CN108885782A - 图像处理方法、设备及计算机可读存储介质 - Google Patents

图像处理方法、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN108885782A
CN108885782A CN201780017196.7A CN201780017196A CN108885782A CN 108885782 A CN108885782 A CN 108885782A CN 201780017196 A CN201780017196 A CN 201780017196A CN 108885782 A CN108885782 A CN 108885782A
Authority
CN
China
Prior art keywords
image
sub
channel
information
mean value
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
CN201780017196.7A
Other languages
English (en)
Other versions
CN108885782B (zh
Inventor
胡攀
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 Dajiang Innovations Technology Co Ltd
Original Assignee
Shenzhen Dajiang Innovations 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 Dajiang Innovations Technology Co Ltd filed Critical Shenzhen Dajiang Innovations Technology Co Ltd
Publication of CN108885782A publication Critical patent/CN108885782A/zh
Application granted granted Critical
Publication of CN108885782B publication Critical patent/CN108885782B/zh
Expired - Fee Related 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
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06T9/00—Image coding
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • 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
    • G06T2207/20012—Locally 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20076—Probabilistic image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

一种图像处理方法、设备及计算机可读存储介质，该方法包括：对原始图像进行预处理得到第一图像(S101)；将所述第一图像分解为多个第一子图像(S102)；确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息(S103)；根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像(S104)；以及根据所述多个第二子图像，确定目标图像(S105)，对高动态范围图像进行色调映射时，并没有只是在亮度信息上进行色调映射，而是对细节信息、颜色信息和均值信息同时压缩，保证色调映射处理后的低动态范围图像可以保留高动态范围图像的色彩信息，避免低动态范围图像相比于高动态范围图像在色彩上产生偏移。

Description

图像处理方法、设备及计算机可读存储介质
技术领域
本发明实施例涉及无人机领域，尤其涉及一种图像处理方法、设备及计算机可读存储介质。
背景技术
图像的动态范围指的是自然场景中最高亮度值和最低亮度值的比值。随着传感器技术的发展，目前的照相机能够获得高达16bit的数据，而大部分的显示设备只能显示8bit的数据。当高动态范围图像需要在低动态范围显示设备上显示时，需要对高动态范围图像进行色调映射。
现有技术中，对高动态范围图像进行色调映射的方法包括：全局的色调映射方法和局部的色调映射方法，但是，全局的色调映射方法和局部的色调映射方法均是在高动态范围图像的亮度信息上进行色调映射，导致色调映射处理后的低动态范围图像难以保留高动态范围图像的色彩信息，导致低动态范围图像相比于高动态范围图像在色彩上产生偏移。
发明内容
本发明实施例提供一种图像处理方法、设备及计算机可读存储介质，以保证色调映射处理后的低动态范围图像可以保留高动态范围图像的色彩信息，避免低动态范围图像相比于高动态范围图像在色彩上产生偏移。
本发明实施例的第一方面是提供一种图像处理方法，包括：
对原始图像进行预处理得到第一图像；
将所述第一图像分解为多个第一子图像；
确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息；
根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像；以及
根据所述多个第二子图像，确定目标图像。
本发明实施例的第二方面是提供一种图像处理设备，包括一个或多个处理器，单独或协同工作，所述一个或多个处理器用于：
对原始图像进行预处理得到第一图像；
将所述第一图像分解为多个第一子图像；
确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息；
根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像；以及
根据所述多个第二子图像，确定目标图像。
本发明实施例的第三方面是提供一种无人飞行器，包括：
机身；
动力系统，安装在所述机身，用于提供飞行动力；
以及第二方面所述的图像处理设备。
本发明实施例的第四方面是提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被一个或多个处理器执行时实现以下步骤：
对原始图像进行预处理得到第一图像；
将所述第一图像分解为多个第一子图像；
确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息；
根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像；以及
根据所述多个第二子图像，确定目标图像。
本实施例提供的图像处理方法、设备及计算机可读存储介质，通过对原始图像进行预处理得到第一图像，将第一图像分解为多个第一子图像，根据每个第一子图像的细节信息、颜色信息和均值信息，对每个第一子图像进行压缩生成多个第二子图像，根据多个第二子图像确定目标图像，对高动态范围图像进行色调映射时，并没有只是在亮度信息上进行色调映射，而是对细节信息、颜色信息和均值信息同时压缩，保证色调映射处理后的低动态范围图像可以保留高动态范围图像的色彩信息，避免低动态范围图像相比于高动态范围图像在色彩上产生偏移。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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性的前提下，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图像处理方法的流程图；
图2为本发明实施例提供的图像处理方法的示意图；
图3为本发明另一实施例提供的图像处理方法的流程图；
图4为本发明另一实施例提供的图像处理方法的流程图；
图5为本发明另一实施例提供的图像处理方法的流程图；
图6为本发明另一实施例提供的图像处理方法的流程图；
图7为本发明实施例提供的图像处理设备的结构图；
图8为本发明实施例提供的无人飞行器的结构图。
附图标记：
20-第一图像 21-第一子图像 22-第一子图像
23-第一子图像 24-第一子图像 210-第二子图像
220-第二子图像 230-第二子图像 240-第二子图像
200-第三图像 60-均值信息 61-细节信息
62-均值信息 63-块重构 64-颜色信息
65-细节信息 66-块重构 70-图像处理设备
71-一个或多个处理器 100-无人飞行器
107-电机 106-螺旋桨 117-电子调速器
118-飞行控制器 108-传感系统 110-通信系统
102-支撑设备 104-拍摄设备 112-地面站
114-天线 116-电磁波
109-图像处理设备
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做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。
需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
本发明实施例提供一种图像处理方法。图1为本发明实施例提供的图像处理方法的流程图。本实施例的执行主体可以是图像处理设备，该图像处理设备可以设置在无人机，也可以设置在地面站，地面站具体可以是遥控器、智能手机、平板电脑、地面控制站、膝上型电脑、手表、手环等及其组合。在其他实施例中，该图像处理设备还可以设置在拍摄设备，例如手持云台、数码相机、摄像机等。具体的，如果图像处理设备设置在无人机，则该图像处理设备可以对无人机搭载的拍摄设备拍摄到的图像进行处理。如果图像处理设备设置在地面站，地面站可以接收无人机无线传输的图像数据，该图像处理设备对地面站接收到的图像数据进行处理。再或者，用户手持拍摄设备，拍摄设备内的图像处理设备对该拍摄设备拍摄到的图像进行处理。本实施例并不限定具体的应用场景。下面对图像处理方法进行详细介绍。
如图1所示，本实施例提供的图像处理方法，可以包括：
步骤S101、对原始图像进行预处理得到第一图像。
在本实施例中，图像处理设备首先对原始图像进行预处理得到第一图像，该原始图像是需要进行图像处理的图像，具体可以是拍摄设备拍摄的单独一帧图像，也可以是拍摄设备拍摄的视频数据中连续多帧图像中的一帧图像，本实施例并不限定原始图像的来源。
具体的，所述对原始图像进行预处理得到第一图像，包括：将所述原始图像转换到RGB空间，得到第二图像；对所述第二图像进行全局调整，得到所述第一图像，所述第一图像包括R通道数据、G通道数据和B通道数据。
在本实施例中，原始图像记为L，将原始图像L转换到RGB空间得到第二图像，可选的，所述原始图像为高动态范围图像，将原始图像转换到RGB空间后得到的第二图像也是高动态范围图像。第二图像记为Li,i∈r,g,b；其中，Lr表示第二图像的R通道数据，Lg表示第二图像的G通道数据，Lb表示第二图像的B通道数据。进一步对第二图像Li进行全局调整得到第一图像，第一图像记为Li',i∈r,g,b，全局调整的具体方法可以是：利用log曲线对高动态范围图像即第二图像Li进行全局调整得到第一图像Li',i∈r,g,b，具体调整方法如公式(1)所示：
Li'＝log(Li*106+1) (1)
其中，i∈r,g,b，Lr表示全局调整前第二图像的R通道数据，Lg表示全局调整前第二图像的G通道数据，Lb表示全局调整前第二图像的B通道数据。Lr'表示全局调整后第一图像的R通道数据，Lg'表示全局调整后第一图像的G通道数据，Lb'表示全局调整后第一图像的B通道数据。
步骤S102、将所述第一图像分解为多个第一子图像。
进一步的，将第一图像Li',i∈r,g,b分解为多个第一子图像，其中一个第一子图像记为Xi,i∈r,g,b，具体的，采用滑窗的方式将第一图像Li',i∈r,g,b分解为多个第一子图像，其中，Xr表示第一子图像的R通道数据，Xg表示第一子图像的G通道数据，Xb表示第一子图像的B通道数据。根据第一子图像的R通道数据Xr可以计算出第一子图像在R通道的均值mr，根据第一子图像的G通道数据Xg可以计算出第一子图像在G通道的均值mg，根据第一子图像的B通道数据Xb可以计算出第一子图像在B通道的均值mb。第一子图像在R通道、G通道、B通道上的均值表示为mi,i∈r,g,b。第一子图像在R通道、G通道、B通道三个通道上的总体均值记为m，m可以根据如下公式(2)确定：
m＝(mr+mg+mb)/3 (2)
步骤S103、确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息。
在本实施例中，可将多个第一子图像中的每个第一子图像分解为三个部分，三个部分分别为细节部分、颜色部分和均值部分。细节部分对应第一子图像的细节信息，颜色部分对应第一子图像的颜色信息，均值部分对应第一子图像的均值信息，其中，细节信息具体可以表示为公式(3)、颜色信息具体可以表示为公式(4)，均值信息具体为第一子图像在R通道、G通道、B通道三个通道上的总体均值m。
其中，表示第一子图像在R通道上的细节信息，表示第一子图像在G通道上的细节信息，表示第一子图像在B通道上的细节信息。
其中，表示第一子图像在R通道上的颜色信息，表示第一子图像在G通道上的颜色信息，表示第一子图像在B通道上的颜色信息。
步骤S104、根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像。
进一步，根据每个第一子图像的细节信息颜色信息均值信息m，对每个第一子图像进行压缩处理，得到每个第一子图像对应的第二子图像，即压缩多个第一子图像以生成多个第二子图像。
所述根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像，包括：通过对每个第一子图像的颜色信息和细节信息进行非线性压缩，以及对所述第一子图像的均值信息进行线性压缩得到所述第二子图像。
具体的，对任一一个第一子图像进行压缩处理时，可以对该第一子图像的颜色信息和细节信息进行非线性压缩，对该第一子图像的均值信息进行线性压缩，从而得到该第一子图像对应的第二子图像，不失一般性，对每个第一子图像均进行如此压缩处理，从而得到每个第一子图像对应的第二子图像，即生成多个第二子图像。
步骤S105、根据所述多个第二子图像，确定目标图像。
如图2所示，20表示第一图像，根据步骤S102可知，第一图像被分解为多个第一子图像，例如第一子图像21、第一子图像22、第一子图像23、第一子图像24，此处只是示意性说明，并不限定具体的第一子图像个数。根据步骤S103，确定出第一子图像21的细节信息、颜色信息和均值信息，第一子图像22的细节信息、颜色信息和均值信息，第一子图像23的细节信息、颜色信息和均值信息，以及第一子图像24的细节信息、颜色信息和均值信息。根据步骤S104，可根据第一子图像21的细节信息、颜色信息和均值信息，压缩第一子图像21得到第二子图像210；根据第一子图像22的细节信息、颜色信息和均值信息，压缩第一子图像22得到第二子图像220；根据第一子图像23的细节信息、颜色信息和均值信息，压缩第一子图像23得到第二子图像230；根据第一子图像24的细节信息、颜色信息和均值信息，压缩第一子图像24得到第二子图像240。
所述根据所述多个第二子图像，确定目标图像，包括：按照每个第一子图像在所述第一图像中的位置，对每个第一子图像对应的第二子图像进行排列构成第三图像；将所述第三图像中每个像素点的像素值映射到显示设备的动态范围内，得到所述目标图像。
如图2所示，第一子图像21在第一图像20的左上角，第一子图像22在第一图像20的右上角，第一子图像23在第一图像20的左下角，第一子图像24在第一图像20的右下角。根据第一子图像21、第一子图像22、第一子图像23、第一子图像24在第一图像中的位置，对第二子图像210、第二子图像220、第二子图像230、第二子图像240进行排列构成第三图像200，可选的，第二子图像210在第三图像200中的位置和第一子图像21在第一图像20中的位置一致，第二子图像220在第三图像200中的位置和第一子图像22在第一图像20中的位置一致，第二子图像230在第三图像200中的位置和第一子图像23在第一图像20中的位置一致，第二子图像240在第三图像200中的位置和第一子图像24在第一图像20中的位置一致，可选的，第二子图像210、第二子图像220、第二子图像230、第二子图像240构成的第三图像200是低动态范围图像，可选的，第三图像200的每个像素点的像素值在0-1之间，即根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像，相当于对第一子图像的每个像素点的像素值进行了归一化处理得到了像素值在0-1之间的第二子图像。
得到第三图像200后，可以将第三图像200中每个像素点的像素值映射到显示设备的动态范围内，例如，显示设备的动态范围是8bit，因此可以将第三图像200中每个像素点的像素值线性拉伸到0-255的范围内得到所述目标图像，即将0-1之间的像素值映射到0-255之间。
在本实施例中，所述原始图像为高动态范围图像，所述目标图像为低动态范围图像。
在其他实施例中，所述将所述第三图像中每个像素点的像素值映射到显示设备的动态范围内之前，还包括：调整所述第三图像中像素点的像素值，以提高所述第三图像的对比度。
由于第三图像200的每个像素点的像素值在0-1之间，为了提高第三图像200的对比度，还可以对第三图像200中像素点的像素值进行调整，具体的调整方法可以是：按照预设比例压缩最亮和最暗的像素点的像素值，例如预设比例为10％，由于第三图像200的每个像素点的像素值最大为1，因此，将像素值小于1*10％的像素点设置为0，将像素值大于1*10％的像素点设置为1。
此外，在一些实施例中，对第二子图像210、第二子图像220、第二子图像230、第二子图像240进行排列构成第三图像200之后，还可以对第三图像200中的第二子图像210、第二子图像220、第二子图像230、第二子图像240进行加权处理，加权处理的原因是：将所述第一图像分解为多个第一子图像时采用了滑窗的方式，在一些滑窗方式中，相邻两个第一子图像之间会有重叠部分，即第一子图像21、第一子图像22、第一子图像23、第一子图像24中相邻的两个第一子图像之间会有重叠部分。对第一子图像21、第一子图像22、第一子图像23、第一子图像24分别进行压缩得到第二子图像210、第二子图像220、第二子图像230、第二子图像240后，第二子图像210、第二子图像220、第二子图像230、第二子图像240中相邻的两个第二子图像之间可能还会有重叠部分，为了避免重叠部分影响第三图像200的画面质量，可以对第三图像200中的第二子图像210、第二子图像220、第二子图像230、第二子图像240进行加权处理，以减弱或消除相邻两个第二子图像之间的重叠部分。
本实施例通过对原始图像进行预处理得到第一图像，将第一图像分解为多个第一子图像，根据每个第一子图像的细节信息、颜色信息和均值信息，对每个第一子图像进行压缩生成多个第二子图像，根据多个第二子图像确定目标图像，对高动态范围图像进行色调映射时，并没有只是在亮度信息上进行色调映射，而是对细节信息、颜色信息和均值信息同时压缩，保证色调映射处理后的低动态范围图像可以保留高动态范围图像的色彩信息，避免低动态范围图像相比于高动态范围图像在色彩上产生偏移。
本发明实施例提供一种图像处理方法。图3为本发明另一实施例提供的图像处理方法的流程图。如图3所示，在图1所示实施例的基础上，步骤S103确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息，可以包括如下步骤：
步骤S301、计算所述第一子图像分别在R通道、G通道、B通道上的均值。
具体的，所述计算所述第一子图像分别在R通道、G通道、B通道上的均值，包括：根据所述第一子图像的R通道数据计算所述第一子图像在R通道上的第一均值；根据所述第一子图像的G通道数据计算所述第一子图像在G通道上的第二均值；根据所述第一子图像的B通道数据计算所述第一子图像在B通道上的第三均值。
第一子图像记为Xi,i∈r,g,b，其中，Xr表示第一子图像的R通道数据，Xg表示第一子图像的G通道数据，Xb表示第一子图像的B通道数据。计算所述第一子图像分别在R通道、G通道、B通道上的均值时，具体的，根据第一子图像的R通道数据Xr计算第一子图像在R通道的第一均值记为mr，根据第一子图像的G通道数据Xg计算第一子图像在G通道的第二均值记为mg，根据第一子图像的B通道数据Xb计算第一子图像在B通道的第三均值记为mb。
步骤S302、根据所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像的细节信息、颜色信息和均值信息。
具体的，所述根据所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像的细节信息、颜色信息和均值信息，包括如下几个方面：
一个方面是：根据所述第一子图像的R通道数据、G通道数据和B通道数据，以及所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像在每个通道上的细节信息。
具体的，所述根据所述第一子图像的R通道数据、G通道数据和B通道数据，以及所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像在每个通道上的细节信息，包括：根据所述第一子图像的R通道数据和所述第一均值，确定所述第一子图像在R通道上的细节信息；根据所述第一子图像的G通道数据和所述第二均值，确定所述第一子图像在G通道上的细节信息；根据所述第一子图像的B通道数据和所述第三均值，确定所述第一子图像在B通道上的细节信息。
例如，第一子图像的R通道数据为Xr，第一均值为mr，第一子图像在R通道上的细节信息为 第一子图像的G通道数据为Xg，第二均值为mg，第一子图像在G通道上的细节信息为 第一子图像的B通道数据为Xb，第三均值为mb，第一子图像在B通道上的细节信息为
另一个方面是：根据所述第一子图像分别在R通道、G通道、B通道上的均值，以及所述第一子图像的均值信息，确定所述第一子图像在每个通道上的颜色信息。
具体的，所述根据所述第一子图像分别在R通道、G通道、B通道上的均值，以及所述第一子图像的均值信息，确定所述第一子图像在每个通道上的颜色信息，包括：根据所述第一均值和所述第一子图像的均值信息，确定所述第一子图像在R通道上的颜色信息；根据所述第二均值和所述第一子图像的均值信息，确定所述第一子图像在G通道上的颜色信息；根据所述第三均值和所述第一子图像的均值信息，确定所述第一子图像在B通道上的颜色信息。
可选的，所述第一子图像的均值信息为所述第一均值、所述第二均值和所述第三均值的均值。具体的，第一子图像在R通道、G通道、B通道上的均值表示为mi,i∈r,g,b。第一子图像在R通道、G通道、B通道三个通道上的总体均值记为m，m可以根据上述公式(2)确定，即m＝(mr+mg+mb)/3。所述第一子图像的均值信息为所述第一均值、所述第二均值和所述第三均值的均值，即所述第一子图像的均值信息为m。
例如，第一均值为mr，所述第一子图像的均值信息为m，所述第一子图像在R通道上的颜色信息为 第二均值为mg所述第一子图像的均值信息为m，所述第一子图像在G通道上的颜色信息为 第三均值为mb，所述第一子图像的均值信息为m，所述第一子图像在B通道上的颜色信息为
本实施例通过计算所述第一子图像分别在R通道、G通道、B通道上的均值，根据所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像的细节信息、颜色信息和均值信息，实现了对细节信息、颜色信息和均值信息的精确计算。
本发明实施例提供一种图像处理方法。图4为本发明另一实施例提供的图像处理方法的流程图。如图4所示，在图1所示实施例的基础上，通过对每个第一子图像的颜色信息和细节信息进行非线性压缩，以及对所述第一子图像的均值信息进行线性压缩得到所述第二子图像，可以包括：
步骤S401、通过对每个第一子图像的细节信息进行聚类，确定每个第一子图像所属的类。
如图2所示，第一图像20被分解为多个第一子图像，每个第一子图像的细节信息可以表示为∈r,g,b，表示第一子图像在R通道上的细节信息，表示第一子图像在G通道上的细节信息，表示第一子图像在B通道上的细节信息。
本实施例可以通过对每个第一子图像的细节信息进行聚类，确定每个第一子图像所属的类，具体采用K-means聚类方法进行聚类，聚类时可以将每个第一子图像的细节信息构成一个列向量，例如，第一子图像Xi,i∈r,g,b为5*5的块，则Xr、Xg、Xb分别为5*5的块，分别为5*5的块，将的每个元素构成一个列向量，该列向量为25*1的列向量，同理，将的每个元素构成一个列向量，该列向量为25*1的列向量，将的每个元素构成一个列向量，该列向量为25*1的列向量，对应的列向量、对应的列向量和对应的列向量构成一个75*1的列向量。每个第一子图像的细节信息均可以构成一个75*1的列向量，如图2所示，第一子图像21的细节信息可以构成一个列向量，第一子图像22的细节信息可以构成一个列向量，第一子图像23的细节信息可以构成一个列向量，第一子图像24的细节信息可以构成一个列向量。进一步采用K-means聚类方法对每个第一子图像对应的列向量进行聚类，例如，每个第一子图像对应的列向量为75*1的列向量，则聚类对象的维度是75*1。通过聚类可以将多个列向量划分为几类，可以理解，聚类后的类的个数小于或等于聚类对象即列向量的个数，列向量所属的类即是列向量对应的第一子图像所属的类，即本实施例通过对第一子图像的细节信息构成的列向量进行聚类，来实现对第一子图像进行聚类。
假设第一图像被分解为M个第一子图像，经过聚类后得到N个类，N小于或等于M。假设N个类分别表示为G1、G2、G3......GN，每个类的协方差矩阵依次为Φ1、Φ2、Φ3......ΦN，假设Φn是N个类中的第n个类的协方差矩阵，对该协方差矩阵Φn进行特征值分解可以得到如下公式(5)：
其中，Qn是特征向量组成的方阵，Λn是特征值组成的对角阵，相应的，第n个类对应的字典为Pn，具体如公式(6)所示：
其中，表示Qn的转置矩阵。
另外，N个类中除了第n个类之外的其他类对应的字典的计算方法同上所述，此处不一一列举。如此，G1、G2、G3......GN中每个类对应的字典分别为P1、P2、P3......PN。
步骤S402、根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理，得到所述第一子图像的细节信息的投影值。
具体的，所述根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理，包括：确定所述第一子图像所属的类的协方差矩阵；通过分解所述协方差矩阵，确定所述第一子图像所属的类对应的字典；将所述第一子图像的细节信息投影到所述第一子图像所属的类对应的字典中。
如图2所示，先采用上述聚类方法对第一子图像21、第一子图像22、第一子图像23、第一子图像24进行聚类，假设聚类后得到三个类，依次为G1、G2、G3，假设第一子图像21属于第一个类即G1，第一子图像22、第一子图像23属于第二个类即G2，第一子图像24属于第三个类即G3，每个类的协方差矩阵依次为Φ1、Φ2、Φ3，根据上述公式(5)和(6)可以计算出G1对应的字典P1、G2对应的字典P2、以及G3对应的字典P3。
进一步将每个第一子图像的细节信息投影到每个第一子图像所属的类对应的字典中，例如，将第一子图像21的细节信息投影到第一子图像21所属的类对应的字典中；将第一子图像22的细节信息投影到第一子图像22所属的类对应的字典中；将第一子图像23的细节信息投影到第一子图像23所属的类对应的字典中；将第一子图像24的细节信息投影到第一子图像24所属的类对应的字典中。下面以第一子图像21的细节信息投影到第一子图像21所属的类对应的字典为例，介绍具体的投影过程，其他第一子图像的投影过程同理。
具体的，第一子图像21的细节信息为第一子图像21所属的类对应的字典为P1，第一子图像21的细节信息投影到第一子图像21所属的类对应的字典得到投影值，投影值为
步骤S403、对所述第一子图像的细节信息的投影值进行非线性压缩得到第一压缩数据。
进一步采用S型曲线对投影值进行调整，调整后的投影值为α，α和之间的关系可以通过公式(7)来确定：
其中，w1表示S型曲线，γ表示阈值函数。对于未知数z来说，阈值函数γ可以表示为如下公式(8)，S型曲线可以表示为如下公式(9)：
其中，max表示投影值的最大值，TN表示阈值。
w1(z)＝(2/π)*arctan(z*b) (9)
其中，b用于控制S型曲线的形状。
对第一子图像21的细节信息的投影值进行非线性压缩得到的第一压缩数据具体可以是P1 Tα，
步骤S404、对所述第一子图像的颜色信息进行非线性压缩得到第二压缩数据。
可以采用S型曲线对第一子图像21的颜色信息i∈r,g,b进行非线性压缩，得到第二压缩数据具体为其中，w3的函数形式和w1的函数形式相同。
步骤S405、对所述第一子图像的均值信息进行线性压缩得到第三压缩数据。
第一子图像21的均值信息为第一子图像21在R通道、G通道、B通道三个通道上的总体均值m，对第一子图像21的均值信息进行线性压缩得到的第三压缩数据具体可以是w2*m，其中，w2是0-1范围内的一个数。
步骤S406、根据所述第一压缩数据、所述第二压缩数据和所述第三压缩数据进行图像重构得到所述第二子图像。
根据第一子图像21的第一压缩数据P1 Tα、第二压缩数据和第三压缩数据w2*m进行图像重构得到第二子图像，第二子图像210，第二子图像210可以表示为yi，yi可根据公式(10)确定：
第二子图像220、第二子图像230、第二子图像240的计算原理和第二子图像210的计算原理一致，此处不一一赘述。
本实施例通过对原始图像进行预处理得到第一图像，将第一图像分解为多个第一子图像，根据每个第一子图像的细节信息、颜色信息和均值信息，对每个第一子图像进行压缩生成多个第二子图像，根据多个第二子图像确定目标图像，对高动态范围图像进行色调映射时，并没有只是在亮度信息上进行色调映射，而是对细节信息、颜色信息和均值信息同时压缩，保证色调映射处理后的低动态范围图像可以保留高动态范围图像的色彩信息，避免低动态范围图像相比于高动态范围图像在色彩上产生偏移。
本发明实施例提供一种图像处理方法。图5为本发明另一实施例提供的图像处理方法的流程图。如图5所示，本实施例中的方法，可以包括：对高动态范围图像进行预处理，该高动态范围图像可以是步骤S101中的原始图像，预处理的过程与步骤S101的过程一致。对预处理后的高动态范围图像进行块分解，分解的过程与步骤S102一致，此处的块相当于上述实施例中的第一子图像，分解后得到每个块的细节信息、颜色信息、均值信息，对颜色信息进行颜色调整，具体可以是对颜色信息进行非线性压缩，如步骤S404所述的压缩过程得到第二压缩数据对细节信息进行聚类和建立字典，具体过程如步骤S401和步骤S402，进一步对细节信息进行投影和调整，具体过程如步骤S402和步骤S403。对均值信息进行均值调整，具体过程如步骤S405。对颜色信息进行颜色调整后的对细节信息进行投影和调整后的P1 Tα、对均值信息进行均值调整后的w2*m进行块重构，块重构的结果即为上述公式(10)所述的进一步对进行后续处理，后续处理可以包括：加权处理、像素值调整、像素值映射等过程，加权处理、像素值调整、像素值映射等过程与上述实施例所述的过程一致，此处不再赘述。最后得到低动态范围图像即上述实施例所述的目标图像。
图6为本发明另一实施例提供的图像处理方法的流程图。如图6所示，图6所示的方法和图5所示的方法的不同之处在于：在图5的基础上，对第一次块分解后的均值信息60进一步块分解得到细节信息61和均值信息62，对进一步分解后的细节信息61进行聚类和建立字典，以及投影和调整过程均与上述实施例一致，对进一步分解后的均值信息62进行均值调整也和上述实施例一致。对细节信息61进行聚类和建立字典，以及投影和调整后的结果和对均值信息62进行均值调整后的结果先进行一次块重构如63所示，进一步对颜色信息64进行颜色调整的结果、对细节信息65进行聚类和建立字典，以及投影和调整后的结果和对63所示的块重构后的结果再进行一次块重构如66所示，进一步对66所示的块重构后的结果进行后续处理，后续处理可以包括：加权处理、像素值调整、像素值映射等过程，加权处理、像素值调整、像素值映射等过程与上述实施例所述的过程一致，此处不再赘述。最后得到低动态范围图像即上述实施例所述的目标图像。
本实施例通过对原始图像进行预处理得到第一图像，将第一图像分解为多个第一子图像，根据每个第一子图像的细节信息、颜色信息和均值信息，对每个第一子图像进行压缩生成多个第二子图像，根据多个第二子图像确定目标图像，对高动态范围图像进行色调映射时，并没有只是在亮度信息上进行色调映射，而是对细节信息、颜色信息和均值信息同时压缩，保证色调映射处理后的低动态范围图像可以保留高动态范围图像的色彩信息，避免低动态范围图像相比于高动态范围图像在色彩上产生偏移。
本发明实施例提供一种图像处理设备。图7为本发明实施例提供的图像处理设备的结构图，如图7所示，图像处理设备70包括一个或多个处理器71，一个或多个处理器71单独或协同工作，一个或多个处理器71用于：对原始图像进行预处理得到第一图像；将所述第一图像分解为多个第一子图像；确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息；根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像；以及根据所述多个第二子图像，确定目标图像。
具体的，一个或多个处理器71根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像时，具体用于：通过对每个第一子图像的颜色信息和细节信息进行非线性压缩，以及对所述第一子图像的均值信息进行线性压缩得到所述第二子图像。
可选的，所述原始图像为高动态范围图像，所述目标图像为低动态范围图像。
其中，一个或多个处理器71对原始图像进行预处理得到第一图像时，具体用于：将所述原始图像转换到RGB空间，得到第二图像；对所述第二图像进行全局调整，得到所述第一图像，所述第一图像包括R通道数据、G通道数据和B通道数据。
可选的，一个或多个处理器71根据所述多个第二子图像，确定目标图像时，具体用于：按照每个第一子图像在所述第一图像中的位置，对每个第一子图像对应的第二子图像进行排列构成第三图像；将所述第三图像中每个像素点的像素值映射到显示设备的动态范围内，得到所述目标图像。
另外，在一些实施例中，一个或多个处理器71将所述第三图像中每个像素点的像素值映射到显示设备的动态范围内之前，还包括：调整所述第三图像中像素点的像素值，以提高所述第三图像的对比度。
本发明实施例提供的图像处理设备的具体原理和实现方式均与图1所示实施例类似，此处不再赘述。
本实施例通过对原始图像进行预处理得到第一图像，将第一图像分解为多个第一子图像，根据每个第一子图像的细节信息、颜色信息和均值信息，对每个第一子图像进行压缩生成多个第二子图像，根据多个第二子图像确定目标图像，对高动态范围图像进行色调映射时，并没有只是在亮度信息上进行色调映射，而是对细节信息、颜色信息和均值信息同时压缩，保证色调映射处理后的低动态范围图像可以保留高动态范围图像的色彩信息，避免低动态范围图像相比于高动态范围图像在色彩上产生偏移。
本发明实施例提供一种图像处理设备。在图7所示实施例提供的技术方案的基础上，一个或多个处理器71确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息时，具体用于：计算所述第一子图像分别在R通道、G通道、B通道上的均值；根据所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像的细节信息、颜色信息和均值信息。
可选的，一个或多个处理器71根据所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像的细节信息、颜色信息和均值信息时，具体用于：根据所述第一子图像的R通道数据、G通道数据和B通道数据，以及所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像在每个通道上的细节信息；根据所述第一子图像分别在R通道、G通道、B通道上的均值，以及所述第一子图像的均值信息，确定所述第一子图像在每个通道上的颜色信息。
一个或多个处理器71计算所述第一子图像分别在R通道、G通道、B通道上的均值时，具体用于：根据所述第一子图像的R通道数据计算所述第一子图像在R通道上的第一均值；根据所述第一子图像的G通道数据计算所述第一子图像在G通道上的第二均值；根据所述第一子图像的B通道数据计算所述第一子图像在B通道上的第三均值。
一个或多个处理器71根据所述第一子图像的R通道数据、G通道数据和B通道数据，以及所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像在每个通道上的细节信息时，具体用于：根据所述第一子图像的R通道数据和所述第一均值，确定所述第一子图像在R通道上的细节信息；根据所述第一子图像的G通道数据和所述第二均值，确定所述第一子图像在G通道上的细节信息；根据所述第一子图像的B通道数据和所述第三均值，确定所述第一子图像在B通道上的细节信息。
一个或多个处理器71根据所述第一子图像分别在R通道、G通道、B通道上的均值，以及所述第一子图像的均值信息，确定所述第一子图像在每个通道上的颜色信息时，具体用于：根据所述第一均值和所述第一子图像的均值信息，确定所述第一子图像在R通道上的颜色信息；根据所述第二均值和所述第一子图像的均值信息，确定所述第一子图像在G通道上的颜色信息；根据所述第三均值和所述第一子图像的均值信息，确定所述第一子图像在B通道上的颜色信息。
可选的，所述第一子图像的均值信息为所述第一均值、所述第二均值和所述第三均值的均值。
本发明实施例提供的图像处理设备的具体原理和实现方式均与图3所示实施例类似，此处不再赘述。
本实施例通过计算所述第一子图像分别在R通道、G通道、B通道上的均值，根据所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像的细节信息、颜色信息和均值信息，实现了对细节信息、颜色信息和均值信息的精确计算。
本发明实施例提供一种图像处理设备。在图7所示实施例提供的技术方案的基础上，一个或多个处理器71通过对所述第一子图像的颜色信息和细节信息进行非线性压缩，以及对所述第一子图像的均值信息进行线性压缩得到第二子图像时，具体用于：根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理，得到所述第一子图像的细节信息的投影值；对所述第一子图像的细节信息的投影值进行非线性压缩得到第一压缩数据；对所述第一子图像的颜色信息进行非线性压缩得到第二压缩数据；对所述第一子图像的均值信息进行线性压缩得到第三压缩数据；根据所述第一压缩数据、所述第二压缩数据和所述第三压缩数据进行图像重构得到所述第二子图像。
另外，一个或多个处理器71根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理之前，还用于：通过对每个第一子图像的细节信息进行聚类，确定每个第一子图像所属的类。
可选的，一个或多个处理器71根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理时，具体用于：确定所述第一子图像所属的类的协方差矩阵；通过分解所述协方差矩阵，确定所述第一子图像所属的类对应的字典；将所述第一子图像的细节信息投影到所述第一子图像所属的类对应的字典中。
本发明实施例提供的图像处理设备的具体原理和实现方式均与图4所示实施例类似，此处不再赘述。
本实施例通过对原始图像进行预处理得到第一图像，将第一图像分解为多个第一子图像，根据每个第一子图像的细节信息、颜色信息和均值信息，对每个第一子图像进行压缩生成多个第二子图像，根据多个第二子图像确定目标图像，对高动态范围图像进行色调映射时，并没有只是在亮度信息上进行色调映射，而是对细节信息、颜色信息和均值信息同时压缩，保证色调映射处理后的低动态范围图像可以保留高动态范围图像的色彩信息，避免低动态范围图像相比于高动态范围图像在色彩上产生偏移。
本发明实施例提供一种无人飞行器。图8为本发明实施例提供的无人飞行器的结构图，如图8所示，无人飞行器100包括：机身、动力系统、飞行控制器118和图像处理设备109，所述动力系统包括如下至少一种：电机107、螺旋桨106和电子调速器117，动力系统安装在所述机身，用于提供飞行动力；飞行控制器118与所述动力系统通讯连接，用于控制所述无人飞行器飞行。
另外，如图8所示，无人飞行器100还包括：传感系统108、通信系统110、支撑设备102、拍摄设备104，其中，支撑设备102具体可以是云台，通信系统110具体可以包括接收机，接收机用于接收地面站112的天线114发送的无线信号，116表示接收机和天线114通信过程中产生的电磁波。
图像处理设备109可以对拍摄设备104拍摄到的图像进行图像处理，图像处理的方法和上述方法实施例类似，图像处理设备109的具体原理和实现方式均与上述实施例类似，此处不再赘述。
本实施例通过对原始图像进行预处理得到第一图像，将第一图像分解为多个第一子图像，根据每个第一子图像的细节信息、颜色信息和均值信息，对每个第一子图像进行压缩生成多个第二子图像，根据多个第二子图像确定目标图像，对高动态范围图像进行色调映射时，并没有只是在亮度信息上进行色调映射，而是对细节信息、颜色信息和均值信息同时压缩，保证色调映射处理后的低动态范围图像可以保留高动态范围图像的色彩信息，避免低动态范围图像相比于高动态范围图像在色彩上产生偏移。
本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被一个或多个处理器执行时实现以下步骤：
对原始图像进行预处理得到第一图像；
将所述第一图像分解为多个第一子图像；
确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息；
根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像；以及
根据所述多个第二子图像，确定目标图像。
可选的，所述根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像，包括：
通过对每个第一子图像的颜色信息和细节信息进行非线性压缩，以及对所述第一子图像的均值信息进行线性压缩得到所述第二子图像。
可选的，所述原始图像为高动态范围图像，所述目标图像为低动态范围图像。
可选的，所述对原始图像进行预处理得到第一图像，包括：
将所述原始图像转换到RGB空间，得到第二图像；
对所述第二图像进行全局调整，得到所述第一图像，所述第一图像包括R通道数据、G通道数据和B通道数据。
可选的，所述确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息，包括：
计算所述第一子图像分别在R通道、G通道、B通道上的均值；
根据所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像的细节信息、颜色信息和均值信息。
可选的，所述根据所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像的细节信息、颜色信息和均值信息，包括：
根据所述第一子图像的R通道数据、G通道数据和B通道数据，以及所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像在每个通道上的细节信息；
根据所述第一子图像分别在R通道、G通道、B通道上的均值，以及所述第一子图像的均值信息，确定所述第一子图像在每个通道上的颜色信息。
可选的，所述计算所述第一子图像分别在R通道、G通道、B通道上的均值，包括：
根据所述第一子图像的R通道数据计算所述第一子图像在R通道上的第一均值；
根据所述第一子图像的G通道数据计算所述第一子图像在G通道上的第二均值；
根据所述第一子图像的B通道数据计算所述第一子图像在B通道上的第三均值。
可选的，所述根据所述第一子图像的R通道数据、G通道数据和B通道数据，以及所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像在每个通道上的细节信息，包括：
根据所述第一子图像的R通道数据和所述第一均值，确定所述第一子图像在R通道上的细节信息；
根据所述第一子图像的G通道数据和所述第二均值，确定所述第一子图像在G通道上的细节信息；
根据所述第一子图像的B通道数据和所述第三均值，确定所述第一子图像在B通道上的细节信息。
可选的，所述根据所述第一子图像分别在R通道、G通道、B通道上的均值，以及所述第一子图像的均值信息，确定所述第一子图像在每个通道上的颜色信息，包括：
根据所述第一均值和所述第一子图像的均值信息，确定所述第一子图像在R通道上的颜色信息；
根据所述第二均值和所述第一子图像的均值信息，确定所述第一子图像在G通道上的颜色信息；
根据所述第三均值和所述第一子图像的均值信息，确定所述第一子图像在B通道上的颜色信息。
可选的，所述第一子图像的均值信息为所述第一均值、所述第二均值和所述第三均值的均值。
可选的，所述通过对所述第一子图像的颜色信息和细节信息进行非线性压缩，以及对所述第一子图像的均值信息进行线性压缩得到第二子图像，包括：
根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理，得到所述第一子图像的细节信息的投影值；
对所述第一子图像的细节信息的投影值进行非线性压缩得到第一压缩数据；
对所述第一子图像的颜色信息进行非线性压缩得到第二压缩数据；
对所述第一子图像的均值信息进行线性压缩得到第三压缩数据；
根据所述第一压缩数据、所述第二压缩数据和所述第三压缩数据进行图像重构得到所述第二子图像。
可选的，所述根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理之前，还包括：
通过对每个第一子图像的细节信息进行聚类，确定每个第一子图像所属的类。
可选的，所述根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理，包括：
确定所述第一子图像所属的类的协方差矩阵；
通过分解所述协方差矩阵，确定所述第一子图像所属的类对应的字典；
将所述第一子图像的细节信息投影到所述第一子图像所属的类对应的字典中。
可选的，所述根据所述多个第二子图像，确定目标图像，包括：
按照每个第一子图像在所述第一图像中的位置，对每个第一子图像对应的第二子图像进行排列构成第三图像；
将所述第三图像中每个像素点的像素值映射到显示设备的动态范围内，得到所述目标图像。
可选的，所述将所述第三图像中每个像素点的像素值映射到显示设备的动态范围内之前，还包括：
调整所述第三图像中像素点的像素值，以提高所述第三图像的对比度。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，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，在本发明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。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。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。
本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (46)

1.一种图像处理方法，其特征在于，包括：
对原始图像进行预处理得到第一图像；
将所述第一图像分解为多个第一子图像；
确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息；
根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像；以及
根据所述多个第二子图像，确定目标图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像，包括：
通过对每个第一子图像的颜色信息和细节信息进行非线性压缩，以及对所述第一子图像的均值信息进行线性压缩得到所述第二子图像。
3.根据权利要求1或2所述的方法，其特征在于，所述原始图像为高动态范围图像，所述目标图像为低动态范围图像。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述对原始图像进行预处理得到第一图像，包括：
将所述原始图像转换到RGB空间，得到第二图像；
对所述第二图像进行全局调整，得到所述第一图像，所述第一图像包括R通道数据、G通道数据和B通道数据。
5.根据权利要求4所述的方法，其特征在于，所述确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息，包括：
计算所述第一子图像分别在R通道、G通道、B通道上的均值；
根据所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像的细节信息、颜色信息和均值信息。
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像的细节信息、颜色信息和均值信息，包括：
根据所述第一子图像的R通道数据、G通道数据和B通道数据，以及所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像在每个通道上的细节信息；
根据所述第一子图像分别在R通道、G通道、B通道上的均值，以及所述第一子图像的均值信息，确定所述第一子图像在每个通道上的颜色信息。
7.根据权利要求5或6所述的方法，其特征在于，所述计算所述第一子图像分别在R通道、G通道、B通道上的均值，包括：
根据所述第一子图像的R通道数据计算所述第一子图像在R通道上的第一均值；
根据所述第一子图像的G通道数据计算所述第一子图像在G通道上的第二均值；
根据所述第一子图像的B通道数据计算所述第一子图像在B通道上的第三均值。
8.根据权利要求7所述的方法，其特征在于，所述根据所述第一子图像的R通道数据、G通道数据和B通道数据，以及所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像在每个通道上的细节信息，包括：
根据所述第一子图像的R通道数据和所述第一均值，确定所述第一子图像在R通道上的细节信息；
根据所述第一子图像的G通道数据和所述第二均值，确定所述第一子图像在G通道上的细节信息；
根据所述第一子图像的B通道数据和所述第三均值，确定所述第一子图像在B通道上的细节信息。
9.根据权利要求7所述的方法，其特征在于，所述根据所述第一子图像分别在R通道、G通道、B通道上的均值，以及所述第一子图像的均值信息，确定所述第一子图像在每个通道上的颜色信息，包括：
根据所述第一均值和所述第一子图像的均值信息，确定所述第一子图像在R通道上的颜色信息；
根据所述第二均值和所述第一子图像的均值信息，确定所述第一子图像在G通道上的颜色信息；
根据所述第三均值和所述第一子图像的均值信息，确定所述第一子图像在B通道上的颜色信息。
10.根据权利要求6-9任一项所述的方法，其特征在于，所述第一子图像的均值信息为第一均值、第二均值和第三均值的均值。
11.根据权利要求2-10任一项所述的方法，其特征在于，通过对每个第一子图像的颜色信息和细节信息进行非线性压缩，以及对所述第一子图像的均值信息进行线性压缩得到所述第二子图像，包括：
根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理，得到所述第一子图像的细节信息的投影值；
对所述第一子图像的细节信息的投影值进行非线性压缩得到第一压缩数据；
对所述第一子图像的颜色信息进行非线性压缩得到第二压缩数据；
对所述第一子图像的均值信息进行线性压缩得到第三压缩数据；
根据所述第一压缩数据、所述第二压缩数据和所述第三压缩数据进行图像重构得到所述第二子图像。
12.根据权利要求11所述的方法，其特征在于，所述根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理之前，还包括：
通过对每个第一子图像的细节信息进行聚类，确定每个第一子图像所属的类。
13.根据权利要求11或12所述的方法，其特征在于，所述根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理，包括：
确定所述第一子图像所属的类的协方差矩阵；
通过分解所述协方差矩阵，确定所述第一子图像所属的类对应的字典；
将所述第一子图像的细节信息投影到所述第一子图像所属的类对应的字典中。
14.根据权利要求1-13任一项所述的方法，其特征在于，所述根据所述多个第二子图像，确定目标图像，包括：
按照每个第一子图像在所述第一图像中的位置，对每个第一子图像对应的第二子图像进行排列构成第三图像；
将所述第三图像中每个像素点的像素值映射到显示设备的动态范围内，得到所述目标图像。
15.根据权利要求14所述的方法，其特征在于，所述将所述第三图像中每个像素点的像素值映射到显示设备的动态范围内之前，还包括：
调整所述第三图像中像素点的像素值，以提高所述第三图像的对比度。
16.一种图像处理设备，其特征在于，包括一个或多个处理器，单独或协同工作，所述一个或多个处理器用于：
对原始图像进行预处理得到第一图像；
将所述第一图像分解为多个第一子图像；
确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息；
根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像；以及
根据所述多个第二子图像，确定目标图像。
17.根据权利要求16所述的图像处理设备，其特征在于，所述一个或多个处理器根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像时，具体用于：
通过对每个第一子图像的颜色信息和细节信息进行非线性压缩，以及对所述第一子图像的均值信息进行线性压缩得到所述第二子图像。
18.根据权利要求16或17所述的图像处理设备，其特征在于，所述原始图像为高动态范围图像，所述目标图像为低动态范围图像。
19.根据权利要求16-18任一项所述的图像处理设备，其特征在于，所述一个或多个处理器对原始图像进行预处理得到第一图像时，具体用于：
将所述原始图像转换到RGB空间，得到第二图像；
对所述第二图像进行全局调整，得到所述第一图像，所述第一图像包括R通道数据、G通道数据和B通道数据。
20.根据权利要求19所述的图像处理设备，其特征在于，所述一个或多个处理器确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息时，具体用于：
计算所述第一子图像分别在R通道、G通道、B通道上的均值；
根据所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像的细节信息、颜色信息和均值信息。
21.根据权利要求20所述的图像处理设备，其特征在于，所述一个或多个处理器根据所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像的细节信息、颜色信息和均值信息时，具体用于：
根据所述第一子图像的R通道数据、G通道数据和B通道数据，以及所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像在每个通道上的细节信息；
根据所述第一子图像分别在R通道、G通道、B通道上的均值，以及所述第一子图像的均值信息，确定所述第一子图像在每个通道上的颜色信息。
22.根据权利要求20或21所述的图像处理设备，其特征在于，所述一个或多个处理器计算所述第一子图像分别在R通道、G通道、B通道上的均值时，具体用于：
根据所述第一子图像的R通道数据计算所述第一子图像在R通道上的第一均值；
根据所述第一子图像的G通道数据计算所述第一子图像在G通道上的第二均值；
根据所述第一子图像的B通道数据计算所述第一子图像在B通道上的第三均值。
23.根据权利要求22所述的图像处理设备，其特征在于，所述一个或多个处理器根据所述第一子图像的R通道数据、G通道数据和B通道数据，以及所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像在每个通道上的细节信息时，具体用于：
根据所述第一子图像的R通道数据和所述第一均值，确定所述第一子图像在R通道上的细节信息；
根据所述第一子图像的G通道数据和所述第二均值，确定所述第一子图像在G通道上的细节信息；
根据所述第一子图像的B通道数据和所述第三均值，确定所述第一子图像在B通道上的细节信息。
24.根据权利要求22所述的图像处理设备，其特征在于，所述一个或多个处理器根据所述第一子图像分别在R通道、G通道、B通道上的均值，以及所述第一子图像的均值信息，确定所述第一子图像在每个通道上的颜色信息时，具体用于：
根据所述第一均值和所述第一子图像的均值信息，确定所述第一子图像在R通道上的颜色信息；
根据所述第二均值和所述第一子图像的均值信息，确定所述第一子图像在G通道上的颜色信息；
根据所述第三均值和所述第一子图像的均值信息，确定所述第一子图像在B通道上的颜色信息。
25.根据权利要求21-24任一项所述的图像处理设备，其特征在于，所述第一子图像的均值信息为第一均值、第二均值和第三均值的均值。
26.根据权利要求17-25任一项所述的图像处理设备，其特征在于，所述一个或多个处理器通过对每个第一子图像的颜色信息和细节信息进行非线性压缩，以及对所述第一子图像的均值信息进行线性压缩得到所述第二子图像时，具体用于：
根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理，得到所述第一子图像的细节信息的投影值；
对所述第一子图像的细节信息的投影值进行非线性压缩得到第一压缩数据；
对所述第一子图像的颜色信息进行非线性压缩得到第二压缩数据；
对所述第一子图像的均值信息进行线性压缩得到第三压缩数据；
根据所述第一压缩数据、所述第二压缩数据和所述第三压缩数据进行图像重构得到所述第二子图像。
27.根据权利要求26所述的图像处理设备，其特征在于，所述一个或多个处理器根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理之前，还用于：
通过对每个第一子图像的细节信息进行聚类，确定每个第一子图像所属的类。
28.根据权利要求26或27所述的图像处理设备，其特征在于，所述一个或多个处理器根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理时，具体用于：
确定所述第一子图像所属的类的协方差矩阵；
通过分解所述协方差矩阵，确定所述第一子图像所属的类对应的字典；
将所述第一子图像的细节信息投影到所述第一子图像所属的类对应的字典中。
29.根据权利要求16-28任一项所述的图像处理设备，其特征在于，所述一个或多个处理器根据所述多个第二子图像，确定目标图像时，具体用于：
按照每个第一子图像在所述第一图像中的位置，对每个第一子图像对应的第二子图像进行排列构成第三图像；
将所述第三图像中每个像素点的像素值映射到显示设备的动态范围内，得到所述目标图像。
30.根据权利要求29所述的图像处理设备，其特征在于，所述一个或多个处理器将所述第三图像中每个像素点的像素值映射到显示设备的动态范围内之前，还包括：
调整所述第三图像中像素点的像素值，以提高所述第三图像的对比度。
31.一种无人飞行器，其特征在于，包括：
机身；
动力系统，安装在所述机身，用于提供飞行动力；
以及如权利要求16-30任一项所述的图像处理设备。
32.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被一个或多个处理器执行时实现以下步骤：
对原始图像进行预处理得到第一图像；
将所述第一图像分解为多个第一子图像；
确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息；
根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像；以及
根据所述多个第二子图像，确定目标图像。
33.根据权利要求32所述的计算机可读存储介质，其特征在于，所述根据所述细节信息、所述颜色信息和所述均值信息，压缩所述多个第一子图像以生成多个第二子图像，包括：
通过对每个第一子图像的颜色信息和细节信息进行非线性压缩，以及对所述第一子图像的均值信息进行线性压缩得到所述第二子图像。
34.根据权利要求32或33所述的计算机可读存储介质，其特征在于，所述原始图像为高动态范围图像，所述目标图像为低动态范围图像。
35.根据权利要求32-34任一项所述的计算机可读存储介质，其特征在于，所述对原始图像进行预处理得到第一图像，包括：
将所述原始图像转换到RGB空间，得到第二图像；
对所述第二图像进行全局调整，得到所述第一图像，所述第一图像包括R通道数据、G通道数据和B通道数据。
36.根据权利要求35所述的计算机可读存储介质，其特征在于，所述确定所述多个第一子图像中每个第一子图像的细节信息、颜色信息和均值信息，包括：
计算所述第一子图像分别在R通道、G通道、B通道上的均值；
根据所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像的细节信息、颜色信息和均值信息。
37.根据权利要求36所述的计算机可读存储介质，其特征在于，所述根据所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像的细节信息、颜色信息和均值信息，包括：
根据所述第一子图像的R通道数据、G通道数据和B通道数据，以及所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像在每个通道上的细节信息；
根据所述第一子图像分别在R通道、G通道、B通道上的均值，以及所述第一子图像的均值信息，确定所述第一子图像在每个通道上的颜色信息。
38.根据权利要求36或37所述的计算机可读存储介质，其特征在于，所述计算所述第一子图像分别在R通道、G通道、B通道上的均值，包括：
根据所述第一子图像的R通道数据计算所述第一子图像在R通道上的第一均值；
根据所述第一子图像的G通道数据计算所述第一子图像在G通道上的第二均值；
根据所述第一子图像的B通道数据计算所述第一子图像在B通道上的第三均值。
39.根据权利要求38所述的计算机可读存储介质，其特征在于，所述根据所述第一子图像的R通道数据、G通道数据和B通道数据，以及所述第一子图像分别在R通道、G通道、B通道上的均值，确定所述第一子图像在每个通道上的细节信息，包括：
根据所述第一子图像的R通道数据和所述第一均值，确定所述第一子图像在R通道上的细节信息；
根据所述第一子图像的G通道数据和所述第二均值，确定所述第一子图像在G通道上的细节信息；
根据所述第一子图像的B通道数据和所述第三均值，确定所述第一子图像在B通道上的细节信息。
40.根据权利要求38所述的计算机可读存储介质，其特征在于，所述根据所述第一子图像分别在R通道、G通道、B通道上的均值，以及所述第一子图像的均值信息，确定所述第一子图像在每个通道上的颜色信息，包括：
根据所述第一均值和所述第一子图像的均值信息，确定所述第一子图像在R通道上的颜色信息；
根据所述第二均值和所述第一子图像的均值信息，确定所述第一子图像在G通道上的颜色信息；
根据所述第三均值和所述第一子图像的均值信息，确定所述第一子图像在B通道上的颜色信息。
41.根据权利要求37-40任一项所述的计算机可读存储介质，其特征在于，所述第一子图像的均值信息为第一均值、第二均值和第三均值的均值。
42.根据权利要求33-41任一项所述的计算机可读存储介质，其特征在于，通过对每个第一子图像的颜色信息和细节信息进行非线性压缩，以及对所述第一子图像的均值信息进行线性压缩得到所述第二子图像，包括：
根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理，得到所述第一子图像的细节信息的投影值；
对所述第一子图像的细节信息的投影值进行非线性压缩得到第一压缩数据；
对所述第一子图像的颜色信息进行非线性压缩得到第二压缩数据；
对所述第一子图像的均值信息进行线性压缩得到第三压缩数据；
根据所述第一压缩数据、所述第二压缩数据和所述第三压缩数据进行图像重构得到所述第二子图像。
43.根据权利要求42所述的计算机可读存储介质，其特征在于，所述根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理之前，还包括：
通过对每个第一子图像的细节信息进行聚类，确定每个第一子图像所属的类。
44.根据权利要求42或43所述的计算机可读存储介质，其特征在于，所述根据所述第一子图像的细节信息和所述第一子图像所属的类，对所述第一子图像进行投影处理，包括：
确定所述第一子图像所属的类的协方差矩阵；
通过分解所述协方差矩阵，确定所述第一子图像所属的类对应的字典；
将所述第一子图像的细节信息投影到所述第一子图像所属的类对应的字典中。
45.根据权利要求32-44任一项所述的计算机可读存储介质，其特征在于，所述根据所述多个第二子图像，确定目标图像，包括：
按照每个第一子图像在所述第一图像中的位置，对每个第一子图像对应的第二子图像进行排列构成第三图像；
将所述第三图像中每个像素点的像素值映射到显示设备的动态范围内，得到所述目标图像。
46.根据权利要求45所述的计算机可读存储介质，其特征在于，所述将所述第三图像中每个像素点的像素值映射到显示设备的动态范围内之前，还包括：
调整所述第三图像中像素点的像素值，以提高所述第三图像的对比度。
CN201780017196.7A 2017-08-09 2017-08-09 图像处理方法、设备及计算机可读存储介质 Expired - Fee Related CN108885782B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2017/096627 WO2019028700A1 (zh) 2017-08-09 2017-08-09 图像处理方法、设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN108885782A true CN108885782A (zh) 2018-11-23
CN108885782B CN108885782B (zh) 2022-04-26

Family

ID=64325922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780017196.7A Expired - Fee Related CN108885782B (zh) 2017-08-09 2017-08-09 图像处理方法、设备及计算机可读存储介质

Country Status (3)

Country Link
US (1) US20200143525A1 (zh)
CN (1) CN108885782B (zh)
WO (1) WO2019028700A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112154474A (zh) * 2019-07-30 2020-12-29 深圳市大疆创新科技有限公司 图像处理方法、系统、可移动平台及存储介质
CN112188085A (zh) * 2020-09-04 2021-01-05 上海摩象网络科技有限公司 一种图像处理方法及手持云台相机
CN112634334A (zh) * 2020-12-24 2021-04-09 长春理工大学 基于融合像素调制的超高动态投影显示方法和系统
WO2021082088A1 (zh) * 2019-10-31 2021-05-06 北京大学深圳研究生院 一种色调映射方法、装置及电子设备
WO2021088333A1 (zh) * 2019-11-07 2021-05-14 苏州浪潮智能科技有限公司 图像存储方法、图像读取方法、图像存储器及存储介质
CN114999363A (zh) * 2022-06-13 2022-09-02 百果园技术(新加坡)有限公司 色偏校正方法、装置、设备、存储介质及程序产品

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11381757B2 (en) * 2019-06-13 2022-07-05 Motherson Innovations Company Limited Imaging system and method
JP7344654B2 (ja) * 2019-03-07 2023-09-14 キヤノン株式会社 撮像装置及び再生装置及びそれらの制御方法及びプログラム
CN110473156B (zh) * 2019-08-12 2022-08-02 Oppo广东移动通信有限公司 图像信息的处理方法、装置、存储介质及电子设备
CN112862709B (zh) * 2021-01-27 2024-05-03 昂视智能(深圳)有限公司 图像特征增强方法、装置及可读存储介质
CN113222992B (zh) * 2021-06-21 2022-05-03 苏州大学 基于多重分形谱的裂纹特征表征方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101375313A (zh) * 2006-01-24 2009-02-25 诺基亚公司 用于计算机图形的图像压缩
US20120236020A1 (en) * 2010-01-27 2012-09-20 Sylvain Paris Methods and Apparatus for Performing Tone Mapping on High Dynamic Range Images
CN104408752A (zh) * 2014-12-11 2015-03-11 西安电子科技大学 一种基于混合色调映射算法的高动态范围图像压缩方法
CN106920221A (zh) * 2017-03-10 2017-07-04 重庆邮电大学 兼顾亮度分布和细节呈现的曝光融合方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0227946D0 (en) * 2002-11-29 2003-01-08 Univ East Anglia Signal enhancement
CN102339461A (zh) * 2010-07-27 2012-02-01 夏普株式会社 图像增强方法和设备
CN103971340A (zh) * 2014-05-15 2014-08-06 中国科学院光电技术研究所 一种高位宽数字图像动态范围压缩和细节增强方法
CN106780375A (zh) * 2016-12-02 2017-05-31 南京邮电大学 一种低照度环境下的图像增强方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101375313A (zh) * 2006-01-24 2009-02-25 诺基亚公司 用于计算机图形的图像压缩
US20120236020A1 (en) * 2010-01-27 2012-09-20 Sylvain Paris Methods and Apparatus for Performing Tone Mapping on High Dynamic Range Images
CN104408752A (zh) * 2014-12-11 2015-03-11 西安电子科技大学 一种基于混合色调映射算法的高动态范围图像压缩方法
CN106920221A (zh) * 2017-03-10 2017-07-04 重庆邮电大学 兼顾亮度分布和细节呈现的曝光融合方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李等: "分区非局部均值色貌模型在色调映射中的应用", 《武汉大学学报(信息科学版)》 *
罗雪梅，等.: "自适应分区的色调映射算法", 《华中科技大学学报(自然科学版)》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112154474A (zh) * 2019-07-30 2020-12-29 深圳市大疆创新科技有限公司 图像处理方法、系统、可移动平台及存储介质
WO2021016864A1 (zh) * 2019-07-30 2021-02-04 深圳市大疆创新科技有限公司 图像处理方法、系统、可移动平台及存储介质
WO2021082088A1 (zh) * 2019-10-31 2021-05-06 北京大学深圳研究生院 一种色调映射方法、装置及电子设备
WO2021088333A1 (zh) * 2019-11-07 2021-05-14 苏州浪潮智能科技有限公司 图像存储方法、图像读取方法、图像存储器及存储介质
CN112188085A (zh) * 2020-09-04 2021-01-05 上海摩象网络科技有限公司 一种图像处理方法及手持云台相机
CN112188085B (zh) * 2020-09-04 2022-04-01 上海摩象网络科技有限公司 一种图像处理方法及手持云台相机
CN112634334A (zh) * 2020-12-24 2021-04-09 长春理工大学 基于融合像素调制的超高动态投影显示方法和系统
CN112634334B (zh) * 2020-12-24 2023-09-01 长春理工大学 基于融合像素调制的超高动态投影显示方法和系统
CN114999363A (zh) * 2022-06-13 2022-09-02 百果园技术(新加坡)有限公司 色偏校正方法、装置、设备、存储介质及程序产品

Also Published As

Publication number Publication date
WO2019028700A1 (zh) 2019-02-14
US20200143525A1 (en) 2020-05-07
CN108885782B (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
CN108885782B (zh) 图像处理方法、设备及计算机可读存储介质
WO2022042049A1 (zh) 图像融合方法、图像融合模型的训练方法和装置
US20210118111A1 (en) Image Processing Method and Device
EP3673646B1 (en) Image stitching with electronic rolling shutter correction
US20220222776A1 (en) Multi-Stage Multi-Reference Bootstrapping for Video Super-Resolution
US11070705B2 (en) System and method for image dynamic range adjusting
CN111598776A (zh) 图像处理方法、图像处理装置、存储介质与电子设备
CN110944160B (zh) 一种图像处理方法及电子设备
WO2019164704A1 (en) Saturation management for luminance gains in image processing
CN113034358A (zh) 一种超分辨率图像处理方法以及相关装置
CN112887728A (zh) 电子装置、电子装置的控制方法以及系统
US10452955B2 (en) System and method for encoding data in an image/video recognition integrated circuit solution
WO2012015020A1 (en) Method and device for image enhancement
US20220191448A1 (en) Multiple tone control
CN115147304A (zh) 图像融合方法、装置、电子设备和存储介质、产品
CN114429438A (zh) 图像增强方法及其装置、设备、介质、产品
CN114663570A (zh) 贴图生成方法、装置、电子装置及可读存储介质
US20190220699A1 (en) System and method for encoding data in an image/video recognition integrated circuit solution
WO2022076085A1 (en) Deep loop filter by temporal deformable convolution
CN110267038A (zh) 编码方法及装置、解码方法及装置
CN115205168A (zh) 图像处理方法、装置、电子设备和存储介质、产品
CN114881886A (zh) 图像处理方法、装置、电子设备及存储介质
CN115330633A (zh) 图像色调映射方法及装置、电子设备、存储介质
CN114494069A (zh) 图像处理方法及其装置、设备、介质、产品
CN115565213A (zh) 图像处理方法及装置

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220426

CF01 Termination of patent right due to non-payment of annual fee