CN107358578B - 一种阴阳脸处理方法和装置 - Google Patents

一种阴阳脸处理方法和装置 Download PDF

Info

Publication number
CN107358578B
CN107358578B CN201710367970.9A CN201710367970A CN107358578B CN 107358578 B CN107358578 B CN 107358578B CN 201710367970 A CN201710367970 A CN 201710367970A CN 107358578 B CN107358578 B CN 107358578B
Authority
CN
China
Prior art keywords
brightness
brightness value
component
pixel point
luminance
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.)
Expired - Fee Related
Application number
CN201710367970.9A
Other languages
English (en)
Other versions
CN107358578A (zh
Inventor
王露
徐鹏飞
赵瑞
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.)
Sensenets Technology Ltd
Original Assignee
Sensenets Technology 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 Sensenets Technology Ltd filed Critical Sensenets Technology Ltd
Priority to CN201710367970.9A priority Critical patent/CN107358578B/zh
Publication of CN107358578A publication Critical patent/CN107358578A/zh
Application granted granted Critical
Publication of CN107358578B publication Critical patent/CN107358578B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种阴阳脸处理方法和装置，其中该方法包括以下步骤：根据原始图像获取第一亮度分量；对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量；根据所述第二亮度分量和第一亮度分量计算比例系数矩阵；根据所述比例系数矩阵对所述原始图像进行阴阳脸处理，得到输出图像。通过对图像亮度分量进行自适应伽马校正，可以有效恢复暗处信息，同时不会造成亮处信息的损失，处理结果图像质量较高，可视性良好。可以用于调节光照分布，改善图像质量，和对阴阳脸图像处理，并可进一步应用于人脸识别的预处理、显示技术、照片美颜等领域。

Description

一种阴阳脸处理方法和装置
技术领域
本发明涉及图像处理技术，尤其涉及一种阴阳脸处理方法和装置。
背景技术
现实拍摄技术和条件往往会导致拍摄结果差强人意，出现光照不均匀，噪声，对比度不够等图像质量较低的现象，这一现象对图像视觉效果和再利用造成了很大影响。阴阳脸是指在拍摄时遇到侧光环境导致的照片光照分布不均匀，拍摄到的人脸一部分暗一部分亮的现象。
目前，针对阴阳脸图像传统的处理方法有：
1、手动处理，如Photoshop的减淡工具，通过调整减淡幅度，并在阴影处涂抹的方法来提升较暗区域。该方法有效，但需要人为操作，实时性不强，无法集成到诸如人脸识别系统中进行应用。
2、一键式处理，主要从亮度和对比度方面进行改善。然而，传统的算法无法有针对性地调整人脸亮度分布和对比度，即无法做到既让人脸暗的部分尽量亮起来，同时防止原来亮的部分过曝光，最终导致人脸较暗处增强不足，较亮处过度曝光，大量信息损失的结果。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种阴阳脸处理方法，其能解决现有的手动式方法实时性和应用性差；一键式方法效果较差，通常会造成信息丢失、增强不足或过曝光等现象的问题。
本发明的目的之二在于提供一种阴阳脸处理装置，其能解决现有的手动式方法实时性和应用性差；一键式方法效果较差，通常会造成信息丢失、增强不足或过曝光等现象的问题。
本发明的目的之三在于提供一种阴阳脸处理装置，其能解决现有的手动式方法实时性和应用性差；一键式方法效果较差，通常会造成信息丢失、增强不足或过曝光等现象的问题。
本发明的目的之一采用以下技术方案实现：
一种阴阳脸处理方法，包括以下步骤：
根据原始图像获取第一亮度分量；
对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量；
根据所述第二亮度分量和第一亮度分量计算比例系数矩阵；
根据所述比例系数矩阵对所述原始图像进行阴阳脸处理，得到输出图像。
进一步地，所述原始图像包括多个像素点，所述第一亮度分量包括对应于各所述像素点的第一亮度值；所述对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量，具体包括以下子步骤：
获取各所述像素点的最大亮度值和最小亮度值；
计算各所述像素点的自适应gamma因子；
根据所述最大亮度值、最小亮度值和各所述像素点的第一亮度值计算各所述像素点的第二亮度值；
根据所述自适应gamma因子和第二亮度值计算对应于各所述像素点的第三亮度值，所述第二亮度分量包括各所述像素点的第三亮度值。
进一步地，所述计算各所述像素点的自适应gamma因子，具体为通过以下算式计算：
γ＝1.3+0.045×log(Yin+0.6034)
其中，γ表示所述自适应gamma因子，Yin表示所述像素点的第一亮度值；
所述根据所述最大亮度值、最小亮度值和各所述像素点的第一亮度值计算各所述像素点的第二亮度值，具体为通过以下算式计算：
Figure GDA0002248254320000031
其中，Y'in表示所述像素点的第二亮度值，Ymax表示所述最大亮度值，Ymin表示所述最小亮度值；
所述根据所述自适应gamma因子和第二亮度值计算各所述像素点的第三亮度值，具体为通过以下算式计算：
Yout＝Y'in γ
其中，Yout表示所述像素点的第三亮度值。
进一步地，所述对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量之后，还包括以下步骤：
根据所述最大亮度值、最小亮度值对所述第二亮度分量进行重建；
所述根据所述第二亮度分量和第一亮度分量计算比例系数矩阵，具体为根据重建后的所述第二亮度分量和第一亮度分量计算比例系数矩阵。
进一步地，所述对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量之前，还包括以下步骤：
对所述第一亮度分量进行高斯滤波；
所述对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量，具体为对高斯滤波后的所述第一亮度分量进行自适应伽马校正，得到第二亮度分量。
本发明的目的之二采用以下技术方案实现：
一种阴阳脸处理装置，包括：
转换模块，用于根据原始图像获取第一亮度分量；
校正模块，用于对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量；
计算模块，用于根据所述第二亮度分量和第一亮度分量计算比例系数矩阵；
处理模块，用于根据所述比例系数矩阵对所述原始图像进行阴阳脸处理，得到输出图像。
进一步地，所述原始图像包括多个像素点，所述第一亮度分量包括对应于各所述像素点的第一亮度值；所述校正模块包括：
获取单元，用于获取各所述像素点的最大亮度值和最小亮度值；
第一计算单元，用于计算各所述像素点的自适应gamma因子；
第二计算单元，用于根据所述最大亮度值、最小亮度值和各所述像素点的第一亮度值计算各所述像素点的第二亮度值；
第三计算单元，用于根据所述自适应gamma因子和第二亮度值计算各所述像素点的第三亮度值，所述第二亮度分量包括各所述像素点的第三亮度值。
进一步地，所述的阴阳脸处理装置还包括：
重建模块，用于根据所述最大亮度值、最小亮度值对所述第二亮度分量进行重建；
所述计算模块具体用于根据重建后的所述第二亮度分量和第一亮度分量计算比例系数矩阵。
进一步地，所述的阴阳脸处理装置还包括：
滤波模块，用于对所述第一亮度分量进行高斯滤波；
所述校正模块具体用于对高斯滤波后的所述第一亮度分量进行自适应伽马校正，得到第二亮度分量。
本发明的目的之三采用以下技术方案实现：
一种阴阳脸处理装置，其特征在于，包括：
处理器以及用于存储处理器可执行的指令的存储器；
所述处理器被配置为：
根据原始图像获取第一亮度分量；
对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量；
根据所述第二亮度分量和第一亮度分量计算比例系数矩阵；
根据所述比例系数矩阵对所述原始图像进行阴阳脸处理，得到输出图像。
相比现有技术，本发明的有益效果在于：通过对图像亮度分量进行自适应伽马校正，可以有效恢复暗处信息，同时不会造成亮处信息的损失，处理结果图像质量较高，可视性良好。可以用于调节光照分布，改善图像质量，和对阴阳脸图像处理，并可进一步应用于人脸识别的预处理、显示技术、照片美颜等领域。
附图说明
图1为本发明实施例一的阴阳脸处理方法的流程示意图；
图2为本发明实施例二的阴阳脸处理方法的流程示意图；
图3为本发明实施例三的阴阳脸处理装置的结构示意图；
图4为本发明实施例四的阴阳脸处理装置的结构示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例一
如图1为一种阴阳脸处理方法，包括以下步骤：
步骤S110、根据原始图像获取第一亮度分量。
在本实施例中，色彩空间图像具体指的是YUV颜色空间的图像。YUV颜色空间是一种颜色编码方法，Y代表亮度，其实Y就是图像的灰度值；UV代表色差，U和V是构成彩色的两个分量，采用YUV色彩空间的原因之一是它的亮度信号Y和色度信号U、V是分离的。YUV颜色空间中的Y分量即是一种第一亮度分量。
原始图像可以是RGB颜色空间的图像。RGB颜色是红色(Red)、绿色(Green)和蓝色(Blue)三基色的字母缩写。RGB色彩模式是通过三种基本颜色的不同程度的叠加来产生各种各样的不同颜色，这个标准能够涵盖人类视力所能感知的所有颜色，是目前运用广泛的颜色空间之一。
如果原始图像是YUV颜色空间的图像，则可直接获取Y分量作为第一亮度分量。如果原始图像是RGB颜色空间的图像，则可以通过变换首先将原始图像转换为包含第一亮度分量的色彩空间图像，阴阳脸处理主要是针对第一亮度分量进行处理。需要说明的是色彩空间图像也可仅包括第一亮度分量，即为黑白灰度图像。
进一步地，以将RGB颜色空间转换为YUV颜色空间为例，转换公式如下:
yin＝T(1,1)·R+T(1,2)·G+T(1,3)·B
uin＝T(2,1)·R+T(2,2)·G+T(2,3)·B+128
vin＝T(3,1)·R+T(3,2)·G+T(3,3)·B+128
Figure GDA0002248254320000071
其中，R，G，B分别为原RGB颜色空间阴阳脸图像的三个分量图像，T为变换矩阵，yin，uin、vin为变换后的YUV颜色空间的Y/U/V三个分量图像，Y分量主要为亮度分量，本实施例可以只计算yin作为第一亮度分量并进行后续处理。
步骤S120、对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量。
所述原始图像或色彩空间图像包括多个像素点，所述第一亮度分量包括对应于各所述像素点的第一亮度值；即第一亮度分量yin包含一系列对应于各像素点的第一亮度值。对第一亮度分量的处理可通过分别对各像素点的第一亮度值进行处理实现。本发明中第一亮度值以Yin表示。
传统的伽马校正指的是对图像像素值进行的非线性映射，使校正后的图像与原图像呈指数关系，使图像更符合人眼视觉特性。具体的，伽马校正公式为y＝c×xγ其中x和y分别为输入和输出图像，γ为gamma因子，c为常量。
在本发明中，首先统计出图像自身的亮度分布，接着对图像进行自适应的伽马(gamma)校正。
进一步地，所述步骤S120对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量，具体包括以下子步骤：
步骤S121、获取各所述像素点的最大亮度值和最小亮度值；具体的，可以通过Bartleson-Breneman方法计算各像素点的最大亮度值Ymax和最小亮度值Ymin：
Ymax＝25.83+30.82Yin 0.6753；
Ymin＝0.0212+0.0185Yin 1.0314。
步骤S122、计算各所述像素点的自适应gamma因子；在本实施例中，gamma因子γ具体通过以下算式计算：
γ＝1.3+0.045×log(Yin+0.6034)
其中，γ表示所述自适应gamma因子，Yin表示所述像素点的第一亮度值。
步骤S123、根据所述最大亮度值、最小亮度值和各所述像素点的第一亮度值计算各所述像素点的第二亮度值；在本实施例中，具体为通过以下算式计算：
Figure GDA0002248254320000081
其中，Y'in表示所述像素点的第二亮度值，Ymax表示所述最大亮度值，Ymin表示所述最小亮度值。
步骤S124、根据所述自适应gamma因子和第二亮度值计算对应于各所述像素点的第三亮度值，所述第二亮度分量包括各所述像素点的第三亮度值；在本实施例中，具体为通过以下算式计算各像素点的第三亮度值：
Yout＝Y'in γ
其中，Yout表示所述像素点的第三亮度值。
由所有像素点的第三亮度值之集合即可得到所述第二亮度分量yout。
步骤S130、根据所述第二亮度分量和第一亮度分量计算比例系数矩阵；具体的，通过以下算式计算比例系数矩阵ratio：
Figure GDA0002248254320000082
比例系数矩阵Ratio包含对应于各像素点的比例系数Ratio，对于某一像素点，其比例系数
Figure GDA0002248254320000091
步骤S140、根据所述比例系数矩阵对所述原始图像进行阴阳脸处理，得到输出图像。具体的，可以根据以下算式计算：
Figure GDA0002248254320000092
即按比例的方法得到R，G，B每个颜色分量的处理结果R’，G’，B’；然后将R’，G’，B’合成即可得到输出图像。
在另一实施例中，可以将所述第二亮度分量yout与原来的色彩空间图像中的U分量uin和V分量vin合成以得到输出图像。
本发明通过对图像亮度分量进行自适应伽马校正，可以有效恢复暗处信息，同时不会造成亮处信息的损失，处理结果图像质量较高，可视性良好。可以用于调节光照分布，改善图像质量，和对阴阳脸图像处理，并可进一步应用于人脸识别的预处理、显示技术、照片美颜等领域。
实施例二
如图2所示的阴阳脸处理方法，包括以下步骤：
步骤S210、根据原始图像获取第一亮度分量，所述色彩空间图像包括多个像素点；各所述像素点均对应于一第一亮度值。
步骤S201、对所述第一亮度分量进行高斯滤波。
高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的去噪过程。具体操作是选取一个权值模板，扫描图像中的每一个像素，用权值模板确定的邻域内像素的加权平均灰度值去代替模板中心像素点的值。图像较暗处往往隐藏大量噪声，由于当对暗处进行图像处理如提升亮度和增强对比度等操作时，这些噪声便会被凸显出来。这里高斯滤波的目的就是防止后续步骤中的亮度处理带来的图像较暗处的隐藏噪声被凸显。Matlab和Opencv库中皆已集成该函数，可直接调用。
步骤S220、对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量。
步骤S202、根据所述最大亮度值、最小亮度值对所述第二亮度分量进行重建。
第二亮度分量yout中包括各像素点的第三亮度值Yout，通过以下算式计算得到各像素点的第四亮度值Y'out：
Y'out＝Igain×Yout+Ioffset
Figure GDA0002248254320000101
Figure GDA0002248254320000102
其中，Igain表示第一重建系数，Ioffset表示第二重建系数。
重建后的所述第二亮度分量可由各像素点的第四亮度值Y'out得到。
通过根据所述最大亮度值、最小亮度值对所述第二亮度分量进行重建，可以实现对第二亮度分量的自适应光照调节。可以进一步使得后续处理得到的输出图像光照增强合理，防止过曝光，进一步提高输出图像的质量。
步骤S230、根据所述第二亮度分量和第一亮度分量计算比例系数矩阵。
步骤S240、根据所述比例系数矩阵对所述原始图像进行阴阳脸处理，得到输出图像。
步骤S210、S220、S230和S240，分别对应实施例一中的S110、S120、S130和S140；区别在于：
步骤S220所述的对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量，具体为对高斯滤波后的所述第一亮度分量进行自适应伽马校正，得到第二亮度分量；
步骤S230所述的根据所述第二亮度分量和第一亮度分量计算比例系数矩阵，具体为根据重建后的所述第二亮度分量和第一亮度分量计算比例系数矩阵。
实施例三
如图3所示的阴阳脸处理装置，包括：
转换模块110，用于根据原始图像获取第一亮度分量，所述色彩空间图像包括多个像素点；各所述像素点均对应于一第一亮度值；
校正模块120，用于对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量；
计算模块130，用于根据所述第二亮度分量和第一亮度分量计算比例系数矩阵；
处理模块140，用于根据所述比例系数矩阵对所述原始图像进行阴阳脸处理，得到输出图像。
进一步地，所述校正模块包括：
获取单元，用于获取各所述像素点的最大亮度值和最小亮度值；
第一计算单元，用于计算各所述像素点的自适应gamma因子；
第二计算单元，用于根据所述最大亮度值、最小亮度值和各所述像素点的第一亮度值计算各所述像素点的第二亮度值；
第三计算单元，用于根据所述自适应gamma因子和第二亮度值计算对应于各所述像素点的第三亮度值，所述第二亮度分量包括各所述像素点的第三亮度值。
进一步地，阴阳脸处理装置还包括：
滤波模块101，用于对所述第一亮度分量进行高斯滤波；
所述校正模块120具体用于对高斯滤波后的所述第一亮度分量进行自适应伽马校正，得到第二亮度分量。
进一步地，阴阳脸处理装置还包括：
重建模块102，用于根据所述最大亮度值、最小亮度值对所述第二亮度分量进行重建；
所述计算模块130具体用于根据重建后的所述第二亮度分量和第一亮度分量计算比例系数矩阵。
本实施例中的装置与前述实施例中的方法是基于同一发明构思下的两个方面，在前面已经对方法实施过程作了详细的描述，所以本领域技术人员可根据前述描述清楚地了解本实施中的系统的结构及实施过程，为了说明书的简洁，在此就不再赘述。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本发明时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块或单元可以是或者也可以不是物理上分开的，作为模块或单元示意的部件可以是或者也可以不是物理模块，既可以位于一个地方，或者也可以分布到多个网络模块上。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实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等，如实施例四。
实施例四
如图4所示的阴阳脸处理装置，包括：处理器200以及用于存储处理器200可执行的指令的存储器300；
所述处理器200被配置为：
根据原始图像获取第一亮度分量，所述色彩空间图像包括多个像素点；
对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量；
根据所述第二亮度分量和第一亮度分量计算比例系数矩阵；
根据所述比例系数矩阵对所述原始图像进行阴阳脸处理，得到输出图像。
本实施例中的装置与前述实施例中的方法是基于同一发明构思下的两个方面，在前面已经对方法实施过程作了详细的描述，所以本领域技术人员可根据前述描述清楚地了解本实施中的系统的结构及实施过程，为了说明书的简洁，在此就不再赘述。
本发明实施例提供的阴阳脸处理装置，可以通过对图像亮度分量进行自适应伽马校正，可以有效恢复暗处信息，同时不会造成亮处信息的损失，处理结果图像质量较高，可视性良好。可以用于调节光照分布，改善图像质量，和对阴阳脸图像处理，并可进一步应用于人脸识别的预处理、显示技术、照片美颜等领域。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (9)

1.一种阴阳脸处理方法，其特征在于，包括以下步骤：
根据原始图像获取第一亮度分量；所述原始图像包括多个像素点，所述第一亮度分量包括对应于各所述像素点的第一亮度值；
对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量；所述对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量，具体包括以下子步骤：
获取各所述像素点的最大亮度值和最小亮度值；
计算各所述像素点的自适应gamma因子；所述计算各所述像素点的自适应gamma因子，具体为通过以下算式计算：
γ＝1.3+0.045×log(Yin+0.6034)
其中，γ表示所述自适应gamma因子，Yin表示所述像素点的第一亮度值；
根据所述最大亮度值、最小亮度值和各所述像素点的第一亮度值计算各所述像素点的第二亮度值；
根据所述自适应gamma因子和第二亮度值计算对应于各所述像素点的第三亮度值，所述第二亮度分量包括各所述像素点的第三亮度值；
根据所述第二亮度分量和第一亮度分量计算比例系数矩阵；
根据所述比例系数矩阵对所述原始图像进行阴阳脸处理，得到输出图像。
2.如权利要求1所述的阴阳脸处理方法，其特征在于，所述根据所述最大亮度值、最小亮度值和各所述像素点的第一亮度值计算各所述像素点的第二亮度值，具体为通过以下算式计算：
Figure FDA0002436972590000021
其中，Y'in表示所述像素点的第二亮度值，Ymax表示所述最大亮度值，Ymin表示所述最小亮度值；
所述根据所述自适应gamma因子和第二亮度值计算各所述像素点的第三亮度值，具体为通过以下算式计算：
Yout＝Y'in γ
其中，Yout表示所述像素点的第三亮度值。
3.如权利要求1所述的阴阳脸处理方法，其特征在于，所述对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量之后，还包括以下步骤：
根据所述最大亮度值、最小亮度值对所述第二亮度分量进行重建；
所述根据所述第二亮度分量和第一亮度分量计算比例系数矩阵，具体为根据重建后的所述第二亮度分量和第一亮度分量计算比例系数矩阵。
4.如权利要求1-3中任一项所述的阴阳脸处理方法，其特征在于，所述对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量之前，还包括以下步骤：
对所述第一亮度分量进行高斯滤波；
所述对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量，具体为对高斯滤波后的所述第一亮度分量进行自适应伽马校正，得到第二亮度分量。
5.一种阴阳脸处理装置，其特征在于，包括：
转换模块，用于根据原始图像获取第一亮度分量；所述原始图像包括多个像素点，所述第一亮度分量包括对应于各所述像素点的第一亮度值；
校正模块，用于对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量；所述对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量，具体包括以下子步骤：
获取各所述像素点的最大亮度值和最小亮度值；
计算各所述像素点的自适应gamma因子；所述计算各所述像素点的自适应gamma因子，具体为通过以下算式计算：
γ＝1.3+0.045×log(Yin+0.6034)
其中，γ表示所述自适应gamma因子，Yin表示所述像素点的第一亮度值；
根据所述最大亮度值、最小亮度值和各所述像素点的第一亮度值计算各所述像素点的第二亮度值；
根据所述自适应gamma因子和第二亮度值计算对应于各所述像素点的第三亮度值，所述第二亮度分量包括各所述像素点的第三亮度值；
计算模块，还用于根据所述第二亮度分量和第一亮度分量计算比例系数矩阵；
处理模块，用于根据所述比例系数矩阵对所述原始图像进行阴阳脸处理，得到输出图像。
6.如权利要求5所述的阴阳脸处理装置，其特征在于，所述原始图像包括多个像素点，所述第一亮度分量包括对应于各所述像素点的第一亮度值；所述校正模块包括：
获取单元，用于获取各所述像素点的最大亮度值和最小亮度值；
第一计算单元，用于计算各所述像素点的自适应gamma因子；
第二计算单元，用于根据所述最大亮度值、最小亮度值和各所述像素点的第一亮度值计算各所述像素点的第二亮度值；
第三计算单元，用于根据所述自适应gamma因子和第二亮度值计算各所述像素点的第三亮度值，所述第二亮度分量包括各所述像素点的第三亮度值。
7.如权利要求6所述的阴阳脸处理装置，其特征在于，还包括：
重建模块，用于根据所述最大亮度值、最小亮度值对所述第二亮度分量进行重建；
所述计算模块具体用于根据重建后的所述第二亮度分量和第一亮度分量计算比例系数矩阵。
8.如权利要求5-7中任一项所述的阴阳脸处理装置，其特征在于，还包括：
滤波模块，用于对所述第一亮度分量进行高斯滤波；
所述校正模块具体用于对高斯滤波后的所述第一亮度分量进行自适应伽马校正，得到第二亮度分量。
9.一种阴阳脸处理装置，其特征在于，包括：
处理器以及用于存储处理器可执行的指令的存储器；
所述处理器被配置为：
根据原始图像获取第一亮度分量；所述原始图像包括多个像素点，所述第一亮度分量包括对应于各所述像素点的第一亮度值；
对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量；所述对所述第一亮度分量进行自适应伽马校正，得到第二亮度分量，具体包括以下子步骤：
获取各所述像素点的最大亮度值和最小亮度值；
计算各所述像素点的自适应gamma因子；所述计算各所述像素点的自适应gamma因子，具体为通过以下算式计算：
γ＝1.3+0.045×log(Yin+0.6034)
其中，γ表示所述自适应gamma因子，Yin表示所述像素点的第一亮度值；
根据所述最大亮度值、最小亮度值和各所述像素点的第一亮度值计算各所述像素点的第二亮度值；
根据所述自适应gamma因子和第二亮度值计算对应于各所述像素点的第三亮度值，所述第二亮度分量包括各所述像素点的第三亮度值；
根据所述第二亮度分量和第一亮度分量计算比例系数矩阵；
根据所述比例系数矩阵对所述原始图像进行阴阳脸处理，得到输出图像。
CN201710367970.9A 2017-05-23 2017-05-23 一种阴阳脸处理方法和装置 Expired - Fee Related CN107358578B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710367970.9A CN107358578B (zh) 2017-05-23 2017-05-23 一种阴阳脸处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710367970.9A CN107358578B (zh) 2017-05-23 2017-05-23 一种阴阳脸处理方法和装置

Publications (2)

Publication Number Publication Date
CN107358578A CN107358578A (zh) 2017-11-17
CN107358578B true CN107358578B (zh) 2020-07-07

Family

ID=60271152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710367970.9A Expired - Fee Related CN107358578B (zh) 2017-05-23 2017-05-23 一种阴阳脸处理方法和装置

Country Status (1)

Country Link
CN (1) CN107358578B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109766832A (zh) * 2019-01-09 2019-05-17 深圳市三宝创新智能有限公司 一种图像预处理方法、装置、系统、设备和存储介质
CN110046573B (zh) * 2019-04-15 2022-04-15 北京迈格威科技有限公司 人脸图像的识别方法、装置、计算机设备和存储介质
CN111429387A (zh) * 2020-03-12 2020-07-17 上海扩博智能技术有限公司 图像亮度调整方法、系统、设备和存储介质
CN117934344B (zh) * 2024-02-06 2024-10-01 青岛冠成软件有限公司 一种基于物流商品的图像处理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268843A (zh) * 2014-10-16 2015-01-07 桂林电子科技大学 基于直方图修饰的图像自适应增强方法
CN105243641A (zh) * 2015-08-18 2016-01-13 西安电子科技大学 一种基于双树复小波变换的低光照图像增强方法
CN106023088A (zh) * 2015-03-19 2016-10-12 腾讯科技（深圳）有限公司 一种调整图像亮度的方法及装置
CN106557729A (zh) * 2015-09-30 2017-04-05 日本电气株式会社 用于处理人脸图像的设备和方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9177363B1 (en) * 2014-09-02 2015-11-03 National Taipei University Of Technology Method and image processing apparatus for image visibility restoration

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268843A (zh) * 2014-10-16 2015-01-07 桂林电子科技大学 基于直方图修饰的图像自适应增强方法
CN106023088A (zh) * 2015-03-19 2016-10-12 腾讯科技（深圳）有限公司 一种调整图像亮度的方法及装置
CN105243641A (zh) * 2015-08-18 2016-01-13 西安电子科技大学 一种基于双树复小波变换的低光照图像增强方法
CN106557729A (zh) * 2015-09-30 2017-04-05 日本电气株式会社 用于处理人脸图像的设备和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于二维伽马函数的光照不均匀图像自适应校正算法;刘志成，王殿伟，刘颖，刘学杰;《北京理工大学学报》;20160229;第36卷(第2期);191-196 *

Also Published As

Publication number Publication date
CN107358578A (zh) 2017-11-17

Similar Documents

Publication Publication Date Title
US9832388B2 (en) Deinterleaving interleaved high dynamic range image by using YUV interpolation
CN107358578B (zh) 一种阴阳脸处理方法和装置
TWI511559B (zh) 影像處理方法
US8675102B2 (en) Real time denoising of video
CN101141595A (zh) 图像校正方法和设备
CN102509272A (zh) 一种基于颜色恒常性的彩色图像增强方法
CN109886885B (zh) 一种基于Lab色彩空间和Retinex的图像增强方法及系统
Jang et al. Adaptive color enhancement based on multi-scaled Retinex using local contrast of the input image
EP1934937A2 (en) Image detail enhancement
Kumar et al. An improved Gamma correction model for image dehazing in a multi-exposure fusion framework
CN107256539B (zh) 一种基于局部对比度的图像锐化方法
CN110827225A (zh) 一种基于双重曝光框架的非均匀光照水下图像增强方法
CN110599418B (zh) 一种变换域融合的全局色调映射方法
CN111968065A (zh) 一种亮度不均匀图像的自适应增强方法
Parihar et al. A comprehensive analysis of fusion-based image enhancement techniques
CN110782400B (zh) 一种自适应的光照均匀实现方法和装置
JP2003076985A (ja) 画像処理方法及び装置
Albu et al. One scan shadow compensation and visual enhancement of color images
Wu et al. An image illumination correction algorithm based on tone mapping
CN109272928A (zh) 图像显示方法及装置
CN116468636A (zh) 低照度增强方法、装置、电子设备和可读存储介质
CN110807748A (zh) 一种基于高动态范围的新色调映射图像增强方法
US11647298B2 (en) Image processing apparatus, image capturing apparatus, image processing method, and storage medium
JP7365206B2 (ja) 画像処理装置、画像処理方法、及びプログラム
CN107317968A (zh) 图像去雾方法、装置、计算机可存储介质和移动终端

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200707

Termination date: 20210523

CF01 Termination of patent right due to non-payment of annual fee