CN107292829B - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN107292829B CN107292829B CN201610201082.5A CN201610201082A CN107292829B CN 107292829 B CN107292829 B CN 107292829B CN 201610201082 A CN201610201082 A CN 201610201082A CN 107292829 B CN107292829 B CN 107292829B
- Authority
- CN
- China
- Prior art keywords
- gray
- gray scale
- value
- interval
- distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000009826 distribution Methods 0.000 claims abstract description 107
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000011218 segmentation Effects 0.000 claims abstract description 26
- 241001270131 Agaricus moelleri Species 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000013139 quantization Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种图像处理方法及装置。该方法包括:根据图像灰度值表示位数确定图片的灰度分布区间,以及根据预设的分割参数从所述灰度分布区间确定灰度调整区间;根据所述分割参数将所述灰度调整区间分割成多个灰度区域;建立与各灰度区域分别对应的高动态范围HDR模型,应用各HDR模型以及与各HDR模型分别对应的分布概率,对图片的灰度值进行处理以生成新的图片。由此,实现了通过多个动态区域模型提高图像灰度的分布范围,从而提高图像的层次感和清晰度。
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方法及装置。
背景技术
针对多媒体图像和视频,高动态范围HDR(High Dynamic Range)的图像和视频的显示效果,对于人眼来说更加有层次感,清晰度会更高;产生这种现象的原因是由灰度的量化引起的。
HDR当前知道的方法有两种,一种是拍摄同一个场景不同曝光度下的图片,然后合成HDR图片;另一种提高硬件设备的灰度表示位数,来提高HDR。
现有的技术,同时拍摄多张不同曝光度下的图片,然后合成,或者采用提高硬件设备的灰度表示位数,都会大大的提高设备的成本,另外兼容性较差。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种图像处理方法,实现了通过多个动态区域模型提高图像灰度的动态区间,从而提高图像的层次感和清晰度。
本发明的第二个目的在于提出一种图像处理装置。
为了实现上述目的,本发明第一方面实施例的图像处理方法,包括:根据图像灰度值表示位数确定图片的灰度分布区间,以及根据预设的分割参数从所述灰度分布区间确定灰度调整区间;根据所述分割参数将所述灰度调整区间分割成多个灰度区域;建立与各灰度区域分别对应的高动态范围HDR模型,应用各HDR模型以及与各HDR模型分别对应的分布概率,对图片的灰度值进行处理以生成新的图片。
本发明实施例的图像处理方法,根据图像灰度值表示位数确定图片的灰度分布区间,以及根据预设的分割参数从所述灰度分布区间确定灰度调整区间;根据所述分割参数将所述灰度调整区间分割成多个灰度区域;建立与各灰度区域分别对应的高动态范围HDR模型,应用各HDR模型以及与各HDR模型分别对应的分布概率,对图片的灰度值进行处理以生成新的图片。由此,实现了通过多个动态区域模型提高图像灰度的分布范围,从而提高图像的层次感和清晰度。
为了实现上述目的,本发明第二方面实施例的图像处理装置,包括:确定模块,用于根据图像灰度值表示位数确定图片的灰度分布区间,以及根据预设的分割参数从所述灰度分布区间确定灰度调整区间;分割模块,用于根据所述分割参数将所述灰度调整区间分割成多个
灰度区域;建立模块,用于建立与各灰度区域分别对应的高动态范围HDR模型,处理模块,用于应用各HDR模型以及与各HDR模型分别对应的分布概率,对图片的灰度值进行处理以生成新的图片。
本发明实施例的图像处理装置,根据图像灰度值表示位数确定图片的灰度分布区间,以及根据预设的分割参数从所述灰度分布区间确定灰度调整区间;根据所述分割参数将所述灰度调整区间分割成多个灰度区域;建立与各灰度区域分别对应的高动态范围HDR模型,应用各HDR模型以及与各HDR模型分别对应的分布概率,对图片的灰度值进行处理以生成新的图片。由此,实现了通过多个动态区域模型提高图像灰度的分布范围,从而提高图像的层次感和清晰度。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中,
图1是本发明一个实施例的图像处理方法的流程图;
图2为灰度为8-27对应图像的直方图;
图3为灰度区域8-27的线性HDR模型;
图4经过线性HDR模型放大后的图像的直方图;
图5为线性HDR模型图;
图6是本发明另一个实施例的图像处理方法的流程图;
图7是图6所示的图像处理方法的技术原理框图;
图8是本发明一个实施例的图像处理装置的结构框图;
图9是本发明另一个实施例的图像处理装置的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵区间内的所有变化、修改和等同物。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的区间包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
以下结合附图描述根据本发明实施例的图像处理方法及装置。
图1是本发明一个实施例的图像处理方法的流程图。
如图1所示,该图像处理方法包括:
步骤101,根据图像灰度值表示位数确定图片的灰度分布区间,以及根据预设的分割参数确定灰度调整区间。
步骤102,根据所述分割参数将所述灰度调整区间分割成多个灰度区域。
具体来说,本身请提供的图像处理方法应用在具有图像数字处理功能的图像处理装置上。其中,具有图像数字处理功能的图像处理装置的类型很多,可以根据实际应用需要进行选择,例如包括:手机,电脑,PAD等。
本发明在不提高图像灰度值表示位数的情况下,通过提高图像灰度的动态区间,提高图片的高动态范围HDR(High Dynamic Range),从而提高图像视频层次感和清晰度。
首先,根据图像灰度值表示位数确定图片的灰度分布区间。其中,需要解释的是,现在人眼通过手机,电脑,PAD等看到的都是数字化的图像和视频,看到的每一幅图像或者每一帧图像都是由一个个的像素构成的。每个像素由灰度值表示的,常见的表示方法由三基色RGB,或者亮度和色度YCbCr。由于是数字图像和视频,每一个色调都是都对应一个数字,这个数字就是该色调的灰度值。
需要说明的是,针对不同的应用场景,图像处理装置可以采用不同的灰度值表示位数,显示图片像素点的灰度值。举例说明如下:
示例一,灰度值表示位数为8位;
当灰度值采用1个字节即8位进行表示时,灰度值的表示区间就是0-255之间。针对RGB色调表示的像素,RGB888格式,R,G,B三基色对应的区间都是0-255之间。当然针对YCbCr表示的像素,Y,Cb,Cr对应的区间也都是0-255之间。这就是说,图像处理装置提供给人眼可以区分的灰度只能在0-255之间的整数值。
示例二,灰度值表示位数为16位;
当灰度值采用2个字节即16位进行表示时,灰度值的表示区间就是0-65535之间。那么灰度值0量化成0,最大灰度值255量化成了65535。由此可见,图像处理装置的灰度值表示位数越多,灰度量化的精度越高,就可以提高人眼对图像的辨识度,提高图像的层次感和质量。举例说明如下:
针对色彩灰度值是110.2,110.4,110.5,110.9,数字处理过程中如果以8位量化表示灰度值。110.2和110.4会被量化成110;110.5和110.9会被量化成111,提供给人的只有110和111两个灰度值,110.2和110.4展现给人眼的效果是没有区别,110.5和110.9展现给人眼的效果也是没有区别的。
如果以16位量化表示灰度值,110.2和110.4分别被量化为28211和28262,对人眼来说28211和28262就是两个灰度值,可以区分;同样110.5被量化成28288,110.9被量化成28390,对人眼来说28288和28390也是两个灰度值,也是可以区分。由此可见,8位量化无法区分的110.2,110.4,采用16位量化都可以被人眼区分;8位量化无法区分的110.5和110.9,进行16位量化后也变成了人眼可以区分的灰度;所以通过这样的量化方法就可以提高人眼对图像的辨识度,提高图像的层次感和质量。
由此可见,当图像处理装置中的灰度值表示位数为8时,图片的灰度分布区间为0-255;当图像处理装置中的灰度值表示位数为16时,图片的灰度分布区间为0-65535。
为了提高图像灰度的动态区间,本发明根据调整精度预先设置分割参数,其中,分割参数用于从所述灰度分布区间确定灰度调整区间,以及根据分割参数对灰度调整区间进行切分,获取多个灰度区域。
其中,灰度区域数量越大,即分割的灰度区域越多,图片灰度动态区间的调整精度提高;灰度区域数量越小,即分割的灰度区域越少,图片灰度动态区间的调整精度降低。因此,可以根据应用需要设置分割参数,例如:分割参数可以包括:待分割的灰度区域数量,和/或,单位区域内的灰度数量。
第一种示例,
本示例以所述分割参数包括灰度区域数量为例,说明如何根据预设的分割参数从所述灰度分布区间确定灰度调整区间,具体包括:
判断灰度区域数量是否能够被灰度分布区间整除;
如果所述灰度区域数量能够被灰度分布区间整除,则将所述灰度分布区间作为所述灰度调整区间;
如果所述灰度区域数量不能够被灰度分布区间整除,则删除所述灰度分布区间两端的部分灰度值,中间剩余的灰度值为所述灰度调整区间,其中,所述灰度区域数量能够被灰度调整区间整除。
第二种示例,
本示例以所述分割参数包括:灰度区域数量和单位区域内的灰度数量为例,说明如何根据预设的分割参数从所述灰度分布区间确定灰度调整区间,具体包括:
如果所述乘积与所述灰度分布区间的灰度个数匹配,则将所述灰度分布区间作为所述灰度调整区间。
如果所述乘积与所述灰度分布区间的灰度个数不匹配,则删除所述灰度分布区间两端的部分灰度值,中间剩余的灰度值为所述灰度调整区间,其中,所述灰度调整区间的灰度个数与所述乘积匹配。
为了更加清楚的说明上述实施例,以8位灰度值表示为例针对上述第二种示例进行说明如何根据预设的分割参数从所述灰度分布区间确定灰度调整区间,以及根据所述分割参数将所述灰度调整区间分割成多个灰度区域,具体如下:
假设图像灰度值表示位数为8时,图片的灰度分布区间为0-255。
示例一,
如果预先设置待分割的灰度区域数量为8,单位区域内的灰度数量有32个灰度值,则灰度区域有32与灰度区域数量8的乘积为256,灰度分布区间0-255的灰度个数256匹配,则确定灰度调整区间为灰度分布区间为0-255。
示例二,
如果预先设置待分割的灰度区域数量为12,单位区域内的灰度数量有20个灰度值,则灰度区域有20与灰度区域数量12的乘积为240,由于设备对于0到7,以及248到255区分不明显,所以将0到7,以及248到255部分删除,可以将8到247之间共240个灰度分成12个部分,每一个部分对应的灰度范围为20个灰度区域。具体包括:
第1部分对应的灰度范围是8到27之间;第2部分对应的灰度范围是28-47之间;第3部分对应的灰度范围是48-67之间;第4部分对应的灰度范围是68-87之间;第5部分对应的灰度范围是88-107之间;第6部分对应的灰度范围是108-127之间;第7部分对应的灰度范围是128-147之间;第8部分对应的灰度范围是148-167之间;第9部分对应的灰度范围是168-187之间;第10部分对应的灰度范围是188-207之间;第11部分对应的灰度范围是208-227之间;第12部分对应的灰度范围是228-247之间。
步骤103,建立与各灰度区域分别对应的高动态范围HDR模型;
步骤104,应用各HDR模型以及与各HDR模型分别对应的分布概率,对图片的灰度值进行处理以生成新的图片。
具体地,建立与各灰度区域分别对应的高动态范围HDR模型,针对与每个灰度区域对应的HDR模型,HDR模型用于扩大灰度区域的动态范围。需要注意的是,动态范围的放大倍数可以根据需要进行设置。其中,HDR模型的类型很多,例如:折线模型、或者,曲线模型等,只要满足上述功能的HDR模型都可用于执行上述处理过程。
为了更加清楚的说明上述过程,以上述示例二中的第一个灰度区域为例进行说明。该灰度区域的灰度值都位于8-27之间,认为一张图片的所有灰度值都位于8-27之间,那么,整张图片的直方图将如图2所示,图2为灰度为8-27对应图像的直方图,参见图2,整张图片的动态范围将是8-27,理想化假设整张图像的像素个数对应的灰度值都分布在8-27。
针对该理想化的模型,本文采用线性放大的方式来提高图片的动态范围,具体如下:
图3为灰度区域8-27的线性HDR模型。如图3所示,理想状态下图片所有灰度值都位于8-27之间时,通过图3将8-27的动态范围放大到了0-45之间,动态范围放大到原来的2倍以上;放大后的图像的直方图将如图4所示。
图4经过线性HDR模型放大后的图像的直方图,参见图4,整张图片的动态范围将是0-45,理想化假设整张图像的像素个数对应的灰度值都分布在0-45,动态范围放大到原来的2倍以上。需要注意的是,动态范围的放大倍数可以根据需要进行设置。
同理,依次可以计算得到第2种灰度区域到第12种灰度区域的HDR模型,以及各灰度区域经过对应HDR模型图像动态范围的理想放大曲线。
为了进一步地提高放大后的图片质量,在建立与各灰度区域分别对应的高动态范围HDR模型的过程中,需要考虑各个灰度区域的中间值,保证中间值经过对应HDR模型的映射后取值不变,具体包括以下步骤:
确定与各灰度区域的第一起始值对应的第二起始值,其中,需要保证第二起始值小于第一起始值;
确定与各灰度区域的第一中间值对应的第二中间值,其中,需要保证第二中间值等于所述第一中间值;
确定与各灰度区域的第一结束值对应的第二结束值,其中,需要保证第二结束值大于所述第一结束值;
根据各灰度区域的第二起始值、第二中间值、以及第二结束值,建立与各灰度区域分别对应的高动态范围HDR模型。
继续通过图5以线性HDR模型对上述示例二中将8到247之间同240个灰度分成12个部分进行映射处理为例说明,
图5为线性HDR模型图,参见图5,第1部分对应的灰度范围是8到27之间,其对应的线性模型为L1,8到27中间值为18,可以看出,经过L1的映射依然为18,起始点8经过L1的映射依然为0;结束点27经过L1的映射依然为45。第2部分对应的灰度范围是28-47之间,其对应的线性模型为L2;第3部分对应的灰度范围是48-67之间,其对应的线性模型为L3;依次对后续灰度区域进行处理,其实现原理如前面对L1的描述,此处不再赘述。
进而,根据建立的与各灰度区域对应的各HDR模型,以及与各HDR模型对应的分布概率,应用独立同分布的概率论原理对输入图像中的灰度值进行映射处理,以生成新的与输入图像对应高动态灰度范围的图像。
本实施例的图像处理方法,根据图像灰度值表示位数确定图片的灰度分布区间,以及根据预设的分割参数从所述灰度分布区间确定灰度调整区间;根据所述分割参数将所述灰度调整区间分割成多个灰度区域;建立与各灰度区域分别对应的高动态范围HDR模型,应用各HDR模型以及与各HDR模型分别对应的分布概率,对图片的灰度值进行处理以生成新的图片。由此,实现了通过多个动态区域模型提高图像灰度的分布范围,从而提高图像的层次感和清晰度。
图6是本发明另一个实施例的图像处理方法的流程图。图7是图6所示的图像处理方法的技术原理框图。结合图6和图7,详细说明如何采用上述实施例建立的与各灰度区域对应的HDR模型提高待处理的原始图像的灰度动态范围,具体如下:
如图6所示,该图像处理方法包括以下步骤:
步骤201,根据图像灰度值表示位数确定图片的灰度分布区间,以及根据预设的分割参数从所述灰度分布区间确定灰度调整区间;
步骤202,根据所述分割参数将所述灰度调整区间分割成多个灰度区域;
步骤203,建立与各灰度区域分别对应的高动态范围HDR模型。
具体地,本实施例中的步骤201到步骤203的具体实施过程参见上述图1所示实施例中的步骤101-步骤103
步骤204,根据待处理的原始图像的所述灰度调整区间,确定与所述各HDR模型分别对应的分布概率。
步骤205,应用各HDR模型以及与各HDR模型分别对应的分布概率,处理所述灰度调整区间中的每个第一灰度值,获取与第一灰度值对应的第二灰度值。
步骤206,根据各第二灰度值生成与所述原始图像对应高动态范围图像。
具体地,根据待处理的原始图像的所述灰度调整区间,确定与各HDR模型分别对应的分布概率,以便根据预先建立的与各灰度区域对应的各HDR模型,以及与各HDR模型对应的分布概率,应用独立同分布的概率论原理对输入的原始图像中的第一灰度值进行映射处理,获取动态调整的数学期望即与第一灰度值对应的第二灰度值。
进而,根据各第二灰度值生成与所述原始图像对应高动态范围图像,并根据每个灰度的数学期望值获取经过HDR处理后的图像。
需要说明的是,根据不同的应用需要可以采用不同的方式确定与各HDR模型分别对应的分布概率,举例说明如下:
从原始图像的灰度调整区间中分别获取与各灰度区域对应的灰度值数量;
根据与各灰度区域对应的灰度值数量与灰度调整区间的灰度值总数的比值,分别确定与所述各HDR模型分别对应的分布概率。
为了更加清楚的说明对原始图像的HDR处理过程,继续结合上述实施例中以8-247为灰度调整区间划分12个灰度区域,分别建立与12个灰度区域对应的HDR模型的例子详细说明,
首先统计一副图片灰度位于8-247之间灰度值的个数L,统计第1个灰度区域8-27之间灰度的个数L1,统计第2个灰度区域28-47之间灰度的个数L2,…,统计第12个灰度区域228-247之间灰度的个数L12。即可求出与各HDR模型分别对应的分布概率,具体包括:
p1=L1/L;p2=L2/L;……p12=L12/L,并且满足完备性p1+p2+…+p12=1
由于与12个灰度区域分别对应的HDR模型,是针对当一帧图片灰度范围分别是第1到第12种情况下理想高动态范围的获取方法。但是,实际需要处理的图片灰度很少有单独分布在第1,第2,…,第12种情况下,而是图片的灰度会同时分布在多个区域。
但是,第1,第2,…,第12共12种情况满足概率论中的独立同分布(i.i.d--independent and identically distributed),假设第一种情况出现的概率是p1,第二种是p2,…,第12种是p12。
进而,原始图像中任意一个灰度值py,在12个模型中分别对应的值为L1(py),L2(py),…,L12(py)。又因为L1模型出现的概率是p1;L2模型出现的概率是p2;L3模型出现的概率是p3;…L12模型出现的概率是p12。
那么原始图像中任何一个第一灰度值经过HDR映射之后的第二灰度值将为py’。即py’=p1*L1(py)+p2*L2(py)+…+p12*L12(py),从而即可求出图片中每一个像素点HDR处理之后的灰度值。
本实施例的图像处理方法,根据待处理的原始图像的所述灰度调整区间,确定与所述各HDR模型分别对应的分布概率;应用各HDR模型以及与各HDR模型分别对应的分布概率,处理所述灰度调整区间中的每个第一灰度值,获取与第一灰度值对应的第二灰度值;根据各第二灰度值生成与所述原始图像对应高动态范围图像。由此,实现了通过多个动态区域模型提高图像灰度的分布范围,从而提高图像的层次感和清晰度。
为了实现上述实施例,本发明的实施例还提供一种图像处理装置。
图8是根据本发明一个实施例的图像处理装置的结构框图。
如图8所示,该图像处理装置包括:
确定模块11,用于根据图像灰度值表示位数确定图片的灰度分布区间,以及根据预设的分割参数从所述灰度分布区间确定灰度调整区间;
分割模块12,用于根据所述分割参数将所述灰度调整区间分割成多个灰度区域;
建立模块13,用于建立与各灰度区域分别对应的高动态范围HDR模型;
处理模块14,用于应用各HDR模型以及与各HDR模型分别对应的分布概率,对图片的灰度值进行处理以生成新的图片。
在一个实施例中,所述分割参数包括:灰度区域数量以及单位区域内的灰度数量,所述确定模块11用于:
判断所述灰度区域数量以及所述单位区域内的灰度数量的乘积是否与所述灰度分布区间匹配;
如果所述乘积与所述灰度分布区间的灰度个数匹配,则将所述灰度分布区间作为所述灰度调整区间。
在另一个实施例中,所述确定模块11还用于:
如果所述乘积与所述灰度分布区间的灰度个数不匹配,则删除所述灰度分布区间两端的部分灰度值,中间剩余的灰度值为所述灰度调整区间,其中,所述灰度调整区间的灰度个数与所述乘积匹配。
在一个实施例中,为了提高图像质量,所述建立模块13用于:
确定与各灰度区域的第一起始值对应的第二起始值,其中,所述第二起始值小于所述第一起始值;
确定与各灰度区域的第一中间值对应的第二中间值,其中,所述第二中间值等于所述第一中间值;
确定与各灰度区域的第一结束值对应的第二结束值,其中,所述第二结束值大于所述第一结束值;
根据各灰度区域的第二起始值、第二中间值、以及第二结束值,建立与各灰度区域分别对应的高动态范围HDR模型。
需要说明的是,前述对图像处理方法实施例的解释说明也适用于该实施例的图像处理装置,此处不再赘述。
本发明实施例的图像处理装置,根据图像灰度值表示位数确定图片的灰度分布区间,以及根据预设的分割参数从所述灰度分布区间确定灰度调整区间;根据所述分割参数将所述灰度调整区间分割成多个灰度区域;建立与各灰度区域分别对应的高动态范围HDR模型,应用各HDR模型以及与各HDR模型分别对应的分布概率,对图片的灰度值进行处理以生成新的图片。由此,实现了通过多个动态区域模型提高图像灰度的分布范围,从而提高图像的层次感和清晰度。
图9是本发明另一个实施例的图像处理装置的结构框图。
如图9所示,基于图8所示,所述处理模块14包括:
确定单元141,用于根据待处理的原始图像的所述灰度调整区间,确定与所述各HDR模型分别对应的分布概率;
获取单元142,用于应用各HDR模型以及与各HDR模型分别对应的分布概率,处理所述灰度调整区间中的每个第一灰度值,获取与第一灰度值对应的第二灰度值;
生成单元143,用于根据各第二灰度值生成与所述原始图像对应高动态范围图像。
具体地,在一个实施例中,所述确定单元141用于:
从所述灰度调整区间中分别获取与所述各灰度区域对应的灰度值数量;
根据与所述各灰度区域对应的灰度值数量与所述灰度调整区间的灰度值总数的比值,分别确定与所述各HDR模型分别对应的分布概率。
需要说明的是,前述对图像处理方法实施例的解释说明也适用于该实施例的图像处理装置,此处不再赘述。
本发明实施例的图像处理装置,根据待处理的原始图像的所述灰度调整区间,确定与所述各HDR模型分别对应的分布概率;应用各HDR模型以及与各HDR模型分别对应的分布概率,处理所述灰度调整区间中的每个第一灰度值,获取与第一灰度值对应的第二灰度值;根据各第二灰度值生成与所述原始图像对应高动态范围图像。由此,实现了通过多个动态区域模型提高图像灰度的分布范围,从而提高图像的层次感和清晰度。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的区间由权利要求及其等同物限定。
Claims (14)
1.一种图像处理方法,其特征在于,包括以下步骤:
根据图像灰度值表示位数确定图片的灰度分布区间,以及根据预设的分割参数从所述灰度分布区间确定灰度调整区间;
根据所述分割参数将所述灰度调整区间分割成多个灰度区域;
建立与各灰度区域分别对应的高动态范围HDR模型;
应用各HDR模型以及与各HDR模型分别对应的分布概率,对图片的灰度值进行处理以生成新的图片,其中,应用各HDR模型以及与各HDR模型分别对应的分布概率,处理所述灰度调整区间中的每个第一灰度值,获取与第一灰度值对应的第二灰度值,根据各第二灰度值生成与原始图像对应高动态范围图像。
2.如权利要求1所述的方法,其特征在于,所述分割参数包括:灰度区域数量以及单位区域内的灰度数量;
所述根据预设的分割参数从所述灰度分布区间确定灰度调整区间,包括:
判断所述灰度区域数量以及所述单位区域内的灰度数量的乘积是否与所述灰度分布区间匹配;
如果所述乘积与所述灰度分布区间的灰度个数匹配,则将所述灰度分布区间作为所述灰度调整区间。
3.如权利要求2所述的方法,其特征在于,所述根据预设的分割参数从所述灰度分布区间确定灰度调整区间,还包括:
如果所述乘积与所述灰度分布区间的灰度个数不匹配,则删除所述灰度分布区间两端的部分灰度值,中间剩余的灰度值为所述灰度调整区间,其中,所述灰度调整区间的灰度个数与所述乘积匹配。
4.如权利要求1所述的方法,其特征在于,所述根据图像灰度值表示位数确定图片的灰度分布区间,包括:
当所述灰度值表示位数为8时,图片的灰度分布区间为0-255;
当所述灰度值表示位数为16时,图片的灰度分布区间为0-65535。
5.如权利要求1所述的方法,其特征在于,所述建立与各灰度区域分别对应的高动态范围HDR模型,包括:
确定与各灰度区域的第一起始值对应的第二起始值,其中,所述第二起始值小于所述第一起始值;
确定与各灰度区域的第一中间值对应的第二中间值,其中,所述第二中间值等于所述第一中间值;
确定与各灰度区域的第一结束值对应的第二结束值,其中,所述第二结束值大于所述第一结束值;
根据各灰度区域的第二起始值、第二中间值、以及第二结束值,建立与各灰度区域分别对应的高动态范围HDR模型。
6.如权利要求1所述的方法,其特征在于,所述高动态范围HDR模型包括:
折线模型、或者,曲线模型。
7.如权利要求1-6任一所述的方法,其特征在于,在应用各HDR模型以及与各HDR模型分别对应的分布概率,处理所述灰度调整区间中的每个第一灰度值之前,还包括:
根据待处理的原始图像的所述灰度调整区间,确定与所述各HDR模型分别对应的分布概率。
8.如权利要求7所述的方法,其特征在于,所述根据待处理的原始图像的所述灰度调整区间,确定与所述各HDR模型分别对应的分布概率,包括:
从所述灰度调整区间中分别获取与所述各灰度区域对应的灰度值数量;
根据与所述各灰度区域对应的灰度值数量与所述灰度调整区间的灰度值总数的比值,分别确定与所述各HDR模型分别对应的分布概率。
9.一种图像处理装置,其特征在于,包括:
确定模块,用于根据图像灰度值表示位数确定图片的灰度分布区间,以及根据预设的分割参数从所述灰度分布区间确定灰度调整区间;
分割模块,用于根据所述分割参数将所述灰度调整区间分割成多个灰度区域;
建立模块,用于建立与各灰度区域分别对应的高动态范围HDR模型;
处理模块,用于应用各HDR模型以及与各HDR模型分别对应的分布概率,对图片的灰度值进行处理以生成新的图片;
所述处理模块包括:获取单元,用于应用各HDR模型以及与各HDR模型分别对应的分布概率,处理所述灰度调整区间中的每个第一灰度值,获取与第一灰度值对应的第二灰度值;生成单元,用于根据各第二灰度值生成与原始图像对应高动态范围图像。
10.如权利要求9所述的装置,其特征在于,所述分割参数包括:灰度区域数量以及单位区域内的灰度数量,所述确定模块用于:
判断所述灰度区域数量以及所述单位区域内的灰度数量的乘积是否与所述灰度分布区间匹配;
如果所述乘积与所述灰度分布区间的灰度个数匹配,则将所述灰度分布区间作为所述灰度调整区间。
11.如权利要求10所述的装置,其特征在于,所述确定模块还用于:
如果所述乘积与所述灰度分布区间的灰度个数不匹配,则删除所述灰度分布区间两端的部分灰度值,中间剩余的灰度值为所述灰度调整区间,其中,所述灰度调整区间的灰度个数与所述乘积匹配。
12.如权利要求9所述的装置,其特征在于,所述建立模块用于:
确定与各灰度区域的第一起始值对应的第二起始值,其中,所述第二起始值小于所述第一起始值;
确定与各灰度区域的第一中间值对应的第二中间值,其中,所述第二中间值等于所述第一中间值;
确定与各灰度区域的第一结束值对应的第二结束值,其中,所述第二结束值大于所述第一结束值;
根据各灰度区域的第二起始值、第二中间值、以及第二结束值,建立与各灰度区域分别对应的高动态范围HDR模型。
13.如权利要求9-12任一所述的装置,其特征在于,所述处理模块包括:
确定单元,用于根据待处理的原始图像的所述灰度调整区间,确定与所述各HDR模型分别对应的分布概率。
14.如权利要求13所述的装置,其特征在于,所述确定单元用于:
从所述灰度调整区间中分别获取与所述各灰度区域对应的灰度值数量;
根据与所述各灰度区域对应的灰度值数量与所述灰度调整区间的灰度值总数的比值,分别确定与所述各HDR模型分别对应的分布概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610201082.5A CN107292829B (zh) | 2016-03-31 | 2016-03-31 | 图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610201082.5A CN107292829B (zh) | 2016-03-31 | 2016-03-31 | 图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107292829A CN107292829A (zh) | 2017-10-24 |
CN107292829B true CN107292829B (zh) | 2020-12-15 |
Family
ID=60088222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610201082.5A Active CN107292829B (zh) | 2016-03-31 | 2016-03-31 | 图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292829B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108880896B (zh) * | 2018-06-29 | 2021-06-25 | 中国农业银行股份有限公司 | 一种基于大型机的程序灰度发布方法及装置 |
CN112449120B (zh) * | 2019-08-30 | 2022-06-10 | 华为技术有限公司 | 高动态范围视频生成方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102473295A (zh) * | 2009-06-29 | 2012-05-23 | 汤姆森特许公司 | 基于区的色调映射 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7636496B2 (en) * | 2006-05-17 | 2009-12-22 | Xerox Corporation | Histogram adjustment for high dynamic range image mapping |
US8135230B2 (en) * | 2007-07-30 | 2012-03-13 | Dolby Laboratories Licensing Corporation | Enhancing dynamic ranges of images |
CN102354489B (zh) * | 2008-05-08 | 2014-01-22 | 香港应用科技研究院有限公司 | 增强图像动态范围的方法和装置 |
CN101286231B (zh) * | 2008-06-04 | 2010-08-11 | 四川虹微技术有限公司 | 一种均匀分布图像亮度的对比度增强方法 |
US8606009B2 (en) * | 2010-02-04 | 2013-12-10 | Microsoft Corporation | High dynamic range image generation and rendering |
KR101699919B1 (ko) * | 2011-07-28 | 2017-01-26 | 삼성전자주식회사 | 다중 노출 퓨전 기반에서 고스트 흐림을 제거한 hdr 영상 생성 장치 및 방법 |
CN103778900B (zh) * | 2012-10-23 | 2016-04-20 | 浙江大华技术股份有限公司 | 一种图像处理方法及系统 |
CN103353982B (zh) * | 2013-05-15 | 2016-03-09 | 中山大学 | 一种基于直方图均衡化的色调映射方法 |
-
2016
- 2016-03-31 CN CN201610201082.5A patent/CN107292829B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102473295A (zh) * | 2009-06-29 | 2012-05-23 | 汤姆森特许公司 | 基于区的色调映射 |
Non-Patent Citations (1)
Title |
---|
Automated parameter tuning for tone mapping using visual saliency;Xihe Gao等;《Computers & Graphics》;20151130;第52卷;第171-180段 * |
Also Published As
Publication number | Publication date |
---|---|
CN107292829A (zh) | 2017-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6362793B2 (ja) | ハイダイナミックレンジ映像のためのディスプレイマネジメント | |
KR100590529B1 (ko) | 영상의 국부적 휘도 향상 방법 및 장치와 컴퓨터프로그램을 저장하는 컴퓨터로 읽을 수 있는 기록 매체 | |
CN102341825B (zh) | 图像的多模式色调映射 | |
CN111292269B (zh) | 图像色调映射方法、计算机装置及计算机可读存储介质 | |
CN111163268B (zh) | 一种图像处理方法、装置以及计算机存储介质 | |
EP2426928A2 (en) | Image processing apparatus, image processing method and program | |
JP7117915B2 (ja) | 画像処理装置、制御方法、及びプログラム | |
KR20120107429A (ko) | 구역 기반의 톤 매핑 | |
JP2018014707A (ja) | 高ダイナミックレンジピクチャをコード化されたビットストリームに符号化/復号する方法および装置 | |
CN113596573B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN106575434B (zh) | 图像处理装置、摄像装置以及图像处理方法 | |
CN111724316B (zh) | 处理高动态范围图像的方法和装置 | |
CN114556910B (zh) | 一种视频信号处理方法及装置 | |
JP2019204439A (ja) | 画像処理装置、画像処理方法及びプログラム | |
KR20230146974A (ko) | 영상의 밝기 개선 방법 및 장치 | |
CN107292829B (zh) | 图像处理方法及装置 | |
CN114998122A (zh) | 一种低照度图像增强方法 | |
JP2012222453A (ja) | データ処理装置、データ処理方法、プログラム、およびカメラシステム | |
JP2020145553A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN107392860A (zh) | 图像增强方法和设备、ar设备 | |
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 | |
KR101005625B1 (ko) | 카메라 색상 특성 곡선을 이용한 영상 밝기 변화에 따른 색 보정 방법 | |
US7796832B2 (en) | Circuit and method of dynamic contrast enhancement | |
KR20160025876A (ko) | 영상의 대비 강화 방법 및 장치 | |
WO2015127206A1 (en) | Image processing to retain small color/gray differences |
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 |