CN104756152A - 用于加速图像校正的图像校正装置及其方法 - Google Patents
用于加速图像校正的图像校正装置及其方法 Download PDFInfo
- Publication number
- CN104756152A CN104756152A CN201380056112.2A CN201380056112A CN104756152A CN 104756152 A CN104756152 A CN 104756152A CN 201380056112 A CN201380056112 A CN 201380056112A CN 104756152 A CN104756152 A CN 104756152A
- Authority
- CN
- China
- Prior art keywords
- color component
- resolution
- image
- component images
- images
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000003702 image correction Methods 0.000 title abstract description 4
- 238000000605 extraction Methods 0.000 claims abstract description 50
- 238000012937 correction Methods 0.000 claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 36
- 238000001914 filtration Methods 0.000 claims abstract description 30
- 239000000284 extract Substances 0.000 claims description 47
- 238000013500 data storage Methods 0.000 claims description 17
- 238000000926 separation method Methods 0.000 claims description 15
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000005286 illumination Methods 0.000 abstract 4
- 230000002194 synthesizing effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004380 ashing Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4015—Image demosaicing, e.g. colour filter arrays [CFA] or Bayer patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20216—Image averaging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
根据本发明的一个实施方式提供了一种视频校正设备,该视频校正设备包括:高斯滤波器系数计算单元,其提取执行滤波处理的一个或更多个高斯滤波器的滤波器系数以用于从一个颜色分量图像提取照度分量;分辨率调节单元,其基于滤波器系数提取用于滤波的最佳分辨率值并且将各个颜色分量图像的分辨率调节至最佳分辨率值;照度分量提取单元,其从调节了分辨率的颜色分量图像提取颜色分量图像的照度分量;反射分量提取单元,其将照度分量从颜色分量图像的像素值中去除,并提取颜色分量图像的反射分量;颜色调节单元,其通过将反射分量与颜色分量图像相加来生成图像;以及图像合成单元,其输出通过将相加的图像的分辨率重新调节至颜色分量图像的分辨率而生成的校正图像。
Description
技术领域
一个或更多个实施方式中的本公开涉及一种用于加速视频补偿的视频校正设备和方法。更具体地讲,本公开涉及一种用于加速图像补偿的视频校正设备和方法,其提供视频图像校正装置,该视频图像校正装置被制造用于基于Retinex算法从自图像采集器接收的输入图像提取并去除照度分量以突出反射分量,从而根据输入图像输出动态范围被压缩并且对比度增强的经校正的图像,同时根据用于提取照度分量的至少一个高斯滤波器的卷积运算尺度值来通过图像分辨率的预调节使在提取照度分量的处理中执行的操作加速。
背景技术
此部分中的陈述仅提供与本公开有关的背景信息,并非必然构成现有技术。
人的视觉即使在由于诸如雾气和灰尘的因素而模糊的视频图像中也能够容易地在结构与周围区域之间辨别。然而,在这种环境下通过视频采集装置采集的图像往往会损失大多数特征点。为了减小图像与人的视觉感知能力之间存在的差距,已进行了各种研究,结果提出了Retinex算法。模仿人的视觉系统的辨色机制,Retinex算法是这样一种方法,其将人影响的照度分量与反映图像的特性的反射分量分离以去除照度分量影响并突出反射分量,以压缩输入图像的动态范围并改进对比度。
此外,Retinex算法利用高斯滤波器来估计图像的照度分量。当输入图像是彩色的时,有必要重复地将颜色分量R、G和B中的每一个应用于高斯滤波器。另外,当利用具有不同滤波器系数的多个高斯滤波器时,各个高斯滤波器需要处理颜色分量R、G和B中的每一个,这增加了计算量,从而阻碍了图像校正的实时处理。图像的分辨率越高,该方法变得越无效。
发明内容
技术问题
因此,本公开提供了一种用于加速图像补偿的视频校正设备和方法,其提供视频图像校正装置,该视频图像校正装置被制造用于基于Retinex算法从自图像采集器接收的输入图像提取并去除照度分量以突出反射分量,从而根据输入图像输出动态范围被压缩并且对比度增强的经校正的图像,同时根据用于提取照度分量的至少一个高斯滤波器的卷积运算尺度值来通过图像分辨率的预调节使在提取照度分量的处理中执行的操作加速并且实时地提供图像校正而不管图像的分辨率。
技术方案
依据本公开的至少一个实施方式,一种视频校正设备包括:高斯滤波器系数计算器,其被配置为提取用于执行滤波处理的至少一个高斯滤波器的滤波器系数以用于从一个颜色分量图像提取照度分量;分辨率调节器,其被配置为基于所述滤波器系数提取用于所述滤波处理的最佳分辨率值并且将所述颜色分量图像的分辨率调节至所述最佳分辨率值;照度分量提取器,其被配置为从调节了分辨率的所述颜色分量图像提取所述颜色分量图像的照度分量;反射分量提取器,其被配置为通过从所述颜色分量图像的像素值中去除所述照度分量来提取所述颜色分量图像的反射分量;颜色调节器,其被配置为通过将所述反射分量与所述颜色分量图像相加来生成和图像;以及图像合成器,其被配置为输出通过将所述和图像的分辨率重新调节至所述颜色分量图像的分辨率而生成的经校正的图像。
依据本公开的另一实施方式,一种视频校正方法包括以下步骤:提取用于执行滤波处理的至少一个高斯滤波器的滤波器系数以用于从颜色分量图像提取照度分量;执行分辨率调节,该分辨率调节包括基于所述滤波器系数提取用于所述滤波处理的最佳分辨率以及将所述颜色分量图像的分辨率分别调节至所述最佳分辨率;从调节了分辨率的所述颜色分量图像提取所述颜色分量图像的照度分量;通过从所述颜色分量图像的像素值中去除所述照度分量来提取所述颜色分量图像的反射分量;通过将所述反射分量与所述颜色分量图像相加来生成和图像;以及输出通过将所述和图像的分辨率重新调节至所述颜色分量图像的分辨率而生成的经校正的图像。
有益效果
根据如上所述的本公开,提供被制造用于基于Retinex算法从自图像采集器接收的输入图像提取并去除照度分量以突出反射分量的视频图像校正装置的图像补偿可被加速,从而根据输入图像输出动态范围被压缩并且对比度增强的经校正的图像,同时根据用于提取照度分量的至少一个高斯滤波器的卷积运算尺度值来通过图像分辨率的预调节使在提取照度分量的处理中执行的操作加速并且实时地提供图像校正而不管图像的分辨率。
附图说明
图1是根据本公开的至少一个实施方式的用于加速视频补偿的视频校正设备的配置的示图。
图2a是根据至少一个实施方式的将输入图像分离成R、G和B图像的示例性处理的示图。
图2b是根据至少一个实施方式的从分离成R、G和B图像的输入图像提取颜色分量R、G和B中的每一个的图像的示例性处理的示图。
图3是根据至少一个实施方式的由视频校正设备执行的用于校正包含颜色分量的输入图像的方法的流程图。
图4是根据至少一个实施方式的由视频校正设备执行的用于校正不包含颜色分量的输入图像的方法的流程图。
具体实施方式
以下,将参照附图详细描述本公开的至少一个实施方式。在以下描述中,尽管元件被示出于不同的图中,相似的标号指代相似元件。另外,在至少一个实施方式的以下描述中,为了清晰和简明,本文中包含的已知功能和配置的详细描述将被省略。
另外,在描述本公开的组件时,使用了类似第一、第二、A、B、(a)和(b)的术语。这些术语仅是为了将一个组件与另一组件相区分的目的,本领域普通技术人员将理解,这些术语并非暗指或暗示组件的实质、顺序或次序。如果组件被描述为“连接”、“耦合”或“链接”到另一组件,则本领域普通技术人员将理解,组件并非必然直接“连接”、“耦合”或“链接”,而是可经由第三组件间接“连接”、“耦合”或“链接”。
通常,人的视觉即使在由于诸如雾气和灰尘的因素而模糊的视频图像中也能够在结构与周围区域之间辨别。然而,在这种环境下通过视频采集装置采集的图像往往会损失大多数特征点,因此难以确切地反映通过人的视觉识别的场景。使用各种方法来恢复这些特征点以增强图像质量。作为这些方法之一,基于Retinex理论设计的Retinex算法在动态范围压缩和颜色恒定方面具有优异性能。Retinex算法的处理过程使用基于对数运算的高斯滤波器来估计输入图像的照度分量并将照度分量从输入图像中去除以获得包含对象的特征的反射图像。根据本公开的至少一个实施方式,视频校正设备通过根据用于提取照度分量的至少一个高斯滤波器的卷积运算尺度值预调节图像分辨率来基于Retinex算法校正图像。由此,视频校正设备可以使在提取照度分量的处理中执行的操作加速并且实时地接收图像校正,而不管图像分辨率。
图1是根据本公开的至少一个实施方式的用于加速视频补偿的视频校正设备100的配置的示图。
如图1所示,用于加速视频补偿的视频校正设备100包括输入图像接收器102、数据存储装置104、颜色图像分离器106、高斯滤波器系数计算器108、分辨率调节器110、照度分量提取器112、反射分量提取器114、颜色调节器116和图像合成器118。本领域普通技术人员将理解,视频校正设备100的由输入图像接收器102、数据存储装置104、颜色图像分离器106、高斯滤波器系数计算器108、分辨率调节器110、照度分量提取器112、反射分量提取器114、颜色调节器116和图像合成器118描绘的组件仅是例示性的,在不脱离本公开的实施方式的主旨和本质的情况下可经受各种修改、添加和替换。
输入图像接收器102接收通过图像采集器采集的输入图像,并且将所接收到的输入图像发送给数据存储装置104和高斯滤波器系数计算器108。换言之,输入图像接收器102接收由用户利用图像采集器采集的特定区域的图像。本文中,由输入图像接收器102接收的输入图像是包含R、G和B颜色分量的颜色分量图像或者灰度图像。
数据存储装置104从输入图像接收器102接收通过图像采集器采集的输入图像,并且将所接收到的输入图像存储在数据存储装置104中的数据库中。具体地讲,数据存储装置104从输入图像接收器102接收输入图像并且通过确定所接收到的输入图像的尺寸和像素值来将其存储在数据库中。输入图像可根据诸如图像被采集的时间和输入图像的尺寸的信息来分类并被存储在数据存储装置104中。
另外,数据存储装置104通过确定诸如输入图像的尺寸和像素值的信息来存储所接收到的输入图像,并向图像合成器118提供所存储的信息。根据一些实施方式,图像合成器118接收存储在数据存储装置104中的诸如输入图像的尺寸和像素值的信息,并且标识输入图像的分辨率。然而,图像合成器118将通过基于存储在数据存储装置104中的信息对反射分量求和而生成的图像分辨率重新调节至一个颜色分量的分辨率。
颜色图像分离器106将所接收到的输入图像分离成红色(R)、绿色(G)和蓝色(B)图像。具体地讲,当所接收到的输入图像包括R、G和B颜色分量时,颜色图像分离器106利用颜色图像分解滤波器(未示出)从输入图像提取颜色分量图像。颜色图像分解滤波器对从输入图像接收器102发送来的输入图像进行滤波,使得R、G和B颜色分量从输入图像分离并被发送。为此,颜色图像分解滤波器包括红色滤波器、绿色滤波器、蓝色滤波器和至少两个反射镜。反射镜用于折射经传输路径传输的电信号,使得电信号穿过三个滤波器(未示出)中的每一个,各个滤波器用于仅使所传输的电信号中的对应颜色信息通过。换言之,红色滤波器(未示出)仅使电信号中的关于红色的信息通过,绿色滤波器(未示出)仅使电信号中的关于绿色的信息通过,蓝色滤波器(未示出)仅使电信号中的关于蓝色的信息通过。
高斯滤波器系数计算器108提取执行滤波处理的至少一个高斯滤波器的滤波器系数以用于从一个颜色分量图像提取照度分量。这里,所述一个颜色分量图像可以是通过颜色图像分离器106分离的R、G和B颜色分量图像之一或者以灰度构造的颜色分量图像。根据一些实施方式,形成视频校正设备100的操作基础的Retinex算法对输入图像应用高斯滤波以估计照度分量,并且将估计的照度分量从输入图像中去除,从而获得反射分量。高斯滤波器的滤波器系数(是表示高斯分布的标准偏差的高斯中心周边常数)确定高斯滤波器的大小。如果高斯滤波器的滤波器系数被设定为较高值,则图像的边缘被保留,因此局部对比度增强并且低亮度的灵敏度增强。然而,低亮度部分与高亮度部分之间的亮度差减小,结果,全局对比度减小。另一方面,如果高斯滤波器的滤波器系数被设定为较低值,则低亮度部分与高亮度部分之间的亮度差增强,因此全局对比度改进。然而在这种情况下,高亮度部分中的亮度差减小,因此图像的总边缘分量减小,导致局部对比度的损失。单尺度Retinex(SSR)方法(使用一个高斯滤波器来提取照度分量的Retinex算法)难以自适应地应用于输入图像,并且具有在去除估计的照度分量的处理中不可避免地产生对比度损失的结构问题。根据一些实施方式,视频校正设备100使用多尺度Retinex(MSR)算法(SSR算法的改进版本),以向进行不同大小的至少一个高斯滤波的SSR输出图像指派权重,并且通过将加权的图像合成来输出经校正的图像。
具体地讲,高斯滤波器系数计算器108从颜色分量图像标识关于一个颜色分量图像的尺寸信息,并且将预设比率(例如,多个不同的比率)应用于颜色分量图像的尺寸,从而生成三种不同尺寸(即,大尺寸、中尺寸和小尺寸)的颜色分量图像。例如,高斯滤波器系数计算器108可根据预设比率,生成与输入图像的尺寸的3/3对应的大尺寸的颜色分量图像、与输入图像的尺寸的2/3对应的中尺寸的颜色分量图像以及与输入图像的尺寸的1/3对应的小尺寸的颜色分量图像。尽管描述了生成大尺寸、中尺寸和小尺寸的颜色分量图像并且描述了预设的对应的具体比率,本公开的实施方式不限于此。可设定各种其它尺寸和比率。
另外,高斯滤波器系数计算器108基于所生成的三种不同尺寸(即,大尺寸、中尺寸和小尺寸)的颜色分量图像分别提取能够对所生成的颜色分量图像进行滤波的至少一个高斯滤波器的滤波器系数,并且将所提取的滤波器系数应用于所述至少一个高斯滤波器。换言之,高斯滤波器系数计算器108标识所生成的图像的三种不同的尺寸(即,大尺寸、中尺寸和小尺寸),并且基于所述尺寸提取至少一个高斯滤波器的滤波器系数。
分辨率调节器110基于由高斯滤波器系数计算器108提取的滤波器系数提取用于滤波的最佳分辨率值,并且将颜色分量图像的分辨率调节至所提取的分辨率值。具体地讲,分辨率调节器110接收由高斯滤波器系数计算器108提取的应用于所述至少一个高斯滤波器的滤波器系数,并且基于所接收到的滤波器系数提取对于按照大尺寸、中尺寸和小尺寸三种不同尺寸生成的颜色分量图像的滤波而言最佳的分辨率值。
本文中,对于滤波而言最佳的分辨率值是指根据在高斯滤波器系数计算器108生成与颜色分量图像对应的大尺寸、中尺寸和小尺寸的图像的处理中应用的预设比率调节的颜色分量图像的分辨率。换言之,如上所述,当生成尺寸与输入图像的尺寸的3/3对应的大图像、尺寸与输入图像的尺寸的2/3对应的中图像以及尺寸与输入图像的尺寸的1/3对应的小图像时,大尺寸、中尺寸和小尺寸的颜色分量图像的分辨率分别是被调节至现有颜色分量图像的分辨率的1/3、2/3和3/3的分辨率。根据一些实施方式,视频校正设备100可根据用于提取照度分量的至少一个高斯滤波器的卷积运算尺度值通过图像分辨率的预调节来使在提取照度分量的处理中执行的操作加速,并且被实时地提供图像校正,而不管图像分辨率。
照度分量提取器112从调节了分辨率的颜色分量图像提取照度分量。具体地讲,照度分量提取器112将调节了分辨率的大尺寸、中尺寸和小尺寸的颜色分量图像应用于至少一个高斯滤波器,所述至少一个高斯滤波器基于调节了分辨率的颜色分量图像的大尺寸、中尺寸和小尺寸以及滤波器系数来分别提取调节了分辨率的大尺寸、中尺寸和小尺寸的颜色分量图像的照度分量。
照度分量提取器112利用下式1通过至少一个高斯滤波器提取调节了分辨率的大尺寸、中尺寸和小尺寸的颜色分量图像的照度分量。
I(x,y)=R(x,y)·L(x,y)
log I(x,y)=log R(x,y)+log L(x,y)
log L(x,y)=log[F(x,y)*Ii(x,y)] 式1
式1基于E.Land的Retinex理论定义输入图像,其假定人所感知的光的亮度由照度分量与反射分量的乘积表示,反射分量主要影响颜色的感知以及至少一个高斯滤波器根据定义的式提取调节了分辨率的大尺寸、中尺寸和小尺寸的颜色分量图像的照度分量的处理。在式1中,I表示输入图像,(x,y)表示图像的像素坐标,R表示反射分量,L表示照度分量。在式1中,根据韦伯定律将式I(x,y)=R(x,y)·L(x,y)转换成logI(x,y)=logR(x,y)+logL(x,y),其说明在输入图像的实际亮度与人的视觉所感知的图像的亮度之间建立对数关系,表示照度分量的logL(x,y)被表示为log[F(x,y)*Ii(x,y)]。本文中,Ii(x,y)表示第i颜色分量的输入图像,*表示卷积算子,F(x,y)表示用于估计照度分量的归一化高斯中心周边函数。F(x,y)可从下式2提取。
∫∫F(x,y)dxdy=1 式2
在式2中,K是归一化系数,c表示高斯中心周边常数,该常数表示高斯分布的标准偏差并确定高斯滤波器的尺度。换言之,通过将由高斯滤波器系数计算器108提取的所述至少一个高斯滤波器的滤波器系数应用于式2,可提取表示照度分量的logL(x,y)。
反射分量提取器114通过将照度分量从颜色分量图像的像素值中去除来提取颜色分量图像的反射分量。具体地讲,反射分量提取器114通过从大尺寸、中尺寸和小尺寸的颜色分量图像的像素值中去除由照度分量提取器112提取的大尺寸、中尺寸和小尺寸的颜色分量图像的照度分量来提取大尺寸、中尺寸和小尺寸的颜色分量图像的反射分量。反射分量提取器114利用下面给出的式3来将照度分量从大尺寸、中尺寸和小尺寸的颜色分量图像的像素值中去除。
Ri(x,y)=log Ii(x,y)-log[F(x,y)*Ii(x,y)] 式3
在式3中,i表示输入图像的颜色分量R、G和B,Ri(x,y)表示代表第i颜色分量的反射分量的SSR输出图像。换言之,可通过式3将照度分量从分离的大、中和小三种尺寸的颜色分量图像中的每一个中去除。由此,可提取三种尺寸的颜色分量图像中的每一个的反射分量。尽管式3示出当输入图像是包括R、G、B颜色分量的颜色分量图像时去除照度分量的方法,但是该方法也可应用于灰度输入图像。
反射分量提取器114将权重指派给通过式3提取的表示大、中和小三种尺寸的颜色分量图像的反射分量的SSR输出图像,并且通过将加权的图像合成来最终提取颜色分量图像的反射分量。反射分量提取器114通过利用下面给出的式4将权重指派给SSR输出图像来提取大、中和小三种尺寸的颜色分量图像的反射分量。
在式4中,RMSRi(x,y)表示第i颜色分量的MSR算法的输出图像,N表示不同大小的高斯滤波器的数量,Rki(x,y)表示通过第k高斯滤波器生成的第i颜色分量的SSR算法输出图像。Wk表示将应用于第k SSR图像的权重,所有权重之和为1。尽管式4表示当输入图像是包括R、G、B颜色分量的颜色分量图像时去除照度分量的方法,但是该方法也可应用于灰度输入图像。
在大尺寸、中尺寸和小尺寸这三种尺寸当中,小尺寸的滤波器用于获得输入图像的详细轮廓,大尺寸的滤波器用于维持输入图像的总亮度差并提供颜色恒定。中尺寸的滤波器用于通过组合大尺寸的滤波器和小尺寸的滤波器的特征来将这两个滤波器连接。换言之,根据滤波器的功能向通过各个滤波器提取的反射分量指派权重,从而最终提取颜色分量图像的反射分量。
由于SSR算法和MSR算法独立地应用于输入图像的各个颜色分量,所以不考虑颜色分量之间的相关性。因此,如果输出图像的颜色分量之比几乎彼此相似,则可能发生输出图像的灰化,这意味着输出图像的颜色为灰色。为了解决包括R、G和B颜色分量的输入图像的这一问题,反射分量提取器114另外执行下面给出的式5中所述的处理。
Ci(x,y)=βlog[αI′i(x,y)],i∈R,G,B 式5
在式5中,RMSRCRi(x,y)表示进行了颜色恢复的第i颜色分量的MSRCR(带颜色恢复的MSR)图像,RMSRi(x,y)表示第i颜色分量的MSR图像,Ci(x,y)表示第i颜色分量的颜色恢复函数。在Ci(x,y)的式中,I'i(x,y)表示根据各个颜色分量之比被归一化以反映颜色分量之间的相关性的第i颜色分量的输入图像,S表示颜色分量的数量,α和β表示颜色增益常数。
颜色调节器116通过将反射分量与颜色分量图像相加来生成和图像。具体地讲,颜色调节器116从反射分量提取器114接收颜色分量图像的反射分量。当输入图像是包括R、G和B颜色分量的颜色分量图像时,颜色调节器116将所接收到的颜色分量图像的反射分量与由颜色图像分离器106提取的R、G和B图像相加。当输入图像是灰度图像时,颜色调节器116将所接收到的反射分量与灰度图像相加。
由反射分量提取器114提取的颜色分量图像的反射分量具有正或负的数值,通过将所述数值与现有颜色分量图像的像素值相加来生成突出反射分量的图像。换言之,根据此实施方式,通过在现有颜色分量图像中突出包含对象的特征的反射分量,颜色分量图像的图像质量可被增强至接近通过人的视觉感知的图像的图像质量。
图像合成器118从颜色调节器116接收通过增加反射分量而获得的颜色分量图像,并且将颜色分量图像的分辨率重新调节至输入图像的分辨率。本文中,可从存储在数据存储装置104中的诸如输入图像的尺寸、像素值等的信息确定输入图像的分辨率。图像合成器118可基于该信息重新计算现有输入图像的分辨率,从而直接调节颜色分量图像的分辨率,而不执行调节颜色分量图像的分辨率的现有处理。换言之,根据此实施方式,执行在重新计算输入图像的分辨率期间发生的操作所消耗的时间可减少。随后,图像合成器118通过将重新调节了分辨率的颜色分量图像合成来输出输入图像的经校正的图像。
如果输入图像是包括R、G和B颜色分量的颜色分量图像,则图像合成器118将由颜色调节器116生成的图像的分辨率重新调节至颜色分量图像的分辨率,并且将所生成的图像与针对R、G和B颜色分量中的剩余两个进行重新调节的图像合成以生成与输入图像对应的经校正的图像。
图2a是在一个或更多个实施方式中将输入图像分离成R、G和B图像的示例性处理的示图,图2b是在一个或更多个实施方式中从分离成R、G和B图像的输入图像提取颜色分量R、G和B中的每一个的图像的示例性处理的示图。
如图2a和图2b所示,当输入图像由R、G和B颜色分量构成时,输入图像包括R、G和B颜色分量。包含在输入图像中的RGB颜色信息可按照R、G和B图像的形式提取。根据一些实施方式,颜色图像分离器106用于提取R、G和B图像。颜色图像分离器106从所接收到的输入图像分离R、G和B图像。具体地讲,当所接收到的输入图像包含颜色分量时,颜色图像分离器106利用颜色图像分解滤波器(未示出)提取包括在输入图像中的颜色分量图像。颜色图像分解滤波器对从输入图像接收器102发送来的输入图像进行滤波,使得R、G和B颜色分量从输入图像分离并被发送。为此,颜色图像分解滤波器包括红色滤波器、绿色滤波器、蓝色滤波器和至少两个反射镜。反射镜用于折射经传输路径传输的电信号,使得电信号穿过三个滤波器(未示出)中的每一个,各个滤波器用于仅使传输的电信号中的对应颜色信息通过。
图3是在一个或更多个实施方式中由视频校正设备100执行的校正包含颜色分量的输入图像的方法的流程图。在图3中,颜色分量表示R、G和B。
如图3所示,当用于校正包含颜色分量的输入图像的方法开始由视频校正设备100实现时,从图像采集器接收输入图像(S300),然后确定所接收到的输入图像是否包含颜色分量(S302)。具体地讲,输入图像接收器102接收由用户利用图像采集器采集的特定区域的图像,并且确定所接收到的图像是否包含颜色分量。由输入图像接收器102接收的输入图像是根据图像采集器的预设功能以特定尺寸和特定分辨率实现的图像。该图像可根据由用户建立的配置和图像采集器的功能以各种尺寸和分辨率来实现。关于从输入图像接收器102接收的输入图像的信息被存储在数据存储装置104中。
颜色图像分离器106将所接收到的输入图像分离成R、G和B图像(S304)。具体地讲,当所接收到的输入图像包括颜色分量时,颜色图像分离器106利用颜色图像分解滤波器(未示出)从输入图像提取颜色分量图像。颜色图像分解滤波器对从输入图像接收器102发送来的输入图像进行滤波,使得R、G和B颜色分量从输入图像分离并被发送。为此,颜色图像分解滤波器包括红色滤波器、绿色滤波器、蓝色滤波器和至少两个反射镜。反射镜用于折射经传输路径传输的电信号,使得电信号穿过三个滤波器(未示出)中的每一个,各个滤波器用于仅使传输的电信号中的对应颜色信息通过。换言之,红色滤波器(未示出)仅使电信号中的关于红色的信息通过,绿色滤波器(未示出)仅使电信号中的关于绿色的信息通过,蓝色滤波器(未示出)仅使电信号中的关于蓝色的信息通过。
高斯滤波器系数计算器108提取执行滤波处理的至少一个高斯滤波器的滤波器系数以用于从由颜色图像分离器106分离的一个颜色分量图像提取照度分量(S306)。具体地讲,高斯滤波器系数计算器108从由颜色图像分离器106分离的颜色分量图像标识关于颜色分量图像的尺寸信息,并且根据颜色分量图像的尺寸的预设比率来生成与颜色分量图像对应的三种不同尺寸(即,大尺寸、中尺寸和小尺寸)的图像。例如,高斯滤波器系数计算器108可根据预设比率,生成与输入图像的尺寸的3/3对应的大尺寸的颜色分量图像、与输入图像的尺寸的2/3对应的中尺寸的颜色分量图像以及与输入图像的尺寸的1/3对应的小尺寸的颜色分量图像。尽管描述了生成大尺寸、中尺寸和小尺寸的颜色分量图像并且描述了预设的对应的具体比率,本公开的实施方式不限于此。可设定各种其它尺寸和比率。另外,高斯滤波器系数计算器108基于所生成的三种不同尺寸(即,大尺寸、中尺寸和小尺寸)的颜色分量图像分别提取能够对所生成的颜色分量图像进行滤波的至少一个高斯滤波器的滤波器系数,并且将所提取的滤波器系数应用于所述至少一个高斯滤波器。
分辨率调节器110基于由高斯滤波器系数计算器108提取的滤波器系数提取用于滤波的最佳分辨率值,并且将颜色分量图像的分辨率调节至所提取的分辨率值(步骤S308)。具体地讲,分辨率调节器110接收由高斯滤波器系数计算器108提取的应用于所述至少一个高斯滤波器的滤波器系数,并且基于所接收到的滤波器系数提取对于以大尺寸、中尺寸和小尺寸这三种不同的尺寸生成的颜色分量图像的滤波而言最佳的分辨率值。这里,对于滤波而言最佳的分辨率值是指根据高斯滤波器系数计算器108生成大尺寸、中尺寸和小尺寸的颜色分量图像时应用的预设比率调节的颜色分量图像的分辨率。如上所述,当生成尺寸与输入图像的尺寸的3/3对应的大图像、尺寸与输入图像的尺寸的2/3对应的中图像以及尺寸与输入图像的尺寸的1/3对应的小图像时,大尺寸、中尺寸和小尺寸的颜色分量图像的分辨率分别是被调节至现有颜色分量图像的分辨率的1/3、2/3和3/3的分辨率。
照度分量提取器112从调节了分辨率的颜色分量图像提取照度分量(S310)。具体地讲,照度分量提取器112将调节了分辨率的大尺寸、中尺寸和小尺寸的颜色分量图像应用于至少一个高斯滤波器,所述至少一个高斯滤波器基于调节了分辨率的颜色分量图像的大尺寸、中尺寸和小尺寸以及滤波器系数来分别提取调节了分辨率的大尺寸、中尺寸和小尺寸的颜色分量图像的照度分量。通过至少一个高斯滤波器调节了分辨率的大尺寸、中尺寸和小尺寸的颜色分量图像的照度分量可利用式1和式2来提取。
反射分量提取器114通过将照度分量从颜色分量图像的像素值中去除来提取颜色分量图像的反射分量(S312)。具体地讲,反射分量提取器114通过从大尺寸、中尺寸和小尺寸的颜色分量图像的像素值中去除由照度分量提取器112提取的大尺寸、中尺寸和小尺寸的颜色分量图像的照度分量来提取大尺寸、中尺寸和小尺寸的颜色分量图像的反射分量。反射分量提取器114利用式3来将照度分量从大尺寸、中尺寸和小尺寸的颜色分量图像的像素值中去除。另外,反射分量提取器114将权重指派给通过式3提取的表示大、中和小三种尺寸的R、G和B图像的反射分量的SSR输出图像,并且通过将加权的图像合成来最终提取颜色分量图像的反射分量。反射分量提取器114通过利用式4将权重指派给SSR输出图像来提取大、中和小三种尺寸的R、G和B图的反射分量。由于SSR算法和MSR算法独立地应用于输入图像的各个颜色分量,所以不考虑颜色分量之间的相关性。因此,如果输出图像的颜色分量之比几乎彼此相似,则可能发生输出图像的灰化,这意味着输出图像以灰色表示。为了解决包括颜色分量的输入图像的这一问题,反射分量提取器114另外执行式5中所述的处理。
颜色调节器116通过将反射分量与颜色分量图像相加来生成和图像(S314)。具体地讲,颜色调节器116从反射分量提取器114接收R、G和B图像的反射分量,并且将所接收到的R、G和B图像的反射分量与由颜色图像分离器106提取的R、G和B图像相加。由反射分量提取器114提取的R、G和B图像的反射分量具有正或负的数值,通过将所述数值与现有的R、G和B分量图像的像素值相加来生成突出反射分量的图像。换言之,根据此实施方式,通过在现有R、G和B图像中突出包含对象的特征的反射分量,R、G和B图像的图像质量可被增强至接近通过人的视觉感知的图像的图像质量。
图像合成器118重新调节和图像的分辨率,并且将重新调节的图像与针对R、G和B颜色分量中的剩余两个进行重新调节的图像合成以输出经校正的图像(S316)。具体地讲,图像合成器118从颜色调节器116接收通过增加反射分量而获得的R、G和B图像,并且将R、G和B图像的分辨率重新调节至输入图像的分辨率。本文中,可从存储在数据存储装置104中的诸如输入图像的尺寸、像素值等的信息确定输入图像的分辨率。图像合成器118可基于该信息重新计算现有输入图像的分辨率,从而直接调节R、G和B图像的分辨率,而不执行调节R、G和B图像的分辨率的现有处理。换言之,根据此实施方式,执行在重新计算输入图像的分辨率的处理中的操作所消耗的时间可减少。随后,图像合成器118通过将重新调节了分辨率的R、G和B图像合成来输出输入图像的经校正的图像。
图4是在一个或更多个实施方式中由视频校正设备执行的校正不包含颜色分量的输入图像的方法的流程图。在图4中,颜色分量表示R、G和B。
如图4所示,当用于校正不包含颜色分量的输入图像的方法开始由视频校正设备100实现时,从图像采集器接收输入图像(S400),然后确定所接收到的输入图像是否包含颜色分量(S402)。具体地讲,输入图像接收器102接收由用户利用图像采集器采集的特定区域的图像,并且确定所接收到的图像是否包含颜色分量。由输入图像接收器102接收的输入图像是根据图像采集器的预设功能以特定尺寸和特定分辨率实现的图像。该图像可根据由用户建立的配置和图像采集器的功能以各种尺寸和分辨率来实现。关于从输入图像接收器102接收的输入图像的信息被存储在数据存储装置104中。
当输入图像是不包含颜色分量的灰度图像时,高斯滤波器系数计算器108提取执行滤波处理的至少一个高斯滤波器的滤波器系数以用于从灰度图像提取照度分量(S404)。具体地讲,高斯滤波器系数计算器108通过输入图像接收器102标识关于灰度图像的尺寸信息,并且根据尺寸的预设比率来生成与灰度图像对应的三种不同尺寸(即,大尺寸、中尺寸和小尺寸)的图像。例如,高斯滤波器系数计算器108可生成与输入图像的尺寸的3/3对应的大尺寸的灰度图像、与输入图像的尺寸的2/3对应的中尺寸的灰度图像以及与输入图像的尺寸的1/3对应的小尺寸的灰度图像。尽管描述了生成大尺寸、中尺寸和小尺寸的灰度图像并且描述了预设的对应的具体比率,本公开的实施方式不限于此。可设定各种其它尺寸和比率。另外,高斯滤波器系数计算器108基于所生成的三种不同尺寸(即,大尺寸、中尺寸和小尺寸)的灰度图像分别提取能够对所生成的灰度图像进行滤波的至少一个高斯滤波器的滤波器系数,并且将所提取的滤波器系数应用于所述至少一个高斯滤波器。
分辨率调节器110基于由高斯滤波器系数计算器108提取的滤波器系数提取用于滤波的最佳分辨率值,并且将所生成的大、中和小三种尺寸的灰度图像的分辨率调节至所提取的分辨率值(步骤S406)。具体地讲,分辨率调节器110接收由高斯滤波器系数计算器108提取的应用于所述至少一个高斯滤波器的滤波器系数,并且基于所接收到的滤波器系数提取对于以大、中和小三种不同的尺寸生成的灰度图像的滤波而言最佳的分辨率值。本文中,用于滤波的最佳分辨率值是指根据在高斯滤波器系数计算器108生成大尺寸、中尺寸和小尺寸的灰度图像时应用的预设比率调节的灰度图像的分辨率。如上所述,当生成尺寸与输入图像的尺寸的3/3对应的大图像、尺寸与输入图像的尺寸的2/3对应的中图像以及尺寸与输入图像的尺寸的1/3对应的小图像时,大尺寸、中尺寸和小尺寸的灰度图像的分辨率分别是被调节至现有灰度图像的分辨率的1/3、2/3和3/3的分辨率。
照度分量提取器112从调节了分辨率的灰度图像提取照度分量(S408)。具体地讲,照度分量提取器112将调节了分辨率的大尺寸、中尺寸和小尺寸的灰度图像应用于至少一个高斯滤波器,所述至少一个高斯滤波器基于调节了分辨率的灰度图像的大尺寸、中尺寸和小尺寸以及滤波器系数来分别提取调节了分辨率的大尺寸、中尺寸和小尺寸的灰度图像的照度分量。通过至少一个高斯滤波器调节了分辨率的大尺寸、中尺寸和小尺寸的灰度图像的照度分量可利用式1和式2来提取。
反射分量提取器114通过将照度分量从颜色分量图像的像素值中去除来提取灰度图像的反射分量(S410)。具体地讲,反射分量提取器114通过从大尺寸、中尺寸和小尺寸的灰度图像的像素值中去除由照度分量提取器112提取的大尺寸、中尺寸和小尺寸的灰度图像的照度分量来提取大尺寸、中尺寸和小尺寸的灰度图像的反射分量。反射分量提取器114利用式3来将照度分量从大尺寸、中尺寸和小尺寸的灰度图像的像素值中去除。另外,反射分量提取器114将权重指派给通过式3提取的表示大、中和小三种尺寸的灰度图像的反射分量的SSR输出图像,并且通过将加权的图像合成来最终提取灰度图像的反射分量。反射分量提取器114通过利用式4将权重指派给SSR输出图像来提取大、中和小三种尺寸的灰度图像的反射分量。
颜色调节器116通过将反射分量与灰度图像相加来生成和图像(S412)。具体地讲,颜色调节器116从反射分量提取器114接收灰度图像的反射分量,并且将所接收到的灰度图像的反射分量与通过输入图像接收器102接收的灰度图像相加。由反射分量提取器114提取的灰度图像的反射分量具有正或负的数值,通过将所述数值与现有灰度图像的像素值相加来生成突出反射分量的图像。换言之,根据此实施方式,通过在现有灰度图像中突出包含对象的特征的反射分量,灰度图像的图像质量可被增强至接近通过人的视觉感知的图像的图像质量。
图像合成器118重新调节和图像的分辨率以输出经校正的图像(S414)。具体地讲,图像合成器118从颜色调节器116接收通过增加反射分量而获得的灰度图像,并且将灰度图像的分辨率重新调节至输入图像的分辨率。本文中,可从存储在数据存储装置104中的诸如输入图像的尺寸、像素值等的信息确定输入图像的分辨率。图像合成器118可基于该信息重新计算现有输入图像的分辨率,从而直接调节灰度图像的分辨率,而不执行调节灰度图像的分辨率的现有处理。换言之,根据此实施方式,执行在重新计算输入图像的分辨率期间发生的操作所消耗的时间可减少。随后,图像合成器118通过将重新调节了分辨率的灰度图像合成来输出输入图像的经校正的图像。
尽管图3中的步骤S300至S316和图4中的步骤S400至S414被描述为顺序执行,这仅是示出本公开的一些实施方式的技术构思,本领域普通技术人员可理解,在不脱离本公开的实施方式的主旨和本质的情况下,可通过改变图3和图4中所述的顺序或者通过并行执行从S300至S316以及S400至S414的两个或更多个步骤来进行各种修改、添加和替换,因此图3和图4不限于所示的时间顺序。
尽管为了例示性目的描述了本公开的示例性实施方式,本领域技术人员将理解,在不脱离本公开的基本特性的情况下,可进行各种修改、添加和替换。因此,为了简要和清晰,描述了本公开的示例性实施方式。因此,本领域普通技术人员将理解,本公开的范围不由以上明确描述的实施方式限定,而是由权利要求书及其等同物限定。
相关申请的交叉引用
如果可申请,本申请要求2012年10月26日提交于韩国的专利申请No.10-2012-0119505在35U.S.C§119(a)下的优先权,所述专利申请的全部内容以引用方式并入本文。另外,该非临时申请在除美国之外的国家出于相同原因要求该韩国专利申请的优先权,所述专利申请的全部内容以引用方式并入本文。
Claims (20)
1.一种视频校正设备,该视频校正设备包括:
高斯滤波器系数计算器,其被配置为提取用于执行滤波处理的至少一个高斯滤波器的滤波器系数以用于从一个颜色分量图像提取照度分量;
分辨率调节器,其被配置为基于所述滤波器系数提取用于所述滤波处理的最佳分辨率值并且将所述颜色分量图像的分辨率调节至所述最佳分辨率值;
照度分量提取器,其被配置为从调节了分辨率的所述颜色分量图像提取所述颜色分量图像的照度分量;
反射分量提取器,其被配置为通过将所述照度分量从所述颜色分量图像的像素值中去除来提取所述颜色分量图像的反射分量;
颜色调节器,其被配置为通过将所述反射分量与所述颜色分量图像相加来生成和图像;以及
图像合成器,其被配置为输出通过将所述和图像的分辨率重新调节至所述颜色分量图像的分辨率而生成的经校正的图像。
2.根据权利要求1所述的视频校正设备,该视频校正设备还包括被配置为将接收的输入图像分离成红色R、绿色G和蓝色B颜色分量图像的颜色图像分离器,
其中,所述高斯滤波器系数计算器从所分离的R、G和B颜色分量图像接收所述一个颜色分量图像,
其中,所述图像合成器通过将所述和图像的分辨率重新调节至所述颜色分量图像的分辨率并且将经重新调节的图像与针对所述R、G和B颜色分量中的剩余两个进行了重新调节的图像合成,来生成与所述输入图像对应的经校正的图像。
3.根据权利要求1所述的视频校正设备,其中,所述高斯滤波器系数计算器被配置为标识关于所述颜色分量图像的尺寸信息,并且通过将多个不同的比率应用于所述颜色分量图像的尺寸来分别生成不同尺寸的颜色分量图像。
4.根据权利要求3所述的视频校正设备,其中,所述高斯滤波器系数计算器被配置为基于所生成的不同尺寸的颜色分量图像提取所述至少一个高斯滤波器的所述滤波器系数,并且将所提取的滤波器系数应用于所述至少一个高斯滤波器。
5.根据权利要求4所述的视频校正设备,其中,所述分辨率调节器被配置为接收应用于所述至少一个高斯滤波器的所述滤波器系数,并且基于所接收到的滤波器系数提取用于对所生成的不同尺寸的颜色分量图像中的每一个进行滤波的所述最佳分辨率值。
6.根据权利要求5所述的视频校正设备,其中,基于为生成所述不同尺寸的颜色分量图像而应用的所述多个不同的比率来提取所述最佳分辨率值。
7.根据权利要求5所述的视频校正设备,其中,所述照度分量提取器被配置为将通过所述分辨率调节器调节了分辨率的所述不同尺寸的颜色分量图像应用于所述至少一个高斯滤波器,
其中,所述至少一个高斯滤波器基于调节了分辨率的所述不同尺寸的颜色分量图像以及所述滤波器系数来分别提取调节了分辨率的所述不同尺寸的颜色分量图像中的每一个的照度分量。
8.根据权利要求7所述的视频校正设备,其中,所述反射分量提取器被配置为从所述颜色分量图像的像素值中去除所述不同尺寸的颜色分量图像的照度分量,并且提取所述不同尺寸的颜色分量图像的反射分量。
9.根据权利要求8所述的视频校正设备,其中,所述反射分量提取器被配置为将权重指派给所述不同尺寸的颜色分量图像的反射分量中的每一个,并且基于所述权重的指派的结果提取所述颜色分量图像的反射分量。
10.根据权利要求1所述的视频校正设备,其中,所述一个颜色分量图像是灰度图像。
11.根据权利要求1所述的视频校正设备,该视频校正设备还包括被配置为存储关于所述一个颜色分量图像的尺寸和像素值中的一些或全部的信息的数据存储装置,
其中,所述图像合成器基于存储在所述数据存储装置中的所述信息将所述和图像的分辨率重新调节至所述一个颜色分量图像的分辨率。
12.一种视频校正方法,该视频校正方法包括以下步骤:
提取用于执行滤波处理的至少一个高斯滤波器的滤波器系数以用于从颜色分量图像提取照度分量;
执行分辨率调节,包括以下步骤:
基于所述滤波器系数提取用于所述滤波处理的最佳分辨率,以及
将所述颜色分量图像的分辨率分别调节至所述最佳分辨率;
从调节了分辨率的所述颜色分量图像提取所述颜色分量图像的照度分量;
通过将所述照度分量从所述颜色分量图像的像素值中去除来提取所述颜色分量图像的反射分量;
通过将所述反射分量与所述颜色分量图像相加来生成和图像;以及
输出通过将所述和图像的分辨率重新调节至所述颜色分量图像的分辨率而生成的经校正的图像。
13.根据权利要求12所述的视频校正方法,该方法还包括以下步骤:将接收的输入图像分离成红色R、绿色G和蓝色B颜色分量图像,
其中,提取所述滤波器系数的步骤包括从通过所述分离步骤分离的所述R、G和B颜色分量图像接收一个颜色分量图像,
其中,所述输出步骤包括通过将所述和图像的分辨率重新调节至所述颜色分量图像的分辨率并且将经重新调节的图像与针对所述R、G和B颜色分量中的剩余两个进行了重新调节的图像合成,来生成与所述输入图像对应的经校正的图像。
14.根据权利要求12所述的视频校正方法,其中,提取所述滤波器系数的步骤包括以下步骤:
标识关于所述颜色分量图像的尺寸信息;以及
通过将多个不同的比率应用于所述颜色分量图像的尺寸来分别生成不同尺寸的颜色分量图像。
15.根据权利要求14所述的视频校正方法,其中,提取所述滤波器系数的步骤包括以下步骤:
基于所生成的不同尺寸的颜色分量图像提取所述至少一个高斯滤波器的所述滤波器系数;以及
将所提取的滤波器系数应用于所述至少一个高斯滤波器。
16.根据权利要求15所述的视频校正方法,其中,对所述分辨率分别进行调节的步骤取决于为生成所述不同尺寸的颜色分量图像而应用的所述多个不同的比率。
17.根据权利要求16所述的视频校正方法,其中,提取所述照度分量的步骤包括以下步骤:
将通过对所述分辨率分别进行调节而调节了分辨率的所述不同尺寸的颜色分量图像应用于所述至少一个高斯滤波器;以及
分别提取调节了分辨率的所述不同尺寸的颜色分量图像中的每一个的照度分量。
18.根据权利要求17所述的视频校正方法,其中,当所述颜色分量图像是灰度图像时,提取所述照度分量的步骤包括以下步骤:
基于通过提取所述滤波器系数并且对所述分辨率分别进行调节而调节了分辨率的不同尺寸的灰度图像提取所述照度分量。
19.根据权利要求17所述的视频校正方法,其中,提取所述反射分量的步骤包括以下步骤:
从所述颜色分量图像的像素值中去除通过提取所述照度分量而提取的所述不同尺寸的颜色分量图像的照度分量;以及
提取所述不同尺寸的颜色分量图像的反射分量。
20.根据权利要求19所述的视频校正方法,其中,提取所述反射分量的步骤包括以下步骤:
将权重指派给所述不同尺寸的颜色分量图像的反射分量中的每一个;
基于所述权重的指派的结果提取所述颜色分量图像的反射分量。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120119505A KR101958910B1 (ko) | 2012-10-26 | 2012-10-26 | 영상보정의 가속화를 위한 영상보정 장치 및 그 방법 |
KR10-2012-0119505 | 2012-10-26 | ||
PCT/KR2013/009517 WO2014065607A1 (ko) | 2012-10-26 | 2013-10-24 | 영상보정의 가속화를 위한 영상보정 장치 및 그 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104756152A true CN104756152A (zh) | 2015-07-01 |
CN104756152B CN104756152B (zh) | 2017-08-25 |
Family
ID=50544914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380056112.2A Active CN104756152B (zh) | 2012-10-26 | 2013-10-24 | 用于加速图像校正的图像校正装置及其方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9691141B2 (zh) |
KR (1) | KR101958910B1 (zh) |
CN (1) | CN104756152B (zh) |
WO (1) | WO2014065607A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764250A (zh) * | 2018-05-02 | 2018-11-06 | 西北工业大学 | 一种运用卷积神经网络提取本质图像的方法 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106462947B (zh) * | 2014-06-12 | 2019-10-18 | Eizo株式会社 | 除雾装置及图像生成方法 |
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 |
US10706513B2 (en) * | 2015-09-16 | 2020-07-07 | Maxell, Ltd. | Image processing apparatus |
JP6289439B2 (ja) * | 2015-12-16 | 2018-03-07 | オムロンオートモーティブエレクトロニクス株式会社 | 画像処理装置 |
US10453432B2 (en) * | 2016-09-24 | 2019-10-22 | Apple Inc. | Display adjustment |
KR102565277B1 (ko) * | 2017-11-24 | 2023-08-09 | 삼성전자주식회사 | 영상 복원 장치 및 방법 |
KR101952394B1 (ko) * | 2018-03-28 | 2019-05-02 | 천병민 | 레티넥스 모델 기반 엘이디영상 색 보정 방법 |
KR102131243B1 (ko) * | 2018-10-23 | 2020-07-07 | 한국과학기술연구원 | 딥러닝 및 연결성 그래프에 기초한 식물 영역 추출 시스템 및 방법 |
US10949702B2 (en) | 2019-04-16 | 2021-03-16 | Cognizant Technology Solutions India Pvt. Ltd. | System and a method for semantic level image retrieval |
JP2020188386A (ja) * | 2019-05-15 | 2020-11-19 | ソニーセミコンダクタソリューションズ株式会社 | 固体撮像装置及び電子機器 |
KR20230039018A (ko) * | 2021-09-13 | 2023-03-21 | 삼성전자주식회사 | 대조도 조절 방법 및 이를 이용하는 장치 |
CN114708621B (zh) * | 2022-05-31 | 2022-08-19 | 广东海洋大学 | 水下海胆图像识别模型的训练方法、识别方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005004510A (ja) * | 2003-06-12 | 2005-01-06 | Minolta Co Ltd | 画像処理プログラム |
CN101102398A (zh) * | 2007-07-26 | 2008-01-09 | 上海交通大学 | 全自动的实时数字图像处理增强系统 |
CN102547055A (zh) * | 2010-10-29 | 2012-07-04 | Jvc建伍株式会社 | 图像处理装置、图像处理方法 |
CN102722868A (zh) * | 2012-05-23 | 2012-10-10 | 西安理工大学 | 一种高动态范围图像色调映射方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003057751A (ja) * | 2001-08-10 | 2003-02-26 | Canon Inc | 投射型画像表示装置および画像表示システム |
US7599578B2 (en) * | 2004-09-17 | 2009-10-06 | Nikon Corporation | Apparatus, program, and method for image tone transformation, and electronic camera |
KR100806201B1 (ko) * | 2006-10-30 | 2008-02-22 | 광주과학기술원 | 깊이영상의 계층적 분해를 이용한 삼차원 비디오 생성방법, 이를 위한 장치, 및 그 시스템과 기록 매체 |
KR100818479B1 (ko) | 2007-03-07 | 2008-04-02 | 삼성전기주식회사 | 선명도 향상을 위한 이미지 처리 방법 |
KR20080105272A (ko) * | 2007-05-30 | 2008-12-04 | 이화여자대학교 산학협력단 | 프로젝터를 위한 색 보정 방법 |
GB0718291D0 (en) * | 2007-09-19 | 2007-10-31 | King S College London | Imaging apparatus and method |
JP5109551B2 (ja) * | 2007-09-21 | 2012-12-26 | コニカミノルタアドバンストレイヤー株式会社 | 画像処理装置、画像処理方法、及び撮像装置 |
JP2010080423A (ja) * | 2008-08-29 | 2010-04-08 | Fujifilm Corp | カラー表示装置及びその製造方法 |
KR101594300B1 (ko) * | 2009-11-20 | 2016-02-16 | 삼성전자주식회사 | P s f를 추정하기 위한 장치 및 방법 |
KR101129309B1 (ko) * | 2010-06-01 | 2012-03-26 | 광운대학교 산학협력단 | 다시점 영상의 히스토그램 매칭 기반 조명보상의 전처리 방법 및 그 기록매체 |
JP5591017B2 (ja) * | 2010-08-09 | 2014-09-17 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
JP2012089076A (ja) | 2010-10-22 | 2012-05-10 | Sony Corp | 画像処理装置および方法、並びにプログラム |
KR101928432B1 (ko) * | 2011-08-24 | 2018-12-13 | 삼성전자주식회사 | 칼라 영상 패널, 이를 이용한 칼라 영상 표시 장치 및 표시 방법 |
-
2012
- 2012-10-26 KR KR1020120119505A patent/KR101958910B1/ko active IP Right Grant
-
2013
- 2013-10-24 CN CN201380056112.2A patent/CN104756152B/zh active Active
- 2013-10-24 WO PCT/KR2013/009517 patent/WO2014065607A1/ko active Application Filing
-
2015
- 2015-04-27 US US14/697,561 patent/US9691141B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005004510A (ja) * | 2003-06-12 | 2005-01-06 | Minolta Co Ltd | 画像処理プログラム |
CN101102398A (zh) * | 2007-07-26 | 2008-01-09 | 上海交通大学 | 全自动的实时数字图像处理增强系统 |
CN102547055A (zh) * | 2010-10-29 | 2012-07-04 | Jvc建伍株式会社 | 图像处理装置、图像处理方法 |
CN102722868A (zh) * | 2012-05-23 | 2012-10-10 | 西安理工大学 | 一种高动态范围图像色调映射方法 |
Non-Patent Citations (2)
Title |
---|
王彦臣 等: "基于多尺度Retinex的数字X光图像增强方法研究", 《光学精密工程》 * |
薛荣坤: "雾天退化的彩色图像增强方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764250A (zh) * | 2018-05-02 | 2018-11-06 | 西北工业大学 | 一种运用卷积神经网络提取本质图像的方法 |
CN108764250B (zh) * | 2018-05-02 | 2021-09-17 | 西北工业大学 | 一种运用卷积神经网络提取本质图像的方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2014065607A1 (ko) | 2014-05-01 |
KR101958910B1 (ko) | 2019-03-15 |
US9691141B2 (en) | 2017-06-27 |
KR20140053503A (ko) | 2014-05-08 |
US20150228061A1 (en) | 2015-08-13 |
CN104756152B (zh) | 2017-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104756152A (zh) | 用于加速图像校正的图像校正装置及其方法 | |
Xie et al. | Improved single image dehazing using dark channel prior and multi-scale retinex | |
CN103353982B (zh) | 一种基于直方图均衡化的色调映射方法 | |
Jobson et al. | A multiscale retinex for bridging the gap between color images and the human observation of scenes | |
EP2523160A1 (en) | Image processing device, image processing method, and program | |
CN104021532B (zh) | 一种红外图像的图像细节增强方法 | |
KR100771158B1 (ko) | 칼라 영상의 화질 향상을 위한 방법 및 시스템 | |
CN106897981A (zh) | 一种基于引导滤波的低照度图像增强方法 | |
CN111260580B (zh) | 图像去噪方法、计算机装置及计算机可读存储介质 | |
Hanumantharaju et al. | Color image enhancement using multiscale retinex with modified color restoration technique | |
EP1017229B1 (en) | A method for preserving spatial detail and color content when adjusting the tone scale of a digital color image | |
CN111899197A (zh) | 一种图像增亮去噪方法、装置、移动终端和存储介质 | |
CN106709888B (zh) | 一种基于人眼视觉模型的高动态范围图像产生方法 | |
Wen et al. | A survey of image dehazing algorithm based on retinex theory | |
Ghimire et al. | Color image enhancement in HSV space using nonlinear transfer function and neighborhood dependent approach with preserving details | |
Sun et al. | Readability enhancement of low light videos based on discrete wavelet transform | |
Reflectance–Illuminance | Retinex image processing: improving the visual realism of color images | |
Sadia et al. | Color image enhancement using multiscale retinex with guided filter | |
Hari et al. | Dark and Bright Channel Priors for Haze Removal in Day and Night Images. | |
CN111915528B (zh) | 一种图像增亮方法、装置、移动终端和存储介质 | |
WO2006110127A2 (en) | Visibility improvement in color video stream | |
CN113989138A (zh) | 一种脸部肌肤图像炎症提取并形成红区光谱的方法 | |
Wang et al. | Retinex-based color correction for displaying high dynamic range images | |
EP1465436A1 (en) | Natural impression preservation for histogram equalized images | |
Gupta et al. | Underwater image enhancement using HOG and SIFT method |
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 |