CN104700426B - 一种判断图像是否偏暗或偏亮的方法和系统 - Google Patents

一种判断图像是否偏暗或偏亮的方法和系统 Download PDF

Info

Publication number
CN104700426B
CN104700426B CN201510154547.1A CN201510154547A CN104700426B CN 104700426 B CN104700426 B CN 104700426B CN 201510154547 A CN201510154547 A CN 201510154547A CN 104700426 B CN104700426 B CN 104700426B
Authority
CN
China
Prior art keywords
image
pixel
mapping
positive
judge
Prior art date
Application number
CN201510154547.1A
Other languages
English (en)
Other versions
CN104700426A (zh
Inventor
张伟
傅松林
李志阳
胡瑞鑫
Original Assignee
厦门美图之家科技有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 厦门美图之家科技有限公司 filed Critical 厦门美图之家科技有限公司
Priority to CN201510154547.1A priority Critical patent/CN104700426B/zh
Publication of CN104700426A publication Critical patent/CN104700426A/zh
Application granted granted Critical
Publication of CN104700426B publication Critical patent/CN104700426B/zh

Links

Abstract

本发明公开了一种判断图像是否偏暗或偏亮的方法和系统,其通过创建初始映射表,并根据初始映射表对图像的每个像素点的初始亮度值进行高斯分布计算生成亮度映射表,然后对图像的每个像素点的初始亮度值根据所述的亮度映射表进行映射处理得到映射亮度图,并进一步进行正片叠底得到正片叠底亮度图,将所述的正片叠底亮度图的每个像素点的亮度值与初始亮度值进行差值计算和阈值计算,判断当前像素点是否属于阴影区域或高光区域,并对图像中所有属于阴影区域或高光区域的像素点进行统计,得到阴影统计数或高光统计数,最后计算所述的阴影统计数或高光统计数占图像像素点总数的百分比,从而判断该图像是否偏暗或偏亮,判断结果更准确。

Description

一种判断图像是否偏暗或偏亮的方法和系统

技术领域

[0001] 本发明涉及图像处理技术领域,特别是一种判断图像是否偏暗的方法及其应用该 方法的系统。

[0002] 在拍照过程中,由于相机参数的设置、拍摄时间、天气情况等原因,导致实际拍摄 到的图像偏暗或偏亮,对比度不足,视觉效果不理想。因此,在图像处理过程中,我们经常会 对偏暗的图像进行调亮处理,或者对偏亮的图像进行调暗处理,而如何判断图像是否偏暗 或偏亮,以及偏暗或偏亮的区域,则成为关键。

发明内容

[0003] 本发明为解决上述问题,提供了一种判断图像是否偏暗或偏亮的方法和系统,准 确率更高。

[0004] 为实现上述目的,本发明采用的技术方案为:

[0005] 一种判断图像是否偏暗的方法,其特征在于,包括以下步骤:

[0006] l〇a.创建初始映射表,并根据初始映射表对图像的每个像素点的初始亮度值进行 高斯分布计算生成亮度映射表;

[0007] 20a.对图像的每个像素点的初始亮度值根据所述的亮度映射表进行映射处理得 到映射亮度图;

[0008] 30a.将图像的每个像素点的初始亮度值与所述的映射亮度图的对应像素点的映 射亮度值进行正片叠底得到正片叠底亮度图;

[0009] 40a.将所述的正片叠底亮度图的每个像素点的亮度值与初始亮度值进行差值计 算;

[0010] 50a.对所述的每个像素点的差值进行阈值计算,判断当前像素点是否属于阴影区 域,并对图像中所有属于阴影区域的像素点进行统计,得到阴影统计数;

[0011] 60a.计算所述的阴影统计数占图像像素点总数的百分比,从而判断该图像是否偏 暗。

[0012]并且,本发明还提供了一种应用上述判断图像是否偏暗的方法的系统,其特征在 于,该系统至少包括:

[0013] 映射表创建模块,其通过创建初始映射表,并根据初始映射表对图像的每个像素 点的初始亮度值进行高斯分布计算生成亮度映射表;

[0014] 映射处理模块,其对图像的每个像素点的初始亮度值根据所述的亮度映射表进行 映射处理得到映射亮度图;

[0015] 正片叠底处理模块,其将图像的每个像素点的初始亮度值与所述的映射亮度图的 对应像素点的映射亮度值进行正片叠底得到正片叠底亮度图;

[0016] 差值计算模块,其将所述的正片叠底亮度图的每个像素点的亮度值与初始亮度值 进行差值计算;

[0017] 分析统计模块,其对所述的每个像素点的差值进行阈值计算,判断当前像素点是 否属于阴影区域,并对图像中所有属于阴影区域的像素点进行统计,得到阴影统计数;

[0018] 判断模块,计算所述的阴影统计数占图像像素点总数的百分比,从而判断该图像 是否偏暗。

[0019] 另外,本发明基于同一发明构思的前提下,提供了一种判断图像是否偏亮的方法, 其特征在于,包括以下步骤:

[0020] 10b.创建初始映射表,并根据初始映射表对图像的每个像素点的初始亮度值进行 高斯分布计算生成亮度映射表;

[0021] 20b.对图像的每个像素点的初始亮度值根据所述的亮度映射表进行映射处理得 到映射亮度图;

[0022] 30b.将图像的每个像素点的初始亮度值与所述的映射亮度图的对应像素点的映 射亮度值进行正片叠底得到正片叠底亮度图;

[0023] 40b.将所述的正片叠底亮度图的每个像素点的亮度值与初始亮度值进行差值计 算;

[0024] 50b.对所述的每个像素点的差值进行阈值计算,判断当前像素点是否属于高光区 域,并对图像中所有属于高光区域的像素点进行统计,得到高光统计数;

[0025] 60b.计算所述的高光统计数占图像像素点总数的百分比,从而判断该图像是否偏 壳。

[0026]而且,本发明还提供了一种应用上述判断图像是否偏亮的方法的系统,其特征在 于,该系统至少包括:

[0027]映射表创建模块,其通过创建初始映射表,并根据初始映射表对图像的每个像素 点的初始亮度值进行高斯分布计算生成亮度映射表;

[0028]映射处理模块,其对图像的每个像素点的初始亮度值根据所述的亮度映射表进行 映射处理得到映射亮度图;

[0029]正片叠底处理模块,其将图像的每个像素点的初始亮度值与所述的映射亮度图的 对应像素点的映射亮度值进行正片叠底得到正片叠底亮度图;

[0030] 差值计算模块,其将所述的正片叠底亮度图的每个像素点的亮度值与初始亮度值 进行差值计算;

[0031] 分析统计模块,其对所述的每个像素点的差值进行阈值计算,判断当前像素点是 否属于高光区域,并对图像中所有属于高光区域的像素点进行统计,得到高光统计数;

[0032] 判断模块,计算所述的高光统计数占图像像素点总数的百分比,从而判断该图像 是否偏亮。

[0033]本发明的有益效果是:

[0034]本发明的一种判断图像是否偏暗或偏亮的方法和系统,其通过创建初始映射表, 并根据初始映射表对图像的每个像素点的初始亮度值进行高斯分布计算生成亮度映射表, 然后对图像的每个像素点的初始亮度值根据所述的亮度映射表进行映射处理得到映射亮 度图,并进一步进行正片叠底得到正片叠底亮度图,将所述的正片叠底亮度图的每个像素 点的亮度值与初始亮度值进行差值计算和阈值计算,判断当前像素点是否属于阴影区域或 闻光区域,并对图像中所有属于阴影区域或高光区域的像素点进行统计,得到阴影统计数 或高光统计数,最后计算所述的阴影统计数或高光统计数占图像像素点总数的百分比,从 而判断该图像是否偏暗或偏亮,其通过图像的阴影区域或高光区域进行统计分析,判断结 果更准确,为后续处理提供更有利的基础。

附图说明

[0035^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: [0036]图1为本发明一种判断图像是否偏暗的方法的流程简图;

[0037]图2为本发明一种判断图像是否偏暗的系统的结构示意图;

[0038]图3为本发明一种判断图像是否偏亮的方法的流程简图;

[0039]图4为本发明一种判断图像是否偏亮的系统的结构示意图。

具体实施方式

[0040]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。

[0041 ]如图1所示,本发明的一种判断图像是否偏暗的方法,其包括以下步骤:

[0042] l〇a •创建初始映射表,并根据初始映射表对图像的每个像素点的初始亮度值进行 高斯分布计算生成亮度映射表;

[0043] 2〇a •对图像的每个像素点的初始亮度值根据所述的亮度映射表进行映射处理得 到映射亮度图;

[0044] 3〇a•将图像的每个像素点的初始亮度值与所述的映射亮度图的对应像素点的映 射亮度值进行正片叠底得到正片叠底亮度图;

[0045] 40a•将所述的正片叠底亮度图的每个像素点的亮度值与初始亮度值进行差值计 算;

[0046] 50a.对所述的每个像素点的差值进行阈值计算,判断当前像素点是否属于阴影区 域,并对图像中所有属于阴影区域的像素点进行统计,得到阴影统计数;

[0047] 60a.计算所述的阴影统计数占图像像素点总数的百分比,从而判断该图像是否偏 暗。

[0048]所述的步骤10a中,主要是通过计算图像的每个像素点的初始亮度值与预设的期 望亮度值之间的差值,并根据初始映射表以及所述的差值进行高斯分布计算生成初始亮度 值与映射亮度值的亮度映射表;所述的初始映射表为一个256的数组,其值依次为〇,1, 2,……255;该亮度映射表的计算公式为:

[0049] dist= (i-fExpect) * (i-fExpect);

[0050] pMapTable [i] =min (255,(0.5+255_0*exp (-dist/Sigma)));

[0051] 其中,i为每个初始亮度值的序列;fExpect为期望亮度值,本实施例中,阴影区域 的期望亮度值设为〇;dist为每个初始亮度值i与期望亮度值f Expect的差的平方; pMapTable [i]为初始亮度值i的对应映射亮度值;Sigma为(T2方差,〇为标准差,表示高斯分 布的范围,本实施例中,Sigma默认为100*100*2。

[0052] 所述的步骤20a中,通过进行映射处理得到映射亮度图的计算公式为:

[0053] maskLight=pMapTable[light];

[0054] 其中,light为像素点的初始亮度值,pMapTable为所述的亮度映射表,maskLight 为映射处理后得到的映射亮度图上对应像素点的映射亮度值。

[0055] 所述的步骤30a中,通过进行正片叠底得到正片叠底亮度图的计算公式为:

[0056] mutableLight= ((maskLight*light+128) + (maskLight*light+128) /255) /255;

[0057] 其中,light为像素点的初始亮度值,maskLight为映射处理后得到的映射亮度图 上对应像素点的映射亮度值,mutableLight为正片叠底后得到的正片叠底亮度图上对应像 素点的正片叠底亮度值。

[0058] 所述的步骤30a中,还包括对所述的正片叠底亮度图进行模糊处理,得到模糊后的 正片叠底亮度图,该模糊处理主要采用以下模糊算法的一种或一种以上的组合:中值模糊 处理、高斯模糊处理、均值模糊处理、卷积处理。

[0059] 中值模糊处理,即中值滤波处理,主要是对要处理的像素点周围的N*N模板像素点 的亮度值进行从大到小或者从小到大的排序,得到排序后最中间的那个亮度值,即中位数, 然后将该像素点的亮度值设置为其中位数的亮度值;其中,N为模糊的半径。

[0060] 高斯模糊处理,主要是采用正态分布计算图像中每个像素的变换。

[0061] 均值模糊处理是典型的线性滤波算法,它是指在图像上对目标像素给一个模板, 该模板包括了其周围的临近像素;该临近像素是指以目标象素为中心的周围8个象素,构成 一个滤波模板,即去掉目标象素本身;再用模板中的全体像素的平均值来代替原来像素值。 [0062]卷积处理:卷积是对矩阵中的每一个元素进行的操作,卷积所实现的功能是由其 卷积核的形式决定的,卷积核是一个大小固定、有数值参数构成的矩阵,矩阵的中心为参考 点或锚点,矩阵的大小称为核支撑;要计算一个像素点的卷积后的亮度值,首先将核的参考 点定位到该像素点,核的其余元素覆盖矩阵中相对应的局部周围点;对于每一个核中的的 像素点,得到这个像素点的值与卷积核数组中特定点的值的乘积并求所有这些乘积的累加 和,即该特定点的卷积值,用这个结果替代该像素点的亮度值;通过在整个图像上移动卷积 核,对图像的每个像素点重复此操作。

[0063]所述的步骤40a中的差值计算,主要是计算正片叠底亮度图的每个像素点的正片 叠底亮度值与所述的期望亮度值的亮度差的绝对值。

[0064]所述的步骤50a中的阈值计算,主要是判断所述的亮度差的绝对值是否小于127, 如果是的话,则该对应像素点属于阴影区域,并且阴影统计数值加1;并对图像中所有属于 阴影区域的像素点进行统计,得到最终的阴影统计数。

[0065] 所述的步骤60a中,如果所述的阴影统计数占图像像素点总数的百分比大于40%, 则该图像偏暗;该40 %的百分比可根据需要或根据不同应用场合进行适当的调整,例如在 有的场合可能阴影统计数占图像像素点总数的百分比超过35就判断为偏暗,有的场合可能 超过45 %才认为偏暗。

[0066] 如图2所示,本发明还提供了一种判断图像是否偏暗的系统,该系统至少包括: [0067]映射表创建模块A1,其通过创建初始映射表,并根据初始映射表对图像的每个像 素点的初始亮度值进行高斯分布计算生成亮度映射表;

[0068] 映射处理模块B1,其对图像的每个像素点的初始亮度值根据所述的亮度映射表进 行映射处理得到映射亮度图;

[0069] 正片叠底处理模块C1,其将图像的每个像素点的初始亮度值与所述的映射亮度图 的对应像素点的映射亮度值进行正片叠底得到正片叠底亮度图;

[0070] 差值计算模块D1,其将所述的正片叠底亮度图的每个像素点的亮度值与初始亮度 值进行差值计算;

[0071] 分析统计模块E1,其对所述的每个像素点的差值进行阈值计算,判断当前像素点 是否属于阴影区域,并对图像中所有属于阴影区域的像素点进行统计,得到阴影统计数;

[0072] 判断模块F1,计算所述的阴影统计数占图像像素点总数的百分比,从而判断该图 像是否偏暗。

[0073] 本发明基于同一发明构思,还同时提出了一种判断图像是否偏亮的方法,该判定 偏亮的方法与前述判断偏暗的方法的基本思路是相同的,其区别主要在于,判断偏暗的方 法主要是对图像的阴影区域进行阴影统计数的计算来判断是否偏暗,判断偏亮的方法主要 是对图像的高光区域进行高光统计数的计算来判断是否偏亮,在计算过程中,主要是阴影 区域的期望亮度值为〇,高光区域的期望亮度值为255,从而根据该不同的期望亮度值得出 各自不同的亮度映射表、映射亮度图、正片叠底亮度图。

[0074] 具体的,如图3所示,判断图像是否偏亮的方法包括以下步骤:

[0075] 10b.创建初始映射表,并根据初始映射表对图像的每个像素点的初始亮度值进行 高斯分布计算生成亮度映射表;

[0076] 20b.对图像的每个像素点的初始亮度值根据所述的亮度映射表进行映射处理得 到映射亮度图;

[0077] 30b.将图像的每个像素点的初始亮度值与所述的映射亮度图的对应像素点的映 射亮度值进行正片叠底得到正片叠底亮度图;

[0078] 40b.将所述的正片叠底亮度图的每个像素点的亮度值与初始亮度值进行差值计 算;

[0079] 50b.对所述的每个像素点的差值进行阈值计算,判断当前像素点是否属于高光区 域,并对图像中所有属于高光区域的像素点进行统计,得到高光统计数;

[0080] 60b.计算所述的高光统计数占图像像素点总数的百分比,从而判断该图像是否偏 壳。

[0081] 所述的步骤10b中,主要是通过计算图像的每个像素点的初始亮度值与预设的期 望亮度值之间的差值,并根据初始映射表以及所述的差值进行高斯分布计算生成初始亮度 值与映射亮度值的亮度映射表;所述的亮度映射表的计算公式为:

[0082] dist= (i-fExpect) * (i-fExpect);

[0083] pMapTable [i] =min (255,(0 • 5+255 • 0*exp (-dist/Sigma)));

[0084] 其中,i为每个初始亮度值的序列;fExpect为期望亮度值,本实施例中,高光区域 的期望亮度值设为255;dist为每个初始亮度值i与期望亮度值fExpect的差的平方; pMapTable [i]为初始亮度值i的对应映射亮度值;Sigma为cT2方差,。为标准差,表示高斯分 布的范围。

[0085] 所述的步骤20b中,通过进行映射处理得到映射亮度图的计算公式为:

[0086] maskLight = pMapTable[light];

[0087] 其中,light为像素点的初始亮度值,pMapTable为所述的亮度映射表,maskLight 为映射处理后得到的映射亮度图上对应像素点的映射亮度值。

[0088] 所述的步骤30b中,通过进行正片叠底得到正片叠底亮度图的计算公式为:

[0089] mutableLight= ((maskLight*light+128) + (maskLight*light+128) /255) /255;

[0090] 其中,light为像素点的初始亮度值,maskLight为映射处理后得到的映射亮度图 上对应像素点的映射亮度值,mutableLight为正片叠底后得到的正片叠底亮度图上对应像 素点的正片叠底亮度值。

[0091] 所述的步骤30b中,还包括对所述的正片叠底亮度图进行模糊处理,得到模糊后的 正片叠底亮度图,该模糊处理主要采用以下模糊算法的一种或一种以上的组合:中值模糊 处理、高斯模糊处理、均值模糊处理、卷积处理。

[0092] 所述的步骤40b中的差值计算,主要是计算正片叠底亮度图的每个像素点的正片 叠底亮度值与所述的期望亮度值的亮度差的绝对值。

[0093] 所述的步骤50b中的阈值计算,主要是判断所述的亮度差的绝对值是否小于127, 如果是的话,则该对应像素点属于高光区域,并且高光统计数值加1;并对图像中所有属于 高光区域的像素点进行统计,得到最终的高光统计数。

[0094] 所述的步骤60b中,如果所述的高光统计数占图像像素点总数的百分比大于40%, 则该图像偏壳。

[0095]如图4所示,本发明还提供了一种判断图像是否偏亮的系统,该系统至少包括: [0096]映射表创建模块A2,其通过创建初始映射表,并根据初始映射表对图像的每个像 素点的初始亮度值进行高斯分布计算生成亮度映射表;

[0097]映射处理模块B2,其对图像的每个像素点的初始亮度值根据所述的亮度映射表进 行映射处理得到映射亮度图;

[0098]正片叠底处理模块C2,其将图像的每个像素点的初始亮度值与所述的映射亮度图 的对应像素点的映射亮度值进行正片叠底得到正片叠底亮度图;

[00"]差值计算模块D2,其将所述的正片叠底亮度图的每个像素点的亮度值与初始亮度 值进行差值计算;

[0100]分析统计模块E2,其对所述的每个像素点的差值进行阈值计算,判断当前像素点 是否属于高光区域,并对图像中所有属于高光区域的像素点进行统计,得到高光统计数; [0101]判断模块F2,计算所述的高光统计数占图像像素点总数的百分比,从而判断该图 像是否偏亮。

[0102]需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重 点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。 对于系统类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参 见方法实施例的部分说明即可。并且,在本文中,术语“包括”、“包含”或者其任何其他变体 意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括 那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或 者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……,’限定的要素,并不 排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外,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甘步骤町以通过硬件来完成,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。

[0103]上述说明示出并描述了本发明的优选实施例,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,1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 (20)

1. 一种判断图像是否偏暗的方法,其特征在于,包括以下步骤: 10a.创建初始映射表,并根据初始映射表对图像的每个像素点的初始亮度值进行高斯 分布计算生成亮度映射表; 20a.对图像的每个像素点的初始亮度值根据所述的亮度映射表进行映射处理得到映 射壳度图; 30a.将图像的每个像素点的初始亮度值与所述的映射亮度图的对应像素点的映射亮 度值进行正片叠底得到正片叠底亮度图; 40a.将所述的正片叠底亮度图的每个像素点的亮度值与初始亮度值进行差值计算; 50a.对所述的每个像素点的差值进行阈值计算,判断当前像素点是否属于阴影区域, 并对图像中所有属于阴影区域的像素点进行统计,得到阴影统计数; 60a.计算所述的阴影统计数占图像像素点总数的百分比,从而判断该图像是否偏暗。
2. 根据权利要求1所述的一种判断图像是否偏暗的方法,其特征在于:所述的步骤10 a 中,主要是通过计算图像的每个像素点的初始亮度值与预设的期望亮度值之间的差值,并 根据初始映射表以及所述的差值进行高斯分布计算生成初始亮度值与映射亮度值的亮度 映射表。
3. 根据权利要求2所述的一种判断图像是否偏暗的方法,其特征在于:所述的亮度映射 表的计算公式为: dist= (i-fExpect) * (i-fExpect); pMapTable[i] =min (255, (0.5+255.0*exp (-dist/Sigma))); 其中,i为每个初始亮度值的序列;fExpect为期望亮度值;dist为每个初始亮度值i与 期望亮度值fExpect的差的平方;pMapTable[i]为初始亮度值i的对应映射亮度值;Sigma为 方差,〇为标准差,表示高斯分布的范围。
4. 根据权利要求1所述的一种判断图像是否偏暗的方法,其特征在于:所述的步骤2〇a 中,通过进行映射处理得到映射亮度图的计算公式为: maskLight = pMapTable [light]; 其中,1 ight为像素点的初始亮度值,pMapTable为所述的亮度映射表,maskLight为映 射处理后得到的映射亮度图上对应像素点的映射亮度值。
5. 根据权利要求1所述的一种判断图像是否偏暗的方法,其特征在于:所述的步骤3〇a 中,通过进行正片叠底得到正片叠底亮度图的计算公式为: mutableLight= ((maskLight*light+128) + (maskLight*light+128) /255) /255; 其中,light为像素点的初始亮度值,maskLight为映射处理后得到的映射亮度图上对 应像素点的映射亮度值,mutableLight为正片叠底后得到的正片叠底亮度图上对应像素点 的正片叠底亮度值。
6. 根据权利要求1所述的一种判断图像是否偏暗的方法,其特征在于:所述的步骤3〇a 中,还包括对所述的正片叠底亮度图进行模糊处理,得到模糊后的正片叠底亮度图,该模糊 处理主要采用下述模糊算法的一种或一种以上的组合:中值模糊处理、高斯模糊处理、均值 模糊处理、卷积处理。
7. 根据权利要求2所述的一种判断图像是否偏暗的方法,其特征在于:所述的步骤40a 中的差值计算,主要是计算正片叠底亮度图的每个像素点的正片叠底亮度值与所述的期望 亮度值的亮度差的绝对值。
8. 根据权利要求7所述的一种判断图像是否偏暗的方法,其特征在于:所述的步骤50a 中的阈值计算,主要是判断所述的亮度差的绝对值是否小于127,如果是的话,则该对应像 素点属于阴影区域,并且阴影统计数值加1;并对图像中所有属于阴影区域的像素点进行统 计,得到最终的阴影统计数。
9. 根据权利要求1所述的一种判断图像是否偏暗的方法,其特征在于:所述的步骤60a 中,如果所述的阴影统计数占图像像素点总数的百分比大于40%,则该图像偏暗。
10. —种应用权利要求1至9任一项所述的判断图像是否偏暗的方法的系统,其特征在 于,该系统至少包括: 映射表创建模块,其通过创建初始映射表,并根据初始映射表对图像的每个像素点的 初始亮度值进行高斯分布计算生成亮度映射表; 映射处理模块,其对图像的每个像素点的初始亮度值根据所述的亮度映射表进行映射 处理得到映射亮度图; 正片叠底处理模块,其将图像的每个像素点的初始亮度值与所述的映射亮度图的对应 像素点的映射亮度值进行正片叠底得到正片叠底亮度图; 差值计算模块,其将所述的正片叠底亮度图的每个像素点的亮度值与初始亮度值进行 差值计算; 分析统计模块,其对所述的每个像素点的差值进行阈值计算,判断当前像素点是否属 于阴影区域,并对图像中所有属于阴影区域的像素点进行统计,得到阴影统计数; 判断模块,计算所述的阴影统计数占图像像素点总数的百分比,从而判断该图像是否 偏暗。
11. 一种判断图像是否偏亮的方法,其特征在于,包括以下步骤: 10b.创建初始映射表,并根据初始映射表对图像的每个像素点的初始亮度值进行高斯 分布计算生成亮度映射表; 20b.对图像的每个像素点的初始亮度值根据所述的亮度映射表进行映射处理得到映 射亮度图; 30b.将图像的每个像素点的初始亮度值与所述的映射亮度图的对应像素点的映射亮 度值进行正片叠底得到正片叠底亮度图; 40b.将所述的正片叠底亮度图的每个像素点的亮度值与初始亮度值进行差值计算; 50b.对所述的每个像素点的差值进行阈值计算,判断当前像素点是否属于高光区域, 并对图像中所有属于高光区域的像素点进行统计,得到高光统计数; 60b.计算所述的高光统计数占图像像素点总数的百分比,从而判断该图像是否偏亮。
12. 根据权利要求11所述的一种判断图像是否偏亮的方法,其特征在于:所述的步骤 l〇b中,主要是通过计算图像的每个像素点的初始亮度值与预设的期望亮度值之间的差值, 并根据初始映射表以及所述的差值进行高斯分布计算生成初始亮度值与映射亮度值的亮 度映射表。
13. 根据权利要求12所述的一种判断图像是否偏亮的方法,其特征在于:所述的亮度映 射表的计算公式为: dist= (i-fExpect) * (i-fExpect); pMapTable [i] =min (255, (0.5+255.0*exp (-dist/Sigma))); 其中,i为每个初始亮度值的序列;fExpect为期望亮度值;dist为每个初始亮度值i与 期望亮度值fExpect的差的平方;pMapTable [i]为初始亮度值i的对应映射亮度值;Sigma为 方差,〇为标准差,表示高斯分布的范围。
14. 根据权利要求11所述的一种判断图像是否偏亮的方法,其特征在于:所述的步骤 20b中,通过进行映射处理得到映射亮度图的计算公式为: maskLight = pMapTable[light]; 其中,light为像素点的初始亮度值,pMapTable为所述的亮度映射表,maskLight为映 射处理后得到的映射亮度图上对应像素点的映射亮度值。
15. 根据权利要求11所述的一种判断图像是否偏亮的方法,其特征在于:所述的步骤 30b中,通过进行正片叠底得到正片叠底亮度图的计算公式为: mutableLight= ((maskLight*light+128) + (maskLight*light+128) /255) /255; 其中,light为像素点的初始亮度值,maskLight为映射处理后得到的映射亮度图上对 应像素点的映射亮度值,mutableLight为正片叠底后得到的正片叠底亮度图上对应像素点 的正片叠底亮度值。
16. 根据权利要求11所述的一种判断图像是否偏亮的方法,其特征在于:所述的步骤 30b中,还包括对所述的正片叠底亮度图进行模糊处理,得到模糊后的正片叠底亮度图,该 模糊处理主要采用下述模糊算法的一种或一种以上的组合:中值模糊处理、高斯模糊处理、 均值模糊处理、卷积处理。
17. 根据权利要求12所述的一种判断图像是否偏亮的方法,其特征在于:所述的步骤 40b中的差值计算,主要是计算正片叠底亮度图的每个像素点的正片叠底亮度值与所述的 期望亮度值的亮度差的绝对值。
18. 根据权利要求17所述的一种判断图像是否偏亮的方法,其特征在于:所述的步骤 50b中的阈值计算,主要是判断所述的亮度差的绝对值是否小于127,如果是的话,则该对应 像素点属于高光区域,并且高光统计数值加1;并对图像中所有属于高光区域的像素点进行 统计,得到最终的高光统计数。
19. 根据权利要求11所述的一种判断图像是否偏亮的方法,其特征在于:所述的步骤 60b中,如果所述的高光统计数占图像像素点总数的百分比大于40%,则该图像偏亮。
20. —种应用权利要求11至19任一项所述的判断图像是否偏亮的方法的系统,其特征 在于,该系统至少包括: 映射表创建模块,其通过创建初始映射表,并根据初始映射表对图像的每个像素点的 初始亮度值进行高斯分布计算生成亮度映射表; 映射处理模块,其对图像的每个像素点的初始亮度值根据所述的亮度映射表进行映射 处理得到映射亮度图; 正片叠底处理模块,其将图像的每个像素点的初始亮度值与所述的映射亮度图的对应 像素点的映射亮度值进行正片叠底得到正片叠底亮度图; 差值计算模块,其将所述的正片叠底亮度图的每个像素点的亮度值与初始亮度值进行 差值计算; 分析统计模块,其对所述的每个像素点的差值进行阈值计算,判断当前像素点是否属 于高光区域,并对图像中所有属于高光区域的像素点进行统计,得到高光统计数; 判断模块,计算所述的高光统计数占图像像素点总数的百分比,从而判断该图像是否 偏壳。
CN201510154547.1A 2015-04-02 2015-04-02 一种判断图像是否偏暗或偏亮的方法和系统 CN104700426B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510154547.1A CN104700426B (zh) 2015-04-02 2015-04-02 一种判断图像是否偏暗或偏亮的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510154547.1A CN104700426B (zh) 2015-04-02 2015-04-02 一种判断图像是否偏暗或偏亮的方法和系统

Publications (2)

Publication Number Publication Date
CN104700426A CN104700426A (zh) 2015-06-10
CN104700426B true CN104700426B (zh) 2017-11-03

Family

ID=53347508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510154547.1A CN104700426B (zh) 2015-04-02 2015-04-02 一种判断图像是否偏暗或偏亮的方法和系统

Country Status (1)

Country Link
CN (1) CN104700426B (zh)

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1492380A (zh) * 2002-09-20 2004-04-28 精工爱普生株式会社 使用了图像生成历史信息的图像的逆光处理
CN1627323A (zh) * 2003-12-09 2005-06-15 香港中文大学 数字图像的自动修正方法和采用该方法的系统
CN101287073A (zh) * 2008-05-12 2008-10-15 吉林大学 变光照环境中机器视觉系统稳定亮度图像自适应获取方法
CN101365039A (zh) * 2007-08-06 2009-02-11 株式会社尼康 图像处理装置、摄像装置和图像处理记录介质
CN101453558A (zh) * 2008-12-30 2009-06-10 上海广电(集团)有限公司中央研究院 一种视频图像对比度改善方法
CN101582991A (zh) * 2008-05-13 2009-11-18 深圳华为通信技术有限公司 图像处理方法及装置
CN101646014A (zh) * 2008-08-05 2010-02-10 佳能株式会社 图像处理设备和图像处理方法
CN101800858A (zh) * 2009-02-06 2010-08-11 佳能株式会社 摄像设备及其控制方法
CN101833749A (zh) * 2009-03-12 2010-09-15 株式会社理光 检测图像中阴影的装置和方法
CN102118538A (zh) * 2008-05-30 2011-07-06 精工爱普生株式会社 图像处理装置、图像处理方法、图像处理程序及打印装置
CN103177422A (zh) * 2011-12-20 2013-06-26 富士通株式会社 背光补偿方法和系统
CN103247036A (zh) * 2012-02-10 2013-08-14 株式会社理光 多曝光图像融合方法和装置
CN103295205A (zh) * 2013-06-25 2013-09-11 安科智慧城市技术(中国)有限公司 一种基于Retinex的微光图像快速增强方法和装置
CN103646392A (zh) * 2013-11-21 2014-03-19 华为技术有限公司 逆光检测方法及设备
CN103916603A (zh) * 2013-01-07 2014-07-09 华为终端有限公司 逆光检测方法及设备
CN104050676A (zh) * 2014-06-30 2014-09-17 成都品果科技有限公司 一种基于Logistic回归模型的逆光图像检测方法及装置
CN104113700A (zh) * 2013-04-18 2014-10-22 奥林巴斯株式会社 拍摄装置和拍摄方法
CN104240194A (zh) * 2014-04-29 2014-12-24 西南科技大学 一种基于抛物线函数的低照度图像增强算法
CN104361566A (zh) * 2014-11-17 2015-02-18 厦门美图之家科技有限公司 一种优化暗部区域的图像处理方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7701618B2 (en) * 2006-06-14 2010-04-20 Kabushiki Kaisha Toshiba Automatic image enhancement using computed predictors

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1492380A (zh) * 2002-09-20 2004-04-28 精工爱普生株式会社 使用了图像生成历史信息的图像的逆光处理
CN1627323A (zh) * 2003-12-09 2005-06-15 香港中文大学 数字图像的自动修正方法和采用该方法的系统
CN101365039A (zh) * 2007-08-06 2009-02-11 株式会社尼康 图像处理装置、摄像装置和图像处理记录介质
CN101287073A (zh) * 2008-05-12 2008-10-15 吉林大学 变光照环境中机器视觉系统稳定亮度图像自适应获取方法
CN101582991A (zh) * 2008-05-13 2009-11-18 深圳华为通信技术有限公司 图像处理方法及装置
CN102118538A (zh) * 2008-05-30 2011-07-06 精工爱普生株式会社 图像处理装置、图像处理方法、图像处理程序及打印装置
CN101646014A (zh) * 2008-08-05 2010-02-10 佳能株式会社 图像处理设备和图像处理方法
CN101453558A (zh) * 2008-12-30 2009-06-10 上海广电(集团)有限公司中央研究院 一种视频图像对比度改善方法
CN101800858A (zh) * 2009-02-06 2010-08-11 佳能株式会社 摄像设备及其控制方法
CN101833749A (zh) * 2009-03-12 2010-09-15 株式会社理光 检测图像中阴影的装置和方法
CN103177422A (zh) * 2011-12-20 2013-06-26 富士通株式会社 背光补偿方法和系统
CN103247036A (zh) * 2012-02-10 2013-08-14 株式会社理光 多曝光图像融合方法和装置
CN103916603A (zh) * 2013-01-07 2014-07-09 华为终端有限公司 逆光检测方法及设备
CN104113700A (zh) * 2013-04-18 2014-10-22 奥林巴斯株式会社 拍摄装置和拍摄方法
CN103295205A (zh) * 2013-06-25 2013-09-11 安科智慧城市技术(中国)有限公司 一种基于Retinex的微光图像快速增强方法和装置
CN103646392A (zh) * 2013-11-21 2014-03-19 华为技术有限公司 逆光检测方法及设备
CN104240194A (zh) * 2014-04-29 2014-12-24 西南科技大学 一种基于抛物线函数的低照度图像增强算法
CN104050676A (zh) * 2014-06-30 2014-09-17 成都品果科技有限公司 一种基于Logistic回归模型的逆光图像检测方法及装置
CN104361566A (zh) * 2014-11-17 2015-02-18 厦门美图之家科技有限公司 一种优化暗部区域的图像处理方法

Also Published As

Publication number Publication date
CN104700426A (zh) 2015-06-10

Similar Documents

Publication Publication Date Title
US9384539B2 (en) Method and device for processing digital image, and computer-readable recording medium
US20170365046A1 (en) Algorithm and device for image processing
CN105225210B (zh) 一种基于暗通道的自适应直方图增强去雾方法
Ancuti et al. Night-time dehazing by fusion
Dorj et al. An yield estimation in citrus orchards via fruit detection and counting using image processing
Zhang et al. Enhancement and noise reduction of very low light level images
US10088600B2 (en) Weather recognition method and device based on image information detection
CN103020920B (zh) 一种低照度图像增强方法
EP1540575B1 (en) Image fusion system and method
US9852499B2 (en) Automatic selection of optimum algorithms for high dynamic range image processing based on scene classification
CN105279746B (zh) 一种基于双边滤波的多曝光图像融合方法
US20140139547A1 (en) Adjusting Color Attribute of an Image in a Non-Uniform Way
CN106780392B (zh) 一种图像融合方法及装置
TWI511559B (zh) 影像處理方法
Gao et al. A fast image dehazing algorithm based on negative correction
CN103714520B (zh) 基于fpga实现数字视频图像增强系统及其方法
EP2685419B1 (en) Image processing device, image processing method, and computer-readable medium
US7747071B2 (en) Detecting and correcting peteye
EP2076013B1 (en) Method of high dynamic range compression
CN102693532B (zh) 图像阴影和高光的自动局部调整
CN101971612B (zh) 图像处理装置和方法
CN104881853B (zh) 一种基于色彩概念化的肤色矫正方法和系统
JP6057302B2 (ja) ディジタル画像中のハイライト領域および飽和領域を処理するための方法
CN102682436B (zh) 一种改进的多尺度Retinex理论的图像增强方法
US7474785B2 (en) Video auto enhancing algorithm

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
GR01 Patent grant
GR01 Patent grant