CN108090887A - 一种视频图像处理方法及装置 - Google Patents

一种视频图像处理方法及装置 Download PDF

Info

Publication number
CN108090887A
CN108090887A CN201611056015.5A CN201611056015A CN108090887A CN 108090887 A CN108090887 A CN 108090887A CN 201611056015 A CN201611056015 A CN 201611056015A CN 108090887 A CN108090887 A CN 108090887A
Authority
CN
China
Prior art keywords
histogram
msub
mrow
frame image
current frame
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
Application number
CN201611056015.5A
Other languages
English (en)
Other versions
CN108090887B (zh
Inventor
柳睿
戴鑫
徐宁
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.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co 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 Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201611056015.5A priority Critical patent/CN108090887B/zh
Publication of CN108090887A publication Critical patent/CN108090887A/zh
Application granted granted Critical
Publication of CN108090887B publication Critical patent/CN108090887B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Picture Signal Circuits (AREA)

Abstract

本发明实施例公开了一种视频图像处理方法及装置，方法包括：将当前帧图像对应的第一直方图与当前帧图像的上一帧图像对应的第二直方图进行融合，得到融合后的直方图，利用预先设定的修正算法，对融合后的直方图进行修正，得到当前帧图像对应的第一类修正后的直方图；根据第一类修正后的直方图，调节当前帧图像中各个像素点的亮度。也就是说，本方案根据融合后的直方图对当前帧图像进行亮度调节，相比于仅根据第二直方图对当前帧图像进行亮度调节的方案，能够降低图像失真程度。

Description

一种视频图像处理方法及装置
技术领域
本发明涉及计算机视觉技术领域，特别涉及一种视频图像处理方法及装置。
背景技术
直方图均衡化是利用图像对应的直方图对图像对比度进行调整的方法。对比度用于表示图像中明暗区域最亮的白和最暗的黑之间亮度层级的差异，差异越大对比度越大，差异越小对比度越小。具体的，图像直方图可以表示图像中像素点的亮度分布情况，直方图均衡化通过对像素点的亮度进行调节，实现对图像对比度的调整。
现有的利用直方图均衡化对视频图像进行处理的方案通常包括：针对每一当前帧图像，获取该帧图像对应的直方图；利用预先设定的修正算法，对当前帧图像对应的直方图进行修正；根据修正后的直方图，调节当前帧图像中各个像素点的亮度。
上述方案中，对当前帧图像对应的直方图进行修正的过程通常包括：根据保存的当前帧的上一帧图像对应的直方图，对当前帧图像对应的直方图进行整体调节。如果当前帧图像相对于上一帧图像发生了较大程度的变化，根据上一帧图像对应的直方图，对当前帧图像对应的直方图进行调节，会造成一定的图像失真。
发明内容
本发明实施例的目的在于提供一种视频图像处理方法及装置，降低图像失真程度。
为达到上述目的，本发明实施例公开了一种视频图像处理方法，包括：
获得当前帧图像对应的第一直方图；
将所述第一直方图与预先保存的第二直方图进行融合，得到融合后的直方图；其中，所述第二直方图为所述当前帧图像的上一帧图像对应的直方图；
利用预先设定的第一修正算法，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
根据所述第一类修正后的直方图，调节所述当前帧图像中各个像素点的亮度。
可选的，在所述获得当前帧图像对应的第一直方图的步骤之后，还包括：
将所述第一直方图与所述第二直方图进行对比，得到对比结果；
判断所述对比结果是否大于预设阈值；
如果是，利用预先设定的第二修正算法，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图；根据所述第二类修正后的直方图，调节所述当前帧图像中各个像素点的亮度；
如果否，执行所述将所述第一直方图与预先保存的第二直方图进行融合的步骤。
可选的，所述利用预先设定的第一修正算法，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图的步骤可以包括：
获得所述融合后的直方图对应的第一归一化直方图；
利用第一修正算法及所述第一归一化直方图，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述利用预先设定的第二修正算法，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图的步骤包括：
获得所述第一直方图对应的第二归一化直方图；
利用第二修正算法及所述第二归一化直方图，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
可选的，所述利用第一修正算法及所述第一归一化直方图，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图的步骤可以包括：
利用下式对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图：
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，h1表示所述第一类修正后的直方图；
所述利用第二修正算法及所述第二归一化直方图，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图的步骤包括：
利用下式对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图：
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
可选的，所述利用预先设定的第一修正算法，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图的步骤可以包括：
获得所述融合后的直方图对应的第一归一化直方图、及所述融合后的直方图的第一梯度；
利用第一修正算法、所述第一归一化直方图及所述第一梯度，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述利用预先设定的第二修正算法，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图的步骤包括：
获得所述第一直方图对应的第二归一化直方图、及所述第一直方图的第二梯度；
利用第二修正算法、所述第二归一化直方图及所述第二梯度，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
可选的，所述利用第一修正算法、所述第一归一化直方图及所述第一梯度，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图的步骤可以包括：
利用下式对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图：
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，D表示预设矩阵，γ表示第二预设值，h1表示所述第一类修正后的直方图；
所述利用第二修正算法、所述第二归一化直方图及所述第二梯度，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图的步骤包括：
利用下式对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图：
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
可选的，所述利用预先设定的第一修正算法，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图的步骤可以包括：
获得所述融合后的直方图对应的第一归一化直方图；
利用第一修正算法、所述第一归一化直方图及预先设定的黑白域拉伸参数，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述利用预先设定的第二修正算法，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图的步骤包括：
获得所述第一直方图对应的第二归一化直方图；
利用第二修正算法、所述第二归一化直方图及所述黑白域拉伸参数，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
可选的，所述利用第一修正算法、所述第一归一化直方图及预先设定的黑白域拉伸参数，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图的步骤可以包括：
利用下式对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图：
h1＝(h1-hi1)T(h1-hi1)+λ(h1-u1)T(h1-u1)+αh1 TIBh1，
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，α表示第三预设值，在矩阵IB中，IB(k，k)＝1，其余元素值为0，k的范围为{[0，b]U[w，255]}，b表示预先设定的黑域拉伸参数，w表示预先设定的白域拉伸参数，h1表示所述第一类修正后的直方图；
所述利用第二修正算法、所述第二归一化直方图及所述黑白域拉伸参数，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图的步骤包括：
利用下式对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图：
h2＝(h2-hi2)T(h2-hi2)+λ(h2-u2)T(h2-u2)+αh2 TIBh2，
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
可选的，所述将所述第一直方图与预先保存的第二直方图进行融合，得到融合后的直方图的步骤可以包括：
针对所述第一直方图中的每个第一区间，确定所述每个第一区间对应的所述第二直方图中的第二区间，其中，直方图中包含所对应的帧图像在每个区间的像素点的数量，所述区间为亮度数值构成的区间；
计算所述第一区间与其对应的第二区间的像素点的数量差值；
根据所述差值及所述差值对应的第二区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量，进而得到所述融合后的直方图。
可选的，所述根据所述差值及所述差值对应的第二区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量的步骤可以包括：
根据所述差值及所述第一区间对应的预设权重，计算所述第一区间对应的综合权重值；
根据所述综合权重值及所述差值对应的第二区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量。
可选的，在所述调节所述当前帧图像中各个像素点的亮度的步骤之后，还可以包括：
将调节后的当前帧图像转换至HSV空间；
在所述HSV空间中，对当前帧图像的饱和度进行调整。
可选的，所述对当前帧图像的饱和度进行调整的步骤可以包括：
利用下式对当前帧图像的饱和度进行调整：
其中，s表示所述当前帧图像的饱和度，s’表示调整后的饱和度，△s表示所述当前帧图像的饱和度的斜率，sc表示第三预设值，sc大于0且小于1。
为达到上述目的，本发明实施例公开了一种视频图像处理装置，包括：
第一获得模块，用于获得当前帧图像对应的第一直方图；
融合模块，用于将所述第一直方图与预先保存的第二直方图进行融合，得到融合后的直方图；其中，所述第二直方图为所述当前帧图像的上一帧图像对应的直方图；
第一修正模块，用于利用预先设定的第一修正算法，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
第一调节模块，用于根据所述第一类修正后的直方图，调节所述当前帧图像中各个像素点的亮度。
可选的，所述装置还可以包括：
对比模块，用于将所述第一直方图与所述第二直方图进行对比，得到对比结果；
判断模块，用于判断所述对比结果是否大于预设阈值；如果是，触发第二修正模块，如果否，触发所述第一修正模块；
所述第二修正模块，用于利用预先设定的第二修正算法，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图；
第二调节模块，用于根据所述第二类修正后的直方图，调节所述当前帧图像中各个像素点的亮度。
可选的，所述第一修正模块，可以包括：
第一获得子模块，用于获得所述融合后的直方图对应的第一归一化直方图；
第一修正子模块，用于利用第一修正算法及所述第一归一化直方图，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述第二修正模块，可以包括：
第二获得子模块，用于获得所述第一直方图对应的第二归一化直方图；
第二修正子模块，用于利用第二修正算法及所述第二归一化直方图，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
可选的，所述第一修正子模块，具体可以用于：
利用下式对所述融合后的直方图进行修正：
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，h1表示所述第一类修正后的直方图；
所述第二修正子模块，具体可以用于：
利用下式对所述第一直方图进行修正：
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
可选的，所述第一修正模块，可以包括：
第三获得子模块，用于获得所述融合后的直方图对应的第一归一化直方图、及所述融合后的直方图的第一梯度；
第三修正子模块，用于利用第一修正算法、所述第一归一化直方图及所述第一梯度，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述第二修正模块，可以包括：
第四获得子模块，用于获得所述第一直方图对应的第二归一化直方图、及所述第一直方图的第二梯度；
第四修正子模块，用于利用第二修正算法、所述第二归一化直方图及所述第二梯度，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
可选的，所述第三修正子模块，具体可以用于：
利用下式对所述融合后的直方图进行修正：
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，D表示预设矩阵，γ表示第二预设值，h1表示所述第一类修正后的直方图；
所述第四修正子模块，具体可以用于：
利用下式对所述第一直方图进行修正：
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
可选的，所述第一修正模块，可以包括：
第五获得子模块，用于获得所述融合后的直方图对应的第一归一化直方图；
第五修正子模块，用于利用第一修正算法、所述第一归一化直方图及预先设定的黑白域拉伸参数，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述第二修正模块，可以包括：
第六获得子模块，用于获得所述第一直方图对应的第二归一化直方图；
第六修正子模块，用于利用第二修正算法、所述第二归一化直方图及所述黑白域拉伸参数，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
可选的，所述第五修正子模块，具体可以用于：
利用下式对所述融合后的直方图进行修正：
h1＝(h1-hi1)T(h1-hi1)+λ(h1-u1)T(h1-u1)+αh1 TIBh1，
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，α表示第三预设值，在矩阵IB中，IB(k，k)＝1，其余元素值为0，k的范围为{[0，b]U[w，255]}，b表示预先设定的黑域拉伸参数，w表示预先设定的白域拉伸参数，h1表示所述第一类修正后的直方图；
所述第六修正子模块，具体可以用于：
利用下式对所述第一直方图进行修正：
h2＝(h2-hi2)T(h2-hi2)+λ(h2-u2)T(h2-u2)+αh2 TIBh2，
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
可选的，所述融合模块，可以包括：
第一确定子模块，用于针对所述第一直方图中的每个第一区间，确定所述每个第一区间对应的所述第二直方图中的第二区间，其中，直方图中包含所对应的帧图像在每个区间的像素点的数量，所述区间为亮度数值构成的区间；
计算子模块，用于计算所述第一区间与其对应的第二区间的像素点的数量差值；
第二确定子模块，用于根据所述差值及所述差值对应的第二区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量，进而得到所述融合后的直方图。
可选的，所述第二确定子模块，具体可以用于：
根据所述差值及所述第一区间对应的预设权重，计算所述第一区间对应的综合权重值；
根据所述综合权重值及所述差值对应的第二区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量。
可选的，所述装置还可以包括：
转换模块，用于将调节后的当前帧图像转换至HSV空间；
调整模块，用于在所述HSV空间中，对当前帧图像的饱和度进行调整。
可选的，所述调整模块，具体可以用于：
利用下式对当前帧图像的饱和度进行调整：
其中，s表示所述当前帧图像的饱和度，s’表示调整后的饱和度，△s表示所述当前帧图像的饱和度的斜率，sc表示第三预设值，sc大于0且小于1。
应用本发明所示实施例，将当前帧图像对应的第一直方图与当前帧图像的上一帧图像对应的第二直方图进行融合，得到融合后的直方图，利用预先设定的修正算法，对融合后的直方图进行修正，得到当前帧图像对应的第一类修正后的直方图；根据第一类修正后的直方图，调节当前帧图像中各个像素点的亮度。也就是说，本方案根据融合后的直方图对当前帧图像进行亮度调节，相比于仅根据第二直方图对当前帧图像进行亮度调节的方案，能够降低图像失真程度。
当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的视频图像处理方法的第一种流程示意图；
图2为本发明实施例中的一种第一直方图示意图；
图3为本发明实施例中的一种第二直方图示意图；
图4为本发明实施例中的一种融合后的直方图示意图；
图5为本发明实施例中的饱和度调整示意图；
图6为本发明实施例提供的视频图像处理方法的第二种流程示意图；
图7为应用本发明实施例提供的视频图像处理方法的效果对比图；
图8为本发明实施例提供的一种视频图像处理装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了解决上述技术问题，本发明实施例提供了一种视频图像处理方法及装置，可以应用于计算机、平板电脑、监控设备等各种电子设备，具体不作限定。下面首先对本发明实施例提供的视频图像处理方法进行详细说明。
图1为本发明实施例提供的视频图像处理方法的第一种流程示意图，包括：
S101：获得当前帧图像对应的第一直方图。
本实施例中的直方图可以为亮度直方图、灰度级直方图，等等，具体不做限定。本实施例中的直方图可以表示图像中像素点的亮度分布情况。本领域技术人员可以理解的是，亮度、灰度表示的物理意义相同。
一般来说，亮度直方图的横轴可以表示亮度数值或者亮度数值区间，纵轴可以表示像素点的数量。灰度级直方图的横轴可以表示所划分的各个灰度等级，纵轴可以表示像素点的出现频率。该出现频率也可以理解为位于某个灰度等级的像素点的数量与像素点的总数量之比。
S102：将所述第一直方图与预先保存的第二直方图进行融合，得到融合后的直方图。其中，所述第二直方图为所述当前帧图像的上一帧图像对应的直方图。
具体的，可以预先保存当前帧图像之前的预设数量帧图像对应的直方图，该预设数量可以为1，也可以大于1；还可以预先保存视频中每一帧图像对应的直方图，在对该视频的全部图像进行调节后，再将保存的该视频中每一帧图像对应的直方图全部清理。当然也可以采取其他方式，在此不做限定。
另外，保存的当前帧图像之前的帧图像对应的直方图可以为该帧图像的原始直方图，也就是未被修正的直方图。因此，在获得当前帧图像对应的第一直方图后，可以保存该第一直方图，当对该当前帧图像的下一帧图像进行处理，继续执行本方案时，需要利用该第一直方图。
下面以亮度直方图为例，进行说明：
作为一种实施方式，将第一直方图与预先保存的第二直方图进行融合，得到融合后的直方图可以包括：
针对所述第一直方图中的每个第一区间，确定所述每个第一区间对应的所述第二直方图中的第二区间，其中，直方图中包含所对应的帧图像在每个区间的像素点的数量，所述区间为亮度数值构成的区间；
计算所述第一区间与其对应的第二区间的像素点的数量差值；
根据所述差值及所述差值对应的第二区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量，进而得到所述融合后的直方图。
需要说明的是，在本实施方式中，直方图的横轴表示亮度数值区间，且该视频中每一帧图像对应的直方图的横轴中的亮度区间分布情况相同。亮度数值为0-255，举例来说，可以如图2及图3所示，可以按照0-10、11-20、21-30……241-250、251-255划分区间。
假设第一直方图如图2所示，亮度值在0-10区间的像素点的数量为2*104，亮度值在11-20区间的像素点的数量为7*104，亮度值在21-30区间的像素点的数量为5*104……亮度值在241-250区间的像素点的数量为1*104，亮度值在251-255区间的像素点的数量为0.3*104。
假设第二直方图如图3所示，亮度值在0-10区间的像素点的数量为3*104，亮度值在11-20区间的像素点的数量为8*104，亮度值在21-30区间的像素点的数量为4*104……亮度值在241-250区间的像素点的数量为2*104，亮度值在251-255区间的像素点的数量为0.1*104。
计算第一直方图中每个第一区间与其对应的第二直方图中第二区间的像素点的数量差值：0-10区间对应的数量差值为-1*104，11-20区间对应的数量差值为-1*104，21-30区间对应的数量差值为1*104……241-250区间对应的数量差值为-1*104，251-255区间对应的数量差值为0.2*104。
根据每个区间对应的数量差值及图3中每个区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量，具体的，可以根据所述差值及所述第一区间对应的预设权重，计算所述第一区间对应的综合权重值；根据所述综合权重值及所述差值对应的第二区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量。
也就是说，可以预先为直方图中每个区间设置权重，假设0-10区间对应的预设权重为30％，11-20区间对应的预设权重为50％，21-30区间对应的预设权重为40％……241-250区间对应的预设权重为20％，251-255区间对应的预设权重为5％。
每个第一区间对应的综合权重值可以为其对应的预设权重与其对应的数量差值的乘积，比如，0-10区间对应的综合权重值为-1*104*30％，11-20区间对应的预设权重为-1*104*50％，21-30区间对应的预设权重为1*104*40％……241-250区间对应的预设权重为-1*104*20％，251-255区间对应的预设权重为0.2*104*5％。
可以将综合权重值与其对应的第二区间的像素点的数量的和确定为融合后的直方图中区间的像素点的数量。延续上述例子，融合后的直方图中0-10区间的像素点的数量为-1*104*30％+3*104＝2.7*104，融合后的直方图中11-20区间的像素点的数量为-1*104*50％+8*104＝7.5*104，融合后的直方图中21-30区间的像素点的数量为1*104*40％+4*104＝4.1*104……融合后的直方图中241-250区间的像素点的数量为-1*104*20％+2*104＝1.8*104，融合后的直方图中251-255区间的像素点的数量为0.2*104*5％+0.1*104＝0.11*104。
如图4所示，确定了融合后的直方图中每个区间的像素点的数量，也就得到了融合后的直方图。
如果采用灰度级直方图，实施方式与上述方案类似，下面进行简要地说明：
将第一直方图与预先保存的第二直方图进行融合，得到融合后的直方图可以包括：
针对所述第一直方图中的每个第一区间，确定所述每个第一区间对应的所述第二直方图中的第二区间，其中，直方图中包含所对应的帧图像在每个区间的像素点的出现频率，所述区间为灰度等级构成的区间；
计算所述第一区间与其对应的第二区间的像素点的出现频率差值；
根据所述差值及所述差值对应的第二区间的像素点的出现频率，确定融合后的直方图中每个区间的像素点的出现频率，进而得到所述融合后的直方图。
需要说明的是，在本实施方式中，直方图的横轴表示所划分的各个灰度等级，且针对该视频中每一帧图像所划分的灰度等级相同。比如，灰度等级可以为1-4。确定帧图像中每个像素点的灰度等级，计算各个灰度等级的像素点的数量，进而计算各个灰度等级的像素点的出现频率。
假设帧图像中共有106个像素点，其中，1*105个像素点的灰度等级为1，4*105个像素点的灰度等级为2，3*105个像素点的灰度等级为3，2*105个像素点的灰度等级为4。则灰度等级1的像素点的出现频率为1*105/106＝0.1，灰度等级2的像素点的出现频率为4*105/106＝0.4，灰度等级1的像素点的出现频率为3*105/106＝0.3，灰度等级1的像素点的出现频率为2*105/106＝0.2。
后续计算第一区间与第二区间的像素点的出现频率差值、以及确定融合后的直方图中每个区间的像素点的出现频率的方案与上述方案类似，具体不再进行赘述。
S103：利用预先设定的第一修正算法，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图。
作为一种实施方式，可以获得所述融合后的直方图对应的第一归一化直方图；利用第一修正算法及第一归一化直方图，对融合后的直方图进行修正，得到当前帧图像对应的第一类修正后的直方图。
归一化直方图，也就是对原直方图进行归一化处理后得到的直方图。在本实施方式中，归一化处理可以为将原直方图中所有像素点平均分布在各个区间，当然也可以为其他，在此不做限定。
对融合后的直方图进行归一化处理，得到第一归一化直方图。利用第一修正算法及第一归一化直方图，对融合后的直方图进行修正，具体可以为：
利用式1，对融合后的直方图进行修正：
其中，hi1表示融合后的直方图，u1表示第一归一化直方图，λ表示第一预设值，h1表示所述第一类修正后的直方图。
需要说明的是，λ可以理解为拉格朗日乘子法中的乘子，通过调整λ的大小，可以调整直方图h1的对比度增强效果。由式1可见，当λ为0时，h1与hi1一致，此时的对比度增强效果最强，当λ为无穷大时，h1与u1一致，此时的对比度增强效果最弱。λ根据实际情况进行设定，在式1中，λ为定值。也就是说，可以针对不同的视频，设定不同的λ，但在同一段视频中，λ是相同的。一般来说，λ的取值范围可以在0-1024之间。
作为另一种实施方式，可以获得融合后的直方图对应的第一归一化直方图、及融合后的直方图的第一梯度；利用第一修正算法、第一归一化直方图及第一梯度，对所述融合后的直方图进行修正，得到当前帧图像对应的第一类修正后的直方图。
直方图的梯度可以理解为直方图中相邻区间的像素点的数量差值。具体的，可以利用式2，对融合后的直方图进行修正：
其中，hi1表示融合后的直方图，u1表示第一归一化直方图，λ表示第一预设值，γ表示第二预设值，h1表示所述第一类修正后的直方图。
需要说明的是，D表示预设矩阵，D与h1的乘积即为融合后的直方图中相邻区间的像素点的数量差值之和，也就是说，Dh1表示h1的梯度，在本实施方式中，
由式2可见，通过调整γ的大小，可以调整直方图h1的平滑度，γ越大，h1越平滑。γ可以根据实际情况进行设定，在式2中，γ为定值。也就是说，可以针对不同的视频，设定不同的γ，但在同一段视频中，γ是相同的。一般来说，γ可以设定为1000或者其他数值，具体不做限定。
式2与式1相比，引入了直方图的梯度，通过对γ的调整，可以调整融合后的直方图的第一梯度。
作为另一种实施方式，可以获得融合后的直方图对应的第一归一化直方图；利用第一修正算法、第一归一化直方图及预先设定的黑白域拉伸参数，对融合后的直方图进行修正，得到当前帧图像对应的第一类修正后的直方图。
在对图像进行处理过程中，为了增强对比度，通常需要对图像的黑白域进行拉伸，也可以简单理解为，将黑域调整的更黑，将白域调整的更白。可以根据该预先设定的黑白域拉伸参数，确定待调整的黑域的范围和待调整的白域的范围。具体的，可以通过式3，对融合后的直方图进行修正：
h1＝(h1-hi1)T(h1-hi1)+λ(h1-u1)T(h1-u1)+αh1 TIBh1，
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，α表示第三预设值，在矩阵IB中，IB(k，k)＝1，其余元素值为0，k的范围为{[0，b]U[w，255]}，b表示预先设定的黑域拉伸参数，[0，b]可以理解为待调整的黑域的亮度范围，w表示预先设定的白域拉伸参数，[w，255]可以理解为待调整的白域的亮度范围，h1表示所述第一类修正后的直方图。
S104：根据所述第一类修正后的直方图，调节所述当前帧图像中各个像素点的亮度。
在S104之后，可以将调节后的当前帧图像转换至HSV空间；
在所述HSV空间中，对当前帧图像的饱和度进行调整。
具体的，可以利用式4，对当前帧图像的饱和度进行调整：
其中，s表示所述当前帧图像的饱和度，s’表示调整后的饱和度，△s表示所述当前帧图像的饱和度的斜率，sc表示第三预设值，sc大于0且小于1。
作为一种实施方式，sc可以为0.75。当sc为0.75时，式4表示的调整方式与图5相同，也可以利用图5对当前帧图像的饱和度进行调整。
应用本发明图1所示实施例，将当前帧图像对应的第一直方图与当前帧图像的上一帧图像对应的第二直方图进行融合，得到融合后的直方图，利用预先设定的修正算法，对融合后的直方图进行修正，得到当前帧图像对应的第一类修正后的直方图；根据第一类修正后的直方图，调节当前帧图像中各个像素点的亮度。也就是说，本方案根据融合后的直方图对当前帧图像进行亮度调节，相比于仅根据第二直方图对当前帧图像进行亮度调节的方案，能够降低图像失真程度。
另外，应用本发明所示实施例，还可以降低图像闪烁的程度。
假设第N帧图像的亮度很低，大部分区域为黑暗区域；第N+1帧图像相比于第N帧图像，一部分区域相同，为黑暗区域，另一部分区域不同，亮度较高。如果利用现有技术方案对第N+1帧图像进行调整，也就是利用第N帧图像对应的直方图对第N+1帧图像进行整体调节，则第N+1帧图像的整体亮度变低。
假设第N+2帧图像与第N+1帧图像相比，亮度很低，大部分区域为黑暗区域，此时利用现有技术方案对第N+2帧图像进行调整，也就是利用第N+1帧图像对应的原始直方图(对第N+1帧图像进行调整前的直方图)对第N+2帧图像进行整体调节，则第N+2帧图像整体亮度变高。这样，第N+1帧图像黑暗区域的部分在第N+2帧图像中亮度变高，有明显的图像闪烁。
相同情况下，如果利用本方案对第N+1帧图像进行调整，也就是将第N帧图像对应的直方图与第N+1帧图像对应的直方图进行融合，得到融合后的直方图，利用融合后的直方图对第N+1帧图像进行整体调节。这样，相比于现有技术方案，第N+1帧图像的亮度变低的程度较少。
将第N+1帧图像对应的直方图与第N+2帧图像对应的直方图进行融合，得到融合后的直方图，利用融合后的直方图对第N+2帧图像进行整体调节。这样，相比于现有技术方案，第N+2帧图像的亮度变高的程度较少。
也就是说，每次图像调整变化程度都较少，这样，可以减少图像闪烁的程度。
图6为本发明实施例提供的视频图像处理方法的第二种流程示意图，在S101之后，还包括：
S105：将所述第一直方图与所述第二直方图进行对比，得到对比结果。
可以计算第一直方图中每个第一区间对应的像素点的数量与其对应的第二直方图中第二区间对应的像素点的数量差值，该对比结果可以为所有数量差值的和，也可以为所有数量差值的绝对值的和，还可以为各个数量差值加权之后的和，等等，在此不做限定。
S106：判断所述对比结果是否大于预设阈值。如果是，执行S107，如果否，执行S102。
S107：利用预先设定的第二修正算法，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
作为一种实施方式，可以获得第一直方图对应的第二归一化直方图；利用第二修正算法及第二归一化直方图，对第一直方图进行修正，得到当前帧图像对应的第二类修正后的直方图。
归一化直方图，也就是对原直方图进行归一化处理后得到的直方图。在本实施方式中，归一化处理可以为将原直方图中所有像素点平均分布在各个区间，当然也可以为其他，在此不做限定。对第一直方图进行归一化处理，得到第二归一化直方图。
在本发明实施例中，将对融合后的直方图进行归一化处理后得到的直方图称为第一归一化直方图，将对第一直方图进行归一化处理后得到的直方图称为第二归一化直方图。将对融合后的直方图进行修正后得到的直方图称为第一类修正后的直方图，将对第一直方图进行修正后得到的直方图称为第二类修正后的直方图。
利用第二修正算法及第二归一化直方图，对第一直方图进行修正，具体可以为：
利用式5，对融合后的直方图进行修正：
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，λ表示第一预设值，h2表示所述第二类修正后的直方图。
需要说明的是，λ可以理解为拉格朗日乘子法中的乘子，通过调整λ的大小，可以调整直方图h2的对比度增强效果。由式5可见，当λ为0时，h2与hi2一致，此时的对比度增强效果最强，当λ为无穷大时，h2与u2一致，此时的对比度增强效果最弱。λ根据实际情况进行设定，在式5中，λ为定值。也就是说，可以针对不同的视频，设定不同的λ，但在同一段视频中，λ是相同的。
作为另一种实施方式，可以获得第一直方图对应的第二归一化直方图、及第一直方图的第二梯度；利用第二修正算法、第二归一化直方图及第二梯度，对第一直方图进行修正，得到当前帧图像对应的第二类修正后的直方图。
直方图的梯度可以理解为直方图中相邻区间的像素点的数量差值。具体的，可以利用式6，对第一直方图进行修正：
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，λ表示第一预设值，D表示预设矩阵，γ表示第二预设值，h2表示所述第二类修正后的直方图。
需要说明的是，D表示预设矩阵，D与h2的乘积即为第一直方图中相邻区间的像素点的数量差值之和，也就是说，Dh2表示h2的梯度，在本实施方式中，
由式6可见，通过调整γ的大小，可以调整直方图h2的平滑度，γ越大，h2越平滑。γ可以根据实际情况进行设定，在式2中，γ为定值。也就是说，可以针对不同的视频，设定不同的γ，但在同一段视频中，γ是相同的。
式6与式5相比，引入了直方图的梯度，通过对γ的调整，可以调整第一直方图的第二梯度。
作为另一种实施方式，可以获得第一直方图对应的第二归一化直方图；利用第二修正算法、第二归一化直方图及预先设定的黑白域拉伸参数，对第一直方图进行修正，得到当前帧图像对应的第二类修正后的直方图。
在对图像进行处理过程中，为了增强对比度，通常需要对图像的黑白域进行拉伸，也可以简单理解为，将黑域调整的更黑，将白域调整的更白。可以根据该预先设定的黑白域拉伸参数，确定待调整的黑域的范围和待调整的白域的范围。具体的，可以通过式7，对融合后的直方图进行修正：
h2＝(h2-hi2)T(h2-hi2)+λ(h2-u2)T(h2-u2)+αh2 TIBh2，
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，λ表示第一预设值，α表示第三预设值，在矩阵IB中，IB(k，k)＝1，其余元素值为0，k的范围为{[0，b]U[w，255]}，b表示预先设定的黑域拉伸参数，[0，b]可以理解为待调整的黑域的亮度范围，w表示预先设定的白域拉伸参数，[w，255]可以理解为待调整的白域的亮度范围，h2表示所述第二类修正后的直方图。
S108：根据所述第二类修正后的直方图，调节所述当前帧图像中各个像素点的亮度。
在本方案中，如果第一直方图与第二直方图区别较大，大于该预设阈值，可以理解为，视频中的场景出现了切换，则对第一直方图进行修正，并利用修正后的第一直方图(第二类修正后的直方图)对当前帧图像进行调节。如果第一直方图与第二直方图区别不大，不大于该预设阈值，可以理解为，视频中未切换场景，仅有小部分区域发生了变化，则将当前帧图像对应的直方图与上一帧图像对应的直方图进行融合处理，得到融合后的直方图，并利用修正后的该融合后的直方图(第一类修正后的直方图)对当前帧图像进行调节。这样，能更好地降低图像失真程度。
在S108之后，可以将调节后的当前帧图像转换至HSV空间；
在所述HSV空间中，对当前帧图像的饱和度进行调整。
具体的，可以利用上述式4或者图5，对当前帧图像的饱和度进行调整。
利用本发明实施例对当前帧图像进行处理的效果可以如图7所示。
应用本发明图6所示实施例，如果当前帧图像相对于上一帧图像只有部分区域的亮度发生了变化，先将当前帧图像对应的直方图与上一帧图像对应的直方图进行融合处理，对融合后的直方图进行修正，再根据修正后的直方图，调节当前帧图像中各个像素点的亮度；如果当前帧图像相对于上一帧图像发生了较大程度的变化，对第一直方图进行修正，再根据修正后的第一直方图，调节当前帧图像中各个像素点的亮度；这样，可以更好地降低图像失真的情况。
与上述方法实施例相对应，本发明实施例还提供一种视频图像处理装置。
图8为本发明实施例提供的一种视频图像处理装置的结构示意图，包括：
第一获得模块801，用于获得当前帧图像对应的第一直方图；
融合模块802，用于将所述第一直方图与预先保存的第二直方图进行融合，得到融合后的直方图；其中，所述第二直方图为所述当前帧图像的上一帧图像对应的直方图；
第一修正模块803，用于利用预先设定的第一修正算法，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
第一调节模块804，用于根据所述第一类修正后的直方图，调节所述当前帧图像中各个像素点的亮度。
在本实施例中，所述装置还可以包括：对比模块、判断模块、第二修正模块和第二调节模块(图中未示出)，其中，
对比模块，用于将所述第一直方图与所述第二直方图进行对比，得到对比结果；
判断模块，用于判断所述对比结果是否大于预设阈值；如果是，触发第二修正模块，如果否，触发所述第一修正模块；
所述第二修正模块，用于利用预先设定的第二修正算法，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图；
第二调节模块，用于根据所述第二类修正后的直方图，调节所述当前帧图像中各个像素点的亮度。
在本实施例中，第一修正模块803，可以包括：第一获得子模块和第一修正子模块(图中未示出)，其中，
第一获得子模块，用于获得所述融合后的直方图对应的第一归一化直方图；
第一修正子模块，用于利用第一修正算法及所述第一归一化直方图，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述第二修正模块，可以包括：第二获得子模块和第二修正子模块，其中，
第二获得子模块，用于获得所述第一直方图对应的第二归一化直方图；
第二修正子模块，用于利用第二修正算法及所述第二归一化直方图，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
在本实施例中，所述第一修正子模块，具体可以用于：
利用下式对所述融合后的直方图进行修正：
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，h1表示所述第一类修正后的直方图；
所述第二修正子模块，具体可以用于：
利用下式对所述第一直方图进行修正：
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
在本实施例中，第一修正模块803，可以包括：第三获得子模块和第三修正子模块(图中未示出)，其中，
第三获得子模块，用于获得所述融合后的直方图对应的第一归一化直方图、及所述融合后的直方图的第一梯度；
第三修正子模块，用于利用第一修正算法、所述第一归一化直方图及所述第一梯度，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述第二修正模块，包括：第四获得子模块和第四修正子模块，其中，
第四获得子模块，用于获得所述第一直方图对应的第二归一化直方图、及所述第一直方图的第二梯度；
第四修正子模块，用于利用第二修正算法、所述第二归一化直方图及所述第二梯度，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
在本实施例中，所述第三修正子模块，具体可以用于：
利用下式对所述融合后的直方图进行修正：
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，D表示预设矩阵，γ表示第二预设值，h1表示所述第一类修正后的直方图；
所述第四修正子模块，具体可以用于：
利用下式对所述第一直方图进行修正：
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
在本实施例中，第一修正模块803，可以包括：第五获得子模块和第五修正子模块(图中未示出)，其中，
第五获得子模块，用于获得所述融合后的直方图对应的第一归一化直方图；
第五修正子模块，用于利用第一修正算法、所述第一归一化直方图及预先设定的黑白域拉伸参数，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述第二修正模块，可以包括：第六获得子模块和第六修正子模块，其中，
第六获得子模块，用于获得所述第一直方图对应的第二归一化直方图；
第六修正子模块，用于利用第二修正算法、所述第二归一化直方图及所述黑白域拉伸参数，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
在本实施例中，所述第五修正子模块，具体可以用于：
利用下式对所述融合后的直方图进行修正：
h1＝(h1-hi1)T(h1-hi1)+λ(h1-u1)T(h1-u1)+αh1 TIBh1，
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，α表示第三预设值，在矩阵IB中，IB(k，k)＝1，其余元素值为0，k的范围为{[0，b]U[w，255]}，b表示预先设定的黑域拉伸参数，w表示预先设定的白域拉伸参数，h1表示所述第一类修正后的直方图；
所述第六修正子模块，具体可以用于：
利用下式对所述第一直方图进行修正：
h2＝(h2-hi2)T(h2-hi2)+λ(h2-u2)T(h2-u2)+αh2 TIBh2，
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
在本实施例中，融合模块802，可以包括：第一确定子模块、计算子模块和第二确定子模块(图中未示出)，其中，
第一确定子模块，用于针对所述第一直方图中的每个第一区间，确定所述每个第一区间对应的所述第二直方图中的第二区间，其中，直方图中包含所对应的帧图像在每个区间的像素点的数量，所述区间为亮度数值构成的区间；
计算子模块，用于计算所述第一区间与其对应的第二区间的像素点的数量差值；
第二确定子模块，用于根据所述差值及所述差值对应的第二区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量，进而得到所述融合后的直方图。
在本实施例中，所述第二确定子模块，具体可以用于：
根据所述差值及所述第一区间对应的预设权重，计算所述第一区间对应的综合权重值；
根据所述综合权重值及所述差值对应的第二区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量。
在本实施例中，所述装置还可以包括：转换模块和调整模块(图中未示出)，其中，
转换模块，用于将调节后的当前帧图像转换至HSV空间；
调整模块，用于在所述HSV空间中，对当前帧图像的饱和度进行调整。
在本实施例中，所述调整模块，具体可以用于：
利用下式对当前帧图像的饱和度进行调整：
其中，s表示所述当前帧图像的饱和度，s’表示调整后的饱和度，△s表示所述当前帧图像的饱和度的斜率，sc表示第三预设值，sc大于0且小于1。
应用本发明图8所示实施例，将当前帧图像对应的第一直方图与当前帧图像的上一帧图像对应的第二直方图进行融合，得到融合后的直方图，利用预先设定的修正算法，对融合后的直方图进行修正，得到当前帧图像对应的第一类修正后的直方图；根据第一类修正后的直方图，调节当前帧图像中各个像素点的亮度。也就是说，本方案根据融合后的直方图对当前帧图像进行亮度调节，相比于仅根据第二直方图对当前帧图像进行亮度调节的方案，能够降低图像失真程度。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机可读取存储介质中，这里所称得的存储介质，如：ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (24)

1.一种视频图像处理方法，其特征在于，包括：
获得当前帧图像对应的第一直方图；
将所述第一直方图与预先保存的第二直方图进行融合，得到融合后的直方图；其中，所述第二直方图为所述当前帧图像的上一帧图像对应的直方图；
利用预先设定的第一修正算法，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
根据所述第一类修正后的直方图，调节所述当前帧图像中各个像素点的亮度。
2.根据权利要求1所述的方法，其特征在于，在所述获得当前帧图像对应的第一直方图的步骤之后，还包括：
将所述第一直方图与所述第二直方图进行对比，得到对比结果；
判断所述对比结果是否大于预设阈值；
如果是，利用预先设定的第二修正算法，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图；根据所述第二类修正后的直方图，调节所述当前帧图像中各个像素点的亮度；
如果否，执行所述将所述第一直方图与预先保存的第二直方图进行融合的步骤。
3.根据权利要求2所述的方法，其特征在于，所述利用预先设定的第一修正算法，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图的步骤包括：
获得所述融合后的直方图对应的第一归一化直方图；
利用第一修正算法及所述第一归一化直方图，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述利用预先设定的第二修正算法，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图的步骤包括：
获得所述第一直方图对应的第二归一化直方图；
利用第二修正算法及所述第二归一化直方图，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
4.根据权利要求3所述的方法，其特征在于，所述利用第一修正算法及所述第一归一化直方图，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图的步骤包括：
利用下式对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图：
<mrow> <msub> <mi>h</mi> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>h</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;u</mi> <mn>1</mn> </msub> </mrow> <mrow> <mn>1</mn> <mo>+</mo> <mi>&amp;lambda;</mi> </mrow> </mfrac> <mo>,</mo> </mrow>
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，h1表示所述第一类修正后的直方图；
所述利用第二修正算法及所述第二归一化直方图，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图的步骤包括：
利用下式对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图：
<mrow> <msub> <mi>h</mi> <mn>2</mn> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>h</mi> <mrow> <mi>i</mi> <mn>2</mn> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;u</mi> <mn>2</mn> </msub> </mrow> <mrow> <mn>1</mn> <mo>+</mo> <mi>&amp;lambda;</mi> </mrow> </mfrac> <mo>,</mo> </mrow>
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
5.根据权利要求2所述的方法，其特征在于，所述利用预先设定的第一修正算法，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图的步骤包括：
获得所述融合后的直方图对应的第一归一化直方图、及所述融合后的直方图的第一梯度；
利用第一修正算法、所述第一归一化直方图及所述第一梯度，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述利用预先设定的第二修正算法，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图的步骤包括：
获得所述第一直方图对应的第二归一化直方图、及所述第一直方图的第二梯度；
利用第二修正算法、所述第二归一化直方图及所述第二梯度，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
6.根据权利要求5所述的方法，其特征在于，所述利用第一修正算法、所述第一归一化直方图及所述第一梯度，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图的步骤包括：
利用下式对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图：
<mrow> <msub> <mi>h</mi> <mn>1</mn> </msub> <mo>=</mo> <mo>|</mo> <mo>|</mo> <msub> <mi>h</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>h</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>+</mo> <mi>&amp;lambda;</mi> <mo>|</mo> <mo>|</mo> <msub> <mi>h</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>+</mo> <mi>&amp;gamma;</mi> <mo>|</mo> <mo>|</mo> <msub> <mi>Dh</mi> <mn>1</mn> </msub> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>,</mo> </mrow>
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，D表示预设矩阵，γ表示第二预设值，h1表示所述第一类修正后的直方图；
所述利用第二修正算法、所述第二归一化直方图及所述第二梯度，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图的步骤包括：
利用下式对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图：
<mrow> <msub> <mi>h</mi> <mn>2</mn> </msub> <mo>=</mo> <mo>|</mo> <mo>|</mo> <msub> <mi>h</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>h</mi> <mrow> <mi>i</mi> <mn>2</mn> </mrow> </msub> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>+</mo> <mi>&amp;lambda;</mi> <mo>|</mo> <mo>|</mo> <msub> <mi>h</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>+</mo> <mi>&amp;gamma;</mi> <mo>|</mo> <mo>|</mo> <msub> <mi>Dh</mi> <mn>2</mn> </msub> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>,</mo> </mrow>
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
7.根据权利要求2所述的方法，其特征在于，所述利用预先设定的第一修正算法，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图的步骤包括：
获得所述融合后的直方图对应的第一归一化直方图；
利用第一修正算法、所述第一归一化直方图及预先设定的黑白域拉伸参数，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述利用预先设定的第二修正算法，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图的步骤包括：
获得所述第一直方图对应的第二归一化直方图；
利用第二修正算法、所述第二归一化直方图及所述黑白域拉伸参数，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
8.根据权利要求7所述的方法，其特征在于，所述利用第一修正算法、所述第一归一化直方图及预先设定的黑白域拉伸参数，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图的步骤包括：
利用下式对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图：
h1＝(h1-hi1)T(h1-hi1)+λ(h1-u1)T(h1-u1)+αh1 TIBh1，
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，α表示第三预设值，在矩阵IB中，IB(k，k)＝1，其余元素值为0，k的范围为{[0，b]U[w，255]}，b表示预先设定的黑域拉伸参数，w表示预先设定的白域拉伸参数，h1表示所述第一类修正后的直方图；
所述利用第二修正算法、所述第二归一化直方图及所述黑白域拉伸参数，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图的步骤包括：
利用下式对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图：
h2＝(h2-hi2)T(h2-hi2)+λ(h2-u2)T(h2-u2)+αh2 TIBh2，
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
9.根据权利要求1所述的方法，其特征在于，所述将所述第一直方图与预先保存的第二直方图进行融合，得到融合后的直方图的步骤包括：
针对所述第一直方图中的每个第一区间，确定所述每个第一区间对应的所述第二直方图中的第二区间，其中，直方图中包含所对应的帧图像在每个区间的像素点的数量，所述区间为亮度数值构成的区间；
计算所述第一区间与其对应的第二区间的像素点的数量差值；
根据所述差值及所述差值对应的第二区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量，进而得到所述融合后的直方图。
10.根据权利要求9所述的方法，其特征在于，所述根据所述差值及所述差值对应的第二区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量的步骤包括：
根据所述差值及所述第一区间对应的预设权重，计算所述第一区间对应的综合权重值；
根据所述综合权重值及所述差值对应的第二区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量。
11.根据权利要求1所述的方法，其特征在于，在所述调节所述当前帧图像中各个像素点的亮度的步骤之后，还包括：
将调节后的当前帧图像转换至HSV空间；
在所述HSV空间中，对当前帧图像的饱和度进行调整。
12.根据权利要求11所述的方法，其特征在于，所述对当前帧图像的饱和度进行调整的步骤包括：
利用下式对当前帧图像的饱和度进行调整：
<mrow> <msup> <mi>s</mi> <mo>&amp;prime;</mo> </msup> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>s</mi> <mo>*</mo> <mi>&amp;Delta;</mi> <mi>s</mi> </mrow> </mtd> <mtd> <mrow> <mn>0</mn> <mo>&lt;</mo> <mi>s</mi> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>c</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mfrac> <mrow> <mi>s</mi> <mo>-</mo> <mn>1</mn> </mrow> <mrow> <mn>4</mn> <mo>*</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>s</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> </mtd> <mtd> <mrow> <msub> <mi>s</mi> <mi>c</mi> </msub> <mo>&lt;</mo> <mi>s</mi> <mo>&lt;</mo> <mn>1</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>
其中，s表示所述当前帧图像的饱和度，s’表示调整后的饱和度，△s表示所述当前帧图像的饱和度的斜率，sc表示第三预设值，sc大于0且小于1。
13.一种视频图像处理装置，其特征在于，包括：
第一获得模块，用于获得当前帧图像对应的第一直方图；
融合模块，用于将所述第一直方图与预先保存的第二直方图进行融合，得到融合后的直方图；其中，所述第二直方图为所述当前帧图像的上一帧图像对应的直方图；
第一修正模块，用于利用预先设定的第一修正算法，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
第一调节模块，用于根据所述第一类修正后的直方图，调节所述当前帧图像中各个像素点的亮度。
14.根据权利要求13所述的装置，其特征在于，所述装置还包括：
对比模块，用于将所述第一直方图与所述第二直方图进行对比，得到对比结果；
判断模块，用于判断所述对比结果是否大于预设阈值；如果是，触发第二修正模块，如果否，触发所述第一修正模块；
所述第二修正模块，用于利用预先设定的第二修正算法，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图；
第二调节模块，用于根据所述第二类修正后的直方图，调节所述当前帧图像中各个像素点的亮度。
15.根据权利要求14所述的装置，其特征在于，所述第一修正模块，包括：
第一获得子模块，用于获得所述融合后的直方图对应的第一归一化直方图；
第一修正子模块，用于利用第一修正算法及所述第一归一化直方图，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述第二修正模块，包括：
第二获得子模块，用于获得所述第一直方图对应的第二归一化直方图；
第二修正子模块，用于利用第二修正算法及所述第二归一化直方图，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
16.根据权利要求15所述的装置，其特征在于，所述第一修正子模块，具体用于：
利用下式对所述融合后的直方图进行修正：
<mrow> <msub> <mi>h</mi> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>h</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;u</mi> <mn>1</mn> </msub> </mrow> <mrow> <mn>1</mn> <mo>+</mo> <mi>&amp;lambda;</mi> </mrow> </mfrac> <mo>,</mo> </mrow>
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，h1表示所述第一类修正后的直方图；
所述第二修正子模块，具体用于：
利用下式对所述第一直方图进行修正：
<mrow> <msub> <mi>h</mi> <mn>2</mn> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>h</mi> <mrow> <mi>i</mi> <mn>2</mn> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;lambda;u</mi> <mn>2</mn> </msub> </mrow> <mrow> <mn>1</mn> <mo>+</mo> <mi>&amp;lambda;</mi> </mrow> </mfrac> <mo>,</mo> </mrow>
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
17.根据权利要求14所述的装置，其特征在于，所述第一修正模块，包括：
第三获得子模块，用于获得所述融合后的直方图对应的第一归一化直方图、及所述融合后的直方图的第一梯度；
第三修正子模块，用于利用第一修正算法、所述第一归一化直方图及所述第一梯度，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述第二修正模块，包括：
第四获得子模块，用于获得所述第一直方图对应的第二归一化直方图、及所述第一直方图的第二梯度；
第四修正子模块，用于利用第二修正算法、所述第二归一化直方图及所述第二梯度，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
18.根据权利要求17所述的装置，其特征在于，所述第三修正子模块，具体用于：
利用下式对所述融合后的直方图进行修正：
<mrow> <msub> <mi>h</mi> <mn>1</mn> </msub> <mo>=</mo> <mo>|</mo> <mo>|</mo> <msub> <mi>h</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>h</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>+</mo> <mi>&amp;lambda;</mi> <mo>|</mo> <mo>|</mo> <msub> <mi>h</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>u</mi> <mn>1</mn> </msub> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>+</mo> <mi>&amp;gamma;</mi> <mo>|</mo> <mo>|</mo> <msub> <mi>Dh</mi> <mn>1</mn> </msub> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>,</mo> </mrow>
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，D表示预设矩阵，γ表示第二预设值，h1表示所述第一类修正后的直方图；
所述第四修正子模块，具体用于：
利用下式对所述第一直方图进行修正：
<mrow> <msub> <mi>h</mi> <mn>2</mn> </msub> <mo>=</mo> <mo>|</mo> <mo>|</mo> <msub> <mi>h</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>h</mi> <mrow> <mi>i</mi> <mn>2</mn> </mrow> </msub> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>+</mo> <mi>&amp;lambda;</mi> <mo>|</mo> <mo>|</mo> <msub> <mi>h</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>+</mo> <mi>&amp;gamma;</mi> <mo>|</mo> <mo>|</mo> <msub> <mi>Dh</mi> <mn>2</mn> </msub> <mo>|</mo> <msubsup> <mo>|</mo> <mn>2</mn> <mn>2</mn> </msubsup> <mo>,</mo> </mrow>
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
19.根据权利要求14所述的装置，其特征在于，所述第一修正模块，包括：
第五获得子模块，用于获得所述融合后的直方图对应的第一归一化直方图；
第五修正子模块，用于利用第一修正算法、所述第一归一化直方图及预先设定的黑白域拉伸参数，对所述融合后的直方图进行修正，得到所述当前帧图像对应的第一类修正后的直方图；
所述第二修正模块，包括：
第六获得子模块，用于获得所述第一直方图对应的第二归一化直方图；
第六修正子模块，用于利用第二修正算法、所述第二归一化直方图及所述黑白域拉伸参数，对所述第一直方图进行修正，得到所述当前帧图像对应的第二类修正后的直方图。
20.根据权利要求19所述的装置，其特征在于，所述第五修正子模块，具体用于：
利用下式对所述融合后的直方图进行修正：
h1＝(h1-hi1)T(h1-hi1)+λ(h1-u1)T(h1-u1)+αh1 TIBh1，
其中，hi1表示所述融合后的直方图，u1表示所述第一归一化直方图，λ表示第一预设值，α表示第三预设值，在矩阵IB中，IB(k，k)＝1，其余元素值为0，k的范围为{[0，b]U[w，255]}，b表示预先设定的黑域拉伸参数，w表示预先设定的白域拉伸参数，h1表示所述第一类修正后的直方图；
所述第六修正子模块，具体用于：
利用下式对所述第一直方图进行修正：
h2＝(h2-hi2)T(h2-hi2)+λ(h2-u2)T(h2-u2)+αh2 TIBh2，
其中，hi2表示所述第一直方图，u2表示所述第二归一化直方图，h2表示所述第二类修正后的直方图。
21.根据权利要求13所述的装置，其特征在于，所述融合模块，包括：
第一确定子模块，用于针对所述第一直方图中的每个第一区间，确定所述每个第一区间对应的所述第二直方图中的第二区间，其中，直方图中包含所对应的帧图像在每个区间的像素点的数量，所述区间为亮度数值构成的区间；
计算子模块，用于计算所述第一区间与其对应的第二区间的像素点的数量差值；
第二确定子模块，用于根据所述差值及所述差值对应的第二区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量，进而得到所述融合后的直方图。
22.根据权利要求21所述的装置，其特征在于，所述第二确定子模块，具体用于：
根据所述差值及所述第一区间对应的预设权重，计算所述第一区间对应的综合权重值；
根据所述综合权重值及所述差值对应的第二区间的像素点的数量，确定融合后的直方图中每个区间的像素点的数量。
23.根据权利要求13所述的装置，其特征在于，所述装置还包括：
转换模块，用于将调节后的当前帧图像转换至HSV空间；
调整模块，用于在所述HSV空间中，对当前帧图像的饱和度进行调整。
24.根据权利要求23所述的装置，其特征在于，所述调整模块，具体用于：
利用下式对当前帧图像的饱和度进行调整：
<mrow> <msup> <mi>s</mi> <mo>&amp;prime;</mo> </msup> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>s</mi> <mo>*</mo> <mi>&amp;Delta;</mi> <mi>s</mi> </mrow> </mtd> <mtd> <mrow> <mn>0</mn> <mo>&lt;</mo> <mi>s</mi> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>c</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mfrac> <mrow> <mi>s</mi> <mo>-</mo> <mn>1</mn> </mrow> <mrow> <mn>4</mn> <mo>*</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>s</mi> <mi>c</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> </mtd> <mtd> <mrow> <msub> <mi>s</mi> <mi>c</mi> </msub> <mo>&lt;</mo> <mi>s</mi> <mo>&lt;</mo> <mn>1</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>
其中，s表示所述当前帧图像的饱和度，s’表示调整后的饱和度，△s表示所述当前帧图像的饱和度的斜率，sc表示第三预设值，sc大于0且小于1。
CN201611056015.5A 2016-11-23 2016-11-23 一种视频图像处理方法及装置 Active CN108090887B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611056015.5A CN108090887B (zh) 2016-11-23 2016-11-23 一种视频图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611056015.5A CN108090887B (zh) 2016-11-23 2016-11-23 一种视频图像处理方法及装置

Publications (2)

Publication Number Publication Date
CN108090887A true CN108090887A (zh) 2018-05-29
CN108090887B CN108090887B (zh) 2020-09-04

Family

ID=62170960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611056015.5A Active CN108090887B (zh) 2016-11-23 2016-11-23 一种视频图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN108090887B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109688292A (zh) * 2018-12-18 2019-04-26 电子科技大学 一种去除图像闪烁直方图映射方法
CN109785274A (zh) * 2018-12-18 2019-05-21 电子科技大学 一种去除红外图像闪烁直方图映射方法
CN110166705A (zh) * 2019-06-06 2019-08-23 Oppo广东移动通信有限公司 高动态范围hdr图像生成方法和装置、电子设备、计算机可读存储介质
CN110267044A (zh) * 2019-07-16 2019-09-20 吉林工程技术师范学院 一种电影场景的色度编码方法和系统
CN111260593A (zh) * 2020-01-14 2020-06-09 腾讯科技（深圳）有限公司 图像处理方法、装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101894276A (zh) * 2010-06-01 2010-11-24 中国科学院计算技术研究所 人体动作识别的训练方法和识别方法
CN102081801A (zh) * 2011-01-26 2011-06-01 上海交通大学 多特征自适应融合船舶跟踪和航迹检测方法
US20120257113A1 (en) * 2011-04-11 2012-10-11 Mstar Semiconductor, Inc. Filter for Video Stream
CN102915537A (zh) * 2012-09-14 2013-02-06 飞依诺科技(苏州)有限公司 基于帧的超声图像处理方法及系统
US20140341481A1 (en) * 2013-03-15 2014-11-20 Karen A. Panetta Methods and Apparatus for Image Processing and Analysis
US20150363913A1 (en) * 2014-06-12 2015-12-17 Samsung Electronics Co., Ltd. Adaptive filter demosaicizing for super resolution
CN105321189A (zh) * 2015-01-07 2016-02-10 徐州工程学院 基于连续自适应均值漂移多特征融合的复杂环境目标跟踪方法
CN105335933A (zh) * 2014-05-27 2016-02-17 上海贝卓智能科技有限公司 一种图像对比度增强方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101894276A (zh) * 2010-06-01 2010-11-24 中国科学院计算技术研究所 人体动作识别的训练方法和识别方法
CN102081801A (zh) * 2011-01-26 2011-06-01 上海交通大学 多特征自适应融合船舶跟踪和航迹检测方法
US20120257113A1 (en) * 2011-04-11 2012-10-11 Mstar Semiconductor, Inc. Filter for Video Stream
CN102915537A (zh) * 2012-09-14 2013-02-06 飞依诺科技(苏州)有限公司 基于帧的超声图像处理方法及系统
US20140341481A1 (en) * 2013-03-15 2014-11-20 Karen A. Panetta Methods and Apparatus for Image Processing and Analysis
CN105335933A (zh) * 2014-05-27 2016-02-17 上海贝卓智能科技有限公司 一种图像对比度增强方法和装置
US20150363913A1 (en) * 2014-06-12 2015-12-17 Samsung Electronics Co., Ltd. Adaptive filter demosaicizing for super resolution
CN105321189A (zh) * 2015-01-07 2016-02-10 徐州工程学院 基于连续自适应均值漂移多特征融合的复杂环境目标跟踪方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SOS AGAIAN等: "Bright and dark distance-based image decomposition and enhancement", 《2014 IEEE INTERNATIONAL CONFERENCE ON IMAGING SYSTEMS AND TECHNIQUES (IST) PROCEEDINGS》 *
廖文峰: "基于IHS的多源遥感数据融合", 《地理空间信息》 *
李乐鹏等: "直方图均衡技术综述", 《计算机系统应用》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109688292A (zh) * 2018-12-18 2019-04-26 电子科技大学 一种去除图像闪烁直方图映射方法
CN109785274A (zh) * 2018-12-18 2019-05-21 电子科技大学 一种去除红外图像闪烁直方图映射方法
CN110166705A (zh) * 2019-06-06 2019-08-23 Oppo广东移动通信有限公司 高动态范围hdr图像生成方法和装置、电子设备、计算机可读存储介质
CN110166705B (zh) * 2019-06-06 2021-04-23 Oppo广东移动通信有限公司 高动态范围hdr图像生成方法和装置、电子设备、计算机可读存储介质
CN110267044A (zh) * 2019-07-16 2019-09-20 吉林工程技术师范学院 一种电影场景的色度编码方法和系统
CN111260593A (zh) * 2020-01-14 2020-06-09 腾讯科技（深圳）有限公司 图像处理方法、装置、电子设备及存储介质
WO2021143241A1 (zh) * 2020-01-14 2021-07-22 腾讯科技（深圳）有限公司 图像处理方法、装置、电子设备及存储介质
KR20220043158A (ko) * 2020-01-14 2022-04-05 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 이미지 처리 방법, 장치, 전자 디바이스, 및 저장 매체
CN111260593B (zh) * 2020-01-14 2023-03-14 腾讯科技（深圳）有限公司 图像处理方法、装置、电子设备及存储介质
KR102617626B1 (ko) 2020-01-14 2023-12-27 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 이미지 처리 방법, 장치, 전자 디바이스, 및 저장 매체

Also Published As

Publication number Publication date
CN108090887B (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
CN108090887A (zh) 一种视频图像处理方法及装置
JP4277773B2 (ja) 映像表示装置
US8131108B2 (en) Method and system for dynamic contrast stretch
US8131098B2 (en) Image processing device, image processing method, image processing system, program, storage medium, and integrated circuit
US6507668B1 (en) Image enhancing apparatus and method of maintaining brightness of input image
US8103120B2 (en) Method and apparatus of local contrast enhancement
CN102438097B (zh) 图像处理装置与图像处理方法
US7916158B2 (en) Image display apparatus, image signal processing circuit used therein, and method of controlling color saturation of image signal
CN105898230B (zh) 基于多输入通道的拼接图像亮度均衡方法及装置
US8159616B2 (en) Histogram and chrominance processing
CN107799080B (zh) 一种基于分段式曲线的液晶像素补偿方法
CN107170424A (zh) 一种显示控制方法，显示方法及电子设备
CN107295248A (zh) 显示图像的图像显示设备和图像显示方法及存储介质
US8526736B2 (en) Image processing apparatus for correcting luminance and method thereof
CN107680056A (zh) 一种图像处理方法及装置
CN104702849A (zh) 一种红外摄像机及其红外灯亮度调整方法
CN107644409A (zh) 图像增强方法、显示装置及计算机可读存储介质
US20190281215A1 (en) Method for High-Quality Panorama Generation with Color, Luminance, and Sharpness Balancing
CN107820069A (zh) 一种视频监控设备isp调试方法
JP2006270417A (ja) 映像信号処理方法及び映像信号処理装置
US20140368557A1 (en) Content aware image adjustment to reduce current load on oled displays
US7375770B2 (en) Method for luminance transition improvement
EP2472876A2 (en) Apparatus and method for improving image quality based on definition and chroma
CN104106109B (zh) 视频显示控制装置
CN108337495B (zh) 一种视频图像动态对比度调整方法及其调整装置

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