CN106886386A - 从低动态图像生成高动态图像的方法 - Google Patents

从低动态图像生成高动态图像的方法 Download PDF

Info

Publication number
CN106886386A
CN106886386A CN201710057890.3A CN201710057890A CN106886386A CN 106886386 A CN106886386 A CN 106886386A CN 201710057890 A CN201710057890 A CN 201710057890A CN 106886386 A CN106886386 A CN 106886386A
Authority
CN
China
Prior art keywords
image
gtg
template
enhancing
gamma
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
Application number
CN201710057890.3A
Other languages
English (en)
Other versions
CN106886386B (zh
Inventor
孟国庆
汤峰峰
章勇
曹李军
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.)
Suzhou Keda Technology Co Ltd
Original Assignee
Suzhou Keda Technology Co Ltd
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 Suzhou Keda Technology Co Ltd filed Critical Suzhou Keda Technology Co Ltd
Priority to CN201710057890.3A priority Critical patent/CN106886386B/zh
Publication of CN106886386A publication Critical patent/CN106886386A/zh
Priority to EP17893448.5A priority patent/EP3572928B1/en
Priority to PCT/CN2017/117165 priority patent/WO2018133609A1/zh
Application granted granted Critical
Publication of CN106886386B publication Critical patent/CN106886386B/zh
Priority to US16/519,575 priority patent/US11379959B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G06T5/92—
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
    • G09G3/20—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G06F3/147—Digital output to display device ; Cooperation and interconnection of the display device with other functional units using display panels
    • 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 by the use of local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20208—High dynamic range [HDR] image processing
    • 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
    • G09G2320/02—Improving the quality of display appearance
    • G09G2320/0271—Adjustment of the gradation levels within the range of the gradation scale, e.g. by redistribution or clipping
    • 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
    • G09G2320/066—Adjustment of display parameters for control of contrast
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2360/00—Aspects of the architecture of display systems
    • G09G2360/16—Calculation or use of calculated indices related to luminance levels in display data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明提供了一种从低动态图像生成高动态图像的方法，其中包括对待处理低动态图像根据预设映射关系进行灰阶调整，得到灰阶调整后图像，所述灰阶调整包括反伽马校正和灰阶值抬升；在所述灰阶调整后图像中确定多个饱和区域；对所述灰阶调整后图像中的饱和区域进行灰阶增强，得到目标高动态图像；输出所述目标高动态图像。本发明提供了一种生成高动态图像的技术方案，通过反伽马校正将图像的灰阶值进行修正，可以直接显示修正后的图像；通过对比度拉伸可以提高图像的亮度，并改善图像在反伽马映射中造成的块现象；对灰阶值高于预设饱和阈值的饱和区域进行平滑增强，从而使得图像的饱和区域得到增强，提高图像显示质量并减少图像信息损失。

Description

从低动态图像生成高动态图像的方法
技术领域
本发明涉及图像处理技术领域，尤其涉及一种提高图像亮度并使饱和区域得到增强的从低动态图像生成高动态图像的方法。
背景技术
数字图像通常用矩阵表示，包括图像的行、列和像素值，行和列的乘积为图像的分辨率，矩阵的行列坐标对应一个像素点的像素值。像素值的大小与对亮度的量化有关，量化值称为灰阶。
在实际使用中，数字成像系统使用许多二进制位对给定像素的每个色模型值编码，用于每个色模型值的位的数目可称为该色模型值的色深。图像一般量化范围为0～28-1，或者说色深为8bit(比特)，0对应黑，255对应白。例如，一幅RGB图像，三个通道R、G、B的像素值范围取值都有28个灰阶，那么它可以表示的最大颜色数量为28×28×28＝224。这些图像可称为低动态(LDR)图像。此类图像不能记录场景中真实的亮度，只是记录编码过的有限的阶调关系。
随着数字成像系统的发展，高于8bit色深的显示系统越来越多，常见的专业显示器采用原生10bit面板，可以到10bit以上的色深。特别是应用广泛且具有高亮度的LED显示屏，其色深可达到16bit以上。这样的图像可称为高动态(HDR)图像。高动态图像的动态范围一般超过1000:1，比低动态范围图像更加真实，显示效果更好，因此近年来得到了越来越多的广泛应用。
此外，当数字模型中的像素值达到最大灰阶值时，此像素达到饱和。例如在8bit的LDR图像中，当灰阶值等于255时，其达到饱和。造成饱和的原因主要是光源或者反光等的存在。图像的饱和会造成图像信息的损失。因此，需要提出一种方法，将低动态图像生成色深位数更多的高动态图像，并最大程度地保留原图像的信息。
发明内容
针对现有技术中的问题，本发明的目的在于提供一种从低动态图像生成高动态图像的方法，可以提高图像的亮度，改善图像在反伽马映射中造成的块现象，使图像的饱和区域得到增强。
本发明实施例提供一种从低动态图像生成高动态图像的方法，包括如下步骤：
对待处理低动态图像根据预设映射关系进行灰阶调整，得到灰阶调整后图像，所述灰阶调整包括反伽马校正和灰阶值抬升；
在灰阶调整后图像中确定多个饱和区域，所述饱和区域中像素点的灰阶值大于预设高动态饱和阈值；
对所述灰阶调整后图像中的饱和区域进行灰阶增强，得到目标高动态图像；
输出所述目标高动态图像。
优选地，根据如下公式进行灰阶调整：
其中，C(i)为灰阶调整后图像中各个像素点的灰阶值，i为所述待处理低动态图像中各个像素点的灰阶值，且i∈[0,255]；
m为所述待处理低动态图像的灰阶级数，n为灰阶调整后图像的灰阶级数，且m≤n；
γ为预设伽马值。
优选地，根据如下公式进行灰阶调整：
其中，C(i)为灰阶调整后图像中各个像素点的灰阶值，i为所述待处理低动态图像中各个像素点的灰阶值，且i∈[0,255]；
m为所述待处理低动态图像的灰阶级数，n为灰阶调整后图像的灰阶级数，且m≤n；
γ为预设伽马值。
优选地，根据如下公式进行灰阶调整：
其中，C(i)为灰阶调整后图像中各个像素点的灰阶值，i为所述待处理低动态图像中各个像素点的灰阶值，且i∈[0,255]；
m为所述待处理低动态图像的灰阶级数，n为灰阶调整后图像的灰阶级数，且m≤n；
γ为预设伽马值。
优选地，所述灰阶调整还包括灰阶压缩，根据如下公式进行灰阶调整：
其中，C(i)为灰阶调整后图像中各个像素点的灰阶值，i为所述待处理低动态图像中各个像素点的灰阶值，且i∈[0,255]；
m为所述待处理低动态图像的灰阶级数，n为灰阶调整后图像的灰阶级数，且m≤n；
γ为预设伽马值，β为预设压缩系数，且0<β≤1。
优选地，所述灰阶调整还包括灰阶压缩，根据如下公式进行灰阶调整：
其中，C(i)为灰阶调整后图像中各个像素点的灰阶值，i为所述待处理低动态图像中各个像素点的灰阶值，且i∈[0,255]；
m为所述待处理低动态图像的灰阶级数，n为灰阶调整后图像的灰阶级数，且m≤n；
γ为预设伽马值，β为预设压缩系数，且0<β≤1。
优选地，所述灰阶增强包括如下步骤：
生成平滑增强模板；
根据所述平滑增强模板生成灰阶增强模板；
采用所述灰阶增强模板，将所述灰阶调整后图像中的饱和区域的灰阶值从(THDR,Value1)范围增强至(THDR,Value)范围，得到目标高动态图像；
其中，THDR为所述高动态饱和阈值，Value1为所述灰阶调整后图像中的最大灰阶值，Value为目标高动态图像的最大灰阶值。
优选地，所述生成平滑增强模板，包括如下步骤：
以所述预设高动态饱和阈值，对所述灰阶调整后图像进行二值分割，得到所对应的二进制图像；
根据所述二进制图像生成高斯金字塔，定义平滑增强模板等于所述高斯金字塔；
对所述平滑增强模板进行多次高斯模糊，输出所述平滑增强模板。
优选地，对所述平滑增强模板进行多次高斯模糊，包括如下步骤：
令i＝k，对所述平滑增强模板进行高斯模糊；
每次高斯模糊后将i本身减去数值1；
如果i>0，则对所述平滑增强模板进行上采样，然后重复对所述平滑增强模板进行高斯模糊；
如果i≤0，则输出所述平滑增强模板。
优选地，所述灰阶增强还包括生成边缘增强模板的步骤，且根据所述平滑增强模板和所述边缘增强模板生成所述灰阶增强模板。
优选地，所述生成边缘增强模板，包括如下步骤：
根据所述高斯金字塔在各个所述饱和区域中选取种子点；
以所述种子点在所述平滑增强后图像中进行漫水填充并计算边缘停止模板；
对所述边缘停止模板进行金字塔下采样；
令边缘增强模板等于所述高斯金字塔，对所述边缘增强模板进行多次膨胀和开运算，输出所述边缘增强模板。
优选地，对所述边缘增强模板进行多次膨胀和开运算，包括如下步骤：
令i＝k，对所述边缘增强模板进行膨胀；
根据如下公式对所述边缘增强模板进行更新：
s_mask＝e_mask&s_mask；
其中，s_mask为所述边缘增强模板，e_mask为所述边缘停止模板；
对所述边缘增强模板进行开运算；
每次开运算后将i本身减去数值1；
如果i>0，则对所述边缘增强模板进行上采样，然后重复进行膨胀；
如果i≤0，则输出所述边缘增强模板。
优选地，所述生成灰阶增强模板，包括如下步骤：
根据如下公式生成所述灰阶增强模板：
mask＝b_mask*s_mask；
其中，mask为所述灰阶增强模板，b_mask为所述平滑增强模板，s_mask为所述边缘增强模板；
将所述灰阶增强模板归一化到[1,α]，其中α＝1/β，β为预设压缩系数；
输出所述灰阶增强模板。
本发明所提供的从低动态图像生成高动态图像的方法具有下列优点：
本发明提供了一种从低动态图像生成高动态图像的技术方案，通过反伽马校正将图像的灰阶值进行修正，可以直接显示修正后的图像；通过对比度拉伸可以提高图像的亮度，并改善图像在反伽马映射中造成的块现象；灰阶值高于预设饱和阈值的区域进行平滑增强，从而使得图像的饱和区域得到增强，提高图像显示质量并减少图像信息损失。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。
图1是本发明的从低动态图像生成高动态图像的方法的流程图；
图2是本发明一实施例的从低动态图像生成高动态图像的方法的流程图；
图3是本发明一实施例的反伽马校正的灰阶值对比曲线图；
图4是本发明一实施例的灰阶调整和灰阶增强的灰阶值对比曲线图；
图5是图4中R处放大图；
图6是本发明一实施例的灰阶增强时增益的变化曲线图；
图7是本发明一实施例的平滑增强的流程图；
图8是本发明一实施例的边缘增强的流程图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，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将全面和完整，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。在图中相同的附图标记表示相同或类似的结构，因而将省略对它们的重复描述。
为了适应大多数显示设备，在前端的低动态图像和视频源一般是进行过伽马(γ)校正的。而LED(发光二极管)显示屏的传输特性基本上是线性的。所以，要进行反伽马校正将数据修正回来。这样不需要去调节LED显示屏的伽马特性，直接就可以显示修正后的图像。同时，为了在高动态图像在LED显示屏上对低动态图像和视频有更好的兼容性和显示效果，本发明提出一种将传统低动态图像和视频转换为高动态图像和视频的方法。
如图1所示，本发明实施例提供一种从低动态图像生成高动态图像的方法，所述方法包括如下步骤：
S100：对待处理低动态图像根据预设映射关系进行灰阶调整，得到灰阶调整后图像，所述灰阶调整包括反伽马校正和灰阶值抬升；
此处灰阶调整是对整个待处理低动态图像进行的灰阶调整；
S200：在灰阶调整后图像中确定多个饱和区域，所述饱和区域中像素点的灰阶值均大于预设高动态饱和阈值；
通过此步骤，将灰阶调整后图像分为两大部分，一部分是初始灰阶值小于预设饱和阈值的低灰阶区域，一部分是初始灰阶值大于等于预设饱和阈值的饱和区域；
S300：对所述灰阶调整后图像中的饱和区域进行灰阶增强，得到目标高动态图像；
在灰阶调整后，再对饱和区域单独进行灰阶增强，即提高饱和区域部分的亮度值，增强其显示效果；
S400：输出所述目标高动态图像。
本发明一实施例的设计思路是在低动态图像映射到高动态图像的过程中，在其低灰阶区域和饱和区域分别处理。以减少图像信息损失，并提高图像显示质量。所述饱和区域和低灰阶区域的区分界限在预设高动态饱和阈值THDR。此高动态保护阈值THDR的确定可以通过预设饱和阈值T来映射得到。预设饱和阈值T是指在待处理低动态图像中的低灰阶区域和饱和区域的分界点。待处理低动态图像进行灰阶调整后，预设饱和阈值T相应映射为预设高动态饱和阈值THDR。而预设饱和阈值T的选取一般是根据多次实验选择的经验值。
如图2所示，本发明方法由灰阶调整和亮度增强两部分组成。灰阶调整是把图像的非线性亮度映射成线性的，即所述对比度拉伸，具体包括反伽马映射和灰阶值抬升。亮度增强用于图像中饱和区域的平滑和亮度增强，即所述饱和区域的灰阶增强。
反伽马映射，是与伽马变换具有相同的实现模型，只是伽马的输入参数不同，使映射曲线发生改变，从而使输出的结果具有不一样的效果。伽马校正补偿了不同输出设备存在的颜色显示差异，从而使图像在不同的监视器上呈现出相同的效果。
LED显示屏的传输特性基本上是线性的，由于前端的视频一般是进行伽马校正过的，因此要进行反伽马校正将数据修正回来。典型的可以通过显示查找表(LUT，look uptable)来实现数据的修正，这在FPGA(Field－Programmable Gate Array，现场可编程门阵列)利用ROM(只读存储器)能完美实现。为了适应不同的特性和工作环境以及观看爱好，可以选择不同的伽马值，例如2.2～2.8，制作多个显示查找表，做成多条曲线，由用户自行选择。
当伽马值γ增大，画面对比度提高，层次清晰的同时，将会降低对比度的级数，比如γ＝2.8的时候，256级灰度只有180级别，这将会降低视频显示的能力。因此反伽马校正的同时，通常要提高显示查找表的输出位数，使得输入级数不变的情况下，可以获得更高的灰度表现能力和更多的色彩标下能力。因此优选根据如下公式进行灰阶调整：
其中，C(i)为灰阶调整后图像中各个像素点的灰阶值，i为所述待处理低动态图像中各个像素点的灰阶值，即显示查找表中的地址，且i∈[0,255]，即LUT(i)∈[0,2n-1]；m为所述待处理低动态图像的灰阶级数，n为灰阶调整后图像的灰阶级数，且m≤n；γ为预设伽马值。
反伽马映射后，图像在低灰阶区域会出现暗区层次感丢失、色块化明显的现象，所以通过对低灰阶区域的映射抬升，能够有效的改善效果。在低灰阶区域有线性抬升和非线性抬升两种处理方式。线性抬升就是在某一像素值以下，采用线性映射；非线性抬升就是在原曲线与线性映射曲线的平均值。公式如式(2-1)、(3-1)所示。
采用线性抬升时，根据如下公式进行灰阶调整：
采用非线性抬升时，根据如下公式进行灰阶调整：
进一步地，为了后期饱和区域的灰阶增强处理，即突出饱和区域的亮度值。在反伽马校正和灰阶值抬升后，还需要进行灰阶值压缩的步骤。即所述灰阶调整包括反伽马校正、灰阶值抬升和灰阶值压缩三个步骤。在该实施例中采用预设压缩系数β进行灰阶值压缩，其中0<β≤1，当β＝1时，即表示不压缩。
具体地，上述公式(1-1)、(2-1)、(3-1)转化成如下公式(1)、(2)和(3)。
具有低灰阶区域线性抬升的灰阶调整公式：
具有低灰阶区域非线性抬升的灰阶调整公式：
如图3所示，为采用上述公式(1)、(2)和(3)后校正的曲线示意图。在图3中，横坐标表示低动态图像的灰阶值，纵坐标表示灰阶调整后图像的灰阶值，A1曲线段为采用上述公式(1)进行灰阶调整的灰阶值对应曲线，A2为采用如下公式(2)线性抬升后的灰阶值对应线性段，A3为采用如下公式(3)非线性抬升后的灰阶值对应曲线段。其中，k值就是进行线性抬升或非线性抬升时，抬升区域与非抬升区域部分的分界点与(0,0)点连线的斜率值。
从图3中可以看出，采用公式(2)或公式(3)进行抬升后，相对于仅采用公式(1)的方式，可以将低灰阶区域的灰阶值进行有效抬升，避免因为亮度过低而损失图像有效信息，提高了图像的显示效果。
图2和图3中示出的仅为本发明一实施例所采用的灰阶调整的优选实施方式。首先采用反伽马校正对待处理低动态图像的灰阶值进行校正，然后对低灰阶区域的灰阶值进行线形抬升或非线性抬升，最大程度保留低灰阶区域的图像信息，改善图像在反伽马映射中造成块现象。
在实际应用中，也可以采用其他方式的反伽马校正和灰阶值抬升，将低动态图像的灰阶值范围上升到高动态图像的灰阶值的范围之内，也可以实现本发明的低动态图像转换成高动态图像的目的，均属于本发明的保护范围之内。
进一步地，该实施例中，所述饱和区域的灰阶增强包括如下步骤：
生成平滑增强模板；
根据所述平滑增强模板生成灰阶增强模板；
采用所述灰阶增强模板，将所述灰阶调整后图像中的饱和区域的灰阶值从(THDR,Value1)范围增强至(THDR,Value)范围，得到目标高动态图像；
其中，THDR为所述高动态饱和阈值，Value1为所述灰阶调整后图像中的最大灰阶值，Value为目标高动态图像的最大灰阶值。
由于本实施例中在灰阶增强之前，采用预设压缩系数β进行灰阶值压缩，因此Value1实际上为β*Value。
值得注意的是，在该实施例中，只进行了反伽马校正和灰阶值抬升时，图像中最大灰阶值已经达到了高动态图像允许的最大灰阶值；为了进一步进行饱和区域的平滑增强，则需要将整体图像的灰阶值进行一个压缩。然而，在实际应用中，还存在整体图像较暗的情况，即在灰阶值抬升后，图像中最大灰阶值仍未达到高动态图像允许的最大灰阶值，那么在这种情况下，即使不进行灰阶值压缩也是可以的，仍然可以进行一定范围内的饱和区域的平滑增强，也属于本发明的保护范围之内。
如图4所示，为采用反伽马校正和灰阶值抬升、灰阶值压缩和灰阶增强的对应灰阶示意图。其中，横坐标表示低动态图像的灰阶值，纵坐标表示目标高动态图像的灰阶值。曲线段B1表示反伽马校正和灰阶值抬升后的图像的灰阶变化曲线，曲线段B2表示灰阶值压缩的图像的灰阶变化曲线，曲线段B3表示在饱和区域中灰阶增强的灰阶曲线。
与图4相对应的，该实施例中低动态图像的处理包括如下三个过程：
(1)曲线B1：反伽马校正和灰阶值抬升，完成从低动态图像的灰阶值到高动态图像的灰阶值的映射；
仅采用曲线B1的方式时，虽然也可以实现低动态图像到高动态图像的转变，但是在饱和区域部分(饱和区域在处理前的灰阶值为(T,255)，在灰阶值抬升后的灰阶值为(THDR,Value))，其灰阶值相对于低灰阶区域部分并不突出，因此需要进一步增强饱和区域和低灰阶区域之间的灰阶值差，使其对比更鲜明，图像显示效果更好。但是由于在该实施例中，抬升后的灰阶值已经达到了高动态图像的最大灰阶值，如果要直接增强饱和区域的灰阶值，则无法继续进行灰阶增强，因此需要进行灰阶值压缩；
(2)曲线B1到曲线B2：灰阶值压缩，将曲线B1经过预设压缩系数的压缩得到，在进行灰阶值压缩后，饱和区域部分的灰阶值从(THDR,Value)变成(THDR,β*Value)，由于0<β≤1，即有了进一步提升的空间；
(3)曲线B2到曲线B3：饱和区域的平滑增强，即如上所述，将所述灰阶调整后图像中的饱和区域的灰阶值从(THDR,Value1)范围平滑增强至(THDR,Value)范围，得到平滑增强后图像。
如图5所示，为了在从曲线B2到曲线B3的过程中有平滑过渡，还可以进一步增加图5中的曲线B4，而避免在曲线B2和曲线B3交叉处的直接转折，使图像过渡更加自然，显示效果更好。
另外，在对饱和区域进行平滑增强的过程中，如果只用一个全局函数扩展动态范围，会带来量化问题，即两个亮度级存在显著差异；所以需要亮度增强算法来使它衰减。过于饱和的区域，会丢失过多的细节。饱和区域的亮度增强可以增加细节的对比度。饱和区域的增强是一个中间大，向四周逐渐变小的增益模板。如图6所示，为灰阶增强时增益的变化曲线图。
如图7所示，在该实施例中，生成所述平滑增强模板包括如下步骤：
首先输入所述灰阶调整后图像；
以所述预设高动态饱和阈值THDR进行二值分割，得到所对应的二进制图像binary；
以所述二进制图像binary生成高斯金字塔bin[i](i≤k)(3×3)；
令i＝k，定义平滑增强模板等于所述高斯金字塔，即b_mask＝bin[i]；
对所述平滑增强模板b_mask进行多次高斯模糊，输出所述平滑增强模板b_mask。
具体地，对所述平滑增强模板b_mask进行多次高斯模糊，包括如下步骤：
对所述平滑增强模板b_mask进行3×3高斯模糊；
i--，即每次高斯模糊后将i本身减去数值1；
判断i是否大于零值；
如果i>0，则对所述平滑增强模板b_mask进行上采样，然后重复对所述平滑增强模板进行高斯模糊，此处对所述平滑增强模板b_mask进行上采样，一般采用隔行采样；
如果i≤0，则输出所述平滑增强模板b_mask。
所述平滑增强模板b_mask即为能够使得所述灰阶调整后图像的保护区域得到平滑增强的增益值的模板，即所述平滑增强模板为一与所述灰阶调整后图像具有相同像素个数的模板，且各个像素点的值为该像素点对应的平滑增强的增益值，用此平滑增强模板去处理灰阶调整后图像，即可以得到平滑增强的图像。
进一步地，饱和区域的灰阶增强除了包括饱和区域的平滑增强之外，还包括饱和区域的边缘检测和边缘增强。前者是要在饱和区域构造出渐变的增益模板；后者是要使饱和区域内部或周围的边缘保留下来(边缘增强)。
因此，所述灰阶增强还包括生成边缘增强模板的步骤，且所述灰阶增强模板是由所述平滑增强模板和所述边缘增强模板配合生成的。
如图8所示，所述边缘增强模板的生成包括如下步骤：
输入平滑增强后图像；
根据所述高斯金字塔bin[i]在各个所述饱和区域中选取种子点seeds；
以所述种子点seeds在所述平滑增强后图像中进行漫水填充并计算边缘停止模板e_mask；
对所述边缘停止模板e_mask进行金字塔下采样，得到e_mask[i](i≤k)；
令边缘增强模板s_mask等于所述高斯金字塔bin[i]，对所述边缘增强模板s_mask进行多次膨胀和开运算，输出所述边缘增强模板s_mask。
进一步地，对所述边缘增强模板进行多次膨胀和开运算，包括如下步骤：
令i＝k，对所述边缘增强模板s_mask进行3×3膨胀；
根据如下公式对所述边缘增强模板进行更新：
s_mask＝e_mask&s_mask；
对所述边缘增强模板s_mask进行开运算；
i--，即每次开运算后将i本身减去数值1；
如果i>0，则对所述边缘增强模板s_mask进行上采样，然后重复进行膨胀；
如果i≤0，则输出所述边缘增强模板s_mask。
所述上采样和下采样一般采用隔行采样。
其中，种子点的选取，需要保证每个饱和区域都选取一个点。具体选取方式可以是：先将二值图像向x轴投影，统计一饱和区域中亮点个数，找该饱和区域中亮度值最大的一个点，记录其x坐标，然后向y方向投影，在y方向进行搜索，找该饱和区域中亮度最大的点，记录其y坐标。此处仅为种子点选取的一种方法，在实际应用中，还可以采用现有技术中作为漫水填充的种子点的其他选取方式，均属于本发明的保护范围之内。所述边缘停止模板的计算也可以采用现有技术中的边缘停止模板计算方法。
所述边缘停止模板可以采用如下方式计算：
首先计算图像的梯度边缘gradbin，再二值分割所述灰阶图，得到graybin(此处二值分割的阈值小于所述预设高动态饱和阈值)，最后，gradbin和graybin融合得到边缘edge，令e_mask＝edge。
膨胀和开运算为数字图像处理过程中数学形态学的方法，具体地，膨胀是指将图像与内核3×3卷积；开运算是指先对图像进行腐蚀再对图像进行膨胀，腐蚀是指将内核3×3划过图像，提取内核3×3覆盖最小像素值，代替锚点位置。
同样地，所述边缘增强模板也是一个与所述灰阶调整后图像具有相同像素点个数的图像，其中各个像素点的值等于边缘增强所对应的增益值，用边缘增强模板处理图像即可以得到边缘增强的效果。
进一步地，饱和区域的灰阶增强模板的生成包括如下步骤：
根据如下公式计算灰阶增强模板：mask＝b_mask*s_mask；
将所述灰阶增强模板mask归一化到[1,α]，其中α＝1/β，α为显示器最大亮度值与当前图像设置的预设饱和阈值的比值；
输出所述灰阶增强模板。
最后，可以采用归一化后的所述灰阶增强模板对所述灰阶调整后图像进行处理，则可以对所述灰阶调整后图像进行平滑增强和边缘增强；通过采用饱和区域的平滑增强和边缘检测，使得图像的饱和区域的灰阶值得到增强，同时使得饱和区域内部或周围的边缘保留下来，在提高显示效果的同时，保留原图像最多信息。
图7和图8中仅为一种平滑增强和边缘增强的优选的实施方式。在实际应用中，也可以采用其他方法，对饱和区域的灰阶值进行增强，并对边缘进行检测和增强，均属于本发明的保护范围之内。归一化的采用可以使得灰阶增强更为简便，但实际应用中也可以不采用归一化，或采用其他归一化参数，均属于本发明的保护范围之内。
本发明所提供的从低动态图像生成高动态图像的方法具有下列优点：
本发明提供了一种从低动态图像生成高动态图像的技术方案，通过反伽马校正将图像的灰阶值进行修正，可以直接显示修正后的图像；通过对比度拉伸可以提高图像的亮度，并改善图像在反伽马映射中造成的块现象；灰阶值高于预设饱和阈值的区域进行平滑增强，从而使得图像的饱和区域得到增强，提高图像显示质量并减少图像信息损失。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (13)

1.一种从低动态图像生成高动态图像的方法，其特征在于，包括如下步骤：
对待处理低动态图像根据预设映射关系进行灰阶调整，得到灰阶调整后图像，所述灰阶调整包括反伽马校正和灰阶值抬升；
在灰阶调整后图像中确定多个饱和区域，所述饱和区域中像素点的灰阶值大于预设高动态饱和阈值；
对所述灰阶调整后图像中的饱和区域进行灰阶增强，得到目标高动态图像；
输出所述目标高动态图像。
2.根据权利要求1所述的从低动态图像生成高动态图像的方法，其特征在于，根据如下公式进行灰阶调整：
C ( i ) = ( 2 n - 1 ) &lsqb; i 2 m - 1 &rsqb; 1 &gamma; ;
其中，C(i)为灰阶调整后图像中各个像素点的灰阶值，i为所述待处理低动态图像中各个像素点的灰阶值，且i∈[0,255]；
m为所述待处理低动态图像的灰阶级数，n为灰阶调整后图像的灰阶级数，且m≤n；
γ为预设伽马值。
3.根据权利要求1所述的从低动态图像生成高动态图像的方法，其特征在于，根据如下公式进行灰阶调整：
C ( i ) = ( 2 n - 1 ) &lsqb; i 2 m - 1 &rsqb; 1 &gamma; , i &GreaterEqual; &gamma; 8 2 n k &CenterDot; i , i < &gamma; 8 2 n ;
k = C ( &gamma; 8 2 n ) &gamma; 8 2 n ;
其中，C(i)为灰阶调整后图像中各个像素点的灰阶值，i为所述待处理低动态图像中各个像素点的灰阶值，且i∈[0,255]；
m为所述待处理低动态图像的灰阶级数，n为灰阶调整后图像的灰阶级数，且m≤n；
γ为预设伽马值。
4.根据权利要求1所述的从低动态图像生成高动态图像的方法，其特征在于，根据如下公式进行灰阶调整：
C ( i ) = ( 2 n - 1 ) &lsqb; i 2 m - 1 &rsqb; 1 &gamma; , i &GreaterEqual; &gamma; 8 2 n ( k &CenterDot; i + ( 2 n - 1 ) &lsqb; i 2 m - 1 &rsqb; 1 r ) / 2 , i < &gamma; 8 2 n ;
k = C ( &gamma; 8 2 n ) &gamma; 8 2 n ;
其中，C(i)为灰阶调整后图像中各个像素点的灰阶值，i为所述待处理低动态图像中各个像素点的灰阶值，且i∈[0,255]；
m为所述待处理低动态图像的灰阶级数，n为灰阶调整后图像的灰阶级数，且m≤n；
γ为预设伽马值。
5.根据权利要求1所述的从低动态图像生成高动态图像的方法，其特征在于，所述灰阶调整还包括灰阶压缩，根据如下公式进行灰阶调整：
C ( i ) = &beta; &CenterDot; ( 2 n - 1 ) &lsqb; i 2 m - 1 &rsqb; 1 &gamma; , i &GreaterEqual; &gamma; 8 2 n &beta; &CenterDot; k &CenterDot; i , i < &gamma; 8 2 n ;
k = C ( &gamma; 8 2 n ) &gamma; 8 2 n ;
其中，C(i)为灰阶调整后图像中各个像素点的灰阶值，i为所述待处理低动态图像中各个像素点的灰阶值，且i∈[0,255]；
m为所述待处理低动态图像的灰阶级数，n为灰阶调整后图像的灰阶级数，且m≤n；
γ为预设伽马值，β为预设压缩系数，且0<β≤1。
6.根据权利要求1所述的低动态图像生成高动态图像的方法，其特征在于，所述灰阶调整还包括灰阶压缩，根据如下公式进行灰阶调整：
C ( i ) = &beta; &CenterDot; ( 2 n - 1 ) &lsqb; i 2 m - 1 &rsqb; 1 &gamma; , i &GreaterEqual; &gamma; 8 2 n &beta; &CenterDot; ( k &CenterDot; i + ( 2 n - 1 ) &lsqb; i 2 m - 1 &rsqb; 1 r ) / 2 , i < &gamma; 8 2 n ;
k = C ( &gamma; 8 2 n ) &gamma; 8 2 n ;
其中，C(i)为灰阶调整后图像中各个像素点的灰阶值，i为所述待处理低动态图像中各个像素点的灰阶值，且i∈[0,255]；
m为所述待处理低动态图像的灰阶级数，n为灰阶调整后图像的灰阶级数，且m≤n；
γ为预设伽马值，β为预设压缩系数，且0<β≤1。
7.根据权利要求5或6所述的从低动态图像生成高动态图像的方法，其特征在于，所述灰阶增强包括如下步骤：
生成平滑增强模板；
根据所述平滑增强模板生成灰阶增强模板；
采用所述灰阶增强模板，将所述灰阶调整后图像中的饱和区域的灰阶值从(THDR,Value1)范围增强至(THDR,Value)范围，得到目标高动态图像；
其中，THDR为所述高动态饱和阈值，Value1为所述灰阶调整后图像中的最大灰阶值，Value为目标高动态图像的最大灰阶值。
8.根据权利要求7所述的从低动态图像生成高动态图像的方法，其特征在于，所述生成平滑增强模板，包括如下步骤：
以所述预设高动态饱和阈值，对所述灰阶调整后图像进行二值分割，得到所对应的二进制图像；
根据所述二进制图像生成高斯金字塔，定义平滑增强模板等于所述高斯金字塔；
对所述平滑增强模板进行多次高斯模糊，输出所述平滑增强模板。
9.根据权利要求8所述的从低动态图像生成高动态图像的方法，其特征在于，对所述平滑增强模板进行多次高斯模糊，包括如下步骤：
令i＝k，对所述平滑增强模板进行高斯模糊；
每次高斯模糊后将i本身减去数值1；
如果i>0，则对所述平滑增强模板进行上采样，然后重复对所述平滑增强模板进行高斯模糊；
如果i≤0，则输出所述平滑增强模板。
10.根据权利要求8所述的从低动态图像生成高动态图像的方法，其特征在于，所述灰阶增强还包括生成边缘增强模板的步骤，且根据所述平滑增强模板和所述边缘增强模板生成所述灰阶增强模板。
11.根据权利要求10所述的从低动态图像生成高动态图像的方法，其特征在于，所述生成边缘增强模板，包括如下步骤：
根据所述高斯金字塔在各个所述饱和区域中选取种子点；
以所述种子点在所述平滑增强后图像中进行漫水填充并计算边缘停止模板；
对所述边缘停止模板进行金字塔下采样；
令边缘增强模板等于所述高斯金字塔，对所述边缘增强模板进行多次膨胀和开运算，输出所述边缘增强模板。
12.根据权利要求11所述的从低动态图像生成高动态图像的方法，其特征在于，对所述边缘增强模板进行多次膨胀和开运算，包括如下步骤：
令i＝k，对所述边缘增强模板进行膨胀；
根据如下公式对所述边缘增强模板进行更新：
s_mask＝e_mask&s_mask；
其中，s_mask为所述边缘增强模板，e_mask为所述边缘停止模板；
对所述边缘增强模板进行开运算；
每次开运算后将i本身减去数值1；
如果i>0，则对所述边缘增强模板进行上采样，然后重复进行膨胀；
如果i≤0，则输出所述边缘增强模板。
13.根据权利要求11所述的从低动态图像生成高动态图像的方法，其特征在于，所述生成灰阶增强模板，包括如下步骤：
根据如下公式生成所述灰阶增强模板：
mask＝b_mask*s_mask；
其中，mask为所述灰阶增强模板，b_mask为所述平滑增强模板，s_mask为所述边缘增强模板；
将所述灰阶增强模板归一化到[1,α]，其中α＝1/β，β为预设压缩系数；
输出所述灰阶增强模板。
CN201710057890.3A 2017-01-23 2017-01-23 从低动态图像生成高动态图像的方法 Active CN106886386B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201710057890.3A CN106886386B (zh) 2017-01-23 2017-01-23 从低动态图像生成高动态图像的方法
EP17893448.5A EP3572928B1 (en) 2017-01-23 2017-12-19 Method for producing high dynamic range image from low dynamic range image
PCT/CN2017/117165 WO2018133609A1 (zh) 2017-01-23 2017-12-19 从低动态图像生成高动态图像的方法
US16/519,575 US11379959B2 (en) 2017-01-23 2019-07-23 Method for generating high dynamic range image from low dynamic range image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710057890.3A CN106886386B (zh) 2017-01-23 2017-01-23 从低动态图像生成高动态图像的方法

Publications (2)

Publication Number Publication Date
CN106886386A true CN106886386A (zh) 2017-06-23
CN106886386B CN106886386B (zh) 2019-06-04

Family

ID=59175906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710057890.3A Active CN106886386B (zh) 2017-01-23 2017-01-23 从低动态图像生成高动态图像的方法

Country Status (4)

Country Link
US (1) US11379959B2 (zh)
EP (1) EP3572928B1 (zh)
CN (1) CN106886386B (zh)
WO (1) WO2018133609A1 (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107730479A (zh) * 2017-08-30 2018-02-23 中山大学 基于压缩感知的高动态范围图像去伪影融合方法
CN108022226A (zh) * 2017-12-28 2018-05-11 电子科技大学 基于生物视觉机理的高动态图像显示方法
WO2018133609A1 (zh) * 2017-01-23 2018-07-26 苏州科达科技股份有限公司 从低动态图像生成高动态图像的方法
CN109427313A (zh) * 2017-08-22 2019-03-05 佳能株式会社 显示设备、显示控制方法及计算机可读介质
CN109741706A (zh) * 2018-12-27 2019-05-10 深圳智芯半导体科技有限公司 一种led显示伽马校正实现和低灰增强的方法
CN110009574A (zh) * 2019-02-13 2019-07-12 中山大学 一种亮度、色彩自适应与细节丰富的低动态范围图像逆向生成高动态范围图像的方法
CN110533165A (zh) * 2019-08-16 2019-12-03 浪潮电子信息产业股份有限公司 一种图像处理方法、装置及设备
CN111933082A (zh) * 2020-09-03 2020-11-13 京东方科技集团股份有限公司 改善低灰阶画质的方法及显示装置
CN112019762A (zh) * 2020-07-23 2020-12-01 北京迈格威科技有限公司 视频处理方法及装置、存储介质及电子设备
CN112259048A (zh) * 2020-10-26 2021-01-22 杭州国芯科技股份有限公司 一种自适应Gamma曲线调节方法
CN113592726A (zh) * 2021-06-29 2021-11-02 北京旷视科技有限公司 高动态范围成像方法、装置、电子设备和存储介质
CN114141212A (zh) * 2021-12-29 2022-03-04 上海立可芯半导体科技有限公司 一种手机LCD屏幕的Gamma校正系数计算方法
CN114495863A (zh) * 2022-03-07 2022-05-13 Oppo广东移动通信有限公司 屏幕亮度的控制方法、装置、设备、存储介质及程序产品
CN114897745A (zh) * 2022-07-14 2022-08-12 荣耀终端有限公司 一种扩展图像动态范围的方法及电子设备

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10949959B2 (en) * 2019-02-18 2021-03-16 Samsung Electronics Co., Ltd. Processing image data in a composite image
US11222408B1 (en) * 2020-09-28 2022-01-11 Himax Technologies Limited Method to smooth edge of image
CN113409273B (zh) * 2021-06-21 2023-04-07 上海联影医疗科技股份有限公司 一种图像分析方法、装置、设备和介质
KR102564447B1 (ko) * 2021-11-30 2023-08-08 엘지전자 주식회사 디스플레이 장치
CN115760652B (zh) * 2023-01-06 2023-06-16 荣耀终端有限公司 扩展图像动态范围的方法和电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060104508A1 (en) * 2004-11-16 2006-05-18 Sharp Laboratories Of America, Inc. High dynamic range images from low dynamic range images
CN1954339A (zh) * 2004-04-15 2007-04-25 不列颠哥伦比亚大学 用于将图像从低动态范围转换为高动态范围的方法和系统
CN106033600A (zh) * 2016-07-08 2016-10-19 石家庄域联视控控制技术有限公司 基于函数曲线变换的动态对比度增强方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE60307583T2 (de) * 2002-11-20 2007-10-04 Stmicroelectronics S.A. Auswertung der Schärfe eines Bildes der Iris eines Auges
US9451274B2 (en) * 2011-04-28 2016-09-20 Koninklijke Philips N.V. Apparatuses and methods for HDR image encoding and decoding
KR20160019060A (ko) * 2013-06-10 2016-02-18 톰슨 라이센싱 큰 동적 범위 픽처들의 평균 휘도를 적응시키기 위한 인코딩과 디코딩 방법들 및 대응하는 인코더 및 디코더
US9842381B2 (en) * 2015-06-12 2017-12-12 Gopro, Inc. Global tone mapping
CN106886386B (zh) * 2017-01-23 2019-06-04 苏州科达科技股份有限公司 从低动态图像生成高动态图像的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1954339A (zh) * 2004-04-15 2007-04-25 不列颠哥伦比亚大学 用于将图像从低动态范围转换为高动态范围的方法和系统
US20060104508A1 (en) * 2004-11-16 2006-05-18 Sharp Laboratories Of America, Inc. High dynamic range images from low dynamic range images
CN106033600A (zh) * 2016-07-08 2016-10-19 石家庄域联视控控制技术有限公司 基于函数曲线变换的动态对比度增强方法

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018133609A1 (zh) * 2017-01-23 2018-07-26 苏州科达科技股份有限公司 从低动态图像生成高动态图像的方法
US11379959B2 (en) 2017-01-23 2022-07-05 Suzhou Keda Technology Co., Ltd. Method for generating high dynamic range image from low dynamic range image
CN109427313B (zh) * 2017-08-22 2021-09-17 佳能株式会社 显示设备、显示控制方法及计算机可读介质
CN109427313A (zh) * 2017-08-22 2019-03-05 佳能株式会社 显示设备、显示控制方法及计算机可读介质
CN107730479B (zh) * 2017-08-30 2021-04-20 中山大学 基于压缩感知的高动态范围图像去伪影融合方法
CN107730479A (zh) * 2017-08-30 2018-02-23 中山大学 基于压缩感知的高动态范围图像去伪影融合方法
CN108022226A (zh) * 2017-12-28 2018-05-11 电子科技大学 基于生物视觉机理的高动态图像显示方法
CN108022226B (zh) * 2017-12-28 2020-07-07 电子科技大学 基于生物视觉机理的高动态图像显示方法
CN109741706A (zh) * 2018-12-27 2019-05-10 深圳智芯半导体科技有限公司 一种led显示伽马校正实现和低灰增强的方法
CN109741706B (zh) * 2018-12-27 2022-10-04 深圳智芯半导体科技有限公司 一种led显示伽马校正实现和低灰增强的方法
CN110009574B (zh) * 2019-02-13 2023-01-17 中山大学 一种低动态范围图像逆向生成高动态范围图像的方法
CN110009574A (zh) * 2019-02-13 2019-07-12 中山大学 一种亮度、色彩自适应与细节丰富的低动态范围图像逆向生成高动态范围图像的方法
CN110533165B (zh) * 2019-08-16 2022-05-17 浪潮电子信息产业股份有限公司 一种图像处理方法、装置及设备
CN110533165A (zh) * 2019-08-16 2019-12-03 浪潮电子信息产业股份有限公司 一种图像处理方法、装置及设备
CN112019762A (zh) * 2020-07-23 2020-12-01 北京迈格威科技有限公司 视频处理方法及装置、存储介质及电子设备
CN112019762B (zh) * 2020-07-23 2022-06-21 深圳市芯睿视科技有限公司 视频处理方法及装置、存储介质及电子设备
US11562691B2 (en) 2020-09-03 2023-01-24 Chengdu Boe Optoelectronics Technology Co., Ltd. Gray scale display method
CN111933082A (zh) * 2020-09-03 2020-11-13 京东方科技集团股份有限公司 改善低灰阶画质的方法及显示装置
CN112259048A (zh) * 2020-10-26 2021-01-22 杭州国芯科技股份有限公司 一种自适应Gamma曲线调节方法
CN113592726A (zh) * 2021-06-29 2021-11-02 北京旷视科技有限公司 高动态范围成像方法、装置、电子设备和存储介质
CN114141212A (zh) * 2021-12-29 2022-03-04 上海立可芯半导体科技有限公司 一种手机LCD屏幕的Gamma校正系数计算方法
CN114495863A (zh) * 2022-03-07 2022-05-13 Oppo广东移动通信有限公司 屏幕亮度的控制方法、装置、设备、存储介质及程序产品
CN114897745A (zh) * 2022-07-14 2022-08-12 荣耀终端有限公司 一种扩展图像动态范围的方法及电子设备
CN114897745B (zh) * 2022-07-14 2022-12-20 荣耀终端有限公司 一种扩展图像动态范围的方法及电子设备

Also Published As

Publication number Publication date
EP3572928B1 (en) 2022-06-15
US20190347777A1 (en) 2019-11-14
CN106886386B (zh) 2019-06-04
US11379959B2 (en) 2022-07-05
EP3572928A1 (en) 2019-11-27
WO2018133609A1 (zh) 2018-07-26
EP3572928A4 (en) 2020-01-22

Similar Documents

Publication Publication Date Title
CN106886386A (zh) 从低动态图像生成高动态图像的方法
CN105931201B (zh) 一种基于小波变换的图像主观视觉效果增强方法
Maini et al. A comprehensive review of image enhancement techniques
CN102376082B (zh) 基于伽马校正的图像处理方法和装置
CN103606137B (zh) 保持背景和细节信息的直方图均衡化方法
CN107527333A (zh) 一种基于伽马变换的快速图像增强方法
CN107730475A (zh) 图像增强方法及系统
CN102789635B (zh) 一种图像增强方法和装置
US9396526B2 (en) Method for improving image quality
CN104166967B (zh) 提升视频图像清晰度的方法
Khan et al. Tone-mapping using perceptual-quantizer and image histogram
CN109345491A (zh) 一种融合梯度和灰度信息的遥感图像增强方法
CN110189266B (zh) 一种自适应的快速图像增强方法
CN111968041A (zh) 一种自适应图像增强方法
CN110706172A (zh) 基于自适应混沌粒子群优化的低照度彩色图像增强方法
Yu et al. Adaptive inverse hyperbolic tangent algorithm for dynamic contrast adjustment in displaying scenes
Baidoo et al. Implementation of gray level image transformation techniques
CN115587945A (zh) 高动态红外图像细节增强方法、系统及计算机存储介质
CN1329873C (zh) 截断直方图均衡方法
CN114998165A (zh) 一种基于直方图变换的均匀曝光图像对比度增强方法
CN105426847A (zh) 低质量自然光虹膜图像非线性增强方法
Singh et al. Image enhancement by adaptive power-law transformations
US11114045B1 (en) Method of enhancing the visibility of screen images
CN103473738B (zh) 图像增强方法
CN1316818C (zh) 影像对比加强方法

Legal Events

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