CN104599238A - 图像处理方法及装置 - Google Patents

Abstract

本发明公开了一种图像处理方法及装置，属于图像处理技术领域。该方法包括：获取图像中每个像素点的色彩编码参数；根据该图像中每个像素点的色彩编码参数，获取该每个像素点的对比度增强权重；根据该每个像素点的对比度增强权重，对该图像中各个像素点的对比度进行处理。本发明通过获取图像中每个像素点的色彩编码参数，根据每个像素点的色彩编码参数，获取每个像素点的对比度增强权重，根据该对比度增强权重，分别对每个像素点进行不同幅度的对比度增强处理，使得处理后的图像具有更好的视觉效果。

Description

图像处理方法及装置

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像处理方法及装置。

背景技术

随着图像处理技术的不断发展，人们可以通过对图像进行图像锐化、平滑去噪、对比度增强等图像处理，改善图像质量，增加图像可辨识度，使得图像具有令人满意的视觉效果。

目前，对比度增强方法主要包括以下几种：（1）线性调整(Linear Adjustment，LA)或曲线调整(curve adjustment)，以放大系数或曲线函数调整图像的亮度，让图像的亮度差变得更大；（2）直方图均衡(histogram equalization)，根据图像统计数据，调整亮度分布，为每个图像产生一个非线性的映射函数，令图像的亮度直方图变得平缓；（3）根据图像内容及其他相关信息，为每个图像产生一个线性或非线性的映射函数，可以是方法（1）和（2）中所述方法的结合，以增强图像的对比度。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

图片中可能存在大面积的像素点集中在一个色度上的情况，在对这类图片进行对比度增强处理时，由于对图像的所有像素点进行了同样的处理，使得色度相同区域的对比度增强的效果会比图片的其他区域更强，以至于图片不同区域之间效果差异过大，导致处理后的图像颜色不自然，视觉效果较差。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种图像处理方法及装置。所述技术方案如下：

一方面，提供了一种图像处理方法，该方法包括：

获取图像中每个像素点的色彩编码参数；

根据该图像中每个像素点的色彩编码参数，获取该每个像素点的对比度增强权重；

根据该每个像素点的对比度增强权重，对该图像中各个像素点的对比度进行处理。

另一方面，提供了一种图像处理装置，该装置包括：

第一获取模块，用于获取图像中每个像素点的色彩编码参数；

第二获取模块，用于根据该图像中每个像素点的色彩编码参数，获取该每个像素点的对比度增强权重；

处理模块，用于根据该每个像素点的对比度增强权重，对该图像中各个像素点的对比度进行处理。

本发明实施例提供的技术方案带来的有益效果是：

通过获取图像中每个像素点的色彩编码参数，根据每个像素点的色彩编码参数，获取每个像素点的对比度增强权重，根据该对比度增强权重，分别对每个像素点进行不同幅度的对比度增强处理，使得处理后的图像具有更好的视觉效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。

图1是本发明实施例提供的图像处理方法流程图；

图2是本发明实施例提供的图像处理方法流程图；

图3是本发明实施例提供的第二对比度增强模型的构建过程的架构图；

图4是本发明实施例提供的对比度增强权重分布的示意图；

图5是本发明实施例提供的图像处理装置结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

图1是本发明实施例提供的一种图像处理方法的流程图。该实施例的执行主体为终端设备，参见图1，该方法包括：

101、获取图像中每个像素点的色彩编码参数；

102、根据该图像中每个像素点的色彩编码参数，获取该每个像素点的对比度增强权重；

103、根据该每个像素点的对比度增强权重，对该图像中各个像素点的对比度进行处理。

本发明实施例提供的方法，通过获取图像中每个像素点的色彩编码参数，根据每个像素点的色彩编码参数，获取每个像素点的对比度增强权重，根据该对比度增强权重，分别对每个像素点进行不同幅度的对比度增强处理，使得处理后的图像具有更好的视觉效果。

可选地，所述根据所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重包括：

根据预设色彩区域参数、神经元非线性作用曲线和所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重。

可选地，所述根据所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重包括：

根据预设色彩区域参数、预设白色区域参数、神经元非线性作用曲线和所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重。

可选地，根据预设色彩区域参数、预设白色区域参数、神经元非线性作用曲线和所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重包括：

根据第一预设权重模型和预设白区权重模型，确定第二预设权重模型，所述第一预设权重模型和预设白区权重模型分别根据预设色彩区域以及预设白色区域参数和神经元非线性作用曲线确定；

根据该图像中每个像素点的色彩编码参数和该第二预设权重模型，获取该每个像素点的对比度增强权重；

该第一预设权重模型为：

$\mathrm{WeightUV}(u,v)=\left(\mathrm{sigmoid}(\sqrt{{\left(\frac{{\mathrm{Cu}}^{\′}-u^{\′}}{\mathrm{Su}}\right)}^2+{\left(\frac{{\mathrm{Cv}}^{\′}-v^{\′}}{\mathrm{Sv}}\right)}^2},\mathrm{skin}\_\mathrm{scale},\mathrm{skin}\_\mathrm{offset})\right),$

