、SD,参见公式20至公式23:
SA=|ro-Vmean(A)| (公式20)
SB=|ro-Vmean(B)| (公式21)
SC=|ro-Vmean(C)| (公式22)
SD=|ro-Vmean(D)| (公式23)
其中,Vmean(A)、Vmean(B)、Vmean(C)、Vmean(D)分别表示图像块A、图像块B、图像块C和图像块D的灰度值的均值。
基于上述差异,分别确定出与亮度相似性相关的权重wSA、wSB、wSC、wSD,参见公式24至公式27:
由此,可以结合基于位置的权重和基于亮度相似性的权重来确定像素点的新的灰度值,对应的插值公式可以表示为公式28:
上述对比度增强的方案中涉及一些人为可调的参数,根据本公开的另一些实施例,可以将这些参数进行整合,以形成统一的调节方式,并呈现在电子设备的界面上,以便用户可以根据不同场景进行调节,满足用户个性化的需求。
参考图8,在电子设备的人机交互界面上,显示对比度增强的强度的调节选项,以供用户选择对比度增强的强度。
下面参考图9对采用上述图像处理方法的一个实施例的处理过程进行说明。
在步骤S902中,电子设备获取待处理图像,并将待处理图像划分为多个图像块。
在步骤S904中,电子设备确定各图像块的灰度直方图。
在步骤S906中,电子设备对待处理图像进行纹理检测,得到纹理图像并确定各图像块的纹理直方图。其中,对执行步骤S904和步骤S906的先后顺序不做限制。
在步骤S908中,电子设备将灰度直方图与纹理直方图融合,以确定融合直方图。
在步骤S910中,电子设备根据融合直方图并利用直方图均衡化算法生成色调映射曲线。
在步骤S912中,电子设备利用步骤S906基于纹理检测的结果而确定出的融合权重,将色调映射曲线与线性曲线融合,以得到目标映射曲线。
在步骤S914中,电子设备利用各图像块的目标映射曲线对待处理图像中各像素点的灰度值进行插值映射。
在步骤S916中,电子设备获取处理后的图像并输出。其中,可以对处理后的图像进行存储、展示或者后续处理等操作。
进一步的,为了降低资源开销并提高直方图统计效率,本公开还提供了另一种图像处理方法。相比于步骤S32至步骤S36的图像处理方法,该另一种图像处理方法对待处理图像进行了下采样,并利用下采样的结果来确定图像块的灰度直方图。关于下述描述,相同的术语指代相同的含义,对于与步骤S32至步骤S36描述一致的内容,不再赘述。
图10示意性示出了本公开的示例性实施方式的该另一种图像处理方法的流程图。参考图10,该另一种图像处理方法可以包括以下步骤:
S102.对待处理图像进行下采样,以得到中间图像,并根据目标分块方式将中间图像划分为多个图像块,确定中间图像的各图像块的灰度直方图。
在本公开的示例性实施方式中,电子设备可以对待处理图像进行下采样,将下采样后得到的图像记为中间图像。应当理解的是,中间图像的尺寸与待处理图像的尺寸相同。
根据本公开的一个实施例,电子设备可以对待处理图像进行隔行采样,以得到中间图像。另外,中间图像内非来自待处理图像的行的像素点的灰度值可以例如置为0,以降低后续计算量。
根据本公开另一个实施例,电子设备可以对待处理图像进行池化采样,以得到中间图像。其中,本公开对池化采样的算法类型不做限制,例如最大池化、平均池化、随机池化等。类似地,除池化操作得到的像素点之外,中间图像内其他像素点的灰度值均可以例如置为0,以降低后续计算量。
在得到中间图像之后,电子设备可以根据目标分块方式将中间图像划分为多个图像块,并确定各图像块的灰度直方图。其中,目标分块方式为预先设定的图像分割方式,例如,将图像划分为为6×8个尺寸相同的图像块,将图像划分为64×64个尺寸相同的图像块,等等。
另外,目标分块方式可以是人为定义的图像分割规则,也可以是电子设备根据图像的属性(如尺寸、拍摄场景等)自行确定出的图像分割规则。可以理解的是,在获取待处理图像之后,电子设备可以基于用户的输入或图像分析确定出目标分块方式。本公开对目标分块方式所包含的具体内容不做限制。
S104.提取待处理图像的纹理信息,以得到纹理图像,并根据目标分块方式将纹理图像划分为多个图像块,确定纹理图像的各图像块的灰度直方图。
在确定出纹理图像之后,电子设备可以按目标分块方式将纹理图像划分为多个图像块,即得到多个纹理图像块,并统计各纹理图像块的灰度直方图。
S106.根据中间图像的各图像块的灰度直方图以及纹理图像的各图像块的灰度直方图,确定待处理图像的各图像块的色调映射曲线;其中,待处理图像的各图像块根据目标分块方式对待处理图像进行划分而得到。
以目标图像块为例进行说明,目标图像块可以是图像中的任一图像块。鉴于采用的均是目标分块方式且待处理图像、中间图像和纹理图像的图像尺寸相同,中间图像的目标图像块、纹理图像的目标图像块与待处理图像的目标图像块可以是分块位置相同的图像块,如针对整张图像,目标图像块的中心点坐标均为(p,q)。
可以将中间图像的目标图像块的灰度直方图与纹理图像的目标图像块的灰度直方图进行融合,将融合的结果确定为待处理图像的目标图像块的融合直方图。
接下来,可以对待处理图像的目标图像块的融合直方图进行直方图均衡化处理,以生成待处理图像的目标图像块的色调映射曲线。
具体处理过程在步骤S34中已说明,此处不再赘述。
可以理解的是,针对待处理图像上每一个图像块,均可以执行上述目标图像块的处理过程,由此,可以确定出待处理图像上每一个图像块的色调映射曲线。
S108.利用待处理图像的各图像块的色调映射曲线对待处理图像进行图像增强。
步骤S108与上述步骤S36的处理过程相同,在此不再赘述。
下面参考图11对采用上述图像处理方法的一个实施例的处理过程进行说明。
在步骤S1102中,电子设备获取待处理图像。
在步骤S1104中,电子设备对待处理图像进行下采样以得到中间图像。
在步骤S1106中,电子设备将中间图像划分为多个图像块,确定各图像块的灰度直方图。
在步骤S1108中,电子设备对待处理图像进行纹理检测,得到纹理图像。
在步骤S1110中,电子设备采用相同的图像分割方式将纹理图像划分为多个图像块,确定各图像块的灰度直方图。
在步骤S1112中,电子设备将步骤S1106和步骤S1110中确定出的灰度直方图融合,以确定图像块的融合直方图。
在步骤S1114中,电子设备根据融合直方图并利用直方图均衡化算法生成色调映射曲线。
在步骤S1116中,电子设备利用步骤S1108基于纹理检测的结果而确定出的融合权重,将色调映射曲线与线性曲线融合,以得到目标映射曲线。
在步骤S1118中,电子设备利用各图像块的目标映射曲线对待处理图像中各像素点的灰度值进行插值映射。
在步骤S1120中,电子设备获取处理后的图像并输出。其中,可以对处理后的图像进行存储、展示或者后续处理等操作。
此外,对于输入图像为RGB格式、YUV格式或拜耳输入格式的图像,可以将输入图像转换为灰度图像,以执行本公开上述图像处理过程。并且,本公开的图像处理方法可以针对8bit、10bit、12bit等像素位深的图像,具有普适性。
通过上述处理过程,可以理解的是,应用本公开实施方式的图像处理方法,除可以调整图像的局部对比度之外,还可以调整局部动态,本公开对这些应用场景不做限制。
应当注意,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
进一步的,本示例实施方式中还提供了一种图像处理装置。
图12示意性示出了本公开的示例性实施方式的图像处理装置的方框图。参考图12,根据本公开的示例性实施方式的图像处理装置12可以包括直方图确定模块121、映射曲线确定模块123和图像增强模块125。
具体的,直方图确定模块121可以用于获取待处理图像,将待处理图像划分为多个图像块,确定各图像块的灰度直方图和纹理直方图;映射曲线确定模块123可以用于根据各图像块的灰度直方图和纹理直方图确定各图像块的色调映射曲线;图像增强模块125可以用于利用各图像块的色调映射曲线对待处理图像进行图像增强。
根据本公开的示例性实施例,直方图确定模块121确定各图像块的纹理直方图的过程可以被配置为执行:提取待处理图像的纹理信息,以得到纹理图像;按与划分待处理图像相同的图像块划分方式将纹理图像划分为多个纹理图像块;确定纹理图像块的灰度直方图,作为待处理图像上对应的图像块的纹理直方图。
根据本公开的示例性实施例,映射曲线确定模块123可以被配置为执行:将图像块的灰度直方图与纹理直方图进行融合,以确定图像块的融合直方图;对图像块的融合直方图进行直方图均衡化处理,以生成图像块的色调映射曲线。
