CN107346531A - 一种图像优化方法、装置及终端 - Google Patents
一种图像优化方法、装置及终端 Download PDFInfo
- Publication number
- CN107346531A CN107346531A CN201610293530.9A CN201610293530A CN107346531A CN 107346531 A CN107346531 A CN 107346531A CN 201610293530 A CN201610293530 A CN 201610293530A CN 107346531 A CN107346531 A CN 107346531A
- Authority
- CN
- China
- Prior art keywords
- image
- depth
- pixel
- matrix
- optimized
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims description 81
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 12
- 230000000694 effects Effects 0.000 description 5
- 238000010606 normalization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 1
Classifications
-
- G06T5/70—
-
- G06T5/73—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
-
- 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
- H04N23/72—Combination of two or more compensation controls
-
- 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
- H04N23/76—Circuitry for compensating brightness variation in the scene by influencing the image 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
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
- H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/2224—Studio circuitry; Studio devices; Studio equipment related to virtual studio applications
- H04N5/2226—Determination of depth image, e.g. for foreground/background separation
-
- 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
- H04N9/73—Colour balance circuits, e.g. white balance circuits or colour temperature control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
Abstract
本发明公开了一种图像优化方法、装置及终端,该方法包括:获取待优化图像的画面景深信息;根据画面景深信息对待优化图像进行优化。通过本发明的实施,首先获取图像的图像景深信息,然后基于图像景深信息对图像进行优化处理,由于图像景深信息是与图像各像素点对应景物的噪声及锐度成正比,这样图像优化处理后,靠近人眼的景物锐度最大、噪声最小,符合人眼观察经验。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种图像优化方法、装置及终端。
背景技术
在拍照、或者后期处理图片时,当画面出现室内外光源不同强度不同的场景,现有常规做法以画面主体景物为主,比如主体为室内场景,则牺牲窗外景物的优化效果,室外场景会出现过曝和偏色。在现有技术中,技术人员提出可以通过将室外景物和室内景物权衡调试以减轻室外场景的过曝和偏色程度,但是调节室内室外场景的权重必然会导致牺牲主体场景的部分优化效果,并且室内外优化效果很难做到比较好的平衡。
针对上述问题,提出一种图像优化方法,以解决现有图像优化方法以主体为准进行全图像优化存在的牺牲背景优化效果的问题,是本领域技术人员亟待解决的技术问题。
