CN104301636A - 低复杂度高效高动态数字图像的合成方法 - Google Patents
低复杂度高效高动态数字图像的合成方法 Download PDFInfo
- Publication number
- CN104301636A CN104301636A CN201410598547.6A CN201410598547A CN104301636A CN 104301636 A CN104301636 A CN 104301636A CN 201410598547 A CN201410598547 A CN 201410598547A CN 104301636 A CN104301636 A CN 104301636A
- Authority
- CN
- China
- Prior art keywords
- image
- avg
- gradient
- weights
- exposure
- 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.)
- Granted
Links
- 238000001308 synthesis method Methods 0.000 title abstract 2
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000010189 synthetic method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 2
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000012634 optical imaging Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开一种低复杂度高效高动态数字图像的合成方法，所述方法包括有：1、分别获取高低曝光的图像；2、分别得到对应YCbCr分量；3、计算出亮暗图像三分量各自的梯度值；4、对比两图像同一分量的梯度差值；5、得到亮暗亮图各自的权值系数；6、权值与原图相乘合成高动态图像。本发明有益效果在于，运用于硬件上的高动态实现，可以在保证高动态效果的前提下同时提高处理速度。
Description
技术领域
本发明涉及数字图像处理领域，具体涉及一种高动态范围图像合成方面的方法。本发明计算复杂度低，合成高动态图像所需的源图像数量少，便于硬件实时处理。
技术背景
自然界中实际物体的亮度差可以达到10^8的量度级，而人眼可以看到的亮度差达到10^5，所以，目前普遍使用的图像获取设备以及显示设备无法很好的显示出物体真实的亮度范围。由此导致的是在有些偏亮的地方获取图片时会丢失亮区细节，如图1所示。相反，有些偏暗的地方会丢失暗区的细节，如图2所示。随着人们对数字图像研究的深入，逐渐发现这种图像显示的局限性，为了能够比较好的解决这个问题，人们就相对应推出了高动态的概念。
高动态范围图像，相对于一般的图像，能有更高的动态范围，及能够表现出比一般图像更多的细节。通俗的说，亮区可以表现的非常亮，暗区可以表现的非常暗，并且无论亮区还是暗区，细节都保存的很好。
合成高动态主要的方法分为两大类：基于光学成像器件的方法和基于软件后处理的方法。这两种方法从不同的角度来获取高动态图片，并且都能获得比较好的效果。
基于光学成像器件的方法，一个主流的方法是在前端的对感光元器件进行改进，设计不同的电荷耦合元件(CCD：charged coupledevice)来获得高动态图像，如图3所示，其中S像素用于获取暗区细节，R像素用于获取亮区细节。另一个则是对采光镜片进行改进，将一束光通过棱镜分成多束光，然后分别送到不同的感光器件获取多应的亮度信息，最后合成高动态图像。
基于软件后处理的方法，主要有1997年Debevec提出的通过假设曝光时间已知的情况下合成相机响应曲线，然后利用相机响应曲线合成高动态图像的方法；Mitsunaga等人通过多项式函数来假设相机响应曲线，最后根据观测数据估计出多项式的系数和曝光比，这样就可以不用确切知道每幅图的具体曝光时间，可以比较灵活的实现。
以上的方法实现效果虽好，但是基于光学成像器件的方法成本过高；基于软件的方法运算复杂度高，在相机中无法完成实时处理。针对以上问题，本发明提出新的高动态实现方法，并且可以快速有效实现高动态图像的融合。
发明内容
鉴于现有技术的不足，本发明旨在于提供一种低复杂度高效高动态数字图像的合成方法，本发明的方法只需运用两张曝光时间不同的图像在梯度域上进行判决，通过适当的权值分配就可以合成高动态图像。加快了高动态图像在硬件上的实现速度。
为了实现上述目的，本发明采用的技术方案如下：
一种低复杂度高效高动态数字图像的合成方法，具有摄影设备，通过所述摄影设备分别获取曝光时长不同的两幅图像，所述方法包括以下步骤：
S1将曝光时间长的图像与曝光时间短的图像分别标记为H图像与L图像；
S2分别获取所述H图像与L图像的YCbCr三通道分量，并对各个分量进行梯度计算后得到所述H图像与L图像中每个像素位置的三通道分量梯度值；
S3依次将S2步骤获得的所述H图像与L图像中每同一分量的同一个像素位置的梯度进行比较并进行权值修改，得出所述H图像与L图像相对应的权值矩阵；
S4将所述H图像与L图像各自的YCbCr三通道分量每个相同像素位置的像素分别乘以其相对应的权值；
S5将S4获得的乘积进行求和处理，最终得到三通道分量合成新的图像。
需要说明的是，所述的曝光时间长的图像H的特点是亮区细节由于过亮已经丢失，但是对于比较暗的区域细节保存良好；曝光时间短的图像L的特点是暗区由于光线过暗，导致细节丢失，但是对应亮区，细节信息仍然存在。
需要说明的是，所述S2步骤中获得的梯度值分别为GYH(m,n)、GCbH(m,n)、GCrH(m,n)和GYL(m,n)、GCbL(m,n)与GCrL(m,n)，其中，m表示图像H或图像L的第m行，n表示图像H或图像L的第n列。
需要说明的是，所述梯度值通过5*5域的方式获得：
在如下所示的5*5域，对应计算像素Z13处的梯度值：
g13x＝|Z8-Z18|+|2*Z13-Z3-Z23|
g13y＝|Z14-Z12|+|2*Z13-Z11-Z15|
| Z1 | Z2 | Z3 | Z4 | Z5 |
| Z6 | Z7 | Z8 | Z9 | Z10 |
| Z11 | Z12 | Z13 | Z14 | Z15 |
| Z16 | Z17 | Z18 | Z19 | Z20 |
| Z21 | Z22 | Z23 | Z24 | Z25 |
而对于图像四周边缘的顶两行、底两行以及左两列、右两列的梯度计算，可赋予0为初始值；
直接取x，y两方向梯度值的平均值作为梯度代表值，公式如下：
GYHavg＝avg(GYHx+GYHy)
GCbHavg＝avg(GCbHx+GCbHy)
GCrHavg＝avg(GCrHx+GCrHy)
GYLavg＝avg(GYLx+GYLy)
GCbLavg＝avg(GCbLx+GCbLy)
GCrLavg＝avg(GCrLx+GCrLy)
需要说明的是，所述S3步骤中的比较为GYH(m,n)与GYL(m,n)、GCbH(m,n)与GCbL(m,n)、GCrH(m,n)与GCrL(m,n)在相同m，n情况下进行比较，其中，m表示图像H或图像L的第m行，n表示图像H或图像L的第n列；
需要说明的是，一般而言在图像中，如果细节比较丰富的地方一般相对应的梯度值比较大，相反比较平坦的地方梯度值比较小。因此，进行权值修改时，当两个图像梯度差在最大梯度差的1/3以内时，取相同的权值，即为0.5；反之，当梯度差大于最大梯度差的1/3时，对梯度值大的赋予大于0.5的权值，梯度值小的赋予小于0.5的权值，最后得到两幅图对应的权值矩阵YA(m,n)、CbA(m,n)、CrA(m,n)与YB(m,n)、CbB(m,n)、CrB(m,n)。
需要说明的是，所述S3步骤中的比较梯度值使用以下方法：
S1分别使用gHz(m，n)表示GYHavg(m，n)、GCbHavg(m，n)、GCrHavg(m，n)中的某一个分量对应(m,n)位置的梯度参量；gLz(m，n)表示GYLavg(m，n)、GCbLavg(m，n)、GCrLavg(m，n)中的某一个分量对应(m,n)位置的梯度参量；
S2然后将gLz(m，n)、gHz(m，n)求差值，并且根据差值大小对应赋予时间长或短的曝光图像不同的权值：
A＝1-B
其中，A为曝光时间长的图像权值，B为曝光时间短的图像权值，a、b为梯度差阈值且b>a
进一步的说，本发明的S4步骤中将图像H与图像L的YCbCr三通道分量每个相同像素位置的像素分别乘以其相对应的权值，即为YA(m,n)*YH(m,n)、CbA(m,n)*CbH(m,n)、CrA(m,n)*CrH(m,n)和YB(m,n)*YL(m,n)、CbB(m,n)*CbL(m,n)、CrB(m,n)*CrL(m,n)。
更进一步的说，当获得S4步骤中的乘积后，进行求和处理，获得到新的Y、Cb、Cr三通道分量，对应如下：
EOY(m,n)＝YA(m,n)*YH(m,n)+YB(m,n)*YL(m,n)
EOCb(m,n)＝CbA(m,n)*CbH(m,n)+CbB(m,n)*CbL(m,n)
EOCr(m,n)＝CrA(m,n)*CrH(m,n)+CrB(m,n)*CrL(m,n)
本发明比较于现有技术具有以下优点：
1、相比于传统相机相应曲线生成法可以有更快的生成速度。传统相机相应曲线方法普遍需要多张图像，并且每幅图像需要一定数量的采样点才可以合成相机响应曲线，采用点数N和图像系列张数M需要满足N(M-1)＞(Zmax-Zmin)，其中表示Zmax最大像素值，表示Zmin最小像素值。并且在生成相应曲线之后，需要将每幅图所有像素值代入曲线得出照度值，然后取平均。所有在这过程将需要耗费比较大处理时间。相反，本发明只需取两张图像，分别计算梯度值，然后根据梯度值赋予权值即可合成。
2、相对于一些简单硬件高动态实现方法，本发明具有比较好的自适应效果。本发明可以随时根据梯度值的不同赋权值，技术两幅图都处于低曝光或者都处于高曝光，都可以比较好的保留细节，增大动态范围。
附图说明
图1为曝光时间长的Stanford Memorial Church照片。
图2为曝光时间短的Stanford Memorial Church照片。
图3为不同电荷耦合元件构成的新传感器。
图4为本发明高动态生成过程。
图5为本发明使用的暗图权值曲线。
具体实施方式
以下将结合附图对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和实施步骤，但并不限于本实施例。
如图4所示，先对同一场景获取两张不同曝光时间的图像。需要说明的是，一般而言获取的两张图像优选为不存在移动；但若存在移动，则需先对图像进行校准处理，例如：可以先将两幅图像的Y分量进行二值化，然后将这二值化后的图像分别做成金字塔系列，即将每一级图像的长宽都缩小为原来的1/2，得到一系列图像。最后从最小的图像开始比较，两对应同一级的二值图像进行异或得到差值，根据差值进行平移配准和转角配准，最后使其对应图像位置表示现实物体的同一位置。在获得两张同一位置不同曝光时长的图像后，使用本发明的方法对其进行处理，其具体步骤如下：
步骤1：先分别计算YH,CbH,CrH和YL,CbL,CrL每个像素位置对应梯度值，本发明使用的是如下的5*5域梯度计算方法：
| Z1 | Z2 | Z3 | Z4 | Z5 |
| Z6 | Z7 | Z8 | Z9 | Z10 |
| Z11 | Z12 | Z13 | Z14 | Z15 |
| Z16 | Z17 | Z18 | Z19 | Z20 |
| Z21 | Z22 | Z23 | Z24 | Z25 |
5*5域如上，对应计算像素Z13处的梯度方法如下：
g13x＝|Z8-Z18|+|2*Z13-Z3-Z23|
g13y＝|Z14-Z12|+|2*Z13-Z11-Z15|
而对于图像四周边缘的顶两行、底两行以及左两列、右两列的梯度计算，在权衡利弊之后，本发明对其进行直接赋0初值，这样又可以简化计算，并且也可以不会过于影响整体效果。
通过以上的方法，YH,CbH,CrH和YL,CbL,CrL分量都分别计算出了与图像大小一样的梯度矩阵两个，分别是GYHx,GCbHx,GCrHx、GYHy,GCbHy,GCrHy和GYLx,GCbLx,GCrLx、GYLy,GCbLy,GCrLy。
步骤2：为了便于下一步两图像对应分量梯度的对比，先将每个分量进行求平均处理，这样可以比较好的得出梯度代表值，同时取到适度平滑的效果，不至于后期生成图像细节过于突兀。
GYHavg＝avg(GYHx+GYHy)
GCbHavg＝avg(GCbHx+GCbHy)
GCrHavg＝avg(GCrHx+GCrHy)
GYLavg＝avg(GYLx+GYLy)
GCbLavg＝avg(GCbLx+GCbLy)
GCrLavg＝avg(GCrLx+GCrLy)
步骤3：分别使用gHz(m，n)表示GYHavg(m，n)、GCbHavg(m，n)、GCrHavg(m，n)中的某一个分量对应(m，n)位置的梯度参量；gLz(m，n)表示GYLavg(m，n)、GCbLavg(m，n)、GCrLavg(m，n)中的某一个分量对应(m，n)位置的梯度参量。然后将gLz(m，n)和gHz(m，n)求差值(注意该gLz(m，n)和gHz(m，n)需表示同一种颜色空间分量)，并且根据差值大小对应赋予高低曝光图像不同的权值：
A＝1-B
其中，A为高曝光图像权值，B为低曝光图像权值，a，b为梯度差阈值且b>a。对应暗图权值曲线如图5所示。
步骤4：在得到高低曝光两图三分量对应YH,CbH,CrH和YL,CbL,CrL对应的权值系数YA、CbA、CrA和YB、CbB、CrB后，将三分量乘上对应系数，然后求和：
EOY(m,n)＝YA(m,n)*YH(m,n)+YB(m,n)*YL(m,n)
EOCb(m,n)＝CbA(m,n)*CbH(m,n)+CbB(m,n)*CbL(m,n)
EOCr(m,n)＝CrA(m,n)*CrH(m,n)+CrB(m,n)*CrL(m,n)
得到合成后的三分量EOY、EOCb和EOCr。最后将三分量合成彩色图像，即可实现高动态合成。
对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及变形，而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。
Claims (5)
1.低复杂度高效高动态数字图像的合成方法，具有摄影设备，通过所述摄影设备分别获取曝光时长不同的两幅图像，其特征在于，所述方法包括以下步骤：
S1将曝光时间长的图像与曝光时间短的图像分别标记为H图像与L图像；
S2分别获取所述H图像与L图像的YCbCr三通道分量，并对各个分量进行梯度计算后得到所述H图像与L图像中每个像素位置的三通道分量梯度值；
S3依次将S2步骤获得的所述H图像与L图像中每同一分量的同一个像素位置的梯度进行比较并进行权值修改，得出所述H图像与L图像相对应的权值矩阵；
S4将所述H图像与L图像各自的YCbCr三通道分量每个相同像素位置的像素分别乘以其相对应的权值；
S5将S4获得的乘积进行求和处理，最终得到三通道分量合成新的图像。
2.根据权利要求1所述的合成方法，其特征在于，所述S2步骤中获得的梯度值分别为GYH(m,n)、GCbH(m,n)、GCrH(m,n)和GYL(m,n)、GCbL(m,n)与GCrL(m,n)，其中，m表示图像H或图像L的第m行，n表示图像H或图像L的第n列。
3.根据权利要求1或2所述的合成方法，其特征在于，所述梯度值通过5*5域的方式获得：
在如下所示的5*5域，对应计算像素Z13处的梯度值：
g13x＝|Z8-Z18|+|2*Z13-Z3-Z23|
g13y＝|X14-Z12|+|2*Z13-Z11-Z15|
而对于图像四周边缘的顶两行、底两行以及左两列、右两列的梯度计算，可赋予0为初始值；
直接取x，y两方向梯度值的平均值作为梯度代表值，公式如下：
GYHavg＝avg(GYHx+GYHy)
GCbHavg＝avg(GCbHx+GCbHy)
GCrHavg＝avg(GCrHx+GCrHy)
GYLavg＝avg(GYLx+GYLy)
GCbLavg＝avg(GCbLx+GCbLy)
GCrLavg＝avg(GCrLx+GCrLy)
4.根据权利要求1所述的合成方法，其特征在于，所述S3步骤中的比较为GYH(m,n)与GYL(m,n)、GCbH(m,n)与GCbL(m,n)、GCrH(m,n)与GCrL(m,n)在相同m，n情况下进行比较，其中，m表示图像H或图像L的第m行，n表示图像H或图像L的第n列；进行权值修改时，当两个图像梯度差在最大梯度差的1/3以内时，取相同的权值，即为0.5；反之，当梯度差大于最大梯度差的1/3时，对梯度值大的赋予大于0.5的权值，梯度值小的赋予小于0.5的权值；最后得到两幅图对应的权值矩阵YA(m,n)、CbA(m,n)、CrA(m,n)与YB(m,n)、CbB(m,n)、CrB(m,n)。
5.根据权利要求1或4所述的合成方法，其特征在于，所述S3步骤中的比较梯度值使用以下方法：
S1分别使用gHz(m，n)表示GYHavg(m，n)、GCbHavg(m，n)、GCrHavg(m，n)中的某一个分量对应(m,n)位置的梯度参量；gLz(m，n)表示GYLavg(m，n)、GCbLavg(m，n)、GCrLavg(m，n)中的某一个分量对应(m,n)位置的梯度参量；
S2然后将gLz(m，n)、gHz(m，n)求差值，并且根据差值大小对应赋予时间长或短的曝光图像不同的权值：
A＝1-B
其中，A为曝光时间长的图像权值，B为曝光时间短的图像权值，a、b为梯度差阈值且b>a。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410598547.6A CN104301636B (zh) | 2014-10-30 | 2014-10-30 | 低复杂度高效高动态数字图像的合成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410598547.6A CN104301636B (zh) | 2014-10-30 | 2014-10-30 | 低复杂度高效高动态数字图像的合成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104301636A true CN104301636A (zh) | 2015-01-21 |
| CN104301636B CN104301636B (zh) | 2017-07-28 |
Family
ID=52321179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410598547.6A Expired - Fee Related CN104301636B (zh) | 2014-10-30 | 2014-10-30 | 低复杂度高效高动态数字图像的合成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104301636B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104954701A (zh) * | 2015-06-19 | 2015-09-30 | 长春理工大学 | 一种相机响应曲线生成方法 |
| CN105472265A (zh) * | 2015-12-04 | 2016-04-06 | 中国神华能源股份有限公司 | 一种获取高动态范围图像的装置和方法 |
| CN108398384A (zh) * | 2018-01-29 | 2018-08-14 | 重庆交通大学 | 一种基于大数据的滑坡下滑量参数遥感快速勘测方法 |
| CN108427421A (zh) * | 2018-04-26 | 2018-08-21 | 广东水利电力职业技术学院（广东省水利电力技工学校） | 一种智能配送机器人控制系统 |
| CN108663679A (zh) * | 2018-05-09 | 2018-10-16 | 湖南城市学院 | 一种河流防沙化检测系统 |
| CN108766123A (zh) * | 2018-05-03 | 2018-11-06 | 黄冈职业技术学院 | 一种基于虚拟现实的城市立体规划模型展示方法 |
| CN108969086A (zh) * | 2018-06-12 | 2018-12-11 | 南通市第人民医院 | 一种脊柱外科定位引导系统 |
| CN109104578A (zh) * | 2018-09-21 | 2018-12-28 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
| CN110351489A (zh) * | 2018-04-04 | 2019-10-18 | 展讯通信(天津)有限公司 | 生成hdr图像的方法、装置和移动终端 |
| CN112689100A (zh) * | 2020-12-25 | 2021-04-20 | 北京灵汐科技有限公司 | 图像检测方法、装置、设备和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002135787A (ja) * | 2000-10-18 | 2002-05-10 | Hitachi Ltd | 撮像装置 |
| US20070025717A1 (en) * | 2005-07-28 | 2007-02-01 | Ramesh Raskar | Method and apparatus for acquiring HDR flash images |
| CN102158653A (zh) * | 2011-05-03 | 2011-08-17 | 东华大学 | 一种实时高动态范围数字图像获取装置及方法 |
| CN103873781A (zh) * | 2014-03-27 | 2014-06-18 | 成都动力视讯科技有限公司 | 一种宽动态摄像机实现方法及装置 |
-
2014
- 2014-10-30 CN CN201410598547.6A patent/CN104301636B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002135787A (ja) * | 2000-10-18 | 2002-05-10 | Hitachi Ltd | 撮像装置 |
| US20070025717A1 (en) * | 2005-07-28 | 2007-02-01 | Ramesh Raskar | Method and apparatus for acquiring HDR flash images |
| CN102158653A (zh) * | 2011-05-03 | 2011-08-17 | 东华大学 | 一种实时高动态范围数字图像获取装置及方法 |
| CN103873781A (zh) * | 2014-03-27 | 2014-06-18 | 成都动力视讯科技有限公司 | 一种宽动态摄像机实现方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 李艳梅: "《图像增强的相关技术及应用研究》", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104954701B (zh) * | 2015-06-19 | 2018-06-08 | 长春理工大学 | 一种相机响应曲线生成方法 |
| CN104954701A (zh) * | 2015-06-19 | 2015-09-30 | 长春理工大学 | 一种相机响应曲线生成方法 |
| CN105472265B (zh) * | 2015-12-04 | 2018-12-14 | 中国神华能源股份有限公司 | 一种获取高动态范围图像的装置和方法 |
| CN105472265A (zh) * | 2015-12-04 | 2016-04-06 | 中国神华能源股份有限公司 | 一种获取高动态范围图像的装置和方法 |
| CN108398384A (zh) * | 2018-01-29 | 2018-08-14 | 重庆交通大学 | 一种基于大数据的滑坡下滑量参数遥感快速勘测方法 |
| CN110351489A (zh) * | 2018-04-04 | 2019-10-18 | 展讯通信(天津)有限公司 | 生成hdr图像的方法、装置和移动终端 |
| CN108427421A (zh) * | 2018-04-26 | 2018-08-21 | 广东水利电力职业技术学院（广东省水利电力技工学校） | 一种智能配送机器人控制系统 |
| CN108766123A (zh) * | 2018-05-03 | 2018-11-06 | 黄冈职业技术学院 | 一种基于虚拟现实的城市立体规划模型展示方法 |
| CN108663679A (zh) * | 2018-05-09 | 2018-10-16 | 湖南城市学院 | 一种河流防沙化检测系统 |
| CN108969086A (zh) * | 2018-06-12 | 2018-12-11 | 南通市第人民医院 | 一种脊柱外科定位引导系统 |
| CN109104578A (zh) * | 2018-09-21 | 2018-12-28 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
| CN109104578B (zh) * | 2018-09-21 | 2020-09-18 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
| CN112689100A (zh) * | 2020-12-25 | 2021-04-20 | 北京灵汐科技有限公司 | 图像检测方法、装置、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104301636B (zh) | 2017-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104301636A (zh) | 低复杂度高效高动态数字图像的合成方法 | |
| US11375085B2 (en) | Systems and methods for capturing digital images | |
| CN107799084B (zh) | 亮度补偿的装置及方法、存储器 | |
| CN106920221B (zh) | 兼顾亮度分布和细节呈现的曝光融合方法 | |
| CN105120247B (zh) | 一种白平衡调整方法及电子设备 | |
| CN107590791B (zh) | 图像增强方法以及图像处理装置 | |
| CN105141841B (zh) | 摄像设备及其方法 | |
| JP6546696B2 (ja) | 画像コントラストの増強方法 | |
| KR20160027100A (ko) | 조도 소스로서 구성된 디스플레이 디바이스 | |
| CN109598673A (zh) | 图像拼接方法、装置、终端及计算机可读存储介质 | |
| CN109166076B (zh) | 多相机拼接的亮度调整方法、装置及便携式终端 | |
| CN108616700B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN108022223A (zh) | 一种基于对数映射函数分块处理融合的色调映射方法 | |
| CN112565636A (zh) | 图像处理方法、装置、设备和存储介质 | |
| CN114359055B (zh) | 一种多相机拍摄屏体的图像拼接方法及相关装置 | |
| CN110266954A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN103237168A (zh) | 一种基于综合增益的高动态范围图像视频处理方法 | |
| CN110866882A (zh) | 基于深度置信度的分层联合双边滤波深度图修复算法 | |
| CN106023073A (zh) | 一种图像拼接系统 | |
| US8542919B2 (en) | Method and system for correcting lens shading | |
| JP3497801B2 (ja) | 顔画像の表示方法および顔画像の処理装置 | |
| CN115205168A (zh) | 图像处理方法、装置、电子设备和存储介质、产品 | |
| CN107734246B (zh) | 一种图像处理方法、装置及相关电路 | |
| TW201003569A (en) | Image process method and circuit thereof | |
| CN106817542A (zh) | 微透镜阵列的成像方法与成像装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170728 |