根据本公开的示例性实施例,图像增强模块125可以被配置为执行:针对待处理图像中的每一个像素点,确定像素点的原始灰度值以及像素点在所属图像块中的位置;确定与像素点关联的图像块集合,并获取图像块集合中图像块的目标映射曲线,其中,图像块的目标映射曲线基于图像块的色调映射曲线确定出;根据像素点的原始灰度值、像素点在所属图像块中的位置以及图像块集合中图像块的目标映射曲线,确定像素点处理后的灰度值。
根据本公开的示例性实施例,图像增强模块125还可以被配置为执行:将图像块的色调映射曲线与线性曲线融合,以得到图像块的目标映射曲线。
根据本公开的示例性实施例,图像增强模块125还可以被配置为执行:利用与图像块对应的纹理信息,确定图像块的色调映射曲线与线性曲线融合时采用的融合权重;利用融合权重将图像块的色调映射曲线与线性曲线融合,以得到图像块的目标映射曲线。
根据本公开的示例性实施例,图像增强模块125确定融合权重的过程可以被配置为执行:确定图像块中纹理像素点的数量与图像块所有像素点的数量的比值;根据比值确定融合权重。
根据本公开的示例性实施例,直方图确定模块121确定各图像块的灰度直方图的过程可以被配置为执行:对图像块进行像素灰度统计,以得到图像块的原始灰度直方图;对原始灰度直方图进行阈值约束以及/或者平滑处理,以确定出图像块的灰度直方图。
进一步的,本示例实施方式中还提供了另一种图像处理装置。
图13示意性示出了本公开另一示例性实施方式的图像处理装置的方框图。参考图13,根据本公开的示例性实施方式的图像处理装置13可以包括灰度直方图确定模块131、纹理直方图确定模块133、映射曲线确定模块135和图像增强模块137。
具体的,灰度直方图确定模块131可以用于对待处理图像进行下采样,以得到中间图像,并根据目标分块方式将中间图像划分为多个图像块,确定中间图像的各图像块的灰度直方图;纹理直方图确定模块133可以用于提取待处理图像的纹理信息,以得到纹理图像,并根据目标分块方式将纹理图像划分为多个图像块,确定纹理图像的各图像块的灰度直方图;映射曲线确定模块135可以用于根据中间图像的各图像块的灰度直方图以及纹理图像的各图像块的灰度直方图,确定待处理图像的各图像块的色调映射曲线;其中,待处理图像的各图像块根据目标分块方式对待处理图像进行划分而得到;图像增强模块137可以用于利用待处理图像的各图像块的色调映射曲线对待处理图像进行图像增强。
根据本公开的示例性实施例,映射曲线确定模块135可以被配置为执行:将中间图像的目标图像块的灰度直方图与纹理图像的目标图像块的灰度直方图进行融合,以确定待处理图像的目标图像块的融合直方图;其中,中间图像的目标图像块、纹理图像的目标图像块与待处理图像的目标图像块为分块位置相同的图像块;对待处理图像的目标图像块的融合直方图进行直方图均衡化处理,以生成待处理图像的目标图像块的色调映射曲线。目标图像块可以是图像中的任一个图像块。
根据本公开的示例性实施例,图像增强模块137可以被配置为执行:针对待处理图像中的每一个像素点,确定像素点的原始灰度值以及像素点在所属图像块中的位置;确定与像素点关联的图像块集合,并获取图像块集合中图像块的目标映射曲线,其中,图像块的目标映射曲线基于图像块的色调映射曲线确定出;根据像素点的原始灰度值、像素点在所属图像块中的位置以及图像块集合中图像块的目标映射曲线,确定像素点处理后的灰度值。
根据本公开的示例性实施例,图像增强模块137还可以被配置为执行:针对待处理图像上的图像块,将图像块的色调映射曲线与线性曲线融合,以得到图像块的目标映射曲线。
根据本公开的示例性实施例,图像增强模块137还可以被配置为执行:利用与图像块对应的纹理信息,确定图像块的色调映射曲线与线性曲线融合时采用的融合权重;利用融合权重将图像块的色调映射曲线与线性曲线融合,以得到图像块的目标映射曲线。
根据本公开的示例性实施例,图像增强模块137确定融合权重的过程可以被配置为执行:确定图像块中纹理像素点的数量与图像块所有像素点的数量的比值;根据比值确定融合权重。
根据本公开的示例性实施例,直方图确定模块131可以被配置为执行:对中间图像的图像块进行像素灰度统计,以得到中间图像的图像块的原始灰度直方图;对原始灰度直方图进行阈值约束以及/或者平滑处理,以确定出中间图像的图像块的灰度直方图。
由于本公开实施方式的图像处理装置的各个功能模块与上述方法实施方式中相同,因此在此不再赘述。
图14示出了适于用来实现本公开示例性实施方式的电子设备的示意图。需要说明的是,图14示出的电子设备仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
本公开的电子设备至少包括处理器和存储器,存储器用于存储一个或多个程序,当一个或多个程序被处理器执行时,使得处理器可以实现本公开示例性实施方式的图像处理方法。
具体的,如图14所示,电子设备140可以包括:处理器1410、内部存储器1421、外部存储器接口1422、通用串行总线(Universal Serial Bus,USB)接口1430、充电管理模块1440、电源管理模块1441、电池1442、天线1、天线2、移动通信模块1450、无线通信模块1460、音频模块1470、传感器模块1480、显示屏1490、摄像模组1491、指示器1492、马达1493、按键1494以及用户标识模块(Subscriber Identification Module,SIM)卡接口1495等。其中传感器模块1480可以包括深度传感器、压力传感器、陀螺仪传感器、气压传感器、磁传感器、加速度传感器、距离传感器、接近光传感器、指纹传感器、温度传感器、触摸传感器、环境光传感器及骨传导传感器等。
可以理解的是,本公开实施例示意的结构并不构成对电子设备140的具体限定。在本公开另一些实施例中,电子设备140可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件、软件或软件和硬件的组合实现。
处理器1410可以包括一个或多个处理单元,例如:处理器1410可以包括应用处理器(Application Processor,AP)、调制解调处理器、图形处理器(Graphics ProcessingUnit,GPU)、图像信号处理器(Image Signal Processor,ISP)、控制器、视频编解码器、数字信号处理器(Digital Signal Processor,DSP)、基带处理器和/或神经网络处理器(Neural-network Processing Unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。另外,处理器1410中还可以设置存储器,用于存储指令和数据。
电子设备140可以通过ISP、摄像模组1491、视频编解码器、GPU、显示屏1490及应用处理器等实现拍摄功能。在一些实施例中,电子设备140可以包括1个或N个摄像模组1491,N为大于1的正整数,若电子设备140包括N个摄像头,N个摄像头中有一个是主摄像头。
内部存储器1421可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。内部存储器1421可以包括存储程序区和存储数据区。外部存储器接口1422可以用于连接外部存储卡,例如Micro SD卡,实现扩展电子设备140的存储能力。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读存储介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如本公开实施例中所述的方法。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
此外,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的内容后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (19)
1.一种图像处理方法,其特征在于,包括:
获取待处理图像,将所述待处理图像划分为多个图像块,确定各所述图像块的灰度直方图和纹理直方图;
根据各所述图像块的灰度直方图和纹理直方图确定各所述图像块的色调映射曲线;
利用各所述图像块的色调映射曲线对所述待处理图像进行图像增强。
2.根据权利要求1所述的图像处理方法,其特征在于,确定各所述图像块的纹理直方图包括:
提取所述待处理图像的纹理信息,以得到纹理图像;
按与划分所述待处理图像相同的图像块划分方式将所述纹理图像划分为多个纹理图像块;
确定所述纹理图像块的灰度直方图,作为所述待处理图像上对应的图像块的纹理直方图。
3.根据权利要求1所述的图像处理方法,其特征在于,根据各所述图像块的灰度直方图和纹理直方图确定各所述图像块的色调映射曲线包括:
将图像块的灰度直方图与纹理直方图进行融合,以确定所述图像块的融合直方图;
对所述图像块的融合直方图进行直方图均衡化处理,以生成所述图像块的色调映射曲线。
4.根据权利要求1所述的图像处理方法,其特征在于,利用各所述图像块的色调映射曲线对所述待处理图像进行图像增强包括:
针对所述待处理图像中的每一个像素点,确定所述像素点的原始灰度值以及所述像素点在所属图像块中的位置;
确定与所述像素点关联的图像块集合,并获取所述图像块集合中图像块的目标映射曲线,其中,图像块的目标映射曲线基于所述图像块的色调映射曲线确定出;
根据所述像素点的原始灰度值、所述像素点在所属图像块中的位置以及所述图像块集合中图像块的目标映射曲线,确定所述像素点处理后的灰度值。
5.根据权利要求4所述的图像处理方法,其特征在于,所述图像处理方法还包括:
将所述图像块的色调映射曲线与线性曲线融合,以得到所述图像块的目标映射曲线。
6.根据权利要求5所述的图像处理方法,其特征在于,将所述图像块的色调映射曲线与线性曲线融合,以得到所述图像块的目标映射曲线,包括:
利用与所述图像块对应的纹理信息,确定所述图像块的色调映射曲线与所述线性曲线融合时采用的融合权重;
利用所述融合权重将所述图像块的色调映射曲线与线性曲线融合,以得到所述图像块的目标映射曲线。
7.根据权利要求6所述的图像处理方法,其特征在于,利用与所述图像块对应的纹理信息,确定所述图像块的色调映射曲线与所述线性曲线融合时采用的融合权重,包括:
确定所述图像块中纹理像素点的数量与所述图像块所有像素点的数量的比值;
根据所述比值确定所述融合权重。
8.根据权利要求1所述的图像处理方法,其特征在于,确定各所述图像块的灰度直方图包括:
对所述图像块进行像素灰度统计,以得到所述图像块的原始灰度直方图;
对所述原始灰度直方图进行阈值约束以及/或者平滑处理,以确定出所述图像块的灰度直方图。
9.一种图像处理方法,其特征在于,包括:
对待处理图像进行下采样,以得到中间图像,并根据目标分块方式将所述中间图像划分为多个图像块,确定所述中间图像的各图像块的灰度直方图;
提取所述待处理图像的纹理信息,以得到纹理图像,并根据所述目标分块方式将所述纹理图像划分为多个图像块,确定所述纹理图像的各图像块的灰度直方图;
根据所述中间图像的各图像块的灰度直方图以及所述纹理图像的各图像块的灰度直方图,确定所述待处理图像的各图像块的色调映射曲线;其中,所述待处理图像的各图像块根据所述目标分块方式对所述待处理图像进行划分而得到;
利用所述待处理图像的各图像块的色调映射曲线对所述待处理图像进行图像增强。
10.根据权利要求9所述的图像处理方法,其特征在于,根据所述中间图像的各图像块的灰度直方图以及所述纹理图像的各图像块的灰度直方图,确定所述待处理图像的各图像块的色调映射曲线,包括:
将所述中间图像的目标图像块的灰度直方图与所述纹理图像的目标图像块的灰度直方图进行融合,以确定所述待处理图像的目标图像块的融合直方图;其中,所述中间图像的目标图像块、所述纹理图像的目标图像块与所述待处理图像的目标图像块为分块位置相同的图像块;
对所述待处理图像的目标图像块的融合直方图进行直方图均衡化处理,以生成所述待处理图像的目标图像块的色调映射曲线。
11.根据权利要求9所述的图像处理方法,其特征在于,利用所述待处理图像的各所述图像块的色调映射曲线对所述待处理图像进行图像增强包括:
针对所述待处理图像中的每一个像素点,确定所述像素点的原始灰度值以及所述像素点在所属图像块中的位置;
确定与所述像素点关联的图像块集合,并获取所述图像块集合中图像块的目标映射曲线,其中,图像块的目标映射曲线基于所述图像块的色调映射曲线确定出;
根据所述像素点的原始灰度值、所述像素点在所属图像块中的位置以及所述图像块集合中图像块的目标映射曲线,确定所述像素点处理后的灰度值。
12.根据权利要求11所述的图像处理方法,其特征在于,所述图像处理方法还包括:
针对所述待处理图像上的图像块,将所述图像块的色调映射曲线与线性曲线融合,以得到所述图像块的目标映射曲线。
13.根据权利要求12所述的图像处理方法,其特征在于,将所述图像块的色调映射曲线与线性曲线融合,以得到所述图像块的目标映射曲线,包括:
利用与所述图像块对应的纹理信息,确定所述图像块的色调映射曲线与所述线性曲线融合时采用的融合权重;
利用所述融合权重将所述图像块的色调映射曲线与线性曲线融合,以得到所述图像块的目标映射曲线。
14.根据权利要求13所述的图像处理方法,其特征在于,利用与所述图像块对应的纹理信息,确定所述图像块的色调映射曲线与所述线性曲线融合时采用的融合权重,包括:
确定所述图像块中纹理像素点的数量与所述图像块所有像素点的数量的比值;
根据所述比值确定所述融合权重。
15.根据权利要求9所述的图像处理方法,其特征在于,确定所述中间图像的各图像块的灰度直方图包括:
对所述中间图像的图像块进行像素灰度统计,以得到所述中间图像的图像块的原始灰度直方图;
对所述原始灰度直方图进行阈值约束以及/或者平滑处理,以确定出所述中间图像的图像块的灰度直方图。
16.一种图像处理装置,其特征在于,包括:
直方图确定模块,用于获取待处理图像,将所述待处理图像划分为多个图像块,确定各所述图像块的灰度直方图和纹理直方图;
映射曲线确定模块,用于根据各所述图像块的灰度直方图和纹理直方图确定各所述图像块的色调映射曲线;
图像增强模块,用于利用各所述图像块的色调映射曲线对所述待处理图像进行图像增强。
17.一种图像处理装置,其特征在于,包括:
灰度直方图确定模块,用于对待处理图像进行下采样,以得到中间图像,并根据目标分块方式将所述中间图像划分为多个图像块,确定所述中间图像的各图像块的灰度直方图;
纹理直方图确定模块,用于提取所述待处理图像的纹理信息,以得到纹理图像,并根据所述目标分块方式将所述纹理图像划分为多个图像块,确定所述纹理图像的各图像块的灰度直方图;
映射曲线确定模块,用于根据所述中间图像的各图像块的灰度直方图以及所述纹理图像的各图像块的灰度直方图,确定所述待处理图像的各图像块的色调映射曲线;其中,所述待处理图像的各图像块根据所述目标分块方式对所述待处理图像进行划分而得到;
图像增强模块,用于利用所述待处理图像的各图像块的色调映射曲线对所述待处理图像进行图像增强。
18.一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,所述程序被处理器执行时实现如权利要求1至15中任一项所述的图像处理方法。
19.一种电子设备,其特征在于,包括:
处理器;
存储器,用于存储一个或多个程序,当所述一个或多个程序被所述处理器执行时,使得所述处理器实现如权利要求1至15中任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211008834.8A CN115471413A (zh) | 2022-08-22 | 2022-08-22 | 图像处理方法及装置、计算机可读存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211008834.8A CN115471413A (zh) | 2022-08-22 | 2022-08-22 | 图像处理方法及装置、计算机可读存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115471413A true CN115471413A (zh) | 2022-12-13 |
Family
ID=84365733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211008834.8A Pending CN115471413A (zh) | 2022-08-22 | 2022-08-22 | 图像处理方法及装置、计算机可读存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115471413A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116137022A (zh) * | 2023-04-20 | 2023-05-19 | 山东省三河口矿业有限责任公司 | 一种用于地下采矿远程监控的数据增强方法 |
-
2022
- 2022-08-22 CN CN202211008834.8A patent/CN115471413A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116137022A (zh) * | 2023-04-20 | 2023-05-19 | 山东省三河口矿业有限责任公司 | 一种用于地下采矿远程监控的数据增强方法 |
CN116137022B (zh) * | 2023-04-20 | 2023-08-22 | 山东省三河口矿业有限责任公司 | 一种用于地下采矿远程监控的数据增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018082185A1 (zh) | 图像处理方法和装置 | |
CN108694705B (zh) | 一种多帧图像配准与融合去噪的方法 | |
CN112330574B (zh) | 人像修复方法、装置、电子设备及计算机存储介质 | |
Rao et al. | A Survey of Video Enhancement Techniques. | |
WO2016101883A1 (zh) | 一种即时视频中的人脸美化方法和电子设备 | |
KR20210139450A (ko) | 이미지 디스플레이 방법 및 디바이스 | |
US20140079319A1 (en) | Methods for enhancing images and apparatuses using the same | |
EP3644599B1 (en) | Video processing method and apparatus, electronic device, and storage medium | |
CN105243371A (zh) | 一种人脸美颜程度的检测方法、***及拍摄终端 | |
CN113518185B (zh) | 视频转换处理方法、装置、计算机可读介质及电子设备 | |
CN112602088B (zh) | 提高弱光图像的质量的方法、***和计算机可读介质 | |
CN113034384A (zh) | 视频处理方法、装置、电子设备以及存储介质 | |
CN114627034A (zh) | 一种图像增强方法、图像增强模型的训练方法及相关设备 | |
CN112258404A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN110689478B (zh) | 图像风格化处理方法、装置、电子设备及可读介质 | |
CN113962859A (zh) | 一种全景图生成方法、装置、设备及介质 | |
CN115131229A (zh) | 图像降噪、滤波数据处理方法、装置和计算机设备 | |
CN117496019B (zh) | 一种驱动静态图像的图像动画处理方法及*** | |
CN115471413A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
CN113658065A (zh) | 图像降噪方法及装置、计算机可读介质和电子设备 | |
CN112839167A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN114862729A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN115375592A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
CN115830362A (zh) | 图像处理方法、装置、设备、介质及产品 | |
CN116263942A (zh) | 一种调整图像对比度的方法、存储介质及计算机程序产品 |
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 |