CN104392425A - 一种基于人脸的自动调整对比度的图像增强方法 - Google Patents
一种基于人脸的自动调整对比度的图像增强方法 Download PDFInfo
- Publication number
- CN104392425A CN104392425A CN201410729495.1A CN201410729495A CN104392425A CN 104392425 A CN104392425 A CN 104392425A CN 201410729495 A CN201410729495 A CN 201410729495A CN 104392425 A CN104392425 A CN 104392425A
- Authority
- CN
- China
- Prior art keywords
- lower limit
- channel
- value
- index
- higher limit
- 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
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于人脸的自动调整对比度的图像增强方法,其通过对原始图像进行人脸检测,当检测到人脸时则对人脸区域进行直方图统计,并结合其阴影部分和高光部分的修剪值分别计算出阴影部分的上限值与高光部分的下限值,进而通过极值计算分别得到最小上限值与最大下限值,最后通过阀值计算得到最终最小上限值与最终最大下限值,以及根据所述最终最小上限值与最终最大下限值得到映射表,将所述原始图像中的各个像素点进行颜色映射得到结果图像;从而能够很好的处理图像中人脸区域的阴影部分与高光部分之间的对比度调整以得到合适的对比度,防止对比度调整过大导致图像失真,是一种处理快速并且效果显著的图像增强处理方法。
Description
技术领域
本发明涉及一种图像增强处理方法,特别是一种基于人脸的自动调整对比度的图像增强方法。
背景技术
图像处理中调整对比度是图像增强领域中最常用、最重要的技术之一,其将原来不清晰的图像变得清晰或强调某些关注的特征,抑制非关注的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果的图像处理方法,是图像处理的最基本的方法,它往往是各种图像在进行分析与处理时必须的预处理操作,也是在图像处理中必备的一个基础步骤。特别是对于存在以人脸为主体对象的自拍照里,由于较难把握拍照角度,往往拍出来的人脸区域的肤色不大理想,需要进一步调整才能更好地还原人脸的肤色,
发明内容
因此,为了解决此问题,本发明提供了一种基于人脸的自动调整对比度的图像增强方法,特别适用于调整人脸为主体对象的自拍照片的肤色。
为实现上述目的,本发明采用的技术方案为:
一种基于人脸的自动调整对比度的图像增强方法,其特征在于,包括以下步骤:
10.对原始图像进行人脸检测,当检测到人脸时则对人脸区域的各个像素点进行红色通道、绿色通道、蓝色通道的直方图统计;
20.设置原始图像的人脸区域中的阴影部分和高光部分的修剪值;
30.计算红色通道、绿色通道、蓝色通道的阴影部分的上限值与高光部分的下限值;
40.对所述阴影部分的上限值进行最小值计算得到最小上限值;对所述高光部分的下限值进行最大值计算得到最大下限值;
50.对所述最小上限值与所述最大下限值进行阈值计算得到最终最小上限值与最终最大下限值;
60.根据所述的最终最小上限值与最终最大下限值得到映射表,并将原始图像的各个像素点进行颜色映射,得到结果图像。
作为一种较佳实施例,所述步骤10中的直方图统计方法如下:
11.对原始图像进行人脸检测,当检测到人脸时则获取人脸区域,如果没有检测到人脸,则假设整个图像为人脸区域,并且创建该人脸区域的红色通道、绿色通道、蓝色通道的直方图统计的数组,大小为256个,并且初始化数组内的数据为0;
12.依次对原始图像人脸区域里各个像素点的红色通道、绿色通道、蓝色通道的颜色值进行统计;即
rHist[rColor]=rHist[rColor]+1;
gHist[gColor]=gHist[gColor]+1;
bHist[bColor]=bHist[bColor]+1;
其中,rHist、gHist、bHist分别为原始图像的人脸区域的红色通道、绿色通道、蓝色通道的直方图统计的数组,rColor、gColor、bColor分别为原始图像中人脸区域里各个像素点对应的红色通道、绿色通道、蓝色通道的颜色值。
作为一种较佳实施例,所述步骤20中设置原始图像的人脸区域中的阴影部分和高光部分的修剪值的公式如下:
nTrimLowCount=0.5+lowK*w*h;
