CN107451969B - 图像处理方法、装置、移动终端及计算机可读存储介质 - Google Patents
图像处理方法、装置、移动终端及计算机可读存储介质 Download PDFInfo
- Publication number
- CN107451969B CN107451969B CN201710625436.3A CN201710625436A CN107451969B CN 107451969 B CN107451969 B CN 107451969B CN 201710625436 A CN201710625436 A CN 201710625436A CN 107451969 B CN107451969 B CN 107451969B
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- defogging
- backlight
- foreground
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 77
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 12
- 230000000007 visual effect Effects 0.000 abstract description 12
- 238000004422 calculation algorithm Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 14
- 238000003384 imaging method Methods 0.000 description 11
- 238000002834 transmittance Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000010191 image analysis Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000003705 background correction Methods 0.000 description 2
- 238000005282 brightening Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 206010034960 Photophobia Diseases 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 208000013469 light sensitivity Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
- Studio Devices (AREA)
Abstract
本申请实施例涉及一种图像处理方法、装置、移动终端及计算机可读存储介质。上述方法,包括:获取待处理图像及景深信息;当所述待处理图像为逆光图像时,识别所述待处理图像的人脸区域,并根据所述人脸区域及景深信息将所述待处理图像划分为前景人像区域及逆光背景区域;对所述前景人像区域进行去雾处理。上述图像处理方法、装置、移动终端及计算机可读存储介质,可以提高逆光图像中的人像的饱和度,并减少颜色失真,使逆光场景下拍摄的人像的视觉显示效果更好。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种图像处理方法、装置、移动终端及计算机可读存储介质。
背景技术
成像设备在逆光场景下拍照人像时,往往会出现背景过亮或拍摄的人像过暗的问题,为了提升人像的亮度,常用的做法是提高成像设备的ISO(感光度)。当提高ISO后,拍摄的人像可能会出现大量的噪声,因此对人像的降噪程度也会增强。当降噪程度过强,人像过亮时,会出现拍摄的人像的饱和度过低、颜色失真等问题,逆光场景拍摄出的人像效果差。
发明内容
本申请实施例提供一种图像处理方法、装置、移动终端及计算机可读存储介质,可以提高逆光图像中的人像的饱和度,并减少颜色失真。
一种图像处理方法,包括:
获取待处理图像及景深信息;
当所述待处理图像为逆光图像时,识别所述待处理图像的人脸区域,并根据所述人脸区域及景深信息将所述待处理图像划分为前景人像区域及逆光背景区域;
对所述前景人像区域进行去雾处理。
在其中一个实施例中,在所述获取待处理图像及景深信息之后,所述方法还包括:
检测所述待处理图像是否为逆光图像,包括:
根据所述待处理图像的亮度信息生成灰度直方图;
计算所述灰度直方图的灰度分布方差;
当所述灰度分布方差大于预设第一阈值时,则确定所述待处理图像为逆光图像。
在其中一个实施例中,所述对所述前景人像区域进行去雾处理,包括:
根据所述灰度分布方差确定所述待处理图像的逆光级别;
获取与所述逆光级别对应的去雾调节因子;
根据所述去雾调节因子对所述前景人像区域进行去雾处理。
在其中一个实施例中,所述方法还包括:
生成去雾处理后的前景人像区域的颜色直方图;
确定所述颜色直方图的波峰及对应的峰值;
若所述波峰的个数小于预设数量且存在峰值大于预设第二阈值的波峰时,则对所述前景人像区域进行白平衡处理。
在其中一个实施例中,所述方法还包括:
获取去雾处理后的前景人像区域的亮度值;
若所述亮度值小于预设的参考亮度值,则将所述去雾处理后的前景人像区域的亮度值调整为所述参考亮度值。
一种图像处理装置,包括:
图像获取模块,用于获取待处理图像及景深信息;
划分模块,用于当所述待处理图像为逆光图像时,识别所述待处理图像的人脸区域,并根据所述人脸区域及景深信息将所述待处理图像划分为前景人像区域及逆光背景区域;
去雾模块,用于对所述前景人像区域进行去雾处理。
在其中一个实施例中,所述装置还包括:
检测模块,用于检测所述待处理图像是否为逆光图像;
所述检测模块,包括:
生成单元,用于根据所述待处理图像的亮度信息生成灰度直方图;
计算单元,用于计算所述灰度直方图的灰度分布方差;
逆光图像确定单元,用于当所述灰度分布方差大于预设第一阈值时,则确定所述待处理图像为逆光图像;
所述去雾模块,包括:
逆光级别确定单元,用于根据所述灰度分布方差确定所述待处理图像的逆光级别;
调节因子获取单元,用于获取与所述逆光级别对应的去雾调节因子;
去雾单元,用于根据所述去雾调节因子对所述前景人像区域进行去雾处理。
在其中一个实施例中,所述装置还包括:
颜色直方图生成模块,用于生成去雾处理后的前景人像区域的颜色直方图;
波峰确定模块,用于确定所述颜色直方图的波峰及对应的峰值;
白平衡模块,用于若所述波峰的个数小于预设数量且存在峰值大于预设第二阈值的波峰时,则对所述前景人像区域进行白平衡处理。
在其中一个实施例中,所述装置还包括:
亮度获取模块,用于获取去雾处理后的前景人像区域的亮度值;
调整模块,用于若所述亮度值小于预设的参考亮度值,则将所述去雾处理后的前景人像区域的亮度值调整为所述参考亮度值。
一种移动终端,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述的方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的方法。
上述图像处理方法、装置、移动终端及计算机可读存储介质,当待处理图像为逆光图像时,识别待处理图像的人脸区域,并根据人脸区域及待处理图像的景深信息将待处理图像划分为前景人像区域及逆光背景区域,通过对前景人像区域进行去雾处理,可以提高逆光图像中的人像的饱和度,并减少颜色失真,使逆光场景下拍摄的人像的视觉显示效果更好。
附图说明
图1为一个实施例中移动终端的框图;
图2为一个实施例中图像处理方法的流程示意图;
图3为一个实施例中检测待处理图像是否为逆光图像的流程示意图;
图4为一个实施例中根据待处理图像的亮度信息生成的灰度直方图;
图5为一个实施例中根据待处理图像的逆光级别对前景人像区域进行去雾的流程示意图;
图6为一个实施例中对去雾处理后的前景人像区域进行白平衡处理的流程示意图;
图7为一个实施例中生成的颜色直方图;
图8为一个实施例中图像处理装置的框图;
图9为一个实施例中去雾模块的框图;
图10为一个实施例中图像处理电路的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一客户端称为第二客户端,且类似地,可将第二客户端称为第一客户端。第一客户端和第二客户端两者都是客户端,但其不是同一客户端。
图1为一个实施例中移动终端的框图。如图1所示,该移动终端包括通过系统总线连接的处理器、非易失性存储介质、内存储器和网络接口、显示屏和输入装置。其中,移动终端的非易失性存储介质存储有操作系统及计算机可执行指令,该计算机可执行指令被处理器执行时以实现本申请实施例中提供的一种图像处理方法。该处理器用于提供计算和控制能力,支撑整个移动终端的运行。移动终端中的内存储器为非易失性存储介质中的计算机可读指令的运行提供环境。网络接口用于与服务器进行网络通信。移动终端的显示屏可以是液晶显示屏或者电子墨水显示屏等,输入装置可以是显示屏上覆盖的触摸层,也可以是移动终端外壳上设置的按键、轨迹球或触控板,也可以是外接的键盘、触控板或鼠标等。该移动终端可以是手机、平板电脑或者个人数字助理或穿戴式设备等。本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的移动终端的限定,具体的移动终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
如图2所示,在一个实施例中,提供一种图像处理方法,包括以下步骤:
步骤210,获取待处理图像及景深信息。
移动终端可获取待处理图像,以及待处理图像的景深信息,其中,景深是指在摄影机镜头或其他成像设备前沿能够取得清晰图像的成像所测定的被摄物体前后距离范围,在本实施例中,景深信息可以理解为待处理图像中的每个物体到移动终端的距离,也即物距信息。进一步地,移动终端可获取待处理图像中每个像素点的景深信息。
在一个实施例中,移动终端可通过第一摄像头获取待处理图像,并通过第二摄像头获取待处理图像的景深信息。移动终端可在背面设置有两个摄像头,包括第一摄像头及第二摄像头,第一摄像头及第二摄像头可设置在同一水平线上,水平左右排列,也可设置在同一竖直线上,竖直上下排列。在本实施例中,第一摄像头及第二摄像头可以是不同像素的摄像头,其中,第一摄像头可以是像素较高的摄像头,主要用于成像,第二摄像头可以是像素较低的辅助景深摄像头,用于获取采集的图像的景深信息。
步骤220,当待处理图像为逆光图像时,识别待处理图像的人脸区域,并根据人脸区域及景深信息将待处理图像划分为前景人像区域及逆光背景区域。
移动终端可检测待处理图像是否为逆光图像,逆光是一种由于被摄主体恰好处于光源和成相设备之间的状况,这种状况极易造成使被摄主体曝光不充分,使得被摄主体过暗,逆光图像即为在逆光场景下拍摄得到的图像。在一个实施例中,由于逆光图像的明暗对比明显,移动终端可获取待处理图像中各个像素点的亮度值,并根据各个像素点的亮度值确定待处理图像明暗区域,逐一比较相邻的两个像素点的亮度值的差值,当存在多个与相邻的像素点的亮度值的差值大于预设的第一数值的像素点,且这些像素点可连通形成区域,该区域在待处理图像中所占的面积比例大于预设的比例值时,则可认为待处理图像中包含亮度对比明显的明暗区域,其中,第一数值及预设的比例值均可根据实际需求进行设定。若待处理图像中包含亮度对比明显的明暗区域,则可确定待处理图像为逆光图像。可以理解地,也可采用别的方式检测待处理图像是否为逆光图像,并不限于此。
若待处理图像为逆光图像,可对待处理图像进行人脸识别,可提取待处理图像的图像特征,并通过预先建立的图像分析模型对图像特征进行分析。图像特征可包括形状特征、空间特征及边缘特征等,其中,形状特征指的是待处理图像中局部的形状,空间特征指的是待处理图像中分割出来的多个区域之间的相互的空间位置或相对方向关系,边缘特征指的是待处理图像中组成两个区域之间的边界像素等。该图像分析模型可为预先通过机器学习构建的决策模型,移动终端可通过该图像分析模型确定待处理图像中是否包含人脸。构建图像分析模型时,可获取大量的样本图像,样本图像中包含有人脸图像及无人图像,可根据每个样本图像是否包含人脸对样本图像进行标记,并将标记的样本图像作为图像分析模型的输入,通过机器学习进行训练,得到图像分析模型。
移动终端识别待处理图像的人脸区域后,可根据人脸区域及待处理图像的景深信息将待处理图像划分为前景人像区域及逆光背景区域。可提取待处理图像中景深信息与人脸区域较为相近的像素点,其中,相近的像素点指的是景深信息与人脸区域的景深信息之间的差值小于预定值的像素点。可从提取的像素点中确定人像轮廓,选取提取的像素点中,与相邻的像素点的景深信息的差值大于预设的第二数值的像素点组成人像轮廓,两个相邻的相素点的景深信息之间的差值大于预设的第二数值,说明该两个相邻的相素点存在景深信息突变,可用于区分待处理图像中的前景与背景。移动终端可根据确定的人像轮廓划分前景人像区域及逆光背景区域,前景人像区域的景深信息小于逆光背景区域的景深信息,且二者的景深信息差别较大。
步骤230,对前景人像区域进行去雾处理。
移动终端可根据去雾算法对待处理图像的前景人像区域进行去雾处理,其中,去雾算法可包括基于图像增强的去雾算法及基于图像复原的去雾算法,基于图像增强的去雾算法可包括基于RetineX理论的去雾算法、基于直方图均衡化的去雾算法等,基于图像复原的去雾算法可包括基于大气散射模型的去雾算法等。在本实施例中,移动终端可通过暗原色先验算法对含雾图像进行去雾处理,其中,暗原色先验算法属于一种基于图像复原的去雾算法。暗原色先验算法中采用大气散射模型对含雾图像进行描述,该大气散射模型可如式(1)所示:
I(x)=J(x)t(x)+A(1-t(x)) (1);
其中,I(x)表示需要进行去雾处理的含雾图像,J(x)表示对含雾图像进行去雾处理后得到的无雾图像,x表示图像中某一像素点的空间位置,t(x)表示透射率,A表示大气光值。对于无雾图像,某些像素在RGB(红、绿、蓝颜色空间)三个通道总会存在至少一个颜色通道具有很低的值,该颜色通道的值接近于零。因此,对于任意图像,其暗通道图像可如式(2)所示:
其中,Jdark(x)表示暗通道图像,Jc(y)表示颜色通道的值,Ω(x)表示以像素x为中心的一个窗口。根据式(1)及式(2),可推导出透射率的计算公式如式(3)所示:
而在现实生活中,即使是晴天白云,空气中也会存在一些颗粒,看远处的物体依然可感受到雾的存在,且雾的存在让人类感到景深的存在,因此,可引入一个在[0,1]之间的参数对求取的透射率进行调整,则引入因子后透射率的计算可由式(3)修正为式(4):
其中,ω表示对透射率调整的参数,ω可用于表示去雾程度,ω越小表示去雾程度越小,ω越大表示去雾程度越大。在本实施例中,是对前景人像区域进行去雾处理,为了使去雾处理后的人像更为真实自然,ω可取较小的值,例如为0.5、0.4等,也可以是其它值,并不限于此。
移动终端可根据式(2)求取前景人像区域的暗通道图像,并根据该暗通道图像获取前景人像区域的大气光值。进一步地,移动终端可在前景人像区域的暗通道图像中,获取各个像素点的亮度,并按照亮度对像素点进行排序,再按照亮度从大到小提取暗通道图像中预设比例的像素点,其中,预设比例可根据实际需求进行设定,例如0.1%、0.2%等,提取暗通道图像中亮度最大的前0.1%或0.2%的像素点。再在待处理图像的前景人像区域中,确定与提取的像素点对应的位置的亮度值,将其中具有最高亮度值的像素点的亮度值作为前景人像区域的大气光值。移动终端获取前景人像区域的大气光值后,可根据式(4)计算得到前景人像区域的透射率。可将前景人像区域的透射率与大气光值代入式(1),将待处理图像的前景人像区域作为I(x),即可求取得到去雾处理后的前景人像区域。移动终端可将去雾处理后的前景人像区域与待处理图像的逆光背景区域进行融合,生成处理后的图像。对逆光图像中的前景人像区域进行去雾处理,可解决提高ISO之后导致人像肤色变淡、没有血色等在逆光场景下拍摄的图像效果差的问题。
上述图像处理方法,当待处理图像为逆光图像时,识别待处理图像的人脸区域,并根据人脸区域及待处理图像的景深信息将待处理图像划分为前景人像区域及逆光背景区域,通过对前景人像区域进行去雾处理,可以提高逆光图像中的人像的饱和度,并减少颜色失真,使逆光场景下拍摄的人像的视觉显示效果更好。
在一个实施例中,在步骤210获取待处理图像及景深信息之后,还包括:检测待处理图像是否为逆光图像。
如图3所示,在一个实施例中,检测待处理图像是否为逆光图像,包括以下步骤:
步骤302,根据待处理图像的亮度信息生成灰度直方图。
灰度直方图是灰度级的函数,它表示图像中具有某种灰度级的像素点的个数,反映了图像中某种灰度出现的频率,灰度直方图描述了图像中的像素点在各亮度级别中的分布情况。移动终端获取待处理图像中各个像素点的亮度信息,可将亮度信息转化为对应的亮度级别,在灰度直方图中,可包含有0~255共256个亮度级别,可统计待处理图像中属于每个亮度级别的像素点的数量,并生成灰度直方图。
图4为一个实施例中根据待处理图像的亮度信息生成的灰度直方图。如图4所示,灰度直方图的横轴表示亮度级别,纵轴表示像素点的数量,从图4中可知,待处理图像的像素点大部分分布在亮度级别在30~60及180~210中。
步骤304,计算灰度直方图的灰度分布方差。
移动终端可根据待处理图像的灰度直方图计算灰度分布方差,灰度分布方差可用于描述待处理图像各个像素点的亮度级别与各个像素点的亮度级别均值的偏离程度。可根据式(5)计算灰度分布方差:
其中,σ表示灰度分布方差,xi表示待处理图像的像素点出现在第i级亮度级别的概率,μ表示待处理图像各个像素点的亮度级别均值。移动终端可先计算灰度分布图中,待处理图像的像素点在各个亮度级别出现的概率,可将亮度级别上分布的像素点的数量除以待处理图像的像素点总数,得到像素点出现在对应亮度级别的概率。再根据待处理图像的像素点出现在各个亮度级别的概率确定亮度级别均值,确定亮度级别均值可如式(6)所示:
步骤306,当灰度分布方差大于预设第一阈值时,则确定待处理图像为逆光图像。
逆光图像中通常存在对比明显的明暗区域,像素点在极小的亮度等级与极大的亮度等级中分布高,而非逆光图像中,像素点一般分布在中间的亮度等级中,因此,逆光图像的灰度分布方差比非逆光图像的灰度分布方差大。移动终端可判断计算得到的灰度分布方差是否大于预设第一阈值,若大于预设第一阈值,说明像素点在极小的亮度等级与极大的亮度等级中分布高,则可确定待处理图像为逆光图像。例如,如图(4)中,待处理图像转化的灰度直方图中,待处理图像的像素点大部分分布在亮度级别在30~60及180~210之间,可以很直观地看出,像素点在极小的亮度级别与极大的亮度级别中分布高,计算得到的灰度分布方差大于预设第一阈值,则可确定待处理图像为逆光图像。其中,第一阈值可根据经验进行设定,也可通过机器学习的方式,对大量的样本图像进行训练,从而确定判断是否为逆光图像的第一阈值。
在本实施例中,生成待处理图像的灰度直方图,并计算灰度直方图的灰度分布方差,从而可准确判断待处理图像是否为逆光图像,方便进一步对逆光图像的前景人像区域进行处理。
如图5所示,在一个实施例中,步骤230对前景人像区域进行去雾处理,包括以下步骤:
步骤502,根据灰度分布方差确定待处理图像的逆光级别。
可预先设定多个逆光级别,逆光级别用于表示待处理图像的逆光程度,逆光级别越大说明待处理图像中前景人像区域与逆光背景区域的明暗对比越大。可建立每个逆光级别与灰度分布方差的对应关系,不同的逆光级别可分别对应不同的灰度分布方差范围,逆光级别越高,对应的灰度分布方差越大。例如,可设定10级的逆光级别,每个逆光级别对应不同的灰度分布方差范围。移动终端计算得到待处理图像的灰度分布方差后,可确定与该灰度分布方差对应的逆光级别。
步骤504,获取与逆光级别对应的去雾调节因子。
每个逆光级别可设定对应的去雾调节因子,去雾调节因子用于调节透射率、大气光值等去雾参数,控制对前景人像区域的去雾程度强弱,在本实施例中,可根据去雾调节因子调节前景人像区域的透射率。去雾调节因子可为大于0且小于或等于1的值,当逆光级别越高时,提高ISO拍摄得到的待处理图像中,前景人像区域的饱和度低、颜色失真等问题越严重,需要对前景人像区域进行程度较强的去雾处理;当逆光级别越低时,前景人像区域受到的提高ISO的影响较小,可对前景人像区域进行程度较弱的去雾处理。
步骤506,根据去雾调节因子对前景人像区域进行去雾处理。
移动终端可根据式(7),利用去雾调节因子对计算得到的前景人像区域的透射率进行调整:
t'=W*t (7);
其中,W表示去雾调节因子,t表示前景人像区域的透射率,t'表示调整后的透射率。待处理图像的逆光级别越高,对应的去雾调节因子越小,调整后的透射率越小,去雾程度越强;逆光级别越低,对应的去雾调节因子越大,调整后的透射率越大,去雾程度越弱。
在本实施例中,可根据待处理图像的逆光级别对前景人像区域进行不同程度的去雾处理,可使去雾处理后的前景人像区域更加真实自然,视觉显示效果更好。
如图6所示,在一个实施例中,上述图像处理方法,还包括以下步骤:
步骤602,生成去雾处理后的前景人像区域的颜色直方图。
移动终端对前景人像区域进行去雾处理后,可将前景人像区域从RGB颜色空间转换至HSV颜色空间,其中,在HSV颜色空间中,分量可包括H(Hue,色调)、S(Saturation,饱和度)及V(Value,明度),其中,H用角度度量,取值范围为0°~360°,从红色开始按逆时针方向计算,红色为0°,绿色为120°,蓝色为240°;S表示颜色接近光谱色的程度,光谱色所占的比例越大,颜色接近光谱色的程度就越高,颜色的饱和度也越高,饱和度高,颜色一般深而艳;V表示颜色明亮的程度,对于光源色,明度值与发光体的光亮度有关;对于物体色,此值和物体的透射比或反射比有关,V通常取值范围为0%(黑)到100%(白)。
移动终端可分别对HSV中的H、S及V三个分量进行量化,并将量化后的H、S及V三个分量合成一维的特征向量,特征向量的取值可在0~255之间,共256个值。例如,可将H分量量化为16级,将S分量及V分量分别量化为4级,合成一维的特征向量可如式(8)所示:
L=H*QS*QV+S*QV+V (8);
其中,L表示量化后的H、S及V三个分量合成的一维的特征向量;QS表示S分量的量化级数,QV表示V分量的量化级数。移动终端可根据去雾处理后的前景人像区域中各个像素点在HSV颜色空间中的值,确定在H、S及V三个分量的量化级别,并计算各个像素点的特征向量,分别统计特征向量在256个值上分布的像素点的数量,生成颜色直方图。
步骤604,确定颜色直方图的波峰及对应的峰值。
移动终端可确定颜色直方图的波峰,以及每个波峰对应的峰值,波峰指的是在颜色直方图形成的一段波内波幅的最大值,可通过求取颜色直方图中各个点的一阶差分进行确定,峰值指的是波峰上的最大值。
图7为一个实施例中生成的颜色直方图。如图7所示,颜色直方图的横轴表示在HSV颜色空间的特征向量,纵轴表示像素点的数量,该颜色直方图中包含波峰702,波峰702的峰值为850。
步骤606,若波峰的个数小于预设数量且存在峰值大于预设第二阈值的波峰时,则对前景人像区域进行白平衡处理。
移动终端可确定颜色直方图的波峰数量,若波峰的个数小于预设数量,且存在峰值大于预设第二阈值的波峰时,说明去雾处理后的前景人像区域集中分布在某段色阶中,可能出现偏色情况,则可对前景人像区域进行白平衡处理,其中,预设数量及第二阈值均可根据经验进行设定,例如,预设数量为2、3等,第二阈值为750、800等。若移动终端中包含的波峰个数不小于预设数量,或每个波峰的峰值不大于第二阈值,说明去雾处理后的前景人像区域在各个色阶上分布较为均匀,没有出现偏色情况。
白平衡,可理解为白色的平衡,白色是反射到人眼中的光线由于蓝、绿、红三种色光比例相同且具有一定的亮度所形成的视觉反应。白平衡处理就是指调节图像中蓝、绿、红三种色彩比例,使其还原为物体本来的颜色的处理。移动终端可根据灰度世界算法、完美反射算法、动态阈值算法等算法对去雾处理后的前景人像区域进行白平衡处理。
在本实施例中,可对去雾处理后的前景人像区域进行白平衡处理,解决前景人像区域的色偏问题,使逆光图像中的前景人像区域更为真实自然,视觉显示效果更好。
在一个实施例中,上述图像处理方法,还包括:获取去雾处理后的前景人像区域的亮度值,若该亮度值小于预设的参考亮度值,则将去雾处理后的前景人像区域的亮度值调整为参考亮度值。
移动终端可获取去雾处理后的前景人像区域的亮度值,并将该亮度值与预设的参考亮度值进行比较,判断是否需要对处理后的图像进行提亮处理。若去雾处理后的前景人像区域的亮度值大于或等于参考亮度值,则不需要进行提亮处理,若去雾处理后的前景人像区域的亮度值小于参考亮度值,则可对去雾处理后的前景人像区域进行提亮处理,将去雾处理后的前景人像区域的亮度值调整至参考亮度值,其中,参考亮度值用于表示理想亮度,在该理想亮度下,图像可具有较好的视觉观感,例如,参考亮度值可为130、132等值,但不限于此。
在本实施例中,可自动调整进行去雾处理后的前景人像区域的亮度值,可使包含人像的逆光图像具有更好的视觉显示效果。
如图8所示,在一个实施例中,提供一种图像处理装置800,包括图像获取模块810、划分模块820及去雾模块830。
图像获取模块810,用于获取待处理图像及景深信息。
划分模块820,用于当待处理图像为逆光图像时,识别待处理图像的人脸区域,并根据人脸区域及景深信息将待处理图像划分为前景人像区域及逆光背景区域。
去雾模块830,用于对前景人像区域进行去雾处理。
上述图像处理装置,当待处理图像为逆光图像时,识别待处理图像的人脸区域,并根据人脸区域及待处理图像的景深信息将待处理图像划分为前景人像区域及逆光背景区域,通过对前景人像区域进行去雾处理,可以提高逆光图像中的人像的饱和度,并减少颜色失真,使逆光场景下拍摄的人像的视觉显示效果更好。
在一个实施例中,上述图像处理装置800,除了包括图像获取模块810、划分模块820及去雾模块830,还包括检测模块。
检测模块,用于检测待处理图像是否为逆光图像。
在一个实施例中,检测模块,包括生成单元、计算单元及逆光图像确定单元。
生成单元,用于根据待处理图像的亮度信息生成灰度直方图。
计算单元,用于计算灰度直方图的灰度分布方差。
逆光图像确定单元,用于当灰度分布方差大于预设第一阈值时,则确定待处理图像为逆光图像。
在本实施例中,生成待处理图像的灰度直方图,并计算灰度直方图的灰度分布方差,从而可准确判断待处理图像是否为逆光图像,方便进一步对逆光图像的前景人像区域进行处理。
如图9所示,在一个实施例中,去雾模块830,包括逆光级别确定单元832、调节因子获取单元834及去雾单元836。
逆光级别确定单元832,用于根据灰度分布方差确定待处理图像的逆光级别。
调节因子获取单元834,用于获取与逆光级别对应的去雾调节因子。
去雾单元836,用于根据去雾调节因子对前景人像区域进行去雾处理。
在本实施例中,可根据待处理图像的逆光级别对前景人像区域进行不同程度的去雾处理,可使去雾处理后的前景人像区域更加真实自然,视觉显示效果更好。
在一个实施例中,上述图像处理装置800,除了包括图像获取模块810、划分模块820、去雾模块830及检测模块,还包括颜色直方图生成模块、波峰确定模块及白平衡模块。
颜色直方图生成模块,用于生成去雾处理后的前景人像区域的颜色直方图。
波峰确定模块,用于确定颜色直方图的波峰及对应的峰值。
白平衡模块,用于若波峰的个数小于预设数量且存在峰值大于预设第二阈值的波峰时,则对前景人像区域进行白平衡处理。
在本实施例中,可对去雾处理后的前景人像区域进行白平衡处理,解决前景人像区域的色偏问题,使逆光图像中的前景人像区域更为真实自然,视觉显示效果更好。
在一个实施例中,上述图像处理装置800,还包括亮度获取模块及调整模块。
亮度获取模块,用于获取去雾处理后的前景人像区域的亮度值。
调整模块,用于若亮度值小于预设的参考亮度值,则将去雾处理后的前景人像区域的亮度值调整为参考亮度值。
在本实施例中,可自动调整进行去雾处理后的前景人像区域的亮度值,可使包含人像的逆光图像具有更好的视觉显示效果。
上述图像处理装置中各个模块的划分仅用于举例说明,在其他实施例中,可将推荐信息生成装置按照需要划分为不同的模块,以完成上述推荐信息生成装置的全部或部分功能。
本申请实施例还提供一种移动终端。上述移动终端中包括图像处理电路,图像处理电路可以利用硬件和/或软件组件实现,可包括定义ISP(Image Signal Processing,图像信号处理)管线的各种处理单元。图10为一个实施例中图像处理电路的示意图。如图10所示,为便于说明,仅示出与本申请实施例相关的图像处理技术的各个方面。
如图10所示,图像处理电路包括ISP处理器1040和控制逻辑器1050。成像设备1010捕捉的图像数据首先由ISP处理器1040处理,ISP处理器1040对图像数据进行分析以捕捉可用于确定和/或成像设备1010的一个或多个控制参数的图像统计信息。成像设备1010可包括具有一个或多个透镜1012和图像传感器1014的照相机。图像传感器1014可包括色彩滤镜阵列(如Bayer滤镜),图像传感器1014可获取用图像传感器1014的每个成像像素捕捉的光强度和波长信息,并提供可由ISP处理器1040处理的一组原始图像数据。传感器1020可基于传感器1020接口类型把原始图像数据提供给ISP处理器1040。传感器1020接口可以利用SMIA(Standard Mobile Imaging Architecture,标准移动成像架构)接口、其它串行或并行照相机接口或上述接口的组合。
ISP处理器1040按多种格式逐个像素地处理原始图像数据。例如,每个图像像素可具有8、10、12或14比特的位深度,ISP处理器1040可对原始图像数据进行一个或多个图像处理操作、收集关于图像数据的统计信息。其中,图像处理操作可按相同或不同的位深度精度进行。
ISP处理器1040还可从图像存储器1030接收像素数据。例如,从传感器1020接口将原始像素数据发送给图像存储器1030,图像存储器1030中的原始像素数据再提供给ISP处理器1040以供处理。图像存储器1030可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器,并可包括DMA(Direct Memory Access,直接直接存储器存取)特征。
当接收到来自传感器1020接口或来自图像存储器1030的原始图像数据时,ISP处理器1040可进行一个或多个图像处理操作,如时域滤波。处理后的图像数据可发送给图像存储器1030,以便在被显示之前进行另外的处理。ISP处理器1040还可从图像存储器1030接收处理数据,对上述处理数据进行原始域中以及RGB和YCbCr颜色空间中的图像数据处理。处理后的图像数据可输出给显示器1080,以供用户观看和/或由图形引擎或GPU(GraphicsProcessing Unit,图形处理器)进一步处理。此外,ISP处理器1040的输出还可发送给图像存储器1030,且显示器1080可从图像存储器1030读取图像数据。在一个实施例中,图像存储器1030可被配置为实现一个或多个帧缓冲器。此外,ISP处理器1040的输出可发送给编码器/解码器1070,以便编码/解码图像数据。编码的图像数据可被保存,并在显示于显示器1080设备上之前解压缩。
ISP处理器1040处理图像数据的步骤包括:对图像数据进行VFE(Video FrontEnd,视频前端)处理和CPP(Camera Post Processing,摄像头后处理)处理。对图像数据的VFE处理可包括修正图像数据的对比度或亮度、修改以数字方式记录的光照状态数据、对图像数据进行补偿处理(如白平衡,自动增益控制,γ校正等)、对图像数据进行滤波处理等。对图像数据的CPP处理可包括对图像进行缩放、向每个路径提供预览帧和记录帧。其中,CPP可使用不同的编解码器来处理预览帧和记录帧。
ISP处理器1040处理后的图像数据可发送给去雾模块1060,以便在被显示之前对图像进行去雾处理。去雾模块1060可识别待处理图像的人脸区域,并根据人脸区域及景深信息将待处理图像划分为前景人像区域及逆光背景区域,再对前景人像区域进行去雾处理等。其中,去雾模块1060可为移动终端中CPU(Central Processing Unit,中央处理器)、GPU或协处理器等。去雾模块1060将图像数据进行去雾处理后,可将去雾处理后的图像数据发送给编码器/解码器1070,以便编码/解码图像数据。编码的图像数据可被保存,并在显示与显示器1080设备上之前解压缩。可以理解的是,去雾模块1060处理后的图像数据可以不经过编码器/解码器1070,直接发给显示器1080进行显示。ISP处理器1040处理后的图像数据还可以先经过编码器/解码器1070处理,然后再经过去雾模块1060进行处理。上述编码器/解码器可为移动终端中CPU、GPU或协处理器等。
ISP处理器1040确定的统计数据可发送给控制逻辑器1050单元。例如,统计数据可包括自动曝光、自动白平衡、自动聚焦、闪烁检测、黑电平补偿、透镜1012阴影校正等图像传感器1014统计信息。控制逻辑器1050可包括执行一个或多个例(如固件)的处理器和/或微控制器,一个或多个例程可根据接收的统计数据,确定成像设备1010的控制参数以及ISP处理器1040的控制参数。例如,控制参数可包括传感器1020控制参数(例如增益、曝光控制的积分时间)、照相机闪光控制参数、透镜1012控制参数(例如聚焦或变焦用焦距)、或这些参数的组合。ISP控制参数可包括用于自动白平衡和颜色调整(例如,在RGB处理期间)的增益水平和色彩校正矩阵,以及透镜1012阴影校正参数。
在本实施例中,运用图10中的图像处理技术可实现上述的图像处理方法。
在一个实施例中,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述图像处理方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
获取待处理图像及景深信息;
当所述待处理图像为逆光图像时,识别所述待处理图像的人脸区域,并根据所述人脸区域及景深信息将所述待处理图像划分为前景人像区域及逆光背景区域;
对所述前景人像区域进行去雾处理;
在所述获取待处理图像及景深信息之后,所述方法还包括:
检测所述待处理图像是否为逆光图像,包括:
根据所述待处理图像的亮度信息生成灰度直方图;
计算所述灰度直方图的灰度分布方差;
所述对所述前景人像区域进行去雾处理,包括:
根据所述灰度分布方差确定所述待处理图像的逆光级别;
获取与所述逆光级别对应的去雾调节因子;所述去雾调节因子为控制对所述前景人像区域的去雾程序强弱;
根据所述去雾调节因子对所述前景人像区域进行去雾处理。
2.根据权利要求1所述的方法,其特征在于,所述检测所述待处理图像是否为逆光图像,还包括:
当所述灰度分布方差大于预设第一阈值时,则确定所述待处理图像为逆光图像。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
生成去雾处理后的前景人像区域的颜色直方图;
确定所述颜色直方图的波峰及对应的峰值;
若所述波峰的个数小于预设数量且存在峰值大于预设第二阈值的波峰时,则对所述前景人像区域进行白平衡处理。
4.根据权利要求1至3任一所述的方法,其特征在于,所述方法还包括:
获取去雾处理后的前景人像区域的亮度值;
若所述亮度值小于预设的参考亮度值,则将所述去雾处理后的前景人像区域的亮度值调整为所述参考亮度值。
5.一种图像处理装置,其特征在于,包括:
图像获取模块,用于获取待处理图像及景深信息;
划分模块,用于当所述待处理图像为逆光图像时,识别所述待处理图像的人脸区域,并根据所述人脸区域及景深信息将所述待处理图像划分为前景人像区域及逆光背景区域;
去雾模块,用于对所述前景人像区域进行去雾处理;
所述装置还包括:
检测模块,用于检测所述待处理图像是否为逆光图像;
所述检测模块,包括:
生成单元,用于根据所述待处理图像的亮度信息生成灰度直方图;
计算单元,用于计算所述灰度直方图的灰度分布方差;
所述去雾模块,包括:
逆光级别确定单元,用于根据所述灰度分布方差确定所述待处理图像的逆光级别;
调节因子获取单元,用于获取与所述逆光级别对应的去雾调节因子;所述去雾调节因子为控制对所述前景人像区域的去雾程序强弱;
去雾单元,用于根据所述去雾调节因子对所述前景人像区域进行去雾处理。
6.根据权利要求5所述的装置,其特征在于,所述检测模块,还包括:
逆光图像确定单元,用于当所述灰度分布方差大于预设第一阈值时,则确定所述待处理图像为逆光图像。
7.根据权利要求5所述的装置,其特征在于,所述装置还包括:
颜色直方图生成模块,用于生成去雾处理后的前景人像区域的颜色直方图;
波峰确定模块,用于确定所述颜色直方图的波峰及对应的峰值;
白平衡模块,用于若所述波峰的个数小于预设数量且存在峰值大于预设第二阈值的波峰时,则对所述前景人像区域进行白平衡处理。
8.根据权利要求5至7任一所述的装置,其特征在于,所述装置还包括:
亮度获取模块,用于获取去雾处理后的前景人像区域的亮度值;
调整模块,用于若所述亮度值小于预设的参考亮度值,则将所述去雾处理后的前景人像区域的亮度值调整为所述参考亮度值。
9.一种移动终端,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1至4任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710625436.3A CN107451969B (zh) | 2017-07-27 | 2017-07-27 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710625436.3A CN107451969B (zh) | 2017-07-27 | 2017-07-27 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107451969A CN107451969A (zh) | 2017-12-08 |
CN107451969B true CN107451969B (zh) | 2020-01-10 |
Family
ID=60489690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710625436.3A Active CN107451969B (zh) | 2017-07-27 | 2017-07-27 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107451969B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537749B (zh) * | 2018-03-29 | 2021-05-11 | Oppo广东移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
CN108573230B (zh) * | 2018-04-10 | 2020-06-26 | 京东方科技集团股份有限公司 | 人脸跟踪方法和人脸跟踪装置 |
CN108734676B (zh) * | 2018-05-21 | 2020-12-01 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
CN109246399A (zh) * | 2018-08-17 | 2019-01-18 | 优视科技新加坡有限公司 | 一种识别逆光区域方法、装置和设备/终端/服务器 |
CN109242794B (zh) * | 2018-08-29 | 2021-05-11 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN110969591B (zh) * | 2018-09-28 | 2023-04-07 | 中国科学院合肥物质科学研究院 | 一种用于评估运动物体背景图像融合度的实验装置及方法 |
CN109448669A (zh) * | 2018-12-26 | 2019-03-08 | 宁波迪比亿贸易有限公司 | 自动化蝴蝶形扬琴 |
CN109859115A (zh) * | 2018-12-28 | 2019-06-07 | 努比亚技术有限公司 | 一种图像处理方法、终端及计算机可读存储介质 |
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 |
CN110111281A (zh) * | 2019-05-08 | 2019-08-09 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN112950525B (zh) * | 2019-11-22 | 2024-09-17 | 华为技术有限公司 | 图像检测方法、装置及电子设备 |
CN111275648B (zh) * | 2020-01-21 | 2024-02-09 | 腾讯科技(深圳)有限公司 | 人脸图像处理方法、装置、设备及计算机可读存储介质 |
CN111583163B (zh) * | 2020-05-07 | 2023-06-13 | 厦门美图之家科技有限公司 | 基于ar的人脸图像处理方法、装置、设备及存储介质 |
CN113965663B (zh) * | 2020-07-21 | 2024-09-20 | 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 |
CN113379631B (zh) * | 2021-06-11 | 2024-05-17 | 百果园技术(新加坡)有限公司 | 一种图像去雾的方法及装置 |
CN113691724B (zh) * | 2021-08-24 | 2023-04-28 | Oppo广东移动通信有限公司 | Hdr场景检测方法与装置、终端及可读存储介质 |
CN116823677B (zh) * | 2023-08-28 | 2023-11-10 | 创新奇智(南京)科技有限公司 | 一种图像增强的方法、装置、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102637293A (zh) * | 2011-02-12 | 2012-08-15 | 株式会社日立制作所 | 运动图像处理装置及运动图像处理方法 |
CN103747213A (zh) * | 2014-01-15 | 2014-04-23 | 北京工业大学 | 一种基于运动目标的交通监控视频实时去雾方法 |
CN103905737A (zh) * | 2012-12-25 | 2014-07-02 | 联想(北京)有限公司 | 逆光检测方法及装置 |
CN103942758A (zh) * | 2014-04-04 | 2014-07-23 | 中国人民解放军国防科学技术大学 | 基于多尺度融合的暗通道先验图像去雾方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI489416B (zh) * | 2013-03-06 | 2015-06-21 | Novatek Microelectronics Corp | 影像還原方法 |
-
2017
- 2017-07-27 CN CN201710625436.3A patent/CN107451969B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102637293A (zh) * | 2011-02-12 | 2012-08-15 | 株式会社日立制作所 | 运动图像处理装置及运动图像处理方法 |
CN103905737A (zh) * | 2012-12-25 | 2014-07-02 | 联想(北京)有限公司 | 逆光检测方法及装置 |
CN103747213A (zh) * | 2014-01-15 | 2014-04-23 | 北京工业大学 | 一种基于运动目标的交通监控视频实时去雾方法 |
CN103942758A (zh) * | 2014-04-04 | 2014-07-23 | 中国人民解放军国防科学技术大学 | 基于多尺度融合的暗通道先验图像去雾方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107451969A (zh) | 2017-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107451969B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN107424198B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN107680128B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN107730445B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN107730446B (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
CN107509031B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN108537155B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN107993209B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
WO2019085792A1 (en) | Image processing method and device, readable storage medium and electronic device | |
WO2019105154A1 (en) | Image processing method, apparatus and device | |
CN107945135B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN107563976B (zh) | 美颜参数获取方法、装置、可读存储介质和计算机设备 | |
CN108111749B (zh) | 图像处理方法和装置 | |
CN107493432B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN108537749B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN107862659B (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
CN108419028B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN108846807B (zh) | 光效处理方法、装置、终端及计算机可读存储介质 | |
CN107317967B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN112102386A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN107945106B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN109242794B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN107395991B (zh) | 图像合成方法、装置、计算机可读存储介质和计算机设备 | |
CN107396079B (zh) | 白平衡调整方法和装置 | |
CN107194901B (zh) | 图像处理方法、装置、计算机设备和计算机可读存储介质 |
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: OPPO Guangdong Mobile Communications Co., Ltd. Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant before: Guangdong Opel Mobile Communications Co., Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |