CN116258644A - 图像增强方法、装置、计算机设备、存储介质 - Google Patents
图像增强方法、装置、计算机设备、存储介质 Download PDFInfo
- Publication number
- CN116258644A CN116258644A CN202310065902.2A CN202310065902A CN116258644A CN 116258644 A CN116258644 A CN 116258644A CN 202310065902 A CN202310065902 A CN 202310065902A CN 116258644 A CN116258644 A CN 116258644A
- Authority
- CN
- China
- Prior art keywords
- brightness
- map
- image
- value
- initial
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000000605 extraction Methods 0.000 claims abstract description 40
- 238000004590 computer program Methods 0.000 claims abstract description 26
- 238000001914 filtration Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000001131 transforming effect Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000004321 preservation 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
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
本申请涉及一种图像增强方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取待处理彩色图像;对所述待处理彩色图像进行亮度提取,得到初始亮度图;基于所述初始亮度图进行计算,得到亮度增强值;根据所述亮度增强值以及所述待处理彩色图像,得到亮度增强图像。采用本方法能够图像清晰度。
Description
技术领域
本申请涉及图像技术领域,特别是涉及一种图像增强方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着高清显示设备的普及,用户显示设备的分辨率已经普遍提升到了2K甚至更高的水平。但目前大部分的视频分辨率仍然是1080p,需要将视频画面上采样至显示器的分辨率。因此图像上采样的质量会直接影响视频最终显示的效果。
相关技术中上采样算法可分基于插值、基于重建和基于学习的方法,其中基于插值使用成本最低,范围最广,但是基于插值进行上采样之后的图像清晰度较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高图像清晰度的图像增强方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种图像增强方法。所述方法包括:
获取待处理彩色图像;
对所述待处理彩色图像进行亮度提取,得到初始亮度图;
基于所述初始亮度图进行计算,得到亮度增强值;
根据所述亮度增强值以及所述待处理彩色图像,得到亮度增强图像。
在其中一个实施例中,所述对所述待处理彩色图像进行亮度提取,得到初始亮度图,包括:
获取像素提取系数;
根据所述像素提取系数以及所述待处理彩色图像,得到所述初始亮度图。
在其中一个实施例中,所述基于所述初始亮度图进行计算,得到亮度增强值,包括:
基于所述初始亮度图以及滤波系数进行滤波,得到目标亮度图;
根据所述目标亮度图以及所述初始亮度图,得到所述亮度增强值。
在其中一个实施例中,所述根据所述目标亮度图以及所述初始亮度图,得到所述亮度增强值,包括:
将所述目标亮度图以及所述初始亮度图进行作差,得到差值图;
根据所述差值图与锐化系数,得到所述亮度增强值。
在其中一个实施例中,所述基于所述初始亮度图以及滤波系数进行滤波,得到目标亮度图,包括:
根据所述滤波系数,对所述初始亮度图中各个像素进行不同方向滤波,得到各个像素对应的滤波像素值;
结合各个像素的亮度值以及所述滤波像素值,得到所述目标亮度图。
在其中一个实施例中,所述滤波系数的计算方式,包括:
根据所述初始亮度图进行变换,得到引导输出图;
根据所述引导输出图以及所述初始亮度值,得到目标函数;
对所述目标函数进行求解,得到所述滤波系数。
在其中一个实施例中,所述根据所述亮度增强值以及所述待处理彩色图像,得到亮度增强图像,包括:
将所述待处理彩色图像进行放大,得到放大图像;
将所述放大图像中的各个像素与所述亮度增强值进行相加,得到所述亮度增强图像。
第二方面,本申请还提供了一种图像增强装置。所述装置包括:
获取模块,用于获取待处理彩色图像;
提取模块,用于对所述待处理彩色图像进行亮度提取,得到初始亮度图;
计算模块,用于基于所述初始亮度图进行计算,得到亮度增强值;
增强模块,用于根据所述亮度增强值以及所述待处理彩色图像,得到亮度增强图像。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任意一个实施例中的方法的步骤。
第四方面,本申请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,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一个实施例中的方法的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述任意一个实施例中的方法的步骤。
上述图像增强方法、装置、计算机设备、存储介质和计算机程序产品,首先由于服务器会对待处理彩色图像进行亮度提取,得到单通道的初始亮度图,不仅能够减少计算量还能在后续纹理提取上避免偏色问题;其次,将计算的亮度增强值加到RGB三通道上,能够使图像保持较高的清晰度。
附图说明
图1为一个实施例中图像增强方法的应用环境图;
图2为一个实施例中的不同方向的滤波器示意图;
图3(a)为绝对差值最小的亮度增强图像;
图3(b)为绝对差值最大的亮度增强图像;
图4(a)为一个实施例中亮度增强图像的示意图;
图4(b)为另一个实施例中亮度增强图像的示意图;
图5为一个实施例中图像增强装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种图像增强方法,包括以下步骤:
S102,获取待处理彩色图像。
其中,彩色图像是指通过对红、绿、蓝三个颜色通道相互进行叠加得到的具有各式各样颜色的图像,例如RGB图像。
S104,对待处理彩色图像进行亮度提取,得到初始亮度图。
可选地,可以对待处理彩色图像的三通道分别进行亮度提取,得到每一个像素点对应的亮度值,进而得到初始亮度图。其中初始亮度图是指对待处理彩色图像进行亮度提取之后得到的图像,其用于表征图像的明亮状况。
可选地,可以以一定的像素提取系数对三通道进行提取,例如,可以将对三通道分别提取20%后进行相加,得到对应的亮度值。示例性的,假设当前像素点表示为(250,251,252),那么亮度值为:0.2*250+0.2*251+252*0.2=150.6。在其他实施例中,待处理彩色图像各个通道对应各像素提取系数可以是各不相同的。
可选地,可以通过服务器内置的转换函数进行亮度提取,例如rgb2gray函数。
S106,基于初始亮度图进行计算,得到亮度增强值。
可选地,服务器可以对初始亮度图进行计算得到目标亮度图,再根据目标亮度图与初始亮度图之间的差值,得到各个像素对应的亮度增强值。其中,目标亮度图是指对初始亮度图进行线性变换、滤波等操作后,保留所需纹理内容的图像。
可选地,服务器可以通过不同的滤波器对初始亮度图进行过滤,进而得到保留纹理内容目标亮度图。例如可以通过侧窗滤波器对初始亮度图进行过滤,也可以通过侧窗滤波器以及引导滤波器对初始亮度图进行过滤,得到目标亮度图。
可选地,服务器可以将目标亮度图与初始亮度图相减,得到亮度增强值。示例性的,若目标亮度图中某一像素点的目标亮度值为a,初始亮度图中该像素点的初始亮度值为b,则该像素点的亮度增强值为a-b。
S108,根据亮度增强值以及待处理彩色图像,得到亮度增强图像。
具体的,服务器在得到亮度增强值之后,将亮度增强值与每个像素对应的三通道对应相加,得到亮度增强图像。示例性的,假设opY为亮度增强值,则
R+=opY;G+=opY;B+=opY 公式(1)
可以通过公式(1),得到亮度增强图像。
上述图像增强方法中,首先由于服务器会对待处理彩色图像进行亮度提取,得到单通道的初始亮度图,不仅能够减少计算量还能在后续纹理提取上避免偏色问题;其次,将计算的亮度增强值加到RGB三通道上,能够使图像保持较高的清晰度。
在一个实施例中,对待处理彩色图像进行亮度提取,得到初始亮度图,包括:获取像素提取系数;根据像素提取系数以及待处理彩色图像,得到初始亮度图。
其中,像素提取系数是指预先设定的对像素点进行亮度提取的系数,其可以是一个具体的值,也可以是一个集合。当对各个通道提取的提取系数都相同时,像素提取系数可以是具体的一个值,例如0.2126;当对各个通道的比例不相同时,其可以是一个集合,例如{a,b,c},其中a、b、c分别表示对R、G、B三通道的提取系数。
可选地,服务器获取像素提取系数,并根据像素提取系数对待处理彩色图像中各个像素点进行亮度提取,得到各个像素点对应的亮度值,进而得到初始亮度图。
可选地,服务器可以根据显示设备和视频的色域类型获取对应的像素提取系数。
示例性的,当显示设备和视频的色域类型为ITU BT.709时,像素提取系数为{0.2126,0.7152,0.0722},初始亮度值Y可以根据公式(2)计算得到,具体计算过程如下:
Y=0.2126*R+0.7152*G+0.0722*B 公式(2)
示例性的,当显示设备和视频的色域类型为ITU BT.601时,像素提取系数为{0.299,0.587,0.144},此时将公式(2)中R、G以及B之前对应的系数分别修改为0.299,0.587以及0.144,进而计算得到当显示设备和视频的色域类型为ITU BT.601时的初始亮度值Y。
在上述实施例中,通过像素提取系数可以准确计算得到待处理彩色图像对应的亮度值,进而能够准确表征待处理彩色图像的初始亮度图。
在一个实施例中,基于初始亮度图进行计算,得到亮度增强值,包括:基于初始亮度图以及滤波系数进行滤波,得到目标亮度图;根据目标亮度图以及初始亮度图,得到亮度增强值。
其中,滤波系数是预先计算的,用于引导滤波器进行线性变换的数值,其具体计算过程可以参照下述计算滤波系数的实施例。
可选地,服务器可以首先根据滤波系数对初始亮度图中的每个像素点进行线性变换后通过滤波器进行滤波。例如,采用侧窗滤波器、均值滤波器等进行滤波,得到目标亮度图。
可选地,根据目标亮度图以及初始亮度图,得到亮度增强值,包括:将目标亮度图以及初始亮度图进行作差,得到差值图;根据差值图与锐化系数,得到亮度增强值。
示例性的,可以根据公式(3)计算得到各个像素对应的亮度增强值,具体计算过程如下:
opY=(I-q)·λ 公式(3)
其中,I为引导图,与初始亮度图相同;q为目标亮度图,I-q表示差值图,λ为锐化系数。其中,锐化系数可以控制全局的锐化程度。
在上述实施例中,通过公式(3)可以计算得到各个像素对应的亮度增强值,并且可以通过锐化系数来控制全局锐化的强度。
在一个实施例中,基于初始亮度图以及滤波系数进行滤波,得到目标亮度图,包括:根据滤波系数对初始亮度图中各个像素进行不同方向滤波,得到各个像素对应的滤波像素值;结合各个像素的亮度值以及滤波像素值,得到目标亮度图。
可选地,服务器可以先构建不同方向的滤波器,然后再使用不同方向的滤波器根据滤波系数对初始亮度图中的各个像素进行不同方向的滤波,得到不同方向滤波器对应的各个像素的滤波像素值。其中,滤波像素值是指对各个像素进行滤波后得到的像素值。
可选地,服务器可以将滤波器设置为没有锯齿形状的滤波器,这样更加便于遍历计算。示例性的,结合图2所示,图2为一个实施例中的不同方向的滤波器示意图,分别表示左、右、上、下、西北、东北、东南以及西南八个方向的滤波器,图2中的滤波器都呈正方向或者长方形。
可选地,使用每一个方向的滤波器对初始亮度值进行滤波后,都会得到对应像素的滤波像素值,因此可以结合各个像素当前的亮度值对滤波像素值进行筛选,得到目标亮度图。
可选地,可以将当前像素点对应的滤波像素值与当前像素点当前的亮度值进行作差,得到绝对差值并根据绝对差值选择目标亮度值,进而得到目标亮度图。
可选地,服务器可以根据对亮度增强图像中边缘轮廓信息的保留情况,选择与当前像素点亮度绝对值最大或者最小的滤波像素点作为目标亮度值。示例性的,如果亮度增强图像中需要保留较多的边缘轮廓,则选择绝对值最大的滤波像素点作为目标亮度值。反之,则选择绝对差值最小的滤波像素值作为目标亮度值。具体可以结合图3(a)和图3(b)进行比较,其中图3(a)是选择绝对差值最小的滤波像素点作为目标亮度值,图(b)是选择绝对差值最大的滤波像素点作为目标亮度值。其中,图3(b)中所保留的边缘信息比图3(a)中保留的更多。图3(a)为绝对差值最小的亮度增强图像,图3(b)为绝对差值最大的亮度增强图像。
示例性的,服务器可以根据下述伪代码得到目标亮度图,在本实施例中采用的滤波核大小为3×3的侧窗滤波器。
其中,服务器通过对行和列进行遍历以对亮度图中的每一个像素点进行处理,然后对各个像素点进行a,b变换,其中a,b为滤波系数。然后,进行8个滤波器的滤波操作,得到滤波输出值,也就是conv_res[i],再将滤波输出值与当前像素点对应的亮度值进行作差,得到绝对差值abs_diff[i],最后选取与当前像素的位置亮度值差异最小或者最大的滤波输出值作为目标亮度值,进而得到输出图像q,也就是目标亮度图。
在上述实施例中,服务器通过配置侧窗滤波器可以得到与原图纹理差距最大或是最接近的滤波像素值,并根据选择滤波像素值来控制边缘轮廓处纹理保留的情况。
在一个实施例中,滤波系数的计算方式,包括:将初始亮度图进行变换,得到引导输出图;根据引导输出图以及初始亮度值,得到目标函数;对目标函数进行求解,得到滤波系数。
可选地,服务器对初始亮度图中的像素点进行线性变换,得到线性变化后的输出图像Q,也就是引导输出图。示例性的,可以通过公式(4)对引导图进行线性变换。
其中,I为引导图也就是初始亮度图,对于图像中的任意位置k,滤波窗口为wk。
为了使输出图像Q和输入图像p在局部大致相同,可以使图像Q和输入图像p的差距最小化,来保证局部相同。由于在本实施例中输入图像为初始亮度图,因此服务器可以根据初始亮度图以及引导输出图构建目标函数,并通过求解目标函数来得到滤波系数。
示例性的,服务器可以将初始亮度图与引导输出图之间的均方误差最小作为目标函数,如公式(5)所示。
然后对ak和bk求偏导,得到公式(6)和公式(7)。
使ak和bk的偏导等于0,可求解出ak和bk,然后根据引导图I和输入图像p可以计算出a和b,具体计算过程参考公式(8)~(11)。
VarI=fmean(I·I)-fmean(I)·fmean(I) 公式(8)
CovIp=fmean(I·P)-fmean(I)·fmean(p) 公式(9)
b=fmean(p)-a·fmean(I) 公式(11)
其中,fmean表示均值滤波。由于引导图I和输入图像p相同,都为初始亮度图,因此a和b的计算步骤可简化为:
b=(1-a)·fmean(Y) 公式(13)
那么,此时引导滤波器利用系数ab计算输出图像Q的公式为:
Q=fmean(a)·I+fmean(b) 公式(14)
通过公式(12)~(14)可以看出,对于输出图像Q,ε越大则均值滤波的作用就越大,ε越小则引导图I的作用就越大,因此可以通过调节ε来控制需要保留的细节。对于I-q,ε越大则更多的高频细节被保留,ε越小则输出图像q更多的区域与引导图I相似,I-q中只有更少的I-fmean(I)足够大的高频细节被保留。如图4(a)和图4(b)所示,ε较小时,右侧白色原塔上的纹理信息保留的较少,而左侧天空的高频噪声则被保留了下来。其中,图4(a)为ε=0.001,λ=5的亮度增强图像;图4(b)为ε=0.5,λ=3的亮度增强图像。
在上述实施例中,服务器通过对目标函数进行求解,可以计算得到准确的滤波系数,进而对初始亮度图像进行滤波。
在一个实施例中,根据亮度增强值以及待处理彩色图像,得到亮度增强图像,包括:将待处理彩色图像进行放大,得到放大图像;将放大图像中的各个像素与亮度增强值进行相加,得到亮度增强图像。
可选地,服务器可以选择任意一种上采样方式对待处理彩色图像进行放大,例如双线性插值,双三次插值,兰佐斯插值等,以得到放大图像。
具体地,服务器将放大图像中各个像素与各个像素对应的亮度增强值进行相加,得到最终所需的亮度增强图像,具体可依照公式(1)进行计算。
示例性的,放大图像的某一个像素点为[100,120,140],该像素点对应的亮度增强值为10,则该像素点进行亮度增强后为[110,130,150]。需要说明的一点是,亮度增强值是单通道的,因此每个像素点只对应一个数值,即放大图像中各个像素点的每个通道都加上相同的亮度增强值。
在一个示例性实施例中,提供了一种图像增强方法,具体过程如下:
(1)通过公式(2)计算得到初始亮度图Y。
(2)根据公式(4)~(13)计算得到滤波系数。
(3)使用不同方向的侧窗滤波器对Y每个位置上的系数a和b,计算出对应的滤波像素值,并从滤波像素值中选择目标亮度值。在本实施例中,可以根据对亮度增强图像中边缘轮廓信息的保留情况,选择与当前像素点亮度绝对值最大或者最小的滤波像素点作为目标亮度值,进而得到目标亮度图。
(4)通过公式(3)对初始亮度图以及目标亮度图进行计算,得到亮度增强值。
(5)将待处理彩色图像进行上采样,然后再将亮度增强值作用于待处理彩色图像中的各个像素点,得到亮度增强图像。
在本实施例中,通过配置锐化系数λ,ε和侧窗滤波器绝对差值的选择情况,可以控制亮度增强值opY中纹理信息的内容和强度,控制纹理信息的内容和强度的自由度较高。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的图像增强方法的图像增强装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个图像增强装置实施例中的具体限定可以参见上文中对于图像增强方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种图像增强装置,包括:获取模块100、提取模块200、计算模块300和增强模块400,其中:
获取模块100,用于获取待处理彩色图像。
提取模块200,用于对待处理彩色图像进行亮度提取,得到初始亮度图。
计算模块300,用于基于初始亮度图进行计算,得到亮度增强值。
增强模块400,用于根据亮度增强值以及待处理彩色图像,得到亮度增强图像。
在一个实施例中,上述提取模块200包括:
像素系数单元,用于获取像素提取系数。
亮度提取单元,用于根据像素提取系数以及待处理彩色图像,得到初始亮度图。
在一个实施例中,上述增强模块400包括:
滤波单元,用于基于初始亮度图以及滤波系数进行滤波,得到目标亮度图。
像素增强单元,用于根据目标亮度图以及初始亮度图,得到亮度增强值。
在一个实施例中,上述滤波单元包括:
作差子单元,用于将目标亮度图以及初始亮度图进行作差,得到差值图。
锐化子单元,用于根据差值图与锐化系数,得到亮度增强值。
在一个实施例中,上述像素增强单元包括:
构建子单元,用于根据滤波系数对初始亮度图中各个像素进行不同方向滤波,得到各个像素对应的滤波像素值。
目标亮度子单元,用于结合各个像素的亮度值以及滤波像素值,得到目标亮度图。
在一个实施例中,上述提取模块200还包括:
引导单元,用于将初始亮度图进行变换得到引导输出图。
计算单元,用于根据引导输出图以及初始亮度值,得到目标函数。
求解单元,用于对目标函数进行求解,得到滤波系数。
在一个实施例中,上述增强模块400包括:
放大单元,用于将待处理彩色图像进行放大,得到放大图像。
像素处理单元,用于将放大图像中的各个像素与亮度增强值进行相加,得到亮度增强图像。
上述图像增强装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储待处理彩色图像数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像增强方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述任意一个实施例中的方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任意一个实施例中的方法的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述任意一个实施例中的方法的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种图像增强方法,其特征在于,所述方法包括:
获取待处理彩色图像;
对所述待处理彩色图像进行亮度提取,得到初始亮度图;
基于所述初始亮度图进行计算,得到亮度增强值;
根据所述亮度增强值以及所述待处理彩色图像,得到亮度增强图像。
2.根据权利要求1所述的方法,其特征在于,所述对所述待处理彩色图像进行亮度提取,得到初始亮度图,包括:
获取像素提取系数;
根据所述像素提取系数以及所述待处理彩色图像,得到所述初始亮度图。
3.根据权利要求1所述的方法,其特征在于,所述基于所述初始亮度图进行计算,得到亮度增强值,包括:
基于所述初始亮度图以及滤波系数进行滤波,得到目标亮度图;
根据所述目标亮度图以及所述初始亮度图,得到所述亮度增强值。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标亮度图以及所述初始亮度图,得到所述亮度增强值,包括:
将所述目标亮度图以及所述初始亮度图进行作差,得到差值图;
根据所述差值图与锐化系数,得到所述亮度增强值。
5.根据权利要求3所述的方法,其特征在于,所述基于所述初始亮度图以及滤波系数进行滤波,得到目标亮度图,包括:
根据所述滤波系数,对所述初始亮度图中各个像素进行不同方向滤波,得到各个像素对应的滤波像素值;
结合各个像素的亮度值以及所述滤波像素值,得到所述目标亮度图。
6.根据权利要求3所述的方法,其特征在于,所述滤波系数的计算方式,包括:
根据所述初始亮度图进行变换,得到引导输出图;
根据所述引导输出图以及所述初始亮度值,得到目标函数;
对所述目标函数进行求解,得到所述滤波系数。
7.根据权利要求1所述的方法,其特征在于,所述根据所述亮度增强值以及所述待处理彩色图像,得到亮度增强图像,包括:
将所述待处理彩色图像进行放大,得到放大图像;
将所述放大图像中的各个像素与所述亮度增强值进行相加,得到所述亮度增强图像。
8.一种图像增强装置,其特征在于,所述装置包括:
获取模块,用于获取待处理彩色图像;
提取模块,用于对所述待处理彩色图像进行亮度提取,得到初始亮度图;
计算模块,用于基于所述初始亮度图进行计算,得到亮度增强值;
增强模块,用于根据所述亮度增强值以及所述待处理彩色图像,得到亮度增强图像。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一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7中任一项所述的方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310065902.2A CN116258644A (zh) | 2023-01-13 | 2023-01-13 | 图像增强方法、装置、计算机设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310065902.2A CN116258644A (zh) | 2023-01-13 | 2023-01-13 | 图像增强方法、装置、计算机设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116258644A true CN116258644A (zh) | 2023-06-13 |
Family
ID=86680331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310065902.2A Pending CN116258644A (zh) | 2023-01-13 | 2023-01-13 | 图像增强方法、装置、计算机设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116258644A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130321700A1 (en) * | 2012-05-31 | 2013-12-05 | Apple Inc. | Systems and Methods for Luma Sharpening |
CN104796682A (zh) * | 2015-04-22 | 2015-07-22 | 福州瑞芯微电子有限公司 | 图像信号中的色彩增强方法和装置 |
CN109255758A (zh) * | 2018-07-13 | 2019-01-22 | 杭州电子科技大学 | 基于全1*1卷积神经网络的图像增强方法 |
CN110909686A (zh) * | 2019-11-26 | 2020-03-24 | 黑龙江大学 | 一种用于辅助驾驶的低照度图像增强*** |
CN111383178A (zh) * | 2018-12-29 | 2020-07-07 | Tcl集团股份有限公司 | 一种图像增强方法、装置及终端设备 |
CN111626962A (zh) * | 2020-05-27 | 2020-09-04 | 重庆邮电大学 | 一种cmos内窥镜图像增强方法 |
CN112116536A (zh) * | 2020-08-24 | 2020-12-22 | 山东师范大学 | 一种低光照图像增强方法及*** |
CN114140344A (zh) * | 2021-11-05 | 2022-03-04 | 浙江科技学院 | 一种低照度图像的图像增强方法及*** |
US20220292658A1 (en) * | 2019-10-21 | 2022-09-15 | Zhejiang Uniview Technologies Co., Ltd. | Image fusion method and apparatus, storage medium, and electronic device |
-
2023
- 2023-01-13 CN CN202310065902.2A patent/CN116258644A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130321700A1 (en) * | 2012-05-31 | 2013-12-05 | Apple Inc. | Systems and Methods for Luma Sharpening |
CN104796682A (zh) * | 2015-04-22 | 2015-07-22 | 福州瑞芯微电子有限公司 | 图像信号中的色彩增强方法和装置 |
CN109255758A (zh) * | 2018-07-13 | 2019-01-22 | 杭州电子科技大学 | 基于全1*1卷积神经网络的图像增强方法 |
CN111383178A (zh) * | 2018-12-29 | 2020-07-07 | Tcl集团股份有限公司 | 一种图像增强方法、装置及终端设备 |
US20220292658A1 (en) * | 2019-10-21 | 2022-09-15 | Zhejiang Uniview Technologies Co., Ltd. | Image fusion method and apparatus, storage medium, and electronic device |
CN110909686A (zh) * | 2019-11-26 | 2020-03-24 | 黑龙江大学 | 一种用于辅助驾驶的低照度图像增强*** |
CN111626962A (zh) * | 2020-05-27 | 2020-09-04 | 重庆邮电大学 | 一种cmos内窥镜图像增强方法 |
CN112116536A (zh) * | 2020-08-24 | 2020-12-22 | 山东师范大学 | 一种低光照图像增强方法及*** |
CN114140344A (zh) * | 2021-11-05 | 2022-03-04 | 浙江科技学院 | 一种低照度图像的图像增强方法及*** |
Non-Patent Citations (3)
Title |
---|
唐宁;赵鹏;吴绍启;: "改进多尺度Retinex的彩色图像增强", 电子设计工程, no. 12, 20 June 2016 (2016-06-20) * |
童莹;: "同态滤波耦合后处理优化的图像增强算法", 包装工程, no. 15, 10 August 2018 (2018-08-10) * |
胡艳华;唐新来;崔亚楠;: "直方图分类耦合模糊逻辑的图像增强算法", 计算机工程与设计, no. 12, 16 December 2016 (2016-12-16) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112018002228B4 (de) | Konfigurierbare faltungsmaschine für verschachtelte kanaldaten | |
EP1395041B1 (en) | Colour correction of images | |
CN102142137B (zh) | 基于高分辨率字典的稀疏表征图像超分辨重建方法 | |
CN103871041B (zh) | 基于认知正则化参数构建的图像超分辨率重构方法 | |
US20150363912A1 (en) | Rgbw demosaic method by combining rgb chrominance with w luminance | |
US20110243428A1 (en) | Bi-Affinity Filter: A Bilateral Type Filter for Color Images | |
US8164662B2 (en) | Image-processing device for color image data and method for the image processing of color image data | |
EP3186954B1 (en) | Image processing apparatus, image processing method, recording medium, and program | |
US11388355B2 (en) | Multispectral image processing system and method | |
CN110211057B (zh) | 一种基于全卷积网络的图像处理方法、装置和计算机设备 | |
JP2022130642A (ja) | コンピュータビジョンのための適応バイラテラル(bl)フィルタリング | |
CN111260580A (zh) | 一种基于图像金字塔的图像去噪方法、计算机装置及计算机可读存储介质 | |
CN111539893A (zh) | 一种基于导向滤波的Bayer图像联合去马赛克去噪方法 | |
CN113112424A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN111008936A (zh) | 一种多光谱图像全色锐化方法 | |
JP7504629B2 (ja) | 画像処理方法、画像処理装置、画像処理プログラム、および記憶媒体 | |
CN113454687A (zh) | 图像处理方法、装置和***,计算机可读存储介质 | |
CN111563866A (zh) | 一种多源遥感图像融合方法 | |
DE112021006769T5 (de) | Schaltung zur kombinierten heruntertaktung und korrektur von bilddaten | |
CN114638761B (zh) | 一种高光谱图像全色锐化方法、设备及介质 | |
CN116258644A (zh) | 图像增强方法、装置、计算机设备、存储介质 | |
CN113674154B (zh) | 一种基于生成对抗网络的单幅图像超分辨率重建方法及*** | |
CN115471417A (zh) | 图像降噪处理方法、装置、设备、存储介质和程序产品 | |
WO2021139380A1 (en) | Image processing method and device, electronic device | |
US20220215505A1 (en) | System and method of processing of a captured image to facilitate post-processing modification |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Country or region after: China Address after: 200135, 11th Floor, Building 3, No. 889 Bibo Road, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai Applicant after: Granfei Intelligent Technology Co.,Ltd. Address before: 200135 Room 201, No. 2557, Jinke Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Applicant before: Gryfield Intelligent Technology Co.,Ltd. Country or region before: China |