nTrimHighCount=0.5+highK*w*h;
其中,nTrimLowCount为阴影部分的修剪值;nTrimHighCount为高光部分的修剪值;lowK为阴影部分的修剪百分比,范围从0.001到0.01之间;highK为高光部分的修剪百分比,范围从0.001到0.01之间;w与h分别为原始图像的人脸区域的宽和高。
作为一种较佳实施例,所述步骤30中阴影部分的上限值的计算方法为:初始化索引为0,对直方图统计的数组上的对应索引的个数进行累加,如果大于步骤20中的阴影部分的修剪值则退出,否则,索引加上一并继续对直方图统计的数组上的对应索引的个数进行累加,直到退出为止;即得到阴影部分的上限值为该索引值。
作为一种较佳实施例,所述步骤30中高光部分的下限值的计算方法为:初始化索引为255,对直方图统计的数组上的对应索引的个数进行累加,如果大于步骤20中的高光部分的修剪值则退出,否则,索引减去一并继续对直方图统计数组上的对应索引的个数进行累加,直到退出为止;即得到高光部分的下限值为该索引值。
作为一种较佳实施例,所述步骤40中的最小上限值与最大下限值的计算公式如下:
sectionLow=min(rLow,min(gLow,bLow));
sectionHigh=max(rHigh,max(gHigh,bHigh));
其中,sectionLow为最小上限值;rLow、gLow、bLow为步骤30中得到的红色通道、绿色通道、蓝色通道的阴影部分的上限值;sectionHigh为最大下限值;rHigh、gHigh、bHigh为步骤30中得到的红色通道、绿色通道、蓝色通道的高光部分的下限值。
作为一种较佳实施例,所述步骤50中最终最小上限值与最终最大下限值的计算公式如下:
sectionResultLow=min(lowThreshold,sectionLow);
sectionResultHigh=max(highThreshold,sectionHigh);
其中,sectionResultLow为最终最小上限值;lowThreshold为阴影部分的阈值,范围从10到92之间;sectionLow为步骤40中得到的最小上限值;sectionResultHigh为最终最大下限值;highThreshold为高光部分的阈值,范围从168到245之间;sectionHigh为步骤40中得到的最大下限值。
作为一种较佳实施例,所述步骤60中的映射表的计算方法如下:
61.创建映射表mapTable,大小为256个,并将数组的数据都初始化为0;并初始化索引i为0;
62.判断索引是否大于或等于256,如果是则退出;否则判断索引是否小于最终最小上限值,如果小于的话,则数组中该索引下的值为0;否则继续判断是否大于最终最大下限值,如果大于的话,则数组中该索引下的值为255;否则根据以下公式获得该索引下的值:
mapTable[i]=0.4+(i-sectionResultLow)*255/(sectionResultHigh-sectionResultLow);
其中,mapTable为映射表;i为索引值;sectionResultLow为最终最小上限值;sectionResultHigh为最终最大下限值;
接着将索引加上一,并继续重新步骤62,直到退出为止。
作为一种较佳实施例,所述步骤60中将原始图像的各个像素点进行颜色映射得到结果图像的计算方法如下:
rResult=mapTable[rColor];
gResult=mapTable[gColor];
bResult=mapTable[bColor];
其中,rResult、gResult、bResult为结果图像上对应的像素点的红色通道、绿色通道、蓝色通道的颜色值;rColor、gColor、bColor为原始图像上对应的像素点的红色通道、绿色通道、蓝色通道的颜色值;mapTable为映射表。
本发明的有益效果是:
本发明的一种基于人脸的自动调整对比度的图像增强方法,其通过对原始图像进行人脸检测,当检测到人脸时则对人脸区域进行直方图统计,并结合其阴影部分和高光部分的修剪值分别计算出阴影部分的上限值与高光部分的下限值,进而通过极值计算分别得到最小上限值与最大下限值,最后通过阀值计算得到最终最小上限值与最终最大下限值,以及根据所述最终最小上限值与最终最大下限值得到映射表,将原始图像的各个像素点进行颜色映射得到结果图像;从而能够很好的处理图像中人脸区域的阴影部分与高光部分之间的对比度调整以得到合适的对比度,防止对比度调整过大导致图像失真,并且能够更好地还原自拍照片的人脸肤色。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明的一种基于人脸的自动调整对比度的图像增强方法的流程简图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图及实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明的一种基于人脸的自动调整对比度的图像增强方法,其包括以下步骤:
10.对原始图像进行人脸检测,当检测到人脸时则对人脸区域的各个像素点进行红色通道、绿色通道、蓝色通道的直方图统计;
20.设置原始图像的人脸区域中的阴影部分和高光部分的修剪值;
30.计算红色通道、绿色通道、蓝色通道的阴影部分的上限值与高光部分的下限值;
40.对所述阴影部分的上限值进行最小值计算得到最小上限值;对所述高光部分的下限值进行最大值计算得到最大下限值;
50.对所述最小上限值与所述最大下限值进行阈值计算得到最终最小上限值与最终最大下限值;
60.根据所述的最终最小上限值与最终最大下限值得到映射表,并将原始图像的各个像素点进行颜色映射,得到结果图像。
本实施例中,所述步骤10中的直方图统计方法主要包括以下步骤:
11.对原始图像进行人脸检测,当检测到人脸时则获取人脸区域,如果没有检测到人脸,则假设整个图像为人脸区域,并且创建该人脸区域的红色通道、绿色通道、蓝色通道的直方图统计的数组,大小为256个,并且初始化数组内的数据为0;
12.依次对原始图像人脸区域里各个像素点的红色通道、绿色通道、蓝色通道的颜色值进行统计;即
rHist[rColor]=rHist[rColor]+1;
gHist[gColor]=gHist[gColor]+1;
bHist[bColor]=bHist[bColor]+1;
其中,rHist、gHist、bHist分别为原始图像的人脸区域的红色通道、绿色通道、蓝色通道的直方图统计的数组,rColor、gColor、bColor分别为原始图像人脸区域里各个像素点对应的红色通道、绿色通道、蓝色通道的颜色值。
所述步骤20中设置原始图像的人脸区域中的阴影部分和高光部分的修剪值的公式如下:
nTrimLowCount=0.5+lowK*w*h;
nTrimHighCount=0.5+highK*w*h;
其中,nTrimLowCount为阴影部分的修剪值;nTrimHighCount为高光部分的修剪值;lowK为阴影部分的修剪百分比,范围从0.001到0.01之间,本实施例中优选为0.003;highK为高光部分的修剪百分比,范围从0.001到0.01之间,本实施例中优选为0.003;w与h分别为原始图像的人脸区域的宽和高。
本实施例中,所述步骤30中阴影部分的上限值的计算方法为:初始化索引为0,对直方图统计的数组上的对应索引的个数进行累加,如果大于步骤20中的阴影部分的修剪值则退出,否则,索引加上一并继续对直方图统计的数组上的对应索引的个数进行累加,直到退出为止;即得到阴影部分的上限值为该索引值;所述步骤30中高光部分的下限值的计算方法为:初始化索引为255,对直方图统计的数组上的对应索引的个数进行累加,如果大于步骤20中的高光部分的修剪值则退出,否则,索引减去一并继续对直方图统计数组上的对应索引的个数进行累加,直到退出为止;即得到高光部分的下限值为该索引值;根据以上步骤分别计算得到红色通道、绿色通道、蓝色通道的阴影部分的上限值与高光部分的下限值。
本实施例中,所述步骤40中的最小上限值与最大下限值的计算公式如下:
sectionLow=min(rLow,min(gLow,bLow));
sectionHigh=max(rHigh,max(gHigh,bHigh));
其中,sectionLow为最小上限值;rLow、gLow、bLow为步骤30中得到的红色通道、绿色通道、蓝色通道的阴影部分的上限值;sectionHigh为最大下限值;rHigh、gHigh、bHigh为步骤30中得到的红色通道、绿色通道、蓝色通道的高光部分的下限值。
本实施例中,所述步骤50中最终最小上限值与最终最大下限值的计算公式如下:
sectionResultLow=min(lowThreshold,sectionLow);
sectionResultHigh=max(highThreshold,sectionHigh);
其中,sectionResultLow为最终最小上限值;lowThreshold为阴影部分的阈值,范围从10到92之间,本实施例中优选为50;sectionLow为步骤40中得到的最小上限值;sectionResultHigh为最终最大下限值;highThreshold为高光部分的阈值,范围从168到245之间,本实施例中优选为200;sectionHigh为步骤40中得到的最大下限值。
本实施例中,所述步骤60中的映射表的计算方法如下:
61.创建映射表mapTable,大小为256个,并将数组的数据都初始化为0;并初始化索引i为0;
62.判断索引是否大于或等于256,如果是则退出;否则判断索引是否小于最终最小上限值,如果小于的话,则数组中该索引下的值为0;否则继续判断是否大于最终最大下限值,如果大于的话,则数组中该索引下的值为255;否则根据以下公式获得该索引下的值:
mapTable[i]=0.4+(i-sectionResultLow)*255/(sectionResultHigh-sectionResultLow);
其中,mapTable为映射表;i为索引值;sectionResultLow为最终最小上限值;sectionResultHigh为最终最大下限值;
接着将索引加上一,并继续重新步骤62,直到退出为止。
所述步骤60中将原始图像的各个像素点进行颜色映射得到结果图像的计算方法如下:
rResult=mapTable[rColor];
gResult=mapTable[gColor];
bResult=mapTable[bColor];
其中,rResult、gResult、bResult为结果图像上对应的像素点的红色通道、绿色通道、蓝色通道的颜色值;rColor、gColor、bColor为原始图像上对应的像素点的红色通道、绿色通道、蓝色通道的颜色值;mapTable为映射表。
本发明主要是针对人脸区域进行直方图统计而进行整张图像的优化,从而能够很好的处理图像中人脸区域的阴影部分与高光部分之间的对比度调整以得到合适的对比度,防止对比度调整过大导致图像失真,并且能够更好地还原自拍照片的人脸肤色。
上述说明示出并描述了本发明的优选实施例,如前,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (9)
1.一种基于人脸的自动调整对比度的图像增强方法,其特征在于,包括以下步骤:
10.对原始图像进行人脸检测,当检测到人脸时则对人脸区域的各个像素点进行红色通道、绿色通道、蓝色通道的直方图统计;
20.设置原始图像的人脸区域中的阴影部分和高光部分的修剪值;
30.计算红色通道、绿色通道、蓝色通道的阴影部分的上限值与高光部分的下限值;
40.对所述阴影部分的上限值进行最小值计算得到最小上限值;对所述高光部分的下限值进行最大值计算得到最大下限值;
50.对所述最小上限值与所述最大下限值进行阈值计算得到最终最小上限值与最终最大下限值;
60.根据所述的最终最小上限值与最终最大下限值得到映射表,并将所述原始图像中的各个像素点进行颜色映射,得到结果图像。
2.根据权利要求1所述的一种基于人脸的自动调整对比度的图像增强方法,其特征在于:所述步骤10中的直方图统计方法如下:
11.对原始图像进行人脸检测,当检测到人脸时则获取人脸区域,如果没有检测到人脸,则假设整个图像为人脸区域,并且创建该人脸区域的红色通道、绿色通道、蓝色通道的直方图统计的数组,大小为256个,并且初始化数组内的数据为0;
12.依次对原始图像人脸区域的各个像素点的红色通道、绿色通道、蓝色通道的颜色值进行统计;即
rHist[rColor]=rHist[rColor]+1;
gHist[gColor]=gHist[gColor]+1;
bHist[bColor]=bHist[bColor]+1;
其中,rHist、gHist、bHist分别为原始图像的人脸区域的红色通道、绿色通道、蓝色通道的直方图统计的数组,rColor、gColor、bColor分别为原始图像人脸区域里各个像素点对应的红色通道、绿色通道、蓝色通道的颜色值。
3.根据权利要求1所述的一种基于人脸的自动调整对比度的图像增强方法,其特征在于:所述步骤20中设置原始图像的人脸区域中的阴影部分和高光部分的修剪值的公式如下:
nTrimLowCount=0.5+lowK*w*h;
nTrimHighCount=0.5+highK*w*h;
其中,nTrimLowCount为阴影部分的修剪值;nTrimHighCount为高光部分的修剪值;lowK为阴影部分的修剪百分比,范围从0.001到0.01之间;highK为高光部分的修剪百分比,范围从0.001到0.01之间;w与h分别为原始图像的人脸区域的宽和高。
4.根据权利要求2所述的一种基于人脸的自动调整对比度的图像增强方法,其特征在于:所述步骤30中阴影部分的上限值的计算方法为:初始化索引为0,对直方图统计的数组上的对应索引的个数进行累加,如果大于步骤20中的阴影部分的修剪值则退出,否则,索引加上一并继续对直方图统计的数组上的对应索引的个数进行累加,直到退出为止;即得到阴影部分的上限值为该索引值。
