CN107533768B - 基于目标颜色空间范围的图像直方图压缩端点对选择 - Google Patents

基于目标颜色空间范围的图像直方图压缩端点对选择 Download PDF

Info

Publication number
CN107533768B
CN107533768B CN201580079431.4A CN201580079431A CN107533768B CN 107533768 B CN107533768 B CN 107533768B CN 201580079431 A CN201580079431 A CN 201580079431A CN 107533768 B CN107533768 B CN 107533768B
Authority
CN
China
Prior art keywords
histogram
end point
color space
compression end
histogram compression
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
Application number
CN201580079431.4A
Other languages
English (en)
Other versions
CN107533768A (zh
Inventor
布鲁斯·威廉姆斯
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.)
Hewlett Packard Development Co LP
Original Assignee
Hewlett Packard Development Co LP
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 Hewlett Packard Development Co LP filed Critical Hewlett Packard Development Co LP
Publication of CN107533768A publication Critical patent/CN107533768A/zh
Application granted granted Critical
Publication of CN107533768B publication Critical patent/CN107533768B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/186Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a colour or a chrominance component
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/40Image enhancement or restoration using histogram techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • G06T1/0021Image watermarking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/90Dynamic range modification of images or parts thereof
    • G06T5/92Dynamic range modification of images or parts thereof based on global image properties
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/98Adaptive-dynamic-range coding [ADRC]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2201/00General purpose image data processing
    • G06T2201/005Image watermarking
    • G06T2201/0053Embedding of the watermark in the coding stream, possibly without decoding; Embedding of the watermark in the compressed domain
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Color Image Communication Systems (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)
  • Image Processing (AREA)

Abstract

本文公开的示例涉及基于目标颜色空间范围来选择图像直方图压缩端点对。本文公开的示例可从与目标颜色空间范围有关的直方图压缩端点对列表中选择直方图压缩端点对,其中该选择基于将直方图压缩端点对应用于具有在基于目标颜色空间范围确定的减小的颜色空间内的颜色值的输入图像内的像素的结果。处理器可将所选择的直方图压缩端点对应用于输入图像,以对输入图像进行直方图压缩。

Description

基于目标颜色空间范围的图像直方图压缩端点对选择
背景技术
图像可被直方图压缩以减少图像的颜色范围。例如,可期望在频谱的低端和/或高端上具有针对颜色通道的特定量的颜色空间。处理器可以对图像进行直方图压缩,使得图像的颜色范围适合于目标颜色空间范围内。
附图说明
附图描述示例实施例。下面的具体实施方式参考附图,其中:
图1是图示基于目标颜色空间范围来选择图像直方图压缩端点对的计算系统的一个示例的框图。
图2是图示基于目标颜色空间范围来选择图像直方图压缩端点对的方法的一个示例的流程图。
图3A至图3E是图示基于目标颜色空间范围来选择直方图压缩端点对的一个示例的图。
图4是图示基于输入图像与候选直方图压缩端点对的集合的比较来选择直方图压缩端点对的的一个示例的框图。
图5是图示基于所选择的直方图压缩端点对将水印应用于图像的一个示例的流程图。
具体实施方式
处理器可对图像进行直方图压缩,使得图像的色调范围减小,一些较亮的颜色变暗并且一些较暗的颜色变亮,产生灰暗的图像。色调范围可被减小,使得颜色适合于目标颜色空间范围内,在某些情况下,针对每个通道的特定目标颜色空间范围。例如,在R,G,B颜色中用于绿色颜色通道的目标颜色空间范围可以在2和252之间,而蓝色颜色通道的目标颜色空间范围在6和250之间。将图像直方图压缩到目标颜色空间中对于某些类型的图像后处理可能是有用的。例如,可期望使图像的颜色空间范围被压缩,使得图像不包括色谱的最末端处的颜色。处理器可基于要被用于后处理的色谱的低端和/或高端处的颜色空间的量,确定目标颜色空间范围。处理器可在执行其他图像处理之前(诸如在对图像进行水印之前)执行直方图压缩。例如,处理器可对图像进行数字水印,以对数字图像上的识别信息进行编码。
处理器可基于直方图压缩端点对对图像进行直方图压缩。对于每个颜色通道,目标颜色值范围可能不同,但对于每个颜色通道,直方图压缩端点对可能是一致的。例如,每个颜色通道中的颜色信息可以以相同的方式被直方图压缩,以保持图像的外观,诸如,在蓝色颜色通道中的5被直方图压缩为7的情况下,则绿色颜色通道中的5被直方图压缩为7。颜色可以在直方图压缩端点对的两个值之间被线性直方图压缩。
在一个实现中,处理器基于对特定输入图像的影响来选择直方图压缩颜色端点对信息。端点对可包括低值和高值,在该低值和该高值之间的输入图像中的像素颜色被线性压缩,以实现目标颜色空间范围内的图像。可存在与目标颜色空间范围相关联的阈值,诸如,在输入图像内的90%的像素将在目标颜色空间范围内。处理器可基于将至少阈值量的输入图像直方图压缩到目标颜色空间范围内的能力,并且基于与直方图压缩相关联的其他标准(诸如,被压缩超出阈值量的范围的附加像素的量或者被直方图压缩的特定颜色),来选择直方图压缩端点对。例如,处理器可选择直方图压缩端点对,该直方图压缩端点在较亮的颜色中比在较暗的颜色中直方图压缩得多。
在一个实现中,处理器确定并存储关于与目标颜色空间范围有关的候选直方图压缩端点对的信息。处理器也可以确定和存储关于与直方图压缩有关的减小的可适用颜色空间的信息,诸如,当应用候选直方图压缩端点对时,将被直方图压缩以适合于目标颜色空间范围内的颜色。例如,颜色可被直方图压缩以适合于目标颜色空间范围内,该目标颜色空间范围在色谱的低端和/或高端处提供目标移位空间(shift room)。处理器然后可分析与候选直方图压缩端点对有关的减小的颜色空间中的输入图像中的颜色,以选择用于特定输入图像的直方图压缩端点对。例如,2至252或0至252的直方图压缩端点对可被用来针对每个颜色将图像直方图压缩到2至252之间的值的目标颜色空间中。在目标颜色值范围内的10处具有最低值像素通道颜色的输入图像可使用0至252的直方图压缩端点对被直方图压缩。直方图压缩端点对2至252可不被选择,因为它比也实现目标颜色空间范围的目标的0至252的直方图压缩端点对引起更多的失真。在1处具有最小值像素的第二输入图像可使用直方图压缩端点对2至252被直方图压缩,因为直方图压缩端点对0至252可以不导致阈值量的第二输入图像被直方图压缩到目标颜色空间范围中。使用所存储的相关的减小的颜色空间信息并且关联直方图压缩端点对信息,以在运行时应用,来对与特定输入图像有关的像素信息进行着色,允许在使用对于特定图像引起更少失真的更优选的直方图压缩端点对的同时,直方图压缩更快速地被执行。
图1是图示基于目标颜色空间范围来选择图像直方图压缩端点对的计算系统的一个示例的框图。例如,计算系统100可基于对特定输入图像的影响来选择直方图压缩端点对,并且使用所选择的直方图压缩端点对对输入图像进行直方图压缩。计算系统100包括处理器101、机器可读非暂时性存储介质102和储存器106。计算系统100可对图像进行直方图压缩,以减小颜色范围,来防止颜色通道处于低水平和/或高水平。计算系统100然后可对包括较小颜色范围的输出图像执行后处理。例如,计算系统100可将水印应用于输入图像的直方图压缩版本。
处理器101可以是中央处理单元(CPU)、基于半导体的微处理器或适于获取和执行指令的任何其它设备。作为取出、解码和执行指令的替代或除取出、解码和执行指令以外,处理器101可包括一个或多个集成电路(IC)或包括用于执行下面描述的功能的多个电子部件的其他电子电路。下面描述的功能可由多个处理器执行。
储存器106可以是用于存储信息并与处理器101通信的任何合适的储存器。例如,储存器106可以是与包括处理器101的电子设备相关联的非易失性存储器、处理器可访问的RAM储存器或者通过网络与处理器101通信的外部数据库。储存器106可存储减小的颜色空间信息107和候选直方图压缩端点对信息108。当确定直方图压缩端点对时,处理器101可访问储存器106中的信息,该直方图压缩端点对用于在保持比超出目标颜色范围的输入图像中的像素的阈值低的百分比的同时,对输入图像进行直方图压缩。
减小的颜色空间信息107可包括与直方图压缩可能适用的全彩色空间的子集有关的信息。例如,目标颜色空间范围可在每个颜色通道的低端和高端处离开(leave)空白颜色空间,并且每个颜色的范围的中间附近的颜色可留在目标颜色空间范围内进行直方图压缩或者不进行直方图压缩。例如,颜色125,125,125未被直方图压缩以留在目标颜色空间内,该目标颜色空间具有分别对于R、G、B颜色像素的最低值3,2,2并且分别对于R、G、B颜色像素的最大值252,254,250。减小的颜色空间信息107可由处理器101或另一处理器确定。减小的颜色空间信息107可包括超出目标颜色范围的颜色和当进行直方图压缩时可能超出目标颜色范围的颜色两者。
候选直方图压缩端点对信息108可包括当被应用于减小的颜色空间时导致与目标颜色空间范围相关联的减小的色调范围图像的候选直方图压缩端点对列表。直方图压缩端点对可以是具有低值和高值的成对的值,在低值和高值之间,图像中的彩色像素被线性直方图压缩。诸如处理器101的处理器可确定候选直方图压缩端点对的集合。例如,候选可以表示可根据由直方图压缩影响的减小的颜色空间中的输入图像内的像素颜色值对目标范围内的图像进行直方图压缩的不同候选。
处理器101可与机器可读存储介质102通信。机器可读存储介质102可以是任何合适的机器可读介质,诸如,电子存储设备、磁存储设备、光存储设备或存储可执行指令或其他数据的其他物理存储设备(例如,硬盘驱动器、随机存取存储器、闪存等)。例如,机器可读存储介质102可以是计算机可读非暂时性介质。机器可读非暂时性存储介质102可包括可由处理器101执行的指令。例如,机器可读存储介质102可包括输入图像减少的颜色空间输入图像像素确定指令103、直方图压缩端点对选择指令104和输入图像直方图压缩指令105。
输入图像减少的颜色空间输入图像像素确定指令103包括用于确定在具有减小的颜色空间内的颜色值的输入图像内的像素的指令。例如,处理器101可将输入图像中的像素颜色与减小的颜色空间信息107进行比较。处理器可确定在减小的颜色空间中的颜色中的每种的输入图像中的像素的数量。处理器可将输入图像与减小的颜色空间进行比较,使得直方图压缩端点对可被选择,以便将输入图像中高于阈值的百分比的像素压缩到目标颜色范围中。例如,在减小的颜色空间中可能存在10种颜色,这10种颜色中的2种出现在输入图像中。这样,期望直方图压缩端点对在对目标颜色空间范围内特定的两种颜色进行直方图压缩的同时,对输入图像进行最小直方图压缩。
直方图压缩端点对选择指令104包括用于从所存储的候选直方图压缩端点对信息108中选择候选直方图压缩端点对的指令。处理器101可选择对输入图像具有最小影响的直方图压缩端点对,同时仍然对图像进行直方图压缩,使得输入图像中高于阈值的若干或百分比像素在目标颜色空间内。处理器101可对候选直方图压缩端点对列表进行优先级排列,并且基于优先级选择所存储的直方图压缩端点对。例如,处理器101可基于直方图压缩端点对在色谱的较暗的区域或较亮的区域中是否压缩更多来对直方图压缩端点对进行优先级排列,并且然后基于对输入图像的影响进行选择。
输入图像直方图压缩指令105包括用于使用所选择的直方图压缩端点对来对输入图像进行直方图压缩的指令。例如,处理器101可对输入图像进行直方图压缩,使得所得到的图像具有超出目标颜色空间的低于阈值量的像素数据。处理器101可存储、传输或显示直方图压缩后的图像。在一个实现中,处理器101对直方图压缩后的图像执行图像处理。例如,处理器101可将水印应用于直方图压缩后的图像。
图2是图示基于目标颜色空间范围来选择图像直方图压缩端点对的方法的一个示例的流程图。直方图压缩端点对可用于基于指示最大直方图压缩值和最小直方图压缩值的一对值,对图像的颜色空间范围进行压缩,使得颜色在该对值之间被线性压缩。处理器可针对特定输入图像选择直方图压缩端点对。例如,处理器可基于对特定图像的颜色的影响来选择直方图压缩端点对,使得图像满足直方图压缩标准,但不会引起过度的额外的直方图压缩。处理器可基于与候选直方图压缩端点对相关的存储信息来选择直方图压缩端点对,并且分析候选直方图压缩端点对如何在输入图像上进行操作。方法例如可由图1的处理器101来实施。
从200开始,处理器将受直方图压缩影响的减小的颜色空间确定为目标颜色空间。减小的颜色空间可以是任何合适的全彩色空间(诸如,RGB 0-255颜色空间)的子集。诸如0至65535的其他颜色范围可被使用,或者除了RGB以外的颜色空间。目标颜色空间可以是与为每个颜色通道提供色谱的低端和高端中的空间有关的约束。目标颜色空间信息可指示低端颜色通道约束和高端颜色通道约束两者。目标颜色空间可包括用于不同颜色通道的不同约束。例如,对于R,G,B颜色中的蓝色通道,该值可以被定为高于3的最小低值约束并且低于252的最大高值约束,使得B的颜色通道值被定在4和251之间,并且绿色颜色通道值可被约束为在6和255之间的值。处理器可对输入图像进行直方图压缩,使得超过阈值的图像的量在目标颜色空间内。在一个实现中,目标颜色空间与阈值相关联,诸如,在被直方图压缩后的输入图像的95%的彩色像素要在目标颜色空间范围内。在一个实现中,处理器基于要对直方图压缩后的图像执行的后处理操作,自动确定目标颜色空间。
处理器可确定减小的颜色空间以达到目标颜色空间范围,该减小的颜色空间指示受直方图压缩影响的颜色值的集合。例如,具有超出目标颜色空间范围的值的颜色和当被直方图压缩时变成超出目标颜色空间范围的颜色可被识别为减小的颜色空间的一部分。处理器可存储与减小的颜色空间有关的信息,以便当输入图像要被直方图压缩时,可以与输入图像中的颜色进行比较。
继续到201,处理器基于目标颜色空间确定候选直方图压缩端点对列表。处理器可基于直方图压缩端点对将超出目标颜色空间范围的至少一个颜色通道值压缩到针对特定颜色通道的目标颜色空间范围的能力,来确定候选直方图压缩端点对列表。作为示例,如果蓝色颜色通道约束用于3或更大的颜色值,则第一潜在直方图压缩端点对可以是(3,255),使得红色、绿色和蓝色颜色通道被直方图压缩为在3和255之间的值,并且第二直方图压缩端点对可以是(2,255),使得红色、绿色和蓝色颜色通道被压缩为在2到255之间的值。由于特定输入图像的像素的子集可以包括超出目标颜色空间范围的颜色值的事实,因此潜在的直方图压缩端点对可能压缩比超出目标颜色空间的所有潜在颜色值少的值。
处理器可存储关于候选直方图压缩端点对的信息。当处理器接收输入图像进行直方图压缩时,处理器可根据输入图像来分析候选直方图压缩端点对的有限集合。
继续到202,处理器识别具有在减小的颜色空间内的颜色值的输入图像中的像素。处理器可以以任何合适的方式(诸如,通过网络)接收输入图像,并且输入图像可以是任何合适的输入图像,例如数字图像。处理器可分析输入图像内的像素,以有效地确定在减小的颜色空间中的输入图像内的、要受直方图压缩的影响以具有目标颜色空间范围内的颜色值的像素的子集。处理器可确定减小的颜色空间中的哪种颜色在输入图像中和/或在减小的颜色空间的每种颜色中的输入图像中的像素的数量。
继续到203,处理器基于直方图压缩端点对将所识别的像素直方图压缩成目标颜色空间内的颜色值的能力,来选择候选直方图压缩端点对中的一个。例如,处理器可基于在目标颜色空间内被压缩的减小的颜色空间内的颜色的像素的数量和/或具有在目标颜色空间内被压缩的减小的颜色空间内的颜色值的特定像素的特性,来选择直方图压缩端点对,反之亦然。例如,处理器可选择直方图压缩端点对,该直方图压缩端点对将具有在减少的颜色空间中的颜色值的若干像素直方图压缩到目标颜色空间中,使得具有在目标颜色空间内的颜色值的像素的总数高于阈值。处理器在经最小量进行直方图压缩的同时,可选择直方图压缩端点对,该直方图压缩端点对能够将超过阈值的输入图像像素的百分比直方图压缩到目标空间中。由于不管是否应用直方图压缩或者不管哪个候选直方图压缩端点对被用来应用直方图压缩,具有超出减小的颜色空间的颜色值的附加像素都将留在目标颜色空间范围中,因此处理器可通过将直方图压缩端点对的分析限制到具有在减小的颜色空间中的颜色值的所识别的像素,来选择直方图压缩端点对。
在一个实现中,处理器基于优先级规则,进一步选择候选直方图压缩端点对中的一个。例如,优先级规则可以将在色谱的低值/暗端上具有较少直方图压缩的直方图压缩端点对进行优先化。处理器可按照优先级的次序迭代直方图压缩端点对列表,并且选择满足具有在目标颜色空间范围内的颜色值的输入图像内的像素的阈值数量和/或百分比的标准的第一直方图压缩端点对。
继续到204,处理器使用所选择的直方图压缩端点对对输入图像进行直方图压缩。例如,可通过使用所选择的直方图压缩端点对来对具有在减小的颜色空间中的颜色值的输入图像识别的像素进行操作,来减小图像的颜色空间范围。
在一个实现中,处理器通过使用所存储的减小的颜色空间信息和候选直方图压缩端点对信息以应用于其他输入图像来压缩在同一目标颜色空间内的图像,来提高效率。可将第二输入图像与减小的颜色空间进行比较,以确定减小的颜色空间内的第二输入图像的像素。可将候选直方图压缩端点对与具有在减小的颜色空间内的颜色值的第二输入图像的像素进行比较,以选择候选直方图压缩端点对。根据在减小的颜色空间中的哪些颜色以及具有这些颜色值的多少像素在第二输入图像中,应用于第二图像的直方图压缩端点对与应用于第一图像的直方图压缩端点对可以不同。针对不同的目标颜色空间约束可确定所存储的候选直方图压缩端点对和减小的颜色空间信息,以便可以选择相应的存储信息用于分析。
图3A至图3E是图示基于目标颜色空间范围来选择直方图压缩端点对的一个示例的图。图3A是图示基于目标颜色空间选择的候选直方图压缩端点对的集合的图。块300示出用于直方图压缩的目标颜色空间移位空间(shift room)标准,其中移位空间指示在色谱的两端之一上的颜色值约束。颜色值约束在高端和低端可以不同,并且对于不同的颜色通道可以不同。例如,在低端处,期望1的颜色值约束空间用于红色通道,1用于绿色通道,2用于蓝色通道,而在高端处,0的颜色值约束空间用于红色通道,0用于绿色通道,1用于蓝色通道。这样,一旦进行直方图压缩,针对超过阈值的至少若干数量或百分比的像素颜色值,用于颜色的红色通道应该在3和253之间。
块301示出了潜在直方图压缩端点对的低值和高值。例如,低值在0和低约束的最大值之间,并且高值在(255-高约束)的最小值和255之间。得到的低值为0至2,并且得到的高值为254至255。
块302示出了基于块302中所确定的低值和高值的潜在直方图压缩端点对列表。基于3个低值频谱选项和2个高值频谱选项的组合,存在6个选项。
诸如处理器101的处理器可确定直方图压缩端点对的低值和高值以及对应的候选直方图压缩端点对列表。潜在直方图压缩端点对的数量可以根据用于目标颜色空间的移位空间颜色值约束的大小而变化。在一个实现中,处理器也基于诸如对直方图压缩后的图像要执行的后处理的期望类型,来确定颜色空间范围的大小。
图3B是图示基于目标颜色空间的减小的颜色空间的一个示例的图。处理器可首先确定受直方图压缩影响的减小的颜色空间,并且基于考虑到减小的颜色空间的分析来选择直方图压缩端点对。假定对于每个通道具有256个可能颜色值的R,G,B颜色空间,全彩色空间303包括所有可能的16777216种颜色。处理器可确定通过超出目标颜色空间范围而违反颜色值约束的第一减小的颜色空间305,使得第一减小的颜色空间中的颜色将被直方图压缩以适合于目标颜色空间范围。例如,从(0,0,0)至(1,1,2)以及从(255,255,254)至(255,255,255)的颜色范围包含在减小的颜色空间305内。颜色空间304包括在颜色空间305中的、除了在目标颜色空间范围内但是当使用图3A的块302中的潜在直方图压缩端点对进行直方图压缩时会超出目标颜色空间范围的颜色以外的颜色。
图3C示出了适用于在减小的颜色空间中的每种颜色的直方图压缩端点对的结合。例如,处理器可将图3A的块302中的潜在直方图压缩端点对与图3B中的减小的颜色空间305中的颜色进行比较。例如,颜色(0,0,0)在减小的颜色空间305中,并且可使用潜在压缩端点对列表中的直方图压缩端点对(2,255)或(2,254)被直方图压缩成在颜色值约束内的颜色。在一个实现中,处理器确定块306中的信息,并将该信息存储在储存器中,以便可将该信息与多个输入图像进行比较。
图3D示出了将图3C的块306中的信息应用于输入图像的应用。处理器可将输入图像中的颜色信息与块306中的信息进行比较。图表307列出了候选直方图压缩端点对,并示出了被直方图压缩到目标颜色空间范围内的120个像素的输入图像中的在减小的颜色空间中针对每种颜色的像素的数量。此外,存在80个像素,该80个像素具有在目标颜色空间范围内、并且在直方图压缩被应用之后保留在目标颜色空间范围内的颜色值。作为示例,直方图压缩端点对1,255导致输入图像中的120个像素中的114个具有目标颜色空间内的颜色值。处理器然后可基于图表307中的信息确定要选择哪个潜在直方图压缩端点对。块308示出了直方图压缩之后用于超出目标颜色空间范围的颜色值约束的百分比像素的5%的阈值。例如,目标水印强度可与特定颜色值约束相关联,但是可能创建水印伴随有特定数量或百分比的像素具有超出期望的颜色值约束的颜色值。块308示出了当输入图像被直方图压缩时,具有超出目标颜色空间范围的颜色值约束的颜色值的5%或更少的像素的阈值。处理器可将图表307中的信息与阈值进行比较,以选择候选直方图压缩端点对的子集,在这种情况下(1,255)、(2,255)、(1,254)和(2,254)。处理器可以以任何合适的方式在潜在直方图压缩端点对之间进行选择。在一个实现中,处理器选择被确定为满足移位空间和阈值约束的第一直方图压缩端点对。在一个实现中,导致减小的颜色空间内的大部分像素被直方图压缩到移位约束中的直方图压缩端点对被选择。
图3E示出了基于优先级信息在直方图压缩端点对之间进行选择的方法。例如,处理器可基于标准对直方图压缩端点对进行优先级排列,并且处理器基于被直方图压缩以具有在颜色值约束内的颜色值的像素的数量以及附加标准,来打破限制。块309示出了被优先排列成4个级别的来自块302的6个潜在直方图压缩端点对。处理器可以选择较低级别上的直方图压缩端点对,其中多个压缩端点对具有将具有在减小的颜色空间内的颜色值的至少最小阈值数量或百分比的像素直方图压缩到目标颜色空间范围中的相同的效果。处理器可以以任何合适的方式对直方图压缩端点对进行优先级排列。在一个实现中,处理器对直方图压缩端点对进行优先级排列,以便在颜色通道频谱的高端上压缩更多的直方图压缩对被选择,反之亦然。在块308中所示的四个候选直方图压缩端点对当中,直方图压缩端点对(1,255)被选择,因为它与最高优先级相关联。
图4是图示基于输入图像与候选直方图压缩端点对的集合的比较来选择直方图压缩端点对的一个示例的框图。输入图像400由处理器接收,并且处理器识别具有在减小的颜色空间中的颜色值的输入图像中的像素的集合401。减小的颜色空间可包括可能受直方图压缩影响的颜色,诸如,超出目标颜色空间或者当使用候选直方图压缩端点对进行直方图压缩时超出目标颜色空间。处理器基于目标颜色空间范围以及相关联的减小的颜色空间,识别候选直方图压缩端点对402。块402中的信息可基于期望的目标颜色空间范围被确定,并且被存储以被应用于多个输入图像。类似地,关于减小的颜色空间中的颜色的信息可被存储,以便在处理的时,处理器可将输入图像的像素的颜色值与减小的颜色空间中所识别的颜色的集合进行比较。处理器可基于块401和块402中的信息,识别所选择的直方图压缩端点对403。
图5是图示基于所选择的直方图压缩端点对将水印应用于图像的一个示例的流程图。从500开始,处理器确定与目标水印强度相关联的目标颜色空间。例如,移位空间可与颜色空间相关联,以便目标颜色空间离开不具有或具有较少的在色谱的最末端上的某些颜色中的像素的移位空间。针对每个颜色通道,目标颜色值可以是不同的。继续到501,处理器选择直方图压缩端点对。例如,处理器可基于目标颜色空间、与直方图压缩到目标颜色空间中有关的减小的颜色空间、像素阈值和输入图像中的在减小的颜色空间中的像素颜色值,选择直方图压缩端点对。处理器可基于图2中描述的方法选择直方图压缩端点对。
继续到502,处理器使用所选择的直方图压缩端点对,对输入图像进行直方图压缩。图像的直方图压缩版本可包括具有在颜色通道的低端和高端处的期望的移位空间的较小色调范围,使得高于阈值的若干和/或百分比的像素具有超出移位空间的目标颜色空间内的颜色值。继续到503,处理器将目标强度的水印应用于直方图压缩后的输入图像。例如,图像的直方图压缩版本可包括具有允许水印被应用的较少颜色的移位空间。

Claims (11)

1.一种计算系统,包括:
储存器,用于存储:
关于与目标颜色空间范围有关的减小的颜色空间的信息;和
与所述目标颜色空间相关的候选直方图压缩端点对列表,每个直方图压缩端点对包括低值和高值,在所述低值和所述高值之间输入图像中的像素颜色被线性压缩;以及
处理器,用于:
确定具有在所述减小的颜色空间内的颜色值的所述输入图像中的像素;
基于所存储的直方图压缩端点对与所确定的像素的比较,选择所存储的直方图压缩端点对中的一个,其中所述选择基于优先级规则,所述优先级规则基于所述候选直方图压缩端点对在色谱的较暗的区域或较亮的区域中是否压缩更多来对所述候选直方图压缩端点对进行优先级排列;并且
使用所选择的直方图压缩端点对对所述输入图像进行直方图压缩。
2.根据权利要求1所述的计算系统,选择所存储的直方图压缩端点对中的一个包括:
当通过所选择的直方图压缩端点对进行直方图压缩时,确定具有所述减小的颜色空间内的颜色值的所述输入图像中的像素的量;并且
将所确定的像素的量与阈值进行比较。
3.根据权利要求1所述的计算系统,其中所述候选直方图压缩端点对包括:满足在用于颜色通道的目标低颜色值和目标高颜色值之间的可能的范围的直方图压缩端点对。
4.根据权利要求1所述的计算系统,其中所述减小的颜色空间包括以下中的至少一个:具有超出所述目标颜色空间的颜色值的像素,和当进行直方图压缩时具有可能超出所述目标颜色空间的颜色值的像素。
5.一种选择图像直方图压缩端点对的方法,包括:
由处理器将受直方图压缩影响的减小的颜色空间确定为目标颜色空间;
基于所述目标颜色空间,确定候选直方图压缩端点对列表,每个直方图压缩端点对包括低值和高值,在所述低值和所述高值之间输入图像中的像素颜色被线性压缩;
识别所述输入图像中的、具有在所述减小的颜色空间内的颜色值的像素;
基于所述直方图压缩端点对将所述减小的颜色空间中的所识别的像素直方图压缩成所述目标颜色空间内的颜色值的能力,选择所述候选直方图压缩端点对中的一个,其中所述选择基于优先级规则,所述优先级规则基于所述候选直方图压缩端点对在色谱的较暗的区域或较亮的区域中是否压缩更多来对所述候选直方图压缩端点对进行优先级排列;并且
使用所选择的直方图压缩端点对对所述输入图像进行直方图压缩。
6.根据权利要求5所述的方法,进一步包括:确定所述减小的颜色空间,以包括像素,该像素具有在所述减小的颜色空间内的颜色值,但当使用所述候选直方图压缩端点对中的至少一个进行直方图压缩时具有超出所述减小的颜色空间的颜色值。
7.根据权利要求5所述的方法,进一步包括:选择第二候选直方图压缩端点对以应用于第二输入图像。
8.一种机器可读非暂时性存储介质,包括可由处理器执行的指令,用于:
从与目标颜色空间范围相关的直方图压缩端点对列表中选择直方图压缩端点对,每个直方图压缩端点对包括低值和高值,在所述低值和所述高值之间输入图像中的像素颜色被线性压缩;
其中所述选择基于将所述直方图压缩端点对应用于所述输入图像内的像素的结果,并且基于优先级规则,所述输入图像具有基于所述目标颜色空间范围确定的减小的颜色空间内的颜色值,所述优先级规则基于所述直方图压缩端点对在色谱的较暗的区域或较亮的区域中是否压缩更多来对所述直方图压缩端点对进行优先级排列;并且
将所选择的直方图压缩端点对应用于所述输入图像,以对所述输入图像进行直方图压缩。
9.根据权利要求8所述的机器可读非暂时性存储介质,进一步包括指令以:
按照所述优先级规则的次序遍历所述直方图压缩端点对列表;并且
选择满足具有所述输入图像减小的颜色空间内的颜色值的所述输入图像中的像素的量高于阈值的第一直方图压缩端点对。
10.根据权利要求8所述的机器可读非暂时性存储介质,进一步包括指令以:基于与目标水印强度相关联的移位空间、确定所述目标颜色空间的空间。
11.根据权利要求10所述的机器可读非暂时性存储介质,进一步包括指令以:将目标强度的水印应用于所述直方图压缩的输入图像。
CN201580079431.4A 2015-06-23 2015-06-23 基于目标颜色空间范围的图像直方图压缩端点对选择 Active CN107533768B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2015/037139 WO2016209209A1 (en) 2015-06-23 2015-06-23 Image histogram compression end point pair selection based on a target color space range

Publications (2)

Publication Number Publication Date
CN107533768A CN107533768A (zh) 2018-01-02
CN107533768B true CN107533768B (zh) 2021-07-30

Family

ID=57585916

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580079431.4A Active CN107533768B (zh) 2015-06-23 2015-06-23 基于目标颜色空间范围的图像直方图压缩端点对选择

Country Status (4)

Country Link
US (1) US10469850B2 (zh)
EP (1) EP3257023B1 (zh)
CN (1) CN107533768B (zh)
WO (1) WO2016209209A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10453221B2 (en) * 2017-04-10 2019-10-22 Intel Corporation Region based processing
MX2021008000A (es) * 2018-12-31 2021-10-22 Huawei Tech Co Ltd Un codificador de video, un decodificador de video y metodos correspondientes.

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1385121A1 (en) * 2002-07-23 2004-01-28 Kabushiki Kaisha Toshiba Image processing method
CN104463151A (zh) * 2015-01-05 2015-03-25 北京邮电大学 基于主颜色直方图和空间位置信息融合的快速目标匹配方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5164993A (en) * 1991-11-25 1992-11-17 Eastman Kodak Company Method and apparatus for automatic tonescale generation in digital radiographic images
US6048311A (en) * 1997-05-07 2000-04-11 Washburn; Michael J. Method and apparatus for ultrasound imaging using adaptive gray mapping
US6542626B1 (en) 1999-11-05 2003-04-01 General Electric Company Method and apparatus for adapting imaging system operation based on pixel intensity histogram
US6792142B1 (en) 2001-01-16 2004-09-14 Micron Technology, Inc. Image sensing system with histogram modification
US6993183B2 (en) * 2001-03-13 2006-01-31 Canon Kabushiki Kaisha Image processing apparatus, image processing system, image processing method, and computer-readable storage medium
US7010163B1 (en) 2001-04-20 2006-03-07 Shell & Slate Software Method and apparatus for processing image data
US7006688B2 (en) 2001-07-05 2006-02-28 Corel Corporation Histogram adjustment features for use in imaging technologies
US7583260B2 (en) 2003-07-16 2009-09-01 Honeywood Technologies, Llc Color preservation for spatially varying power conservation
US20050192943A1 (en) 2004-03-01 2005-09-01 Siddiqui Kashif A. Method and apparatus for performing dynamic histogram compression
TWI285047B (en) * 2005-11-24 2007-08-01 Sunplus Technology Co Ltd Method of automatic exposure control and automatic exposure compensated apparatus
TWI314424B (en) 2006-06-23 2009-09-01 Marketech Int Corp System and method for image signal contrast adjustment and overflow compensation
US8253752B2 (en) 2006-07-20 2012-08-28 Qualcomm Incorporated Method and apparatus for encoder assisted pre-processing
US9241165B2 (en) * 2012-03-28 2016-01-19 Beamr Imaging Ltd Controlling a compression of an image according to a degree of photo-realism
CN103310406B (zh) 2013-06-25 2016-04-06 同济大学 基于直方图对的图像可逆数据隐藏方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1385121A1 (en) * 2002-07-23 2004-01-28 Kabushiki Kaisha Toshiba Image processing method
CN104463151A (zh) * 2015-01-05 2015-03-25 北京邮电大学 基于主颜色直方图和空间位置信息融合的快速目标匹配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Optimal Histogram-Pair and Prediction-Error Based Image Reversible Data Hiding";Guorong Xuan;《The International Workshop on Digital Forensics and Watermarking 2012》;20131231;第368-383页 *

Also Published As

Publication number Publication date
CN107533768A (zh) 2018-01-02
US10469850B2 (en) 2019-11-05
EP3257023A4 (en) 2018-09-05
WO2016209209A1 (en) 2016-12-29
US20180084262A1 (en) 2018-03-22
EP3257023A1 (en) 2017-12-20
EP3257023B1 (en) 2020-09-30

Similar Documents

Publication Publication Date Title
US6244514B1 (en) Smart card for storage and retrieval of digitally compressed color images
CN108550158B (zh) 图像边缘处理方法、电子装置及计算机可读存储介质
US6356588B1 (en) Method for digital compression of color images
US8160360B2 (en) Image processing apparatus and method and a non-transitory computer readable medium with computer executable instructions stored thereon for performing an image processing method
US9137418B2 (en) Image processing device and computer-readable storage medium storing computer-readable instructions
US10771785B2 (en) Image encoding apparatus, method of controlling the same, and storage medium
WO2019000097A1 (en) METHODS AND APPARATUS FOR MAPPING TONE AND MAPPING INVERSE TONE
US20120314943A1 (en) Color conversion based on an hvs model
CN107533768B (zh) 基于目标颜色空间范围的图像直方图压缩端点对选择
US8396308B2 (en) Image coding based on interpolation information
CN107409223B (zh) 视频编解码方法和视频编解码器
US10217032B2 (en) Method for choosing a compression algorithm depending on the image type
JP4618218B2 (ja) 画像処理装置および画像処理方法
US10140731B2 (en) Image processing apparatus, image processing method, and storage medium
WO2007149792A2 (en) Estimation of lighting conditions based on near-gray pixel detection using cylindrical boundaries
CN105631812B (zh) 一种对显示图像进行色彩增强的控制方法及控制装置
CN111047653A (zh) 一种主色调确定方法、装置、设备及可读介质
EP1100049A2 (en) Method for digital compression of color images
JP2014003484A (ja) 画像処理装置及び画像圧縮方法
US9020291B2 (en) Resized image compression based on frequency content
CN116233379A (zh) 图像亮度调整的方法和装置、电子设备和存储介质
JP2015088845A (ja) データ圧縮装置およびデータ圧縮方法
US20160134871A1 (en) Method and device for encoding image using preprocessing
JP2010263552A (ja) 画像処理装置、画像処理方法、プログラムおよび記録媒体
CN109978814A (zh) 白点检测方法及计算机系统

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