CN104715445B - 图像处理方法和系统 - Google Patents
图像处理方法和系统 Download PDFInfo
- Publication number
- CN104715445B CN104715445B CN201310690424.0A CN201310690424A CN104715445B CN 104715445 B CN104715445 B CN 104715445B CN 201310690424 A CN201310690424 A CN 201310690424A CN 104715445 B CN104715445 B CN 104715445B
- Authority
- CN
- China
- Prior art keywords
- value
- pixel
- image
- gray
- mapping
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000013507 mapping Methods 0.000 claims description 128
- 230000001105 regulatory effect Effects 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 241000208340 Araliaceae Species 0.000 claims description 5
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 5
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 5
- 235000008434 ginseng Nutrition 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 73
- 230000000694 effects Effects 0.000 description 19
- 238000003860 storage Methods 0.000 description 9
- 230000007704 transition Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000001965 increasing effect Effects 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 244000283207 Indigofera tinctoria Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种图像处理方法，所述方法包括：将待处理图像转化为灰度图像；对所述灰度图像做预设模糊半径的高斯模糊处理，获得参考图像；根据所述参考图像中的参考像素点的灰度值，将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小，将灰度值小于所述灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大，获得调整后的图像。本发明提供的图像处理方法，将待处理图像较亮的区域变暗，较暗的区域变亮，达到了调整对比度的目的，而且可以保持待处理图像的亮暗区域分布，图像细节表现更突出。本发明还提供了一种图像处理系统。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像处理方法和系统。
背景技术
图像对比度指的是一幅图像中亮暗最亮的白和最暗的黑之间不同亮度层级的测量，差异范围越大代表对比度越大，差异范围越小代表对比度越小，调整图像对比度是增强图像显示效果的重要手段。传统的调整图像对比度的方法一般是将图像转换到HSV（色相-饱和度-亮度）颜色空间或LAB（L表示亮度，A表示从洋红色至绿色的范围，B表示从黄色至蓝色的范围）颜色空间，再调整亮度分量（V或L）的亮度曲线来改变调整前后像素点的亮度对应关系，从而达到调整图像的整体对比度的目的。
然而，采用传统的调整图像对比度的方法获得的调整后的图像，不能充分表现图像的细节，而且可能破坏图像的亮暗区域分布，因此传统的对比度调整方法调整效果不够理想。
发明内容
基于此，有必要针对采用传统的调整图像对比度的方法可能破坏图像的亮暗区域分布的技术问题，提供一种图像处理方法和系统。
一种图像处理方法，所述方法包括：
将待处理图像转化为灰度图像；
对所述灰度图像做预设模糊半径的高斯模糊处理，获得参考图像；
根据所述参考图像中的参考像素点的灰度值，将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小，将灰度值小于所述灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大，获得调整后的图像。
一种图像处理系统，所述系统包括：
灰度图像转化模块，用于将待处理图像转化为灰度图像；
高斯模糊处理模块，用于对所述灰度图像做预设模糊半径的高斯模糊处理，获得参考图像；
像素值调整模块，用于根据所述参考图像中的参考像素点的灰度值，将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小，将灰度值小于所述灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大，获得调整后的图像。
上述图像处理方法和系统，通过将待处理图像转化为灰度图像，再对灰度图像进行高斯模糊处理获得参考图像，这样获得的参考图像可以反映出待处理图像的亮暗区域分布。然后再根据参考图像的参考像素点的灰度值，将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小，即将待处理图像中较亮的像素点调暗；将灰度值小于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大，即将待处理图像中较暗的像素点调亮，从而获得调整后的图像。这样获得的调整后的图像，与待处理图像相比，较亮的区域变暗，较暗的区域变亮，达到了调整对比度的目的，而且可以保持待处理图像的亮暗区域分布，图像细节表现更突出。
附图说明
图1为一个实施例中图像处理方法的流程示意图；
图2为一个实施例中待处理图像、直接将待处理图像转化为灰度图像后经高斯模糊处理获得的参考图像、将待处理图像进行直方图拉伸处理后的图像以及根据经过直方图拉伸处理后的图像生成的参考图像的对比示意图；
图3为一个具体应用场景中构造的映射表的局部示意图；
图4为一个具体应用场景中待处理图像的示意图；
图5为将图4中的待处理图像进行直方图拉伸处理后转化为灰度图，再进行模糊半径为行像素点数的1/10的高斯模糊处理后获得的参考图像的示意图；
图6为根据图4中的待处理图像和图5中的参考图像获得的调整后的图像的示意图；
图7为一个实施例中图像处理系统的结构框图；
图8为另一个实施例中图像处理系统的结构框图；
图9为一个实施例中能实现本发明实施例的一个计算机系统的模块图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，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仅用以解释本发明，并不用于限定本发明。
除非上下文另有特定清楚的描述，本发明中的元件和组件，数量既可以单个的形式存在，也可以多个的形式存在，本发明并不对此进行限定。本发明中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。可以理解，本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。
如图1所示，在一个实施例中，提供了一种图像处理方法，该方法包括：
步骤102，将待处理图像转化为灰度图像。
待处理图像是指需要进行对比度调整的图像。可以理解的是，图像的亮度、饱和度、对比度等画质参数具有相关性，对待处理图像对比度的调整也会使得待处理图像的其它画质参数得到改善。
将待处理图像转换为灰度图像，具体地，可遍历待处理图像的每一个像素点，取每个像素点的像素值的R（红）、G（绿）、B（蓝）三个分量的加权平均值或者平均值作为灰度图像中的对应像素点的灰度值；或者取每个像素点的像素值的R、G、B三个分量中最大或最小的分量作为灰度图像中的对应像素点的灰度值，从而获得灰度图像。
步骤104，对灰度图像做预设模糊半径的高斯模糊处理，获得参考图像。
对灰度图像做高斯模糊处理，是分别将灰度图像的每个像素点为中心像素点，计算该中心像素点和距离该中心像素点距离在预设模糊半径以内的像素点的灰度值的加权平均值，且各个参与计算的像素点的灰度值的权重服从二维正态分布。计算时距离中心像素点越近的像素点的像素值权重越大，且中心像素点自身的权重最大。将计算获得的每个加权平均值分别作为参考图像中与中心像素点对应的像素点的像素值，这样就获得了参考图像。
对灰度图像进行高斯模糊处理，使得处理后获得的参考图像去掉了灰度图像中细节对整体亮暗区域分布的影响，可以很好的体现待处理图像中的亮暗区域分布，而且参考图像中亮暗过渡平滑，避免了亮度突变。在后续参考该参考图像对待处理图像的像素值进行调整的步骤中，既能考虑到待处理图像中区域的亮暗区域分布，又能防止像素值的突变带来的颜色突变，从而避免图像失真。
在一个实施例中，预设模糊半径与待处理图像的行像素点数和/或列像素点数正相关。
本实施例中，预设模糊半径与待处理图像的行像素点数和/或列像素点数正相关，预设模糊半径随着行像素点数和/或列像素点数的增大而增大，减小而减小。而预设模糊半径的大小影响了参考图像的高斯模糊效果，预设模糊半径越小，参考图像越清晰，细节保留越多，亮暗变化越复杂；相反，预设模糊半径越大，参考图像越模糊，细节去除的越多，亮暗过渡越平滑。因此，本实施例中，由于预设模糊半径与待处理图像的行像素点数和/或列像素点数正相关，因此不论待处理图像尺寸如何变化，都能得到模糊效果基本一致的参考图像，从而保证使用该参考图像调整待处理图像的对比度时都能够达到预期效果。
在一个实施例中，预设模糊半径为行像素点数和列像素点数中较小的值的0.01～0.3倍，尤其是0.03～0.2倍。当预设模糊半径为行像素点数和列像素点数中较小的值的0.01～0.3倍时，参考图像表现亮暗区域分布的能力较为理想。而当预设模糊半径为行像素点数和列像素点数中较小的值的0.03～0.2倍时，参考图像中亮暗过渡平滑程度比较适中，既保证了亮暗过渡的平滑，又避免了过度平滑导致参考图像中各个像素点的灰度值趋于一致，从而无法体现待处理图像的亮暗区域分布情况。
步骤106，根据参考图像中的参考像素点的灰度值，将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小，将灰度值小于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大，获得调整后的图像。
参考像素点是指参考图像中的像素点，本实施例以参考图像中的参考像素点的灰度值作为参考，对待处理图像中的对应像素点的像素值进行调整，从而实现调整待处理图像的对比度。
具体地，可遍历参考图像中的各个参考像素点，判断当前参考像素点的灰度值是否大于或等于灰度值阈值，若是则将当前参考像素点的灰度值和待处理图像中与当前参考像素点对应的像素点的像素值代入第一函数获得函数值；若否则将当前参考像素点的灰度值和待处理图像中与当前参考像素点对应的像素点的像素值代入第二函数获得函数值。再将获得的函数值作为调整后的图像中与当前参考像素点对应的像素点的像素值，从而获得调整后的图像。这样，待处理图像的各个像素点的像素值的增大或减小的程度与灰度图像中对应的参考像素点的灰度值相关，且像素值的具体增大或减小的程度可根据实际需要通过调整第一函数和第二函数确定。其中，第一函数和/或第二函数可为指数函数、对数函数或幂函数等非线性函数，也可为线性函数。
其中，当当前参考像素点的灰度值不等于灰度值阈值时，代入第一函数获得的函数值小于当前参考像素点对应的像素点的像素值，从而实现将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小。代入第二函数获得的函数值大于当前参考像素点对应的像素点的像素值，从而实现将灰度值小于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大。
而且当当前参考像素点的灰度值等于灰度值阈值时，代入第一函数获得的函数值与假设将当前参考像素点的灰度值和待处理图像中与当前参考像素点对应的像素点的像素值代入第二函数获得的函数值相等，且都等于待处理图像中与当前参考像素点对应的像素点的像素值。这样第一函数与第二函数的曲线在灰度值阈值处连续，可防止调整后的图像在对应灰度值阈值处附近发生像素值跳变，从而导致图像颜色的跳变。第一函数与第二函数的曲线构成S型曲线时调整图像对比度效果较佳。
在一个实施例中，在执行步骤106之前，可先将参考像素点的灰度值和待调整像素的像素值进行归一化处理，在步骤106中生成调整后的图像时再进行逆归一化处理，从而获得调整后的图像。这样可以消除量纲的影响，降低计算复杂度，从而提高图像对比度调整的整个处理过程的效率。
上述图像处理方法，通过将待处理图像转化为灰度图像，再对灰度图像进行高斯模糊处理获得参考图像，这样获得的参考图像可以反映出待处理图像的亮暗区域分布。然后再根据参考图像中的参考像素点的灰度值，将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小，即将待处理图像中较亮的像素点调暗；将灰度值小于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大，即将待处理图像中较暗的像素点调亮，从而获得调整后的图像。这样获得的调整后的图像，与待处理图像相比，较亮的区域变暗，较暗的区域变亮，达到了调整对比度的目的，而且可以保持待处理图像的亮暗区域分布，图像细节表现更突出。
在一个实施例中，步骤102包括：将待处理图像作直方图拉伸处理，将处理后的待处理图像转化为灰度图像。
对待处理图像进行直方图拉伸处理，可先统计待处理图像中各个级别的像素值的个数，然后通过预设算法将待处理图像中分布较集中的像素值进行线性或非线性扩展，以使得待处理图像中的像素值分布到较宽的范围。本实施例中先对待处理图像进行直方图拉伸，处理后的待处理图像的对比度得到提升，亮暗对比加强，这样获得的参考图像中亮暗区域分布体现的更加明显，从而使得最终调整后的图像中对比度调整的效果更加显著。尤其是当待处理图像本身对比度比较差时，比如夜晚拍摄的图像，通过直方图拉伸处理后与不经过直方图拉伸处理相比，图像对比度调整的效果更为突出
举例说明，如图2所示，图中2a是待处理图像；2b是将待处理图像2a转化为灰度图像后进行模糊半径为列像素点数的1/10的高斯模糊处理后获得的参考图像；2c是对待处理图像2a进行直方图拉伸处理后获得的图像；2d是将图像2c转化为灰度图像后进行模糊半径为列像素点数的1/10的高斯模糊处理后获得的参考图像。明显可以看出，由于待处理图像2a的对比度比较低，使得参考图像2b中各个像素的灰度值趋于一致，已经无法体现待处理图像2a的亮暗区域分布；而经过直方图拉伸处理后获得的参考图像2d却可以体现待处理图像2a的亮暗区域分布。