5.根据权利要求2所述的一种基于人脸的自动调整对比度的图像增强方法,其特征在于:所述步骤30中高光部分的下限值的计算方法为:初始化索引为255,对直方图统计的数组上的对应索引的个数进行累加,如果大于步骤20中的高光部分的修剪值则退出,否则,索引减去一并继续对直方图统计数组上的对应索引的个数进行累加,直到退出为止;即得到高光部分的下限值为该索引值。
6.根据权利要求1所述的一种基于人脸的自动调整对比度的图像增强方法,其特征在于:所述步骤40中的最小上限值与最大下限值的计算公式如下:
sectionLow=min(rLow,min(gLow,bLow));
sectionHigh=max(rHigh,max(gHigh,bHigh));
其中,sectionLow为最小上限值;rLow、gLow、bLow为步骤30中得到的红色通道、绿色通道、蓝色通道的阴影部分的上限值;sectionHigh为最大下限值;rHigh、gHigh、bHigh为步骤30中得到的红色通道、绿色通道、蓝色通道的高光部分的下限值。
7.根据权利要求6所述的一种基于人脸的自动调整对比度的图像增强方法,其特征在于:所述步骤50中最终最小上限值与最终最大下限值的计算公式如下:
sectionResultLow=min(lowThreshold,sectionLow);
sectionResultHigh=max(highThreshold,sectionHigh);
其中,sectionResultLow为最终最小上限值;lowThreshold为阴影部分的阈值,范围从10到92之间;sectionLow为步骤40中得到的最小上限值;sectionResultHigh为最终最大下限值;highThreshold为高光部分的阈值,范围从168到245之间;sectionHigh为步骤40中得到的最大下限值。
8.根据权利要求1所述的一种基于人脸的自动调整对比度的图像增强方法,其特征在于:所述步骤60中的映射表的计算方法如下:
61.创建映射表mapTable,大小为256个,并将数组的数据都初始化为0;并初始化索引i为0;
62.判断索引是否大于或等于256,如果是则退出;否则判断索引是否小于最终最小上限值,如果小于的话,则数组中该索引下的值为0;否则继续判断是否大于最终最大下限值,如果大于的话,则数组中该索引下的值为255;否则根据以下公式获得该索引下的值:
mapTable[i]=0.4+(i-sectionResultLow)*255/(sectionResultHigh-sectionResultLow);
其中,mapTable为映射表;i为索引值;sectionResultLow为最终最小上限值;sectionResultHigh为最终最大下限值;
接着将索引加上一,并继续重新步骤62,直到退出为止。
9.根据权利要求1或8所述的一种基于人脸的自动调整对比度的图像增强方法,其特征在于:所述步骤60中将原始图像的各个像素点进行颜色映射得到结果图像的计算方法如下:
rResult=mapTable[rColor];
gResult=mapTable[gColor];
bResult=mapTable[bColor];
其中,rResult、gResult、bResult为结果图像上对应的像素点的红色通道、绿色通道、蓝色通道的颜色值;rColor、gColor、bColor为原始图像上对应的像素点的红色通道、绿色通道、蓝色通道的颜色值;mapTable为映射表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410729495.1A CN104392425B (zh) | 2014-12-04 | 2014-12-04 | 一种基于人脸的自动调整对比度的图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410729495.1A CN104392425B (zh) | 2014-12-04 | 2014-12-04 | 一种基于人脸的自动调整对比度的图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104392425A true CN104392425A (zh) | 2015-03-04 |
CN104392425B CN104392425B (zh) | 2017-07-21 |
Family
ID=52610323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410729495.1A Active CN104392425B (zh) | 2014-12-04 | 2014-12-04 | 一种基于人脸的自动调整对比度的图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104392425B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732495A (zh) * | 2015-03-23 | 2015-06-24 | 厦门美图之家科技有限公司 | 一种基于模糊的自动色调的图像处理方法和系统 |
CN107835402A (zh) * | 2017-11-08 | 2018-03-23 | 维沃移动通信有限公司 | 一种图像处理方法、装置及移动终端 |
CN109146815A (zh) * | 2018-08-20 | 2019-01-04 | 深圳创维-Rgb电子有限公司 | 图像对比度调整方法、装置和计算机设备 |
CN109218695A (zh) * | 2017-06-30 | 2019-01-15 | 中国电信股份有限公司 | 视频图像增强方法、装置、分析系统及存储介质 |
CN109639959A (zh) * | 2017-10-05 | 2019-04-16 | 卡西欧计算机株式会社 | 图像处理装置、图像处理方法以及记录介质 |
CN109951615A (zh) * | 2019-04-11 | 2019-06-28 | 北京大生在线科技有限公司 | 一种视频色彩校正方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1742178A2 (en) * | 2005-07-05 | 2007-01-10 | Xerox Corporation | Contrast enhancement of images |
CN101951523A (zh) * | 2010-09-21 | 2011-01-19 | 北京工业大学 | 一种自适应彩色图像处理方法及系统 |
CN102779331A (zh) * | 2012-06-20 | 2012-11-14 | 广东威创视讯科技股份有限公司 | 图像增强方法及其装置 |
-
2014
- 2014-12-04 CN CN201410729495.1A patent/CN104392425B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1742178A2 (en) * | 2005-07-05 | 2007-01-10 | Xerox Corporation | Contrast enhancement of images |
CN101951523A (zh) * | 2010-09-21 | 2011-01-19 | 北京工业大学 | 一种自适应彩色图像处理方法及系统 |
CN102779331A (zh) * | 2012-06-20 | 2012-11-14 | 广东威创视讯科技股份有限公司 | 图像增强方法及其装置 |
Non-Patent Citations (2)
Title |
---|
刘祖军等: "《基于动态直方图均匀化的对比度增强方法》", 《光学技术》 * |
赵俊成等: "《基于分段直方图的图像对比度增强算法》", 《电子科技》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732495A (zh) * | 2015-03-23 | 2015-06-24 | 厦门美图之家科技有限公司 | 一种基于模糊的自动色调的图像处理方法和系统 |
CN104732495B (zh) * | 2015-03-23 | 2018-11-06 | 厦门美图之家科技有限公司 | 一种基于模糊的自动色调的图像处理方法和系统 |
CN109218695A (zh) * | 2017-06-30 | 2019-01-15 | 中国电信股份有限公司 | 视频图像增强方法、装置、分析系统及存储介质 |
CN109639959A (zh) * | 2017-10-05 | 2019-04-16 | 卡西欧计算机株式会社 | 图像处理装置、图像处理方法以及记录介质 |
CN109639959B (zh) * | 2017-10-05 | 2021-04-23 | 卡西欧计算机株式会社 | 图像处理装置、图像处理方法以及记录介质 |
CN107835402A (zh) * | 2017-11-08 | 2018-03-23 | 维沃移动通信有限公司 | 一种图像处理方法、装置及移动终端 |
