CN108198155A - 一种自适用色调映射方法及系统 - Google Patents

一种自适用色调映射方法及系统 Download PDF

Info

Publication number
CN108198155A
CN108198155A CN201711447808.4A CN201711447808A CN108198155A CN 108198155 A CN108198155 A CN 108198155A CN 201711447808 A CN201711447808 A CN 201711447808A CN 108198155 A CN108198155 A CN 108198155A
Authority
CN
China
Prior art keywords
mapping
source images
scene brightness
result
weight factor
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
CN201711447808.4A
Other languages
English (en)
Other versions
CN108198155B (zh
Inventor
翟全
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.)
Hefei Jun Zheng Science And Technology Ltd
Original Assignee
Hefei Jun Zheng Science And Technology Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei Jun Zheng Science And Technology Ltd filed Critical Hefei Jun Zheng Science And Technology Ltd
Priority to CN201711447808.4A priority Critical patent/CN108198155B/zh
Publication of CN108198155A publication Critical patent/CN108198155A/zh
Application granted granted Critical
Publication of CN108198155B publication Critical patent/CN108198155B/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
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)

Abstract

本发明公开一种自适用色调映射方法及系统，属于数据处理技术领域，方法包括计算源图像所处的场景亮度，得到场景亮度归一化值；根据所述场景亮度归一化值，确定对源图像进行全局色调映射的映射参数λ；采用全局色调映射算法，根据所述映射参数λ对所述源图像进行处理，得到初步全局映射结果Li,j，Li,j为点(i，j)的像素的灰度值Ii,j经过全局映射算法处理的结果；采用局部色调映射算法，对所述源图像进行处理，得到每个局部区域中每个点的映射权重ωi,j；根据每个点的映射权重ωi,j、对应点在所述源图像中的像素灰度值Ii,j以及对应的初步全局映射结果Li,j，得到最终映射结果。本发明克服了全局色调映射和局部色调映射存在的缺陷，在提高映射结果对比度的同时简化了映射计算过程。

Description

一种自适用色调映射方法及系统
技术领域
本发明涉及数据处理技术领域，特别涉及一种自适用色调映射方法及系统。
背景技术
色调映射技术是一种将高动态范围内图像进行压缩，压缩到传统显示设备可以显示的范围。一幅图像经过色调映射算法处理后应能产生和真实场景中相符合的主观感觉，也就是说，色调映射除了要压缩动态范围还要最大限度的保留最高动态范围图像中的颜色、对比度、细节等信息。
目前，色调映射技术一般包括全局色调映射算法和局部色调映射算法两大类。大多数全局色调映射算法具有非线性映射功能，应用到每一个像素的图像相同的色调映射曲线，整个算法比较简单，参数少。但是其存在的缺陷在于：其形式比较死板，不能根据场景信息做自适应调整，导致算法在处理大部分场景时出现对比度很低的情况。
局部色调映射算法是通过分析源图像的整体像素以及局部的像素而实现的，所以自适用性强。但是其存在的缺陷在于：算法过程繁琐、参数过多，通过硬件来实现会消耗大量资源。
发明内容
本发明的目的在于提供一种自适用色调映射方法及系统，以提高色调映射的自适用性。
为实现以上目的，第一方面，本发明采用的技术方案为：提供一种自适用色调映射方法，包括：
S1、计算源图像所处的场景亮度，并将场景亮度进行归一化处理，得到场景亮度归一化值；
S2、根据所述场景亮度归一化值，确定对源图像进行全局色调映射的映射参数λ；
S3、采用全局色调映射算法，根据所述映射参数λ对所述源图像进行处理，得到初步全局映射结果Li,j，Li,j为点(i，j)的像素的灰度值Ii,j经过全局映射算法处理的结果；
S4、采用局部色调映射算法，对所述源图像进行处理，得到每个局部区域中每个点的映射权重ωi,j；
S5、根据每个点的映射权重ωi,j、对应点在所述源图像中的像素灰度值Ii,j以及对应的初步全局映射结果Li,j，得到最终映射结果。
其中，步骤S1，具体包括：
统计所述源图像Y通道的直方图信息，得到所述源图像各个灰度区域的像素值信息；
对所述各个灰度区域的像素值信息进行分析，得到所述源图像所处的场景亮度；
对所述场景亮度进行归一化处理，得到场景亮度归一化值。
其中，步骤S4，具体包括：
计算所述局部区域中每个点的亮度均值Bi,j，并根据每个点的亮度均值Bi,j确定对应的映射权重因子ω1i,j；
统计每个点所在区域中的像素值信息，得到当前像素所处区间的映射权重因子ω2i,j；
根据所述映射权重因子ω1i,j和映射权重因子ω2i,j，得到最终的映射权重ωi,j。
其中，步骤S5，具体包括：
根据公式Yi,j＝ωi,j×(Li,j-Ii,j)，对所述最终的映射权重因子ωi,j、初步全局映射结果Li,j以及源图像中位置处在(i，j)点的像素的灰度值进行处理，得到最终的映射结果Yi,j。
第二方面，本发明采用的技术方案为：提供一种自适用色调映射系统，包括：场景亮度归一化处理模块、映射参数计算模块、全局映射结果计算模块、局部映射权重计算模块以及映射结果计算模块；
场景亮度归一化处理模块用于计算源图像所处的场景亮度，并将场景亮度进行归一化处理，得到场景亮度归一化值，并将场景亮度归一化值传输至映射参数计算模块；
映射参数计算模块用于根据所述场景亮度归一化值，确定对源图像进行全局色调映射的映射参数λ，并将映射参数λ传输至全局映射结果计算模块；
全局映射结果计算模块用于采用全局色调映射算法，根据所述映射参数λ对所述源图像进行处理，得到初步全局映射结果Li,j，Li,j为点(i，j)的像素的灰度值Ii,j经过全局映射算法处理的结果，并将全局映射算法处理的结果传输至局部映射权重计算模块；
局部映射权重计算模块用于采用局部色调映射算法，对所述源图像进行处理，得到每个局部区域中每个点的映射权重ωi,j，并将映射权重ωi,j传输至映射结果计算模块；
映射结果计算模块用于根据每个点的映射权重ωi,j、对应点在所述源图像中的像素灰度值Ii,j以及对应的初步全局映射结果Li,j，得到最终映射结果。
其中，场景亮度归一化处理模块，具体包括：像素值信息计算单元、场景亮度计算单元以及归一化单元；
像素值信息计算单元用于统计所述源图像Y通道的直方图信息，得到所述源图像各个灰度区域的像素值信息，并将灰度区域的像素值信息传输至场景亮度计算单元；
场景亮度计算单元用于对所述各个灰度区域的像素值信息进行分析，得到所述源图像所处的场景亮度，并将场景亮度传输至归一化单元；
归一化单元对所述场景亮度进行归一化处理，得到场景亮度归一化值。
其中，局部映射权重计算模块，具体包括：第一映射权重因子计算单元、第二映射权重因子计算单元以及映射权重计算单元；
第一映射权重因子计算单元用于计算所述局部区域中每个点的亮度均值Bi,j，并根据每个点的亮度均值Bi,j确定对应的映射权重因子ω1i,j，并将映射权重因子ω1i,j传输至映射权重计算单元；
第二映射权重因子计算单元用于统计每个点所在区域中的像素值信息，得到当前像素所处区间的映射权重因子ω2i,j并将映射权重因子ω2i,j传输至映射权重计算单元；
映射权重计算单元用于根据所述映射权重因子ω1i,j和映射权重因子ω2i,j，得到最终的映射权重ωi,j。
其中，映射结果计算模块，具体用于：
根据公式Yi,j＝ωi,j×(Li,j-Ii,j)，对所述最终的映射权重因子ωi,j、初步全局映射结果Li,j以及源图像中位置处在(i，j)点的像素的灰度值进行处理，得到最终的映射结果Yi,j。
与现有技术相比，本发明存在以下技术效果：本发明中采用全局色调映射算法与局部色调映射算法相结合的方案，利用源图像Y通道的直方图信息计算源图像所处的场景亮度，从而得到对源图像进行全局色调映射时的映射参数以进行全局色调映射结果。然后对源图像进行局部分析，得到每一个局部区域中每个点的映射权重ωi,j。最后根据全局色调映射结果和局部区域中每个点的映射权重得到最终的色调映射结果。如此，本发明提供的方案即避免了采用全局色调映射算法处理大部分场景时出现的对比度低的情况，也避免了采用局部色调映射算法存在的过程繁琐、硬件实现过程中消耗大量资源的情况。
附图说明
下面结合附图，对本发明的具体实施方式进行详细描述：
图1是本发明中一种自适用色调映射方法的流程示意图；
图2是本发明中一种自适用色调映射系统的结构示意图；
图3是本发明中采用自适用色调映射方法和采用全局色调映射算法的处理结果对比示意图。
具体实施方式
为了更进一步说明本发明的特征，请参阅以下有关本发明的详细说明与附图。所附图仅供参考与说明之用，并非用来对本发明的保护范围加以限制。
如图1所示，本实施例公开了一种自适用色调映射方法，包括如下步骤S1至S5：
S1、计算源图像所处的场景亮度，并将场景亮度进行归一化处理，得到场景亮度归一化值；
具体地，步骤S1包括如下细分步骤：
统计所述源图像Y通道的直方图信息，得到所述源图像各个灰度区域的像素值信息；
对所述各个灰度区域的像素值信息进行分析，得到所述源图像所处的场景亮度；
对所述场景亮度进行归一化处理，得到场景亮度归一化值。
需要说明的是，场景亮度计算的具体过程为：
由于根据正常视觉感觉，一般认为灰度值在64以上为较明亮和舒适范围，而且将监控领域图片均值趋向于灰度为128的图片认为是较好的图片，因此，以64和128为分界点，将整个灰度区域的直方图统计分为暗区(即灰度值为0-64)、过渡区(即灰度值为64-128)、亮区(即灰度值为128-256)三个部分，根据这三个部分的直方图统计在整个灰度区域的直方图中所占的比例a％、b％、c％。
对暗区、过渡区以及亮区内的像素值信息进行分析，得到该源图像所处的场景亮度，具体为：Y＝A×a％+B×b％+C×c％，其中，Y为场景亮度，A、B、C为分别为控制参数，并将场景亮度由归一化的数值表示。
S2、根据所述场景亮度归一化值，确定对源图像进行全局色调映射的映射参数λ；
需要说明的是，场景亮度归一化的数值越大，说明该源图像所述的场景亮度越亮，该源图像进行色调映射的参数λ越小，其中λ＝2.2×(1-Y)+0.56。
S3、采用全局色调映射算法，根据所述映射参数λ对所述源图像进行处理，得到初步全局映射结果Li,j，Li,j为点(i，j)的像素的灰度值Ii,j经过全局映射算法处理的结果；
具体地，本实施例中采用基于gamma曲线的映射方法对场景图像进行全局色调映射处理，其中，映射公式具体为：
式中：Ii，j为在源图像中，位置处在(i，j)点的像素的灰度值，Li，j为该点的灰度值Ii，j经过全局映射算法处理的结果，Imax、Imin分别为源图像中像素灰度值的最大值和最小值。
S4、采用局部色调映射算法，对所述源图像进行处理，得到每个局部区域中每个点的映射权重ωi,j；
具体地，步骤S4包括如下细分步骤：
计算所述局部区域中每个点的亮度均值Bi,j，并根据每个点的亮度均值Bi,j确定对应的映射权重因子ω1i,j；
需要说明的是，每个点在局部区域中的亮度均值Bi,j越大，对应的映射权重因子ω1i,j越小，比如设置亮度均值的阈值Lth，在区域模板大小为m×n的区域进行亮度均值Bi,j的求解，如果Bi,j大于Lth，则权重因子ω1i,j较大，否则减小。
统计每个点所在区域中的像素值信息，得到当前像素所处区间的映射权重因子ω2i,j；
具体地，统计每个点所在区域中的像素值信息，并将该像素值信息进行大小排序，根据大小划分最多5个空间，每个区间分配不同的映射权重因子为ωrag1、ωrag2、ωrag3、ωrag4、ωrag5，根据目前像素所处的区间得到映射权重因子ω2i,j＝ωragN，其中，N＝1、2、3、4、5。
根据所述映射权重因子ω1i,j和映射权重因子ω2i,j，得到最终的映射权重ωi,j。
具体地，根据公式对映射权重因子ω1i,j和映射权重因子ω2i,j进行处理，得到最终的映射权重因子ωi,j。其中，α、β分别为映射权重因子ω1i,j和映射权重因子ω2i,j在计算ωi,j有效率的大小，一般默认值为1。
S5、根据每个点的映射权重ωi,j、对应点在所述源图像中的像素灰度值Ii,j以及对应的初步全局映射结果Li,j，得到最终映射结果。
具体地，步骤S5，具体包括：
根据公式Yi,j＝ωi,j×(Li,j-Ii,j)，对所述最终的映射权重因子ωi,j、初步全局映射结果Li,j以及源图像中位置处在(i，j)点的像素的灰度值进行处理，得到最终的映射结果Yi,j。
如图2所示，本实施例公开了一种自适用色调映射系统，包括场景亮度归一化处理模块10、映射参数计算模块20、全局映射结果计算模块30、局部映射权重计算模块40以及映射结果计算模块50；
场景亮度归一化处理模块10用于计算源图像所处的场景亮度，并将场景亮度进行归一化处理，得到场景亮度归一化值，并将场景亮度归一化值传输至映射参数计算模块20；
映射参数计算模块20用于根据所述场景亮度归一化值，确定对源图像进行全局色调映射的映射参数λ，并将映射参数λ传输至全局映射结果计算模块30；
全局映射结果计算模块30用于采用全局色调映射算法，根据所述映射参数λ对所述源图像进行处理，得到初步全局映射结果Li,j，Li,j为点(i，j)的像素的灰度值Ii,j经过全局映射算法处理的结果，并将全局映射算法处理的结果传输至局部映射权重计算模块40；
局部映射权重计算模块40用于采用局部色调映射算法，对所述源图像进行处理，得到每个局部区域中每个点的映射权重ωi,j，并将映射权重ωi,j传输至映射结果计算模块50；
映射结果计算模块50用于根据每个点的映射权重ωi,j、对应点在所述源图像中的像素灰度值Ii,j以及对应的初步全局映射结果Li,j，得到最终映射结果。
进一步地，场景亮度归一化处理模块10，具体包括：像素值信息计算单元、场景亮度计算单元以及归一化单元；
像素值信息计算单元用于统计所述源图像Y通道的直方图信息，得到所述源图像各个灰度区域的像素值信息，并将灰度区域的像素值信息传输至场景亮度计算单元；
场景亮度计算单元用于对所述各个灰度区域的像素值信息进行分析，得到所述源图像所处的场景亮度，并将场景亮度传输至归一化单元；
归一化单元对所述场景亮度进行归一化处理，得到场景亮度归一化值。
进一步地，局部映射权重计算模块40，具体包括：第一映射权重因子计算单元、第二映射权重因子计算单元以及映射权重计算单元；
第一映射权重因子计算单元用于计算所述局部区域中每个点的亮度均值Bi,j，并根据每个点的亮度均值Bi,j确定对应的映射权重因子ω1i,j，并将映射权重因子ω1i,j传输至映射权重计算单元；
第二映射权重因子计算单元用于统计每个点所在区域中的像素值信息，得到当前像素所处区间的映射权重因子ω2i,j并将映射权重因子ω2i,j传输至映射权重计算单元；
映射权重计算单元用于根据所述映射权重因子ω1i,j和映射权重因子ω2i,j，得到最终的映射权重ωi,j。
进一步地，映射结果计算模块50，具体用于：
根据公式Yi,j＝ωi,j×(Li,j-Ii,j)，对所述最终的映射权重因子ωi,j、初步全局映射结果Li,j以及源图像中位置处在(i，j)点的像素的灰度值进行处理，得到最终的映射结果Yi,j。
本实施例公开的一种自适用色调映射系统与上述实施例公开的一种自适用色调映射方法具有相同或相应的技术特征，该处不再赘述。
需要说明的是，采用自适用色调映射方法或系统对源图像的处理结果与全局色调映射方法的处理结果对比如图3所示，其中图3-(a)为源图像，3(b)为采用全局色调映射算法的处理结果，3-(c)为采用局部色调映射算法的处理结果，3-(d)为采用本发明公开的自适用色调映射方法的处理结果。从视觉角度来看，3-(d)与3-(b)相比，具有更好的对比度；3-(d)与3-(c)相比，在暗区对比度也有一定的优势。另外从数据角度来看，数据中的方差和熵值是反应对比度的主要参数，方差、熵值越大反应图像对比度越大，如表1所示，本算法在方差、熵值上远大于全局色调映射算法，与局部色调映射算法相比也有一定优势；其中，时间参数可以反映算法的计算量以及复杂度，时间越短则算法越简单、复杂度越低、硬件实现过程中消耗的资源越少。如表1所示，采用本方法进行处理的时间与采用全局色调映射算法的处理时间较为接近，但是比局部色调映射算法节约了大量时间。因此，本方法的映射效果无论在视觉上还是在数据上都具有较大的优势。
表1
方差 熵值 时间
原图 93.5768 7.6501 /
全局色调映射 87.5979 6.9733 0.0230s
局部色调映射 94.7235 7.6881 1.3402s
本方法 95.1996 7.6930 0.0290s
需要说明的是，本发明公开的一种自适用色调映射方法及系统，结合了全局色调映射算法和局部色调映射方法，克服了单独使用全局色调映射算法或单独使用局部色调映射算法时所存在的缺陷，在保证映射结果对比度的同时简化了映射过程。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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，均应包含在本发明的保护范围之内。

Claims (8)

1.一种自适用色调映射方法，其特征在于，包括：
S1、计算源图像所处的场景亮度，并将场景亮度进行归一化处理，得到场景亮度归一化值；
S2、根据所述场景亮度归一化值，确定对源图像进行全局色调映射的映射参数λ；
S3、采用全局色调映射算法，根据所述映射参数λ对所述源图像进行处理，得到初步全局映射结果Li,j，Li,j为点(i，j)的像素的灰度值Ii,j经过全局映射算法处理的结果；
S4、采用局部色调映射算法，对所述源图像进行处理，得到每个局部区域中每个点的映射权重ωi,j；
S5、根据每个点的映射权重ωi,j、对应点在所述源图像中的像素灰度值Ii,j以及对应的初步全局映射结果Li,j，得到最终映射结果。
2.如权利要求1所述的自适用色调映射方法，其特征在于，所述的步骤S1，具体包括：
统计所述源图像Y通道的直方图信息，得到所述源图像各个灰度区域的像素值信息；
对所述各个灰度区域的像素值信息进行分析，得到所述源图像所处的场景亮度；
对所述场景亮度进行归一化处理，得到场景亮度归一化值。
3.如权利要求1所述的自适用色调映射方法，其特征在于，所述的步骤S4，具体包括：
计算所述局部区域中每个点的亮度均值Bi,j，并根据每个点的亮度均值Bi,j确定对应的映射权重因子ω1i,j；
统计每个点所在区域中的像素值信息，得到当前像素所处区间的映射权重因子ω2i,j；
根据所述映射权重因子ω1i,j和映射权重因子ω2i,j，得到最终的映射权重ωi,j。
4.如权利要求3所述的自适用色调映射方法，其特征在于，所述的步骤S5，具体包括：
根据公式Yi,j＝ωi,j×(Li,j-Ii,j)，对所述最终的映射权重因子ωi,j、初步全局映射结果Li,j以及源图像中位置处在(i，j)点的像素的灰度值进行处理，得到最终的映射结果Yi,j。
5.一种自适用色调映射系统，其特征在于，包括：场景亮度归一化处理模块、映射参数计算模块、全局映射结果计算模块、局部映射权重计算模块以及映射结果计算模块；
场景亮度归一化处理模块用于计算源图像所处的场景亮度，并将场景亮度进行归一化处理，得到场景亮度归一化值，并将场景亮度归一化值传输至映射参数计算模块；
映射参数计算模块用于根据所述场景亮度归一化值，确定对源图像进行全局色调映射的映射参数λ，并将映射参数λ传输至全局映射结果计算模块；
全局映射结果计算模块用于采用全局色调映射算法，根据所述映射参数λ对所述源图像进行处理，得到初步全局映射结果Li,j，Li,j为点(i，j)的像素的灰度值Ii,j经过全局映射算法处理的结果，并将全局映射算法处理的结果传输至局部映射权重计算模块；
局部映射权重计算模块用于采用局部色调映射算法，对所述源图像进行处理，得到每个局部区域中每个点的映射权重ωi,j，并将映射权重ωi,j传输至映射结果计算模块；
映射结果计算模块用于根据每个点的映射权重ωi,j、对应点在所述源图像中的像素灰度值Ii,j以及对应的初步全局映射结果Li,j，得到最终映射结果。
6.如权利要求5所述的自适用色调映射系统，其特征在于，所述场景亮度归一化处理模块，具体包括：像素值信息计算单元、场景亮度计算单元以及归一化单元；
像素值信息计算单元用于统计所述源图像Y通道的直方图信息，得到所述源图像各个灰度区域的像素值信息，并将灰度区域的像素值信息传输至场景亮度计算单元；
场景亮度计算单元用于对所述各个灰度区域的像素值信息进行分析，得到所述源图像所处的场景亮度，并将场景亮度传输至归一化单元；
归一化单元对所述场景亮度进行归一化处理，得到场景亮度归一化值。
7.如权利要求5所述的自适用色调映射系统，其特征在于，所述局部映射权重计算模块，具体包括：第一映射权重因子计算单元、第二映射权重因子计算单元以及映射权重计算单元；
第一映射权重因子计算单元用于计算所述局部区域中每个点的亮度均值Bi,j，并根据每个点的亮度均值Bi,j确定对应的映射权重因子ω1i,j，并将映射权重因子ω1i,j传输至映射权重计算单元；
第二映射权重因子计算单元用于统计每个点所在区域中的像素值信息，得到当前像素所处区间的映射权重因子ω2i,j并将映射权重因子ω2i,j传输至映射权重计算单元；
映射权重计算单元用于根据所述映射权重因子ω1i,j和映射权重因子ω2i,j，得到最终的映射权重ωi,j。
8.如权利要求7所述的自适用色调映射系统，其特征在于，所述映射结果计算模块，具体用于：
根据公式Yi,j＝ωi,j×(Li,j-Ii,j)，对所述最终的映射权重因子ωi,j、初步全局映射结果Li,j以及源图像中位置处在(i，j)点的像素的灰度值进行处理，得到最终的映射结果Yi,j。
CN201711447808.4A 2017-12-27 2017-12-27 一种自适用色调映射方法及系统 Active CN108198155B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711447808.4A CN108198155B (zh) 2017-12-27 2017-12-27 一种自适用色调映射方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711447808.4A CN108198155B (zh) 2017-12-27 2017-12-27 一种自适用色调映射方法及系统

Publications (2)

Publication Number Publication Date
CN108198155A true CN108198155A (zh) 2018-06-22
CN108198155B CN108198155B (zh) 2021-11-23

Family

ID=62584673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711447808.4A Active CN108198155B (zh) 2017-12-27 2017-12-27 一种自适用色调映射方法及系统

Country Status (1)

Country Link
CN (1) CN108198155B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110544457A (zh) * 2019-09-09 2019-12-06 深圳博邦诚光电有限公司 反Gamma动态映射算法
CN111292269A (zh) * 2020-02-13 2020-06-16 珠海全志科技股份有限公司 一种图像色调映射方法、计算机装置及计算机可读存储介质
CN111294575A (zh) * 2020-01-19 2020-06-16 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及存储介质
CN111369459A (zh) * 2020-03-02 2020-07-03 湖南国科微电子股份有限公司 一种优化全局色调映射对比度的方法及装置
CN111402165A (zh) * 2020-03-18 2020-07-10 展讯通信（上海）有限公司 图像处理方法、装置、设备及存储介质
CN111738966A (zh) * 2020-05-29 2020-10-02 展讯通信（上海）有限公司 图像处理方法及装置、存储介质、终端
CN113744137A (zh) * 2020-05-27 2021-12-03 合肥君正科技有限公司 一种螺旋矩阵式的帧差平滑处理方法
CN113744137B (zh) * 2020-05-27 2024-05-31 合肥君正科技有限公司 一种螺旋矩阵式的帧差平滑处理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567976A (zh) * 2010-12-31 2012-07-11 微软公司 非常大的航拍图像拼接的色调映射
CN104574290A (zh) * 2013-10-17 2015-04-29 想象技术有限公司 色调映射
US20170091915A1 (en) * 2014-05-30 2017-03-30 Shenzhen Mindray Bio-Medical Electronics Co., Ltd. Systems and methods for selective enhancement of a region of interest in an image

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567976A (zh) * 2010-12-31 2012-07-11 微软公司 非常大的航拍图像拼接的色调映射
CN104574290A (zh) * 2013-10-17 2015-04-29 想象技术有限公司 色调映射
US20170091915A1 (en) * 2014-05-30 2017-03-30 Shenzhen Mindray Bio-Medical Electronics Co., Ltd. Systems and methods for selective enhancement of a region of interest in an image

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘颖等: "高动态范围图像全局与局部色调映射的融合", 《传感器与微系统》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110544457A (zh) * 2019-09-09 2019-12-06 深圳博邦诚光电有限公司 反Gamma动态映射算法
CN111294575A (zh) * 2020-01-19 2020-06-16 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及存储介质
CN111294575B (zh) * 2020-01-19 2022-06-28 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及存储介质
CN111292269A (zh) * 2020-02-13 2020-06-16 珠海全志科技股份有限公司 一种图像色调映射方法、计算机装置及计算机可读存储介质
CN111292269B (zh) * 2020-02-13 2023-09-01 珠海全志科技股份有限公司 图像色调映射方法、计算机装置及计算机可读存储介质
CN111369459A (zh) * 2020-03-02 2020-07-03 湖南国科微电子股份有限公司 一种优化全局色调映射对比度的方法及装置
CN111369459B (zh) * 2020-03-02 2024-03-22 湖南国科微电子股份有限公司 一种优化全局色调映射对比度的方法及装置
CN111402165A (zh) * 2020-03-18 2020-07-10 展讯通信（上海）有限公司 图像处理方法、装置、设备及存储介质
CN113744137A (zh) * 2020-05-27 2021-12-03 合肥君正科技有限公司 一种螺旋矩阵式的帧差平滑处理方法
CN113744137B (zh) * 2020-05-27 2024-05-31 合肥君正科技有限公司 一种螺旋矩阵式的帧差平滑处理方法
CN111738966A (zh) * 2020-05-29 2020-10-02 展讯通信（上海）有限公司 图像处理方法及装置、存储介质、终端

Also Published As

Publication number Publication date
CN108198155B (zh) 2021-11-23

Similar Documents

Publication Publication Date Title
CN108198155A (zh) 一种自适用色调映射方法及系统
Rivera et al. Content-aware dark image enhancement through channel division
JP3851171B2 (ja) 視覚的注意のモデル化方法
EP1857976B1 (en) Histogram adjustment for high dynamic range image mapping
EP1857975B1 (en) Histogram adjustment for high dynamic range image mapping
US20140079319A1 (en) Methods for enhancing images and apparatuses using the same
CN105006001B (zh) 一种基于非线性结构相似度偏差的有参图像的质量评估方法
CN110060222B (zh) 一种图像校正方法、装置及内窥镜系统
WO2021248966A1 (zh) 点云质量评估方法、编码器、解码器及存储介质
CN106846240B (zh) 一种调整融合素材的方法、装置和设备
KR101846743B1 (ko) 톤 맵핑 영상에 대한 객관적 화질 평가 방법 및 장치
US20130004070A1 (en) Skin Color Detection And Adjustment In An Image
CN103685972B (zh) 影像优化方法以及使用此方法的系统
Gao et al. A content-based image quality metric
TWI586175B (zh) 視訊會議頻寬管理方法及系統
CN108900825A (zh) 一种2d图像到3d图像的转换方法
KR101507642B1 (ko) 평가 전달량에 기초한 안개 영상 보상 방법
CN110796629B (zh) 一种图像融合方法及系统
CN114331856A (zh) 一种提高宽动态范围图像清晰度的方法
CN112102349A (zh) 肤色识别的方法、装置及计算机可读存储介质
EP1919189B1 (en) Method and apparatus for processing digital images
CN105631812A (zh) 一种对显示图像进行色彩增强的控制方法及控制装置
Jung et al. Detail-preserving tone mapping for low dynamic range displays with adaptive gamma correction
Bae et al. Adaptive tone-mapping operator for HDR images based on image statistics
Simone et al. Evaluation of a difference of gaussians based image difference metric in relation to perceived compression artifacts

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