CN108694030A - 处理高动态范围图像的方法和装置 - Google Patents
处理高动态范围图像的方法和装置 Download PDFInfo
- Publication number
- CN108694030A CN108694030A CN201710233543.1A CN201710233543A CN108694030A CN 108694030 A CN108694030 A CN 108694030A CN 201710233543 A CN201710233543 A CN 201710233543A CN 108694030 A CN108694030 A CN 108694030A
- Authority
- CN
- China
- Prior art keywords
- nonlinear
- linear
- maximum value
- component
- display content
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000012546 transfer Methods 0.000 claims description 44
- 230000014509 gene expression Effects 0.000 claims description 28
- 230000000694 effects Effects 0.000 abstract description 8
- 238000005312 nonlinear dynamic Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 30
- 230000003287 optical effect Effects 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Controls And Circuits For Display Device (AREA)
- Picture Signal Circuits (AREA)
Abstract
本申请提供一种处理高动态范围图像的方法,能够提升HDR图像的显示效果。该方法包括:获取待处理的高动态范围HDR图像的统计信息;根据统计信息,计算HDR图像的非线性分级参考最大值;根据非线性分级参考最大值和预设的多个分级区间,计算HDR图像的非线性参考最大值,分级区间用于对分级参考最大值进行分级,每个分级区间对应非线性分级参考最大值的一个取值范围;根据非线性参考最大值调整HDR图像的动态范围。
Description
技术领域
本申请涉及图像处理领域,并且更具体地,涉及一种处理高动态范围HDR图像的方法和装置。
背景技术
动态范围(Dynamic Range,DR)在很多领域用来表示某个变量的最大值和最小值的比率。在数字图像中,动态范围表征了在图像可显示范围内的最大亮度与最小亮度之间的比率,也就是图像从“最亮”到“最暗”之间灰度划分的等级数,其单位为坎德拉每平方米(cd/m2),也可以表示为尼特(nits)。一个图像的动态范围越大,它所能表示的亮度层次越丰富,图像的视觉效果越逼真。由于真实世界中自然场景的动态范围在10-3到106之间,动态范围非常大,因此称之为高动态范围(High Dynamic Range,HDR)。相对于高动态范围图像,普通图像的动态范围为低动态范围(Low Dynamic Range,LDR)。
现阶段的显示设备,一般把动态范围不足0.1到400nits的称为标准动态范围(Standard Dynamic Range,SDR)显示设备;把动态范围超过0.01到540nits的称为高动态范围High Dynamic Range,HDR)显示设备,不同的高动态范围显示设备显示动态范围也不同,如0.01到540nits的高动态范围显示设备,0.005到1000nits的高动态范围显示设备等。可见,SDR显示设备所能够显示的图像的动态范围是有限的。为了使用SDR显示设备显示HDR图像,一般都需要对HDR图像的动态范围进行压缩(或者说,调整);为了使得HDR图像适应不同动态范围的HDR显示设备,也需要对HDR图像进行动态范围调整(压缩或拉伸),以将HDR图像的高动态范围调整到显示设备的显示能力范围内进行显示。
现有技术中,HDR图像动态范围的调整,仅和图像内容统计最大值和最小值,显示设备所能显示的最大亮度值和最小亮度值等参数相关。仅使用这些参数会导致HDR图像的亮度层次出现较多丢失,亮度对比不明显,调整后的HDR图像显示效果不佳。
发明内容
本申请提供一种用于处理HDR图像的方法,能够提升HDR图像的显示效果。
第一方面,本申请提供了一种用于处理高动态范围HDR图像的方法,该方法包括:获取待处理的高动态范围HDR图像的统计信息;根据统计信息,计算HDR图像的非线性分级参考最大值;根据非线性分级参考最大值和预设的多个分级区间,计算HDR图像的非线性参考最大值,分级区间用于对非线性分级参考最大值进行分级,每个分级区间对应非线性分级参考最大值的一个取值范围;根据非线性参考最大值,调整HDR图像的动态范围。
在本申请实施例中,通过对HDR图像的非线性分级参考最大值进行分级,并根据非线性分级参考最大值计算HDR图像的非线性参考最大值,可以提升对不同等级的动态范围的HDR图像的分类准确性。因此,将该非线性参考最大值应用于HDR图像的动态范围的调整,能够提升HDR图像的显示效果。
在一种可能的实现方式中,每个分级区间对应一个表达式,表达式用于计算非线性参考最大值,根据非线性分级参考最大值和预设的多个分级区间,计算HDR图像的非线性参考最大值,包括:从多个分级区间中确定非线性分级参考最大值所属于的第一分级区间,第一分级区间对应第一表达式;根据第一表达式,计算HDR图像的非线性参考最大值。
在一种可能的实现方式中,HDR图像的统计信息至少包括HDR图像的如下参数:显示内容最大亮度、显示内容非线性Y分量最大值、显示内容非线性Y分量平均值和显示内容非线性Y分量标准方差。
在一种可能的实现方式中,根据HDR图像的统计信息,计算HDR图像的非线性分级参考最大值,包括:根据HDR图像的显示内容最大亮度、显示内容非线性Y分量最大值、显示内容非线性Y分量平均值和显示内容非线性Y分量标准方差,计算HDR图像的非线性亮度最大亮度、非线性Y分量均值标准差参考最大值和非线性Y分量最大值;将非线性亮度最大值、非线性Y分量均值标准差参考最大值和非线性Y分量最大值之中的最小值确定为非线性分级参考最大值。
在一种可能的实现方式中,根据HDR图像的显示内容最大亮度、显示内容非线性Y分量最大值、显示内容非线性Y分量平均值和显示内容非线性Y分量标准方差,计算HDR图像的非线性最大亮度、非线性Y分量均值标准差参考最大值和非线性Y分量最大值,包括:根据如下表达式计算HDR图像的非线性最大亮度、非线性Y分量均值标准差参考最大值和非线性Y分量最大值:
nonlinear_light_max=OETF(MaxContentLightLever);
nonlinear_average_max=ContentNonlinearAverageLuminance/65535+2.58×
ContentNonlinearVarianceLuminance/65535;nonlinear_lum_max=ContentNonlinearMaxLuminance/65535,其中,nonlinear_light_max为非线性最大亮度,MaxContentLightLever为显示内容最大亮度,nonlinear_average_max为非线性Y分量均值标准差参考最大值,ContentNonlinearAverageLuminance为显示内容非线性Y分量平均值,ContentNonlinearVarianceLuminance为显示内容非线性Y分量标准方差,ContentNonlinearMaxLuminance为显示内容非线性Y分量最大值的16位无符号整数表示,nonlinear_lum_max为显示内容非线性Y分量最大值的归一化表示。
在一种可能的实现方式中,非线性Y分量均值标准差参考最大值由显示内容非线性Y分量平均值与2.58倍的显示内容非线性Y分量标准方差求和得到,非线性最大亮度由显示内容最大亮度经过光电转移函数OETF转换获得。
在一种可能的实现方式中,根据非线性分级参考最大值和预设的多个分级区间,计算HDR图像的非线性参考最大值,包括通过如下表达式计算得到:
;
或者,
,
其中,MAX为非线性参考最大值,nonlinear_light_max为非线性最大亮度,reference_max为非线性分级参考最大值,OETF为光电转移函数,min表示求最小值的运算。
第二方面,本申请提供一种用于处理HDR图像的装置,用于执行第一方面或第一方面的任意可能的实现方式中的方法。具体地,该装置包括执行第一方面或第一方面的任意可能的实现方式中的方法的单元。
第三方面,本申请提供一种用于处理HDR图像的设备,该设备包括存储器和处理器。存储器用于存储计算机程序指令(或者说,代码)。处理器用于执行存储器中存储的指令,当指令被执行时,处理器执行第一方面或第一方面的任意可能的实现方式中的方法。
第四方面,本申请提供一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述第一方面或第一方面的任意可能的实现方式中的方法。
根据本申请提供的处理HDR图像的方法,通过对HDR图像的非线性分级参考最大值进行分级,并根据非线性分级参考最大值计算HDR图像的非线性参考最大值,可以提升对不同等级的动态范围的HDR图像的分类准确性。因此,将该非线性参考最大值应用于HDR图像的动态范围的调整,能够提升HDR图像的显示效果。
附图说明
图1为PQ光电转移函数的图像。
图2为HLG光电转移函数的图像。
图3为SLF光电转移函数的图像。
图4为本申请实施例提供的HDR图像的动态范围调整曲线的示意图。
图5为本申请实施例提供的图像处理的应用场景。
图6为本申请实施例提供的处理HDR图像的方法100的示意图。
图7为本申请实施例提供的处理HDR图像的装置200的示意图。
图8为本申请实施例提供的处理HDR图像的设备300的示意图。
具体实施方式
下面将结合附图,对本申请的技术方案进行描述。
首先,对本申请实施例中涉及的相关概念和技术作简单介绍。
动态范围(Dynamic Range)在很多领域用来表示某个变量最大值与最小值的比率。在数字图像中,动态范围表示了在图像可显示的范围内最大亮度值和最小亮度值之间的比率。自然界的动态范围是非常大的。例如,星空下的夜景亮度约为0.001cd/m2,太阳本身亮度高达1000,000,000cd/m2。其中,cd/m2(坎德拉每平方米)是衡量亮度的国际单位制导出单位。这样,自然界的动态范围达到了1000,000,000/0.001=1013的数量级。但是,在自然界真实的场景当中,太阳的亮度和星光的亮度不会同时得到。对真实世界中的自然场景来说,动态范围在10-3到106范围内。由于这是一个非常大的动态范围,因此,我们通常将其称作为高动态范围(High Dynamic Range,HDR)。相对于高动态范围,普通图片上的动态范围称之为低动态范围(Low Dynamic Range,LDR)。由此可以理解的是,数码相机的成像过程实际上就是真实世界的高动态范围到相片的低动态范围的映射。
图像的动态范围越大,表明图像显示的场景细节越多,亮度的层次越丰富,视觉效果越逼真。传统的数字图像一般采用一个字节,即8比特的空间来存储一个像素值,而高动态范围采用浮点数多字节来存储一个像素值,因此,能够表示出自然场景的高动态范围。
光学数字成像的过程(例如,数码相机的成像过程)是将真实场景的光辐射通过图像传感器转化为电信号,并以数字图像的方式保存下来。而图像显示的目的是通过显示设备重现一幅数字图像所描述的真实场景。两者的最终目标是使用户获得与其直接观察真实场景相同的视觉感知。
而光辐射(光信号)所能展示的真实场景中的亮度层次几乎是线性的,因此也将光信号称为线性信号。但是,光学数字成像在将光信号转换为电信号的过程中,并不是每一个光信号都对应着一个电信号,转换得到的电信号是非线性的。因此,也将电信号称为非线性信号。
光电转移函数(Optical Electro Transfer Function,OETF)表示图像像素的线性信号到非线性信号转换关系。随着显示设备的不断升级,相对于传统的显示设备,现阶段的显示设备所能显示的动态范围不断增大。现有的消费者级的HDR显示器可达到600cd/m2,高端HDR显示器能达到2000cd/m2,已经远远超出了传统SDR显示设备的显示范围。因此,国际电信联盟无线通信组(International Telecommunications Union-RadioCommunications Sector,ITU-R)BT.1886标准协议中,与传统SDR显示设备相适应的光电转移函数不再能够很好地表达现阶段HDR显示设备的显示性能。因此,需要对光电转移函数进行改进,以适应HDR显示设备的升级。
本申请实施例中,HDR光电转移函数OETF主要有如下三种:感知量化(PerceptualQuantizer,PQ)光电转移函数、混合对数伽马(Hybrid Log-Gamma,HLG)光电转移函数和场景亮度保真(Scene Luminance Fidelity,SLF)光电转移函数。这三种光电转移函数为音视频编码标准(Audio Video coding Standard,AVS)标准规定的光电转移函数。
PQ光电转移函数是根据人眼的亮度感知模型提出的感知量化光电转移函数。参见图1,图1为PQ光电转移函数的图像。
PQ光电转移函数表示图像像素的线性信号值到PQ域非线性信号值的转换关系,PQ光电转移函数可以表示为式(1):
其中,式(1)中各参数的计算如下:
其中,
L表示线性信号值,其值归一化为[0,1]。
L'表示非线性信号值,其值取值范围为[0,1]。
为PQ光电转移系数。
为PQ光电转移系数。
PQ光电转移系数。
PQ光电转移系数。
PQ光电转移系数。
HLG光电转移函数是在传统的Gamma曲线的基础上改进得到的。参见图2,图2为HLG光电转移函数的图像。
HLG光电转移函数在低段应用传统的Gamma曲线,在高段补充了log曲线。HLG光电转移函数表示图像像素的线性信号值到HLG域非线性信号值的转换关系,HLG光电转移函数可表示为式(2):
其中,
L表示线性信号值,其取值范围为[0,12],
L'表示非线性信号值,其取值范围为[0,1],
a=0.17883277,HLG光电转移系数,
b=0.28466892,HLG光电转移系数,
c=0.55991073,HLG光电转移系数。
SLF光电转移函数是在满足人眼光学特性的前提下,根据HDR场景亮度分布获得的最优曲线。参见图3,图3为SLF光电转移函数的图像。
SLF光电转移曲线表示图像像素的线性信号值到SLF域非线性信号值的转换关系。图像像素的线性信号值到SLF域非线性信号值的转换关系如式(3)所示:
其中,SLF光电转移函数可以表示为式(4):
其中:
L表示线性信号值,其值归一化为[0,1],
L'表示非线性信号值,其值取值范围为[0,1],
p=2.3,SLF光电转移系数,
m=0.14,SLF光电转移系数,
a=1.12762,SLF光电转移系数,
b=-0.12762,SLF光电转移系数。
由于现有的显示设备所能显示的动态范围是有限的,无法直接显示一张高动态范围的图像(如:最大亮度达到1000nits或10000nits等)。并且,不同的显示设备,其显示能力也各不相同。因此,一般会根据显示设备的显示能力,采用动态范围调整算法将高动态范围图像进行动态范围调整。换句话说,就是将HDR图像的动态范围调整到显示设备所能显示的动态范围内进行显示。这里,nits(尼特)为表征亮度的单位,等同于坎德拉每平方米(cd/m2)。
但是,现有技术中仅使用图像内容统计最大值、图像内容统计最小值、显示设备所能显示的最大亮度值和最小亮度值等参数。采用这种方式调整后的HDR图像的亮度层次会出现较多丢失,导致调整后的显示效果不佳。
为此,本申请提供一种处理HDR图像的方法,通过HDR图像的统计信息计算HDR图像的非线性参考最大值,再根据该非线性参考最大值调整HDR图像的动态范围,能够提升HDR图像的显示效果。
下面结合图4,对本申请实施提供的根据HDR图像的非线性参考最大值调整HDR图像的动态范围的过程进行说明。
首先定义如下几个变量:HDR图像的非线性参考最大值(以下记作L1)、HDR图像非线性参考最小值(以下记作L2)、输出图像非线性参考最大值(以下记作L'1)和输出图像非线性参考最小值(以下记作L'2)。
需要说明的是,在现有技术中,L1一般使用图像内容最大值,是对HDR图像的图像内容进行统计得到的真实最大值,例如OETF(10000nits)。L2为HDR图像非线性参考最小值,是对HDR图像的图像内容进行统计得到的最小值,例如0。L'1为显示设备所能显示的最大值,例如OETF(100nits)。L'2为显示设备所能显示的最小值,例如OETF(0.005nits)。
图4为HDR图像的动态范围调整曲线的示意图。参见图4,图中的横坐标表示动态范围调整前HDR图像的亮度,纵坐标表示动态范围调整后图像的亮度。曲线1~曲线5为几种不同的调整曲线的示例,这几条曲线的形状都为“S”型,曲线的斜率先上升后下降。用一条平滑的“S”型将(L1,L'1)和(L2,L'2)两个端点连接起来,使用这样的曲线对HDR图像动态范围进行调整,就将HDR图像从一个动态范围[L1,L2]调整至另一个动态范围[L'1,L'2]。例如,以曲线5为例,(L1,L'1)和(L2,L'2)两个端点具体为A(x1,y1)和B(x2,y2),用一条平滑S型曲线将A(x1,y1)和B(x2,y2)连接起来后,这条曲线(即,曲线5)所表示是将HDR图像的动态范围从0~10000(nits)调整至0.005(nits)~100(nits)。从而,对应亮度范围的显示设备可以对压缩后的动态范围为0.005(nits)~100(nits)的图像进行显示。
从上面描述的HDR图像的动态范围调整的过程可知,采用HDR图像的显示内容最大值L1对HDR图像的动态范围进行调整。在很多的自然场景下,如果只有少数的像素点的亮度在最大值L1附近或等于最大值L1,而其余的大部分像素点的亮度与L1的差值比较大,会导致调整后的图像在显示设备上显示整体偏暗,视觉效果不佳。
对于这个问题,本申请实施例进一步提供了一种计算HDR图像的非线性参考最大值的方法,将根据该方法计算得到的非线性参考最大值应用HDR图像的调整,可以进一步提升HDR图像在显示设备上显示的视觉效果。
图5为本申请实施例提供的处理HDR图像的方法的应用场景。参见图5,图像处理装置获取到待处理的HDR图像后,对该待处理的HDR图像进行动态范围的调整,并输出调整后的HDR图像。
下面对本申请提供的计算HDR图像的非线性参考最大值的方法进行详细说明。
图6为本申请实施例提供的处理HDR图像的方法100的示意图。参见图6,方法100包括步骤110-140。
110、获取待处理的HDR图像的统计信息。
HDR图像的统计信息,至少包括HDR图像的如下参数:显示内容最大亮度、显示内容非线性Y分量最大值、显示内容非线性Y分量平均值和显示内容非线性Y分量标准方差。
其中,这些参数可以通过现有方法计算获得,也可以通过HDR图像携带的元数据获得。这里不作限定。
120、根据统计信息,计算HDR图像的非线性分级参考最大值。
根据HDR图像的统计信息,计算HDR图像的非线性分级参考最大值,包括:
根据HDR图像的显示内容最大亮度、显示内容非线性Y分量最大值、显示内容非线性Y分量平均值和显示内容非线性Y分量标准方差,计算HDR图像的非线性最大亮度、非线性Y分量均值标准差参考最大值和非线性Y分量最大值;
将非线性亮度最大值、非线性Y分量均值标准差参考最大值和非线性Y分量最大值之中的最小值确定为非线性分级参考最大值。
具体地,可以参照如下表达式(5)至(7)进行计算非线性亮度最大值、非线性Y分量均值标准差参考最大值和非线性Y分量最大值:
nonlinear_light_max=OETF(MaxContentLightLever) (5)
nonlinear_average_max=ContentNonlinearAverageLuminance/65535+2.58×ContentNonlinearVarianceLuminance/65535 (6)
nonlinear_lum_max=ContentNonlinearMaxLuminance/65535 (7)
其中,nonlinear_light_max为非线性最大亮度,MaxContentLightLever为显示内容最大亮度,nonlinear_average_max为非线性Y分量均值标准差参考最大值,ContentNonlinearAverageLuminance为显示内容非线性Y分量平均值,ContentNonlinearVarianceLuminance为显示内容非线性Y分量标准方差,ContentNonlinearMaxLuminance为显示内容非线性Y分量最大值的16位无符号整数表示,nonlinear_lum_max为显示内容非线性Y分量最大值的归一化表示。
可以看出,在本申请实施例中,非线性Y分量均值标准差参考最大值由显示内容非线性Y分量平均值与2.58倍的显示内容非线性Y分量标准方差求和得到,非线性最大亮度由显示内容最大亮度经过光电转移函数(Optical Electro Transfer Function,OETF)转换获得。
下面对上文中涉及的几个参数进行说明。
(1)显示内容最大亮度
显示内容最大亮度表示显示内容的最大亮度。其为一个16位无符号整数,以1cd/m2为单位。范围从1cd/m2到65535cd/m2。它表示一个显示内容的所有显示图像最大亮度(PictureMaxLightLevel)的最大值。显示图像最大亮度PictureMaxLightLevel的计算过程大致如下:
对显示图像有效显示区域内的所有像素依次计算像素的R、G、B分量的最大值maxRGB。有效显示区域是由display_horizontal_size和display_vertical_size共同定义的矩形区域:
将像素的非线性(R',G',B')值转换为线性(R,G,B)值,并校准为以1cd/m2为单位的值;
由像素校准后的(R,G,B)值,计算得到像素R、G、B分量的最大值maxRGB。
显示图像的PictureMaxLightLevel等于有效显示区域内的所有像素的maxRGB中的最大值。
(2)显示内容非线性Y分量最大值
显示内容非线性Y分量最大值为一个16位无符号整数,以1.0/65535为单位,范围从0至1。它表示显示内容像素的非线性(R',G',B')值转换为非线性的(Y',Cb,Cr)值后,非线性Y’分量的最大值。
(3)显示内容非线性Y分量平均值
显示内容非线性Y分量平均值为一个16位无符号整数,以1.0/65535为单位,范围从0至1。它表示显示内容像素的非线性(R',G',B')值转换为非线性的(Y',Cb,Cr)值后,所有像素非线性Y’分量的平均值。
(4)显示内容非线性Y分量标准方差
显示内容非线性Y分量标准方差为一个16位无符号整数,以1.0/65535为单位,范围从0至1。它表示显示内容像素的非线性(R',G',B')值转换为非线性的(Y',Cb,Cr)值后,所有像素非线性Y’分量的标准方差。
应理解,上述(R,G,B)和(Y',Cb,Cr)都是人为规定的颜色空间(或者称为彩色系统或彩色空间),两者之间可以相互转换。具体内容可参考现有技术,这里不作详述。
根据表达式(5)(6)和(7)计算得到上述非线性亮度最大值、非线性Y分量均值标准差参考最大值和非线性Y分量最大值后,将三者中的最小值确定为非线性分级参考最大值。
本申请实施例中仅以(Y',Cb,Cr)颜色空间中的参数作为示例,也可以在其它颜色空间(例如,RGB)计算HDR图像的上述各个参数,并最终计算得到待处理的HDR图像的非线性分级参考最大值。
130、根据非线性分级参考最大值和预设的多个分级区间,计算HDR图像的非线性参考最大值。
其中,该多个分级区间用于对非线性分级参考最大值进行分级,每个分级区间对应非线性分级参考最大值的一个取值范围。
应理解,对一个参数进行分级(也称为,参数分级),是指按照不同的取值范围将这个参数划分为不同的级别。该参数的不同取值可能会落在不同取值范围,而落在不同取值范围的数值则说它们分属不同的级(或,级别)。关于参数分级的概念也可以参考现有技术,这里不作详细说明。
在一种可行的实施方式中,每个分级区间对应一个表达式,该表达式用于计算非线性参考最大值。根据非线性分级参考最大值和预设的多个分级区间,计算HDR图像的非线性参考最大值,包括:从多个分级区间中确定非线性分级参考最大值所属于的第一分级区间,该第一分级区间对应第一表达式;根据第一表达式,计算HDR图像的非线性参考最大值。
本申请实施例中,非线性分级参考最大值的多个分级区间与多个表达式之间的对应关系可以表示为:
非线性分级参考最大值reference_max大于OETF(2000nits)的情况下为一个分级区间,在大于OETF(1000nits)且小于(或等于)OETF(2000nits)的情况下为另一个分级区间,在大于OETF(540nits)且小于(或等于)OETF(1000nits)的情况下,为又一个分级区间,在小于OETF(540nits)的情况下为又一个分级区间。
本申请实施例中,根据非线性分级参考最大值和预设的多个分级区间,计算HDR图像的非线性参考最大值,可以表示为如下表达式(8)或(9)。
或者,
其中,MAX为非线性参考最大值,nonlinear_light_max为非线性最大亮度,reference_max为非线性分级参考最大值,OETF可以为上述光电转移函数PQ、HLG或SLF中的任意一个光电转移函数,min()表示求最小值的运算。
表达式(8)或(9)为本申请实施例提供的依据非线性分级参考最大值进行分级的示例。例如,在表达式(8)中,非线性分级参考最大值reference_max大于OETF(2000nits)的情况下为一个分级区间,在大于OETF(1000nits)且小于(或等于)OETF(2000nits)的情况下为另一个分级区间,在大于OETF(540nits)且小于(或等于)OETF(1000nits)的情况下,为又一个分级区间,在小于OETF(540nits)的情况下为又一个分级区间。在表达式(8)的示例中,将非线性分级参考最大值分级为4个区间,每个区间都对应着一个计算非线性参考最大值的表达式。因此,计算得到待处理的HDR图像的非线性分级参考最大值,根据该非线性分级参考最大值的具体数值所属的分级区间,可以计算出一个非线性参考最大值。该非线性参考最大值作为调整该待处理的HDR图像的动态范围时的非线性参考最大值。
140、根据非线性参考最大值,调整HDR图像的动态范围。
这里,根据非线性参考最大值调整HDR图像的动态范围的具体过程,可以参见前文图4中所作的说明,这里不再赘述。
根据本申请提供的HDR图像的非线性参考最大值的计算方法,通过对非线性分级参考最大值进行分级,并根据非线性分级参考最大值计算HDR图像的非线性参考最大值,可以提升对不同等级的动态范围的HDR图像的分类准确性。因此,将该非线性最大值应用于HDR图像的动态范围的调整,能够提升HDR图像的显示效果。
以上结合图1至图6说明了本申请提供的处理HDR图像的方法,下面对本申请提供的处理HDR图像的装置和设备进行说明。
图7为本申请实施例提供的处理高动态范围HDR图像的装置200。参见图7,装置200包括处理单元210和存储单元220。处理单元210用于:
获取待处理的HDR图像的统计信息;
根据统计信息,计算HDR图像的非线性分级参考最大值;
根据非线性分级参考最大值和预设的多个分级区间,计算HDR图像的非线性参考最大值,所述分级区间用于对分级参考最大值进行分级,每个所述分级区间对应非线性分级参考最大值的一个取值范围;
根据非线性参考最大值,调整HDR图像的动态范围。
根据本申请实施例提供的处理HDR图像的装置200,它所包括的处理单元的上述操作或功能分别用于实现方法100及各个实施例中的相应流程和/或操作。为了简洁,此处不再赘述。
图8是本申请实施例提供的处理高动态范围HDR图像的设备300的示意图。参见图8,设备300包括处理器310和存储器320。其中,存储器320用于存储计算机程序指令(或者说,代码)。处理器310用于执行存储器320中存储的指令。当指令被执行时,处理器310执行本申请各实施例中处理HDR图像的方法中的操作或流程。
应理解,图6中所示的装置200可以通过图7中所示的设备300来实现。例如,图7中的处理单元可以由图8中所示的处理器310实现。
还应理解,图8中示出的图像处理设备的结构仅作为示例。设备300可以包括比图8示出的更多或更少的器件。本申请不做任何限定。
可选地,存储器可以是独立的,也可以跟处理器集成在一起。当处理器由硬件实现时,例如,可以是逻辑电路或者集成电路,通过接口与其他硬件相连,此时可以不需要存储器。
处理器310可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器320可以是只读存储器(Read Only Memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(Random Access Memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (14)
1.一种处理高动态范围图像的方法,其特征在于,所述方法包括:
获取待处理的高动态范围HDR图像的统计信息;
根据所述统计信息,计算所述HDR图像的非线性分级参考最大值;
根据所述非线性分级参考最大值和预设的多个分级区间,计算所述HDR图像的非线性参考最大值,所述分级区间用于对所述非线性分级参考最大值进行分级,每个所述分级区间对应所述非线性分级参考最大值的一个取值范围;
根据所述非线性参考最大值,调整所述HDR图像的动态范围。
2.根据权利要求1所述的方法,其特征在于,每个所述分级区间对应一个表达式,所述表达式用于计算所述非线性参考最大值,所述根据所述非线性分级参考最大值和预设的多个分级区间,计算所述HDR图像的非线性参考最大值,包括:
从所述多个分级区间中确定所述非线性分级参考最大值所属于的第一分级区间,所述第一分级区间对应第一表达式;
根据所述第一表达式,计算所述HDR图像的非线性参考最大值。
3.根据权利要求1或2所述的方法,其特征在于,所述HDR图像的统计信息至少包括所述HDR图像的如下参数:
显示内容最大亮度、显示内容非线性Y分量最大值、显示内容非线性Y分量平均值和显示内容非线性Y分量标准方差。
4.根据权利要求3所述的方法,其特征在于,所述根据所述统计信息,计算所述HDR图像的非线性分级参考最大值,包括:
根据所述HDR图像的显示内容最大亮度、显示内容非线性Y分量最大值、显示内容非线性Y分量平均值和显示内容非线性Y分量标准方差,计算所述HDR图像的非线性最大亮度、非线性Y分量均值标准差参考最大值和非线性Y分量最大值;
将所述非线性亮度最大值、所述非线性Y分量均值标准差参考最大值和所述非线性Y分量最大值之中的最小值确定为所述非线性分级参考最大值。
5.根据权利要求4所述的方法,其特征在于,所述根据所述HDR图像的显示内容最大亮度、显示内容非线性Y分量最大值、显示内容非线性Y分量平均值和显示内容非线性Y分量标准方差,计算所述HDR图像的非线性最大亮度、非线性Y分量均值标准差参考最大值和非线性Y分量最大值,包括:
根据如下表达式计算所述HDR图像的非线性最大亮度、非线性Y分量均值标准差参考最大值和非线性Y分量最大值:
nonlinear_light_max=OETF(MaxContentLightLever);
nonlinear_average_max=ContentNonlinearAverageLuminance/65535+2.58×ContentNonlinearVarianceLuminance/65535;
nonlinear_lum_max=ContentNonlinearMaxLuminance/65535,
其中,nonlinear_light_max为非线性最大亮度,MaxContentLightLever为显示内容最大亮度,nonlinear_average_max为非线性Y分量均值标准差参考最大值,ContentNonlinearAverageLuminance为显示内容非线性Y分量平均值,ContentNonlinearVarianceLuminance为显示内容非线性Y分量标准方差,ContentNonlinearMaxLuminance为显示内容非线性Y分量最大值的16位无符号整数表示,nonlinear_lum_max为显示内容非线性Y分量最大值的归一化表示。
6.根据权利要求4所述的方法,其特征在于,所述非线性Y分量均值标准差参考最大值由所述显示内容非线性Y分量平均值与2.58倍的显示内容非线性Y分量标准方差求和得到,所述非线性最大亮度由所述显示内容最大亮度经过光电转移函数OETF转换获得。
7.根据权利要求2至6中任一项所述的方法,其特征在于,所述根据所述非线性分级参考最大值和预设的多个分级区间,计算所述HDR图像的非线性参考最大值,可以表示为如下表达式:
;
或者,
其中,MAX为所述非线性参考最大值,nonlinear_light_max为所述非线性最大亮度,reference_max为所述非线性分级参考最大值,OETF()为光电转移函数,min()表示求最小值的运算。
8.一种处理高动态范围图像的装置,其特征在于,所述装置包括:
处理单元,用于获取待处理的高动态范围HDR图像的统计信息;
处理单元,还用于所述统计信息,计算所述HDR图像的非线性分级参考最大值;
所述处理单元,还用于根据所述非线性分级参考最大值和预设的多个分级区间,计算所述HDR图像的非线性参考最大值,所述分级区间用于对所述非线性分级参考最大值进行分级,每个所述分级区间对应所述非线性分级参考最大值的一个取值范围;
所述处理单元,还用于根据所述非线性参考最大值调整所述HDR图像的动态范围。
9.根据权利要求8所述的装置,其特征在于,每个所述分级区间对应一个表达式,所述表达式用于计算所述非线性参考最大值,所述处理单元具体用于:
从所述多个分级区间中确定所述非线性分级参考最大值所属于的第一分级区间,所述第一分级区间对应第一表达式;
根据所述第一表达式,计算所述HDR图像的非线性参考最大值。
10.根据权利要求8或9所述的装置,其特征在于,所述HDR图像的统计信息至少包括所述HDR图像的如下参数:
显示内容最大亮度、显示内容非线性Y分量最大值、显示内容非线性Y分量平均值和显示内容非线性Y分量标准方差。
11.根据权利要求10所述的装置,其特征在于,所述处理单元具体用于:
根据所述HDR图像的显示内容最大亮度、显示内容非线性Y分量最大值、显示内容非线性Y分量平均值和显示内容非线性Y分量标准方差,计算所述HDR图像的非线性最大亮度、非线性Y分量均值标准差参考最大值和非线性Y分量最大值;
将所述非线性亮度最大值、所述非线性Y分量均值标准差参考最大值和所述非线性Y分量最大值之中的最小值确定为所述非线性分级参考最大值。
12.根据权利要求11所述的装置,其特征在于,所述处理单元具体用于根据如下表达式计算所述HDR图像的非线性最大亮度、非线性Y分量均值标准差参考最大值和非线性Y分量最大值:
nonlinear_light_max=OETF(MaxContentLightLever);
nonlinear_average_max=ContentNonlinearAverageLuminance/65535+2.58×ContentNonlinearVarianceLuminance/65535;
nonlinear_lum_max=ContentNonlinearMaxLuminance/65535,
其中,nonlinear_light_max为非线性最大亮度,MaxContentLightLever为显示内容最大亮度,nonlinear_average_max为非线性Y分量均值标准差参考最大值,ContentNonlinearAverageLuminance为显示内容非线性Y分量平均值,ContentNonlinearVarianceLuminance为显示内容非线性Y分量标准方差,ContentNonlinearMaxLuminance为显示内容非线性Y分量最大值的16位无符号整数表示,nonlinear_lum_max为显示内容非线性Y分量最大值的归一化表示。
13.根据权利要求11所述的装置,其特征在于,所述非线性Y分量均值标准差参考最大值由所述显示内容非线性Y分量平均值与2.58倍的显示内容非线性Y分量标准方差求和得到,所述非线性最大亮度由所述显示内容最大亮度经过光电转移函数OETF转换获得。
14.根据权利要求9至13中任一项所述的装置,其特征在于,所述处理单元具体用于根据如下表达式计算所述HDR图像的非线性参考最大值:
;
或者,
,
其中,MAX为所述非线性参考最大值,nonlinear_light_max为所述非线性最大亮度,reference_max为所述非线性分级参考最大值,OETF()为光电转移函数,min()表示求最小值的运算。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710233543.1A CN108694030B (zh) | 2017-04-11 | 2017-04-11 | 处理高动态范围图像的方法和装置 |
CN202010422522.6A CN111724316B (zh) | 2017-04-11 | 2017-04-11 | 处理高动态范围图像的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710233543.1A CN108694030B (zh) | 2017-04-11 | 2017-04-11 | 处理高动态范围图像的方法和装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010422522.6A Division CN111724316B (zh) | 2017-04-11 | 2017-04-11 | 处理高动态范围图像的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108694030A true CN108694030A (zh) | 2018-10-23 |
CN108694030B CN108694030B (zh) | 2020-07-28 |
Family
ID=63843316
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010422522.6A Active CN111724316B (zh) | 2017-04-11 | 2017-04-11 | 处理高动态范围图像的方法和装置 |
CN201710233543.1A Active CN108694030B (zh) | 2017-04-11 | 2017-04-11 | 处理高动态范围图像的方法和装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010422522.6A Active CN111724316B (zh) | 2017-04-11 | 2017-04-11 | 处理高动态范围图像的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN111724316B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473492A (zh) * | 2019-08-28 | 2019-11-19 | 上海灵信视觉技术股份有限公司 | 一种led全彩显示屏的动态非线性显示调整方法、系统和装置 |
CN112686809A (zh) * | 2019-10-18 | 2021-04-20 | 华为技术有限公司 | 处理高动态范围图像的方法和装置 |
WO2021226769A1 (zh) * | 2020-05-09 | 2021-11-18 | 华为技术有限公司 | 一种图像处理方法及装置 |
CN116072059A (zh) * | 2023-02-27 | 2023-05-05 | 卡莱特云科技股份有限公司 | 一种图像显示方法、装置、电子设备及存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113870769B (zh) * | 2021-09-23 | 2023-03-21 | 深圳市艾比森光电股份有限公司 | 显示屏系统的数据处理方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540832A (zh) * | 2009-04-24 | 2009-09-23 | 段江 | 图像信号的动态范围匹配方法 |
CN101707666A (zh) * | 2009-11-26 | 2010-05-12 | 北京中星微电子有限公司 | 一种高动态范围的调整方法和装置 |
CN102148936A (zh) * | 2011-05-04 | 2011-08-10 | 展讯通信(上海)有限公司 | 一种高动态范围成像优化方法及装置 |
CN103024300A (zh) * | 2012-12-25 | 2013-04-03 | 华为技术有限公司 | 一种高动态范围图像显示方法及装置 |
WO2016120261A1 (en) * | 2015-01-27 | 2016-08-04 | Thomson Licensing | Methods, systems and apparatus for electro-optical and opto-electrical conversion of images and video |
CN106101679A (zh) * | 2016-08-23 | 2016-11-09 | 青岛海信电器股份有限公司 | 高动态范围信号的处理方法及处理系统 |
WO2017003525A1 (en) * | 2015-06-30 | 2017-01-05 | Dolby Laboratories Licensing Corporation | Real-time content-adaptive perceptual quantizer for high dynamic range images |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8606009B2 (en) * | 2010-02-04 | 2013-12-10 | Microsoft Corporation | High dynamic range image generation and rendering |
US9076224B1 (en) * | 2012-08-08 | 2015-07-07 | Dolby Laboratories Licensing Corporation | Image processing for HDR images |
US8958658B1 (en) * | 2013-09-10 | 2015-02-17 | Apple Inc. | Image tone adjustment using local tone curve computation |
CN103916669B (zh) * | 2014-04-11 | 2017-06-13 | 浙江宇视科技有限公司 | 高动态范围图像压缩方法及装置 |
JP6443857B2 (ja) * | 2014-06-05 | 2018-12-26 | キヤノン株式会社 | 画像処理装置、画像処理方法、及び、プログラム |
JP6619813B2 (ja) * | 2014-12-11 | 2019-12-11 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 特定のディスプレイに対する高ダイナミックレンジ画像の最適化 |
CN104883504B (zh) * | 2015-06-05 | 2018-06-01 | 广东欧珀移动通信有限公司 | 开启智能终端上高动态范围hdr功能的方法及装置 |
CN105100637A (zh) * | 2015-08-31 | 2015-11-25 | 联想(北京)有限公司 | 一种图像处理方法及电子设备 |
CN105578068B (zh) * | 2015-12-21 | 2018-09-04 | 广东欧珀移动通信有限公司 | 一种高动态范围图像的生成方法、装置及移动终端 |
CN105744157A (zh) * | 2016-02-02 | 2016-07-06 | 西安电子科技大学 | 一种图像像素采样值转换、采样值处理方法及装置 |
-
2017
- 2017-04-11 CN CN202010422522.6A patent/CN111724316B/zh active Active
- 2017-04-11 CN CN201710233543.1A patent/CN108694030B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540832A (zh) * | 2009-04-24 | 2009-09-23 | 段江 | 图像信号的动态范围匹配方法 |
CN101707666A (zh) * | 2009-11-26 | 2010-05-12 | 北京中星微电子有限公司 | 一种高动态范围的调整方法和装置 |
CN102148936A (zh) * | 2011-05-04 | 2011-08-10 | 展讯通信(上海)有限公司 | 一种高动态范围成像优化方法及装置 |
CN103024300A (zh) * | 2012-12-25 | 2013-04-03 | 华为技术有限公司 | 一种高动态范围图像显示方法及装置 |
WO2016120261A1 (en) * | 2015-01-27 | 2016-08-04 | Thomson Licensing | Methods, systems and apparatus for electro-optical and opto-electrical conversion of images and video |
WO2017003525A1 (en) * | 2015-06-30 | 2017-01-05 | Dolby Laboratories Licensing Corporation | Real-time content-adaptive perceptual quantizer for high dynamic range images |
CN106101679A (zh) * | 2016-08-23 | 2016-11-09 | 青岛海信电器股份有限公司 | 高动态范围信号的处理方法及处理系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473492A (zh) * | 2019-08-28 | 2019-11-19 | 上海灵信视觉技术股份有限公司 | 一种led全彩显示屏的动态非线性显示调整方法、系统和装置 |
CN112686809A (zh) * | 2019-10-18 | 2021-04-20 | 华为技术有限公司 | 处理高动态范围图像的方法和装置 |
EP4037319A4 (en) * | 2019-10-18 | 2022-11-30 | Huawei Technologies Co., Ltd. | METHOD AND APPARATUS FOR PROCESSING AN IMAGE WITH HIGH DYNAMIC RANGE |
US11875487B2 (en) | 2019-10-18 | 2024-01-16 | Huawei Technologies Co., Ltd. | High dynamic range image processing method and apparatus |
WO2021226769A1 (zh) * | 2020-05-09 | 2021-11-18 | 华为技术有限公司 | 一种图像处理方法及装置 |
CN116072059A (zh) * | 2023-02-27 | 2023-05-05 | 卡莱特云科技股份有限公司 | 一种图像显示方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111724316A (zh) | 2020-09-29 |
CN111724316B (zh) | 2023-11-10 |
CN108694030B (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108694030B (zh) | 处理高动态范围图像的方法和装置 | |
AU2022291562B2 (en) | Device and method of improving the perceptual luminance nonlinearity-based image data exchange across different display capabilities | |
CN108370405B (zh) | 一种图像信号转换处理方法、装置及终端设备 | |
CN103353982B (zh) | 一种基于直方图均衡化的色调映射方法 | |
CN109274985B (zh) | 视频转码方法、装置、计算机设备和存储介质 | |
JP6891882B2 (ja) | 画像処理装置、および画像処理方法、並びにプログラム | |
JP2012532335A (ja) | ゾーン・ベースのトーン・マッピング | |
CN101360250B (zh) | 沉浸产生方法和系统及因素控制、内容分析及参数预测法 | |
CN103747225B (zh) | 基于颜色空间转换的高动态范围图像双屏显示方法 | |
CN108933933B (zh) | 一种视频信号处理方法及装置 | |
KR20120112709A (ko) | 높은 동적 범위의 이미지 생성 및 렌더링 | |
CN107113367A (zh) | 具有颜色恒定性的亮度改变图像处理 | |
KR102701013B1 (ko) | 동적 범위 맵핑 방법 및 장치 | |
KR101648762B1 (ko) | 입력 영상의 동적 범위를 변환하는 방법 및 장치 | |
CN103826113B (zh) | 一种色彩还原方法及装置 | |
CN108806638B (zh) | 一种图像的显示方法及其装置 | |
US20230140259A1 (en) | Image dynamic range processing method and apparatus | |
US8164650B2 (en) | Image processing apparatus and method thereof | |
CN112689138B (zh) | 一种图像信号转换处理方法、装置及终端设备 | |
KR20110064631A (ko) | 입력 영상의 동적 범위를 변환하는 방법 및 장치 | |
EP4443286A1 (en) | Image processing method and electronic device | |
US20210056886A1 (en) | Image format conversion using luminance-adaptive dithering | |
WO2021073209A1 (zh) | 处理高动态范围图像的方法和装置 | |
CN106847149B (zh) | 一种高动态对比度图像的色调映射与显示方法 | |
Mantiuk | High dynamic range imaging: towards the limits of the human visual perception |
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 |