CN106204513A - 图像处理的方法、装置和系统 - Google Patents
图像处理的方法、装置和系统 Download PDFInfo
- Publication number
- CN106204513A CN106204513A CN201610668765.1A CN201610668765A CN106204513A CN 106204513 A CN106204513 A CN 106204513A CN 201610668765 A CN201610668765 A CN 201610668765A CN 106204513 A CN106204513 A CN 106204513A
- Authority
- CN
- China
- Prior art keywords
- luminance
- ghost
- weights
- differential chart
- chromaticity
- 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 80
- 238000010586 diagram Methods 0.000 claims abstract description 74
- 230000004927 fusion Effects 0.000 claims abstract description 33
- 238000010168 coupling process Methods 0.000 claims description 34
- 238000005859 coupling reaction Methods 0.000 claims description 34
- 230000008878 coupling Effects 0.000 claims description 33
- 238000013507 mapping Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 230000001186 cumulative effect Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 21
- 230000000694 effects Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 10
- 101100269850 Caenorhabditis elegans mask-1 gene Proteins 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual 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
- G06T5/50—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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理的方法、装置和系统。其中,该方法包括:从针对同一对象的曝光度不同的至少三张原始图像中分离出分别与至少三张原始图像对应的至少三张亮度图和至少三张色度图;基于至少三张亮度图和至少三张色度图计算包含有亮度信息和色度信息的第一综合差值图和第二综合差值图;基于第一综合差值图和第二综合差值图,生成第一去鬼影权值图和第二去鬼影权值图;基于第一去鬼影权值图和第二去鬼影权值图分别对至少三张亮度图和至少三张色度图进行融合,生成融合亮度图和融合色度图;以及将融合亮度图和融合色度图进行合成,生成对象的高动态范围图像。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像处理的方法、装置和系统。
背景技术
随着相机、手机、平板电脑等电子拍摄设备的升级换代,人们对其拍摄的图像质量要求随之升高。为了改善所拍摄图像的质量,人们常用HDR(High-Dynamic Range,高动态范围)图像技术来获取更多的动态范围和图像细节。其中,HDR技术是将不同的曝光度的LDR(Low-Dynamic Range,低动态范围)图像合成为HDR图像,从而保留每个曝光度相对应最佳细节,如此可以更好的反映真实环境中的视觉效果。
由于HDR技术需要对同一场景进行不同曝光程度的多次拍照,如果在拍照过程中受到电子拍摄设备的运动或者拍摄场景中物体运动的影响,同一物体在多张LDR图像中的位置可能会发生变化,例如拍照时的手抖,或者场景中出现运动的物体,都会造成合成的图像中存在“鬼影”。
目前,存在基于SIFT(Scale-invariant feature transform,尺度不变特征变换)、SURF(蒙娜丽莎的图像匹配)的图像扭曲技术,以及基于块匹配的图像扭曲等技术用来减轻“鬼影”。但是这些技术要么效果不够好,要么复杂度太高,不适合实际应用。因此,如何消除“鬼影”成了HDR技术中的难点之一,现有技术中尚无较好的消除HDR图像中的“鬼影”的方法。
发明内容
为了较好的减少图像中的“鬼影”,本发明实施例提供了一种图像处理的方法、装置和系统。
一方面,本发明实施例提供了一种图像处理的方法,该方法包括:
从针对同一对象的曝光度不同的至少三张原始图像中分离出分别与至少三张原始图像对应的至少三张亮度图和至少三张色度图;
基于至少三张亮度图和至少三张色度图计算包含有亮度信息和色度信息的第一综合差值图和第二综合差值图;
基于第一综合差值图和第二综合差值图,生成第一去鬼影权值图和第二去鬼影权值图;
基于第一去鬼影权值图和第二去鬼影权值图分别对至少三张亮度图和至少三张色度图进行融合,生成融合亮度图和融合色度图;以及
将融合亮度图和融合色度图进行合成,生成对象的高动态范围图像。
另一方面,本发明实施例提供了一种图像处理的装置,该装置包括:
亮度和色度分离单元,用于从针对同一对象的曝光度不同的至少三张原始图像中分离出分别与至少三张原始图像对应的至少三张亮度图和至少三张色度图;
差值图计算单元,用于基于至少三张亮度图和至少三张色度图计算包含有亮度信息和色度信息的第一综合差值图和第二综合差值图;
去鬼影权值图生成单元,基于第一综合差值图和第二综合差值图,生成第一去鬼影权值图和第二去鬼影权值图;
亮度色度融合单元,基于第一去鬼影权值图和第二去鬼影权值图分别对至少三张亮度图和至少三张色度图进行融合,生成融合亮度图和融合色度图;以及
图像合成单元,用于将融合亮度图和融合色度图进行合成,生成拍摄对象的高动态范围图像。
又一方面,本发明实施例提供了一种图像处理的装置,该装置包括:
存储器,用于存放程序;
处理器,用于执行存储器存储的程序,程序使得处理器执行以下操作:
从针对同一对象的曝光度不同的至少三张原始图像中分离出分别与至少三张原始图像对应的至少三张亮度图和至少三张色度图;
基于至少三张亮度图和至少三张色度图计算包含有亮度信息和色度信息的第一综合差值图和第二综合差值图;
基于第一综合差值图和第二综合差值图,生成第一去鬼影权值图和第二去鬼影权值图;
基于第一去鬼影权值图和第二去鬼影权值图分别对至少三张亮度图和至少三张色度图进行融合,生成融合亮度图和融合色度图;以及
将融合亮度图和融合色度图进行合成,生成对象的高动态范围图像;
显示器,用于显示对象的高动态范围图像。
又一方面,本发明实施例提供了一种图像处理的系统,该系统包括:摄像装置以及上述的图像处理的装置。
本发明实施例通过获取第一去鬼影权值图和第二去鬼影权值图,并对由原始图像分离出的亮度图和色度图进行融合,可以大幅度提升去“鬼影”的效果,具有较佳的稳定性。此外,本图像处理的算法复杂度较低,运行效率高,特别适合大批量的工程拍摄场景应用,可以很好的去除运动图像中人工痕迹,使得所拍的图像更加自然。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明一实施例的图像处理的方法的示意性流程图;
图2是图1中计算第一综合差值图和第二综合差值图的示意性流程图;
图3是图1中生成融合亮度图的示意性流程图;
图4是图1中生成融合色度图的示意性流程图;
图5是根据本发明一实施例的图像处理的装置的功能结构示意图;
图6是本发明的图像处理的装置的第一实施例的框架结构示意图;
图7是本发明的图像处理的装置的第二实施例的框架结构示意图;
图8是根据本发明一实施例的图像处理的系统的功能结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中,提出了许多具体细节,以便对本发明进行全面理解。但是,对于本领域技术人员来说,本发明可以在不需要这些具体细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法,而是在不脱离本发明的精神的前提下覆盖了单元、模块、部件和算法的任何修改、替换和改进。在附图和下面的描述中,没有示出公知的结构和技术,以便避免对本发明造成不必要的模糊。
现在将参考附图来全面地描述各个示例实施方式。然而,各个示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式;相反,提供这些实施方式使得本发明更全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
本领域技术人员应能理解,上述实施例均是示例性而非限制性的。在不同实施例中出现的不同技术特征可以进行组合,以取得有益效果。本领域技术人员在研究附图、说明书及权利要求书的基础上,应能理解并实现所揭示的实施例的其他变化的实施例。在权利要求书中,术语“包括”并不排除其他装置或步骤;不定冠词“一个”不排除多个;术语“第一”、“第二”用于标示名称而非用于表示任何特定的顺序。权利要求中的任何附图标记均不应被理解为对保护范围的限制。权利要求中出现的多个部分的功能可以由一个单独的硬件或软件模块来实现。某些技术特征出现在不同的从属权利要求中并不意味着不能将这些技术特征进行组合以取得有益效果。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、单元、模块、材料等。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以调整顺序或者相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1是根据本发明一实施例的图像处理的方法的示意性流程图100。
在步骤S101中,从针对同一对象的曝光度不同的至少三张原始图像中分离出分别与至少三张原始图像对应的至少三张亮度图和至少三张色度图。
在本实施例中,曝光度不同的至少三张原始图像可以是针对同一对象连续拍摄的图像,也可以是从针对同一对象连续拍摄的图像中任意选取的至少三张原始图像,还可以是直接从现有的图像库中获取的图像。
具体的,曝光度不同的至少三张原始图像可以由生成HDR图像的电子拍摄装置上的图像采集装置获得。获取至少三张原始图像的实现方式可以是:首先,电子拍摄装置上的摄像头中设置的CCD(Charge-coupled Device,电荷耦合元件)、CMOS(ComplementaryMetal OxIle Semiconductor,互补金属氧化物半导体)等感光元件获得图像信号。这些电子拍摄装置包括但不限于相机、个人电脑、智能手机、平板电脑、个人数字助理、服务器等。接着,将这些图像信号传输给ISP(Image SI3nal Processor,图像信号处理器),由ISP对图像信号进行预处理,生成至少三张原始图像。
在本实施例中,上述至少三张原始图像是针对同一图像采集区域的曝光度不同的至少三张图像。即,电子拍摄装置的取景框对准同一个区域,在操作者按下快门之后,在很短的时间内,如0.1s~0.5s内,控制快门快速开关至少三次以上,每次快门的通光量不同,可以获得不同曝光度的多张图像。在具体实施过程中,具体曝光值,可以根据电子拍摄装置根据实际的拍摄模式和/或用户设定的曝光值来确定。该部分内容不作限制。
在一些实施例中,可以通过将至少三张原始图像从RGB色彩空间转换至YUV色彩空间、或者从RGB色彩空间转换至LAB色彩空间,分离出至少三张亮度图和至少三张色度图。
在一些实施例中,为了减少图像处理后期的复杂度,取得更好的去“鬼影”效果,可以在从针对同一对象的曝光度不同的至少三张原始图像进行物理对齐。
在本实施例中,上述物理对齐的方法可以包括:中阈值位图对齐、特征点对齐、光流法对齐、块对齐和基于分层模型的对齐的方法。下面逐一描述各种物理对齐方法的实现方式。
首先介绍中阈值位图对齐的方式。该对齐方式的算法是用递归的方式来实现,具体可以每次都把图像缩小成源图像一半大小,从图层的底层(最小层)开始,往{(-1,-1),(-1,0),(-1,1),(0,-1),(0,0),(0,1),(1,-1),(1,0),(1,1)}这九个坐标点方向移动。从中找出最“适合”的一个移动方向进行对齐调整,待调整结束后传回上一图层。其中,每移动一个方向,将参考图与基准图求差值和,差值和最小的方向即为最合适的方向。
接着介绍特征点对齐的方式。特征点又称兴趣点、关键点,它是在图像中突出且具有代表意义的一些点,通过这些点我们可以用来识别图像、进行图像配准、进行3D重建等。特征点对齐是指先检测出图像中的特征点,然后利用相对应的特征点在不同图像中的位置进行对齐。现今比较流行的算法有SIFT和SURF等。
继而介绍光流法对齐的方式。其中,光流法用来描述相对于观察者的运动所造成的观测目标、表面或边缘的运动,实际是通过检测图像像素点的强度随时间的变化进而推断出物体移动速度及方向的方法,然后利用检测出来的移动信息进行对齐。
再介绍块匹配对齐的方式。其中,块匹配的基本思想是将目标图像分割成固定大小的块,然后在参考图像中寻找匹配最好的块。利用匹配块的位移信息进行图像对齐。
最后介绍基于分层模型的对齐的方式。其中,分层模型是一种用于开发网络的设计方法,其描述了将通信问题划分为几个小的问题(或者层次),每个问题对应一个层次。先从最简单的层次对齐,再往复杂的层次递进。
在一些实施例中,可以单独采用上述的一种物理对齐的方式,也可以将上述各物理对齐的方式进行组合使用,此方面不作限制。
需要说明的是,获取的至少三张原始图像的具体数量可以按拍摄图像精度的需求或者ISP的处理能力等情况进行自定义设计,为了计算简单、描述清晰和不必要的模糊本发明的更为相关的内容,在下面的各实施例的计算中,仅以三张曝光不同的图像进行说明。根据曝光度的不同,三张原始图像包括低曝光度图像I1、中曝光度图像12以及高曝光度图像I3。
在本实施例中,可以通过从RGB色彩空间转换至YUV色彩空间的方法,从低曝光度图像I1中分离出第一亮度图Y1和第一色度图U1、V1。也可以从中曝光度图像I2中分离出第二亮度图Y2和第二色度图U2、V2。还可以从高曝光度图像I3中分离出第三亮度图Y3和第三色度图U3、V3。
在其它的可选实施例中,也可以通过从RGB色彩空间转换至LAB色彩空间的方法,从低曝光度图像I1中分离出第一亮度图L1和第一色度图A1、B1。可以从中曝光度图像I2中分离出第二亮度图L2和第二色度图A2、B2。可以从高曝光度图像I3中分离出第三亮度图L3和第三色度图A3、B3。本领域的技术人员可以理解,其它色彩表示方法也可以做相应的转换,为了表述简洁,此方面的内容不再赘述。
参见图1,在步骤S102中,基于至少三张亮度图和至少三张色度图计算包含有亮度信息和色度信息的第一综合差值图Diff1和第二综合差值图Diff2。该步骤的实现方式可以参见图2所示实施例。
图2示出了图1的S102步骤中计算第一综合差值图和第二综合差值图的示意性流程图200。
在步骤S1021中,通过将第一亮度图Y1与第二亮度图Y2进行直方图匹配,获取第一匹配亮度图Y1’。通过将第三亮度图Y3与第二亮度图Y2进行直方图匹配,获取第二匹配亮度图Y2’。
其中,直方图匹配可以将图像的直方图以标准图像(例如中曝光度图的第二亮度图Y2)的直方图为标准作变换,使两图像的直方图相同或者近似,从而使两幅图像具有类似的色调和反差。
因为三张图片因为曝光度不同而导致它们的亮度差异比较大,而本方案的目的是通过对比找到因为拍摄的对象运动而导致的亮度的差异,因此,本实施例利用直方图匹配的方式使得三张图整体亮度接近,从而可以减少曝光度不同带来的亮度误差。由此,本实施例通过直方图匹配的方法使得第一匹配亮度图Y1’和第二匹配亮度图Y2’与第二亮度图Y2的亮度分布比较接近,使得后面匹配亮度差值图的误差减少,进一步可以提高合成的HDR图像的去“鬼影”的效果。
在步骤S1022中,获取第一匹配亮度图Y1’与第二亮度图Y2之间的第一匹配亮度差值图。获取第二匹配亮度图Y2’与第二亮度图Y2之间的第二匹配亮度差值图。该差值图的具体计算方式可以如下所示:
diff(Y2,Y1’)=abs(Y2-Y1’) (1)
diff(Y2,Y2’)=abs(Y2-Y2’) (2)
在上述公式(1)和(2)中,diff是表示差值的意思,abs函数是用于求绝对值的函数。
在步骤S1023中,获取第一色度图U1、V1与第二色度图U2、V2之间的第一色度差值。获取第三色度图U3、V3与第二色度图U2、V2之间的第二色度差值。其具体计算方式可以如下所示:
diff(U2,U1)=abs(U2-U1) (3)
diff(U2,U3)=abs(U2-U3) (4)
diff(V2,V1)=abs(V2-V1) (5)
diff(V2,V3)=abs(V2-V3) (6)
在上述公式(3)、(4)、(5)和(6)中,diff是表示差值的意思,abs函数是用于求绝对值的函数。
在步骤S1024中,通过对第一匹配亮度差值图和第一色度差值图进行加权求和,获取第一综合差值图Diff1。
在步骤S1025中,通过对第二匹配亮度差值图和第二色度差值图进行加权求和,获取第二综合差值图Diff2。
再参见图1,在步骤S103中,基于第一综合差值图Diff1和第二综合差值图和Diff2,生成第一去鬼影权值图mask1和第二去鬼影权值图mask2。
在本实施例中,通过对第一综合差值图Diff1和第二综合差值图Diff2进行二值化处理,获取第一去鬼影权值图mask1和第二去鬼影权值图mask2。
其中,对图像进行二值化处理就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果。
具体的,对第一综合差值图Diff1和第二综合差值图Diff2进行二值化处理可以包括:
按照灰度值从大到小的次序逐项累加任意一个综合差值图中的像素点的灰度值。
当累加的像素点的个数占任意一个综合差值图中的总像素点的个数的比例达到预设比例时,将累加的像素点的灰度值作为灰度阈值。
利用灰度阈值对任意一个综合差值图进行二值化。
在本实施例中,通过大量的试验数据表明,预设比例在50%至70%之间时,最终获取的高动态范围图像去“鬼影”的效果最好。较佳的该预设比例为60%。
在一些可选的实施例中,在通过基于第一去鬼影权值图mask1和第二去鬼影权值图mask2对至少三张亮度映射图进行加权求和之后,图像处理的方法还包括:将融合亮度图进行色调映射处理后与融合亮度图进行合成,生成对象的高动态范围图像。
其中,色调映射处理是将亮度图(radiance)映射到0到255的灰度值之间,形成一张正常的图像。具体可以使用线性和非线性以及两者相结合的方法。线性方法可以通过设计一条映射曲线,将亮度图的值从小到大映射到0到255的灰度值上。非线性的方法可以是直方图均衡等。在一些可选的实施例中,也可以用加权求和的方式将这两个方案结合起来。
由此,通过色调映射处理,可以进一步减少“鬼影”现象,改善图像处理的质量。
再参见图1,在步骤S104中,基于第一去鬼影权值图mask1和第二去鬼影权值图mask2对至少三张亮度图进行融合生成融合亮度图。基于第一去鬼影权值图mask1和第二去鬼影权值图mask2对至少三张色度图进行融合生成融合色度图。该步骤的具体实现方式可以参考下面图3和图4所示的内容。
图3示出了图1的S104步骤中生成融合亮度图的示意性流程图300。
在步骤S104-11中,基于计算相机反映函数对至少三张亮度图进行映射处理,生成分别与至少三张亮度图对应的至少三张亮度映射图。
在步骤S104-12中,基于第一去鬼影权值图和第二去鬼影权值图对至少三张亮度映射图进行加权求和,生成融合亮度图。其计算公式如下:
radiance=Y2+mask1×Y1’+mask2×Y2’ (7)
在上述公式(7)中,radiance为融合亮度图。Y1’为第一匹配亮度图,是通过将第一亮度图Y1与第二亮度图Y2进行直方图匹配所获取的。Y2’为第二匹配亮度图,是通过将第三亮度图Y3与第二亮度图Y2进行直方图匹配所获取的。mask1为第一去鬼影权值图,mask2为第二去鬼影权值图。
在本实施例中,可以利用CRF(camera response function,相机反映函数)进行图像映射处理。具体的,可以从图像中取出若干个点,通过如下公式求出CRF值:
在上述公式(7)中,为整体的误差大小,i为图像像素坐标,N为图像像素总数,j为第几张图片,P为图片数量。函数g为CRF的反函数的对数,Z为图像像素值,t为曝光时间,E为HDR图。
在本实施例中,由于函数g和E都是未知变量,因此要用最小二乘法来解这个方程,在最小二乘求解算法中,指的是整体的误差大小,当最小的时候,即为最优解。
CRF是标定的工具,通过CRF求出Y通道映射图的过程可以看成标定的过程。radiance图可以看成是进行标定且融合之后的图。
本实施例通过函数映射处理获取亮度映射图,可以提高后期图像去“鬼影”的效果,提高图像的质量。
图4示出了图1的S104步骤中生成融合色度图的示意性流程图400。
在步骤S104-21中,将第二色度图、第一色度差值和第二色度差值分别与预设的色度阈值进行比较。
在本实施例中,通过大量的实验,当设置阈值T1=5,T2=128,T3=250时,去“鬼影”的效果较佳。
在步骤S104-22中,基于比较的结果,将第一去鬼影权值图与第一色度图相乘,或者将第二去鬼影权值图与第三色度图相乘,生成融合色度图。
其具体实现方式可以如下所示:
可以将低曝光图I1和高曝光图I3的U通道和V通道分别与中间曝光图I2进行求差值,得到:
diff(I1,I2,U)=abs(I1(U)-I2(U)) (9)
diff(I3,I2,U)=abs(I3(U)-I2(U)) (10)
diff(I1,I2,V)=abs(I1(U)-I2(V)) (11)
diff(I3,I2,V)=abs(I3(U)-I2(V)) (12)
设置阈值T1=5,T2=128,T3=250,
当I2(U)<=T1且diff(I1,I2,U)>T2时,I2(U)=I1(U)*mask1 (13)
当I2(V)<=T1且diff(I1,I2,V)>T2时,I2(V)=I1(V)*mask1 (14)
当I2(U)>=T3且diff(I3,I2,U)>T2时,I2(U)=I3(U)*mask2 (15)
当I2(V)>=T3且diff(I3,I2,V)>T2时,I2(V)=I3(V)*mask2 (16)
在上述公式(9)至(16)中,diff是表示差值的意思,abs函数是一种用于求绝对值的函数,T1、T2、T3表示预设的灰度阈值。
本实施例中对色彩进行融合处理的过程中,没有通过函数映射处理,如此设计可以在确保图像处理效果的基础上,大幅度减少数据运算量,提高运算效率,减少对硬件设备的配置要求,可以减少硬件成本。
再参考图1,在步骤S105中,将融合亮度图和融合色度图进行合成,生成对象的高动态范围图像。
在本实施例中,图像合成的方法例如但不限于通过各种色彩空间逆转换的方法进行合成,得到是将高动态范围的图像。
本领域的技术人员可以理解,上述各实施例中的步骤的顺序可以相互调换,各实施例或者其内的各步骤可以相互组合形成新的实施例,为了描述简洁,此方面内容不再赘述。
本发明实施例通过获取第一去鬼影权值图和第二去鬼影权值图,并对由原始图像分离出的亮度图和色度图进行融合,可以大幅度提升了去“鬼影”的效果,具有较佳的稳定性。此外,本图像处理的算法复杂度较低,运行效率高,特别适合大批量的工程拍摄场景应用,可以很好的去除运动图像中人工痕迹,使得所拍的图像更加自然。
图5是根据本发明一实施例的图像处理的装置的功能结构示意图500。如图5所示,图像处理的装置可以包括:亮度和色度分离单元、差值图计算单元、去鬼影权值图生成单元、亮度色度融合单元和图像合成单元。
其中:亮度和色度分离单元可以用于从针对同一对象的曝光度不同的至少三张原始图像中分离出分别与至少三张原始图像对应的至少三张亮度图和至少三张色度图。
差值图计算单元可以用于计算至少三张亮度图之间的第一综合差值图和第二综合差值图。
去鬼影权值图生成单元可以基于第一综合差值图和第二综合差值图,生成第一去鬼影权值图和第二去鬼影权值图。
亮度色度融合单元可以基于第一去鬼影权值图和第二去鬼影权值图对至少三张亮度图进行融合,生成融合亮度图,以及基于第一去鬼影权值图和第二去鬼影权值图对至少三张色度图进行融合,生成融合色度图。
图像合成单元可以用于将融合亮度图和融合色度图进行合成,生成对象的高动态范围图像。
本发明实施例通过获取第一去鬼影权值图和第二去鬼影权值图,并对由原始图像分离出的亮度图和色度图进行融合,可以大幅度提升了去“鬼影”的效果,具有较佳的稳定性。此外,本图像处理的算法复杂度较低,运行效率高,特别适合大批量的工程拍摄场景应用,可以很好的去除运动图像中人工痕迹,使得所拍的图像更加自然。
在本实施例中,亮度和色度分离单元通过将至少三张原始图像从RGB色彩空间转换至YUV色彩空间、或者从RGB色彩空间转换至LAB色彩空间,分离出至少三张亮度图和至少三张色度图。
需要说明的是,获取的图像数量可以按拍摄图像精度的需求或者ISP的处理能力等进行自定义设计,为了简明和不必要的模糊本发明的更为相关的内容,在下面的各实施例中,仅以三张曝光不同的图像进行说明。根据曝光度的不同,三张图像可以包括低曝光度图像I1、中曝光度图像I2以及高曝光度图像I3。
在本实施例中,可以通过从RGB色彩空间转换至YUV色彩空间的方法,从低曝光度图像I1中分离出第一亮度图Y1和第一色度图U1、V1。也可以从中曝光度图像I2中分离出第二亮度图Y2和第二色度图U2、V2。还可以从高曝光度图像I3中分离出第三亮度图Y3和第三色度图U3、V3。
在其它的可选实施例中,也可以通过从RGB色彩空间转换至LAB色彩空间的方法,从低曝光度图像I1中分离出第一亮度图L1和第一色度图A1、B1。可以从中曝光度图像I2中分离出第二亮度图L2和第二色度图A2、B2。可以从高曝光度图像I3中分离出第三亮度图L3和第三色度图A3、B3。本领域的技术人员可以理解,其它色彩表示方法也可以做相应的转换,为了表述简洁,此方面的内容不再赘述。
继续参见图5,在本实施例中,差值图计算单元可以包括:直方图匹配模块、亮度差值图获取模块、色度差值图获取模块、亮度加权求和模块和色度加权求和模块。其中:
直方图匹配模块可以用于通过将第一亮度图与第二亮度图进行直方图匹配,获取第一匹配亮度图,通过将第三亮度图与第二亮度图进行直方图匹配,获取第二匹配亮度图。
亮度差值图获取模块可以用于获取第一匹配亮度图与第二亮度图之间的第一匹配亮度差值图,获取第二匹配亮度图与第二亮度图之间的第二匹配亮度差值图。
色度差值图获取模块可以用于获取第一色度图与第二色度图之间的第一色度差值图,获取第三色度图与第二色度图之间的第二色度差值图。
亮度加权求和模块可以用于通过对第一匹配亮度差值图和第一色度差值图进行加权求和,获取第一综合差值图。
色度加权求和模块可以用于通过对第二匹配亮度差值图和第二色度差值图进行加权求和,获取第二综合差值图。
在本实施例中,去鬼影权值图生成单元可以通过对第一综合差值图和第二综合差值图进行二值化处理,获取第一去鬼影权值图和第二去鬼影权值图。
在本实施例中,去鬼影权值图生成单元包括:灰度值累加模块、灰度阈值获取模块和图像二值化模块。其中:
灰度值累加模块可以用于按照灰度值从大到小的次序逐项累加任意一个综合差值图中的像素点的灰度值。
灰度阈值获取模块可以用于当累加的像素点的个数占任意一个综合差值图中的总像素点的个数的比例达到预设比例时,将累加的像素点的灰度值作为灰度阈值。
图像二值化模块可以利用灰度阈值对任意一个综合差值图进行二值化。
在本实施例中,预设比例在50%至70%之间。
在本实施例中,亮度色度融合单元可以包括:亮度映射图生成模块和鬼影加权求和模块。其中:
亮度映射图生成模块可以基于计算相机反映函数对至少三张亮度图进行映射处理,生成分别与至少三张亮度图对应的至少三张亮度映射图。
鬼影加权求和模块可以基于第一去鬼影权值图和第二去鬼影权值图对至少三张亮度映射图进行加权求和,生成融合亮度图。
在本实施例中,亮度色度融合单元还可以包括阈值比较模块和乘法处理模块。其中:
阈值比较模块可以用于将第二色度图、第一色度差值图和第二色度差值图分别与预设的色度阈值进行比较。
乘法处理模块可以基于比较的结果,将第一去鬼影权值图与第一色度图进行乘法处理,或者将第二去鬼影权值图与第三色度图进行乘法处理,生成融合色度图。
其中,可以比较方法和计算公式等相关内容可以参见图像处理方法中相对应的内容,此方面的内容不再赘述。
在一些可选的实施例中,图像处理装置还可以包括色调映射单元。该单元用于先将融合亮度图进行色调映射处理,然后再将其与融合亮度图进行合成,生成对象的高动态范围图像。在一些可选的实施例中,图像处理的装置还可以包括物理对齐单元。该物理对齐单元用于将至少三张原始图像进行物理对齐。具体的对齐相关内容可以参见图像处理方法中相应的内容,此方面内容不再赘述。
本发明各实施例中可以通过硬件处理器(hardware processor)来实现相关功能模块。由于图像处理装置中的各个功能单元或者功能模块来实现各种功能,所以,各个功能单元或者功能模块的连接位置关系不做限制,只要能实现相应的功能,就可以将上述的各个单元和模块进行灵活布置。
图6为本发明图像处理的装置的第一实施例的框架结构示意图600。如图6所示,图像处理的装置可以包括:存储器、处理器和显示器。其中:
存储器可以用于存放程序。
处理器可以用于执行存储器存储的程序,程序使得处理器执行以下操作:
从针对同一对象的曝光度不同的至少三张原始图像中分离出分别与至少三张原始图像对应的至少三张亮度图和至少三张色度图;基于至少三张亮度图和至少三张色度图计算包含有亮度信息和色度信息的第一综合差值图和第二综合差值图;基于第一综合差值图和第二综合差值图,生成第一去鬼影权值图和第二去鬼影权值图;基于第一去鬼影权值图和第二去鬼影权值图分别对至少三张亮度图和至少三张色度图进行融合,生成融合亮度图和融合色度图;以及将融合亮度图和融合色度图进行合成,生成对象的高动态范围图像。
显示器可以用于显示对象的高动态范围图像。
图7为本发明图像处理的装置的第二实施例的框架结构示意图700。
如图7所示,该装置可以包括中央处理单元(CPU),其可以根据存储在只读存储器(ROM)中的程序或者从存储部分加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中,还存储有系统操作所需的各种程序和数据。CPU、ROM以及RAM通过通信总线彼此相连。输入/输出(I/O)接口也连接至总线。
以下部件连接至I/O接口:包括键盘、鼠标等的输入部分;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分;包括硬盘等的存储部分;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口。可拆卸介质,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器上,以便于从其上读出的计算机程序根据需要被安装入存储部分。
但是,需要明确,本发明并不局限于上文所描述并在图中示出的特定配置和处理。并且,为了简明起见,这里省略对已知方法技术的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神之后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
图8为本发明一实施例的图像处理的系统的框架结构示意图800。如图8所示,图像处理的系统可以包括:摄像装置和上述各实施例中的图像处理的装置。
需要说明的是:上述各实施例中的图像处理的装置和系统可以是图像处理的方法中的执行主体,且图像处理的装置和系统中的各个功能单元和功能模块分别是为了实现各个方法的相应流程。由于上述实施例的图像处理的装置和系统与图像处理的方法的内容相对应,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的各个功能单元和模块的具体工作过程以及可以达到的技术效果可以参考上述方法实施例中的对应内容,此方面内容不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元或者模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以上所述,仅为本发明的具体实施例,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (22)
1.一种图像处理的方法,包括:
从针对同一对象的曝光度不同的至少三张原始图像中分离出分别与所述至少三张原始图像对应的至少三张亮度图和至少三张色度图;
基于所述至少三张亮度图和至少三张色度图计算包含有亮度信息和色度信息的第一综合差值图和第二综合差值图;
基于所述第一综合差值图和第二综合差值图,生成第一去鬼影权值图和第二去鬼影权值图;
基于所述第一去鬼影权值图和所述第二去鬼影权值图分别对所述至少三张亮度图和所述至少三张色度图进行融合,生成融合亮度图和融合色度图;以及
将所述融合亮度图和所述融合色度图进行合成,生成所述对象的高动态范围图像。
2.根据权利要求1所述的方法,其中,通过将所述至少三张原始图像从RGB色彩空间转换至YUV色彩空间、或者从RGB色彩空间转换至LAB色彩空间,分离出所述至少三张亮度图和所述至少三张色度图。
3.根据权利要求1所述的方法,其中,所述至少三张原始图像包括低曝光度图像、中曝光度图像、以及高曝光度图像,所述低曝光度图像分别与所述至少三张亮度图中的第一亮度图和所述至少三张色度图中的第一色度图相对应,所述中曝光度图像分别与所述至少三张亮度图中的第二亮度图和所述至少三张色度图中的第二色度图相对应,所述高曝光度图像分别与所述至少三张亮度图中的第三亮度图和所述至少三张色度图中的第三色度图相对应,
计算包含有亮度信息和色度信息的第一综合差值图和第二综合差值图的处理包括:
通过将所述第一亮度图与所述第二亮度图进行直方图匹配,获取第一匹配亮度图,通过将所述第三亮度图与所述第二亮度图进行直方图匹配,获取第二匹配亮度图;
获取所述第一匹配亮度图与所述第二亮度图之间的第一匹配亮度差值图、以及所述第二匹配亮度图与所述第二亮度图之间的第二匹配亮度差值图;
获取所述第一色度图与所述第二色度图之间的第一色度差值图、以及所述第三色度图与所述第二色度图之间的第二色度差值图;
通过对所述第一匹配亮度差值图和所述第一色度差值图进行加权求和,获取所述第一综合差值图;以及
通过对所述第二匹配亮度差值图和所述第二色度差值图进行加权求和,获取所述第二综合差值图。
4.根据权利要求1所述的方法,其中,通过对所述第一综合差值图和所述第二综合差值图进行二值化处理,获取所述第一去鬼影权值图和所述第二去鬼影权值图。
5.根据权利要求4所述的方法,其中,对所述第一综合差值图和所述第二综合差值图中的任意一个综合差值图进行二值化处理包括:
按照灰度值从大到小的次序逐项累加所述任意一个综合差值图中的像素点的灰度值;
当累加的像素点的个数占所述任意一个综合差值图中的总像素点的个数的比例达到预设比例时,将累加的像素点的灰度值作为灰度阈值;
利用所述灰度阈值对所述任意一个综合差值图进行二值化。
6.根据权利要求5所述的方法,其中,所述预设比例在50%至70%之间。
7.根据权利要求1-6中任意一项所述的方法,其中,基于所述第一去鬼影权值图和所述第二去鬼影权值图对所述至少三张亮度图进行融合生成融合亮度图包括:
基于计算相机反映函数对所述至少三张亮度图进行映射处理,生成分别与所述至少三张亮度图对应的至少三张亮度映射图;
基于所述第一去鬼影权值图和所述第二去鬼影权值图对所述至少三张亮度映射图进行加权求和,生成所述融合亮度图。
8.根据权利要求7所述的方法,还包括:
将所述融合亮度图进行色调映射处理后与所述融合亮度图进行合成,生成所述对象的高动态范围图像。
9.根据权利要求3所述的方法,其中,对所述至少三张色度图进行融合生成融合色度图的处理包括:
将所述第二色度图、所述第一色度差值图和所述第二色度差值图分别与预设的色度阈值进行比较;
基于比较的结果,将所述第一去鬼影权值图与所述第一色度图相乘,或者将所述第二去鬼影权值图与所述第三色度图相乘,生成所述融合色度图。
10.根据权利要求1-6中任意一项所述的方法,还包括:将所述至少三张原始图像进行物理对齐。
11.一种图像处理的装置,包括:
亮度和色度分离单元,用于从针对同一对象的曝光度不同的至少三张原始图像中分离出分别与所述至少三张原始图像对应的至少三张亮度图和至少三张色度图;
差值图计算单元,用于基于所述至少三张亮度图和至少三张色度图计算包含有亮度信息和色度信息的第一综合差值图和第二综合差值图;
去鬼影权值图生成单元,基于所述第一综合差值图和第二综合差值图,生成第一去鬼影权值图和第二去鬼影权值图;
亮度色度融合单元,基于所述第一去鬼影权值图和所述第二去鬼影权值图分别对所述至少三张亮度图和所述至少三张色度图进行融合,生成融合亮度图和融合色度图;以及
图像合成单元,用于将所述融合亮度图和所述融合色度图进行合成,生成所述对象的高动态范围图像。
12.根据权利要求11所述的装置,其中,所述亮度和色度分离单元通过将所述至少三张原始图像从RGB色彩空间转换至YUV色彩空间、或者从RGB色彩空间转换至LAB色彩空间,分离出所述至少三张亮度图和所述至少三张色度图。
13.根据权利要求11所述的装置,其中,所述至少三张原始图像包括低曝光度图像、中曝光度图像、以及高曝光度图像,所述低曝光度图像分别与所述至少三张亮度图中的第一亮度图和所述至少三张色度图中的第一色度图相对应,所述中曝光度图像分别与所述至少三张亮度图中的第二亮度图和所述至少三张色度图中的第二色度图相对应,所述高曝光度图像分别与所述至少三张亮度图中的第三亮度图和所述至少三张色度图中的第三色度图相对应,
所述差值图计算单元包括:
直方图匹配模块,用于通过将所述第一亮度图与所述第二亮度图进行直方图匹配,获取第一匹配亮度图,通过将所述第三亮度图与所述第二亮度图进行直方图匹配,获取第二匹配亮度图;
亮度差值图获取模块,用于获取所述第一匹配亮度图与所述第二亮度图之间的第一匹配亮度差值图、以及所述第二匹配亮度图与所述第二亮度图之间的第二匹配亮度差值图;
色度差值图获取模块,用于获取所述第一色度图与所述第二色度图之间的第一色度差值图、以及所述第三色度图与所述第二色度图之间的第二色度差值图;
亮度加权求和模块,用于通过对所述第一匹配亮度差值图和所述第一色度差值图进行加权求和,获取所述第一综合差值图;以及
色度加权求和模块,用于通过对所述第二匹配亮度差值图和所述第二色度差值图进行加权求和,获取所述第二综合差值图。
14.根据权利要求11所述的装置,其中,所述去鬼影权值图生成单元通过对所述第一综合差值图和所述第二综合差值图进行二值化处理,获取所述第一去鬼影权值图和所述第二去鬼影权值图。
15.根据权利要求14所述的装置,其中,所述去鬼影权值图生成单元包括:
灰度值累加模块,用于按照灰度值从大到小的次序逐项累加所述任意一个综合差值图中的像素点的灰度值;
灰度阈值获取模块,用于当累加的像素点的个数占所述任意一个综合差值图中的总像素点的个数的比例达到预设比例时,将累加的像素点的灰度值作为灰度阈值;
图像二值化模块,利用所述灰度阈值对所述任意一个综合差值图进行二值化。
16.根据权利要求15所述的装置,其中,所述预设比例在50%至70%之间。
17.根据权利要求11-16中任意一项所述的装置,其中,所述亮度色度融合单元包括:
亮度映射图生成模块,基于计算相机反映函数对所述至少三张亮度图进行映射处理,生成分别与所述至少三张亮度图对应的至少三张亮度映射图;
鬼影加权求和模块,基于所述第一去鬼影权值图和所述第二去鬼影权值图对所述至少三张亮度映射图进行加权求和,生成所述融合亮度图。
18.根据权利要求17所述的装置,还包括:
色调映射单元,用于将所述融合亮度图进行色调映射处理后与所述融合亮度图进行合成,生成所述对象的高动态范围图像。
19.根据权利要求13所述的装置,其中,亮度色度融合单元包括:
阈值比较模块,用于将所述第二色度图、所述第一色度差值图和所述第二色度差值图分别与预设的色度阈值做比较;
乘法处理模块,基于比较的结果,将所述第一去鬼影权值图与所述第一色度图相乘,或者将所述第二去鬼影权值图与所述第三色度图相乘,生成所述融合色度图。
20.根据权利要求11-16中任意一项所述的装置,还包括:
物理对齐单元,用于将所述至少三张原始图像进行物理对齐。
21.一种图像处理的装置,包括:
存储器,用于存放程序;
处理器,用于执行所述存储器存储的程序,所述程序使得所述处理器执行以下操作:
从针对同一对象的曝光度不同的至少三张原始图像中分离出分别与所述至少三张原始图像对应的至少三张亮度图和至少三张色度图;
基于所述至少三张亮度图和至少三张色度图计算包含有亮度信息和色度信息的第一综合差值图和第二综合差值图;
基于所述第一综合差值图和第二综合差值图,生成第一去鬼影权值图和第二去鬼影权值图;
基于所述第一去鬼影权值图和所述第二去鬼影权值图分别对所述至少三张亮度图和所述至少三张色度图进行融合,生成融合亮度图和融合色度图;以及
将所述融合亮度图和所述融合色度图进行合成,生成所述对象的高动态范围图像;
显示器,用于显示所述对象的高动态范围图像。
22.一种图像处理的系统,包括:
摄像装置;以及
如权利要求11至21中任意一项所述的图像处理的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610668765.1A CN106204513B (zh) | 2016-08-15 | 2016-08-15 | 图像处理的方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610668765.1A CN106204513B (zh) | 2016-08-15 | 2016-08-15 | 图像处理的方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106204513A true CN106204513A (zh) | 2016-12-07 |
CN106204513B CN106204513B (zh) | 2019-07-05 |
Family
ID=57522584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610668765.1A Active CN106204513B (zh) | 2016-08-15 | 2016-08-15 | 图像处理的方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106204513B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106920221A (zh) * | 2017-03-10 | 2017-07-04 | 重庆邮电大学 | 兼顾亮度分布和细节呈现的曝光融合方法 |
CN107798662A (zh) * | 2017-10-18 | 2018-03-13 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN108288253A (zh) * | 2018-01-08 | 2018-07-17 | 厦门美图之家科技有限公司 | Hdr图像生成方法及装置 |
CN109859142A (zh) * | 2019-02-19 | 2019-06-07 | 广州视源电子科技股份有限公司 | 图像亮度的调节方法、装置、计算机设备和存储介质 |
CN110351489A (zh) * | 2018-04-04 | 2019-10-18 | 展讯通信(天津)有限公司 | 生成hdr图像的方法、装置和移动终端 |
CN110728644A (zh) * | 2019-10-11 | 2020-01-24 | 厦门美图之家科技有限公司 | 图像生成方法、装置、电子设备和可读存储介质 |
CN111028192A (zh) * | 2019-12-18 | 2020-04-17 | 维沃移动通信(杭州)有限公司 | 一种图像合成方法及电子设备 |
CN112233032A (zh) * | 2020-10-15 | 2021-01-15 | 浙江大学 | 一种高动态范围图像鬼影消除的方法 |
CN112243091A (zh) * | 2020-10-16 | 2021-01-19 | 微创(上海)医疗机器人有限公司 | 三维内窥镜系统、控制方法和存储介质 |
CN112288642A (zh) * | 2020-09-21 | 2021-01-29 | 北京迈格威科技有限公司 | 鬼影检测方法、图像融合方法及对应装置 |
WO2021077963A1 (zh) * | 2019-10-25 | 2021-04-29 | 北京迈格威科技有限公司 | 图像融合的方法、装置、电子设备及可读存储介质 |
CN112837254A (zh) * | 2021-02-25 | 2021-05-25 | 普联技术有限公司 | 一种图像融合方法、装置、终端设备及存储介质 |
CN113132639A (zh) * | 2021-04-22 | 2021-07-16 | 亮风台(上海)信息科技有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110254976A1 (en) * | 2009-04-23 | 2011-10-20 | Haim Garten | Multiple exposure high dynamic range image capture |
CN102905058A (zh) * | 2011-07-28 | 2013-01-30 | 三星电子株式会社 | 产生去除了重影模糊的高动态范围图像的设备和方法 |
CN103069454A (zh) * | 2010-07-05 | 2013-04-24 | 苹果公司 | 高动态范围图像的捕捉和渲染 |
CN103973958A (zh) * | 2013-01-30 | 2014-08-06 | 阿里巴巴集团控股有限公司 | 图像处理方法及设备 |
CN104349066A (zh) * | 2013-07-31 | 2015-02-11 | 华为终端有限公司 | 一种生成高动态范围图像的方法、装置 |
US20150195441A1 (en) * | 2012-09-20 | 2015-07-09 | Huawei Technologies Co., Ltd. | Image Processing Method and Apparatus |
US20150350513A1 (en) * | 2014-05-30 | 2015-12-03 | Apple Inc. | Constant Bracket High Dynamic Range (cHDR) Operations |
CN105163047A (zh) * | 2015-09-15 | 2015-12-16 | 厦门美图之家科技有限公司 | 一种基于色彩空间转换的hdr图像生成方法、系统及拍摄终端 |
-
2016
- 2016-08-15 CN CN201610668765.1A patent/CN106204513B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110254976A1 (en) * | 2009-04-23 | 2011-10-20 | Haim Garten | Multiple exposure high dynamic range image capture |
CN103069454A (zh) * | 2010-07-05 | 2013-04-24 | 苹果公司 | 高动态范围图像的捕捉和渲染 |
CN102905058A (zh) * | 2011-07-28 | 2013-01-30 | 三星电子株式会社 | 产生去除了重影模糊的高动态范围图像的设备和方法 |
US20150195441A1 (en) * | 2012-09-20 | 2015-07-09 | Huawei Technologies Co., Ltd. | Image Processing Method and Apparatus |
CN103973958A (zh) * | 2013-01-30 | 2014-08-06 | 阿里巴巴集团控股有限公司 | 图像处理方法及设备 |
CN104349066A (zh) * | 2013-07-31 | 2015-02-11 | 华为终端有限公司 | 一种生成高动态范围图像的方法、装置 |
US20150350513A1 (en) * | 2014-05-30 | 2015-12-03 | Apple Inc. | Constant Bracket High Dynamic Range (cHDR) Operations |
CN105163047A (zh) * | 2015-09-15 | 2015-12-16 | 厦门美图之家科技有限公司 | 一种基于色彩空间转换的hdr图像生成方法、系统及拍摄终端 |
Non-Patent Citations (6)
Title |
---|
D.-K. LEE 等: "IMPROVED HISTOGRAM BASED GHOST REMOVAL IN EXPOSURE FUSION FOR HIGH DYNAMIC RANGE IMAGES", 《2011 IEEE 15TH INTERNATIONAL SYMPOSIUM ON CONSUMER ELECTRONICS》 * |
TAE-HONG MIN 等: "HISTOGRAM BASED GHOST REMOVAL IN HIGH DYNAMIC RANGE IMAGES", 《ICME 2009》 * |
TAKAO JINNO 等: "Multiple Exposure Fusion for High Dynamic Range Image Acquisition", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
YOUNG-SU. MOON 等: "A Simple Ghost-Free Exposure Fusion for Embedded HDR Imaging", 《2012 IEEE INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS(ICCE)》 * |
张梦迪: "高动态范围图像(HDRI)中鬼影去除的技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》 * |
王春萌: "多曝光图像融合关键技术的研究", 《中国博士学位论文全文数据库 信息科技辑(月刊)》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106920221A (zh) * | 2017-03-10 | 2017-07-04 | 重庆邮电大学 | 兼顾亮度分布和细节呈现的曝光融合方法 |
CN107798662A (zh) * | 2017-10-18 | 2018-03-13 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN107798662B (zh) * | 2017-10-18 | 2020-04-07 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN108288253A (zh) * | 2018-01-08 | 2018-07-17 | 厦门美图之家科技有限公司 | Hdr图像生成方法及装置 |
CN110351489A (zh) * | 2018-04-04 | 2019-10-18 | 展讯通信(天津)有限公司 | 生成hdr图像的方法、装置和移动终端 |
CN109859142A (zh) * | 2019-02-19 | 2019-06-07 | 广州视源电子科技股份有限公司 | 图像亮度的调节方法、装置、计算机设备和存储介质 |
CN110728644B (zh) * | 2019-10-11 | 2022-06-21 | 厦门美图之家科技有限公司 | 图像生成方法、装置、电子设备和可读存储介质 |
CN110728644A (zh) * | 2019-10-11 | 2020-01-24 | 厦门美图之家科技有限公司 | 图像生成方法、装置、电子设备和可读存储介质 |
WO2021077963A1 (zh) * | 2019-10-25 | 2021-04-29 | 北京迈格威科技有限公司 | 图像融合的方法、装置、电子设备及可读存储介质 |
CN111028192A (zh) * | 2019-12-18 | 2020-04-17 | 维沃移动通信(杭州)有限公司 | 一种图像合成方法及电子设备 |
CN111028192B (zh) * | 2019-12-18 | 2023-08-08 | 维沃移动通信(杭州)有限公司 | 一种图像合成方法及电子设备 |
CN112288642A (zh) * | 2020-09-21 | 2021-01-29 | 北京迈格威科技有限公司 | 鬼影检测方法、图像融合方法及对应装置 |
CN112233032A (zh) * | 2020-10-15 | 2021-01-15 | 浙江大学 | 一种高动态范围图像鬼影消除的方法 |
CN112233032B (zh) * | 2020-10-15 | 2022-04-26 | 浙江大学 | 一种高动态范围图像鬼影消除的方法 |
CN112243091B (zh) * | 2020-10-16 | 2022-12-16 | 上海微创医疗机器人(集团)股份有限公司 | 三维内窥镜系统、控制方法和存储介质 |
CN112243091A (zh) * | 2020-10-16 | 2021-01-19 | 微创(上海)医疗机器人有限公司 | 三维内窥镜系统、控制方法和存储介质 |
CN112837254A (zh) * | 2021-02-25 | 2021-05-25 | 普联技术有限公司 | 一种图像融合方法、装置、终端设备及存储介质 |
CN113132639A (zh) * | 2021-04-22 | 2021-07-16 | 亮风台(上海)信息科技有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
CN113132639B (zh) * | 2021-04-22 | 2023-02-03 | 亮风台(上海)信息科技有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106204513B (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106204513A (zh) | 图像处理的方法、装置和系统 | |
US20200134787A1 (en) | Image processing apparatus and method | |
CN109792485A (zh) | 用于融合图像的系统及方法 | |
US7986834B2 (en) | Method and apparatus for color image correction | |
AU2013206601A1 (en) | Variable blend width compositing | |
CN109040603A (zh) | 高动态范围图像获取方法、装置及移动终端 | |
CN109151329A (zh) | 拍照方法、装置、终端及计算机可读存储介质 | |
CN105163047A (zh) | 一种基于色彩空间转换的hdr图像生成方法、系统及拍摄终端 | |
CN111131688B (zh) | 一种图像处理方法、装置及移动终端 | |
CN110047122A (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
Celebi et al. | Fuzzy fusion based high dynamic range imaging using adaptive histogram separation | |
JP2023538020A (ja) | オブジェクトカテゴリー分類に基づく画像処理 | |
KR20090007398A (ko) | 업-스케일링 | |
JP2016529747A (ja) | ビデオシーケンスをトーンマッピングする方法 | |
CN109005367A (zh) | 一种高动态范围图像的生成方法、移动终端及存储介质 | |
CN112767281A (zh) | 图像鬼影消除方法、装置、电子设备及存储介质 | |
Zhao et al. | D2hnet: Joint denoising and deblurring with hierarchical network for robust night image restoration | |
CN110717864A (zh) | 一种图像增强方法、装置、终端设备及计算机可读介质 | |
CN110838088B (zh) | 一种基于深度学习的多帧降噪方法、装置及终端设备 | |
CN112508820A (zh) | 图像处理方法、装置及电子设备 | |
CN112700385A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111917986A (zh) | 图像处理方法及其介质和电子设备 | |
CN110555799A (zh) | 用于处理视频的方法和装置 | |
US20220398704A1 (en) | Intelligent Portrait Photography Enhancement System | |
CN113256785B (zh) | 图像处理方法、装置、设备及介质 |
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 |