CN107369145A - 图像处理方法、装置及终端设备 - Google Patents
图像处理方法、装置及终端设备 Download PDFInfo
- Publication number
- CN107369145A CN107369145A CN201710458975.2A CN201710458975A CN107369145A CN 107369145 A CN107369145 A CN 107369145A CN 201710458975 A CN201710458975 A CN 201710458975A CN 107369145 A CN107369145 A CN 107369145A
- Authority
- CN
- China
- Prior art keywords
- interest
- area
- pixel
- subregion
- probability
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 31
- 108090000623 proteins and genes Proteins 0.000 claims description 19
- 230000004927 fusion Effects 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 230000000712 assembly Effects 0.000 claims description 2
- 238000000429 assembly Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 18
- 230000001815 facial effect Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000000205 computational method Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 101100117236 Drosophila melanogaster speck gene Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010297 mechanical methods and process Methods 0.000 description 2
- 230000005226 mechanical processes and functions Effects 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005303 weighing Methods 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种图像处理方法、装置及终端设备,其中,方法包括:从图像中获取感兴趣区域;从感兴趣区域中提取高光子区域;获取感兴趣区域中第一子区域中R、G、B各通道的均值,以及高光子区域中R、G、B各通道的均值;其中,第一子区域为感兴趣区域中除高光子区域之外的区域;根据R、G、B各通道的两个均值调整感兴趣区域,得到调整感兴趣区域;将感兴趣区域和调整感兴趣区域融合得到目标感兴趣区域;利用目标感兴趣区域替换原始图像中的感兴趣区域,得到目标图像。由此,在保留了原始图像中细节的前提下,有效去除图像中的高光区域,使得处理后的图形更加自然。
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、装置及终端设备。
背景技术
目前,在光照不均匀的情况下,拍出的图像中的人的面部区域容易出现块状的高光区域,使得拍摄得到的图像不自然,影响图像的美观性和自然性。
相关技术中,使用美颜算法对降低高光区域的大小和高光程度,直接进行高强度的滤波对图像进行平滑处理,导致图像中的相关细节丢失严重,导致对高光区域的处理结果十分不自然。
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,以实现在保留了原始图像中细节的前提下,有效去除图像中的高光区域,使得处理后的图形更加自然。
本发明的第二个目的在于提出一种图像处理装置。
本发明的第三个目的在于提出一种终端设备。
本发明的第四个目的在于提出一种计算机程序产品。
本发明的第五个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的,本发明第一方面实施例提出了一种图像处理取方法,包括:从图像中获取感兴趣区域;从所述感兴趣区域中提取高光子区域;获取所述感兴趣区域中第一子区域中R、G、B各通道的均值,以及所述高光子区域中R、G、B各通道的均值;其中,所述第一子区域为所述感兴趣区域中除所述高光子区域之外的区域;根据R、G、B各通道的两个均值调整所述感兴趣区域,得到调整感兴趣区域;将所述感兴趣区域和所述调整感兴趣区域融合得到目标感兴趣区域;利用所述目标感兴趣区域替换所述原始图像中的所述感兴趣区域,得到目标图像。
本发明实施例的图像处理方法,从图像中获取感兴趣区域,从感兴趣区域中提取高光子区域,获取感兴趣区域中第一子区域中R、G、B各通道的均值,以及高光子区域中R、G、B各通道的均值,根据R、G、B各通道的两个均值调整感兴趣区域,得到调整感兴趣区域,将感兴趣区域和调整感兴趣区域融合得到目标感兴趣区域,进而,利用目标感兴趣区域替换原始图像中的感兴趣区域,得到目标图像。由此,在保留了原始图像中细节的前提下,有效去除图像中的高光区域,使得处理后的图形更加自然。
为达上述目的,本发明第二方面实施例提出了一种图像处理装置,包括:获取模块,用于从图像中获取感兴趣区域;提取模块,用于从所述感兴趣区域中提取高光子区域;均值获取模块,用于获取所述感兴趣区域中第一子区域中R、G、B各通道的均值,以及所述高光子区域中R、G、B各通道的均值;其中,所述第一子区域为所述感兴趣区域中除所述高光子区域之外的区域;调整模块,用于根据R、G、B各通道的两个均值调整所述感兴趣区域,得到调整感兴趣区域;融合模块,用于将所述感兴趣区域和所述调整感兴趣区域融合得到目标感兴趣区域;替换模块,用于利用所述目标感兴趣区域替换所述原始图像中的所述感兴趣区域,得到目标图像。
本发明实施例的图像处理装置,从图像中获取感兴趣区域,从感兴趣区域中提取高光子区域,获取感兴趣区域中第一子区域中R、G、B各通道的均值,以及高光子区域中R、G、B各通道的均值,根据R、G、B各通道的两个均值调整感兴趣区域,得到调整感兴趣区域,将感兴趣区域和调整感兴趣区域融合得到目标感兴趣区域,进而,利用目标感兴趣区域替换原始图像中的感兴趣区域,得到目标图像。由此,在保留了原始图像中细节的前提下,有效去除图像中的高光区域,使得处理后的图形更加自然。