发明内容
本发明提供了一种图像优化方法、装置及终端,以解决现有图像优化方法以主体为准进行全图像优化存在的牺牲背景优化效果的问题。
本发明提供了一种图像优化方法,其包括:
获取待优化图像的画面景深信息;
根据画面景深信息对待优化图像进行优化。
进一步的,获取待优化图像的画面景深信息包括:通过双摄算法、激光对焦方法或软件算法测量待优化图像,获取画面景深信息。
进一步的,根据画面景深信息对待优化图像进行优化包括:根据画面景深信息将待优化图像分割为室内区域和室外区域;针对室内区域和室外区域,分别使用不同的自动白平衡和/或自动曝光控制。
进一步的,根据画面景深信息将待优化图像分割为室内区域和室外区域包括:根据画面景深信息确定各像素点对应的景深值,根据各像素点对应的景深值将待优化图像分割为至少一个景深不同的目标区域,目标区域内各像素点的景深值的差值小于阈值;计算各目标区域与其相邻区域的景深比值及白平衡/曝光比值,当一目标区域与相邻区域的平均景深值的比值及白平衡/曝光值的比值均大于对应阈值时,将目标区域及相邻区域分割为室内区域和室外区域。
进一步的,根据画面景深信息对待优化图像进行优化包括:根据画面景深信息计算待优化图像内各像素点的去噪矩阵及锐化矩阵,根据各像素点的去噪矩阵及锐化矩阵对待优化图像内各像素点的图像进行去噪及锐化处理。
进一步的,根据画面景深信息计算待优化图像内各像素点的去噪矩阵及锐化矩阵包括:根据画面景深信息确定各像素点的景深值,对各像素点的景深值进行归一化处理,获取各像素点的矩阵加权系数,根据加权系数及标准去噪矩阵及锐化矩阵,计算各像素点的去噪矩阵及锐化矩阵。
进一步的,对各像素点的景深值进行归一化处理,获取各像素点的矩阵加权系数包括:使用公式γa=Da/(Df-Dn)进行归一化处理获取各像素点的矩阵加权系数,其中,a为图像中任一像素点,n和f为穿过a、且垂直图像边缘的直线与图像边缘相交的像素点,Da、Df、Dn分别为像素点a、f、n对应的景深值,γa为像素点a的矩阵加权系数。
本发明提供了一种图像优化装置,其包括:
获取模块,用于获取待优化图像的画面景深信息;
优化模块,用于根据画面景深信息对待优化图像进行优化。
进一步的,获取模块用于通过双摄算法、激光对焦方法或软件算法测量待优化图像,获取画面景深信息。
进一步的,优化模块用于根据画面景深信息将待优化图像分割为室内区域和室外区域;针对室内区域和室外区域,分别使用不同的自动白平衡和/或自动曝光控制。
进一步的,优化模块用于根据画面景深信息确定各像素点对应的景深值,根据各像素点对应的景深值将待优化图像分割为至少一个景深不同的目标区域,目标区域内各像素点的景深值的差值小于阈值;计算各目标区域与其相邻区域的景深比值及白平衡/曝光比值,当一目标区域与相邻区域的平均景深值的比值及白平衡/曝光值的比值均大于对应阈值时,将区域及相邻区域分割为室内区域和室外区域。
进一步的,优化模块用于根据画面景深信息计算待优化图像内各像素点的去噪矩阵及锐化矩阵,根据各像素点的去噪矩阵及锐化矩阵对待优化图像内各像素点的图像进行去噪及锐化处理。
进一步的,优化模块用于根据画面景深信息确定各像素点的景深值,对各像素点的景深值进行归一化处理,获取各像素点的矩阵加权系数,根据加权系数及标准去噪矩阵及锐化矩阵,计算各像素点的去噪矩阵及锐化矩阵。
进一步的,优化模块用于使用公式γa=Da/(Df-Dn)进行归一化处理获取各像素点的矩阵加权系数,其中,a为图像中任一像素点,n和f为穿过a、且垂直图像边缘的直线与图像边缘相交的像素点,Da、Df、Dn分别为像素点a、f、n对应的景深值,γa为像素点a的矩阵加权系数。
本发明提供了一种终端,其包括本发明提供的图像优化装置。
本发明的有益效果:
本发明提供了一种图像优化方法,首先获取图像的图像景深信息,然后基于图像景深信息对图像进行优化处理,由于图像景深信息是与图像各像素点对应景物的噪声及锐度成正比,这样图像优化处理后,靠近人眼的景物锐度最大、噪声最小,符合人眼观察经验。
附图说明
图1为本发明第一实施例提供的图像优化装置的结构示意图;
图2为本发明第二实施例提供的图像优化方法的流程图;
图3是本发明第三实施例提供的图像优化方法的流程图;
图4是本发明第三实施例中的待优化图像的示意图;
图5是本发明第四实施例提供的图像优化方法的流程图;
图6是本发明第四实施例中的待优化图像的示意图。
具体实施方式
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,所描述的实施例只是本发明中一部分实施例,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做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。
现通过具体实施方式结合附图的方式对本发明做出进一步的诠释说明。
第一实施例:
图1为本发明第一实施例提供的图像优化装置的结构示意图,由图1可知,在本实施例中,本发明提供的图像优化装置包括:
获取模块11,用于获取待优化图像的画面景深信息;画面景深信息是指图像内所有像素点的景深值,像素点的景深值与像素点的景物距离摄像头的距离的成正比;
优化模块12,用于根据画面景深信息对待优化图像进行优化。
在一些实施例中,上述实施例中的获取模块11用于通过双摄算法、激光对焦方法或软件算法测量待优化图像,获取画面景深信息。在实际应用中,若终端具备多个摄像头,在拍照时,优选使用双摄算法计算画面景深信息。
在一些实施例中,上述实施例中的优化模块12用于根据画面景深信息将待优化图像分割为室内区域和室外区域;针对室内区域和室外区域,分别使用不同的自动白平衡和/或自动曝光控制。
在一些实施例中,上述实施例中的优化模块12用于根据画面景深信息确定各像素点对应的景深值,根据各像素点对应的景深值将待优化图像分割为至少一个景深不同的目标区域,目标区域内各像素点的景深值的差值小于阈值;计算各目标区域与其相邻区域的景深比值及白平衡/曝光比值,当一目标区域与相邻区域的平均景深值的比值及白平衡/曝光值的比值均大于对应阈值时,将区域及相邻区域分割为室内区域和室外区域。
在一些实施例中,上述实施例中的优化模块12用于根据画面景深信息计算待优化图像内各像素点的去噪矩阵及锐化矩阵,根据各像素点的去噪矩阵及锐化矩阵对待优化图像内各像素点的图像进行去噪及锐化处理。
在一些实施例中,上述实施例中的优化模块12用于根据画面景深信息确定各像素点的景深值,对各像素点的景深值进行归一化处理,获取各像素点的矩阵加权系数,根据加权系数及标准去噪矩阵及锐化矩阵,计算各像素点的去噪矩阵及锐化矩阵。
在一些实施例中,上述实施例中的优化模块12用于使用公式γa=Da/(Df-Dn)进行归一化处理获取各像素点的矩阵加权系数,其中,a为图像中任一像素点,n和f为穿过a、且垂直图像边缘的直线与图像边缘相交的像素点,Da、Df、Dn分别为像素点a、f、n对应的景深值,γa为像素点a的矩阵加权系数。
对应的,本发明提供了一种终端,其包括本发明提供的图像优化装置。在实际应用中,本发明所涉及的终端可以是电脑、移动电脑、手机、平板等。
第二实施例:
图2为本发明第二实施例提供的图像优化方法的流程图,由图2可知,在本实施例中,本发明提供的图像优化方法包括:
S201:获取待优化图像的画面景深信息;
S202:根据画面景深信息对待优化图像进行优化。
在一些实施例中,上述实施例中的步骤S201包括:通过双摄算法、激光对焦方法或软件算法测量待优化图像,获取画面景深信息。
在一些实施例中,当设备包括至少两个摄像头时,上述实施例中的步骤S201包括:根据多摄像头计算画面景深信息。
在一些实施例中,上述实施例中的步骤S202包括:根据画面景深信息将待优化图像分割为室内区域和室外区域;针对室内区域和室外区域,分别使用不同的自动白平衡和/或自动曝光控制。
在一些实施例中,上述实施例中的根据画面景深信息将待优化图像分割为室内区域和室外区域包括:根据画面景深信息确定各像素点对应的景深值,根据各像素点对应的景深值将待优化图像分割为至少一个景深不同的目标区域,目标区域内各像素点的景深值的差值小于阈值;计算各目标区域与其相邻区域的景深比值及白平衡/曝光比值,当一目标区域与相邻区域的平均景深值的比值及白平衡/曝光值的比值均大于对应阈值时,将目标区域及相邻区域分割为室内区域和室外区域。
在一些实施例中,上述实施例中的步骤S202包括:根据画面景深信息计算待优化图像内各像素点的去噪矩阵及锐化矩阵,根据各像素点的去噪矩阵及锐化矩阵对待优化图像内各像素点的图像进行去噪及锐化处理。
在一些实施例中,上述实施例中的根据画面景深信息计算待化图像内各像素点的去噪矩阵及锐化矩阵包括:根据画面景深信息确定各像素点的景深值,对各像素点的景深值进行归一化处理,获取各像素点的矩阵加权系数,根据加权系数及标准去噪矩阵及锐化矩阵,计算各像素点的去噪矩阵及锐化矩阵。
在一些实施例中,上述实施例中的对各像素点的景深值进行归一化处理,获取各像素点的矩阵加权系数包括:使用公式γa=Da/(Df-Dn)进行归一化处理获取各像素点的矩阵加权系数,其中,a为图像中任一像素点,n和f为穿过a、且垂直图像边缘的直线与图像边缘相交的像素点,Da、Df、Dn分别为像素点a、f、n对应的景深值,γa为像素点a的矩阵加权系数。
现结合具体应用场景对本发明做进一步的诠释说明。
在以下实施例中,以终端为双摄像头手机为例进行说明。
第三实施例:
本实施例针对画面中同时出现室内室外,并且室内外的光源、亮度差别较大的场景,通过使用景深信息与画面统计信息迅速定位室内外场景,并针对室内外场景做不同的自动白平衡(awb,Auto white balance)和自动曝光(aec,Auto exposure control)处理。
具体的,如图3所示,本实施例提供的图像优化方法包括以下步骤:
S301:采样双摄技术,利用左右摄像头视角差计算画面景深信息;
在实际应用中,画面景深信息是指图像内所有像素点的景深值,像素点的景深值与像素点的景物距离摄像头的距离的成正比。
S302:利用S101输出的景深信息与画面本身的awb/aec统计信息,确定室内外场景边界。
本步骤具体包括:根据画面景深信息确定各像素点对应的景深值,根据各像素点对应的景深值将待优化图像分割为至少一个景深不同的目标区域,目标区域内各像素点的景深值的差值小于阈值;计算各目标区域与其相邻区域的景深比值及白平衡/曝光比值,当一目标区域与相邻区域的平均景深值的比值及白平衡/曝光值的比值均大于对应阈值时,将区域及相邻区域分割为室内区域和室外区域。
如图4所示,区域2部分为窗户,区域1部分为室内近景,区域3部分为室内远景,在实际应用中,区域2部分内的像素点的景深值代表着其对应景物到摄像头的距离远大于区域1部分与区域3部分的像素点的景深值,那么反推的,根据预览画面内各区域的平均景深值也可以将室内景物及室外景物分辨开,因为室内物体景深反差较小,室外景物与室内景物景深反差较大,边界阈值处理后分割室内外场景,例如区域3部分一般对应着墙壁,其各像素点的景深值基本一样,就可以将这样的区域作为一个目标区域。
在实际应用中,分割需要满足:
1)不同景深区域的平均景深比值大于阈值T1,如(区域2的平均景深/区域3的平均景深)>阈值T1;
2)区域内外awb/aec统计信息均值比值大于阈值T2,如(区域2的awb均值/区域3的awb均值)>阈值T2;
在实际应用中,可以根据经验值,设置T1和T2,在本实施例中,两个条件必须同时满足,如景深1区域满足条件1)不满足条件2)则判断景深1区域非窗外区域。
S303:对步骤S102判定的室内外区域分别采样不同的awb与aec算法处理。
针对awb,可以同时采样灰世界与白世界算法处理,室外的白点不参与室内的白平衡计算。
第四实施例:
本实施例针对画面中有近处到远处景深呈线性延伸的场景,通过将画面线性的景深值作为一个线性的去噪权重值,调节去噪强度,从近到远,去噪强度逐渐加强,锐化参数逐渐减弱,符合人眼观察经验。
具体的,如图5所示,本实施例提供的图像优化方法包括以下步骤:
S501:采样双摄技术,利用左右摄像头视角差计算画面景深信息,将图像各点景深值做归一化得到各点的矩阵系数;
采样目前主流双摄技术,利用左右摄像头视角差计算画面景深信息,如图6所示,将图像各点景深值做归一化得到矩阵系数γ:
采用公式γa=Da/(Df-Dn)对图像各点景深值做归一化得到矩阵系数γ,其中,a为图像中任一点,n和f为穿过a、且垂直图像边缘的直线与图像边缘的交点,Da、Df、Dn分别为点a、f、n对应的景深值。
S502:计算各点的去噪矩阵及锐化矩阵;
利用步骤S501计算的深度信息作为权重γ,分别乘以标准的去噪矩阵A与锐化矩阵B:
具体的,a点的去噪矩阵A’=γa*A;a点的锐化矩阵B’=(1-γa)*B;
S503:进行优化处理;
具体的,利用步骤S502得出的去噪和锐化矩阵对画面P进行去噪和锐化,其中,
在实际应用中,同一图像中,可能在包括室内室外窗口的同时,还包括马路等延伸场景,即同时包括第三实施例及第四实施例的运用场景,此时,可以分别的、依次执行第三实施例及第四实施例提供的图像优化方法。
综上可知,通过本发明的实施,至少存在以下有益效果:
本发明提供了一种图像优化方法,首先获取图像的图像景深信息,然后基于图像景深信息对图像进行优化处理,由于图像景深信息是与图像各像素点对应景物的亮度成正比,这样图像优化处理后,符合人眼观察经验。
以上仅是本发明的具体实施方式而已,并非对本发明做任何形式上的限制,凡是依据本发明的技术实质对以上实施方式所做的任意简单修改、等同变化、结合或修饰,均仍属于本发明技术方案的保护范围。
Claims (15)
1.一种图像优化方法,其特征在于,包括:
获取待优化图像的画面景深信息;
根据所述画面景深信息对所述待优化图像进行优化。
2.如权利要求1所述的图像优化方法,其特征在于,所述获取待优化图像的画面景深信息包括:通过双摄算法、激光对焦方法或软件算法测量所述待优化图像,获取所述画面景深信息。
3.如权利要求1所述的图像优化方法,其特征在于,所述根据所述画面景深信息对所述待优化图像进行优化包括:根据所述画面景深信息将所述待优化图像分割为室内区域和室外区域;针对室内区域和室外区域,分别使用不同的自动白平衡和/或自动曝光控制。