CN109146815A (zh) * | 2018-08-20 | 2019-01-04 | 深圳创维-Rgb电子有限公司 | 图像对比度调整方法、装置和计算机设备 |
CN109146815B (zh) * | 2018-08-20 | 2022-08-30 | 深圳创维-Rgb电子有限公司 | 图像对比度调整方法、装置和计算机设备 |
CN109951615A (zh) * | 2019-04-11 | 2019-06-28 | 北京大生在线科技有限公司 | 一种视频色彩校正方法及系统 |
CN109951615B (zh) * | 2019-04-11 | 2020-10-13 | 北京大生在线科技有限公司 | 一种视频色彩校正方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104392425B (zh) | 2017-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104392425A (zh) | 一种基于人脸的自动调整对比度的图像增强方法 | |
Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
CN103491357B (zh) | 一种图像传感器白平衡处理方法 | |
CN106570838B (zh) | 一种图像亮度优化方法及装置 | |
WO2013188099A4 (en) | Method and system for multi-stage auto-enhancement of photographs | |
US9324170B2 (en) | Creating a blended image | |
CN109523474A (zh) | 一种基于雾天退化模型的低照度图像增强方法 | |
CN111476744B (zh) | 一种基于分类及大气成像模型的水下图像增强方法 | |
TW201410005A (zh) | 影像處理方法以及影像處理裝置 | |
CN104200427A (zh) | 一种消除图像边缘锯齿的方法 | |
CN109166135B (zh) | 一种基于hsv颜色空间与色度键的蓝屏抠像方法 | |
CN111028181A (zh) | 一种图像增强处理方法、装置、设备及存储介质 | |
CN106550227A (zh) | 一种图像饱和度调整方法及装置 | |
CN103971344B (zh) | 一种证件图像的肤色偏色校正方法及系统 | |
CN103839245A (zh) | 基于统计规律的Retinex夜间彩色图像增强方法 | |
CN112991236B (zh) | 一种基于模板的图像增强方法及装置 | |
WO2020093441A1 (zh) | 图像饱和度增强的细节处理方法及装置 | |
CN113610091A (zh) | 一种空气开关状态的智能识别方法、识别装置及存储介质 | |
CN105791710A (zh) | 一种信号灯图像增强处理方法 | |
US9998631B2 (en) | Information processing apparatus, method for processing information, and computer program | |
KR102207441B1 (ko) | Hdr 영상 생성 장치 및 방법 | |
CN104715465A (zh) | 一种自动调整对比度的图像增强方法 | |
CN105208362B (zh) | 基于灰度平衡原理的图像色偏自动校正方法 | |
CN113379631B (zh) | 一种图像去雾的方法及装置 | |
TW201412135A (zh) | 影像白平衡方法及攝像裝置 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180614 Address after: 518054 room 2001, building 1, Da Chong business centre, 9680 Shennan Road, Nanshan District, Shenzhen, Guangdong. Patentee after: Creative Technology Limited, Shenzhen Address before: 361008 torch room, torch room, N202, Xiamen torch high tech Zone, Fujian. Patentee before: Xiamen Meitu Mobile Technology Co., Ltd. |