CN108510554B - 一种图像处理方法及系统 - Google Patents

一种图像处理方法及系统 Download PDF

Info

Publication number
CN108510554B
CN108510554B CN201810189148.2A CN201810189148A CN108510554B CN 108510554 B CN108510554 B CN 108510554B CN 201810189148 A CN201810189148 A CN 201810189148A CN 108510554 B CN108510554 B CN 108510554B
Authority
CN
China
Prior art keywords
target image
function
image
mapping
pixel data
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
CN201810189148.2A
Other languages
English (en)
Other versions
CN108510554A (zh
Inventor
濮怡莹
饶洋
许神贤
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.)
Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Original Assignee
Shenzhen China Star Optoelectronics Semiconductor Display 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 Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd filed Critical Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Priority to CN201810189148.2A priority Critical patent/CN108510554B/zh
Publication of CN108510554A publication Critical patent/CN108510554A/zh
Priority to PCT/CN2018/105357 priority patent/WO2019169851A1/zh
Application granted granted Critical
Publication of CN108510554B publication Critical patent/CN108510554B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20008—Globally adaptive
    • 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
    • G06T2207/30168—Image quality inspection

Landscapes

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

Abstract

本发明提出了一种图像处理方法及系统，通过获取所述目标图像的像素数据，并在等色相平面内构造关于所述目标图像的映射函数f1(x)，根据所述目标图像的像素数据与所述映射函数f1(x)，使得所示映射函数g(x)根据目标图像的像素数据自动调节，并通过修正函数的修正后，输出最终图像，使得不同的图像在色域映射中，能保持原图像的色彩以及细节。

Description

一种图像处理方法及系统
技术领域
本发明涉及图像处理技术领域，特别涉及一种图像处理方法及系统。
背景技术
随着人们生活水平的提高，对电子产品的画面显示效果追求越来越高。现有技术中，彩色图像在不同设备间进行复制时，由于每个设备的色域不同，为了尽可能地减少图像在复制过程中的颜色损失或失真，有必要做映射变换。一般情况下，变换映射算法的评价标准是尽可能准确或者尽可能接近图像的本来色彩。
从小色域映射到大色域的一般做法是定点匹配线性扩大，但是从大色域变换到小色域时就会比较复杂；如图1所示，包括以下几种方法，其中，图1中的C1为目标色域，即小色域区域中的映射长度值，C2为所述目标图像中待映射的像素在大色域区域中的长度值：
1、Clipping映射到边界法：为了保持色调不变，绝大部分映射方法是在等色调平面内进行映射(HSL(Hue，Saturation，Lightness)或HSV(Hue，Saturation，Value)等坐标下)；此种方法主要为，将待映射点沿着映射方向朝色域内映射，即色域内的点不变，将色域外的点映射到小色域的边界，这种方法可以极大地保持色域内点的色彩，但是会导致色域外同一映射方向上的点都映射到边界的同一个点上，损失了其中的细节；
2、Linear线性映射法：即线性压缩映射，在等色调平面内，采用分区多点影射方法确定映射方向，将待映射点等比例线性压缩至色域内，这样保留了原图的细节，但是会损失色域内点的色彩；
3、S-curve曲线法：即非线性曲线压缩，将待映射点沿着映射方向朝色域内映射；此种方法能平衡细节和色彩，但是曲线下半部分使得映射后与原图发生较大偏离。
本发明是基于非线性压缩的映射方法，并加以改进的一种图像处理方法。
发明内容
本发明提供一种图像处理方法及系统，以改善现有图像在色域映射中细节丢失等问题。
为实现上述目的，本发明提供的技术方案如下：
本发明提供了一种图像处理方法，其中，所述图像处理方法包括：
步骤S10、读取目标图像，获取所述目标图像的像素数据；
步骤S20、在等色相平面内，构造关于所述目标图像的映射函数f1(x)；
步骤S30、根据所述目标图像的像素数据与所述映射函数f1(x)，输出新图像；
步骤S40、利用修正函数g(x)对所述新图像进行修正，并输出最终图像。
根据本发明一优选实施例，所述步骤S10包括：
步骤S101、读取所述目标图像；
步骤S102、获取所述目标图像在HIS或HSV颜色空间中关于饱和度的像素数据；
步骤S103、根据所述目标图像关于饱和度的像素数据，形成矩阵函数M(i,j)；
步骤S104、对所述目标图像进行边缘检测并二值化处理，得到边缘函数f3(x)；
步骤S105、根据所述矩阵函数M(i,j)和所述边缘函数f3(n)，得到所述目标图像关于饱和度分布的参数θ。
根据本发明一优选实施例，所述矩阵函数
Figure BDA0001591175780000031
其中，S为CIE颜色空间的域值，i和j为CIE颜色空间的坐标，σ为所述目标图像在等色相平面内小色域面积与大色域面积的比值。
根据本发明一优选实施例，所述饱和度分布的参数
Figure BDA0001591175780000032
其中，所述count()为统计矩阵中非0像素个数的函数，m为所述目标图像横向方向上的像素个数，n为所述目标图像纵向方向上的像素个数，ε为人工调节因子，θ的取值范围为[0，1]。
根据本发明一优选实施例，
所述映射函数或者
所述映射函数
Figure BDA0001591175780000034
或者
所述映射函数
Figure BDA0001591175780000035
其中，b为所述目标图像中待映射的像素在大色域区域中的长度值，a为目标小色域区域中的映射长度值。
本发明还提出了一种图像处理系统，其中，所述图像处理系统包括：扫描模块、构造模块、计算模块以及修正模块；
所述扫描模块用于读取目标图像，获取所述目标图像的像素数据；
所述构造模块用于在等色相平面内，构造关于所述目标图像的映射函数f1(x)；
所述计算模块用于根据所述目标图像的像素数据与所述映射函数f1(x)，输出新图像；
所述修正模块用于利用修正函数g(x)对所述新图像进行修正，并输出最终图像。
根据本发明一优选实施例，所述扫描模块包括：读取单元、扫描单元、矩阵单元、边缘检测单元以及组合单元；
所述读取单元用于读取所述目标图像；
所述扫描单元用于获取所述目标图像在HIS或HSV颜色空间中关于饱和度的像素数据；
所述矩阵单元用于根据所述目标图像关于饱和度的像素数据，形成矩阵函数M(i,j)；
所述边缘检测单元用于对所述目标图像进行边缘检测并二值化处理，得到边缘函数f3(x)；
所述组合单元用于根据所述矩阵函数M(i,j)和所述边缘函数f3(n)，得到所述目标图像关于饱和度分布的参数θ。
根据本发明一优选实施例，所述矩阵函数
Figure BDA0001591175780000041
其中，S为CIE颜色空间的域值，i和j为CIE颜色空间的坐标，σ为所述目标图像在等色相平面内小色域面积与大色域面积的比值。
根据本发明一优选实施例，所述饱和度分布的参数
其中，所述count()为统计矩阵中非0像素个数的函数，m为所述目标图像横向方向上的像素个数，n为所述目标图像纵向方向上的像素个数，ε为人工调节因子，θ的取值范围为[0，1]。
根据本发明一优选实施例，
所述映射函数
Figure BDA0001591175780000052
或者
所述映射函数
Figure BDA0001591175780000053
或者
所述映射函数
Figure BDA0001591175780000054
其中，b为所述目标图像中待映射的像素在大色域区域中的长度值，a为目标小色域区域中的映射长度值。
本发明的有益效果为：本发明提出了一种图像处理方法及系统，通过获取所述目标图像的像素数据，并在等色相平面内构造关于所述目标图像的映射函数f1(x)，根据所述目标图像的像素数据与所述映射函数f1(x)，使得所示映射函数f1(x)根据目标图像的像素数据自动调节，使得不同的图像在色域映射中，保持了原图像的色彩以及细节。
附图说明
为了更清楚地说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介绍，显而易见地，下面描述中的附图仅仅是发明的一些实施例，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为现有技术中图像处理常用的映射方法示意图；
图2为本发明优选实施例一种图像处理方法的步骤示意图；
图3为本发明优选实施例一种图像处理方法中的等色相平面映射示意图；
图4为本发明优选实施例一种图像处理方法的映射函数不同取值的曲线图；
图5为本发明优选实施例一种图像处理系统的结构示意图；
图6为本发明优选实施例一种图像处理系统的结构示意图。
具体实施方式
以下各实施例的说明是参考附加的图示，用以例示本发明可用以实施的特定实施例。本发明所提到的方向用语，例如[上]、[下]、[前]、[后]、[左]、[右]、[内]、[外]、[侧面]等，仅是参考附加图式的方向。因此，使用的方向用语是用以说明及理解本发明，而非用以限制本发明。在图中，结构相似的单元是用以相同标号表示。
图2所示为本发明优选实施例一种图像处理方法的步骤示意图，其中，所述图像处理方法包括：
步骤S10、读取目标图像，获取所述目标图像的像素数据；
首先，读取目标图像，以获取所述目标图像在HIS或HSV颜色空间中的像素数据；此处所叙述的像素数据，在HIS颜色空间中代表色调、亮度以及饱和度，在HSV颜色空间中代表色调、饱和度以及明度；
在本发明优选实施例中，为了更好的进行说明，本发明以饱和度为例，首先获取所述目标图像在HIS或HSV颜色空间中的像素数据的分量饱和度，根据所述目标图像的饱和度，形成矩阵函数；
所述矩阵函数为：
Figure BDA0001591175780000071
其中，S为CIE颜色空间的域值，即目标图像的饱和度，i和j为CIE颜色空间的坐标；σ为所述目标图像在等色相平面内小色域面积与大色域面积的比值，即将目标图像复制到不同的色域环境下，σ的值不同；
然后，对所述目标图像进行边缘检测并二值化处理，此处的边缘检测主要采用Sobel模板或其他边缘检测模板，得到边缘函数f3(x)，该边缘函数主要表征目标函数的细节特征；
最后，根据得到的所述矩阵函数M(i,j)和所述边缘函数f3(n)，得到所述目标图像关于饱和度分布的参数θ，在本实施例中，所述饱和度分布的参数为：
Figure BDA0001591175780000072
其中，所述count()为统计矩阵中非0像素个数的函数，m为所述目标图像横向方向上的像素个数，n为所述目标图像纵向方向上的像素个数，ε为人工调节因子，θ的取值范围为[0，1]；
操作员调节ε的值，进而调节θ的变化幅度，θ体现了所输入目标图像在饱和区域内的细节丰富程度，细节越丰富θ越接近0，细节越少，θ越接近1。
步骤S20、在等色相平面内，构造关于所述目标图像的映射函数f1(x)；
此步骤的主要宗旨为，在尽可能保持原图色彩的基础上而不丢失细节；即在等色相平面内，构造关于所述目标图像的映射函数f1(x)，所述映射函数为：
Figure BDA0001591175780000081
在本实施例中，图3所示为等色相平面内(L-C平面)两个色域的示意图，L为亮度，c为纯度；在某个映射方向上，a为目标色域，即小色域区域中的映射长度值，b为所述目标图像中待映射的像素在大色域区域中的长度值；
由于上述函数为二次函数，当函数可能无限大或者无限小，因此为了避免该函数出现这种情况，所述映射函数可以设置为：
Figure BDA0001591175780000082
图4所示为所述映射函数F(x)中的θ分别取1、0.75、0.5、0.25、0时的函数图像；即当θ接近1时，函数往上接近于边缘映射函数，当θ接近0时，函数往下接近于线性映射函数；
另外，所述映射函数还可以以其他形式存在，例如线性转折函数(肘函数)，即通过θ来调节该函数的拐点，所述映射函数为：
Figure BDA0001591175780000083
步骤S30、根据所述目标图像的像素数据与所述映射函数f1(x)，输出新图像；
此步骤主要为将步骤S10中所获取的关于所述目标图像中关于饱和度分布的参数θ，与步骤S20中所构造的映射函数f1(x)相结合，使得所述目标图像通过所述映射函数f1(x)，输出新图像；
在本实施例中，所述目标图像在饱和区域内的细节越丰富，θ越接近0，函数y越往下接近于线性映射函数，映射结果可以尽可能地保留细节；反之，当图像在饱和区域内的细节越少，θ越接近1，函数y越往上接近于边界截断映射函数，映射结果可以尽可能地保留色彩。
步骤S40、利用修正函数g(x)对所述新图像进行修正，并输出最终图像；
所述目标图像经构造的所述映射函数处理后，所得到的新图像的最大亮度值可能小于目标图像的最大亮度值，新图像的最小亮度值可能大于目标图像的最小亮度值，导致新图像的局部区域出现失真；因此，后续步骤中，需要利用修正函数对新图像进行修正，所述修正函数为一次函数g(x)，将新图像映射至目标图像的最大亮度和最小亮度值之间，并输出最终图像。
本发明提出了一种图像处理方法，通过获取所述目标图像的像素数据，并在等色相平面内构造关于所述目标图像的映射函数f1(x)，根据所述目标图像的像素数据与所述映射函数f1(x)，使得所示映射函数f1(x)根据目标图像的像素数据自动调节，并通过修正函数的修正后，输出最终图像，使得不同的图像在色域映射中，能保持原图像的色彩以及细节。
图5所示为本发明优选实施例一种图像处理系统，其中，所述图像处理系统30包括：扫描模块301、构造模块302、计算模块303以及修正模块304；
所述扫描模块301用于读取目标图像，获取所述目标图像的像素数据；
所述构造模块302用于在等色相平面内，构造关于所述目标图像的映射函数f1(x)；
所述计算模块303用于根据所述目标图像的像素数据与所述映射函数f1(x)，输出新图像；
所述修正模块304用于利用修正函数g(x)对所述新图像进行修正，并输出最终图像。
如图6所示，所述扫描模块301包括：读取单元3011、扫描单元3012、矩阵单元3013、边缘检测单元3014以及组合单元3015；
所述读取单元3011用于读取所述目标图像；
所述扫描单元3012用于获取所述目标图像在HIS或HSV颜色空间中关于饱和度的像素数据；
所述矩阵单元3013用于根据所述目标图像关于饱和度的像素数据，形成矩阵函数M(i,j)；
所述边缘检测单元3014用于对所述目标图像进行边缘检测并二值化处理，得到边缘函数f3(x)；
所述组合单元3015用于根据所述矩阵函数M(i,j)和所述边缘函数f3(n)，得到所述目标图像关于饱和度分布的参数θ。
根据本发明优选实施例，在所述矩阵单元中，所述矩阵函数为
Figure BDA0001591175780000101
其中，S为CIE颜色空间的域值，i和j为CIE颜色空间的坐标，σ为所述目标图像在等色相平面内小色域面积与大色域面积的比值。
根据本发明优选实施例，在所述矩阵单元中，所述饱和度分布的参数为：
Figure BDA0001591175780000111
其中，所述count()为统计矩阵中非0像素个数的函数，m为所述目标图像横向方向上的像素个数，n为所述目标图像纵向方向上的像素个数，ε为人工调节因子，θ的取值范围为[0，1]。
根据本发明优选实施例，在所述构造模块中，所述映射函数为：
Figure BDA0001591175780000112
其中，为等色相平面内(L-C平面)两个色域的示意图，L为亮度，c为纯度；在某个映射方向上，a为目标色域，即小色域区域中的映射长度值，b为所述目标图像中待映射的像素在大色域区域中的长度值；
根据本发明优选实施例，在所述构造模块中，所述映射函数可以设置为：
Figure BDA0001591175780000113
根据本发明优选实施例，在所述构造模块中，所述映射函数还可以设置为：
Figure BDA0001591175780000114
本发明提出了一种图像处理系统，所述图像处理系统包括：扫描模块，用于读取目标图像，获取所述目标图像的像素数据；构造模块，用于在等色相平面内，构造关于所述目标图像的映射函数f1(x)；计算模块，用于根据所述目标图像的像素数据与所述映射函数f1(x)，输出新图像；修正模块，用于利用修正函数f2(x)对所述新图像进行修正，并输出最终图像；使得不同的图像在色域映射中，能保持原图像的色彩以及细节
以上对本发明实施例提供的一种图像处理方法及系统进行了详细介绍，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种图像处理方法，其特征在于，包括：
步骤S10、读取目标图像，获取所述目标图像的像素数据；
步骤S20、在等色相平面内，构造关于所述目标图像的映射函数f1(x)；
步骤S30、根据所述目标图像的像素数据与所述映射函数f1(x)，输出新图像；
步骤S40、利用修正函数g(x)对所述新图像进行修正，并输出最终图像；
其中，所述步骤S10包括：
步骤S101、读取所述目标图像；
步骤S102、获取所述目标图像在HIS或HSV颜色空间中关于饱和度的像素数据；
步骤S103、根据所述目标图像关于饱和度的像素数据，形成矩阵函数M(i,j)；
步骤S104、对所述目标图像进行边缘检测并二值化处理，得到边缘函数f3(x)；
步骤S105、根据所述矩阵函数M(i,j)和所述边缘函数f3(n)，得到所述目标图像关于饱和度分布的参数θ。
2.根据权利要求1所述图像处理方法，其特征在于，所述矩阵函数
其中，S为CIE颜色空间的阈值 ，i和j为CIE颜色空间的坐标，σ为所述目标图像在等色相平面内小色域面积与大色域面积的比值。
3.根据权利要求1所述图像处理方法，其特征在于，所述饱和度分布的参数
Figure FDA0002090841260000021
其中，所述count()为统计矩阵中非0像素个数的函数，m为所述目标图像横向方向上的像素个数，n为所述目标图像纵向方向上的像素个数，ε为人工调节因子，θ的取值范围为[0，1]。
4.根据权利要求3所述图像处理方法，其特征在于，所述映射函数
Figure FDA0002090841260000022
或者
所述映射函数
Figure FDA0002090841260000023
或者
所述映射函数
Figure FDA0002090841260000024
其中，b为所述目标图像中待映射的像素在大色域区域中的长度值，a为目标小色域区域中的映射长度值。
5.一种图像处理系统，其特征在于，所述图像处理系统包括：扫描模块、构造模块、计算模块以及修正模块；
所述扫描模块用于读取目标图像，获取所述目标图像的像素数据；
所述构造模块用于在等色相平面内，构造关于所述目标图像的映射函数f1(x)；
所述计算模块用于根据所述目标图像的像素数据与所述映射函数f1(x)，输出新图像；
所述修正模块用于利用修正函数g(x)对所述新图像进行修正，并输出最终图像；
其中，所述扫描模块包括：读取单元、扫描单元、矩阵单元、边缘检测单元以及组合单元；
所述读取单元用于读取所述目标图像；
所述扫描单元用于获取所述目标图像在HIS或HSV颜色空间中关于饱和度的像素数据；
所述矩阵单元用于根据所述目标图像关于饱和度的像素数据，形成矩阵函数M(i,j)；
所述边缘检测单元用于对所述目标图像进行边缘检测并二值化处理，得到边缘函数f3(x)；
所述组合单元用于根据所述矩阵函数M(i,j)和所述边缘函数f3(n)，得到所述目标图像关于饱和度分布的参数θ。
6.根据权利要求5所述图像处理系统，其特征在于，所述矩阵函数
Figure FDA0002090841260000031
其中，S为CIE颜色空间的阈值 ，i和j为CIE颜色空间的坐标，σ为所述目标图像在等色相平面内小色域面积与大色域面积的比值。
7.根据权利要求5所述图像处理系统，其特征在于，所述饱和度分布的参数
Figure FDA0002090841260000032
其中，所述count()为统计矩阵中非0像素个数的函数，m为所述目标图像横向方向上的像素个数，n为所述目标图像纵向方向上的像素个数，ε为人工调节因子，θ的取值范围为[0，1]。
8.根据权利要求7所述图像处理系统，其特征在于，所述映射函数
Figure FDA0002090841260000033
或者
所述映射函数
Figure FDA0002090841260000034
或者
所述映射函数
Figure FDA0002090841260000041
其中，b为所述目标图像中待映射的像素在大色域区域中的长度值，a为目标小色域区域中的映射长度值。
CN201810189148.2A 2018-03-08 2018-03-08 一种图像处理方法及系统 Active CN108510554B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810189148.2A CN108510554B (zh) 2018-03-08 2018-03-08 一种图像处理方法及系统
PCT/CN2018/105357 WO2019169851A1 (zh) 2018-03-08 2018-09-13 图像处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810189148.2A CN108510554B (zh) 2018-03-08 2018-03-08 一种图像处理方法及系统

Publications (2)

Publication Number Publication Date
CN108510554A CN108510554A (zh) 2018-09-07
CN108510554B true CN108510554B (zh) 2020-01-14

Family

ID=63376289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810189148.2A Active CN108510554B (zh) 2018-03-08 2018-03-08 一种图像处理方法及系统

Country Status (2)

Country Link
CN (1) CN108510554B (zh)
WO (1) WO2019169851A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108510554B (zh) * 2018-03-08 2020-01-14 深圳市华星光电半导体显示技术有限公司 一种图像处理方法及系统
CN113763293A (zh) * 2021-08-13 2021-12-07 北京富吉瑞光电科技股份有限公司 图像处理方法、装置、计算机可读存储介质与处理器

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1645903A (zh) * 2004-01-23 2005-07-27 柯尼卡美能达影像株式会社 图像处理装置、图像处理方法及图像处理程序
CN102790842A (zh) * 2011-05-19 2012-11-21 佳能株式会社 颜色再现范围压缩方法和使用该方法的配置文件创建装置
CN107680142A (zh) * 2017-10-23 2018-02-09 深圳市华星光电半导体显示技术有限公司 改善域外色重叠映射的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9659354B2 (en) * 2015-03-20 2017-05-23 Intel Corporation Color matching for imaging systems
CN108510554B (zh) * 2018-03-08 2020-01-14 深圳市华星光电半导体显示技术有限公司 一种图像处理方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1645903A (zh) * 2004-01-23 2005-07-27 柯尼卡美能达影像株式会社 图像处理装置、图像处理方法及图像处理程序
CN102790842A (zh) * 2011-05-19 2012-11-21 佳能株式会社 颜色再现范围压缩方法和使用该方法的配置文件创建装置
CN107680142A (zh) * 2017-10-23 2018-02-09 深圳市华星光电半导体显示技术有限公司 改善域外色重叠映射的方法

Also Published As

Publication number Publication date
WO2019169851A1 (zh) 2019-09-12
CN108510554A (zh) 2018-09-07

Similar Documents

Publication Publication Date Title
CN110148095B (zh) 一种水下图像增强方法及增强装置
WO2022100242A1 (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
US7170645B2 (en) Method and apparatus for enhancing digital image quality
WO2020038124A1 (zh) 图像对比度增强方法、装置、设备及存储介质
KR100886099B1 (ko) 감마 보정 곡선의 자동 산출 장치 및 방법
CN109068025B (zh) 一种镜头阴影校正方法、系统及电子设备
CN107154059A (zh) 一种高动态范围视频处理方法
US8422815B2 (en) Image processing apparatus, image processing method and image processing program
US20190052860A1 (en) Multi-Image Color-refinement with Application to Disparity Estimation
CN108510554B (zh) 一种图像处理方法及系统
Kwok et al. Gray world based color correction and intensity preservation for image enhancement
CN110175969B (zh) 图像处理方法及图像处理装置
CN109816608A (zh) 一种基于噪声抑制的低照度图像自适应亮度增强方法
WO2019153731A1 (zh) 图像处理方法及系统
CN111489322A (zh) 给静态图片加天空滤镜的方法及装置
CN107025641A (zh) 基于对比度分析的图像融合方法
US8861850B2 (en) Digital image color correction
CN111539975B (zh) 一种运动目标的检测方法、装置、设备及存储介质
US8744207B2 (en) Image processing device, image processing method, image processing program and recording medium
KR20090055990A (ko) 임장감 향상을 위한 질감 재현 시스템 및 방법 그리고 채도보정 시스템 및 방법
CN115334294B (zh) 一种本地自适应力度的视频降噪方法
KR101585187B1 (ko) Cielab 색 공간에서의 통합된 멀티 스케일 레티넥스를 수행하는 이미지 처리 방법 및 장치
WO2023284528A1 (zh) 一种图像增强方法、装置、计算机设备和存储介质
Baby et al. Bi-level weighted histogram equalization with adaptive gamma correction
CN115379186B (zh) 一种图像自动白平衡的方法及终端

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