4.如权利要求3所述的图像优化方法,其特征在于,所述根据所述画面景深信息将所述待优化图像分割为室内区域和室外区域包括:根据所述画面景深信息确定各像素点对应的景深值,根据各像素点对应的景深值将所述待优化图像分割为至少一个景深不同的目标区域,所述目标区域内各像素点的景深值的差值小于阈值;计算各目标区域与其相邻区域的景深比值及白平衡/曝光比值,当一目标区域与相邻区域的平均景深值的比值及白平衡/曝光值的比值均大于对应阈值时,将所述目标区域及相邻区域分割为室内区域和室外区域。
5.如权利要求1至4任一项所述的图像优化方法,其特征在于,所述根据所述画面景深信息对所述待优化图像进行优化包括:根据所述画面景深信息计算所述待优化图像内各像素点的去噪矩阵及锐化矩阵,根据所述各像素点的去噪矩阵及锐化矩阵对所述待优化图像内各像素点的图像进行去噪及锐化处理。
6.如权利要求5所述的图像优化方法,其特征在于,所述根据所述画面景深信息计算所述待优化图像内各像素点的去噪矩阵及锐化矩阵包括:根据所述画面景深信息确定各像素点的景深值,对所述各像素点的景深值进行归一化处理,获取各像素点的矩阵加权系数,根据所述加权系数及标准去噪矩阵及锐化矩阵,计算所述各像素点的去噪矩阵及锐化矩阵。
7.如权利要求6所述的图像优化方法,其特征在于,所述对所述各像素点的景深值进行归一化处理,获取各像素点的矩阵加权系数包括:使用公式γa=Da/(Df-Dn)进行归一化处理获取各像素点的矩阵加权系数,其中,a为图像中任一像素点,n和f为穿过a、且垂直图像边缘的直线与图像边缘相交的像素点,Da、Df、Dn分别为像素点a、f、n对应的景深值,γa为像素点a的矩阵加权系数。
8.一种图像优化装置,其特征在于,包括:
获取模块,用于获取待优化图像的画面景深信息;
优化模块,用于根据所述画面景深信息对所述待优化图像进行优化。
9.如权利要求8所述的图像优化装置,其特征在于,所述获取模块用于通过双摄算法、激光对焦方法或软件算法测量所述待优化图像,获取所述画面景深信息。
10.如权利要求8所述的图像优化装置,其特征在于,所述优化模块用于根据所述画面景深信息将所述待优化图像分割为室内区域和室外区域;针对室内区域和室外区域,分别使用不同的自动白平衡和/或自动曝光控制。
11.如权利要求10所述的图像优化装置,其特征在于,所述优化模块用于根据所述画面景深信息确定各像素点对应的景深值,根据各像素点对应的景深值将所述待优化图像分割为至少一个景深不同的目标区域,所述目标区域内各像素点的景深值的差值小于阈值;计算各目标区域与其相邻区域的景深比值及白平衡/曝光比值,当一目标区域与相邻区域的平均景深值的比值及白平衡/曝光值的比值均大于对应阈值时,将所述目标区域及相邻区域分割为室内区域和室外区域。
12.如权利要求8至11任一项所述的图像优化装置,其特征在于,所述优化模块用于根据所述画面景深信息计算所述待优化图像内各像素点的去噪矩阵及锐化矩阵,根据所述各像素点的去噪矩阵及锐化矩阵对所述待优化图像内各像素点的图像进行去噪及锐化处理。
13.如权利要求12所述的图像优化装置,其特征在于,所述优化模块用于根据所述画面景深信息确定各像素点的景深值,对所述各像素点的景深值进行归一化处理,获取各像素点的矩阵加权系数,根据所述加权系数及标准去噪矩阵及锐化矩阵,计算所述各像素点的去噪矩阵及锐化矩阵。
14.如权利要求13所述的图像优化装置,其特征在于,所述优化模块用于使用公式γa=Da/(Df-Dn)进行归一化处理获取各像素点的矩阵加权系数,其中,a为图像中任一像素点,n和f为穿过a、且垂直图像边缘的直线与图像边缘相交的像素点,Da、Df、Dn分别为像素点a、f、n对应的景深值,γa为像素点a的矩阵加权系数。
15.一种终端,其特征在于,包括如权利要求8至14任一项所述的图像优化装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610293530.9A CN107346531A (zh) | 2016-05-05 | 2016-05-05 | 一种图像优化方法、装置及终端 |
US16/097,282 US20190139198A1 (en) | 2016-05-05 | 2016-07-05 | Image Optimization Method and Device, and Terminal |
PCT/CN2016/088609 WO2017190415A1 (zh) | 2016-05-05 | 2016-07-05 | 一种图像优化方法、装置及终端 |
EP16900937.0A EP3438921A4 (en) | 2016-05-05 | 2016-07-05 | IMAGE OPTIMIZATION METHOD AND DEVICE, AND TERMINAL THEREOF |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610293530.9A CN107346531A (zh) | 2016-05-05 | 2016-05-05 | 一种图像优化方法、装置及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107346531A true CN107346531A (zh) | 2017-11-14 |
Family
ID=60202546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610293530.9A Pending CN107346531A (zh) | 2016-05-05 | 2016-05-05 | 一种图像优化方法、装置及终端 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20190139198A1 (zh) |
EP (1) | EP3438921A4 (zh) |
CN (1) | CN107346531A (zh) |
WO (1) | WO2017190415A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108182667A (zh) * | 2017-12-29 | 2018-06-19 | 努比亚技术有限公司 | 一种图像优化方法、终端及计算机可读存储介质 |
CN109605429A (zh) * | 2018-12-06 | 2019-04-12 | 宁波宝尼尔厨具电器有限公司 | 可清洗型弯头式去胡刀 |
CN113965663A (zh) * | 2020-07-21 | 2022-01-21 | 深圳Tcl新技术有限公司 | 一种图像画质优化方法、智能终端及存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220953A (zh) * | 2017-06-16 | 2017-09-29 | 广东欧珀移动通信有限公司 | 图像处理方法、装置及终端 |
CN113570650B (zh) * | 2020-04-28 | 2024-02-02 | 合肥美亚光电技术股份有限公司 | 景深的判断方法、装置、电子设备和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7425984B2 (en) * | 2003-04-04 | 2008-09-16 | Stmicroelectronics, Inc. | Compound camera and methods for implementing auto-focus, depth-of-field and high-resolution functions |
US20070093993A1 (en) * | 2005-10-20 | 2007-04-26 | Stork David G | End-to-end design of electro-optic imaging systems using backwards ray tracing from the detector to the source |
CN101267505B (zh) * | 2008-04-25 | 2010-06-02 | 北京中星微电子有限公司 | 一种曝光时间调整方法、装置及一种摄像头 |
CN102999901B (zh) * | 2012-10-17 | 2016-06-29 | 中国科学院计算技术研究所 | 基于深度传感器的在线视频分割后的处理方法及系统 |
US9852499B2 (en) * | 2013-12-13 | 2017-12-26 | Konica Minolta Laboratory U.S.A., Inc. | Automatic selection of optimum algorithms for high dynamic range image processing based on scene classification |
CN104794688B (zh) * | 2015-03-12 | 2018-04-03 | 北京航空航天大学 | 基于深度信息分离天空区域的单幅图像去雾方法及装置 |
-
2016
- 2016-05-05 CN CN201610293530.9A patent/CN107346531A/zh active Pending
- 2016-07-05 US US16/097,282 patent/US20190139198A1/en not_active Abandoned
- 2016-07-05 EP EP16900937.0A patent/EP3438921A4/en not_active Withdrawn
- 2016-07-05 WO PCT/CN2016/088609 patent/WO2017190415A1/zh active Application Filing
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108182667A (zh) * | 2017-12-29 | 2018-06-19 | 努比亚技术有限公司 | 一种图像优化方法、终端及计算机可读存储介质 |
CN108182667B (zh) * | 2017-12-29 | 2020-07-17 | 珠海大横琴科技发展有限公司 | 一种图像优化方法、终端及计算机可读存储介质 |
CN109605429A (zh) * | 2018-12-06 | 2019-04-12 | 宁波宝尼尔厨具电器有限公司 | 可清洗型弯头式去胡刀 |
CN109605429B (zh) * | 2018-12-06 | 2020-10-09 | 蒋玉素 | 可清洗型弯头式去胡刀 |
CN113965663A (zh) * | 2020-07-21 | 2022-01-21 | 深圳Tcl新技术有限公司 | 一种图像画质优化方法、智能终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2017190415A1 (zh) | 2017-11-09 |
US20190139198A1 (en) | 2019-05-09 |
EP3438921A1 (en) | 2019-02-06 |
EP3438921A4 (en) | 2019-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111028189B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
WO2019105262A1 (zh) | 背景虚化处理方法、装置及设备 | |
CN107346531A (zh) | 一种图像优化方法、装置及终端 | |
CN108322646B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
WO2019183813A1 (zh) | 一种拍摄方法及设备 | |
RU2629436C2 (ru) | Способ и устройство управления масштабированием и устройство цифровой фотосъемки | |
US8306360B2 (en) | Device and method for obtaining clear image | |
KR101812807B1 (ko) | 영역별 가중치를 기반으로 한 적응형 자동 노출 제어 방법 | |
WO2019042216A1 (zh) | 图像虚化处理方法、装置及拍摄终端 | |
CN106570838B (zh) | 一种图像亮度优化方法及装置 | |
WO2019105254A1 (zh) | 背景虚化处理方法、装置及设备 | |
WO2019105261A1 (zh) | 背景虚化处理方法、装置及设备 | |
CN113114947B (zh) | 对焦调节方法和装置、电子设备及存储介质 | |
CN107358593B (zh) | 成像方法和装置 | |
JP2007201979A (ja) | 露出制御装置および撮像装置 | |
US9218681B2 (en) | Image processing apparatus and image processing method | |
CN109196852B (zh) | 拍摄构图引导方法及装置 | |
KR20110124965A (ko) | 아웃 포커싱 촬영에서 빛망울 효과를 생성하기 위한 장치 및 방법 | |
US20070253693A1 (en) | Exposure compensation method for digital image | |
WO2019019904A1 (zh) | 白平衡处理方法、装置和终端 | |
CN113301320B (zh) | 图像信息处理方法、装置和电子设备 | |
JP5152405B2 (ja) | 画像処理装置および画像処理方法、画像処理プログラム | |
CN106803920B (zh) | 一种图像处理的方法、装置及智能会议终端 | |
CN110175967B (zh) | 图像去雾处理方法、系统、计算机设备和存储介质 | |
US10235745B2 (en) | Image processing method, computer storage medium, apparatus and terminal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171114 |