CN115775215A - 图像处理方法、装置、电子设备和存储介质 - Google Patents
图像处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115775215A CN115775215A CN202211567605.XA CN202211567605A CN115775215A CN 115775215 A CN115775215 A CN 115775215A CN 202211567605 A CN202211567605 A CN 202211567605A CN 115775215 A CN115775215 A CN 115775215A
- Authority
- CN
- China
- Prior art keywords
- brightness
- image
- map
- pixel
- 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 74
- 238000003672 processing method Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000003190 augmentative effect Effects 0.000 abstract description 2
- 238000013135 deep learning Methods 0.000 abstract description 2
- 230000001965 increasing effect Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 4
- 239000012634 fragment Substances 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005282 brightening Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本公开提供了一种图像处理方法、装置、电子设备和存储介质,涉及人工智能技术领域,具体为增强现实、虚拟现实、计算机视觉和深度学习等技术领域,可应用于元宇宙和虚拟数字人等场景。具体实现方案为:获取待处理图像,并确定所述待处理图像的第一亮度图;对所述第一亮度图进行亮度调整,得到第二亮度图;根据所述待处理图像的像素点在所述第二亮度图的亮度值,对所述待处理图像中像素点的像素值进行并行调整,得到目标图像。本公开实施例可以提高图像处理速度。
Description
技术领域
本公开涉及人工智能技术领域,具体为增强现实、虚拟现实、计算机视觉和深度学习等技术领域,可应用于元宇宙和虚拟数字人等场景,具体涉及一种图像处理方法、装置、电子设备和存储介质。
背景技术
随着图像处理技术的发展与完善,图像处理技术也越来越受到普遍的关注。
图像处理可以改善图像的视觉效果,提高图像质量。
发明内容
本公开提供了一种图像处理方法、装置、电子设备和存储介质。
根据本公开的一方面,提供了一种图像处理方法,包括:
获取待处理图像,并确定所述待处理图像的第一亮度图;
对所述第一亮度图进行亮度调整,得到第二亮度图;
根据所述待处理图像的像素点在所述第二亮度图的亮度值,对所述待处理图像中像素点的像素值进行并行调整,得到目标图像。
根据本公开的一方面,提供了一种图像处理装置,包括:
亮度图获取模块,用于获取待处理图像,并确定所述待处理图像的第一亮度图;
亮度图调整模块,用于对所述第一亮度图进行亮度调整,得到第二亮度图;
亮度并行调整模块,用于根据所述待处理图像的像素点在所述第二亮度图的亮度值,对所述待处理图像中像素点的像素值进行并行调整,得到目标图像。
根据本公开的另一方面,提供了一种电子设备,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,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开任一实施例所述的图像处理方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本公开任一实施例所述的图像处理方法。
根据本公开的另一方面,提供了一种计算机程序对象,包括计算机程序,所述计算机程序在被处理器执行时实现本公开任一实施例所述的图像处理方法。
本公开实施例可以提高图像处理速度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例公开的一种图像处理方法的流程图;
图2是根据本公开实施例公开的另一种图像处理方法的流程图;
图3是根据本公开实施例公开的另一种图像处理方法的流程图;
图4是根据本公开实施例公开的另一种图像处理方法的场景图;
图5是根据本公开实施例公开的另一种图像处理方法的场景图;
图6是根据本公开实施例公开的一种图像处理装置的结构图;
图7是用来实现本公开实施例的图像处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开实施例公开的一种图像处理方法的流程图,本实施例可以适用于对图像进行亮度处理的情况。本实施例方法可以由图像处理装置来执行,该装置可采用软件和/或硬件的方式实现,并具体配置于具有一定数据运算能力的电子设备中,该电子设备可以是客户端设备或服务器设备,客户端设备例如手机、平板电脑、车载终端和台式电脑等。
S101,获取待处理图像,并确定所述待处理图像的第一亮度图。
待处理图像是指待进行亮度调整的图像。待处理图像的获取方式和包括的内容共不限制,例如,可以是直接采集得到的图像,还可以传输得到的图像,又如,可以图像内容包括人脸、动物和场景等。通常,待处理图像为RGB(Red Green Blue,红绿蓝)颜色空间的图像,待处理图像包括的像素点的像素值包括R、G和B三种分量的数值。第一亮度图可以是指待处理图像包括的像素点的亮度值形成的与待处理图像等尺寸的图像。示例性的,可以将待处理图像从RGB颜色空间转换为HSB(Hue Saturation Brightness,色调、饱和度和亮度)空间,单独取亮度分量的数值,形成第一亮度图。例如,针对一个像素点B=RGB最大色彩分量值/255*100%。
S102,对所述第一亮度图进行亮度调整,得到第二亮度图。
对第一亮度图进行亮度调整,可以包括提亮或者降低亮度等。第二亮度图用于将待处理图像中像素点向趋向于亮度均匀的方向进行亮度调整。
S103,根据所述待处理图像的像素点在所述第二亮度图的亮度值,对所述待处理图像中像素点的像素值进行并行调整,得到目标图像。
针对待处理图像中每个像素点的亮度值,对该像素点的像素值进行调整。其中不同像素点的像素值之间的调整是独立进行的,每个像素点的像素值调整与周围像素点之间不存在依赖关系,从而各像素点可以并行执行调整操作。目标图像为待处理图像调整后得到的图像。相对于待处理图像,目标图像中像素值与周围像素亮度差异较大的像素点的像素值变得更加的平滑,也即多个像素点的像素值变得更加均匀。本公开提供的图像处理方法可以应用于消除斑点、瑕疵或者杂色的图像处理的应用场景中。
根据亮度值对像素值进行调整可以是,根据像素点在第二亮度图中的亮度值,确定像素点的明暗程度,并根据明暗程度,确定像素点的亮度变化方向,并对像素点的像素值进行相应亮度变化方向上的数值调整,实现对该像素点的像素值进行调整,以使得像素点的亮度更加趋向于待处理图像的平均亮度。示例性的,可以根据像素点和周围像素点之间的明暗差异来表征像素点的明暗程度,以此确定该像素点的亮度补偿值,将亮度补偿值分别叠加在像素点的各分量的像素值上,实现对该像素点的像素值进行调整。又如,可以根据像素点在第二亮度图中的亮度,表征像素点的明暗程度,相应增加或者减少像素值。
可选的,所述对所述待处理图像中像素点的像素值进行并行调整,包括:通过GPU的多线程对所述待处理图像中多个像素的像素值进行并行调整。
GPU(Graphics Processing Unit,图像处理器)是专用于图像相关运算的处理器,GPU包括大量的运算单元。而CPU(Central Processing Unit,中央处理器)是计算机***的运算和控制核心,相对于GPU来说,CPU仅包括少量的运算单元。通过GPU可以采用多个线程并行执行图像相关的运算。多个像素点的像素值调整,可以是相互独立,可以采用多个线程并行实现。此外,获取第一亮度图和第二亮度图也是各像素点独立运算,同样可以通过GPU采用多个线程并行执行。
在CPU上进行本公开实施例的图像处理方法,相对而言更加耗时,如果通过线程进行加速,也会拖慢CPU的其他工作。
通过GPU多线程执行待处理图像中像素点的像素值的调整,可以提高图像处理速度。
根据本公开的技术方案,获取待处理图像的第一亮度图,对第一亮度图进行调整得到第二亮度图,基于第二亮度图中各像素点的亮度值,对待处理图像中各像素点的像素值进行并行调整,得到目标图像,可以实现图像中每个像素并行调整像素值,加快图像处理的速度,并且针对每个像素点的像素值进行调整,可以实现精准调整,提高图像处理的精准性。
图2是根据本公开实施例公开的另一种图像处理方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。所述根据所述待处理图像中像素点在所述第二亮度图的亮度值,对所述待处理图像中像素点的像素值进行并行调整,具体化为:根据所述待处理图像中像素点和所述像素点的周围像素点在所述第一亮度图和所述第二亮度图的亮度值,确定所述像素点的亮度梯度值;根据所述待处理图像中各像素点的亮度梯度值,对各所述像素点进行并行调整。
S201,获取待处理图像,并确定所述待处理图像的第一亮度图。
S202,对所述第一亮度图进行亮度调整,得到第二亮度图。
对第一亮度图各像素点的亮度进行提高亮度和/或降低亮度,得到第二亮度图。
S203,根据所述待处理图像中像素点和所述像素点的周围像素点在所述第一亮度图和所述第二亮度图的亮度值,确定所述像素点的亮度梯度值。
周围像素点可以是指位于像素点附近的像素点。附近可以是指两个像素点之间的距离小于等于预设距离。该距离可以根据需要进行设定,示例性的,距离为一个像素的尺寸。亮度梯度值可以是指一个像素点与该像素点的周围像素点之间的亮度差和该两个像素点之间的相对距离之间的比值。一个像素点的亮度梯度值用于描述该像素点的周围的亮度变化情况。例如,梯度值绝对值越大,该像素点附近的亮度变化越陡峭;梯度值绝对值越小,也即越接近0,该像素点附近的亮度变化越平缓。周围像素点的数量有多个,可以将各周围像素点计算得到的亮度梯度之的均值,确定为像素点的亮度梯度值。或者还可以将各周围像素点计算得到的亮度梯度之的中位数,确定为像素点的亮度梯度值。第一亮度图和第二亮度图可以计算得到两个像素点的亮度梯度值,可以计算均值或者任意选择一个最终确定为像素点的亮度梯度值。
S204,根据所述待处理图像中各像素点的亮度梯度值,对各所述像素点进行并行调整,得到目标图像。
根据一个像素点的亮度梯度值,对该像素点进行调整,具体是将像素点的亮度梯度值分别叠加到该像素点各分量的数值上。每个像素点的亮度梯度值的计算以及叠加操作相互独立,可以并行执行。
可选的,所述根据所述待处理图像中像素点和所述像素点的周围像素点在所述第一亮度图和所述第二亮度图的亮度值,确定所述像素点的亮度梯度值,包括:根据所述待处理图像中像素点和周围像素点在所述第一亮度图的亮度值,计算所述像素点的第一平均梯度值;根据所述待处理图像中像素点和周围像素点在所述第二亮度图的亮度值,计算所述像素点的第二平均梯度值;在所述像素点的第一平均梯度值和所述第二平均梯度值中选择目标平均梯度值,确定为所述像素点的亮度梯度值。
针对待处理图像中每一个像素点,根据该像素点在第一亮度图中的位置,确定小于等于预设距离的范围内的全部周围像素点,针对每个周围像素点,计算该像素点在第一亮度图中的亮度值,和该周围像素点在第一亮度图中的亮度值,计算第一亮度差值,以及计算该像素点与该周围像素点之间的第一相对距离。计算第一亮度差值与第一相对距离之间的比值,确定为该像素点与该周围像素点的亮度梯度值。获取该像素点的周围像素点的数量,计算该亮度梯度值与该数量之间的比值,确定为该像素点的第一平均梯度值。同理可以计算该像素点的第二平均梯度值。可以将第一平均梯度值和第二平均梯度值中的最大值,确定为目标平均梯度值。
第一亮度图和第二亮度图的整体亮度不同。实际上,待处理的图像的整体明暗程度是随机的,通常整体偏暗或者整体偏亮的图像难以准确检测到梯度值。由此,可以针对原图的整体明暗程度进行调整,在同一标准明暗程度上,提取梯度值,可以进一步提高图像处理的精度。
通过将亮度调整后的第二亮度图计算得到的第二平均梯度值和未处理的第一亮度图计算得到的第一平均梯度值,计算像素点亮度梯度值,可以针对整体偏亮或者整体偏暗的图像进行亮度调整之后计算梯度值,再结合原图计算的梯度值,共同确定像素点的梯度值,可以优化图像整体偏暗或者偏亮造成的梯度不准确的问题,提高梯度检测准确性,提高图像处理的精度。
可选的,所述对所述第一亮度图进行亮度调整,得到第二亮度图,包括下述至少一项:对所述第一亮度图进行增强亮度处理,得到第二亮度图;以及对所述第一亮度图进行降低亮度处理,得到第二亮度图。
可以对第一亮度图进行增强亮度处理,得到相比第一亮度图整体更亮的第二亮度图。可以对第一亮度图进行降低亮度处理,得到相比第一亮度图整体更暗的第二亮度图。可以仅执行前述操作中某一项,或者全部执行前述两个操作。增强亮度处理得到第二亮度图用于针对整体偏暗的第一亮度图的情况,增强整体偏暗的第一亮度图中像素点与周围像素点的差异性,其中,江都亮度处理得到第二亮度图用于针对整体偏亮的第一亮度图的情况,增强整体偏亮的第一亮度图中像素点与周围像素点的差异性。
可选的,执行前述两个操作,第二亮度图包括至少两个图像,至少一个比第一亮度图整体亮度低的亮度图,至少一个比第一亮度图整体亮度高的亮度图。实际上,待处理的图像的整体明暗程度是随机的,图像即有可能是整体偏暗,也有可能是整体偏亮。整体偏亮或者偏暗的原图通常像素点与周为像素点之间的差异较小,从而,这类图像难以准确检测到梯度值。针对第一亮度图分别进行增强亮度和降低亮度处理,可以得到整体偏暗和整体偏亮的第二亮度图。
从第一亮度图和多个第二亮度图中,在像素点的多个平均梯度值,选择最大值,确定为该像素点的亮度梯度值,可以得到最大变化的梯度值,从而突出亮度的变化,进而对像素点的像素值进行补偿,可以更大程度上平滑像素点的亮度与周围像素点的亮度差异。
并且不通过检测待处理图像的原图的整体明暗程度,通用性生成第二亮度图,减少明暗程度的检测计算量。
通过生成亮度提高和亮度降低的第二亮度图,计算亮度梯度值,可以提高梯度检测准确性,提高图像处理的精度,同时还可以减少图像的明暗类型的检测计算量,提高图像处理速度。
可选的,所述图像处理方法,还包括:提高所述第一亮度图和所述第二亮度图的对比度。
提高对比度是将图像中明亮的像素点更加明亮,暗淡的像素点更加暗淡。提高第一亮度图和第二亮度图的对比度,可以是提高第一亮度图的中间调的对比度,以及提高第二亮度图的中间调的对比度。对于图像来说,按照黑白灰所占的比例可以划分为高调、中间调和低调。通常中间调的亮度的区分最不明显,增加中间调的对比度,可以进一步增加明暗像素点之间的区分程度。仅增加中间调的对比度,可以有效提高像素点之间的亮度差异,并减少对全部影调的对比度提高处理操作,提高图像处理速度,并兼顾图像处理质量。
在得到第二亮度图之后,在根据所述待处理图像中像素点和所述像素点的周围像素点在所述第一亮度图和所述第二亮度图的亮度值,确定像素点的亮度梯度值之前,提高第一亮度图和第二亮度图的对比度。
通过提高第一亮度图和第二亮度图的对比度,可以进一步增加明暗响度之间的差异,更好的提取梯度值,从而确定亮度的不均匀程度,补偿到像素值中,提高像素平滑均匀准确性。
根据本公开的技术方案,通过计算每个像素点的亮度梯度值,并累加到相应像素点的像素值上,可以精准针对每个像素点进行亮度调整,并且可以准确实现亮度平滑和均匀,提高图像处理的精细度和质量,以及并行处理,提高图像处理速度。
图3是根据本公开实施例公开的另一种图像处理方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。所述第二亮度图为所述第一亮度图的反相图;所述根据所述待处理图像的像素点在所述第二亮度图的亮度值,对所述待处理图像中像素点的像素值进行并行调整,得到目标图像,具体化为:根据所述待处理图像中各像素点在所述第二亮度图的亮度值和各所述像素点的像素值,对各所述像素点的像素值进行并行柔光处理,得到目标图像。
S301,获取待处理图像,并确定所述待处理图像的第一亮度图。
S302,对所述第一亮度图进行亮度调整,得到第二亮度图;第二亮度图为所述第一亮度图的反相图。
反相图是指将亮度进行取反处理得到的图像。第一亮度图越亮的像素点在反相图中的亮度越暗。第一亮度图越暗的像素点在反相图中的亮度越亮。
S303,根据所述待处理图像中各像素点在所述第二亮度图的亮度值和各所述像素点的像素值,对各所述像素点的像素值进行并行柔光处理,得到目标图像。
柔光处理用于实现光影平衡。具体的,根据绘图色的明暗程度来决定最终色是变亮还是变暗,当绘图色比50%的灰要亮时,则底色图像变亮。当绘图色比50%的灰要暗时,则底色图像就变暗。如果绘图色有纯黑色或纯白色,最终色不是黑色或白色,而是稍微变暗或变亮。如果底色是纯白色或纯黑色,不产生任何效果。此效果与发散的聚光灯照在图像上相似。
具体的,根据像素点在第二图像中的亮度值,确定像素点在待处理图像的明暗程度,从而选择提高或降低像素点的亮度。
示例性的,可以采用如下公式对像素点的像素值进行处理:
c=2ab+a2(1-2b)b≤0.5
其中,针对像素点的像素值中某个分量,c为处理后该分量的像素值,a为待处理的该分量的像素值,b为该像素点在第二亮度图中的亮度值。其中,需要说明的是,第二亮度图中,该像素点的各分量的像素值相同,均为第二亮度图的亮度值。
根据本公开的技术方案,通过反相图和待处理图像中的像素值进行柔光处理,可以快速实现对图像的光影平衡处理,提高图像处理的速度,并且该处理方式尤其适合算力不高的场景中,降低图像处理的成本。
图4是根据本公开实施例公开的另一种图像处理方法的场景图。图像处理方法可以包括:
在GPU中实现图像处理方法,在GPU的渲染管线中,在fragment shader中对图像颜色进行处理。
S401,获取一张待处理图像。
S402,将所述待处理图像中像素从RGB空间转换为HSB空间,生成第一亮度图。
像素点的像素值从RGB空间到HSB空间的转化,由于只需要生成亮度图,可以只计算亮度Brightness。在fragment shader(片段着色器)中,选择RGB中的最大值,计算亮度。
可以通过如下公式计算第一亮度图:
Target1.rgb=vec3(max(source.rgb))
其中,Target.rgb1为第一亮度图中像素点的像素值,source.rgb为待处理图像中像素点的像素值。
S403,提高第一亮度图的中间调对比度。
S404,将所述第一亮度图提亮,得到第二亮度图。
可以通过spline曲线将整图提亮,尤其是图像中的暗部像素点。
S405,提高第二亮度图的中间调对比度。
S406,将所述第一亮度图压暗,得到第二亮度图。
可以通过spline曲线将整图压暗,尤其是图像中的亮部像素点。
S407,提高第二亮度图的中间调对比度。
通过spline曲线提高图像对比度,尤其是图像中的中间调;一般图片从亮度来看,大概有偏亮、偏暗和一般(未处理)三种,该步骤的处理意在覆盖三类图片,提高亮度图的对比度,即放大像素与周围像素的亮度梯度值,使得该亮度梯度值可被检测到。
示例性的,生成一个拥有256个像素的单行texture(纹理),其像素值及spline曲线对应的输出值。可以将该texture作为1D或2D texture加载到GPU中。在fragment shader中处理单个fragment时,通过对该texture进行采样,完成亮度调整。
S408,分别针对三个亮度图,计算平均梯度值,并选择最大梯度值。
在亮度图上,计算目标像素与周围像素的亮度差,然后除以两像素间的距离得到梯度值。最后计算平均梯度。平均梯度值越接近0,则表示该像素附近的亮度变化越平缓。选择最大的平均梯度值。
S409,在待处理图像中像素点叠加最大梯度值的灰度值,得到目标图像。
将原图像素的RGB值分别与在亮度图上计算得到的平均梯度值进行相加。
S410,输出目标图像。
根据本公开的技术方案,主要应用于修图领域,在GPU上完成磨皮,可以加快图片处理速度。而且该方式处理后的皮肤非常细腻,在GPU上完成磨皮,可以加快图片处理速度。
此外,S403-S409可以替换为如下S411和S412,如图5所示,具体方法为:
S411,对亮度图进行反相处理,得到第二亮度图。
Target2.rgb=vec3(1)-Target1.rgb
其中,Target2.rgb为第二亮度图中像素点的像素值。
S412,将第二亮度图以柔光方式与待处理图像进行叠加,得到目标图像。
c=2ab+a2(1-2b)b≤0.5
如果b≤0.5则会降低待处理图像RGB值,如果b>0.5则会提高待处理图像RGB值。通过上一步的反相后,刚到使得图像所有细节处达到光影平衡的效果,进而完成快速磨皮。
上述算法的每一步都是直接针对孤立的像素进行计算的(仅使用计算像素本身的信息),与周围像素没有联系。故该图像处理方法非常适合在GPU中并行的对像素点进行处理。
根据本公开的技术方案,适用于对修图质量要求不高,算力要求较低的场景,可以加快图片处理速度。而且该方式处理后的皮肤非常细腻。
根据本公开的实施例,图6是本公开实施例中的图像处理装置的结构图,本公开实施例适用于对图像进行亮度处理的情况。该装置采用软件和/或硬件实现,并具体配置于具备一定数据运算能力的电子设备中。
如图6所示的一种图像处理装置600,包括:亮度图获取模块601、亮度图调整模块602和亮度并行调整模块603;其中,
亮度图获取模块601,用于获取待处理图像,并确定所述待处理图像的第一亮度图;
亮度图调整模块602,用于对所述第一亮度图进行亮度调整,得到第二亮度图;
亮度并行调整模块603,用于根据所述待处理图像的像素点在所述第二亮度图的亮度值,对所述待处理图像中像素点的像素值进行并行调整,得到目标图像。
根据本公开的技术方案,获取待处理图像的第一亮度图,对第一亮度图进行调整得到第二亮度图,基于第二亮度图中各像素点的亮度值,对待处理图像中各像素点的像素值进行并行调整,得到目标图像,可以实现图像中每个像素并行调整像素值,加快图像处理的速度,并且针对每个像素点的像素值进行调整,可以实现精准调整,提高图像处理的精准性。
进一步的,所述亮度并行调整模块603,包括:亮度梯度检测单元,用于根据所述待处理图像中像素点和所述像素点的周围像素点在所述第一亮度图和所述第二亮度图的亮度值,确定所述像素点的亮度梯度值;并行调整单元,用于根据所述待处理图像中各像素点的亮度梯度值,对各所述像素点进行并行调整。
进一步的,所述亮度梯度检测单元,包括:第一梯度计算子单元,用于根据所述待处理图像中像素点和周围像素点在所述第一亮度图的亮度值,计算所述像素点的第一平均梯度值;第二梯度计算子单元,用于根据所述待处理图像中像素点和周围像素点在所述第二亮度图的亮度值,计算所述像素点的第二平均梯度值;亮度梯度确定子单元,用于在所述像素点的第一平均梯度值和所述第二平均梯度值中选择目标平均梯度值,确定为所述像素点的亮度梯度值。
进一步的,所述亮度图调整模块602,包括下述至少一项:亮度提高单元,用于对所述第一亮度图进行增强亮度处理,得到第二亮度图;以及亮度降低单元,用于对所述第一亮度图进行降低亮度处理,得到第二亮度图。
进一步的,所述图像处理装置,还包括:
对比度提高模块,用于提高所述第一亮度图和所述第二亮度图的对比度。
进一步的,所述第二亮度图为所述第一亮度图的反相图;所述亮度并行调整模块603,包括:柔光处理单元,用于根据所述待处理图像中各像素点在所述第二亮度图的亮度值和各所述像素点的像素值,对各所述像素点的像素值进行并行柔光处理,得到目标图像。
进一步的,所述亮度并行调整模块603,包括:并行调整单元,用于通过GPU的多线程对所述待处理图像中多个像素的像素值进行并行调整。
上述图像处理装置可执行本公开任意实施例所提供的图像处理方法,具备执行图像处理方法相应的功能模块和有益效果。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序对象。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性区域图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如图像处理方法。例如,在一些实施例中,图像处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的图像处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像处理方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准对象(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或区域图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种图像处理方法,包括:
获取待处理图像,并确定所述待处理图像的第一亮度图;
对所述第一亮度图进行亮度调整,得到第二亮度图;
根据所述待处理图像的像素点在所述第二亮度图的亮度值,对所述待处理图像中像素点的像素值进行并行调整,得到目标图像。
2.根据权利要求1所述的方法,其中,所述根据所述待处理图像中像素点在所述第二亮度图的亮度值,对所述待处理图像中像素点的像素值进行并行调整,包括:
根据所述待处理图像中像素点和所述像素点的周围像素点在所述第一亮度图和所述第二亮度图的亮度值,确定所述像素点的亮度梯度值;
根据所述待处理图像中各像素点的亮度梯度值,对各所述像素点进行并行调整。
3.根据权利要求2所述的方法,其中,所述根据所述待处理图像中像素点和所述像素点的周围像素点在所述第一亮度图和所述第二亮度图的亮度值,确定所述像素点的亮度梯度值,包括:
根据所述待处理图像中像素点和周围像素点在所述第一亮度图的亮度值,计算所述像素点的第一平均梯度值;
根据所述待处理图像中像素点和周围像素点在所述第二亮度图的亮度值,计算所述像素点的第二平均梯度值;
在所述像素点的第一平均梯度值和所述第二平均梯度值中选择目标平均梯度值,确定为所述像素点的亮度梯度值。
4.根据权利要求2所述的方法,所述对所述第一亮度图进行亮度调整,得到第二亮度图,包括下述至少一项:
对所述第一亮度图进行增强亮度处理,得到第二亮度图;以及
对所述第一亮度图进行降低亮度处理,得到第二亮度图。
5.根据权利要求2所述的方法,还包括:
提高所述第一亮度图和所述第二亮度图的对比度。
6.根据权利要求1所述的方法,其中,所述第二亮度图为所述第一亮度图的反相图;
所述根据所述待处理图像的像素点在所述第二亮度图的亮度值,对所述待处理图像中像素点的像素值进行并行调整,得到目标图像,包括:
根据所述待处理图像中各像素点在所述第二亮度图的亮度值和各所述像素点的像素值,对各所述像素点的像素值进行并行柔光处理,得到目标图像。
7.根据权利要求1所述的方法,其中,所述对所述待处理图像中像素点的像素值进行并行调整,包括:
通过GPU的多线程对所述待处理图像中多个像素的像素值进行并行调整。
8.一种图像处理装置,包括:
亮度图获取模块,用于获取待处理图像,并确定所述待处理图像的第一亮度图;
亮度图调整模块,用于对所述第一亮度图进行亮度调整,得到第二亮度图;
亮度并行调整模块,用于根据所述待处理图像的像素点在所述第二亮度图的亮度值,对所述待处理图像中像素点的像素值进行并行调整,得到目标图像。
9.根据权利要求8所述的装置,其中,所述亮度并行调整模块,包括:
亮度梯度检测单元,用于根据所述待处理图像中像素点和所述像素点的周围像素点在所述第一亮度图和所述第二亮度图的亮度值,确定所述像素点的亮度梯度值;
并行调整单元,用于根据所述待处理图像中各像素点的亮度梯度值,对各所述像素点进行并行调整。
10.根据权利要求9所述的装置,其中,所述亮度梯度检测单元,包括:
第一梯度计算子单元,用于根据所述待处理图像中像素点和周围像素点在所述第一亮度图的亮度值,计算所述像素点的第一平均梯度值;
第二梯度计算子单元,用于根据所述待处理图像中像素点和周围像素点在所述第二亮度图的亮度值,计算所述像素点的第二平均梯度值;
亮度梯度确定子单元,用于在所述像素点的第一平均梯度值和所述第二平均梯度值中选择目标平均梯度值,确定为所述像素点的亮度梯度值。
11.根据权利要求9所述的装置,其中,所述亮度图调整模块,包括下述至少一项:
亮度提高单元,用于对所述第一亮度图进行增强亮度处理,得到第二亮度图;以及
亮度降低单元,用于对所述第一亮度图进行降低亮度处理,得到第二亮度图。
12.根据权利要求9所述的装置,还包括:
对比度提高模块,用于提高所述第一亮度图和所述第二亮度图的对比度。
13.根据权利要求8所述的装置,其中,所述第二亮度图为所述第一亮度图的反相图;
所述亮度并行调整模块,包括:
柔光处理单元,用于根据所述待处理图像中各像素点在所述第二亮度图的亮度值和各所述像素点的像素值,对各所述像素点的像素值进行并行柔光处理,得到目标图像。
14.根据权利要求8所述的装置,其中,所述亮度并行调整模块,包括:
并行调整单元,用于通过GPU的多线程对所述待处理图像中多个像素的像素值进行并行调整。
15.一种电子设备,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,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的图像处理方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的图像处理方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211567605.XA CN115775215A (zh) | 2022-12-07 | 2022-12-07 | 图像处理方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211567605.XA CN115775215A (zh) | 2022-12-07 | 2022-12-07 | 图像处理方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115775215A true CN115775215A (zh) | 2023-03-10 |
Family
ID=85392117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211567605.XA Pending CN115775215A (zh) | 2022-12-07 | 2022-12-07 | 图像处理方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115775215A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117495722A (zh) * | 2023-12-25 | 2024-02-02 | 青岛天仁微纳科技有限责任公司 | 一种纳米压印光刻的图像处理方法 |
-
2022
- 2022-12-07 CN CN202211567605.XA patent/CN115775215A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117495722A (zh) * | 2023-12-25 | 2024-02-02 | 青岛天仁微纳科技有限责任公司 | 一种纳米压印光刻的图像处理方法 |
CN117495722B (zh) * | 2023-12-25 | 2024-03-29 | 青岛天仁微纳科技有限责任公司 | 一种纳米压印光刻的图像处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10164459B2 (en) | Selective rasterization | |
US9826149B2 (en) | Machine learning of real-time image capture parameters | |
US9661298B2 (en) | Depth image enhancement for hardware generated depth images | |
CN110248242B (zh) | 一种图像处理和直播方法、装置、设备和存储介质 | |
US10580122B2 (en) | Method and system for image enhancement | |
US11941785B2 (en) | Directional scaling systems and methods | |
US11551336B2 (en) | Chrominance and luminance enhancing systems and methods | |
CN115775215A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
US10043252B2 (en) | Adaptive filtering with weight analysis | |
CN112767278B (zh) | 基于非均匀大气光先验的图像去雾方法及相关设备 | |
CN112700385A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
US20230410706A1 (en) | Method for image rendering, terminal device and non-transitory computer-readable storage medium | |
US20190080437A1 (en) | Artifact detection in a contrast enhanced output image | |
CN110874816B (zh) | 一种图像处理方法、装置、移动终端及存储介质 | |
US20200043137A1 (en) | Statistical noise estimation systems and methods | |
CN114820349B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
WO2024046105A1 (zh) | 图像的抗锯齿方法、装置、设备、介质及程序产品 | |
CN116309160B (zh) | 图像分辨率修复方法、装置、设备及存储介质 | |
US11321813B2 (en) | Angular detection using sum of absolute difference statistics systems and methods | |
US20220309616A1 (en) | Neural network-based image processing with artifact compensation | |
CN116957983A (zh) | 图像增强方法、装置、设备及存储介质 | |
CN117274498A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN117119317A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN114565533A (zh) | 一种图像处理方法、装置、存储介质及电子设备 | |
CN113763258A (zh) | 一种视频图像的美化方法和装置 |
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 |