CN105957020B - 图像生成装置以及图像生成方法 - Google Patents

图像生成装置以及图像生成方法 Download PDF

Info

Publication number
CN105957020B
CN105957020B CN201510501033.9A CN201510501033A CN105957020B CN 105957020 B CN105957020 B CN 105957020B CN 201510501033 A CN201510501033 A CN 201510501033A CN 105957020 B CN105957020 B CN 105957020B
Authority
CN
China
Prior art keywords
value
image
gamma
brightness
pixel
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
Application number
CN201510501033.9A
Other languages
English (en)
Other versions
CN105957020A (zh
Inventor
酒井俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Omron Corp
Original Assignee
Omron Corp
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 Omron Corp filed Critical Omron Corp
Publication of CN105957020A publication Critical patent/CN105957020A/zh
Application granted granted Critical
Publication of CN105957020B publication Critical patent/CN105957020B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/71—Circuitry for evaluating the brightness variation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/20—Circuitry for controlling amplitude response
    • H04N5/202—Gamma control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2320/00—Control of display operating conditions
    • G09G2320/06—Adjustment of display parameters
    • G09G2320/0673—Adjustment of display parameters for control of gamma adjustment, e.g. selecting another gamma curve

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)

Abstract

本发明提供图像生成装置以及图像生成方法。本发明的图像生成装置是生成在从图像中检测面部的面部检测处理中使用的图像即面部检测用图像的图像生成装置，其特征在于，具有：代表亮度计算部件，算出代表通过拍摄而得到的拍摄图像的各像素的亮度值的代表亮度值；以及伽马变换部件，通过对拍摄图像实施利用预定的伽马值而变换图像的各像素的亮度值的伽马变换处理，从而生成面部检测用图像，伽马变换部件，当代表亮度值为预定的阈值以上的情况下，进行利用了第一伽马值的伽马变换处理，当代表亮度值小于预定的阈值的情况下，进行利用了第二伽马值的伽马变换处理，其中该第二伽马值能够得到比利用第一伽马值得到的面部检测用图像更亮的面部检测用图像。

Description

图像生成装置以及图像生成方法
技术领域
本发明涉及生成在从图像中检测面部的面部检测处理中使用的图像的图像生成装置以及图像生成方法。
背景技术
近年来，从通过拍摄得到的拍摄图像中检测面部的面部检测处理被付诸实用，正在普及到数字照相机、智能手机等设备中。认为今后进行面部检测处理的装置的变化(variation)会增加。例如，认为面部检测处理会在电视(television)装置(以下，记载为“电视(televi”)和监视系统等中进行。若电视的应用执行包含面部检测处理在内的面部认证处理和面部属性估计处理，则例如能够确定视听者，或者估计视听者的性别和年龄。其结果，能够将对于视听者而言有意义的信息(推荐节目的信息等)提供给视听者。如果监视系统的应用执行包含面部检测处理在内的面部认证处理和面部属性估计处理，则例如能够在检测出面部之后为了防止犯罪对策而注册该面部，或者估计注册者的认证、性别、年龄。其结果，能够快速地进行视频分析。
一般，在拍摄图像的区域中的面部的区域中，存在面部特有的明暗图案(具有面部特有的位置关系的亮部和暗部)。例如，眼睛、鼻子、嘴巴等面部器官附近的区域包含较多发暗的像素，除此之外的皮肤的区域包含较多明亮的像素。因此，在面部检测处理中，通常考虑面部特有的明暗图案而从图像取得特征量，并基于所取得的特征量而检测出面部。作为特征量，例如使用将具有与面部特有的明暗图案同等的位置关系的两个区域之间的亮度值之差设为特征量的Haar-like特征量。
在图像的明暗差(图像的亮部和暗部的亮度值之差；对比度)有一定程度保留的图像中，与面部特有的明暗图案有关的信息量较多。因此，从保留了图像的明暗差的图像中能够高精度地检测出面部。另一方面，在图像的明暗差小的图像中，缺乏与面部特有的明暗图案有关的信息量。因此，从图像的明暗差小的图像中难以检测出面部。从而，在面部检测处理中适合保留了明暗差的图像。
但是，如果进行面部检测处理的装置的变化增加，则拍摄图像的拍摄环境(例如，被摄体的周围的明亮度)的变化也会增加。因此，将会进行使用了从明亮的拍摄图像到发暗的拍摄图像的各种明亮度的拍摄图像的面部检测处理，将会进行使用了在以往的面部检测处理中没有设想过的明亮度拍摄图像的面部检测处理。例如，电视和监视系统有时会在微暗的环境中使用。因此，在电视中进行的面部检测处理中，可能会使用在微暗的环境中得到的拍摄图像。
并且，如果拍摄环境变化，则拍摄图像的亮度分布会变化，明暗差变化。其结果，面部检测处理的精度有时会下降。例如，在微暗的拍摄环境中得到的拍摄图像中，面部器官附近的区域以外的皮肤的区域也会变暗，图像的明暗差变小。因此，将会缺乏与面部特有的明暗图案有关的信息量，面部的检测变得困难。同样地，在因照明或干扰光而导致面部过亮的情况下，拍摄图像的明暗差也会变小，因而将会缺乏与面部特有的明暗图案有关的信息量，面部的检测变得困难。
以往，提出了用于得到所期望的图像的各种图像处理。与图像处理有关的技术例如在专利文献1、2中公开。但是，就算是使用了现有技术(专利文献1、2中公开的技术等)，也无法可靠地得到适合面部检测处理的图像(保留了明暗差的图像)。
例如，在专利文献1中公开的技术中，当图像整体发暗的情况下不进行图像处理。因此，就算是使用了专利文献1中公开的技术，也无法从发暗的拍摄图像(在发暗的拍摄环境中得到的拍摄图像)中得到适合面部检测处理的图像。
在专利文献2中公开的技术中，只不过是伽马特性(伽马曲线)根据在图像中包含的颜色的数目是否为阈值以上而进行切换，没有考虑图像的明亮度。因此，就算是使用了专利文献2中公开的技术，也无法得到适合面部检测处理的图像。
[现有技术文献]
[专利文献]
[专利文献1]国际公开第2009/063553号
[专利文献2](日本)特开2009-025701号公报
发明内容
本发明的目的在于提供一种能够生成使得可实现高精度的面部检测处理的图像的技术。
为了达成上述目的，本发明采用以下的结构。
本发明的图像生成装置是，生成在从图像中检测面部的面部检测处理中使用的图像即面部检测用图像的图像生成装置，其特征在于，所述图像生成装置具有：代表亮度计算部件，算出代表通过拍摄而得到的拍摄图像的各像素的亮度值的代表亮度值；以及伽马变换部件，通过对拍摄图像实施利用预定的伽马值而变换图像的各像素的亮度值的伽马变换处理，从而生成面部检测用图像，伽马变换部件，当在代表亮度计算部件中算出的代表亮度值为预定的阈值以上的情况下，进行利用了第一伽马值的伽马变换处理，当代表亮度值小于预定的阈值的情况下，进行利用了第二伽马值的伽马变换处理，其中，该第二伽马值能够得到比利用第一伽马值得到的面部检测用图像更亮的面部检测用图像。
这里，当算出的代表亮度值为预定的阈值以上的情况下，拍摄图像在亮的拍摄环境中得到的可能性高。并且，当算出的代表亮度值小于预定的阈值的情况下，拍摄图像在暗的拍摄环境中得到的可能性高。因此，如果始终使用一个伽马值(第一伽马值)，则存在当算出的代表亮度值小于预定的阈值的情况下生成明暗差小的面部检测用图像的顾虑。
因此，在本发明的图像生成装置中，当算出的代表亮度值小于预定的阈值的情况下使用第二伽马值。由此，能够生成与利用了第一伽马值的情况相比图像整体的明亮度高且明暗差大的面部检测用图像。其结果，在本发明的图像生成装置中，能够生成使得能够不依赖于拍摄图像的明亮度而实现高精度的面部检测处理的面部检测用图像。
此外，当代表亮度值能够取的值的范围是0以上且1以下的范围的情况下，预定的阈值优选是大于0.25且小于0.41的值。通过利用该值，能够生成可实现更高精度的面部检测处理的面部检测用图像。
伽马变换处理是，例如利用以下的式1，根据预定的伽马值G、拍摄图像的亮度值Ya、以及亮度值能够取的值的最大值Ymax而算出面部检测用图像的亮度值Yb的处理。
Yb＝Ymax×(Ya/Ymax)G…(式1)
该情况下，第一伽马值优选是大于0.55且小于1的值，第二伽马值优选是大于0.15且小于1的值。通过利用这些值，能够生成可实现更高精度的面部检测处理的面部检测用图像。
此外，代表亮度值优选是多个像素的亮度值的平均值(平均亮度值)或者中央值(中央亮度值)。平均亮度值或中央亮度值具有与其他的代表亮度值相比更好地表示拍摄环境的明亮度的倾向。因此，通过利用平均亮度值或者中央亮度值，能够更高精度地进行伽马值的切换，能够生成使得可实现更高精度的面部检测处理的面部检测用图像。
此外，优选的是，代表亮度计算部件不利用具有第一阈值以上的亮度值的像素(高亮度像素)、和具有比第一阈值还要小的第二阈值以下的亮度值的像素(低亮度像素)的至少一方，而算出代表亮度值。在拍摄图像中，有时在被摄体的图像(被摄体图像)上附加有附加图像。附加图像例如是包围被摄体图像的框图像、被叠加在图像上的字符、被叠加在图像上的图形等。并且，附加图像的亮度值大多是亮度值可取的值的最大值(最大亮度值)、亮度值可取的值的最小值(最小亮度值)、或者这些周边的亮度值。因此，通过从用于代表亮度值的计算中使用的像素中排除高亮度像素或低亮度像素，从而能够减少附加图像的亮度值对代表亮度计算部件的计算值带来的影响，能够得到更接近被摄体图像的代表亮度值的计算值。其结果，能够更高精度地进行伽马值的切换，能够生成使得可实现更高精度的面部检测处理的面部检测用图像。
此外，由于附加图像的亮度值是最大亮度值或最小亮度值的可能性特别高，因而优选第一阈值是最大亮度值，第二阈值是最小亮度值。由此，能够抑制被摄体图像的像素从用于代表亮度值的计算的像素中被排除，能够得到更接近被摄体图像的代表亮度值的计算值。其结果，能够更高精度地进行伽马值的切换，能够生成使得可实现更高精度的面部检测处理的面部检测用图像。
此外，优选的是，代表亮度计算部件不利用具有像素数目最多的亮度值的像素(最频像素)，而算出代表亮度值。最频像素是附加图像的像素的可能性高。因此，通过从用于代表亮度值的计算的像素中排除最频像素，能够减少附加图像的亮度值对代表亮度计算部件的计算值带来的影响，能够得到更接近被摄体图像的代表亮度值的计算值。其结果，能够更高精度地进行伽马值的切换，能够生成使得可实现更高精度的面部检测处理的面部检测用图像。此外，在附加图像的像素不是高亮度像素或低亮度像素的情况下也能够得到这些效果。
此外，优选的是，代表亮度计算部件不利用图像的边缘部分的像素，而算出代表亮度值。边缘部分的像素是上述的框图像的像素的可能性高。因此，通过从用于代表亮度值的计算的像素中排除边缘部分的像素，能够减少框图像的亮度值对代表亮度计算部件的计算值带来的影响，能够得到更接近被摄体图像的代表亮度值的计算值。其结果，能够更高精度地进行伽马值的切换，能够生成使得可实现更高精度的面部检测处理的面部检测用图像。此外，在框图像的像素不是高亮度像素、低亮度像素、以及最频像素的情况下也能够得到这些效果。
此外，优选的是，图像生成装置还具有：缩小部件，该缩小部件通过对拍摄图像实施将图像缩小的缩小处理，从而生成由比拍摄图像还要少的像素构成的缩小图像，代表亮度计算部件算出缩小图像的代表亮度值。根据这样的结构，能够减少用于代表亮度值的计算的像素的数目，能够减少代表亮度值的计算所需的处理负担。
此外，优选的是，代表亮度计算部件利用在水平方向以及垂直方向上每隔n像素(n是1以上的整数)而存在的像素，不利用除此以外的像素，而算出代表亮度值。根据这样的结构，能够减少用于代表亮度值的计算的像素的数目，能够减少代表亮度值的计算所需的处理负荷。
另外，本发明能够作为具有上述结构或功能的至少一部分的图像生成装置而掌握。此外，本发明还能够作为包含上述处理的至少一部分的图像生成方法、或者用于使计算机执行这样的方法的程序、或者非临时性地记录了那样的程序的计算机可读取的记录介质而掌握。上述结构以及处理的每一个只要不产生技术性的矛盾就能够相互组合而构成本发明。
根据本发明，能够生成使得可实现高精度的面部检测处理的图像。
附图说明
图1是表示实施例1的图像生成装置的功能结构的一例的框图。
图2是表示实施例1的伽马曲线的一例的图。
图3是表示实施例1的图像生成装置的动作的一例的流程图。
图4是表示实施例1的伽马值和面部的检测率的对应关系的一例的图。
图5是表示实施例1的预定的阈值和面部的检测率的对应关系的一例的图。
图6是表示实施例2、3的拍摄图像的一例的图。
图7是表示实施例4的图像生成装置的功能结构的一例的框图。
图8是表示实施例4的拍摄图像和缩小图像的一例的图。
图9是表示实施例5的拍摄图像的一例的图。
标号说明
100、400：图像生成装置 101：代表亮度计算部
102：代表亮度判定部 103：伽马变换部
200：拍摄装置 300：面部检测装置 401：缩小部
具体实施方式
<实施例1>
以下，参照附图说明本发明的实施例1的图像生成装置以及图像生成方法。本实施例的图像生成装置生成在从图像检测面部的面部检测处理中使用的图像即面部检测用图像。
(图像生成装置的结构)
使用图1说明本实施例的图像生成装置的功能结构。图1是表示本实施例的图像生成装置100的功能结构的一例的框图。如图1所示，图像生成装置100具有代表亮度计算部101、代表亮度判定部102、以及伽马变换部103。
另外，拍摄装置200和面部检测装置300的至少其中一个还能够作为图像生成装置100的一部分而掌握。
代表亮度计算部101取得从拍摄装置200输出的拍摄图像，算出代表已取得的拍摄图像的各像素的亮度值的代表亮度值。作为代表亮度值，能够使用多个像素的亮度值的平均值(平均亮度值)、中央值(中央亮度值)、最频值、最小值、最大值等。在本实施例中，作为代表亮度值，算出作为拍摄图像的全部像素的亮度值的平均值的平均亮度值Yav。拍摄图像是通过拍摄而得到的图像。在进行用于检测图像显示装置(电视装置等)的用户的面部的面部检测处理的情况下，通过拍摄装置200来拍摄图像显示装置的用户，其中，图像显示装置显示基于图像数据的图像。代表亮度计算部101将算出的平均亮度值Yav输出到代表亮度判定部102。
在本实施例中，为了判断拍摄环境的明亮度而使用代表亮度值。并且，平均亮度值或中央亮度值相比于其他的代表亮度值，更好地表示拍摄环境的明亮度。因此，通过使用平均亮度值或者中央亮度值，能够更高精度地判断拍摄环境的明亮度。根据这样的理由，优选使用平均亮度值或者中央亮度值作为代表亮度值。
另外，在本实施例中，设为利用拍摄图像的全部像素而算出代表亮度值，但不限于此。只要能够判断拍摄环境的明亮度，则不特别限定代表亮度值的计算方法。例如，也可以仅利用在拍摄图像的预定区域(一部分区域)内存在的多个像素而算出代表亮度值。
代表亮度判定部102判定从代表亮度计算部101输出的平均亮度值Yav是否为预定的阈值Yth以上。并且，代表亮度判定部102将表示平均亮度值Yav是否为阈值Yth以上的判定值F输出到伽马变换部103。在平均亮度值Yav为阈值Yth以上的情况下，输出判定值F＝0，在平均亮度值Yav小于阈值Yth的情况下，输出判定值F＝1。
伽马变换部103取得从拍摄装置200输出的拍摄图像和从代表亮度判定部102输出的判定值F。并且，伽马变换部103通过对已取得的拍摄图像实施利用预定的伽马值来变换图像的各像素的亮度值的伽马变换处理，从而生成面部检测用图像。伽马变换部103将已生成的面部检测用图像输出到面部检测装置300。
在本实施例中，通过伽马变换处理，拍摄图像的全部像素的亮度值被变换。此外，在本实施例中，进行如下的处理作为伽马变换处理：利用以下的式2，根据预定的伽马值G、拍摄图像的亮度值Ya、以及亮度值可取的值的最大值Ymax而算出面部检测用图像的亮度值Yb。
Yb＝Ymax×(Ya/Ymax)G…(式2)
另外，伽马变换处理的运算式不限于上述的式2。只要以与伽马值相应的变换特性来变换亮度值，则可以使用任意的运算式。
另外，在本实施例中，设为对拍摄图像的全部像素的亮度值进行变换，但不限于此。例如，也可以仅变换存在于拍摄图像的预定区域(一部分区域)内的多个像素的亮度值。
一般，在拍摄图像的区域中的面部的区域中，存在面部特有的明暗图案(具有面部特有的位置关系的亮部和暗部)。例如，眼睛、鼻子、嘴巴等面部器官附近的区域包含较多发暗的像素，除此之外的皮肤的区域包含较多明亮的像素。因此，在面部检测处理中，通常考虑面部特有的明暗图案而从图像取得特征量，并基于所取得的特征量而检测出面部。作为特征量，例如使用具有与面部特有的明暗图案同等的位置关系的两个区域之间的亮度值之差。具体地说，作为特征量，使用与面部器官的分布和明暗对应的Haar-like特征量。并且，在面部检测处理中，能够从一定程度保留了明暗差(图像的亮部和暗部的亮度值之差；对比度)的图像中高精度地检测出面部。
因此，在本实施例中，伽马变换部103在判定值F＝0的情况下，进行利用了比1还要小的伽马值G1(第一伽马值)的伽马变换处理。由此，能够生成与拍摄图像相比图像整体的明亮度高且明暗差大的面部检测用图像。即，能够生成使得能够实现高精度的面部检测处理的图像。
这里，当平均亮度值Yav为阈值Yth以上的情况下，拍摄图像从明亮的拍摄环境中得到的可能性高。并且，当平均亮度值Yav小于阈值Yth的情况下，拍摄图像从发暗的拍摄环境中得到的可能性高。因此，如果始终使用一个伽马值G1，则存在当平均亮度值Yav小于阈值Yth的情况下生成明暗差小的面部检测用图像的顾虑。
因此，在本实施例中，伽马变换部103在判定值F＝1的情况下，进行利用了比伽马值G1还要小的伽马值G2(第二伽马值)的伽马变换处理。由此，能够生成与利用了伽马值G1的情况相比图像整体的明亮度高且明暗差大的面部检测用图像。其结果，能够生成使得能够不依赖于拍摄图像的明亮度而实现高精度的面部检测处理的面部检测用图像。
图2是表示伽马变换处理前的亮度值Ya和伽马变换处理后的亮度值Yb的对应关系(伽马曲线)的一例的图。图2的横轴表示伽马变换处理前的亮度值Ya，图2的纵轴表示伽马变换处理后的亮度值Yb。图2表示亮度值可取的值的范围是0以上且1以下的范围时的例子。在图2中，虚线21表示伽马值G＝1时的伽马曲线，单点划线22表示伽马值G＝G1时的伽马曲线，实线23表示伽马值G＝G2时的伽马曲线。
根据图2可知，在使用了伽马值G＝1的情况下，作为亮度值Yb而得到与亮度值Ya相同的值，作为面部检测用图像而得到与拍摄图像相同的图像。在使用了伽马值G＝G1的情况下，作为亮度值Yb而得到比亮度值Ya还要大的值，作为面部检测用图像而得到比拍摄图像更亮的图像。在使用了伽马值G＝G2的情况下，得到比利用伽马值G＝G1得到的亮度值Yb还要大的亮度值Yb，得到比利用伽马值G＝G1得到的面部检测用图像更亮的面部检测用图像。
另外，亮度值可取的值的范围不特别限定。例如，亮度值可取的值的范围也可以是0以上且255以下的范围、0以上且1023以下的范围、0以上且4095以下的范围等。
另外，伽马值G1和伽马值G2的具体的值、以及伽马值G1和伽马值G2的大小关系不特别限定。例如，在拍摄环境非常亮的情况下，优选使用降低亮度值的伽马值。因此，可以使用比1大的值作为伽马值G1。此外，伽马值G2只要是能够得到比利用伽马值G1得到的面部检测用图像更亮的面部检测用图像的值即可。换言之，伽马值G1只要是能够得到比利用伽马值G2得到的面部检测用图像更暗的面部检测用图像的值即可。伽马值G1和伽马值G2的具体的值、以及伽马值G1和伽马值G2的大小关系依赖于伽马变换处理的运算式是不言而喻的。
面部检测装置300从通过伽马变换部103生成的面部检测用图像中检测面部(面部检测处理)。在本实施例中，面部检测装置300考虑面部特有的明暗图案而从面部检测用图像中取得特征量，并基于所取得的特征量而检测面部。例如，面部检测装置300使用与面部器官的分布和明暗对应的Haar-like特征量，从面部检测用图像中搜索像是面部的区域。
(图像生成装置的动作)
利用图3说明图像生成装置100的动作。图3是表示图像生成装置100的动作的一例的流程图。
首先，代表亮度计算部101算出拍摄图像的平均亮度值Yav(S101)。
接着，代表亮度判定部102判定在S101中所算出的平均亮度值Yav是否为阈值Yth以上(S102)。当平均亮度值Yav为阈值Yth以上的情况下(S102：是)，处理进至S103，当平均亮度值Yav小于阈值Yth的情况下(S102：否)，处理进至S104。
在S103中，伽马变换部103对拍摄图像实施利用了伽马值G1的伽马变换处理(第一伽马变换处理)，从而生成面部检测用图像。
在S104中，伽马变换部103对拍摄图像实施利用了伽马值G2的伽马变换处理(第二伽马变换处理)，从而生成面部检测用图像。
(总结)
如以上叙述的那样，根据本实施例，当代表亮度值为预定的阈值以上的情况下，通过对拍摄图像实施利用了伽马值G1的伽马变换处理，从而生成面部检测用图像。并且，当代表亮度值小于预定的阈值的情况下，通过对拍摄图像实施利用了伽马值G2的伽马变换处理，从而生成面部检测用图像，其中，伽马值G2能够得到比利用伽马值G1得到的面部检测用图像更亮的面部检测用图像。由此，能够生成使得能够不依赖于拍摄图像的明亮度而实现高精度的面部检测处理的面部检测用图像。
(伽马值G1、G2)
另外，如上所述，伽马值G1、G2可以是任意的值。但是，在进行利用了上述的式2的伽马变换处理的情况下，伽马值G1优选为大于0.55且小于1的值，特别优选为0.7。并且，伽马值G2优选为大于0.15且小于1的值，特别优选为0.25。通过使用这些值作为伽马值G1、G2，能够生成使得可实现更高精度的面部检测处理的面部检测用图像。
本发明人进行了利用对面部进行拍摄而得到的多个拍摄图像的第一实验。在第一实验中，亮度值可取的值的范围是0以上且1以下的范围。在第一实验中，通过针对多个拍摄图像(原始图像)分别实施用于调整亮度值的亮度调整处理，从而生成了多个第一调整图像、多个第二调整图像、多个第三调整图像、多个第四调整图像、以及多个第五调整图像。第一调整图像是平均亮度值Yav为0.39的图像，第二调整图像是平均亮度值Yav为0.19的图像，第三调整图像是平均亮度值Yav为0.15的图像，第四调整图像是平均亮度值Yav为0.11的图像，第五调整图像是平均亮度值Yav为0.07的图像。然后，针对各调整图像(第一～第五调整图像)，一边将伽马值从1改变至10，一边进行了从调整图像生成面部检测用图像的伽马变换处理、和面部检测处理。当伽马值为1的情况下，作为面部检测用图像而得到与调整图像相同的图像。因此，伽马值为1的情况相当于不进行伽马变换处理的情况。不言而喻，在第一实验中没有根据平均亮度值Yav而切换伽马值。
通过第一实验得到了图4所示的实验结果。图4是表示伽马值G和面部的检测率的对应关系的一例的图。在图4中，横轴表示伽马值G，纵轴表示面部的检测率。检测率是面部的检测成功的图像的数目相对于图像的总数的比例。因此，检测率高意味着面部检测处理的精度高，检测率低意味着面部检测处理的精度低。
在此，设为平均亮度值Yav＝0.39的调整图像(第一调整图像)是“亮的拍摄图像”，平均亮度值Yav＝0.19、0.15、0.11以及0.07的调整图像(第二～第五调整图像)是“暗的拍摄图像”。根据图4可知，在亮的拍摄图像中，当伽马值G＝0.7时检测率成为最大。因此，如果使用0.7作为伽马值G1，则能够从亮的拍摄图像生成能够实现比使用其他的伽马值的所有情况都要高精度的面部检测处理的面部检测用图像。此外，在亮的拍摄图像中，在伽马值G为0.55<G<1的范围内，得到比伽马值G＝1时更高的检测值。因此，若使用大于0.55且小于1的值作为伽马值G1，则能够从亮的拍摄图像生成能够实现比不进行伽马变换处理的情况还要高精度的面部检测处理的面部检测用图像。
此外，在暗的拍摄图像中，当伽马值G＝0.25时检测率成为最大。因此，如果使用0.25作为伽马值G2，则能够从暗的拍摄图像生成能够实现比使用其他的伽马值的所有情况都要高精度的面部检测处理的面部检测用图像。此外，在暗的拍摄图像中，在伽马值G为0.15<G<1的范围内，得到比伽马值G＝1时更高的检测值。因此，若使用大于0.15且小于1的值作为伽马值G2，则能够从暗的拍摄图像生成能够实现比不进行伽马变换处理的情况还要高精度的面部检测处理的面部检测用图像。
(阈值Yth)
另外，阈值Yth可以是任意的值。但是，当平均亮度值Yav可取的值的范围是0以上且1以下的范围的情况下，阈值Yth优选为大于0.25且小于0.41的值，特别优选为0.33。
本发明人进行了利用对面部进行拍摄而得到的多个拍摄图像的第二实验。在第二实验中，平均亮度值Yav可取的值的范围是0以上且1以下的范围。在第二实验中，针对各原始图像(在第一实验中使用的多个原始图像的每一个)，一边将阈值Yth从0改变至1，一边进行了从原始图像生成面部检测用图像的伽马变换处理、和面部检测处理。在第二实验中，当平均亮度值Yav为阈值Yth以上的情况下使用了伽马值0.7，当平均亮度值Yav小于阈值Yth的情况下使用了伽马值0.25。此外，在第二实验中，没有生成调整图像。
通过第二实验得到了图5所示的实验结果。图5是表示阈值Yth和面部的检测率的对应关系的一例的图。在图5中，横轴表示阈值Yth，纵轴表示面部的检测率。图5的单点划线51表示目标的检测率。目标的检测率的值不特别限定。目标的检测率例如以阈值Yth＝0的检测率为基准而决定。面部检测处理的精度的目标值越高，使用越高的检测率作为目标的检测率即可。
根据图5可知在阈值Yth＝0.33时检测率成为最大。因此，如果使用0.33作为阈值Yth，则能够生成能够实现比使用其他值作为阈值Yth的所有情况都要高精度的面部检测处理的面部检测用图像。此外，在阈值Yth为0.25<Yth<0.41的范围内，得到比目标的检测率更高的检测值。因此，若使用大于0.25且小于0.41的值作为阈值Yth，则能够生成能够实现比目标的精度还要高的精度的面部检测处理的面部检测用图像。
<实施例2>
以下，参照附图说明本发明的实施例2的图像生成装置以及图像生成方法。在本实施例中，代表亮度值的计算方法与实施例1不同。另外，在以下，省略有关与实施例1相同的结构和处理的说明。
图6表示本实施例的拍摄图像的一例。在拍摄图像中，有时在被摄体的图像(被摄体图像)上附加有附加图像。例如，有时如图6所示那样，附加有包围被摄体图像61的框图像62。此外，有时也会有字符、图形等的附加图像被叠加在图像上。
为了生成使得可实现更高精度的面部检测处理的面部检测用图像，优选所算出的代表亮度值是否为预定的阈值以上意味着拍摄图像是否在亮的拍摄环境中得到、拍摄图像是否在暗的拍摄环境中得到等。并且，如果所算出的代表亮度值是被摄体图像61的代表亮度值，则能够说是“所算出的代表亮度值是否为预定的阈值以上意味着拍摄图像是否在亮的拍摄环境中得到、拍摄图像是否在暗的拍摄环境中得到等”。
但是，如果利用包含附加图像的像素在内的多个像素而算出代表亮度值，则有时会因附加图像的亮度值的影响而算出误差(与被摄体图像的平均亮度值之差)大的代表亮度值。例如，如果利用包含框图像62的像素在内的多个像素的亮度值作为代表亮度值而进行计算，则有时会因框图像62的亮度值的影响而算出与被摄体图像61的代表亮度值之差大的代表亮度值。
因此，在本实施例中，代表亮度计算部101不利用具有第一阈值以上的亮度值的像素(高亮度像素)、和具有小于第一阈值的第二阈值以下的亮度值的像素(低亮度像素)的至少一方，算出代表亮度值。例如，低亮度像素以外的多个像素的亮度值的平均值作为平均亮度值Yav而被算出。
另外，也可以是高亮度像素以外的多个像素的亮度值的平均值作为平均亮度值Yav而被算出。也可以是既非高亮度像素也非低亮度像素的多个像素的亮度值的平均值作为平均亮度值Yav而被算出。
如以上叙述的那样，根据本实施例，从用于代表亮度值的计算的像素中排除高亮度像素或低亮度像素。由此，能够生成使得可实现更高精度的面部检测处理的面部检测用图像。具体地说，附加图像(框图像、字符、图形等)的亮度值大多是亮度值可取的值的最大值(最大亮度值Ymax)、亮度值可取的值的最小值(最小亮度值Ymin)、或者它们周边的亮度值。最大亮度值Ymax是白色的亮度值，最小亮度值Ymin是黑色的亮度值。亮度值可取的值的范围是0以上且1以下的情况下，最大亮度值Ymax为1，最小亮度值Ymin为0。因此，通过排除高亮度像素或低亮度像素，能够减少附加图像的亮度值对代表亮度计算部101的计算值(代表亮度值)带来的影响，能够得到更接近被摄体图像的代表亮度值的计算值。其结果，能够更高精度地进行伽马值的切换，能够生成使得可实现更高精度的面部检测处理的面部检测用图像。
另外，第一阈值和第二阈值可以是任意的值。例如，可以使用比最大亮度值Ymax还要小的值作为第一阈值，使用比最小亮度值Ymin还要大的值作为第二阈值。但是，附加图像的亮度值为最大亮度值或最小亮度值的可能性特别高。因此，优选第一阈值为最大亮度值，第二阈值为最小亮度值。由此，能够抑制被摄体图像的像素从用于代表亮度值的计算的像素中被排除，能够得到更接近被摄体图像的代表亮度值的代表亮度值。其结果，能够更高精度地进行伽马值的切换，能够生成使得可实现更高精度的面部检测处理的面部检测用图像。
此外，具有像素数目最多的亮度值的像素(最频像素)为附加图像的像素的可能性高。因此，优选不使用最频像素而算出代表亮度值。通过从用于代表亮度值的计算的像素中排除最频像素，能够减少附加图像的亮度值对代表亮度计算部101的计算值带来的影响，能够得到更接近被摄体图像的代表亮度值的计算值。其结果，能够更高精度地进行伽马值的切换，能够生成使得可实现更高精度的面部检测处理的面部检测用图像。此外，在附加图像的像素不是高亮度像素或低亮度像素的情况下，也能够得到这些效果。也可以从用于代表亮度值的计算的像素中排除最频像素和高亮度像素，也可以从用于代表亮度值的计算的像素中排除最频像素和低亮度像素。也可以从用于代表亮度值的计算的像素中排除最频像素、低亮度像素、以及高亮度像素。
<实施例3>
以下，参照附图说明本发明的实施例3的图像生成装置以及图像生成方法。在本实施例中，代表亮度值的计算方法与实施例1不同。另外，在以下，省略有关与实施例1相同的结构和处理的说明。
在本实施例中，代表亮度计算部101不使用图像的边缘部分的像素而算出代表亮度值。例如，在边缘部分以外的区域中存在的多个像素的亮度值的平均值作为平均亮度值Yav而被算出。边缘部分例如是从图像的端部起向图像的中心的预定像素数目量的区域。具体地说，如图6所示，从虚线63(拍摄图像的上下左右边)起直到虚线64为止的区域被用作边缘部分。在图6的例子中，在边缘部分中包含框图像62的整体和被摄体图像61的一部分。
另外，在边缘部分中，可以包含框图像62的整体，也可以包含框图像62的一部分。此外，在边缘部分中，可以包含被摄体图像61，也可以不包含被摄体图像61。
另外，也可以是从图像的上边、下边、左边、以及右边这4个边中的一部分边起向图像的中心的预定像素数目量的区域被用作边缘部分。即，在以下的4个区域中，也可以是一个、两个、或者三个区域被用作边缘部分。在图6的例子中，以下的4个区域的全部被用作边缘部分。
·从图像的上边起向下侧预定像素数目量的区域
·从图像的下边起向上侧预定像素数目量的区域
·从图像的左边起向右侧预定像素数目量的区域
·从图像的右边起向左侧预定像素数目量的区域
如以上叙述的那样，根据本实施例，边缘部分的像素从用于代表亮度值的计算的像素中被排除。由此，能够生成使得可实现更高精度的面部检测处理的面部检测用图像。具体地说，边缘部分的像素是框图像的像素的可能性高。因此，通过排除边缘部分的像素，能够减少框图像的亮度值对代表亮度计算部101的计算值带来的影响，能够得到更接近被摄体图像的代表亮度值的计算值。其结果，能够更高精度地进行伽马值的切换，能够生成使得可实现更高精度的面部检测处理的面部检测用图像。此外，在框图像的像素不是高亮度像素、低亮度像素、以及最频像素的情况下，也能够得到这些效果。
<实施例4>
以下，参照附图说明本发明的实施例4的图像生成装置以及图像生成方法。另外，在以下，省略有关与实施例1相同的结构和处理的说明。
图7是表示本实施例的图像生成装置400的功能结构的一例的框图。在图7中，对于与实施例1(图1)相同的功能部附加与实施例1相同的标号，省略其说明。如图7所示，图像生成装置400除了图像生成装置100具有的功能部之外，还具有缩小部401。
缩小部401取得从拍摄装置200输出的拍摄图像，对已取得的拍摄图像实施缩小处理。缩小处理是将图像缩小的处理。图8是表示本实施例的拍摄图像和缩小图像的一例的图。如图8所示，通过对拍摄图像实施缩小处理，生成由比拍摄图像更少的像素构成的缩小图像。缩小部401将已生成的缩小图像输出到代表亮度计算部101。在代表亮度计算部101中，作为拍摄图像的代表亮度值而算出缩小图像的代表亮度值。
如以上叙述的那样，根据本实施例，通过对拍摄图像实施缩小处理，生成由比拍摄图像更少的像素构成的缩小图像。然后，缩小图像的代表亮度值作为拍摄图像的代表亮度值而被算出。由此，能够减少用于代表亮度值的计算的像素的数目，能够减少代表亮度值的计算所需的处理负荷。
<实施例5>
以下，参照附图说明本发明的实施例5的图像生成装置以及图像生成方法。在本实施例中，代表亮度值的计算方法与实施例1不同。另外，在以下，省略有关与实施例1相同的结构和处理的说明。
图9是表示本实施例的拍摄图像的一例的图。在图9中，标号91、92表示像素。具体地说，标号91表示用于代表亮度值的计算的像素，标号92表示不用于代表亮度值的计算的像素。在本实施例中，如图9所示，代表亮度计算部101利用在水平方向以及垂直方向上每隔n像素(n为1以上的整数)而存在的像素，不利用除此以外的像素，算出代表亮度值。例如，在水平方向以及垂直方向上每隔n像素而存在的多个像素的亮度值的平均值作为平均亮度值Yav而被算出。另外，在图9中示出了n＝1时的例子，但n也可以比1大。
如以上叙述的那样，根据本实施例，利用在水平方向以及垂直方向上每隔n像素而存在的像素，不利用除此以外的像素，算出代表亮度值。由此，能够减少用于代表亮度值的计算的像素的数目，能够减少代表亮度值的计算所需的处理负荷。
另外，上述的实施例1～5只是一例，在本发明的宗旨的范围内对实施例1～5的结构进行适当变形或变更而得到的结构也包含在本发明中。对实施例1～5的结构进行适当组合而得到的结构也包含在本发明中。例如，也可以将实施例4、5进行组合，使得生成缩小图像，在缩小图像的像素中利用每隔n像素而存在的像素算出代表亮度值。

Claims (11)

1.一种图像生成装置，生成在从图像中检测面部的面部检测处理中使用的图像即面部检测用图像，其特征在于，所述图像生成装置具有：
代表亮度计算部件，算出代表通过拍摄而得到的拍摄图像的各像素的亮度值的代表亮度值；以及
伽马变换部件，通过对所述拍摄图像实施利用预定的伽马值而变换图像的各像素的亮度值的伽马变换处理，从而生成面部检测用图像，
所述伽马变换部件，
当在所述代表亮度计算部件中算出的代表亮度值为预定的阈值以上的情况下，进行利用了第一伽马值的伽马变换处理，
当所述代表亮度值小于所述预定的阈值的情况下，进行利用了第二伽马值的伽马变换处理，其中，该第二伽马值能够得到比利用所述第一伽马值得到的面部检测用图像更亮的面部检测用图像，
其中，当所述代表亮度值能够取的值的范围是0以上且1以下的范围的情况下，所述预定的阈值是大于0.25且小于0.41的值。
2.如权利要求1所述的图像生成装置，其特征在于，
所述伽马变换处理是，利用以下的式1，根据所述预定的伽马值G、所述拍摄图像的亮度值Ya、以及亮度值能够取的值的最大值Ymax而算出所述面部检测用图像的亮度值Yb的处理，
Yb＝Ymax×(Ya/Ymax)G...式1
所述第一伽马值是大于0.55且小于1的值。
3.如权利要求1或2所述的图像生成装置，其特征在于，
所述伽马变换处理是，利用以下的式2，根据所述预定的伽马值G、所述拍摄图像的亮度值Ya、以及亮度值能够取的值的最大值Ymax而算出所述面部检测用图像的亮度值Yb的处理，
Yb＝Ymax×(Ya/Ymax)G...式2
所述第二伽马值是大于0.15且小于1的值。
4.如权利要求1或2所述的图像生成装置，其特征在于，
所述代表亮度值是多个像素的亮度值的平均值或者中央值。
5.如权利要求1或2所述的图像生成装置，其特征在于，
所述代表亮度计算部件不利用具有第一阈值以上的亮度值的像素、和具有比所述第一阈值还要小的第二阈值以下的亮度值的像素的至少一方，而算出所述代表亮度值。
6.如权利要求5所述的图像生成装置，其特征在于，
所述第一阈值是亮度值能够取的值的最大值，
所述第二阈值是亮度值能够取的值的最小值。
7.如权利要求1或2所述的图像生成装置，其特征在于，
所述代表亮度计算部件不利用具有像素数目最多的亮度值的像素，而算出所述代表亮度值。
8.如权利要求1或2所述的图像生成装置，其特征在于，
所述代表亮度计算部件不利用图像的边缘部分的像素，而算出所述代表亮度值。
9.如权利要求1或2所述的图像生成装置，其特征在于，
还具有：缩小部件，该缩小部件通过对所述拍摄图像实施将图像缩小的缩小处理，从而生成由比所述拍摄图像还要少的像素构成的缩小图像，
所述代表亮度计算部件算出所述缩小图像的代表亮度值。
10.如权利要求1或2所述的图像生成装置，其特征在于，
所述代表亮度计算部件利用在水平方向以及垂直方向上每隔n像素而存在的像素，不利用除此以外的像素，而算出所述代表亮度值，其中，n是1以上的整数。
11.一种图像生成方法，生成在从图像中检测面部的面部检测处理中使用的图像即面部检测用图像，其特征在于，所述图像生成方法具有：
代表亮度计算步骤，算出代表通过拍摄而得到的拍摄图像的各像素的亮度值的代表亮度值；以及
伽马变换步骤，通过对所述拍摄图像实施利用预定的伽马值而变换图像的各像素的亮度值的伽马变换处理，从而生成面部检测用图像，
在所述伽马变换步骤中，
当在所述代表亮度计算步骤中算出的代表亮度值为预定的阈值以上的情况下，进行利用了第一伽马值的伽马变换处理，
当所述代表亮度值小于所述预定的阈值的情况下，进行利用了第二伽马值的伽马变换处理，其中，该第二伽马值能够得到比利用所述第一伽马值得到的面部检测用图像更亮的面部检测用图像，
其中，当所述代表亮度值能够取的值的范围是0以上且1以下的范围的情况下，所述预定的阈值是大于0.25且小于0.41的值。
CN201510501033.9A 2015-03-09 2015-08-14 图像生成装置以及图像生成方法 Active CN105957020B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015-046008 2015-03-09
JP2015046008A JP6365355B2 (ja) 2015-03-09 2015-03-09 画像生成装置および画像生成方法

Publications (2)

Publication Number Publication Date
CN105957020A CN105957020A (zh) 2016-09-21
CN105957020B true CN105957020B (zh) 2019-03-08

Family

ID=53785515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510501033.9A Active CN105957020B (zh) 2015-03-09 2015-08-14 图像生成装置以及图像生成方法

Country Status (5)

Country Link
US (1) US9811715B2 (zh)
EP (1) EP3068123B1 (zh)
JP (1) JP6365355B2 (zh)
KR (1) KR101715489B1 (zh)
CN (1) CN105957020B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6399122B2 (ja) 2017-03-01 2018-10-03 オムロン株式会社 顔検出装置およびその制御方法
CN108665428B (zh) * 2018-04-26 2022-11-11 青岛海信移动通信技术股份有限公司 图像增强方法、装置、设备及存储介质
KR20200032584A (ko) 2018-09-18 2020-03-26 엘지전자 주식회사 영상표시장치
JP2022018276A (ja) * 2020-07-15 2022-01-27 株式会社Ｊｖｃケンウッド 撮像制御装置、撮像制御方法及びプログラム
CN112950497A (zh) * 2021-02-22 2021-06-11 上海商汤智能科技有限公司 图像处理方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101331515A (zh) * 2005-12-21 2008-12-24 日本电气株式会社 色调校正方法、色调校正装置、色调校正程序以及图像设备
EP2086217A1 (en) * 2008-01-30 2009-08-05 Ricoh Company, Ltd. Image processing method
CN101673342A (zh) * 2008-09-12 2010-03-17 索尼株式会社 对象检测装置,成像设备,对象检测方法和程序
CN102834689A (zh) * 2010-04-01 2012-12-19 新日本制铁株式会社 粒子测定装置以及粒子测定方法

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4661862A (en) * 1984-04-27 1987-04-28 Rca Corporation Differential PCM video transmission system employing horizontally offset five pixel groups and delta signals having plural non-linear encoding functions
JP3003561B2 (ja) * 1995-09-25 2000-01-31 松下電器産業株式会社 階調変換方法及びその回路と画像表示方法及びその装置と画像信号変換装置
JPH09326958A (ja) * 1996-06-05 1997-12-16 Sony Corp 画像処理装置および処理方法
JP4124861B2 (ja) * 1998-06-19 2008-07-23 株式会社東芝 移動量検出装置及びその方法
JP3730419B2 (ja) * 1998-09-30 2006-01-05 シャープ株式会社 映像信号処理装置
US6633343B2 (en) * 2000-03-14 2003-10-14 Matsushita Electric Industrial Co., Ltd. Dynamic gamma correction apparatus
JP4154128B2 (ja) * 2001-02-14 2008-09-24 株式会社リコー 画像処理装置、画像処理方法およびその方法を実施するためのプログラムを記録した記録媒体
JP2006080752A (ja) * 2004-09-08 2006-03-23 Fujitsu Ten Ltd カメラ用露光制御装置および制御方法
US7684640B2 (en) * 2005-10-20 2010-03-23 Sharp Laboratories Of America, Inc. Methods and systems for automatic digital image enhancement with local adjustment
JP4867365B2 (ja) * 2006-01-30 2012-02-01 ソニー株式会社 撮像制御装置、撮像装置および撮像制御方法
JP2008227959A (ja) * 2007-03-13 2008-09-25 Seiko Epson Corp 画像処理装置、画像処理方法および画像処理システム
JP5057053B2 (ja) 2007-07-23 2012-10-24 Ｎｅｃディスプレイソリューションズ株式会社 ガンマ切替装置および方法
JP4600448B2 (ja) * 2007-08-31 2010-12-15 カシオ計算機株式会社 階調補正装置、階調補正方法、及び、プログラム
KR20090025823A (ko) 2007-09-07 2009-03-11 한국표준과학연구원 이동없이 가능한 진공게이지의 교정/시험 장치 및 그 방법
WO2009063553A1 (ja) 2007-11-13 2009-05-22 Fujitsu Limited 画像補正装置、画像補正方法および画像補正プログラム
JP2010041504A (ja) * 2008-08-06 2010-02-18 Nikon Corp カメラ
EP2293247B1 (en) * 2009-07-29 2012-09-05 Harman Becker Automotive Systems GmbH Edge detection with adaptive threshold
US8538145B2 (en) * 2010-11-05 2013-09-17 Apple Inc. Gamma adjustment for maximizing information in images
JP5166570B2 (ja) * 2011-04-27 2013-03-21 株式会社東芝 電子機器、及び映像処理方法
US8554011B2 (en) * 2011-06-07 2013-10-08 Microsoft Corporation Automatic exposure correction of images
JP2013070241A (ja) * 2011-09-22 2013-04-18 Olympus Corp 画像処理装置、画像処理方法、および、画像処理プログラム
JP6074254B2 (ja) * 2012-12-18 2017-02-01 キヤノン株式会社 画像処理装置およびその制御方法
JP6116272B2 (ja) * 2013-02-08 2017-04-19 キヤノン株式会社 画像処理装置及び画像処理方法、プログラム、記憶媒体

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101331515A (zh) * 2005-12-21 2008-12-24 日本电气株式会社 色调校正方法、色调校正装置、色调校正程序以及图像设备
EP2086217A1 (en) * 2008-01-30 2009-08-05 Ricoh Company, Ltd. Image processing method
CN101673342A (zh) * 2008-09-12 2010-03-17 索尼株式会社 对象检测装置,成像设备,对象检测方法和程序
CN102834689A (zh) * 2010-04-01 2012-12-19 新日本制铁株式会社 粒子测定装置以及粒子测定方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
图像处理中Gamma校正的研究和实现;彭国福 等;《电子工程师》;20060228;第32卷(第2期);30-32,36
局部特征与全局信息联合的自适应图像增强算法;吴京辉 等;《北京理工大学学报》;20140930;第34卷(第9期);955-960

Also Published As

Publication number Publication date
JP6365355B2 (ja) 2018-08-01
EP3068123A1 (en) 2016-09-14
EP3068123B1 (en) 2019-07-03
US9811715B2 (en) 2017-11-07
KR101715489B1 (ko) 2017-03-10
CN105957020A (zh) 2016-09-21
JP2016167681A (ja) 2016-09-15
KR20160110019A (ko) 2016-09-21
US20160267318A1 (en) 2016-09-15

Similar Documents

Publication Publication Date Title
US11948282B2 (en) Image processing apparatus, image processing method, and storage medium for lighting processing on image using model data
CN105957020B (zh) 图像生成装置以及图像生成方法
CN109272459A (zh) 图像处理方法、装置、存储介质及电子设备
CN106504278A (zh) 高动态范围色调映射
CN105141841B (zh) 摄像设备及其方法
CN105243371A (zh) 一种人脸美颜程度的检测方法、系统及拍摄终端
US11663707B2 (en) Method and system for image enhancement
KR20150024769A (ko) 촬상 장치 및 그 촬상 방법, 화상 처리 장치 및 그 화상 처리 방법, 및, 프로그램
CN107871309B (zh) 检测方法、检测装置以及记录介质
CN108846807A (zh) 光效处理方法、装置、终端及计算机可读存储介质
CN108876753A (zh) 使用引导图像对合成长曝光图像进行可选增强
US9361537B2 (en) Techniques to reduce color artifacts in a digital image
JP2015154102A (ja) 画像処理装置及び方法、画像処理プログラム、撮像装置
CN102339461A (zh) 图像增强方法和设备
US9672650B2 (en) Image processing apparatus, image processing method, and storage medium
CN113066020A (zh) 图像处理方法及装置、计算机可读介质和电子设备
KR20180138530A (ko) 검출 장치, 이미지 처리 장치, 검출 방법, 및 이미지 처리 방법
JP2020181402A (ja) 画像処理装置、画像処理方法、およびプログラム
CN110473156A (zh) 图像信息的处理方法、装置、存储介质及电子设备
Grinchuk et al. 3d mask presentation attack detection via high resolution face parts
CN109284694A (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN109120856A (zh) 一种摄像方法及装置
CN105631812B (zh) 一种对显示图像进行色彩增强的控制方法及控制装置
JP2018093359A (ja) 画像処理装置、画像処理方法、およびプログラム
Yang et al. Flickering effect reduction based on the modified transformation function for video contrast enhancement

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