其中， $\left[\begin{array}{c}{u}^{\′}\\ v^{\′}\end{array}\right]=\left[\begin{array}{cc}\cos \left(\mathrm{\θ}\right)& -\sin \left(\mathrm{\θ}\right)\\ \sin \left(\mathrm{\θ}\right)& \cos \left(\mathrm{\θ}\right)\end{array}\right]\left[\begin{array}{c}u\\ v\end{array}\right],\left[\begin{array}{c}{\mathrm{Cu}}^{\′}\\ {\mathrm{Cv}}^{\′}\end{array}\right]=\left[\begin{array}{cc}\cos \left(\mathrm{\θ}\right)& -\sin \left(\mathrm{\θ}\right)\\ \sin \left(\mathrm{\θ}\right)& \cos \left(\mathrm{\θ}\right)\end{array}\right]\left[\begin{array}{c}\mathrm{Cu}\\ \mathrm{Cv}\end{array}\right],$

（Cu，Cv）为预设色彩区域的中心点，Su和Sv为该预设色彩区域的宽度值与高度值，θ为预设参数，

sigmoid(x,scale,offset)=(tanh(x*scale-offset)+1)/2，其中，x为曲线参数，scale为曲线调整参数，offset为偏移参数，x,scale,offset∈R,0≤x≤1，

skin_scale为该第一预设权重模型中与scale对应的参数，skin_offset为该第一预设权重模型中与offset对应的参数，

该预设白区权重模型为：

$\begin{array}{c}\mathrm{WeightWZ}(y,u,v)=\\ (1-\mathrm{sigmoid}(\sqrt{{\left(\frac{\mathrm{Wu}-u}{\mathrm{Lu}*\mathrm{WeightY}\left(y\right)}\right)}^2+{\left(\frac{\mathrm{Wv}-v}{\mathrm{Lv}*\mathrm{WeightY}\left(y\right)}\right)}^2},\mathrm{white}\_\mathrm{scale},\mathrm{white}\_\mathrm{offset}))\end{array},$

（Wu，Wv）为预设白色区域的中心点，Lu和Lv分别是该预设白色区域的宽度值与高度值，white_scale为该预设白区权重模型中与scale对应的参数，white_offset为该预设白色区域权重模型中与offset对应的参数，

其中，WeightY(y)为在不同y值下调整该预设白色区域大小的权重，

$\mathrm{WeightY}\left(y\right)=\frac{0.5}{\mathrm{sigmoid}(y/255,y\_\mathrm{scale},y\_\mathrm{offset})}+0.5,$

y_scale为该预设白区权重模型中与scale对应的参数，y_offset为该预设白色区域权重模型中与offset对应的参数，

该第二预设权重模型为：

WeightYUV(y,u,v)=WeightWZ(y,u,v)+(1-WeightWZ(y,u,v))*WeightUV(u,v)，

y、u和v为像素点的色彩编码参数，0≤y,u,v≤255，y,u,v∈Z。

可选地，该根据该每个像素点的对比度增强权重，对该图像中各个像素点的对比度进行处理包括：

根据该第二预设权重模型，对初始对比度增强模型进行处理，得到第二对比度增强模型；

根据该图像中每个像素点的色彩编码参数和该第二对比度增强模型，获取经过对比度增强后的各个像素点的色彩编码参数；

其中，第二对比度增强模型为：

y'=g(y,u,v)=WeightYUV(y,u,v)*f(y)+(1-WeightYUV(y,u,v))*y，

其中，f(y)为利用初始对比度增强模型对初始亮度参数为y的像素点进行对比度增强后的亮度参数值。

可选地，该预设色彩区域为肤色区域，该预设色彩区域参数包括Cu=111，Cv=151，Su=40，Sv=19，skin_scale=6，sking_offset=4，θ=45°。

可选地，在获取图像中每个像素点的色彩编码参数之前，该方法还包括：

对视频信号进行解码，得到该视频信号对应的图像。

可选地，该图像采用YUV色彩编码方法。

上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再一一赘述。

图2是本发明实施例提供的另一种图像处理方法的流程图。该实施例的执行主体为终端设备，参见图2，该方法包括：

201、获取图像中每个像素点的色彩编码参数，该图像采用YUV色彩编码方法；

需要说明的是，本发明实施例中，仅以该图像采用YUV色彩编码方法为例进行说明，当该图像未采用YUV色彩编码方法，而采用其他色彩编码方法（如RGB）时，终端设备将该图像转换为使用YUV色彩编码方法，然后获取图像中每个像素点的色彩编码参数。

202、根据第一预设权重模型和预设白区权重模型，确定第二预设权重模型，该第一预设权重模型和预设白区权重模型分别根据预设色彩区域以及预设白色区域参数和神经元非线性作用曲线确定；

为了对预设色彩区域、预设白色区域、以及其他色彩区域的像素点进行不同幅度的对比度增强处理，可以为每个像素点设置不同的对比度增强权重。可选地，该预设色彩区域为肤色区域，该预设色彩区域参数包括Cu=111，Cv=151，Su=40，Sv=19，skin_scale=6，sking_offset=4，θ=45°。

该第一预设权重模型包括但不限于为公式一：

$\mathrm{WeightUV}(u,v)=\left(\mathrm{sigmoid}(\sqrt{{\left(\frac{{\mathrm{Cu}}^{\′}-u^{\′}}{\mathrm{Su}}\right)}^2+{\left(\frac{{\mathrm{Cv}}^{\′}-v^{\′}}{\mathrm{Sv}}\right)}^2},\mathrm{skin}\_\mathrm{scale},\mathrm{skin}\_\mathrm{offset})\right).$

其中， $\left[\begin{array}{c}{u}^{\′}\\ v^{\′}\end{array}\right]=\left[\begin{array}{cc}\cos \left(\mathrm{\θ}\right)& -\sin \left(\mathrm{\θ}\right)\\ \sin \left(\mathrm{\θ}\right)& \cos \left(\mathrm{\θ}\right)\end{array}\right]\left[\begin{array}{c}u\\ v\end{array}\right],\left[\begin{array}{c}{\mathrm{Cu}}^{\′}\\ {\mathrm{Cv}}^{\′}\end{array}\right]=\left[\begin{array}{cc}\cos \left(\mathrm{\θ}\right)& -\sin \left(\mathrm{\θ}\right)\\ \sin \left(\mathrm{\θ}\right)& \cos \left(\mathrm{\θ}\right)\end{array}\right]\left[\begin{array}{c}\mathrm{Cu}\\ \mathrm{Cv}\end{array}\right],$ （Cu，Cv）为预设色彩区域的中心点，Su和Sv为该预设色彩区域的宽度值与高度值，θ为预设参数，sigmoid(x,scale,offset)=(tanh(x*scale-offset)+1)/2，其中，sigmoid（x，scale，offset）为神经元非线性作用曲线，x为曲线参数，scale为曲线调整参数，offset为偏移参数，x,scale,offset∈R,0≤x≤1，skin_scale为该第一预设权重模型中与scale对应的参数，skin_offset为该第一预设权重模型中与offset对应的参数。其中，u和v为像素点的色彩编码参数，0≤u,v≤255，u,v∈Z。

该预设白区权重模型包括但不限于为公式二：

$\begin{array}{c}\mathrm{WeightWZ}(y,u,v)=\\ (1-\mathrm{sigmoid}(\sqrt{{\left(\frac{\mathrm{Wu}-u}{\mathrm{Lu}*\mathrm{WeightY}\left(y\right)}\right)}^2+{\left(\frac{\mathrm{Wv}-v}{\mathrm{Lv}*\mathrm{WeightY}\left(y\right)}\right)}^2},\mathrm{white}\_\mathrm{scale},\mathrm{white}\_\mathrm{offset}))\end{array}.$

其中，（Wu，Wv）为预设白色区域的中心点，Lu和Lv分别是该预设白色区域的宽度值与高度值，white_scale为该预设白区权重模型中与scale对应的参数，white_offset为该预设白色区域权重模型中与offset对应的参数。WeightY(y)为在不同y值下调整该预设白色区域大小的权重， $\mathrm{WeightY}\left(y\right)=\frac{0.5}{\mathrm{sigmoid}(y/255,y\_\mathrm{scale},y\_\mathrm{offset})}+0.5,$ y_scale为该预设白区权重模型中与scale对应的参数，y_offset为该预设白色区域权重模型中与offset对应的参数，y为像素点的色彩编码参数，0≤y≤255，y∈Z。

根据上述第一预设权重模型和预设白区权重模型，确定的第二预设权重模型包括但不限于为公式三：

WeightYUV(y,u,v)=WeightWZ(y,u,v)+(1-WeightWZ(y,u,v))*WeightUV(u,v)。

例如，以预设色彩区域为肤色区域为例进行说明，由于肤色区域集中在一个色度上，如果对图像的所有像素点进行了同样的对比度增强处理，该肤色区域的对比度增强的效果会比图像的其他区域更强，会导致处理后的图像中人物皮肤颜色不自然。因此，在本发明实施例的图像增强方法中，肤色区域用较低的权重，浅色区域与非肤色区域使用较高的权重，以使得在对图像进行对比度增强的同时，保持人物皮肤颜色自然，有较好的视觉效果。具体地，该第一预设权重模型可以采用一套典型的肤色区域参数为Cu=111，Cv=151，Su=40，Sv=19，skin_scale=6，skin_offset=4，θ=45°，该肤色区域的边界曲线是一个旋转的椭圆形。该预设白区权重模型可以采用的一套典型的白色区域参数为Wu=134，Wv=122，Su=18，Sv=15，white_scale=4，white_offset=2。通过步骤203获取到的每个像素点的权重，根据像素点的色彩编码参数不同，越接近肤色区域的中心，对比度增强的权重越低；反之，远离近肤色区域的中心，对比度增强的权重越高，而当接近白色区域的时候，权重会被拉高。

另外，该预设色彩区域可以为上述已知的典型色彩区域，或其它以及的典型色彩区域，或该预设色彩区域还可以为通过人脸识别技术、分割技术、或其他方式或模型得到其他色彩区域，本发明实施例对此不做限定。

需要说明的是，根据第一预设权重模型和预设白区权重模型，确定第二预设权重模型，其中该第一预设权重模型包括但不限于公式一的模型，预设白区权重模型包括但不限于该公式二的模型，本发明实施例对于该第一预设权重模型和该预设白区权重模型的具体形式不做限定。

该步骤202中是根据预设色彩区域参数、预设白色区域参数、神经元非线性作用曲线构建第二预设权重模型的过程，在构建了该第二预设权重模型后，可以通过将图像中每个像素点的色彩编码参数输入该模型，从而输出每个像素点的对比度增强权重。而为了提高计算的效率，减少计算时间，本发明实施例可以采用步骤203的过程，应用该第二预设权重模型，对初始对比度增强模型进行处理，以获取到第二对比度增强模型，从而能够经过一次性计算，得到经过了权重调整的每个像素点的对比度增强参数。

在本发明实施例中，综合考虑了预设色彩区域参数、预设白色区域参数、神经元非线性作用曲线，获取到第二预设权重模型，以获取每个像素点的对比度增强权重，而在本发明提供的另一实施例中，该步骤202还可以由以下步骤代替：根据预设色彩区域参数、神经元非线性作用曲线和所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重。通过仅考虑预设色彩区域参数和神经元非线性作用曲线，也可以达到确定一第二预设权重模型，以获取每个像素点的对比度增强权重。

203、根据该第二预设权重模型，对初始对比度增强模型进行处理，得到第二对比度增强模型；

当获取到每个像素点的对比度增强权重后，可以根据每个像素点的对比度增强权重，分别对该图像中的各个像素点进行不同幅度的对比度增强处理，以使得图像色彩更加自然，视觉效果更好。

其中，初始对比度增强模型为：

y'=f(y)，其中，y,f(y)∈Z,0≤y,f(y)≤255。

第二对比度增强模型为公式四：

y'=g(y,u,v)=WeightYUV(y,u,v)*f(y)+(1-WeightYUV(y,u,v))*y，其中，f(y)为利用初始对比度增强模型对初始亮度参数为y的像素点进行对比度增强后的亮度参数值。

需要说明的是，本发明实施例仅以初始对比度增强模型为y'=f(y)（其中，y,f(y)∈Z,0≤y,f(y)≤255）为例，对初始对比度增强模型进行改造，得到该第二对比度增强模型，在本发明的另一实施例中，还可以结合本发明实施例中的第二预设权重模型，对其他形式的初始对比度增强模型进行改造，本发明实施例对初始对比度增强模型不做限定。

在该第二对比度增强模型下，根据每个像素点对应的初始色彩编码参数（初始YUV值），获取一个权重，基于获取的权重调整对该像素点的对比度增强幅度，其中，预设色彩区域进行较小幅度的增强，白色区域与非预设色彩区域进行较大幅度的增强。

图3为构造第二对比度增强模型过程的架构图，根据第一预设权重模型和预设白区权重模型，确定第二预设权重模型，根据该第二预设权重模型，对初始对比度增强模型进行处理，得到第二对比度增强模型。

基于步骤203中肤色区域的例子，图4给出了在某个亮度（Y值）下，该第二对比度增强模型的影响区域内的对比度增强权重分布，图4中的肤色区域使用第一预设权重模型，使用较低的权重。如图4所示，由于肤色区域覆盖了白色(128，128)的范围，会减弱黑白色的对比度增强效果，为避免此情况，围绕白色的白色区域使用预设白区模型，以另一较高的权重拉高白色区域使用的对比度增强权重。此外，对不同Y值而言，白色区域的范围会有所不同，Y值在110以下，Y值越小白区越大，因为人类的视觉上，越暗的情况下对颜色的敏感度会越低，所以在较暗的情况用较大的白区，更符合人类视觉特性。其中，该影响区域为该第二对比度增强模型影响的YUV色彩空间中的UV色彩区域。

需要说明的是，本发明实施例中仅以图像采用YUV色彩编码方法为例进行说明，当然，还可以应用于使用其他色彩编码方法的图像中。

需要说明的是，该步骤202和203为可选步骤，为了详细说明该第二对比度增强模型的确定过程，在步骤202和203中给出了根据第一预设权重模型和预设白区权重模型，确定第二预设权重模型，根据该第二预设权重模型，对初始对比度增强模型进行处理，得到第二对比度增强模型的过程；在实际应用中，在处理图像时，终端设备无需每次重新确定第二对比度增强模型，可以直接利用第二对比度增强模型（公式四），执行步骤204。

204、根据该图像中每个像素点的色彩编码参数和该第二对比度增强模型，获取经过对比度增强后的各个像素点的色彩编码参数。

具体地，将图像中每个像素点的色彩编码参数输入该第二对比度增强模型，输出经过对比度增强后的各个像素点的色彩编码参数。

本发明实施例提供的图像处理方法，不仅可以对单个图像进行处理，还可以对视频进行处理。当处理单个图片时，终端设备可以直接获取图片中每个像素点的色彩编码参数，以执行步骤201-204的过程；当对视频进行处理时，在执行步骤201-204之前，终端设备对视频信号进行解码，得到该视频信号对应的图像，分别对解码得到的多个图像进行步骤201-204的过程。

当该终端设备为视频播放器、编码器、或其他视频处理设备，在处理视频时，首先需要对其接收到的视频信号进行解码，得到该视频信号对应的图像，此时，该图像采用YUV色彩编码方法，从而使用该图像处理方法对该图像进行相应的处理。

本发明实施例提供的方法，通过获取图像中每个像素点的色彩编码参数，根据每个像素点的色彩编码参数，获取每个像素点的对比度增强权重，根据该对比度增强权重，分别对每个像素点进行不同幅度的对比度增强处理，使得处理后的图像具有更好的视觉效果。

图5是本发明实施例提供的一种图像处理装置的结构示意图，参见图5，该装置包括：第一获取模块501、第二获取模块502和处理模块503；其中，第一获取模块501用于获取图像中每个像素点的色彩编码参数；第一获取模块501与第二获取模块502连接，第二获取模块502用于根据该图像中每个像素点的色彩编码参数，获取该每个像素点的对比度增强权重；第二获取模块502与处理模块503连接，处理模块503用于根据该每个像素点的对比度增强权重，对该图像中各个像素点的对比度进行处理。

可选地，该第二获取模块502用于根据预设色彩区域参数、神经元非线性作用曲线和该图像中每个像素点的色彩编码参数，获取该每个像素点的对比度增强权重。

可选地，该第二获取模块502用于根据预设色彩区域参数、预设白色区域参数、神经元非线性作用曲线和该图像中每个像素点的色彩编码参数，获取该每个像素点的对比度增强权重。

可选地，该第二获取模块502包括：确定单元和第一获取单元；其中，确定单元用于根据第一预设权重模型和预设白区权重模型，确定第二预设权重模型，所述第一预设权重模型和预设白区权重模型分别根据预设色彩区域以及预设白色区域参数和神经元非线性作用曲线确定；

第一获取单元用于根据该图像中每个像素点的色彩编码参数和该第二预设权重模型，获取每个像素点的对比度增强权重；该第一预设权重模型为： $\mathrm{WeightUV}(u,v)=\left(\mathrm{sigmoid}(\sqrt{{\left(\frac{{\mathrm{Cu}}^{\′}-u^{\′}}{\mathrm{Su}}\right)}^2+{\left(\frac{{\mathrm{Cv}}^{\′}-v^{\′}}{\mathrm{Sv}}\right)}^2},\mathrm{skin}\_\mathrm{scale},\mathrm{skin}\_\mathrm{offset})\right),$ 其中， $\left[\begin{array}{c}{u}^{\′}\\ v^{\′}\end{array}\right]=\left[\begin{array}{cc}\cos \left(\mathrm{\θ}\right)& -\sin \left(\mathrm{\θ}\right)\\ \sin \left(\mathrm{\θ}\right)& \cos \left(\mathrm{\θ}\right)\end{array}\right]\left[\begin{array}{c}u\\ v\end{array}\right],\left[\begin{array}{c}{\mathrm{Cu}}^{\′}\\ {\mathrm{Cv}}^{\′}\end{array}\right]=\left[\begin{array}{cc}\cos \left(\mathrm{\θ}\right)& -\sin \left(\mathrm{\θ}\right)\\ \sin \left(\mathrm{\θ}\right)& \cos \left(\mathrm{\θ}\right)\end{array}\right]\left[\begin{array}{c}\mathrm{Cu}\\ \mathrm{Cv}\end{array}\right],$ （Cu，Cv）为预设色彩区域的中心点，Su和Sv为该预设色彩区域的宽度值与高度值，θ为预设参数，sigmoid(x,scale,offset)=(tanh(x*scale-offset)+1)/2，其中，x为曲线参数，scale为曲线调整参数，offset为偏移参数，x,scale,offset∈R,0≤x≤1，skin_scale为该第一预设权重模型中与scale对应的参数，skin_offset为该第一预设权重模型中与offset对应的参数，该预设白区权重模型为： $\begin{array}{c}\mathrm{WeightWZ}(y,u,v)=\\ (1-\mathrm{sigmoid}(\sqrt{{\left(\frac{\mathrm{Wu}-u}{\mathrm{Lu}*\mathrm{WeightY}\left(y\right)}\right)}^2+{\left(\frac{\mathrm{Wv}-v}{\mathrm{Lv}*\mathrm{WeightY}\left(y\right)}\right)}^2},\mathrm{white}\_\mathrm{scale},\mathrm{white}\_\mathrm{offset}))\end{array},$ （Wu，Wv）为预设白色区域的中心点，Lu和Lv分别是该预设白色区域的宽度值与高度值，white_scale为该预设白区权重模型中与scale对应的参数，white_offset为该预设白色区域权重模型中与offset对应的参数，其中，WeightY(y)为在不同y值下调整该预设白色区域大小的权重， $\mathrm{WeightY}\left(y\right)=\frac{0.5}{\mathrm{sigmoid}(y/255,y\_\mathrm{scale},y\_\mathrm{offset})}+0.5,$ y_scale为该预设白区权重模型中与scale对应的参数，y_offset为该预设白色区域权重模型中与offset对应的参数，该第二预设权重模型为：WeightYUV(y,u,v)=WeightWZ(y,u,v)+(1-WeightWZ(y,u,v))*WeightUV(u,v)，y、u和v为像素点的色彩编码参数，0≤y,u,v≤255，y,u,v∈Z。

可选地，该处理模块503包括：处理单元和第二获取单元；其中，处理单元，用于根据该第二预设权重模型，对初始对比度增强模型进行处理，得到第二对比度增强模型；第二获取单元，用于根据该图像中每个像素点的色彩编码参数和该第二对比度增强模型，获取经过对比度增强后的各个像素点的色彩编码参数；其中，第二对比度增强模型为：y'=g(y,u,v)=WeightYUV(y,u,v)*f(y)+(1-WeightYUV(y,u,v))*y，其中，f(y)为利用初始对比度增强模型对初始亮度参数为y的像素点进行对比度增强后的亮度参数值。

可选地，该预设色彩区域为肤色区域，该预设色彩区域参数包括Cu=111，Cv=151，Su=40，Sv=19，skin_scale=6，sking_offset=4，θ=45°。

可选地，该装置还包括：解码模块，用于对视频信号进行解码，得到该视频信号对应的图像。

可选地，该图像采用YUV色彩编码方法。

上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再一一赘述。

需要说明的是：上述实施例提供的图像处理装置在图像处理时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将终端设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的图像处理装置与图像处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (16)

1.一种图像处理方法，其特征在于，所述方法包括：

获取图像中每个像素点的色彩编码参数；

根据所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重；

根据所述每个像素点的对比度增强权重，对所述图像中各个像素点的对比度进行处理。

2.根据权利要求1所述的方法，其特征在于，所述根据所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重包括：

根据预设色彩区域参数、神经元非线性作用曲线和所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重。

3.根据权利要求1所述的方法，其特征在于，所述根据所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重包括：

根据预设色彩区域参数、预设白色区域参数、神经元非线性作用曲线和所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重。

4.根据权利要求3所述的方法，其特征在于，根据预设色彩区域参数、预设白色区域参数、神经元非线性作用曲线和所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重包括：

根据第一预设权重模型和预设白区权重模型，确定第二预设权重模型，所述第一预设权重模型和预设白区权重模型分别根据预设色彩区域以及预设白色区域参数和神经元非线性作用曲线确定；

根据所述图像中每个像素点的色彩编码参数和所述第二预设权重模型，获取所述每个像素点的对比度增强权重；

所述第一预设权重模型为：

$\mathrm{WeightUV}(u,v)=\left(\mathrm{sigmoid}(\sqrt{{\left(\frac{{\mathrm{Cu}}^{\′}-u^{\′}}{\mathrm{Su}}\right)}^2+{\left(\frac{{\mathrm{Cv}}^{\′}-v^{\′}}{\mathrm{Sv}}\right)}^2},\mathrm{skin}\_\mathrm{scale},\mathrm{skin}\_\mathrm{offset})\right),$

其中， $\left[\begin{array}{c}{u}^{\′}\\ v^{\′}\end{array}\right]=\left[\begin{array}{cc}\cos \left(\mathrm{\θ}\right)& -\sin \left(\mathrm{\θ}\right)\\ \sin \left(\mathrm{\θ}\right)& \cos \left(\mathrm{\θ}\right)\end{array}\right]\left[\begin{array}{c}u\\ v\end{array}\right],\left[\begin{array}{c}{\mathrm{Cu}}^{\′}\\ {\mathrm{Cv}}^{\′}\end{array}\right]=\left[\begin{array}{cc}\cos \left(\mathrm{\θ}\right)& -\sin \left(\mathrm{\θ}\right)\\ \sin \left(\mathrm{\θ}\right)& \cos \left(\mathrm{\θ}\right)\end{array}\right]\left[\begin{array}{c}\mathrm{Cu}\\ \mathrm{Cv}\end{array}\right],$

（Cu，Cv）为预设色彩区域的中心点，Su和Sv为所述预设色彩区域的宽度值与高度值，θ为预设参数，

sigmoid(x,scale,offset)=(tanh(x*scale-offset)+1)/2，其中，x为曲线参数，scale为曲线调整参数，offset为偏移参数，x,scale,offset∈R,0≤x≤1，

skin_scale为所述第一预设权重模型中与scale对应的参数，skin_offset为所述第一预设权重模型中与offset对应的参数，

所述预设白区权重模型为：

$\begin{array}{c}\mathrm{WeightWZ}(y,u,v)=\\ (1-\mathrm{sigmoid}(\sqrt{{\left(\frac{\mathrm{Wu}-u}{\mathrm{Lu}*\mathrm{WeightY}\left(y\right)}\right)}^2+{\left(\frac{\mathrm{Wv}-v}{\mathrm{Lv}*\mathrm{WeightY}\left(y\right)}\right)}^2},\mathrm{white}\_\mathrm{scale},\mathrm{white}\_\mathrm{offset}))\end{array},$

（Wu，Wv）为预设白色区域的中心点，Lu和Lv分别是所述预设白色区域的宽度值与高度值，white_scale为所述预设白区权重模型中与scale对应的参数，white_offset为所述预设白色区域权重模型中与offset对应的参数，

其中，WeightY(y)为在不同y值下调整所述预设白色区域大小的权重，

$\mathrm{WeightY}\left(y\right)=\frac{0.5}{\mathrm{sigmoid}(y/255,y\_\mathrm{scale},y\_\mathrm{offset})}+0.5,$

y_scale为所述预设白区权重模型中与scale对应的参数，y_offset为所述预设白色区域权重模型中与offset对应的参数，

所述第二预设权重模型为：

WeightYUV(y,u,v)=WeightWZ(y,u,v)+(1-WeightWZ(y,u,v))*WeightUV(u,v)，

y、u和v为像素点的色彩编码参数，0≤y,u,v≤255，y,u,v∈Z。

5.根据权利要求4所述的方法，其特征在于，所述根据所述每个像素点的对比度增强权重，对所述图像中各个像素点的对比度进行处理包括：

根据所述第二预设权重模型，对初始对比度增强模型进行处理，得到第二对比度增强模型；

根据所述图像中每个像素点的色彩编码参数和所述第二对比度增强模型，获取经过对比度增强后的各个像素点的色彩编码参数；

其中，第二对比度增强模型为：

y'=g(y,u,v)=WeightYUV(y,u,v)*f(y)+(1-WeightYUV(y,u,v))*y，

其中，f(y)为利用初始对比度增强模型对初始亮度参数为y的像素点进行对比度增强后的亮度参数值。

6.根据权利要求4-5任一项所述的方法，其特征在于，所述预设色彩区域为肤色区域，所述预设色彩区域参数包括Cu=111，Cv=151，Su=40，Sv=19，skin_scale=6，sking_offset=4，θ=45°。

7.根据权利要求1-6任一项所述的方法，其特征在于，在获取图像中每个像素点的色彩编码参数之前，所述方法还包括：

对视频信号进行解码，得到所述视频信号对应的图像。

8.根据权利要求1-7任一项所述的方法，其特征在于，所述图像采用YUV色彩编码方法。

9.一种图像处理装置，其特征在于，所述装置包括：

第一获取模块，用于获取图像中每个像素点的色彩编码参数；

第二获取模块，用于根据所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重；

处理模块，用于根据所述每个像素点的对比度增强权重，对所述图像中各个像素点的对比度进行处理。

10.根据权利要求9所述的装置，其特征在于，所述第二获取模块用于根据预设色彩区域参数、神经元非线性作用曲线和所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重。

11.根据权利要求9所述的装置，其特征在于，所述第二获取模块用于根据预设色彩区域参数、预设白色区域参数、神经元非线性作用曲线和所述图像中每个像素点的色彩编码参数，获取所述每个像素点的对比度增强权重。

12.根据权利要求11所述的装置，其特征在于，所述第二获取模块包括：

确定单元，用于根据第一预设权重模型和预设白区权重模型，确定第二预设权重模型，所述第一预设权重模型和预设白区权重模型分别根据预设色彩区域以及预设白色区域参数和神经元非线性作用曲线确定；

第一获取单元，用于根据所述图像中每个像素点的色彩编码参数和所述第二预设权重模型，获取所述每个像素点的对比度增强权重；

所述第一预设权重模型为：

$\mathrm{WeightUV}(u,v)=\left(\mathrm{sigmoid}(\sqrt{{\left(\frac{{\mathrm{Cu}}^{\′}-u^{\′}}{\mathrm{Su}}\right)}^2+{\left(\frac{{\mathrm{Cv}}^{\′}-v^{\′}}{\mathrm{Sv}}\right)}^2},\mathrm{skin}\_\mathrm{scale},\mathrm{skin}\_\mathrm{offset})\right),$

其中， $\left[\begin{array}{c}{u}^{\′}\\ v^{\′}\end{array}\right]=\left[\begin{array}{cc}\cos \left(\mathrm{\θ}\right)& -\sin \left(\mathrm{\θ}\right)\\ \sin \left(\mathrm{\θ}\right)& \cos \left(\mathrm{\θ}\right)\end{array}\right]\left[\begin{array}{c}u\\ v\end{array}\right],\left[\begin{array}{c}{\mathrm{Cu}}^{\′}\\ {\mathrm{Cv}}^{\′}\end{array}\right]=\left[\begin{array}{cc}\cos \left(\mathrm{\θ}\right)& -\sin \left(\mathrm{\θ}\right)\\ \sin \left(\mathrm{\θ}\right)& \cos \left(\mathrm{\θ}\right)\end{array}\right]\left[\begin{array}{c}\mathrm{Cu}\\ \mathrm{Cv}\end{array}\right],$

（Cu，Cv）为预设色彩区域的中心点，Su和Sv为所述预设色彩区域的宽度值与高度值，θ为预设参数，

sigmoid(x,scale,offset)=(tanh(x*scale-offset)+1)/2，其中，x为曲线参数，scale为曲线调整参数，offset为偏移参数，x,scale,offset∈R,0≤x≤1，

skin_scale为所述第一预设权重模型中与scale对应的参数，skin_offset为所述第一预设权重模型中与offset对应的参数，

所述预设白区权重模型为：

$\begin{array}{c}\mathrm{WeightWZ}(y,u,v)=\\ (1-\mathrm{sigmoid}(\sqrt{{\left(\frac{\mathrm{Wu}-u}{\mathrm{Lu}*\mathrm{WeightY}\left(y\right)}\right)}^2+{\left(\frac{\mathrm{Wv}-v}{\mathrm{Lv}*\mathrm{WeightY}\left(y\right)}\right)}^2},\mathrm{white}\_\mathrm{scale},\mathrm{white}\_\mathrm{offset}))\end{array},$

（Wu，Wv）为预设白色区域的中心点，Lu和Lv分别是所述预设白色区域的宽度值与高度值，white_scale为所述预设白区权重模型中与scale对应的参数，white_offset为所述预设白色区域权重模型中与offset对应的参数，

其中，WeightY(y)为在不同y值下调整所述预设白色区域大小的权重，

$\mathrm{WeightY}\left(y\right)=\frac{0.5}{\mathrm{sigmoid}(y/255,y\_\mathrm{scale},y\_\mathrm{offset})}+0.5,$

y_scale为所述预设白区权重模型中与scale对应的参数，y_offset为所述预设白色区域权重模型中与offset对应的参数，

所述第二预设权重模型为：

WeightYUV(y,u,v)=WeightWZ(y,u,v)+(1-WeightWZ(y,u,v))*WeightUV(u,v)，

y、u和v为像素点的色彩编码参数，0≤y,u,v≤255，y,u,v∈Z。

13.根据权利要求12所述的装置，其特征在于，所述处理模块包括：

处理单元，用于根据所述第二预设权重模型，对初始对比度增强模型进行处理，得到第二对比度增强模型；

第二获取单元，用于根据所述图像中每个像素点的色彩编码参数和所述第二对比度增强模型，获取经过对比度增强后的各个像素点的色彩编码参数；

其中，第二对比度增强模型为：

y'=g(y,u,v)=WeightYUV(y,u,v)*f(y)+(1-WeightYUV(y,u,v))*y，

其中，f(y)为利用初始对比度增强模型对初始亮度参数为y的像素点进行对比度增强后的亮度参数值。

14.根据权利要求12-13任一项所述的装置，其特征在于，所述预设色彩区域为肤色区域，所述预设色彩区域参数包括Cu=111，Cv=151，Su=40，Sv=19，skin_scale=6，sking_offset=4，θ=45°。

15.根据权利要求9所述的装置，其特征在于，所述装置还包括：

解码模块，用于对视频信号进行解码，得到所述视频信号对应的图像。

16.根据权利要求9-15任一项所述的装置，其特征在于，所述图像采用YUV色彩编码方法。