为达上述目的,本发明第三方面实施例提出了一种终端设备,包括:以下一个或多个组件:壳体和位于所述壳体内的处理器、存储器和显示界面,其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于执行如第一方面实施例所述的图像处理方法。
本发明实施例的终端设备,从图像中获取感兴趣区域,从感兴趣区域中提取高光子区域,获取感兴趣区域中第一子区域中R、G、B各通道的均值,以及高光子区域中R、G、B各通道的均值,根据R、G、B各通道的两个均值调整感兴趣区域,得到调整感兴趣区域,将感兴趣区域和调整感兴趣区域融合得到目标感兴趣区域,进而,利用目标感兴趣区域替换原始图像中的感兴趣区域,得到目标图像。由此,在保留了原始图像中细节的前提下,有效去除图像中的高光区域,使得处理后的图形更加自然。
为达上述目的,本发明第四方面实施例提出了一种计算机程序产品,当所述计算机程序产品中的指令由处理器执行时,执行如第一方面实施例所述的图像处理方法。
为达上述目的,本发明第五方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,当计算机程序被处理器执行时实现如第一方面实施例所述的处理获取方法。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
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是根据本发明一个实施例的图像处理方法的流程图;
图2是根据本发明另一个实施例的图像处理方法的流程图;
图3是根据本发明一个实施例的从图像中获取感兴趣区域的场景示意图;
图4(a)是根据本发明实施例的一个人像示意图;
图4(b)是根据本发明实施例的另一个人像示意图;
图4(c)是根据本发明实施例的又一个人像示意图;
图4(d)是根据本发明实施例的还一个人像示意图;以及
图5是根据本发明一个实施例的图像处理装置的结构示意图。
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,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的图像处理方法、装置及终端设备。
基于以上分析可知,现有技术中,采用较为“简单粗暴”的方式对图像的高光区域进行处理,通过直接对图像进行高强度的滤波取出高光,导致图像中的相关细节丢失严重,比如,对于人像图像,通过上述方式进行高光区域的处理,则会导致面部细节丢失严重,十分不自然。
在实际应用中,应该理解的是,与图像中的高光区域相关的图像参数其实有很多,我们通过图像参数与高光亮度的关系,调整对应的图像参数,可以得到较为自然的处理结果。因而,本发明提出了一种通过调整图像的R、G、B通道比例的图像处理方法,基于图像的具体RGB参数进行图像处理。
图1是根据本发明一个实施例的图像处理方法的流程图,如图1所示,该方法包括:
S101,从图像中获取感兴趣区域。
其中,可以理解,感兴趣区域是用户希望处理的图像中的相关区域,比如,可以是人体图像中的面部区域,比如,可以是花朵图像中,花朵所在的区域。
在不同的应用场景中,可采用不同的方式从图像中获取感兴趣区域,比如,可以是识别的用户根据个人需要选择的图像中的区域,用户可以通过实施触摸轨迹方式选择图像中的区域,又比如,可以是在图像中,根据图像包含内容自动识别出的区域,比如,对于人像图像,感兴趣区域是人脸面部区域等。
S102,从感兴趣区域中提取高光子区域。
需要说明的是,在实际应用中,可采用多种方式从感兴趣区域中提取高光区域,下面举例说明:
作为一种可能的实现方式,由于HSV(Hue,Saturation,Value)是根据颜色的直观特性创建的一种颜色空间,这个模型中颜色的参数分别是:色调(H),饱和度(S),亮度(V)。其中,色调(H)和饱和度(S)与图像的亮度息息相关,比如,图像亮度通道上的区域越多,则图像越亮,比如,由于图像的饱和度是色相的纯度,饱和度越低含的色彩越少,从而越偏向灰,即图像的亮度越低,反之图像的饱和度越高,则图像越纯越明艳,图像的亮度越高。
因此,在本示例中,可以根据感兴趣区域的HSV颜色空间中亮度通道和饱和度通道中的分布,进行高光子区域的提取,具体而言,对感兴趣区域的HSV颜色空间中亮度通道和饱和度通道进行阈值划分,根据颜色空间中亮度通道和饱和度通道的具体分布情况,判断出高光子区域所在的位置。
作为另一种可能的实现方式,由于在实际应用中,人眼对图像是否过亮的感受是相对一致的,在一定亮度范围内,人眼是感受图像较为适宜,超过该亮度范围,人眼感受该图像过亮,因而,在本实施例中,将感兴趣区域中的图像的亮度,与人眼感受较为适宜时对应的亮度范围比对,从而,提取出亮度大于人眼感受较为适宜时,对应的亮度范围的像素所在区域,作为感兴趣区域中的高光子区域。
S103,获取感兴趣区域中第一子区域中R、G、B各通道的均值,以及高光子区域中R、G、B各通道的均值。
S104,根据R、G、B各通道的两个均值调整感兴趣区域,得到调整感兴趣区域。
其中,第一子区域为感兴趣区域中除高光子区域之外的区域。
具体而言,在实际应用中,感兴趣区域中高光子区域的R、G、B各通道值的分布情况,与高光子区域之外的区域的R、G、B各通道值的分布情况也是不同的,受到亮度的影响,高光子区域的的图像的色调相对较白,而根据三原色的叠加原理,三原色相加产生白色,因而,高光子区域中的R、G、B各通道的值较高,且第一子区域的图像色调相对较暗,因而,第一子区域中的R、G、B各通道的值较低。
因此,在本实施例中,获取感兴趣区域中第一子区域中R、G、B各通道的均值,以及高光子区域中R、G、B各通道的均值,以便于参考第一子区域中R、G、B各通道的均值和高光子区域中R、G、B各通道的值,调整感兴趣区域,得到调整的感兴趣区域。该感兴趣区域中的高亮子区域的R、G、B各通道的值得到了减少,第一子区域中R、G、B各通道的值可能得到了提高。
需要说明的是,在本实施例中,结合同一个图像中的第一子区域中R、G、B各通道的均值,以及高光子区域中R、G、B各通道的均值对感兴趣区域进行调整,避免仅仅根据第一子区域或者高光子区域中R、G、B各通道的均值对感兴趣区域进行调整时,造成的图像过暗或者过亮。
其中,在本实施例中,根据具体应用场景的不同,可采用不同的方式,根据R、G、B各通道的两个均值调整感兴趣区域,得到调整感兴趣区域,示例说明如下:
作为一种可能的实现方式,根据R、G、B各通道的两个均值采用相关的计算方法,比如,分别对第一子区域的R、G、B各通道的均值和高光子区域中R、G、B各通道的均值设置对应的系数,根据两个均值分别与对应系数相乘后获得的值求和得到的值作为调整值,从而实现对应融合第一子区域或者高光子区域中R、G、B各通道的均值,将调计算出对应的调整量,以根据该调整量对感兴趣区域进行调整,以得到调整感应区域。
作为另一种可能的实现方式,R、G、B各通道的两个均值其实对图像显示效果的影响是不同的,因而,根上述两个均值对图像显示效果的不同的影响,设置对应的权重,从而,根据权重的大小分别取不同比例的R、G、B各通道的值相加,作为对应的调整量,以根据该调整量对感兴趣区域进行调整,以得到调整感应区域。
需要强调的是,在实际操作过程中,为了还原出更多的图像细节,在根据R、G、B各通道的两个均值调整感兴趣区域,得到调整感兴趣区域的过程中,可以根据感兴趣区域中的物体,对R、G、B各通道的值的大小进行适应性的调整,比如,如果对于人像图像中人脸部位的高光子区域,设置减少的R通道的值相对于减少的G通道对和B通道的值较少,使得调整后的的人像面部看起来更红润,同时尽可能多的保留了面部皮肤的细节信息,使得处理后的皮肤看起来更自然。
又比如,对于天空图像中的蓝天部位的高光子区域,设置减少的B通道的值相对于减少的G通道对和R通道的值较少,使得调整后的的天空看起来更蓝,同时尽可能多的保留了天空中的细节信息,使得处理后的天空看起来更自然。
S105,将感兴趣区域和调整感兴趣区域融合得到目标感兴趣区域。
应当理解的是,调整感兴趣区域失去了一些图像的细节,比如,对于高亮子区域,由于减少了R、G、B各通道的值,从而失去了一些图像的细节,因此,为了保留图像的更多细节,在本实施例中,将感兴趣区域和调整感兴趣区域融合得到目标感兴趣区域。
其中,根据具体应用场景的不同,可以采用不同的方式实现感兴趣区域和调整感兴趣区域的融合,比如,可采用图像识别技术,识别出感兴趣区域和调整感兴趣区域的像素所在位置,将感兴趣区域和调整感兴趣区域对应像素位置一一匹配,以实现感兴趣区域和调整感兴趣区域的融合。
S106,利用目标感兴趣区域替换原始图像中的感兴趣区域,得到目标图像。
可以理解,此时目标感兴趣区域中的高光子区域得到了有效的消除,且很好的保留了图像的细节,因此,利用目标感兴趣区域替换原始图像中的感兴趣区域,得到目标图像,使得整个图像的质量得到了提升。
综上所述,本发明实施例的图像处理方法,从图像中获取感兴趣区域,从感兴趣区域中提取高光子区域,获取感兴趣区域中第一子区域中R、G、B各通道的均值,以及高光子区域中R、G、B各通道的均值,根据R、G、B各通道的两个均值调整感兴趣区域,得到调整感兴趣区域,将感兴趣区域和调整感兴趣区域融合得到目标感兴趣区域,进而,利用目标感兴趣区域替换原始图像中的感兴趣区域,得到目标图像。由此,在保留了原始图像中细节的前提下,有效去除图像中的高光区域,使得处理后的图形更加自然。
基于以上实施例,为了更加清楚的说明,如何从感兴趣的区域中提取高光子区域,下面以提取方式为对感兴趣区域的HSV颜色空间中亮度通道和饱和度通道进行处理为例进行说明。
图2是根据本发明另一个实施例的图像处理方法的流程图,如图2所示,该方法包括:
S201,从图像中获取感兴趣区域。
比如,如图3所示,对在终端设备屏幕上显示的人像图像,则可以识别用户在屏幕上的触摸轨迹,以该触摸轨迹所包含的区域作为感兴趣区域获取。
S202,对感兴趣区域的HSV颜色空间中亮度通道和饱和度通道进行阈值划分。
S203,获取感兴趣区域中每个像素点在亮度通道上属于高光子区域的第一概率。
S204,获取感兴趣区域中每个像素点在饱和度通道上属于高光子区域的第二概率。
应当理解的是,在实际应用中,无论是每个像素点在饱和度上的值还是在亮度通道上的值,都不能确定该通道是不是属于高光子区域,这是因为,决定一个像素点是否属于高光子区域是由多个图像参数共同决定的,而根据以上分析可知,像素点是否属于高光子区域,与每个像素点在饱和度上的值或在亮度通道上的值很相关,因此,可以根据每个像素点在饱和度上的值或在亮度通道上的值得到该像素点属于高亮子区域的概率。
具体而言,可获取感兴趣区域中每个像素点在亮度通道上属于高光子区域的第一概率,以及获取感兴趣区域中每个像素点在饱和度通道上属于高光子区域的第二概率。
其中,该阈值可以是根据大量实验数据标定的,或者,可以是用户根据个人感受的差异自行标定的,其中,该阈值用以衡量亮度通道的亮度值的大小和饱和度通道中饱和度的大小。
应当理解的是,在实际应用中,分别针对亮度通道和饱和度通道设置阈值,其中,针对亮度通道和饱和度通道设置阈值的数量可以根据应用需要设定,在本发明的一个实施例中,根据预设的第一亮度阈值和第二亮度阈值对亮度通道进行划分,根据预设的第一饱和度阈值和第二饱和度阈值对饱和度通道进行划分。
进而,针对每个像素点,获取像素点的亮度值,确定亮度值与第一亮度阈值、第二亮度阈值之间的第一大小关系,根据第一大小关系确定像素点的第一概率。比如,如果亮度值小于等于第一亮度阈值,则确定像素点的第一概率为0,如果亮度值大于第一亮度阈值且小于第二亮度阈值,则获取亮度值与第一亮度阈值的第一差值,以及第二亮度阈值与第一亮度阈值的第二差值,并将第一差值与第二差值的比值作为像素点的第一概率,如果亮度值大于等于第二亮度阈值,则确定像素点的第一概率为1。
另外,针对每个像素点,获取像素点的饱和度值,确定饱和度值与第一饱和度阈值、第二饱和度阈值之间的第二大小关系,根据第二大小关系确定像素点的第二概率。比如,如果饱和度值小于等于第一饱和度阈值,则确定像素点的第二概率为1,如果亮度值大于第一饱和度阈值且小于第二饱和度阈值,则获取第二饱和度阈值与饱和度值的第三差值,以及第二饱和度阈值与第一饱和度阈值的第四差值,并将第三差值与第四差值的比值作为像素点的第二概率,如果饱和度值大于等于第二亮度阈值,则确定像素点的第二概率为0。
需要强调的是,上述第一亮度阈值、第二亮度阈值、第一大小关系、第一饱和度阈值、第二饱和度阈值、第二大小关系、第一差值、第二差值、第三差值和第四差值都是可以根据具体应用需求进行标定的,在此不作限制。且上述根据第一亮度阈值和第二亮度阈值的大小进行运算以获取第一概率的方式,与根据第一饱和度阈值和第二饱和度阈值的大小进行运算以获取第二概率的方式,都仅仅是示例性的,在实际操作过程中,可以采用任意可以得到第一概率和第二概率的运算方式。
S205,针对每个像素点,根据第一概率和第二概率,获取该像素点属于高光子区域的目标概率。
具体地,综合考量基于每个像素点在饱和度通道上属于高光子区域的第二概率,以及在亮度通道上属于高光子区域的第一概率,获取该像素点属于高光子区域的目标概率,使得该概率更加贴近于像素点的实际情况。
当然,在实际处理过程中,需要实现综合考量基于饱和度和亮度上,两个图像参数所确定的对应像素点属于高光子区域的概率,避免仅仅由一个图像参数判定对应像素点是否属于高亮子区域的误差,在具体实现中,可采用不同的方式进行两个概率的综合考量,比如,可以将第一概率和第二概率相乘得到的值作为目标概率的值,比如,可以根据两个图像参数对像素点是否属于亮度区域的影响,分别设置对应的权重值,以将第一概率和第二概率分别与对应的权重值乘积后得到的值相加,作为目标概率的值。
S206,根据所有像素点的目标概率,确定用于划分高光子区域和第一子区域的分界概率。