在一个实施例中，步骤106包括：根据参考图像中的参考像素点的灰度值和待处理图像中与参考像素点对应的像素点的像素值，从预置的映射表中查找映射值，并根据查找到的映射值生成调整后的图像。其中，若参考像素点的灰度值大于灰度值阈值，则映射值小于待处理图像中与参考像素点对应的像素点的像素值；若参考像素点的灰度值小于灰度值阈值，则映射值大于待处理图像中与参考像素点对应的像素点的像素值。
本实施例中，预置的映射表中包括参考像素点的灰度值、待处理图像的像素点的像素值和调整后的图像的像素点的像素值之间的映射关系。调整待处理图像的对比度时，可直接根据参考像素点的灰度值和待处理图像的对应像素点的像素值，从映射表中查找对应的映射值，将该映射值作为调整后的图像中与参考像素点对应的像素点的像素值，从而获得调整后的图像。
进一步地，映射表中的映射值具有特性（1）和（2）：（1）若参考像素点的灰度值大于灰度值阈值，则映射值小于待处理图像中与参考像素点对应的像素点的像素值。（2）若参考像素点的灰度值小于灰度值阈值，则映射值大于待处理图像中与参考像素点对应的像素点的像素值。从而实现将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小，将灰度值小于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大。
本实施例中，通过直接从映射表中读取映射值来生成调整后的图像，可极大地提高运算速度，以满足快速调整图像对比度的需求。
在一个实施例中，该图像处理方法还包括生成映射表的步骤，包括步骤11）～12）：
步骤11），遍历灰度值和像素值的取值范围，根据灰度值的取值、像素值的取值和灰度值阈值计算映射值。其中，根据大于灰度值阈值的灰度值的取值计算获得的映射值小于像素值的取值；根据小于灰度值阈值的灰度值的取值计算获得的映射值大于像素值的取值。
具体地，灰度值和像素值的取值范围一般均为[0，255]，灰度值和像素值分别取遍[0，255]中的每个值，并计算每个灰度值的取值和像素值的取值对应的映射值。进一步地，在计算每个灰度值的取值和像素值的取值对应的映射值时，判断当前灰度值的取值是否大于或等于灰度值阈值，若是则将当前灰度值的取值和当前像素值的取值代入第一函数获得映射值；若否则将当前灰度值的取值和当前像素值的取值代入第二函数获得映射值。其中，第一函数和/或第二函数可为指数函数、对数函数或幂函数等非线性函数，也可为线性函数。
其中，当当前灰度值的取值不等于灰度值阈值时，代入第一函数获得的映射值小于当前像素值的取值；代入第二函数获得的映射值大于当前像素值的取值。当当前灰度值的取值等于灰度值阈值时，代入第一函数获得的映射值与假设将当前灰度值的取值和当前像素值的取值代入第二函数获得的映射值相等，且该映射值等于当前像素值的取值。这样第一函数与第二函数的曲线在灰度值阈值处连续，可防止像素值的跳变带来的颜色的跳变。第一函数与第二函数的曲线构成S型曲线时调整图像对比度效果较佳。
步骤12），根据灰度值的取值、像素值的取值和计算获得的映射值建立映射表。
根据灰度值的取值、像素值的取值和计算获得的映射值，可构成256*256的二维映射表。像素值可由R、G、B三个分量构成，这三个分量的取值范围同样为[0，255]，而不论是哪个分量，若分量的值相同，则其与同样的灰度值对应的映射值是相同的，因此只需构造256*256的二维映射表，而无需构造2563*256的二维映射表。而且256*256的二维映射表的查询性能要明显优于2563*256的二维映射表的查询性能。
本实施例中，通过步骤11）～12），提供了生成映射表的步骤，使用生成的映射表可以达到快速查询获得映射值，从而获得调整后的图像的目的，可提高调整图像对比度的处理过程的效率。
在一个实施例中，待处理图像中的像素点的像素值调整的程度与预设调节程度参数相关；和/或映射表中的映射值根据预设调节程度参数生成。
本实施例中，待处理图像中的像素点的像素值调整的程度除与对应的参考像素点的灰度值相关外，还与预设调节程度参数相关。映射表中的映射值的生成过程引入了预设调节程度参数。具体地，可在上述第一函数和第二函数中引入调节程度参数这个自变量，通过调节预设调节程度参数的大小从而调整像素点的像素值减小或增大的程度，进而控制对比度调整的效果。
本实施例中，用户可通过预先设置调节程度参数的值的大小，来控制待处理图像中的像素点的像素值减小或增大的程度，从而可以根据实际调整需求控制对比度调整的力度，提高了该图像处理方法的应用兼容性。
下面用一个具体应用场景来说明上述图像处理方法的原理，包括步骤21）～24）。
21），将灰度值和像素值取遍[0，255]中的各个值，将大于或等于灰度值阈值的灰度值的取值和像素值的取值代入上述第一函数计算获得对应的映射值；将小于灰度值阈值的灰度值的取值和像素值的取值代入上述第二函数计算获得对应的映射值。然后构造一个二维映射表，如图3所示，该映射表的一个维度302表示灰度值的取值，另一个维度304表示像素值的取值，将计算获得的映射值填入映射表中灰度值的取值和像素值的取值所对应的位置306，最终获得256*256的二维映射表。
22），图4为待处理图像的示意图，从图4可看出，待处理图像的暗部（如图4中的402、404部分）太暗，而亮部（如图4中的406部分）又太亮，以至于图像的细节（如图4中404部分中的管道部分）难以看清，因此需要调整图4中待处理图像的对比度。
23），将图4中的待处理图像进行直方图拉伸处理后转化为灰度图，再进行模糊半径为行像素点数（由于行像素点数小于列像素点数）的1/10的高斯模糊处理，获得如图5中所示的参考图像。可以明显看出，图5中的参考图像去掉了图4中的待处理图像的细节，但保留了图4中的待处理图像的亮暗区域分布，且亮暗过渡平滑，避免了灰度值的突变。
24），根据图5中的参考图像的各个参考像素点的灰度值，以及图4中的待处理图像中与参考像素点对应的像素点的像素值，从步骤21）中所获得的映射表中查找映射值，根据获得的映射值，生成如图6所示的调整后的图像。可以明显看出，相对于图4中待处理图像的暗部（如图4中的402、404部分）和亮部（如图4中的406部分），图6中调整后的图像的暗部（如图6中的602、604部分）变亮，调整后的图像的亮部（如图6中的606）变暗，亮暗差距减少，降低了对比度，而且保留了图4中待处理图像的亮暗区域分布，亮暗过渡平滑，达到了图像增强的效果。
如图7所示，在一个实施例中，提供了一种图像处理系统，包括：灰度图像转化模块702、高斯模糊处理模块704和像素值调整模块706。
灰度图像转化模块702用于将待处理图像转化为灰度图像。
具体地，灰度图像转化模块702可用于遍历待处理图像的每一个像素点，取每个像素点的像素值的R（红）、G（绿）、B（蓝）三个分量的加权平均值或者平均值作为灰度图像中的对应像素点的灰度值；或者取每个像素点的像素值的R、G、B三个分量中最大或最小的分量作为灰度图像中的对应像素点的灰度值，从而获得灰度图像。
高斯模糊处理模块704用于对灰度图像做预设模糊半径的高斯模糊处理，获得参考图像。
具体地，高斯模糊处理模块704可用于分别将灰度图像的每个像素点为中心像素点，计算该中心像素点和距离该中心像素点距离在预设模糊半径以内的像素点的灰度值的加权平均值，且各个参与计算的像素点的灰度值的权重服从二维正态分布。计算时距离中心像素点越近的像素点的像素值权重越大，且中心像素点自身的权重最大。将计算获得的每个加权平均值分别作为参考图像中与中心像素点对应的像素点的像素值，这样就获得了参考图像。
高斯模糊处理模块704用于对灰度图像进行高斯模糊处理，使得处理后获得的参考图像去掉了灰度图像中细节对整体亮暗区域分布的影响，可以很好的体现待处理图像中的亮暗区域分布，而且参考图像中亮暗过渡平滑，避免了亮度突变。在后续参考该参考图像对待处理图像的像素值进行调整的步骤中，既能考虑到待处理图像中区域的亮暗区域分布，又能防止像素值的突变带来的颜色突变，从而避免图像失真。
像素值调整模块706用于根据参考图像中的参考像素点的灰度值，将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小，将灰度值小于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大，获得调整后的图像。
参考像素点是指参考图像中的像素点，像素值调整模块706用于以参考图像中的参考像素点的灰度值作为参考，对待处理图像中的对应像素点的像素值进行调整，从而实现调整待处理图像的对比度。
具体地，像素值调整模块706可用于遍历参考图像中的各个参考像素点，判断当前参考像素点的灰度值是否大于或等于灰度值阈值，若是则将当前参考像素点的灰度值和待处理图像中与当前参考像素点对应的像素点的像素值代入第一函数获得函数值；若否则将当前参考像素点的灰度值和待处理图像中与当前参考像素点对应的像素点的像素值代入第二函数获得函数值。像素值调整模块706用于再将获得的函数值作为调整后的图像中与当前参考像素点对应的像素点的像素值，从而获得调整后的图像。这样，待处理图像的各个像素点的像素值的增大或减小的程度与灰度图像中对应的参考像素点的灰度值相关。其中，第一函数和/或第二函数可为指数函数、对数函数或幂函数等非线性函数，也可为线性函数。
其中，当当前参考像素点的灰度值不等于灰度值阈值时，代入第一函数获得的函数值小于当前参考像素点对应的像素点的像素值，从而实现将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小。代入第二函数获得的函数值大于当前参考像素点对应的像素点的像素值，从而实现将灰度值小于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大。
而且当当前参考像素点的灰度值等于灰度值阈值时，代入第一函数获得的函数值与假设将当前参考像素点的灰度值和待处理图像中与当前参考像素点对应的像素点的像素值代入第二函数获得的函数值相等，且都等于待处理图像中与当前参考像素点对应的像素点的像素值。这样第一函数与第二函数的曲线在灰度值阈值处连续，可防止调整后的图像在对应灰度值阈值处附近发生像素值跳变，从而导致图像颜色的跳变。第一函数与第二函数的曲线构成S型曲线时调整图像对比度效果较佳。
上述图像处理系统，通过将待处理图像转化为灰度图像，再对灰度图像进行高斯模糊处理获得参考图像，这样获得的参考图像可以反映出待处理图像的亮暗区域分布。然后再根据参考图像中的参考像素点的灰度值，将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小，即将待处理图像中较亮的像素点调暗；将灰度值小于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大，即将待处理图像中较暗的像素点调亮，从而获得调整后的图像。这样获得的调整后的图像，与待处理图像相比，较亮的区域变暗，较暗的区域变亮，达到了调整对比度的目的，而且可以保持待处理图像的亮暗区域分布，图像细节表现更突出。
在一个实施例中，像素值调整模块706还可用于在调整待处理图像的像素前，先将参考像素点的灰度值和待调整像素的像素值进行归一化处理，像素值调整模块706还可用于在生成调整后的图像时再进行逆归一化处理，从而获得调整后的图像。这样可以消除量纲的影响，降低计算复杂度，从而提高图像对比度调整的整个处理过程的效率。
在一个实施例中，灰度图像转化模块702还用于将待处理图像作直方图拉伸处理获得中间图像后，将中间图像转化为灰度图像。
具体地，灰度图像转化模块702可用于先统计待处理图像中各个级别的像素值的个数，然后用于预设算法将待处理图像中分布较集中的像素值进行线性或非线性扩展，以使得待处理图像中的像素值分布到较宽的范围。本实施例中先对待处理图像进行直方图拉伸，处理后的待处理图像的对比度得到提升，亮暗对比加强，这样获得的参考图像中亮暗区域分布体现的更加明显，从而使得最终调整后的图像中对比度调整的效果更加显著。尤其是当待处理图像本身对比度比较差时，比如夜晚拍摄的图像，通过直方图拉伸处理后与不经过直方图拉伸处理相比，图像对比度调整的效果更为突出。
在一个实施例中，预设模糊半径与待处理图像的行像素点数和/或列像素点数正相关。
本实施例中，预设模糊半径与待处理图像的行像素点数和/或列像素点数正相关，预设模糊半径随着行像素点数和/或列像素点数的增大而增大，减小而减小。而预设模糊半径的大小影响了参考图像的高斯模糊效果，预设模糊半径越小，参考图像越清晰，细节保留越多，亮暗变化越复杂；相反，预设模糊半径越大，参考图像越模糊，细节去除的越多，亮暗过渡越平滑。因此，本实施例中，由于预设模糊半径与待处理图像的行像素点数和/或列像素点数正相关，因此不论待处理图像尺寸如何变化，都能得到模糊效果基本一致的参考图像，从而保证使用该参考图像调整待处理图像的对比度时都能够达到预期效果。
在一个实施例中，预设模糊半径为行像素点数和列像素点数中较小的值的0.01～0.3倍，尤其是0.03～0.2倍。当预设模糊半径为行像素点数和列像素点数中较小的值的0.01～0.3倍时，参考图像表现亮暗区域分布的能力较为理想。而当预设模糊半径为行像素点数和列像素点数中较小的值的0.03～0.2倍时，参考图像中亮暗过渡平滑程度比较适中，既保证了亮暗过渡的平滑，又避免了过度平滑导致参考图像中各个像素点的灰度值趋于一致，从而无法体现待处理图像的亮暗区域分布情况。
在一个实施例中，像素值调整模块706还用于根据参考图像中的参考像素点的灰度值和待处理图像中与参考像素点对应的像素点的像素值，从预置的映射表中查找映射值，并根据查找到的映射值生成调整后的图像。其中，若参考像素点的灰度值大于灰度值阈值，则映射值小于待处理图像中与参考像素点对应的像素点的像素值；若参考像素点的灰度值小于灰度值阈值，则映射值大于待处理图像中与参考像素点对应的像素点的像素值。
本实施例中，预置的映射表中包括参考像素点的灰度值、待处理图像的像素点的像素值和调整后的图像的像素点的像素值之间的映射关系。像素值调整模块706可用于直接根据参考像素点的灰度值和待处理图像的对应像素点的像素值，从映射表中查找对应的映射值，将该映射值作为调整后的图像中与参考像素点对应的像素点的像素值，从而获得调整后的图像。
进一步地，映射表中的映射值具有特性（1）和（2）：（1）若参考像素点的灰度值大于灰度值阈值，则映射值小于待处理图像中与参考像素点对应的像素点的像素值。（2）若参考像素点的灰度值小于灰度值阈值，则映射值大于待处理图像中与参考像素点对应的像素点的像素值。从而实现将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小，将灰度值小于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大。
本实施例中，通过直接从映射表中读取映射值来生成调整后的图像，可极大地提高运算速度，以满足快速调整图像对比度的需求。
如图8所示，在一个实施例中，系统还包括映射表生成模块701，用于生成映射表，映射表生成模块701包括映射值计算模块701a和映射表建立模块701b。
映射值计算模块701a用于遍历灰度值和像素值的取值范围，根据灰度值的取值、像素值的取值和灰度值阈值计算映射值。其中，根据大于灰度值阈值的灰度值的取值计算获得的映射值小于像素值的取值；根据小于灰度值阈值的灰度值的取值计算获得的映射值大于像素值的取值。
具体地，灰度值和像素值的取值范围一般均为[0，255]，映射值计算模块701a可用于将灰度值和像素值分别取遍[0，255]中的每个值，并计算每个灰度值的取值和像素值的取值对应的映射值。进一步地，映射值计算模块701a用在计算每个灰度值的取值和像素值的取值对应的映射值时，判断当前灰度值的取值是否大于或等于灰度值阈值，若是则将当前灰度值的取值和当前像素值的取值代入第一函数获得映射值；若否则将当前灰度值的取值和当前像素值的取值代入第二函数获得映射值。其中，第一函数和/或第二函数可为指数函数、对数函数或幂函数等非线性函数，也可为线性函数。
其中，当当前灰度值的取值不等于灰度值阈值时，代入第一函数获得的映射值小于当前像素值的取值；代入第二函数获得的映射值大于当前像素值的取值。当当前灰度值的取值等于灰度值阈值时，代入第一函数获得的映射值与假设将当前灰度值的取值和当前像素值的取值代入第二函数获得的映射值相等，且该映射值等于当前像素值的取值。这样第一函数与第二函数的曲线在灰度值阈值处连续，可防止像素值的跳变带来的颜色的跳变。第一函数与第二函数的曲线构成S型曲线时调整图像对比度效果较佳。
映射表建立模块701b用于根据灰度值的取值、像素值的取值和计算获得的映射值建立映射表。
映射表建立模块701b可用于根据灰度值的取值、像素值的取值和计算获得的映射值，构成256*256的二维映射表。像素值可由R、G、B三个分量构成，这三个分量的取值范围同样为[0，255]，而不论是哪个分量，若分量的值相同，则其与同样的灰度值对应的映射值是相同的，因此只需构造256*256的二维映射表，而无需构造2563*256的二维映射表。而且256*256的二维映射表的查询性能要明显优于2563*256的二维映射表的查询性能。
本实施例中，映射表生成模块701用于生成映射表，使用生成的映射表可以达到快速查询获得映射值，从而获得调整后的图像的目的，可提高调整图像对比度的处理过程的效率。
在一个实施例中，待处理图像中的像素点的像素值调整的程度与预设调节程度参数相关；和/或映射表中的映射值根据预设调节程度参数生成。
本实施例中，待处理图像中的像素点的像素值调整的程度除与对应的参考像素点的灰度值相关外，还与预设调节程度参数相关。映射表中的映射值的生成过程引入了预设调节程度参数。具体地，可在上述第一函数和第二函数中引入调节程度参数这个自变量，通过调节预设调节程度参数的大小从而调整像素点的像素值减小或增大的程度，进而控制对比度调整的效果。
本实施例中，用户可通过预先设置调节程度参数的值的大小，来控制待处理图像中的像素点的像素值减小或增大的程度，从而可以根据实际调整需求控制对比度调整的力度，提高了该图像处理方法的应用兼容性。
图9为能实现本发明实施例的一个计算机系统1000的模块图。该计算机系统1000只是一个适用于本发明的计算机环境的示例，不能认为是提出了对本发明的使用范围的任何限制。计算机系统1000也不能解释为需要依赖于或具有图示的示例性的计算机系统1000中的一个或多个部件的组合。
图9中示出的计算机系统1000是一个适合用于本发明的计算机系统的例子。具有不同子系统配置的其它架构也可以使用。例如有大众所熟知的台式机、笔记本、个人数字助理、智能电话、平板电脑、便携式媒体播放器、机顶盒等类似设备可以适用于本发明的一些实施例。但不限于以上所列举的设备。
如图9所示，计算机系统1000包括处理器1010、存储器1020和系统总线1022。包括存储器1020和处理器1010在内的各种系统组件连接到系统总线1022上。处理器1010是一个用来通过计算机系统中基本的算术和逻辑运算来执行计算机程序指令的硬件。存储器1020是一个用于临时或永久性存储计算程序或数据（例如，程序状态信息）的物理设备。系统总线1020可以为以下几种类型的总线结构中的任意一种，包括存储器总线或存储控制器、外设总线和局部总线。处理器1010和存储器1020可以通过系统总线1022进行数据通信。其中存储器1020包括只读存储器（ROM）或闪存（图中都未示出），以及随机存取存储器（RAM），RAM通常是指加载了操作系统和应用程序的主存储器。
计算机系统1000还包括显示接口1030（例如，图形处理单元）、显示装置1040（例如，液晶显示器）、音频接口1050（例如，声卡）以及音频设备1060（例如，扬声器）。显示装置1040和音频设备1060是用于体验多媒体内容的媒体设备。
计算机系统1000一般包括一个存储设备1070。存储设备1070可以从多种计算机可读介质中选择，计算机可读介质是指可以通过计算机系统1000访问的任何可利用的介质，包括移动的和固定的两种介质。例如，计算机可读介质包括但不限于，闪速存储器（微型SD卡），CD-ROM，数字通用光盘（DVD）或其它光盘存储、磁带盒、磁带、磁盘存储或其它磁存储设备，或者可用于存储所需信息并可由计算机系统1000访问的任何其它介质。
计算机系统1000还包括输入装置1080和输入接口1090（例如，IO控制器）。用户可以通过输入装置1080，如键盘、鼠标、显示装置1040上的触摸面板设备，输入指令和信息到计算机系统1000中。输入装置1080通常是通过输入接口1090连接到系统总线1022上的，但也可以通过其它接口或总线结构相连接，如通用串行总线（USB）。
计算机系统1000可在网络环境中与一个或者多个网络设备进行逻辑连接。网络设备可以是个人电脑、服务器、路由器、智能电话、平板电脑或者其它公共网络节点。计算机系统1000通过局域网（LAN）接口1100或者移动通信单元1110与网络设备相连接。局域网（LAN）是指在有限区域内，例如家庭、学校、计算机实验室、或者使用网络媒体的办公楼，互联组成的计算机网络。WiFi和双绞线布线以太网是最常用的构建局域网的两种技术。WiFi是一种能使计算机系统1000间交换数据或通过无线电波连接到无线网络的技术。移动通信单元1110能在一个广阔的地理区域内移动的同时通过无线电通信线路接听和拨打电话。除了通话以外，移动通信单元1110也支持在提供移动数据服务的2G，3G或4G蜂窝通信系统中进行互联网访问。
应当指出的是，其它包括比计算机系统1000更多或更少的子系统的计算机系统也能适用于发明。例如，计算机系统1000可以包括能在短距离内交换数据的蓝牙单元，用于照相的图像传感器，以及用于测量加速度的加速计。
如上面详细描述的，适用于本发明的计算机系统1000能执行图像处理方法的指定操作。计算机系统1000通过处理器1010运行在计算机可读介质中的软件指令的形式来执行这些操作。这些软件指令可以从存储设备1070或者通过局域网接口1100从另一设备读入到存储器1020中。存储在存储器1020中的软件指令使得处理器1010执行上述的图像处理方法。此外，通过硬件电路或者硬件电路结合软件指令也能同样实现本发明。因此，实现本发明并不限于任何特定硬件电路和软件的组合。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (14)
1.一种图像处理方法，所述方法包括：
将待处理图像转化为灰度图像；
将所述灰度图像的每个像素点分别作为中心像素点，计算各所述中心像素点和距离所述中心像素点在预设模糊半径以内的像素点的灰度值的加权平均值；
将计算得到的对应于各所述中心像素点的所述加权平均值，分别作为参考图像中与所对应的所述中心像素点对应的像素点的像素值，得到所述参考图像；
根据所述参考图像中的参考像素点的灰度值，将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小，将灰度值小于所述灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大，获得调整后的图像。
2.根据权利要求1所述的方法，其特征在于，所述将待处理图像转化为灰度图像，包括：
将待处理图像作直方图拉伸处理获得中间图像后，将所述中间图像转化为灰度图像。
3.根据权利要求1所述的方法，其特征在于，所述预设模糊半径与所述待处理图像的行像素点数和/或列像素点数正相关。
4.根据权利要求1所述的方法，其特征在于，所述根据所述参考图像中的参考像素点的灰度值，将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小，将灰度值小于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大，获得调整后的图像，包括：
根据所述参考图像中的参考像素点的灰度值和所述待处理图像中与所述参考像素点对应的像素点的像素值，从预置的映射表中查找映射值，并根据所述查找到的映射值生成调整后的图像；
其中，若所述参考像素点的灰度值大于灰度值阈值，则所述映射值小于所述待处理图像中与所述参考像素点对应的像素点的像素值；若所述参考像素点的灰度值小于所述灰度值阈值，则所述映射值大于所述待处理图像中与所述参考像素点对应的像素点的像素值。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括生成映射表的步骤，包括：
遍历灰度值和像素值的取值范围，根据灰度值的取值、像素值的取值和所述灰度值阈值计算映射值；其中，根据大于所述灰度值阈值的所述灰度值的取值计算获得的映射值小于所述像素值的取值；根据小于所述灰度值阈值的所述灰度值的取值计算获得的映射值大于所述像素值的取值；
根据所述灰度值的取值、所述像素值的取值和所述计算获得的映射值建立映射表。
6.根据权利要求1-5任意一项所述的方法，其特征在于，所述待处理图像中的像素点的像素值调整的程度与预设调节程度参数相关。
7.根据权利要求4或5所述的方法，其特征在于，所述映射表中的映射值根据预设调节程度参数生成。
8.一种图像处理系统，其特征在于，所述系统包括：
灰度图像转化模块，用于将待处理图像转化为灰度图像；
高斯模糊处理模块，用于将所述灰度图像的每个像素点分别作为中心像素点，计算各所述中心像素点和距离所述中心像素点在预设模糊半径以内的像素点的灰度值的加权平均值；将计算得到的对应于各所述中心像素点的所述加权平均值，分别作为参考图像中与所对应的所述中心像素点对应的像素点的像素值，得到所述参考图像；
像素值调整模块，用于根据所述参考图像中的参考像素点的灰度值，将灰度值大于灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值减小，将灰度值小于所述灰度值阈值的参考像素点所对应的待处理图像的像素点的像素值增大，获得调整后的图像。
9.根据权利要求8所述的系统，其特征在于，所述灰度图像转化模块还用于将待处理图像作直方图拉伸处理获得中间图像后，将所述中间图像转化为灰度图像。
10.根据权利要求8所述的系统，其特征在于，所述预设模糊半径与所述待处理图像的行像素点数和/或列像素点数正相关。
11.根据权利要求8所述的系统，其特征在于，所述像素值调整模块还用于根据所述参考图像中的参考像素点的灰度值和所述待处理图像中与所述参考像素点对应的像素点的像素值，从预置的映射表中查找映射值，并根据所述查找到的映射值生成调整后的图像；其中，若所述参考像素点的灰度值大于灰度值阈值，则所述映射值小于所述待处理图像中与所述参考像素点对应的像素点的像素值；若所述参考像素点的灰度值小于所述灰度值阈值，则所述映射值大于所述待处理图像中与所述参考像素点对应的像素点的像素值。
12.根据权利要求11所述的系统，其特征在于，所述系统还包括映射表生成模块；所述映射表生成模块包括：
映射值计算模块，用于遍历灰度值和像素值的取值范围，根据灰度值的取值、像素值的取值和所述灰度值阈值计算映射值；其中，根据大于所述灰度值阈值的所述灰度值的取值计算获得的映射值小于所述像素值的取值；根据小于所述灰度值阈值的所述灰度值的取值计算获得的映射值大于所述像素值的取值；
映射表建立模块，用于根据所述灰度值的取值、所述像素值的取值和所述计算获得的映射值建立映射表。
13.根据权利要求8-12任意一项所述的系统，其特征在于，所述待处理图像中的像素点的像素值调整的程度与预设调节程度参数相关。
14.根据权利要求11或12所述的系统，其特征在于，所述映射表中的映射值根据预设调节程度参数生成。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310690424.0A CN104715445B (zh) | 2013-12-13 | 2013-12-13 | 图像处理方法和系统 |
| PCT/CN2014/084598 WO2015085790A1 (en) | 2013-12-13 | 2014-08-18 | Image processing method and apparatus |
| US15/103,621 US9727960B2 (en) | 2013-12-13 | 2014-08-18 | Image processing method and apparatus |
| US15/638,229 US10388004B2 (en) | 2013-12-13 | 2017-06-29 | Image processing method and apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310690424.0A CN104715445B (zh) | 2013-12-13 | 2013-12-13 | 图像处理方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104715445A CN104715445A (zh) | 2015-06-17 |
| CN104715445B true CN104715445B (zh) | 2018-04-06 |
Family
ID=53370591
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310690424.0A Active CN104715445B (zh) | 2013-12-13 | 2013-12-13 | 图像处理方法和系统 |
Country Status (3)
| Country | Link |
|---|---|
| US (2) | US9727960B2 (zh) |
| CN (1) | CN104715445B (zh) |
| WO (1) | WO2015085790A1 (zh) |
Families Citing this family (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104715445B (zh) * | 2013-12-13 | 2018-04-06 | 腾讯科技（深圳）有限公司 | 图像处理方法和系统 |
| JP2016109812A (ja) * | 2014-12-04 | 2016-06-20 | 三星ディスプレイ株式會社Ｓａｍｓｕｎｇ Ｄｉｓｐｌａｙ Ｃｏ．，Ｌｔｄ． | 画像処理装置、画像処理方法、コンピュータプログラム及び画像表示装置 |
| CN106651777B (zh) * | 2015-10-29 | 2020-07-03 | 小米科技有限责任公司 | 图像处理方法及装置、电子设备 |
| CN107240071A (zh) * | 2016-03-29 | 2017-10-10 | 掌赢信息科技（上海）有限公司 | 一种图像模糊处理方法及电子设备 |
| CN107133981B (zh) * | 2017-03-30 | 2019-04-12 | 腾讯科技（深圳）有限公司 | 图像处理方法和装置 |
| CN107248146B (zh) * | 2017-05-22 | 2020-09-11 | 哈尔滨工程大学 | 一种uuv近海面可见光图像去雾方法 |
| CN107086027A (zh) * | 2017-06-23 | 2017-08-22 | 青岛海信移动通信技术股份有限公司 | 文字显示方法及装置、移动终端及存储介质 |
| CN109558878B (zh) * | 2017-09-27 | 2022-11-22 | 北京国双科技有限公司 | 图像识别方法和装置 |
| CN108122194B (zh) * | 2017-11-28 | 2021-10-26 | 沈阳美行科技有限公司 | 一种图像发光的方法及装置 |
| CN108564534A (zh) * | 2017-11-29 | 2018-09-21 | 宁波大学 | 一种基于检索的图像对比度调整方法 |
| CN108171667A (zh) * | 2017-12-29 | 2018-06-15 | 努比亚技术有限公司 | 一种图像处理方法、终端和计算机可读存储介质 |
| CN107948531A (zh) * | 2017-12-29 | 2018-04-20 | 努比亚技术有限公司 | 一种图像处理方法、终端和计算机可读存储介质 |
| CN109523564B (zh) * | 2018-10-19 | 2020-04-28 | 北京字节跳动网络技术有限公司 | 用于处理图像的方法和装置 |
| CN109726302A (zh) * | 2018-12-10 | 2019-05-07 | 广州景骐科技有限公司 | 图像的标注方法、装置、计算机设备和存储介质 |
| CN109949377B (zh) * | 2019-03-08 | 2021-10-01 | 北京旷视科技有限公司 | 图像处理方法、装置及电子设备 |
| CN110706168A (zh) * | 2019-09-25 | 2020-01-17 | 中国图片社有限责任公司 | 图像明暗调节方法 |
| CN112700375A (zh) * | 2019-10-22 | 2021-04-23 | 杭州三坛医疗科技有限公司 | 一种光照补偿方法及装置 |
| CN111127337B (zh) * | 2019-11-28 | 2023-02-10 | 稿定（厦门）科技有限公司 | 图像局部区域高光调整方法、介质、设备及装置 |
| CN111583157B (zh) * | 2020-05-13 | 2023-06-02 | 杭州睿琪软件有限公司 | 图像处理方法、系统及计算机可读存储介质 |
| CN111639588A (zh) * | 2020-05-28 | 2020-09-08 | 深圳壹账通智能科技有限公司 | 图像效果调整方法、装置、计算机系统及可读存储介质 |
| CN112785512B (zh) * | 2020-06-30 | 2023-05-12 | 青岛经济技术开发区海尔热水器有限公司 | 一种高斯模糊图像处理的优化方法 |
| CN111627089B (zh) * | 2020-07-30 | 2020-11-13 | 深圳诚一信科技有限公司 | 一种用户头像图片处理方法、设备、系统和可读存储介质 |
| CN112037140B (zh) * | 2020-08-05 | 2022-02-15 | 福建福特科光电股份有限公司 | 一种对人眼虹膜图像曝光和对比度自适应调整的方法 |
| CN112102153B (zh) * | 2020-08-20 | 2023-08-01 | 北京百度网讯科技有限公司 | 图像的卡通化处理方法、装置、电子设备和存储介质 |
| CN113255684B (zh) * | 2021-06-28 | 2021-10-26 | 恒银金融科技股份有限公司 | 一种基于灰度图溢出的背景分离方法 |
| CN113610934B (zh) * | 2021-08-10 | 2023-06-27 | 平安科技（深圳）有限公司 | 图像亮度调整方法、装置、设备及存储介质 |
| CN114693650B (zh) * | 2022-03-31 | 2024-05-24 | 无锡市慧航智能科技有限公司 | 一种基于机器视觉的混合机智能控制方法 |
| CN114511471B (zh) * | 2022-04-18 | 2022-07-01 | 广州骏天科技有限公司 | 基于灰度共生矩阵的图像优化方法及系统 |
| CN116030058B (zh) * | 2023-03-29 | 2023-06-06 | 无锡斯达新能源科技股份有限公司 | 一种用于抛光垫表面粗糙度的质量评价方法 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7412105B2 (en) * | 2003-10-03 | 2008-08-12 | Adobe Systems Incorporated | Tone selective adjustment of images |
| US7496237B1 (en) * | 2004-01-02 | 2009-02-24 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Image processing for binarization enhancement via fuzzy reasoning |
| US7817873B2 (en) | 2005-11-09 | 2010-10-19 | Intel Corporation | Enhancing contrast of video data while preserving sharpness |
| US7636496B2 (en) * | 2006-05-17 | 2009-12-22 | Xerox Corporation | Histogram adjustment for high dynamic range image mapping |
| US7881554B2 (en) * | 2006-06-05 | 2011-02-01 | Stmicroelectronics S.R.L. | Method for correcting a digital image |
| US7933469B2 (en) * | 2006-09-01 | 2011-04-26 | Texas Instruments Incorporated | Video processing |
| JP4894595B2 (ja) | 2007-04-13 | 2012-03-14 | ソニー株式会社 | 画像処理装置および方法、並びに、プログラム |
| US8086065B2 (en) | 2008-04-02 | 2011-12-27 | Himax Imaging, Inc. | Apparatus and method for contrast enhancement |
| US8213735B2 (en) * | 2008-10-10 | 2012-07-03 | Accusoft Corporation | Methods and apparatus for performing image binarization |
| US20100278423A1 (en) * | 2009-04-30 | 2010-11-04 | Yuji Itoh | Methods and systems for contrast enhancement |
| US20110115815A1 (en) * | 2009-11-18 | 2011-05-19 | Xinyu Xu | Methods and Systems for Image Enhancement |
| CN101853490A (zh) * | 2010-04-21 | 2010-10-06 | 中国科学院半导体研究所 | 一种基于人类视觉特性的仿生图像复原方法 |
| US9014470B2 (en) * | 2011-08-31 | 2015-04-21 | Adobe Systems Incorporated | Non-rigid dense correspondence |
| CN108133215B (zh) * | 2012-04-02 | 2020-10-20 | 惠安县崇武镇锐锐海鲜干品店 | 一种处理单元 |
| CN103002291B (zh) * | 2012-12-06 | 2014-12-03 | 杭州藏愚科技有限公司 | 一种摄像机宽动态图像增强方法及装置 |
| CN104715445B (zh) | 2013-12-13 | 2018-04-06 | 腾讯科技（深圳）有限公司 | 图像处理方法和系统 |
| CN104794685B (zh) * | 2014-01-17 | 2019-04-26 | 腾讯科技（深圳）有限公司 | 一种实现图像去噪的方法及装置 |
| WO2017132858A1 (en) * | 2016-02-03 | 2017-08-10 | Chongqing University Of Posts And Telecommunications | Methods, systems, and media for image processing |
-
2013
- 2013-12-13 CN CN201310690424.0A patent/CN104715445B/zh active Active
-
2014
- 2014-08-18 WO PCT/CN2014/084598 patent/WO2015085790A1/en active Application Filing
- 2014-08-18 US US15/103,621 patent/US9727960B2/en active Active
-
2017
- 2017-06-29 US US15/638,229 patent/US10388004B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104715445A (zh) | 2015-06-17 |
| US9727960B2 (en) | 2017-08-08 |
| US20160314566A1 (en) | 2016-10-27 |
| WO2015085790A1 (en) | 2015-06-18 |
| US10388004B2 (en) | 2019-08-20 |
| US20170301074A1 (en) | 2017-10-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104715445B (zh) | 图像处理方法和系统 | |
| US9826149B2 (en) | Machine learning of real-time image capture parameters | |
| US10957093B2 (en) | Scene-based foveated rendering of graphics content | |
| US20190244330A1 (en) | Dynamically determining filtering strength for noise filtering in image processing | |
| CN109741279A (zh) | 图像饱和度调整方法、装置、存储介质及终端 | |
| TWI514314B (zh) | 丟棄過濾器分接點之紋理位址模式 | |
| CN105447819B (zh) | 图像处理方法及装置 | |
| CN110998660A (zh) | 用于优化流水线执行的方法、系统和装置 | |
| US9307213B2 (en) | Robust selection and weighting for gray patch automatic white balancing | |
| US20130223746A1 (en) | Sample based tone mapping method for high dynamic range images | |
| CN108416799A (zh) | 目标跟踪方法和装置、电子设备、程序、存储介质 | |
| WO2021223526A1 (zh) | gamma调试方法和装置 | |
| WO2020063030A1 (zh) | 主题色彩的调节方法、装置、存储介质及电子设备 | |
| US20220122229A1 (en) | History clamping for denoising dynamic ray-traced scenes using temporal accumulation | |
| CN113658085B (zh) | 图像处理方法及装置 | |
| CN114757837A (zh) | 目标模型的渲染方法、设备及存储介质 | |
| CN113838134B (zh) | 图像关键点检测方法、装置、终端和存储介质 | |
| CN113516697B (zh) | 图像配准的方法、装置、电子设备及计算机可读存储介质 | |
| CN110111341A (zh) | 图像前景获取方法、装置及设备 | |
| CN102447913B (zh) | 一种移色处理方法及系统 | |
| Yu et al. | Color scheme adaptation to enhance user experience on smartphone displays leveraging ambient light | |
| US8687011B2 (en) | Techniques for efficient sampling for image effects | |
| CN111833262A (zh) | 图像降噪方法、装置及电子设备 | |
| CN105096355A (zh) | 图像处理方法和系统 | |
| WO2020155072A1 (zh) | 一种混合图层处理方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |