CN116614716A - 图像处理方法、图像处理装置、存储介质及电子设备 - Google Patents
图像处理方法、图像处理装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116614716A CN116614716A CN202310562470.6A CN202310562470A CN116614716A CN 116614716 A CN116614716 A CN 116614716A CN 202310562470 A CN202310562470 A CN 202310562470A CN 116614716 A CN116614716 A CN 116614716A
- Authority
- CN
- China
- Prior art keywords
- processed
- information
- block
- areas
- region
- 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 61
- 238000003672 processing method Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000005192 partition Methods 0.000 claims description 43
- 238000004422 calculation algorithm Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 10
- 238000000638 solvent extraction Methods 0.000 description 9
- 238000005260 corrosion Methods 0.000 description 8
- 230000007797 corrosion Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000010295 mobile communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 241000023320 Luma <angiosperm> Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
- H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/63—Control of cameras or camera modules by using electronic viewfinders
- H04N23/631—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters
- H04N23/632—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters for displaying or modifying preview images prior to image capturing, e.g. variety of image resolutions or capturing parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/71—Circuitry for evaluating the brightness variation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Color Television Image Signal Generators (AREA)
- Processing Of Color Television Signals (AREA)
Abstract
本公开涉及图像处理技术领域,具体涉及图像处理方法及装置、计算机可读存储介质及电子设备。所述方法包括:获取原始图像的每个分块的块信息,所述块信息包括深度信息、亮度信息、色温信息中的一种或多种;基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个待处理区域;对每个所述待处理区域分别进行白平衡处理,以得到目标图像。本公开通过区域划分,对原始图像的不同色温区域分别单独进行白平衡处理,可以提高白平衡的准确性。
Description
技术领域
本公开涉及图像处理技术领域,具体而言,涉及图像处理方法、图像处理装置、计算机可读存储介质及电子设备。
背景技术
人眼在观察物体的时候,可以根据不同色温的环境光的性质调整被观察到的物体颜色,而相机在不同色温的环境光下拍摄到的物体会产生偏差。白平衡可以对图像进行色彩还原,让受环境光影响的图像颜色保持和物体真实的颜色一致。
相关的白平衡技术中,是将整张图像的均值色温作为最终结果来还原色彩的。然而,对于多色温光源场景,同一张图像中的不同区域的色温可能不同,均值色温无法准确代表各区域的实际色温情况,从而导致图像白平衡处理的准确性较低,影响色彩还原的准确性。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种图像处理方法、图像处理装置、计算机可读介质和电子设备,进而至少在一定程度上提高白平衡色彩还原的准确性。
根据本公开的第一方面,提供一种图像处理方法,包括:获取原始图像的每个分块的块信息,所述块信息包括深度信息、亮度信息、色温信息中的一种或多种;基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个待处理区域;对每个所述待处理区域分别进行白平衡处理,以得到目标图像。
根据本公开的第二方面,提供一种图像处理装置,包括:块信息获取模块,被配置为获取原始图像的每个分块的块信息,所述块信息包括深度信息、亮度信息、色温信息中的一种或多种;区域划分模块,被配置为基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个待处理区域;分区域白平衡处理模块,被配置为对每个所述待处理区域分别进行白平衡处理,以得到目标图像。
根据本公开的第三方面,提供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的第一方面所述的图像处理方法。
根据本公开的第四方面,提供一种电子设备,其特征在于,包括:一个或多个处理器;以及存储器,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现上述的第一方面所述的图像处理方法。
根据本公开的第五方面,提供一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行如第一方面和所述的图像处理方法的步骤。
本公开的技术方案具有以下有益效果:
在本公开中,一方面,通过对原始图像进行分块,然后根据块信息对原始图像进行区域划分,以得到不同的色温区域,可以提高色温区域划分的准确性;另一方面,本公开中通过对原始图像进行区域划分,以得到不同的色温区域,进而不同的色温区域分别单独进行白平衡处理,可以更加真实的还原每个色温区域的实际色彩,提高白平衡的准确性。
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示出本公开一示例性实施例中的多色温场景示意图;
图2示出可以应用本公开示例性实施例的一种***架构的示意图;
图3示出本公开一示例性实施例中的一种图像处理方法的流程示意图;
图4示出本公开一示例性实施例中的一种对原始图像进行区域划分的方法的流程示意图;
图5示出本公开一示例性实施例中的一种根据深度信息进行区域划分后的结果示意图;
图6示出本公开一示例性实施例中的一种根据亮度信息进行区域划分后的结果示意图;
图7示出本公开一示例性实施例中的一种根据色温信息进行区域划分后的结果示意图;
图8示出本公开一示例性实施例中的一种划分出的待处理区域的示意图;
图9示出本公开一示例性实施例中的一种确定待处理区域的方法流程示意图;
图10A示出本公开一示例性实施例中的另一种根据深度信息进行区域划分后的结果示意图;
图10B示出本公开一示例性实施例中的另一种根据亮度信息进行区域划分后的结果示意图;
图10C示出本公开一示例性实施例中的另一种根据色温信息进行区域划分后的结果示意图;
图10D示出本公开一示例性实施例中的一种划分出的候选区域的示意图;
图10E示出本公开一示例性实施例中的一种对候选区域进行合并,得到的待处理区域的示意图;
图11示出本公开一示例性实施例中的另一种确定待处理区域的方法的流程示意图;
图12示出本公开一示例性实施例中的一种根据候选区域确定出待处理区域的方法的流程示意图;
图13示出本公开示例性实施例中的一种图像处理装置的组成示意图;
图14示出可以应用本公开示例性实施例的一种电子设备的示意图。
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。
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。
人眼在观察物体的时候,可以根据不同色温的环境光的性质调整被观察到的物体颜色,而相机在不同色温的环境光下拍摄到的物体会产生偏差。白平衡可以对图像进行色彩还原,让受环境光影响的图像颜色保持和物体真实的颜色一致。
相关技术中的白平衡方法是根据预先的实验数据和经验数据确定出(R/G,B/G)坐标与色温之间的映射关系,然后统计原始图像的R(红色通道)、G(绿色通道)、B(蓝色通道)分量的分布情况,计算出该原始图像的(R/G平均,B/G平均),从而根据上述的映射关系得到(R/G平均,B/G平均)对应的色温,将其作为该原始图像的最终色温,进而基于该最终色温对该原始图像进行白平衡处理。
换言之,相关技术中,是基于同一张图像属于单一光源来考虑的。然而,在实际场景中,多光源场景广泛存在,一幅图像中实际色温种类分布较多且差异较大时,均值无法准确代表各区域的实际情况,对于实际色温和均值色温相差较大的区域,其色彩还原效果较差,从而导致白平衡的色彩还原准确性降低。
如图1所示,图1中存在室内的白炽灯光源11和室外的太阳光光源12共2两种光源。假设白炽灯光源11的色温为3000K,太阳光光源12的色温为5000K,白炽灯光源11的照射范围和太阳光光源12的照射范围分别如图1中的光线示意图所示,即对于左边的1/2区域和右下角的1/4区域而言,受到室内室外光源的同时影响,而右上角的1/4区域受到室外太阳光的影响。假设左边1/2区域的实际色温为3000K,右上角1/4区域的实际色温诶5000K,右下角1/4区域的实际色温为4000K,以相关技术中最常用的白平衡灰度世界算法为例,对各个区域的实际色温进行加权平均后得到整张图的色温,即整张图的色温是3000K至5000K之间的某个值,无论具体的色温值是什么,其都会和图1的3个区域(即左边1/2区域、右上角1/4区域、右下角的1/4区域)中的至少两个区域的实际色温差异较大,会导致加权均值色温与实际色温差异较大的区域的色彩还原准确性较低,从而导致整张图像的色彩还原效果较差。
鉴于上述问题,本公开的示例性实施方式提供了一种图像处理方法。
下面,先结合图2对本示例性实施方式运行环境的***架构进行示例性说明。
图2示出了***架构的示意图,该***架构200可以包括终端210与服务器220。其中,终端210可以是智能手机、平板电脑、台式电脑、笔记本电脑、智能穿戴式电子设备(如智能手表)等终端设备,服务器220泛指提供本示例性实施方式中图像处理方法的相关服务的后台***。其中,服务器220可以是云服务器。终端210与服务器220之间可以通过有线或无线的通信链路形成连接,以进行数据交互。
在一种示例性的实施方式中,可以由终端210执行本公开中的图像处理方法。例如,终端中的摄像模组可以拍摄原始图像,然后终端可以将原始图像分为M*N个图像块,通过自动对焦算法确定出每个图像块的深度信息,通过自动曝光算法确定出每个图像块的亮度信息,根据自动白平衡算法确定出每个图像块的色温信息。然后,根据每个图像块的深度信息、亮度信息和色温信息,对原始图像进行区域划分,得到一个或多个色温区域(即待处理区域),然后对不同的色温区域,分别计算其白平衡颜色增益,基于每个色温区域各自的白平衡颜色区域对该色温区域中的像素点的像素值进行处理,从而得到每个色温区域对应的白平衡图像,基于每个区域对应的白平衡图像得到原始图像的白平衡图像,在终端的显示界面中显示白平衡图像。
在另一种示例性的实施方式中,也可以由服务器220执行本公开中的图像处理方法。例如,服务器220可以将需要进行白平衡处理的原始图像分为M*N个图像块,通过自动对焦算法确定出每个图像块的深度信息,通过自动曝光算法确定出每个图像块的亮度信息,根据自动白平衡算法确定出每个图像块的色温信息。然后,根据每个图像块的深度信息、亮度信息和色温信息,对原始图像进行区域划分,得到一个或多个色温区域(即待处理区域),然后对不同的色温区域,分别计算其白平衡颜色增益,基于每个色温区域各自的白平衡颜色区域对该色温区域中的像素点的像素值进行处理,从而得到每个色温区域对应的白平衡图像,基于每个区域对应的白平衡图像得到原始图像的白平衡图像。
在再一种示例性的实施方式中,还可以通过终端210和服务器220共同执行本示例性实施方式方式中的图像处理方法。例如,终端210将拍摄到的原始图像发送给服务器220,服务器220对原始图像进行分块,基于分块信息再对原始图像进行分区域,从而对每个区域单独进行白平衡处理,以得原始图像的白平衡图像,再将得到的白平衡图像发送给终端210,终端210在其显示界面中显示接收到的白平衡图像。
由上可知,本示例性实施方式中的图像处理方法的执行主体可以是上述终端210,也可以是上述的服务器220,还可以是上述的终端210和服务器220共同作为执行主体,本公开对此不做限定。
下面结合图3对本示例性实施方式中的一种图像处理方法进行说明,图3示出了该图像处理方法的示例性流程,其可以包括:
步骤S310,获取原始图像的每个分块的块信息,所述块信息包括深度信息、亮度信息、色温信息中的一种或多种;
步骤S320,基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个待处理区域;
步骤S330,对每个所述待处理区域分别进行白平衡处理,以得到目标图像。
基于上述方法,一方面,通过对原始图像进行分块,然后根据块信息对原始图像进行区域划分,可以得到不同的色温区域,可以提高色温区域划分的准确性;另一方面,通过对原始图像进行区域划分,以得到不同的色温区域,进而不同的色温区域分别单独进行白平衡处理,可以更加真实的还原每个色温区域的实际色彩,提高白平衡的准确性。
下面对图3所示的步骤进行具体说明。
在步骤S310中,获取原始图像的每个分块的块信息。
在一种示例性的实施方式中,原始图像可以理解为RAW格式文件的图像,即RAW图,其是未处理的、自然状态的,也就是相机直接记录的RAW文件是传感器捕捉到的光信号转换为数字信号的原始数据。换言之,原始图像记录的是拍摄照片时的环境的原始数据。
其中,原始图像可以包括相机直接实时拍摄得到的RAW图,也可以包括本地存储的RAW图。即本公开可以对相机实时拍摄的原始图像进行白平衡处理,也可以对终端或服务器中存储的RAW图进行白平衡处理,本示例性实施方式对此不做特殊限定。
在一种示例性的实施方式中,可以将原始图像划分为M*N个图像块,其中M和N都为正整数。M和N可以预先确定,如M为10,N为10,则对任意的原始图像而言,可以将其划分为100个图像块。M和N的值不宜过大,过大则导致增加计算量,M和N的值也不宜过小,过小则可能导致后续的区域划分结果不准确,其可以根据经验确定,本示例性实施方式对此不做特殊限定。
在一种示例性的实施方式中,块信息可以包括深度信息、亮度信息、色温信息中的一种或多种。其中,深度信息可以理解为相机镜头到块中物体的距离,即物距信息。
在另一种示例性的实施方式中,块信息中包括色温信息,而对于深度信息和亮度信息而言,块信息中包括其中的任意一种或两种同时都包括。即块信息包括深度信息和亮度信息中的一种或多种,以及色温信息。
对于分块的深度信息而言,可以通过AF算法(Automatic Focus,自动对焦算法)基于PD(Phase Detection,相位)确定出原始图像的每个像素点的深度信息,根据每个分块内包括的像素点的深度信息均值,确定出该分块的深度信息。也可以通过基于深度学习的方法确定出原始图像的每个像素点的深度信息,根据每个分块内包括的像素点的深度信息的均值,确定出该分块的深度信息。还可以通过红外线测距方法确定出每个分块的深度信息,也可以通过TOF(Time of flight,飞行时间法)确定每个分块的深度信息。当然,也可以通过其它的估计深度信息的方法,确定出每个分块的深度信息,本示例性实施方式对此不做特殊限定。
对于分块的亮度信息而言,可以通过AE(Auto Exposure,自动曝光)算法确定原始图像中的每个像素点的亮度,根据每个分块内包括的像素点的亮度均值,确定出该分块的亮度信息。当然,可以通过其它的确定亮度信息的方式得到每个分块的亮度信息,本示例性实施方式对此不做特殊限定。
对于分块的色温信息而言,可以通过自动白平衡算法(Automatic whitebalance,AWB)确定出每个分块的色温信息,如通过自动白平衡中的灰度世界算法、完美发射法、色域界限法、动态阈值法等确定出每个分块的色温信息。如以白平衡中的灰度世界算法为例,灰度世界算法假设对于一幅有着复杂色彩变化的图像,R(红色通道)、G(绿色通道)、B(蓝色通道)三个分类的饱和度平均值趋向于同一灰度值。具体的,灰度世界算法可以通过R分量值、G分量值和B分量值以及色温曲线(即普朗克曲线)确定出每个色块的色温值。其中,普朗克曲线反映了(R/G,B/G)坐标点与色温之间的映射关系。
例如,针对每个分块,可以计算该分块的每个像素点的R/G值和B/G值,即计算每个像素点的R分量值和G分量值之间的比值,以及B分量值和G分量值之间的比值,从而得到(R/G,B/G)坐标点,在普朗克曲线中查找坐标点(R/G,B/G)对应的色温值、从而得到每个像素点的色温值。然后统计该分块中不同色温值的像素点数量,取像素点数量最多的色温值作为该分块的色温值。如某个分块中有100个像素点,这100个像素点中有80个像素点在普朗克曲线中查找到的色温都是4500K,则该分块的色温值为4500K。或者根据分块中包括的像素点对应的的色温值的平均值,确定出分块的色温值等。
在步骤S320中,基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个待处理区域。
在一种示例性的实施方式中,分块包括的像素点小于或等于所述待处理区域包括的像素点。
基于此,在一种示例性的实施方式中,在所述分块信息包括所述深度信息的情况下,将所述深度信息属于同一深度值区间的分块确定为同一区域,以对所述原始图像进行区域划分,得到一个或多个待处理区域;在所述分块信息包括所述亮度信息的情况下,将所述亮度信息属于同一亮度值区间的分块确定为同一区域,以对所述原始图像进行区域划分,得到一个或多个待处理区域;在所述分块信息包括所述色温信息的情况下,将所述色温信息属于同一色温值区间的分块确定为同一区域,以对所述原始图像进行区域划分,得到一个或多个待处理区域。
其中,各块信息的区间范围可以根据需求进行自定义配置,本示例性实施方式对此不做特殊限定。
举例而言,由于深度信息、亮度信息以及色温信息的估计可能存在误差,所以可以认为属于同一深度值范围的分块的深度信息,可以将其合并为同一区域,属于同一亮度值范围的分块的亮度信息相同,可以将其合并为同一区域,属于同一色温范围的分块的色温信息相同,可以将其合并为同一区域。
换言之,可以将深度信息差值小于第一预设值的分块进行合并,将亮度信息差值小于第二预设值的分块进行合并,将色温信息小于第三预设值的分块进行合并,以得到待处理区域。示例性的,图4示出本公开一示例性实施例中的一种对原始图像进行区域划分的方法的流程示意图。参考图4,该方法可以包括步骤S410至步骤S420。其中:
在步骤S410中,在所述块信息包括所述深度信息、亮度信息、色温信息中的至少两种的情况下,根据至少两种块信息分别对所述原始图像进行区域划分,以得到至少两种块信息的区域划分结果。
举例而言,在块信息包括深度信息、亮度信息、色温信息中的至少两种的情况下,可以同步执行各块信息的分区算法,以同步得到各块信息的区域划分结果。
如以块信息包括深度信息、亮度信息、色温信息为例,可以同时执行AF算法、AE算法、AWB算法以同时基于深度信息、亮度信息和色温信息对原始图像进行区域划分,从而分别得到每个块信息的区域划分结果。
以原始图像为图1中的图像为例,室外区域的深度信息(distance)是10米,室内区域的深度信息是3米,基于AF算法通过PD信息确定出右上角的1/4区域中的分块的深度信息都在10米到11米的范围内,其它区域的分块的深度信息都在3米到4米的范围内,则根据块的深度信息可以将图1中的原始图像划分为2个区域,如图5所示,分别为af_block1和af_block2。
基于AE算法确定出图1中的右上角的1/4区域中的分块的亮度值luma1都在8luma(luma即卢马,亮度单位)到9luma的范围内,左边1/2区域内的分块的亮度值luma2都在1luma到2luma的范围内,右下角1/4区域内的各分块的亮度值luma3都在2luma到3luma的范围内,则通过亮度信息可以将图1中的原始图像划分为3个区域,如图6所示,分别为ae_block1、ae_block2和ae_block3。
基于AWB算法确定图1中的右上角的1/4区域中的分块的色温值都在5000K到6000K的范围内,左边1/2区域内的分块的色温值都在3000K到4000K的范围内,右下角1/4区域内的各分块的色温值都在4000K到5000K的范围内,则通过色温信息可以将图1中的原始图像划分为3个区域,如图7所示,分别为awb_block1、awb_block2和awb_block3。
在步骤S420中,基于至少两种块信息的区域划分结果的交集,确定出所述一个或多个待处理区域。
举例而言,可以确定出至少两种块信息中的每种块信息的区域划分结果的交集,将其交集对应的每个区域确定为待处理区域。也就是说每个待处理区域同时属于每种块信息的区域划分结果划分出的某个区域。
如图8所示,根据图5、图6、图7中的每个块信息的区域划分结果的交集,可以确定最终将原始图像划分为3个区域,即图8中的block1、block2和block3。其中,block1同时属于af_block1、ae_block1和awb_block1,即block1为af_blaok1、ae_block1和awb_block1的交集,block2同时属于af_block2、ae_block2和awb_block2,即block2为af_block2、ae_block2和awb_block2的交集,block3同时属于af_block2、ae_block3和awb_block3,即block3为af_block2、ae_block3和awb_block3的交集。
通过上述的步骤S410至步骤S420。可以同时执行每种块信息的分区算法,以同时对原始图像进行分区,最后再将每种块信息的分区结果进行综合考虑,以得到最终的区域划分结果。这样,不仅可以提高区域划分的效率,通过多种信息的结合,还可以提高区域划分的准确性,从而辅助提高白平滑处理的效率和准确性。
在另一种示例性的实施方式中,在所述块信息包括所述深度信息、亮度信息、色温信息的情况下,也可以先根据所述亮度信息对所述原始图像进行区域划分,以得到一个或多个第一待处理区域;针对每个所述第一待处理区域,根据所述第一待处理区域中的每个分块的深度信息对所述第一待处理区域进行划分,以得到一个或多个第二待处理区域;针对每个所述第二待处理区域,根据所述第二待处理区域中的每个分块的色温信息对所述第二待处理区域进行划分,以得到一个或多个所述待处理区域。
举例而言,也可以基于预设顺序根据所述深度信息、亮度信息和色温信息中的至少两种进行区域划分,以得到待处理区域。其中,预设顺序可以根据每种块信息的分区可靠性确定,如亮度信息的分区可靠性最大,深度信息的分区可靠性次之,最后是色温信息的分区可靠性。所以预设顺序可以为先基于亮度信息进行分区、再基于深度信息进行分区,最后再基于色温信息进行分区。
例如,在块信息包括深度信息和色温信息的情况下,可以先根据深度信息对原始图像进行分区,以得到一个或多个第一分区,再根据色温信息确定每个第一分区是否需要再继续进行分区,从而得到一个或多个第二分区,最后再根据第二分区确定出最终的待处理区域。
又例如,在块信息包括亮度信息和色温信息的情况下,可以先根据亮度信息对原始图像进行分区,以得到一个或多个第一分区,再根据色温信息确定每个第一分区是否需要再继续进行分区,从而得到一个或多个第二分区,最后再根据第二分区确定出最终的待处理区域。
再例如,在块信息包括深度信息和亮度信息的情况下,可以先根据亮度信息对原始图像进行分区,以得到一个或多个第一分区,再根据深度信息对每个第一分区进行分区,从而得到一个或多个第二分许,最后再根据第二分区确定出最终的待处理区域。
再例如,在块信息包括深度信息、亮度信息和色温信息的情况下,可以先根据亮度信息对原始图像进行分区、得到一个或多个第一分区,在亮度分区的结果上,基于深度信息确定亮度信息的每个第一分区是否需要再进行分区,以得到一个或多个第二分区,在亮度信息和深度信息分区后的每个分区的结果上,再基于色温信息确定每个第二分区是否需要再继续进行进一步的分区,从而得到一个或多个第三分区,最终,根据第三分区,得到一个或多个待处理区域。
通过顺序的基于每个块信息进行分区,以得到一个或多个待处理区域,相比于同时基于块信息进行分区而言,不需要进行交集运算,直接根据顺序执行后的最终结果,就可以确定出一个或多个待处理区域。这一个或多个待处理区域可以理解为不同的色温区域。同时,由于在顺序执行时,考虑到了块信息的可靠性,保证了划分的色温区域的准确性。
在一种示例性的实施方式中,在根据块信息划分出的区域数量太多的情况下,可以对其进行合并,以减少最终确定出的色温区域的数量,从而降低白平衡的计算量,提高图像处理效率。
基于此,示例性的,图9示出本公开一示例性实施例中的一种确定待处理区域的方法流程示意图。参考图9,该方法可以包括步骤S910至步骤S920。
在步骤S910中,在所述块信息包括所述色温信息的情况下,根据每个分块的色温信息确定出所述原始图像包括的色温种类。
举例而言,在块信息包括色温信息的情况下,可以先确定出每个分块的色温信息,然后将属于同一色温值区间的色温信息确定为同一色温种类,从而确定出原始图像中包括的色温种类。
其中,确定每个分块的色温信息的具体实施方式在前面已经阐述过,此处不在进行赘述。
在步骤S920中,基于所述色温种类的数量,确定出所述待处理区域的目标数量。
由于白平衡处理就是让不同色温下的图像都能显示出原本正常的色彩,而不会出现色彩偏差的情况。换言之,白平衡处理就是对不同色温下的图像进行色彩还原,所以可以根据色温的种类确定出需要进行白平衡处理的待处理区域的目标数量。如原始图像的色温种类有3种,则确定最终划分出的待处理区域有3个。原始图像的色温种类有1种,则可以不对其进行划分,直接将原始图像作为待处理区域,也可以认为此时划分出的待处理区域只有1个,即原始图像本身。
示例性的,在确定出目标数量后,步骤S320的一种具体实施方式可以包括:基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个候选区域;在所述候选区域的数量大于所述目标数量的情况下,基于图像分割算法对所述候选区域进行合并,以得到所述目标数量个待处理区域。
举例而言,在根据分块信息进行区域划分,直接得到的分区数量大于色温种类的数量的情况下,可以基于图像分割算法中的腐蚀和/或膨胀的方式对候选区域进行合并,直到合并后的分区数量等于色温种类的数量,则停止合并,从而得到目标数量个待处理区域。
下面,结合图10A、图10B、图10C、图10D和图10E,对确定待处理区域的具体实施方式进行进一步的说明。在图10A中基于深度信息将原始图像划分为两个区域,分别为af1和af2,在图10B中基于亮度信息将原始图像划分为两个区域,分别为ae1和ae2,在图10C中基于色温信息将原始图像划分为4个区域(即色温种类为4),分别为awb1、awb2、awb3、awb4。取图10A、图10B和图10C的分区的交集,可以将原始图像划分为8个候选区域,如图10D中的a1、a2、a3、a4、a5、a6、a7、a8。
其中,a1为af2、ae1、awb1的交集,a2为af1、ae1、awb1的交集,a3为af2、ae2、awb1的交集,a4为af1、ae2、awb1的交集,a5为af2、ae2、awb2的交集,a6为af2、ae2、awb3的交集,a7为af2、ae2、awb4的交集,a8为af1、ae2、awb4的交集。
显然,候选区域的数量8大于色温种类的数量4。则可以基于图像分割算法对候选区域进行腐蚀和/或膨胀,以对候选区域进行合并,从而得到4个待处理区域。如经图像分割算法对8个候选区域进行腐蚀、膨胀处理后,a3被腐蚀掉,a5被膨胀到包括a3的区域,则将a5和a3合并,以得到如图10E所示的b3,同样的,a2被膨胀到可以包括a4的区域,即a4和a2可以合并,生成新的区域b2,a6和a7被a8膨胀后的区域所腐蚀,即a6、a7、a8可以被合并为b4。所以,最终确定出的候选区域如图10E所示,包括a1、b2、b3、b4共4个区域。
在进行膨胀腐蚀的时候,可以先对任意的区域进行膨胀或腐蚀,在膨胀或腐蚀完成后,看合并后的区域数量是否大于色温种类的数量,如果是,则继续看是否还有能进行膨胀或腐蚀的区域;如果否,则停止膨胀或腐蚀,并根据当前膨胀或腐蚀的结果确定出最终的待处理区域。
示例性的,图11示出本公开一示例性实施例中的另一种确定待处理区域的方法的流程示意图,参考图11,该方法可以包括步骤S1110至步骤S1120。其中:
在步骤S1110中,基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个候选区域。
如前所述,可以将块信息属于同一范围的分块进行合并,以得到一一个或多个候选区域。
在步骤S1120中,根据每个候选区域包括的分块数量,对所述一个或多个候选区域进行合并,以得到一个或多个待处理区域。
示例性的,图12示出本公开一示例性实施例中的一种根据候选区域包括的分块数量,确定出待处理区域的方法的流程示意图。参考图12,该方法可以包括步骤S1210至步骤S1250。
在步骤S1210中,根据每个候选区域包括的分块数量,确定出第一候选区域和第二候选区域。
在一种示例性的实施方式中,第一候选区域为分块数量最多的候选区域,第二候选区域为分块数量最少的候选区域。
举例而言,可以从候选区域中确定出占原始图像比例最大的候选区域,将其确定为第一候选区域,以及从候选区域或者确定出占原始图像比例最小的候选区域,将其确定为第二候选区域。在每个分块的大小相同的情况下,包括的分块数量最多的候选区域占原始图像的比例也就最大,包括的分块数量最少的候选区域占原始图像的比例也就最小。
在步骤S1220中,判断第一分块数量和第二分块数量之间的差值是否大于预设值;若是,则转至步骤S1230,否则转至步骤S1250。
举例而言,第一分块数量可以理解为第一候选区域包括的分块数量,第二分块数量可以理解为第二候选区域包括的分块数量。可以计算第一分块数量和第二分块数量之间的差值,如果差值大于预设值,可以认为第二候选区域占原始图像的比例较小,可以不单独对其进行处理,而是将其和其它的候选区域进行合并,从而减少候选区域的数量,提高处理效率;如果差值小于或等于预设值,则认为当前各候选区域占原始图像的比例相当,即每个候选区域对原始图像都比较重要,则可以根据当前的候选区域确定出待处理区域,以在后续的步骤中分别对每个候选区域进行白平衡处理,从而提高白平衡的准确性。
在步骤S1230中,从其他候选区域中确定出与所述第二候选区域合并的目标候选区域。
举例而言,可以通过图像分割算法,对第二候选区域进行腐蚀,将能够对第二候选区域进行腐蚀的其它候选区域确定为目标候选区域。也可以将第二候选区域邻域内的其它候选区域中与所述第二候选区域的色温值差值最小的候选区域确定为目标候选区域,即将和第二候选区域相邻,且与第二候选区域的色温差值最小的候选区域确定为目标候选区域,本示例性实施方式对此不做特殊限定。
在步骤S1240中,将所述第二候选区域和所述目标候选区域进行合并,以根据合并结果更新所述候选区域,并转至步骤S1210。
举例而言,如根据块信息划分出的候选区域包括候选区域1、候选区域2、候选区域3、候选区域4、候选区域5,其中候选区域1包括的分块数量最多,候选区域4包括的分块数量最少,且候选区域1和候选区域4之间的分块数量差值大于预设值,则可以确定出候选区域4的目标候选区域。如确定出候选区域4的目标候选区域为候选区域3,则可以将候选区域4和候选区域3合并为候选区域34,这样,更新后的候选区域就包括候选区域1、候选区域2、候选区域34和候选区域5共4个候选区域。再确定出这4个候选区域中包括的分块数量最多的候选区域和分块数量最少的候选区域,以重新确定出第一候选区域和第二候选区域,并继续判断新的第一候选区域包括的第一分块数量和新的第二候选区域包括的第二分块数量之间的差值是否大于预设值,以根据差值和预设值之间的不同关系执行不同的步骤。
在步骤S1250中,基于当前的所述候选区域得到所述一个或多个待处理区域。
如前所述,在所述第一候选区域包括的第一分块数量和所述第二候选区域包括的第二分块数量之间的差值小于或等于预设值的情况下,表明当前更新后的各候选区域占原始图像的比例相当,则说明当前更新后的各候选区域对原始图像的重要性程度相当,则可以停止合并,并根据当前更新后的候选区域确定出需要单独进行白平衡处理的待处理区域。
如,以上述的当前更新后的候选区域包括候选区域1、候选区域2、候选区域34和候选区域5共4个候选区域为例,此时如果新的第一候选区域为候选区域1,新的第二候选区域为候选区域5,且候选区域1和候选区域5之间包括的分块数量差值小于预设值,则待处理区域就可以包括候选区域1、候选区域2、候选区域34和候选区域5。
通过上述的步骤S1110至步骤S1120,可以根据候选区域占原始图像的比例,对候选区域进行合并,从而确定出最终的待处理区域。这样,在对原始图像进行色温区域划分的同时,可以降低最终确定出的色温区域的数量,在提高白平衡的准确性的同时避免因过多色温区域而导致的白平衡处理效率降低的问题,从而在白平衡的准确性和效率之间进行一个较好的平衡。
在一种示例性的实施方式中,在整张图像处于单一光源的情况下,划分出的待处理区域可能就只有一个。所以,基于本公开中的图像处理方法,可以将原始图像划分为一个或多个需要进行白平衡处理的待处理区域。
继续参考图3,在步骤S330中,对每个所述待处理区域分别进行白平衡处理,以得到目标图像。
示例性的,步骤S330的一种具体实施方式可以包括:分别确定出每个所述待处理区域的白平衡颜色增益,基于每个所述待处理区域的白平衡颜色增益分别对每个所述待处理区域的像素进行白平衡处理,以得到目标图像。
其中,分别确定出每个所述待处理区域的白平衡颜色增益,基于每个所述待处理区域的白平衡颜色增益分别对每个所述待处理区域的像素进行白平衡处理,以得到目标图像,包括:针对每个待处理区域,根据所述待处理区域中的像素点的红色通道值和绿色通道值之间的第一比值均值,确定出所述待处理区域的红色通道的第一白平衡颜色增益,根据所述待处理区域中的像素点的蓝色通道值和绿色通道值之间的第二比值均值,确定出所述待处理区域的蓝色通道的第二白平衡颜色增益;针对每个待处理区域,根据所述待处理区域的红色通道的第一白平衡颜色增益和蓝色通道的第二白平衡增益对所述待处理区域的每个像素进行处理,以得到所述待处理区域的白平衡图像;根据每个所述待处理区域的白平衡图像,得到所述目标图像。
举例而言,针对每个待处理区域,可以确定出该待处理区域中的像素点的红色通道值和绿色通道值之间的第一比值均值,该第一比值均值可以根据每个像素点的红色通道值与绿色通道值比值的均值确定,也可以根据该区域内所有像素点的红色通道均值与绿色通道均值的比值确定。同样的,第二比值均值可以根据该区域内每个像素点的蓝色通道和绿色通道比值的均值确定,也可以根据该区域内所有像素点的蓝色通道均值与绿色通道均值的比值确定。
然后,将第一比值确定为该区域内每个像素点的红色通道的白平衡增益,将第二比值确定为该区域内每个像素点的蓝色通道的白平衡增益,而该区域内每个像素点的绿色通道白平衡增益为1。即针对每个待处理区域中的每个像素点,绿色通道的颜色值不变,而通过红色通道的白平衡增益调整红色通道的颜色值,通过蓝色通道的白平衡增益调整蓝色通道的颜色值,针对该区域内的每个像素点,将原始的绿色通道颜色值、调整后的红色通道颜色值、调整后的蓝色通道颜色值进行合并,确定出该像素点经白平衡处理后的颜色值,从而根据该待处理区域每个像素点经白平衡处理后的颜色值,确定出该待处理区域对应的白平衡子图像。
整合每个待处理区域对应的白平衡子图像,就可以得到原始图像经白平衡处理后的目标图像。其中,红色通道、绿色通道、蓝色通道即为RGB图像的三个颜色通道。
在本公开中,先对原始图像进行分块,进而根据每个分块的深度信息、亮度信息和色温信息,对原始图像进行区域划分,从而确定出具有不同色温的待处理区域,以对每个待处理区域分别单独进行白平衡处理,进而保证每个待处理区域都有接近实际的色温信息,以准确还原出每个待处理区域的实际色彩,避免传统均值色温算法无法适应多色温场景的情况,提高了白平衡的准确性。
进一步的,本公开结合深度信息、亮度信息进行色温区域划分,相比于单独的根据色温信息进行区域划分而言,能提高区域划分的准确性,进而提高白平衡处理的准确性。
需要注意的是,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。
进一步的,参考图13所示,本示例的实施方式中还提供了一种图像处理装置1300,该图像处理装置1300可以包括:块信息获取模块1310、区域划分模块1320以及分区域白平衡处理模块1330。其中:块信息获取模块1310,被配置为获取原始图像的每个分块的块信息,所述块信息包括深度信息、亮度信息、色温信息中的一种或多种;区域划分模块1320,被配置为基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个待处理区域;分区域白平衡处理模块1330,被配置为对每个所述待处理区域分别进行白平衡处理,以得到目标图像。
在一种示例性的实施方式中,基于前述实施例,所述区域划分模块1320可以被具体配置为:在所述块信息包括所述深度信息、亮度信息、色温信息中的至少两种的情况下,根据至少两种块信息分别对所述原始图像进行区域划分,以分别得到至少两种块信息的区域划分结果;基于至少两种块信息的区域划分结果的交集,确定出一个或多个待处理区域。
在一种示例性的实施方式中,基于前述实施例,所述区域划分模块1320也可以被具体配置为:在所述块信息包括所述深度信息、亮度信息、色温信息的情况下,根据所述亮度信息对所述原始图像进行区域划分,以得到一个或多个第一待处理区域;针对每个所述第一待处理区域,根据所述第一待处理区域中的每个分块的深度信息对所述第一待处理区域进行划分,以得到一个或多个第二待处理区域;针对每个所述第二待处理区域,根据所述第二待处理区域中的每个分块的色温信息对所述第二待处理区域进行划分,以得到一个或多个所述待处理区域。
在一种示例性的实施方式中,基于前述实施例,所述区域划分模块1320也可以被具体配置为:在所述块信息包括所述色温信息的情况下,根据每个分块的色温信息确定出所述原始图像包括的色温种类;基于所述色温种类的数量,确定出所述待处理区域的目标数量。
在一种示例性的实施方式中,基于前述实施例,所述区域划分模块1320也可以被具体配置为:基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个候选区域;在所述候选区域的数量大于所述目标数量的情况下,基于图像分割算法对所述候选区域进行合并,以得到所述目标数量个待处理区域。
在一种示例性的实施方式中,基于前述实施例,所述区域划分模块1320也可以被具体配置为:基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个候选区域;根据每个候选区域包括的分块数量,对所述一个或多个候选区域进行合并,以得到一个或多个待处理区域。
在一种示例性的实施方式中,基于前述实施例,所述根据每个候选区域包括的分块数量,对所述一个或多个候选区域进行合并,以得到一个或多个待处理区域,包括:根据每个候选区域包括的分块数量,确定出第一候选区域和第二候选区域,其中,所述第一候选区域为分块数量最多的候选区域,所述第二候选区域为分块数量最少的候选区域;在所述第一候选区域包括的第一分块数量和所述第二候选区域包括的第二分块数量之间的差值大于预设值的情况下,从其他候选区域中确定出与所述第二候选区域合并的目标候选区域;将所述第二候选区域和所述目标候选区域进行合并,以根据合并结果更新所述候选区域,基于更新后的所述候选区域,重新确定出所述第一候选区域和所述第二候选区域;在所述第一候选区域包括的第一分块数量和所述第二候选区域包括的第二分块数量的差值等于或小于预设值的情况下,基于更新后的所述候选区域得到所述一个或多个待处理区域。
在一种示例性的实施方式中,基于前述实施例,所述分块包括的像素点小于或等于所述待处理区域包括的像素点。
在一种示例性的实施方式中,基于前述实施例,所述区域划分模块1320也可以被具体配置为:在所述分块信息包括所述深度信息的情况下,将所述深度信息属于同一深度值区间的分块确定为同一区域,以对所述原始图像进行区域划分,得到一个或多个待处理区域;在所述分块信息包括所述亮度信息的情况下,将所述亮度信息属于同一亮度值区间的分块确定为同一区域,以对所述原始图像进行区域划分,得到一个或多个待处理区域;在所述分块信息包括所述色温信息的情况下,将所述色温信息属于同一色温值区间的分块确定为同一区域,以对所述原始图像进行区域划分,得到一个或多个待处理区域。
在一种示例性的实施方式中,基于前述实施例,所述分区域白平衡处理模块1330可以被具体配置为:分别确定出每个所述待处理区域的白平衡颜色增益,基于每个所述待处理区域的白平衡颜色增益分别对每个所述待处理区域的像素进行白平衡处理,以得到目标图像。
在一种示例性的实施方式中,基于前述实施例,所述分别确定出每个所述待处理区域的白平衡颜色增益,基于每个所述待处理区域的白平衡颜色增益分别对每个所述待处理区域的像素进行白平衡处理,以得到目标图像,包括:针对每个待处理区域,根据所述待处理区域中的像素点的红色通道值和绿色通道值之间的第一比值均值,确定出所述待处理区域的红色通道的第一白平衡颜色增益,根据所述待处理区域中的像素点的蓝色通道值和绿色通道值之间的第二比值均值,确定出所述待处理区域的蓝色通道的第二白平衡颜色增益;针对每个待处理区域,根据所述待处理区域的红色通道的第一白平衡颜色增益和蓝色通道的第二白平衡增益对所述待处理区域的每个像素进行处理,以得到所述待处理区域的白平衡图像;根据每个所述待处理区域的白平衡图像,得到所述目标图像。
上述装置中各模块的具体细节在方法部分实施方式中已经详细说明,未披露的细节内容可参见方法部分的实施方式内容,因而不再赘述。
本公开的示例性实施方式还提供一种用于执行上述图像处理方法的电子设备,该电子设备可以是上述的终端210。一般的,该电子设备可以包括处理器与存储器,存储器用于存储处理器的可执行指令,处理器配置为经由执行可执行指令来执行上述的图像处理方法。
下面以图14中的移动终端1400为例,对该电子设备的构造进行示例性说明。本领域技术人员应当理解,除了特别用于移动目的的部件之外,图14中的构造也能够应用于固定类型的设备。
如图14所示,移动终端1400具体可以包括:处理器1401、存储器1402、总线1403、移动通信模块1404、天线1、无线通信模块1405、天线2、显示屏1406、摄像模块1407、音频模块1408、电源模块1409与传感器模块1410。
处理器1401可以包括一个或多个处理单元,例如:处理器1410可以包括AP(Application Processor,应用处理器)、调制解调处理器、GPU(Graphics ProcessingUnit,图形处理器)、ISP(Image Signal Processor,图像信号处理器)、控制器、编码器、解码器、DSP(Digital Signal Processor,数字信号处理器)、基带处理器和/或NPU(Neural-Network Processing Unit,神经网络处理器)等。例如,可以使用GPU基于本公开中的图像处理方法对原始图像进行处理,从而得到白平衡处理后的目标图像。
处理器1401可以通过总线1403与存储器1402或其他部件形成连接。
存储器1402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。处理器1401通过运行存储在存储器1402的指令,执行移动终端1400的各种功能应用以及数据处理。存储器1402还可以存储应用数据,例如存储图像,视频等文件,存储器1402也可以存储原始图像和使用本公开中的图像处理方法对原始图像进行白平衡处理后得到的目标图像。
移动终端1400的通信功能可以通过移动通信模块1404、天线1、无线通信模块1405、天线2、调制解调处理器以及基带处理器等实现。天线1和天线2用于发射和接收电磁波信号。移动通信模块1404可以提供应用在移动终端1400上2G、3G、4G、5G等移动通信解决方案。无线通信模块1405可以提供应用在移动终端1400上的无线局域网、蓝牙、近场通信等无线通信解决方案。
显示屏1406用于实现显示功能,如显示用户界面、显示根据本公开的图像处理方法进行白平衡处理后得到的目标图像。摄像模块1407用于实现拍摄功能,如拍摄待进行白平衡处理的图像、待进行白平衡处理的视频等。音频模块1408用于实现音频功能,如播放音频,采集语音等。电源模块1409用于实现电源管理功能,如为电池充电、为设备供电、监测电池状态等。传感器模块1410可以包括深度传感器14101、速度传感器14102、陀螺仪传感器14103、气压传感器14104等,以实现相应的感应检测功能。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为***、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“***”。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以从网络上被下载和安装,和/或基于可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时,执行本申请的方法和装置中限定的各种功能。
本公开的示例性实施方式还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤,例如可以执行图3中的任意一个或多个步骤。
本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。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。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、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,或上述的任意合适的组合。
此外,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本领域技术人员在考虑说明书及实践这里公开的发明后,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、用途或适应性变化,这些变型、用途或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 (14)
1.一种图像处理方法,其特征在于,包括:
获取原始图像的每个分块的块信息,所述块信息包括深度信息、亮度信息、色温信息中的一种或多种;
基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个待处理区域;
对每个所述待处理区域分别进行白平衡处理,以得到目标图像。
2.根据权利要求1所述的图像处理方法,其特征在于,所述基于每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个待处理区域,包括:
在所述块信息包括所述深度信息、亮度信息、色温信息中的至少两种的情况下,根据至少两种块信息分别对所述原始图像进行区域划分,以分别得到至少两种块信息的区域划分结果;
基于至少两种块信息的区域划分结果的交集,确定出所述一个或多个待处理区域。
3.根据权利要求1所述的图像处理方法,其特征在于,所述基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个待处理区域,包括:
在所述块信息包括所述深度信息、亮度信息、色温信息的情况下,根据所述亮度信息对所述原始图像进行区域划分,以得到一个或多个第一待处理区域;
针对每个所述第一待处理区域,根据所述第一待处理区域中的每个分块的深度信息对所述第一待处理区域进行划分,以得到一个或多个第二待处理区域;
针对每个所述第二待处理区域,根据所述第二待处理区域中的每个分块的色温信息对所述第二待处理区域进行划分,以得到一个或多个所述待处理区域。
4.根据权利要求1所述的图像处理方法,其特征在于,所述基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个待处理区域,包括:
在所述块信息包括所述色温信息的情况下,根据每个分块的色温信息确定出所述原始图像包括的色温种类;
基于所述色温种类的数量,确定出所述待处理区域的目标数量。
5.根据权利要求4所述的图像处理方法,其特征在于,所述基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个待处理区域,包括:
基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个候选区域;
在所述候选区域的数量大于所述目标数量的情况下,基于图像分割算法对所述候选区域进行合并,以得到所述目标数量个待处理区域。
6.根据权利要求1所述的图像处理方法,其特征在于,所述基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个待处理区域,包括:
基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个候选区域;
根据每个候选区域包括的分块数量,对所述一个或多个候选区域进行合并,以得到一个或多个待处理区域。
7.根据权利要求6所述的图像处理方法,其特征在于,根据每个候选区域包括的分块数量,对所述一个或多个候选区域进行合并,以得到一个或多个待处理区域,包括:
根据每个候选区域包括的分块数量,确定出第一候选区域和第二候选区域,其中,所述第一候选区域为分块数量最多的候选区域,所述第二候选区域为分块数量最少的候选区域;
在所述第一候选区域包括的第一分块数量和所述第二候选区域包括的第二分块数量之间的差值大于预设值的情况下,从其他候选区域中确定出与所述第二候选区域合并的目标候选区域;
将所述第二候选区域和所述目标候选区域进行合并,以根据合并结果更新所述候选区域,基于更新后的所述候选区域,重新确定出所述第一候选区域和所述第二候选区域;
在所述第一候选区域包括的第一分块数量和所述第二候选区域包括的第二分块数量的差值等于或小于预设值的情况下,基于当前的候选区域得到所述一个或多个待处理区域。
8.根据权利要求1至7中任一项所述的图像处理方法,其特征在于,所述分块包括的像素点小于或等于所述待处理区域包括的像素点。
9.根据权利要求1所述的图像处理方法,其特征在于,基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个待处理区域,包括:
在所述分块信息包括所述深度信息的情况下,将所述深度信息属于同一深度值区间的分块确定为同一区域,以对所述原始图像进行区域划分,得到一个或多个待处理区域;
在所述分块信息包括所述亮度信息的情况下,将所述亮度信息属于同一亮度值区间的分块确定为同一区域,以对所述原始图像进行区域划分,得到一个或多个待处理区域;
在所述分块信息包括所述色温信息的情况下,将所述色温信息属于同一色温值区间的分块确定为同一区域,以对所述原始图像进行区域划分,得到一个或多个待处理区域。
10.根据权利要求1所述的图像处理方法,其特征在于,所述对每个所述待处理区域分别进行白平衡处理,以得到目标图像,包括:
分别确定出每个所述待处理区域的白平衡颜色增益,基于每个所述待处理区域的白平衡颜色增益分别对每个所述待处理区域的像素进行白平衡处理,以得到目标图像。
11.根据权利要求10所述的图像处理方法,其特征在于,所述分别确定出每个所述待处理区域的白平衡颜色增益,基于每个所述待处理区域的白平衡颜色增益分别对每个所述待处理区域的像素进行白平衡处理,以得到目标图像,包括:
针对每个待处理区域,根据所述待处理区域中的像素点的红色通道值和绿色通道值之间的第一比值均值,确定出所述待处理区域的红色通道的第一白平衡颜色增益,根据所述待处理区域中的像素点的蓝色通道值和绿色通道值之间的第二比值均值,确定出所述待处理区域的蓝色通道的第二白平衡颜色增益;
针对每个待处理区域,根据所述待处理区域的红色通道的第一白平衡颜色增益和蓝色通道的第二白平衡增益对所述待处理区域的每个像素进行处理,以得到所述待处理区域的白平衡图像;
根据每个所述待处理区域的白平衡图像,得到所述目标图像。
12.一种图像处理装置,其特征在于,包括:
块信息获取模块,被配置为获取原始图像的每个分块的块信息,所述块信息包括深度信息、亮度信息、色温信息中的一种或多种;
区域划分模块,被配置为基于所述每个分块的块信息,对所述原始图像进行区域划分,以得到一个或多个待处理区域;
分区域白平衡处理模块,被配置为对每个所述待处理区域分别进行白平衡处理,以得到目标图像。
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如权利要求1至11中任一项所述的方法。
14.一种电子设备,其特征在于,包括:
一个或多个处理器;以及
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一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310562470.6A CN116614716A (zh) | 2023-05-17 | 2023-05-17 | 图像处理方法、图像处理装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310562470.6A CN116614716A (zh) | 2023-05-17 | 2023-05-17 | 图像处理方法、图像处理装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116614716A true CN116614716A (zh) | 2023-08-18 |
Family
ID=87681200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310562470.6A Pending CN116614716A (zh) | 2023-05-17 | 2023-05-17 | 图像处理方法、图像处理装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116614716A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117596489A (zh) * | 2024-01-18 | 2024-02-23 | 荣耀终端有限公司 | 图像处理方法、图像处理装置、电子设备和存储介质 |
-
2023
- 2023-05-17 CN CN202310562470.6A patent/CN116614716A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117596489A (zh) * | 2024-01-18 | 2024-02-23 | 荣耀终端有限公司 | 图像处理方法、图像处理装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102149187B1 (ko) | 전자 장치와, 그의 제어 방법 | |
CN108335279B (zh) | 图像融合和hdr成像 | |
US11151700B2 (en) | Image processing method, terminal, and non-transitory computer-readable storage medium | |
CN108734676B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN107633252B (zh) | 肤色检测方法、装置及存储介质 | |
CN110062176B (zh) | 生成视频的方法、装置、电子设备和计算机可读存储介质 | |
JP6615917B2 (ja) | 実時間ビデオエンハンスメント方法、端末及び非一時的コンピュータ可読記憶媒体 | |
CN111710049B (zh) | Ar场景中的环境光照确定方法和装置 | |
CN107690804B (zh) | 一种图像处理方法及用户终端 | |
US11962917B2 (en) | Color adjustment method, color adjustment device, electronic device and computer-readable storage medium | |
WO2021104394A1 (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN113989173A (zh) | 视频融合方法、装置、电子设备及存储介质 | |
CN116614716A (zh) | 图像处理方法、图像处理装置、存储介质及电子设备 | |
CN108174173B (zh) | 拍摄方法及装置、计算机可读存储介质和计算机设备 | |
CN116113976A (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
CN107295255B (zh) | 拍摄模式的确定方法、装置及终端 | |
CN113112422A (zh) | 图像处理方法、装置、电子设备、计算机可读介质 | |
CN110930340B (zh) | 一种图像处理方法及装置 | |
CN116309224A (zh) | 图像融合方法、装置、终端及计算机可读存储介质 | |
CN115187487A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN112435173A (zh) | 一种图像处理和直播方法、装置、设备和存储介质 | |
CN111656759A (zh) | 图像色彩校正方法及装置、存储介质 | |
CN113256785B (zh) | 图像处理方法、装置、设备及介质 | |
US11405562B2 (en) | Image processing apparatus, method of controlling the same, image capturing apparatus, and storage medium | |
CN115334250A (zh) | 一种图像处理方法、装置及电子设备 |
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 |