可以理解,每一个图像中亮度的分布都是相对的,比如,一张相对较暗的图像和相对较亮的图像中,都可能存在亮斑,因而,需要根据每个感兴趣图像中的具体情况,在每个感兴趣图像中,划分高光子区域和第一子区域。
具体而言,根据所有像素点的目标概率,确定用于划分高光子区域和第一子区域的分界概率,其中,所有像素点的目标概率相对较大,则表明当前感兴趣图像整体亮度较高,比如,是在光照充足的室外拍摄的等,从而,只需要找出相对较亮的位置作为高光子区域,确定出的用于划分高光子区域和第一子区域的分界概率较大,反之,所有像素点的目标概率相对较小,则表明当前感兴趣图像整体亮度较暗,比如,是在光照不足的室内拍摄的等,从而,只需要找出相对较亮的位置作为高光子区域,确定出的用于划分高光子区域和第一子区域的分界概率较小。
S207,利用目标概率大于分界概率的像素点形成高光子区域。
举例而言,如果分界概率为50%,则目标概率大于50%的像素点所在位置构成高光子区域。
S208,获取感兴趣区域中第一子区域中R、G、B各通道的均值,以及高光子区域中R、G、B各通道的均值。
其中,第一子区域为感兴趣区域中除高光子区域之外的区域。
S209,针对每个像素点,获取像素点R、G、B各通道的两个均值的目标差值。
S210,根据为R、G、B各通道设置的调整因子、目标差值以及像素点的目标概率,计算像素点的调整量。
其中,R通道对应的调整因子要小于G通道对应的调整因子和B通道对应的调整因子。
可以理解,在本发明的一个实施例中,为R、G、B各通道设置的调整因子,该调整因子与感兴趣图像中的物体的颜色组成有关,在本发明的一个实施例中,如果感兴趣图像是人脸图像、红色花朵等图像,则R通道对应的调整因子要小于G通道对应的调整因子和B通道对应的调整因子,进而,根据为R、G、B各通道设置的调整因子、目标差值以及像素点的目标概率,计算像素点的调整量。
需要说明的是,在不同的应用场景中,可以采用不同的算法根据为R、G、B各通道设置的调整因子、目标差值以及像素点的目标概率,计算像素点的调整量,比如,可以将某个像素点的在对应通道下的调整因子、目标差值以及像素点的目标概率的乘积,作为调整量。
S211,将像素点R、G、B各通道的原始值减去各通道对应的调整量,得到像素点的目标值。
S212,利用所有像素点的目标值构成调整感兴趣区域。
S213,针对每个像素点,根据像素点的目标概率,确定感兴趣区域和调整感兴趣区域在融合时所占比例。
S214,根据感兴趣区域和调整兴趣区域的所占比例进行融合,得到目标感兴趣区域。
具体地,在本示例中,针对每个像素点,根据每个像素点的目标概率,确定感兴趣区域和调整感兴趣区域在融合时所占的比例,以实现对高亮像素点的弱化处理。
比如,一个像素点的目标概率较大,则证明该像素点的亮度偏高,则为了最终实现对感兴趣区域中的亮斑的去除,降低感兴趣区域中该像素点的比例,同时,由于调整感兴趣区域中该像素点得到了亮度弱化处理,则提高调整感兴趣区域中对应像素点的比例。
进一步地,根据感兴趣区域和调整兴趣区域的所占比例进行融合,得到目标感兴趣区域,其中,感兴趣区域中包含了大量图像的细节,调整兴趣区域有效弱化了高光子区域,因而,目标感兴趣区域综合了图像细节的保留与高亮子区域的弱化或去除。
S215,利用目标感兴趣区域替换原始图像中的感兴趣区域,得到目标图像。
为了使得本领域的技术人员,更加清楚本发明实施例的图形处理方法,下面结合图像处理方法在具体的应用场景中的实施流程进行说明。
其中,在本示例中,待处理图像是人像图像,感兴趣区域是人脸图像的所在区域,第一亮度阈值为T1,第二亮度阈值为T2,第一饱和度阈值为T3,第二饱和度阈值为T4,划分高光子区域和第一子区域的分界概率为0.5,第一概率为P1,第二概率为P2,i用于指示具体的像素点,可以为任意正整数,饱和度通道为S通道,亮度通道为V通道,说明如下:
首选,通过人脸检测确定人脸区域,从原图中得到如图4(a)所示的人脸ROI区域I_face,进而,在HSV颜色空间,设定阈值T1、T2,根据T1、T2及人脸ROI的V通道,可以计算得到属于高光区域的概率为P1,计算方法为以下公式:
进而,设定阈值T3、T4,根据T3、T4及人脸ROI的S通道,可以计算得到属于高光区域的概率图P2,计算方法为以下公式:
结合V通道以及S通道的概率图,得到高光区域的概率图P,计算方法为P=P1·P2,然后对其进行高斯平滑,如图4(b)所示,得到最终的高光区域的概率图P。
在RGB空间,计算人脸ROI区域R、G、B各通道高光区域与第一子区域均值的差值(概率图中P>0.5的为高光区域,P<0.5为正常区域),其中,差值公式如下所示;
如下公式所示,原RGB通道分别减去上述差值与概率图及对应通道的调整因子的乘积(调整因子为预设值,各通道调整因子不同,红色通道对应的调整因子稍小,这样可使调节后红色通道分量比例越大,肤色看起来更红润),得到调整后的人脸图像为I_adjust:
将原始人脸图像I_face与平滑后的人脸图像I_adjust进行融合,以保留更多人脸细节,融合比例根据概率图P中各点对应的值决定的,得到如图4(c)所示的融合后去高光的目标人脸图像I_deflash,融合计算方法为如下公式所示:
I_deflashi=(1-Pi)·I_facei+Pi·I_adjusti
最后,将去高光的目标人脸图像I_deflash替换原图中的人脸区域,得到了如图4(d)所示的得到最终的去高光后的图像,从而,如图4(d)所示,得到的去除高光区域的人脸图像中的肤色看起来更加自然、红润。
在本示例中,根据V通道得到高光区域概率图P1,根据S通道得到高光区域概率图P2,结合P1及P2然后进行高斯平滑得到最终的高光区域概率图P,根据上述概率图得到高光区域及正常区域RGB各通道的均值,从而得到各通道对应的差值,结合概率图及预设RGB各通道的调整因子,将原RGB通道的值减去上述差值,得到调节后的图像,其中R通道的因子比GB通道稍小,通过高光区域概率图P,将处理后的图像与原图像进行融合,以保留更多的面部细节。
综上所述,本发明实施例的图像处理方法,基于RGB通道高光子区域及正常区域(第一子区域)的均值,降低RGB各通道的值及提高某个通道比例,能够有效地去除感兴趣图像的高光区域,使处理后的图像看起来更自然,同时尽可能保留图像的细节信息。
为了实现上述实施例,本发明还提出了一种图像处理装置,图5是根据本发明一个实施例的图像处理装置的结构示意图,如图5所示,该图像处理装置包括获取模块10、提取模块20、均值获取模块30、调整模块40、融合模块50和替换模块60。
其中,获取模块10,用于从图像中获取感兴趣区域。
提取模块20,用于从感兴趣区域中提取高光子区域。
均值获取模块30,用于获取感兴趣区域中第一子区域中R、G、B各通道的均值,以及高光子区域中R、G、B各通道的均值。
其中,第一子区域为感兴趣区域中除高光子区域之外的区域。
调整模块40,用于根据R、G、B各通道的两个均值调整感兴趣区域,得到调整感兴趣区域。
融合模块50,用于将感兴趣区域和调整感兴趣区域融合得到目标感兴趣区域。
替换模块60,用于利用目标感兴趣区域替换原始图像中的感兴趣区域,得到目标图像。
需要说明的是,前述对图像处理方法的解释说明,也适用于本发明实施例的图像处理装置,其实现原理类似,在此不再赘述。
综上所述,本发明实施例的图像处理装置,从图像中获取感兴趣区域,从感兴趣区域中提取高光子区域,获取感兴趣区域中第一子区域中R、G、B各通道的均值,以及高光子区域中R、G、B各通道的均值,根据R、G、B各通道的两个均值调整感兴趣区域,得到调整感兴趣区域,将感兴趣区域和调整感兴趣区域融合得到目标感兴趣区域,进而,利用目标感兴趣区域替换原始图像中的感兴趣区域,得到目标图像。由此,在保留了原始图像中细节的前提下,有效去除图像中的高光区域,使得处理后的图形更加自然。
为了实现上述实施例,本发明还提出一种终端设备,包括以下一个或多个组件:壳体和位于壳体内的处理器、存储器和显示界面,其中,处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,以用于实现上述实施例描述的图像处理方法。
为了实现上述实施例,本发明还提出一种计算机程序产品,当计算机程序产品中的指令由处理器执行时,执行如前述实施例所述的图像处理方法。
为了实现上述实施例,本发明还提出一种非临时性计算机可读存储介质,其上存储有计算机程序,当该计算机程序被处理器执行时能够实现如前述实施例所述的图像处理方法。
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必须针对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一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
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定制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范围包括另外的实现,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。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
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。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。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (12)
1.一种图像处理方法,其特征在于,包括:
从图像中获取感兴趣区域;
从所述感兴趣区域中提取高光子区域;
获取所述感兴趣区域中第一子区域中R、G、B各通道的均值,以及所述高光子区域中R、G、B各通道的均值;其中,所述第一子区域为所述感兴趣区域中除所述高光子区域之外的区域;
根据R、G、B各通道的两个均值调整所述感兴趣区域,得到调整感兴趣区域;
将所述感兴趣区域和所述调整感兴趣区域融合得到目标感兴趣区域;
利用所述目标感兴趣区域替换所述原始图像中的所述感兴趣区域,得到目标图像。
2.根据所述权利要求1所述的图像处理方法,其特征在于,所述从所述感兴趣区域中提取高光子区域,包括:
对所述感兴趣区域的HSV颜色空间中亮度通道和饱和度通道进行阈值划分;
获取所述感兴趣区域中每个像素点在所述亮度通道上属于所述高光子区域的第一概率;
获取所述感兴趣区域中每个像素点在所述饱和度通道上属于所述高光子区域的第二概率;
针对每个像素点,根据所述第一概率和所述第二概率,获取该像素点属于高光子区域的目标概率;
根据所有像素点的所述目标概率,确定用于划分所述高光子区域和所述第一子区域的分界概率;
利用所述目标概率大于所述分界概率的像素点形成所述高光子区域。
3.根据所述权利要求2所述的图像处理方法,其特征在于,所述对所述感兴趣区域的HSV颜色空间中亮度通道和饱和度通道进行阈值划分,包括:
根据预设的第一亮度阈值和第二亮度阈值对所述亮度通道进行划分;
根据预设的第一饱和度阈值和第二饱和度阈值对所述饱和度通道进行划分。
4.根据所述权利要求3所述的图像处理方法,其特征在于,所述获取所述感兴趣区域中每个像素点在所述亮度通道上属于所述高光子区域的第一概率,包括:
针对每个像素点,获取像素点的亮度值;
确定所述亮度值与所述第一亮度阈值、所述第二亮度阈值之间的第一大小关系;
根据所述第一大小关系确定所述像素点的第一概率。
5.根据所述权利要求3所述的图像处理方法,其特征在于,所述根据所述第一大小关系确定所述像素点的第一概率,包括:
如果所述亮度值小于等于所述第一亮度阈值,则确定所述像素点的第一概率为0;
如果所述亮度值大于所述第一亮度阈值且小于所述第二亮度阈值,则获取所述亮度值与所述第一亮度阈值的第一差值,以及所述第二亮度阈值与所述第一亮度阈值的第二差值,并将所述第一差值与所述第二差值的比值作为所述像素点的第一概率;
如果所述亮度值大于等于所述第二亮度阈值,则确定所述像素点的第一概率为1。
6.根据所述权利要求3所述的图像处理方法,其特征在于,所述获取所述感兴趣区域中每个像素点在所述饱和度通道上属于所述高光子区域的第二概率,包括:
针对每个像素点,获取像素点的饱和度值;
确定所述饱和度值与所述第一饱和度阈值、所述第二饱和度阈值之间的第二大小关系;
根据所述第二大小关系确定所述像素点的第二概率。
7.根据所述权利要求6所述的图像处理方法,其特征在于,所述根据所述第二大小关系确定所述像素点的第二概率,包括:
如果所述饱和度值小于等于所述第一饱和度阈值,则确定所述像素点的第二概率为1;
如果所述亮度值大于所述第一饱和度阈值且小于所述第二饱和度阈值,则获取所述第二饱和度阈值与所述饱和度值的第三差值,以及所述第二饱和度值与所述第一饱和度阈值的第四差值,并将所述第三差值与所述第四差值的比值作为所述像素点的第二概率;
如果所述饱和度值大于等于所述第二亮度阈值,则确定所述像素点的第二概率为0。
8.根据所述权利要求2-7任一项所述的图像处理方法,其特征在于,所述根据R、G、B各通道的两个均值调整所述感兴趣区域,得到调整感兴趣区域,包括:
针对每个像素点,获取所述像素点R、G、B各通道的两个均值的目标差值;
根据为R、G、B各通道设置的调整因子、所述目标差值以及所述像素点的目标概率,计算所述像素点的调整量;其中,R通道对应的所述调整因子要小于G通道对应的所述调整因子和B通道对应的所述调整因子;
将所述像素点R、G、B各通道的原始值减去各通道对应的所述调整量,得到所述像素点的目标值;
利用所有像素点的目标值构成所述调整感兴趣区域。
9.根据所述权利要求2-7任一项所述的图像处理方法,其特征在于,所述将所述感兴趣区域和所述调整感兴趣区域融合得到目标感兴趣区域,包括:
针对每个像素点,根据所述像素点的目标概率,确定所述感兴趣区域和所述调整感兴趣区域在融合时所占比例;
根据所述感兴趣区域和所述调整兴趣区域的所占比例进行融合,得到所述目标感兴趣区域。
10.一种图像处理装置,其特征在于,包括:
获取模块,用于从图像中获取感兴趣区域;
提取模块,用于从所述感兴趣区域中提取高光子区域;
均值获取模块,用于获取所述感兴趣区域中第一子区域中R、G、B各通道的均值,以及所述高光子区域中R、G、B各通道的均值;其中,所述第一子区域为所述感兴趣区域中除所述高光子区域之外的区域;
调整模块,用于根据R、G、B各通道的两个均值调整所述感兴趣区域,得到调整感兴趣区域;
融合模块,用于将所述感兴趣区域和所述调整感兴趣区域融合得到目标感兴趣区域;
替换模块,用于利用所述目标感兴趣区域替换所述原始图像中的所述感兴趣区域,得到目标图像。
11.一种终端设备,其特征在于,包括以下一个或多个组件:壳体和位于所述壳体内的处理器、存储器和显示界面,其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如权利要求1-9中任一所述的图像处理方法。
12.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-9中任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710458975.2A CN107369145B (zh) | 2017-06-16 | 2017-06-16 | 图像处理方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710458975.2A CN107369145B (zh) | 2017-06-16 | 2017-06-16 | 图像处理方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107369145A true CN107369145A (zh) | 2017-11-21 |
CN107369145B CN107369145B (zh) | 2020-07-10 |
Family
ID=60305394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710458975.2A Active CN107369145B (zh) | 2017-06-16 | 2017-06-16 | 图像处理方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107369145B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108198148A (zh) * | 2017-12-07 | 2018-06-22 | 北京小米移动软件有限公司 | 图像处理的方法及装置 |
CN109951634A (zh) * | 2019-03-14 | 2019-06-28 | Oppo广东移动通信有限公司 | 图像合成方法、装置、终端及存储介质 |
CN110149550A (zh) * | 2018-06-19 | 2019-08-20 | 腾讯科技(深圳)有限公司 | 一种图像数据处理方法和装置 |
CN110377773A (zh) * | 2019-07-17 | 2019-10-25 | Oppo广东移动通信有限公司 | 图片处理方法、装置、移动终端以及存储介质 |
WO2019205008A1 (en) * | 2018-04-25 | 2019-10-31 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining a reflective area in an image |
CN110472465A (zh) * | 2019-01-28 | 2019-11-19 | 杨鹏 | 计算机自适应参数调节机构 |
CN110855889A (zh) * | 2019-11-21 | 2020-02-28 | 重庆金山医疗技术研究院有限公司 | 图像处理方法、装置、图像处理设备及存储介质 |
CN111223110A (zh) * | 2020-01-06 | 2020-06-02 | 陈根生 | 一种显微图像增强方法、装置及计算机设备 |
CN111311520A (zh) * | 2020-03-12 | 2020-06-19 | Oppo广东移动通信有限公司 | 图像处理方法、装置、终端及存储介质 |
CN111479070A (zh) * | 2019-01-24 | 2020-07-31 | 杭州海康机器人技术有限公司 | 一种图像亮度确定方法、装置及设备 |
CN111583154A (zh) * | 2020-05-12 | 2020-08-25 | Oppo广东移动通信有限公司 | 图像处理方法、肤质美化模型训练方法及相关装置 |
CN112860602A (zh) * | 2019-11-12 | 2021-05-28 | 北京地平线机器人技术研发有限公司 | 对感兴趣区域数据的存储操作进行控制的方法和装置 |
CN113660531A (zh) * | 2021-08-20 | 2021-11-16 | 北京市商汤科技开发有限公司 | 视频处理方法及装置、电子设备和存储介质 |
CN115460348A (zh) * | 2022-08-25 | 2022-12-09 | Oppo广东移动通信有限公司 | 对焦清晰度检测方法及装置、存储介质和电子设备 |
CN116863130A (zh) * | 2023-07-27 | 2023-10-10 | 北京鹰之眼智能健康科技有限公司 | 一种头部区域状态参数获取方法、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004158917A (ja) * | 2002-11-01 | 2004-06-03 | Canon Inc | 画像処理方法 |
CN102903081A (zh) * | 2012-09-07 | 2013-01-30 | 西安电子科技大学 | 基于rgb彩色模型的低光照图像增强方法 |
CN103985098A (zh) * | 2014-05-27 | 2014-08-13 | 广州商景网络科技有限公司 | 一种证件图像的高光去除方法及系统 |
CN104050645A (zh) * | 2014-06-23 | 2014-09-17 | 小米科技有限责任公司 | 图像处理方法及装置 |
CN104599241A (zh) * | 2014-12-05 | 2015-05-06 | 上海交通大学 | 全自动高效计算的颜色一致性方法 |
CN105405130A (zh) * | 2015-11-02 | 2016-03-16 | 北京旷视科技有限公司 | 基于聚类的证照图像高光检测方法及装置 |
CN105741327A (zh) * | 2014-12-10 | 2016-07-06 | 阿里巴巴集团控股有限公司 | 提取图片的主色和醒目色的方法和装置 |
CN105957042A (zh) * | 2016-06-07 | 2016-09-21 | 北京理工大学 | 内镜图像的高光区域消除方法 |
WO2016152414A1 (ja) * | 2015-03-26 | 2016-09-29 | ソニー株式会社 | 画像処理装置、および画像処理方法、並びにプログラム |
EP3129954A1 (en) * | 2014-04-07 | 2017-02-15 | BAE SYSTEMS Information and Electronic Systems Integration Inc. | Contrast based image fusion |
-
2017
- 2017-06-16 CN CN201710458975.2A patent/CN107369145B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004158917A (ja) * | 2002-11-01 | 2004-06-03 | Canon Inc | 画像処理方法 |
CN102903081A (zh) * | 2012-09-07 | 2013-01-30 | 西安电子科技大学 | 基于rgb彩色模型的低光照图像增强方法 |
EP3129954A1 (en) * | 2014-04-07 | 2017-02-15 | BAE SYSTEMS Information and Electronic Systems Integration Inc. | Contrast based image fusion |
CN103985098A (zh) * | 2014-05-27 | 2014-08-13 | 广州商景网络科技有限公司 | 一种证件图像的高光去除方法及系统 |
CN104050645A (zh) * | 2014-06-23 | 2014-09-17 | 小米科技有限责任公司 | 图像处理方法及装置 |
CN104599241A (zh) * | 2014-12-05 | 2015-05-06 | 上海交通大学 | 全自动高效计算的颜色一致性方法 |
CN105741327A (zh) * | 2014-12-10 | 2016-07-06 | 阿里巴巴集团控股有限公司 | 提取图片的主色和醒目色的方法和装置 |
WO2016152414A1 (ja) * | 2015-03-26 | 2016-09-29 | ソニー株式会社 | 画像処理装置、および画像処理方法、並びにプログラム |
CN105405130A (zh) * | 2015-11-02 | 2016-03-16 | 北京旷视科技有限公司 | 基于聚类的证照图像高光检测方法及装置 |
CN105957042A (zh) * | 2016-06-07 | 2016-09-21 | 北京理工大学 | 内镜图像的高光区域消除方法 |
Non-Patent Citations (3)
Title |
---|
ELLI ANGELOPOULOU等: "Specular Highlight Detection Based on the Fresnel Reflection Coefficient", 《2007 IEEE 11TH INTERNATIONAL CONFERENCE ON COMPUTER VISION》 * |
徐战武 等: "基于颜色的皮肤检测综述", 《中国图象图形学报》 * |
郑利华 等: "一种基于HSV空间的人像高光区域自适应修正方法", 《桂林航天工业高等专科学校学报》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108198148A (zh) * | 2017-12-07 | 2018-06-22 | 北京小米移动软件有限公司 | 图像处理的方法及装置 |
CN108198148B (zh) * | 2017-12-07 | 2022-08-05 | 北京小米移动软件有限公司 | 图像处理的方法及装置 |
WO2019205008A1 (en) * | 2018-04-25 | 2019-10-31 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining a reflective area in an image |
CN110149550A (zh) * | 2018-06-19 | 2019-08-20 | 腾讯科技(深圳)有限公司 | 一种图像数据处理方法和装置 |
CN111479070A (zh) * | 2019-01-24 | 2020-07-31 | 杭州海康机器人技术有限公司 | 一种图像亮度确定方法、装置及设备 |
CN110472465A (zh) * | 2019-01-28 | 2019-11-19 | 杨鹏 | 计算机自适应参数调节机构 |
CN110472465B (zh) * | 2019-01-28 | 2020-08-14 | 安徽龙运智能科技有限公司 | 计算机自适应参数调节机构 |
CN109951634A (zh) * | 2019-03-14 | 2019-06-28 | Oppo广东移动通信有限公司 | 图像合成方法、装置、终端及存储介质 |
CN109951634B (zh) * | 2019-03-14 | 2021-09-03 | Oppo广东移动通信有限公司 | 图像合成方法、装置、终端及存储介质 |
CN110377773A (zh) * | 2019-07-17 | 2019-10-25 | Oppo广东移动通信有限公司 | 图片处理方法、装置、移动终端以及存储介质 |
CN112860602B (zh) * | 2019-11-12 | 2024-05-03 | 北京地平线机器人技术研发有限公司 | 对感兴趣区域数据的存储操作进行控制的方法和装置 |
CN112860602A (zh) * | 2019-11-12 | 2021-05-28 | 北京地平线机器人技术研发有限公司 | 对感兴趣区域数据的存储操作进行控制的方法和装置 |
CN110855889B (zh) * | 2019-11-21 | 2021-04-13 | 重庆金山医疗技术研究院有限公司 | 图像处理方法、装置、图像处理设备及存储介质 |
CN110855889A (zh) * | 2019-11-21 | 2020-02-28 | 重庆金山医疗技术研究院有限公司 | 图像处理方法、装置、图像处理设备及存储介质 |
CN111223110B (zh) * | 2020-01-06 | 2023-07-18 | 陈根生 | 一种显微图像增强方法、装置及计算机设备 |
CN111223110A (zh) * | 2020-01-06 | 2020-06-02 | 陈根生 | 一种显微图像增强方法、装置及计算机设备 |
CN111311520B (zh) * | 2020-03-12 | 2023-07-18 | Oppo广东移动通信有限公司 | 图像处理方法、装置、终端及存储介质 |
CN111311520A (zh) * | 2020-03-12 | 2020-06-19 | Oppo广东移动通信有限公司 | 图像处理方法、装置、终端及存储介质 |
CN111583154A (zh) * | 2020-05-12 | 2020-08-25 | Oppo广东移动通信有限公司 | 图像处理方法、肤质美化模型训练方法及相关装置 |
CN111583154B (zh) * | 2020-05-12 | 2023-09-26 | Oppo广东移动通信有限公司 | 图像处理方法、肤质美化模型训练方法及相关装置 |
CN113660531A (zh) * | 2021-08-20 | 2021-11-16 | 北京市商汤科技开发有限公司 | 视频处理方法及装置、电子设备和存储介质 |
WO2023019870A1 (zh) * | 2021-08-20 | 2023-02-23 | 上海商汤智能科技有限公司 | 视频处理方法及装置、电子设备、存储介质、计算机程序、计算机程序产品 |
CN113660531B (zh) * | 2021-08-20 | 2024-05-17 | 北京市商汤科技开发有限公司 | 视频处理方法及装置、电子设备和存储介质 |
CN115460348A (zh) * | 2022-08-25 | 2022-12-09 | Oppo广东移动通信有限公司 | 对焦清晰度检测方法及装置、存储介质和电子设备 |
CN115460348B (zh) * | 2022-08-25 | 2024-04-23 | Oppo广东移动通信有限公司 | 对焦清晰度检测方法及装置、存储介质和电子设备 |
CN116863130A (zh) * | 2023-07-27 | 2023-10-10 | 北京鹰之眼智能健康科技有限公司 | 一种头部区域状态参数获取方法、电子设备及存储介质 |
CN116863130B (zh) * | 2023-07-27 | 2024-04-05 | 北京鹰之眼智能健康科技有限公司 | 一种头部区域状态参数获取方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107369145B (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107369145A (zh) | 图像处理方法、装置及终端设备 | |
CN101505421B (zh) | 具有细节保留和噪声约束的高动态范围压缩方法 | |
Kwok et al. | Simultaneous image color correction and enhancement using particle swarm optimization | |
JP2001126075A (ja) | 画像処理方法および装置並びに記録媒体 | |
CN113518185B (zh) | 视频转换处理方法、装置、计算机可读介质及电子设备 | |
Vonikakis et al. | Multi-exposure image fusion based on illumination estimation | |
JP2003230160A (ja) | カラー映像の彩度調節装置及び方法 | |
CN102663741B (zh) | 对彩色数字图像进行视觉立体感知增强的方法及系统 | |
US20210374925A1 (en) | Image Enhancement System and Method | |
CN107358573A (zh) | 图像美颜处理方法和装置 | |
CN106530265A (zh) | 一种基于色度坐标的自适应图像融合方法 | |
CN107454315A (zh) | 逆光场景的人脸区域处理方法和装置 | |
CN113344836A (zh) | 人脸图像处理方法及装置、计算机可读存储介质、终端 | |
Huang et al. | Example-based painting guided by color features | |
JP4635975B2 (ja) | 画像処理装置及び画像処理方法 | |
CN104240197B (zh) | 一种保持对比度、颜色一致性和灰度像素特征的消色方法 | |
Du et al. | Low-light image enhancement and denoising via dual-constrained Retinex model | |
Lal et al. | Automatic method for contrast enhancement of natural color images | |
CN113284058B (zh) | 一种基于迁移理论的水下图像增强方法 | |
CN112614471B (zh) | 色调映射方法及系统 | |
CN112218006B (zh) | 一种多媒体数据处理方法、装置、电子设备及存储介质 | |
CN113962851A (zh) | 一种逼真的彩色铅笔画生成方法 | |
CN114119433A (zh) | 一种基于贝塞尔曲线的暗图像处理方法 | |
Zhang et al. | Aesthetic enhancement of landscape photographs as informed by paintings across depth layers | |
Hu et al. | General regression neural network utilized for color transformation between images on RGB color space |
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 | ||
CB02 | Change of applicant information |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |