CN108986174A - 一种针对高动态范围跨图片的全局色调映射方法及系统 - Google Patents
一种针对高动态范围跨图片的全局色调映射方法及系统 Download PDFInfo
- Publication number
- CN108986174A CN108986174A CN201810575204.6A CN201810575204A CN108986174A CN 108986174 A CN108986174 A CN 108986174A CN 201810575204 A CN201810575204 A CN 201810575204A CN 108986174 A CN108986174 A CN 108986174A
- Authority
- CN
- China
- Prior art keywords
- brightness value
- source
- value
- pixel
- picture
- 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.)
- Pending
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000010606 normalization Methods 0.000 claims abstract description 71
- 239000011159 matrix material Substances 0.000 claims description 41
- 238000012216 screening Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 241001584785 Anavitrinella pampinaria Species 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- 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
Abstract
本发明提供一种针对高动态范围跨图片的全局色调映射方法及系统，所述方法包括：获取房源中每个点位在不同曝光时间对应的房源图片；从所述房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值；根据每个所述像素点的亮度值、所述亮度值最大值和所述亮度值最小值，对每个所述像素点的亮度值进行归一化处理，得到每个所述像素点的归一化亮度值；根据每个所述像素点的归一化亮度值，对所述房源图片进行色调映射。该方法和系统通过全局归一化房源图片中所有像素点的亮度值，使得在房源的各个拍摄点拍摄到图片显示尽量一致性的亮度，改善了房源图片的展示效果。
Description
技术领域
本发明涉及计算机技术领域，具体涉及一种针对高动态范围跨图片的全局色调映射方法及系统。
背景技术
对于一个房源来说，不同的房间朝向不同，有的房间朝北，有的房间朝南，因此，不同的房间内的光线亮度不同，导致采用相机对房源进行拍照时，在不同的点位拍摄到的照片的亮度差别很大。
对于一幅图像来说，图像的动态范围是指图像最大亮度值与最小亮度值之间的比值。而高动态范围(High-Dynamic Range，以下简称HDR)图像就是指动态范围交较大的图像，对于高动态范围图像而言，其位数往往高于8位，普通的灰度图像位数一般是8位，而显示器的灰度只有8位。所以，必须对高动态范围图像的颜色进行变换，才能在显示器中显示出来。
另外，高动态范围图像中像素点的灰度值分布的很不均匀，只有少数的像素点较亮，如果直接对图像进行线性的归一化(把灰度最大值映射为255，最小值映射为0)，然后再进行显示，则图像会呈现出一片黑，这是因为图像中大多数像素点的灰度都被压缩到0。色调映射(tone mapping)就是为了解决这个问题而生。
现有的tone mapping算法针对单张图片的处理效果比较好，但是，如果是针对室内亮度差距比较大的不同区域拍摄出来的图像，对图像进行tone mapping后，不同拍摄点的图像的亮度差距可能会很大。
发明内容
针对现有技术的不足，本发明提供一种针对高动态范围跨图片的全局色调映射方法及系统。
第一方面，本发明实施例提供一种针对高动态范围跨图片的全局色调映射方法，所述方法包括：
获取房源中每个点位在不同曝光时间对应的房源图片；
从所述房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值；
根据每个所述像素点的亮度值、所述亮度值最大值和所述亮度值最小值，对每个所述像素点的亮度值进行归一化处理，得到每个所述像素点的归一化亮度值；
根据每个所述像素点的归一化亮度值，对所述房源图片进行色调映射。
第二方面，本发明实施例提供一种针对高动态范围跨图片的全局色调映射系统，所述系统包括：
获取模块，用于获取房源中每个点位在不同曝光时间对应的房源图片；
筛选模块，用于从所述房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值；
归一化模块，用于根据每个所述像素点的亮度值、所述亮度值最大值和所述亮度值最小值，对每个所述像素点的亮度值进行归一化处理，得到每个所述像素点的归一化亮度值；
色调映射模块，用于根据每个所述像素点的归一化亮度值，对所述房源图片进行色调映射。
第三方面，本发明实施例提供一种电子设备，所述设备包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述针对高动态范围跨图片的全局色调映射方法。
第四方面，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，该计算机程序被处理器执行时实现上述针对高动态范围跨图片的全局色调映射方法。
本发明实施例提供的针对高动态范围跨图片的全局色调映射方法及系统，通过获取房源中每个点位在不同曝光时间对应的房源图片，从房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值，根据每个像素点的亮度值、亮度值最大值和亮度值最小值，对每个像素点的亮度值进行归一化处理，得到每个像素点的归一化亮度值，根据每个像素点的归一化亮度值，对房源图片进行色调映射。该方法和系统通过全局归一化房源图片中所有像素点的亮度值，使得在房源的各个拍摄点拍摄到图片显示尽量一致性的亮度，改善了房源图片的展示效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的针对高动态范围跨图片的全局色调映射方法的流程图；
图2是本发明实施例提供的针对高动态范围跨图片的全局色调映射系统的结构示意图；
图3是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例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。
图1是本发明实施例提供的针对高动态范围跨图片的全局色调映射方法的流程图，如图1所示，所述方法包括：
步骤10、获取房源中每个点位在不同曝光时间对应的房源图片；
步骤11、从所述房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值；
步骤12、根据每个所述像素点的亮度值、所述亮度值最大值和所述亮度值最小值，对每个所述像素点的亮度值进行归一化处理，得到每个所述像素点的归一化亮度值；
步骤13、根据每个所述像素点的归一化亮度值，对所述房源图片进行色调映射。
具体地，在构建房源的三维空间模型时，需要首先采用相机拍摄房源的图片。一个房源可以包括：卧室、客厅、厨房、阳台和卫生间等多个功能间，可以将相机先后放置在每个功能间的不同位置，拍摄每个位置处对应的房源图片。其中，相机被放置的一个位置就是该房源的一个点位。可以设置相机的曝光间隔时间，比如可以设置相机每隔10ms曝光一次，这样在每个点位，相机可以每隔10ms拍摄到一张房源图片。也就是说房源中的每个点位都对应多张房源图片，不同的房源图片对应的曝光时间不同。相机拍摄到的房源内各个点位对应的房源图片可以被上传至系统，保存在数据库中。
系统可以从数据库中获取每个点位在不同曝光时间对应的房源图片，比如，可以获取客厅内的一个点位A处的5张房源图片。然后，根据获取到的房源图片，提取出每个房源图片中的像素点的亮度值，从中筛选出像素点的亮度值最大值和亮度值最小值，可以将像素点的亮度值最大值记为：pano_max，将像素点的亮度值最小值记为：pano_min。
然后，系统可以根据每个像素点的亮度值、像素点的亮度值最大值pano_max和像素点的亮度值最小值pano_min，对每张房源图片中每个像素点的亮度值进行归一化处理，使得每个像素点经过处理之后对应的归一化亮度值都落在0～1之间。
然后，系统可以根据每个像素点归一化亮度值，对房源图片进行色调映射。
本发明实施例提供的针对高动态范围跨图片的全局色调映射方法，通过获取房源中每个点位在不同曝光时间对应的房源图片，从房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值，根据每个像素点的亮度值、亮度值最大值和亮度值最小值，对每个像素点的亮度值进行归一化处理，得到每个像素点的归一化亮度值，根据每个像素点的归一化亮度值，对房源图片进行色调映射。该方法通过全局归一化房源图片中所有像素点的亮度值，使得在房源的各个拍摄点拍摄到图片显示尽量一致性的亮度，改善了房源图片的展示效果。
可选地，在上述实施例的基础上，所述根据每个所述像素点的亮度值、所述亮度值最大值和所述亮度值最小值，对每个所述像素点的亮度值进行归一化处理，得到每个所述像素点的归一化亮度值，包括：
计算所述像素点的亮度值与所述亮度值最小值之间的第一差值；
计算所述第一差值与第二差值之间的比值，将所述比值作为所述像素点的归一化亮度值；其中，所述第二差值是指所述亮度值最大值与所述亮度值最小值之差。
具体地，系统可以采用如下的归一化处理公式，对房源图片中每个像素点的亮度值进行归一化处理：
value2＝(value1-pano_min)/(pano_max-pano_min)；
其中，value1为像素点的亮度值，value2为像素点的归一化亮度值，pano_min为像素点亮度值最小值，pano_max为像素点亮度值最大值。
具体地，系统可以首先计算出每个像素点的亮度值与像素点亮度值最小值pano_min之间的差值，可以将该差值记为第一差值。系统还可以计算出像素点亮度值最大值pano_max与像素点亮度值最小值pano_min之间的差值，可以将该差值记为第二差值。
然后，系统可以计算第一差值与第二差值之间的比值，将计算得到的比值作为该像素点经过处理之后的归一化亮度值。
系统可以按照上述方法计算出每张房源图片中的各个像素点的归一化亮度值。
本发明实施例提供的针对高动态范围跨图片的全局色调映射方法，通过计算像素点的亮度值与亮度值最小值之间的第一差值，计算第一差值与第二差值之间的比值，将比值作为像素点的归一化亮度值，这使得所述方法更加科学。
可选地，在上述实施例的基础上，所述根据每个所述像素点的归一化亮度值，对所述房源图片进行色调映射，包括：
根据所述房源图片的每个像素点的归一化亮度值，得到所述房源图片的第一HDR矩阵；
根据所述房源图片的第一HDR矩阵，对所述房源图片进行色调映射。
具体地，系统按照上述实施例中所述的方法，计算出房源图片中每个像素点的归一化亮度值之后，可以根据每张房源图片对应的像素点的归一化亮度值，得到每张房源图片对应的HDR矩阵，可以将该HDR矩阵记为该房源图片的第一HDR矩阵。比如，系统在房源的点位A处，获取了5张房源图片，则系统可以根据这5张房源图片中的每个像素点对应的归一化亮度值，得到5个第一HDR矩阵。每个第一HDR矩阵的元素对应于一张房源图片中的所有像素点的归一化亮度值。
然后，系统可以根据房源图片的第一HDR矩阵，对房源图片进行色调映射。这一部分可以通过现有技术进行实现，本发明实施例不对其进行详细阐述。
本发明实施例提供的针对高动态范围跨图片的全局色调映射方法，通过根据房源图片的每个像素点的归一化亮度值，得到房源图片的第一HDR矩阵，根据房源图片的第一HDR矩阵，对房源图片进行色调映射，这使得所述方法更加科学。
可选地，在上述实施例的基础上，所述从所述房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值，包括：
根据所述房源图片的所有像素点对应的亮度值，得到所述房源图片的第二HDR矩阵；
根据所述房源图片的第二HDR矩阵，筛选出所述亮度值最大值和所述亮度值最小值。
具体地，系统可以按照如下过程，筛选出房源图片中像素点的亮度值最大值和亮度值最小值。
首先，系统可以获取每张房源图片中的像素点的亮度值，根据获取到的像素点亮度值得到每张房源图片对应的HDR矩阵，可以将该HDR矩阵记为第二HDR矩阵。每个第二HDR矩阵的元素对应的是一张房源图片的像素点的亮度值。然后，系统可以逐个比较所有的第二HDR矩阵中的元素值，将数值最大的元素值记为像素点的亮度值最大值，将数值最小的元素之记为像素点的亮度值最小值。
比如，系统获取到房源内的点位A处的5张房源图片，则系统可以得到5个第二HDR矩阵，每个第二HDR矩阵对应于一张房源图片。系统可以逐个比较这5个第二HDR矩阵中的元素值的大小，将这5个第二HDR矩阵中的所有元素中的最大值，记为像素点的亮度值最大值，将这5个第二HDR矩阵中的所有元素中的最小值，记为像素点的亮度值最小值。
本发明实施例提供的针对高动态范围跨图片的全局色调映射方法，通过根据房源图片的所有像素点对应的亮度值，得到房源图片的第二HDR矩阵，从房源图片的第二HDR矩阵中，筛选出亮度值最大值和亮度值最小值，这使得所述方法更加科学。
图2是本发明实施例提供的针对高动态范围跨图片的全局色调映射系统的结构示意图，如图2所示，所述系统包括：获取模块20、筛选模块21、归一化模块22和色调映射模块23，其中：
获取模块20用于获取房源中每个点位在不同曝光时间对应的房源图片；筛选模块21用于从所述房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值；归一化模块22用于根据每个所述像素点的亮度值、所述亮度值最大值和所述亮度值最小值，对每个所述像素点的亮度值进行归一化处理，得到每个所述像素点的归一化亮度值；色调映射模块23用于根据每个所述像素点的归一化亮度值，对所述房源图片进行色调映射。
具体地，本发明实施例提供的针对高动态范围跨图片的全局色调映射系统，可以包括：获取模块20、筛选模块21、归一化模块22和色调映射模块23。
在构建房源的三维空间模型时，需要首先采用相机拍摄房源的图片。一个房源可以包括：卧室、客厅、厨房、阳台和卫生间等多个功能间，可以将相机先后放置在每个功能间的不同位置，拍摄每个位置处对应的房源图片。其中，相机被放置的一个位置就是该房源的一个点位。可以设置相机的曝光间隔时间，比如可以设置相机每隔10ms曝光一次，这样在每个点位，相机可以每隔10ms拍摄到一张房源图片。也就是说房源中的每个点位都对应多张房源图片，不同的房源图片对应的曝光时间不同。相机拍摄到的房源内各个点位对应的房源图片可以被上传至系统，保存在数据库中。
获取模块20可以从数据库中获取每个点位在不同曝光时间对应的房源图片，比如，可以获取客厅内的一个点位A处的5张房源图片。筛选模块21可以根据获取到的房源图片，提取出每个房源图片中的像素点的亮度值，从中筛选出像素点的亮度值最大值和亮度值最小值，可以将像素点的亮度值最大值记为：pano_max，将像素点的亮度值最小值记为：pano_min。
归一化模块22可以根据每个像素点的亮度值、像素点的亮度值最大值pano_max和像素点的亮度值最小值pano_min，对对每张房源图片中每个像素点的亮度值进行归一化处理，使得每个像素点经过处理之后对应的归一化亮度值都落在0～1之间。
色调映射模块23可以根据每个像素点归一化亮度值，对房源图片进行色调映射。
本发明实施例提供的针对高动态范围跨图片的全局色调映射系统，其功能具体参照上述方法实施例，此处不再赘述。
本发明实施例提供的针对高动态范围跨图片的全局色调映射系统，通过获取房源中每个点位在不同曝光时间对应的房源图片，从房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值，根据每个像素点的亮度值、亮度值最大值和亮度值最小值，对每个像素点的亮度值进行归一化处理，得到每个像素点的归一化亮度值，根据每个像素点的归一化亮度值，对房源图片进行色调映射。该系统通过全局归一化房源图片中所有像素点的亮度值，使得在房源的各个拍摄点拍摄到图片显示尽量一致性的亮度，改善了房源图片的展示效果。
可选地，在上述实施例的基础上，所述归一化模块具体用于：
计算所述像素点的亮度值与所述亮度值最小值之间的第一差值；
计算所述第一差值与第二差值之间的比值，将所述比值作为所述像素点的归一化亮度值；其中，所述第二差值是指所述亮度值最大值与所述亮度值最小值之差。
具体地，上述实施例中所述的归一化模块可以采用如下的归一化处理公式，对房源图片中每个像素点的亮度值进行归一化处理：
value2＝(value1-pano_min)/(pano_max-pano_min)；
其中，value1为像素点的亮度值，value2为像素点的归一化亮度值，pano_min为像素点亮度值最小值，pano_max为像素点亮度值最大值。
归一化模块可以首先计算出每个像素点的亮度值与像素点亮度值最小值pano_min之间的差值，可以将该差值记为第一差值。归一化模块还可以计算出像素点亮度值最大值pano_max与像素点亮度值最小值pano_min之间的差值，可以将该差值记为第二差值。
然后，归一化模块可以计算第一差值与第二差值之间的比值，将计算得到的比值作为该像素点经过处理之后的归一化亮度值。
归一化模块可以按照上述方法计算出每张房源图片中的各个像素点的归一化亮度值。
本发明实施例提供的针对高动态范围跨图片的全局色调映射系统，通过计算像素点的亮度值与亮度值最小值之间的第一差值，计算第一差值与第二差值之间的比值，将比值作为像素点的归一化亮度值，这使得所述系统更加科学。
可选地，在上述实施例的基础上，所述色调映射模块具体用于：
根据所述房源图片的每个像素点的归一化亮度值，得到所述房源图片的第一HDR矩阵；
根据所述房源图片的第一HDR矩阵，对所述房源图片进行色调映射。
具体地，归一化模块按照上述实施例中所述的方法，计算出房源图片中每个像素点的归一化亮度值之后，色调映射模块可以根据每张房源图片对应的像素点的归一化亮度值，得到每张房源图片对应的HDR矩阵，可以将该HDR矩阵记为该房源图片的第一HDR矩阵。比如，获取模块在房源的点位A处，获取了5张房源图片，则色调映射模块可以根据这5张房源图片中的每个像素点对应的归一化亮度值，得到5个第一HDR矩阵。每个第一HDR矩阵的元素对应于一张房源图片中的所有像素点的归一化亮度值。
然后，色调映射模块可以根据房源图片的第一HDR矩阵，对房源图片进行色调映射。这一部分可以通过现有技术进行实现，本发明实施例不对其进行详细阐述。
本发明实施例提供的针对高动态范围跨图片的全局色调映射系统，通过根据房源图片的每个像素点的归一化亮度值，得到房源图片的第一HDR矩阵，根据房源图片的第一HDR矩阵，对房源图片进行色调映射，这使得所述系统更加科学。
可选地，在上述实施例的基础上，所述筛选模块具体用于：
根据所述房源图片的所有像素点对应的亮度值，得到所述房源图片的第二HDR矩阵；
根据所述房源图片的第二HDR矩阵，筛选出所述亮度值最大值和所述亮度值最小值。
具体地，上述实施例中所述的筛选模块可以按照如下过程，筛选出房源图片中像素点的亮度值最大值和亮度值最小值。
首先，筛选模块可以获取每张房源图片中的像素点的亮度值，根据获取到的像素点亮度值得到每张房源图片对应的HDR矩阵，可以将该HDR矩阵记为第二HDR矩阵。每第二个HDR矩阵的元素对应的是一张房源图片的像素点的亮度值。然后，筛选模块可以逐个比较所有的第二HDR矩阵中的元素值，将数值最大的元素值记为像素点的亮度值最大值，将数值最小的元素之记为像素点的亮度值最小值。
比如，获取模块获取到房源内的点位A处的5张房源图片，则筛选模块可以得到5个第二HDR矩阵，每个第二HDR矩阵对应于一张房源图片。筛选模块可以逐个比较这5个第二HDR矩阵中的元素值的大小，将这5个第二HDR矩阵中的所有元素中的最大值，记为像素点的亮度值最大值，将这5个第二HDR矩阵中的所有元素中的最小值，记为像素点的亮度值最小值。
本发明实施例提供的针对高动态范围跨图片的全局色调映射系统，通过根据房源图片的所有像素点对应的亮度值，得到房源图片的第二HDR矩阵，从房源图片的第二HDR矩阵中，筛选出亮度值最大值和亮度值最小值，这使得所述系统更加科学。
图3为本发明实施例提供的电子设备的结构示意图，如图3所示，所述设备包括：处理器(processor)31、存储器(memory)32和总线33，其中：
所述处理器31和所述存储器32通过所述总线33完成相互间的通信；所述处理器31用于调用所述存储器32中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：获取房源中每个点位在不同曝光时间对应的房源图片；从所述房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值；根据每个所述像素点的亮度值、所述亮度值最大值和所述亮度值最小值，对每个所述像素点的亮度值进行归一化处理，得到每个所述像素点的归一化亮度值；根据每个所述像素点的归一化亮度值，对所述房源图片进行色调映射。
本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取房源中每个点位在不同曝光时间对应的房源图片；从所述房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值；根据每个所述像素点的亮度值、所述亮度值最大值和所述亮度值最小值，对每个所述像素点的亮度值进行归一化处理，得到每个所述像素点的归一化亮度值；根据每个所述像素点的归一化亮度值，对所述房源图片进行色调映射。
本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：获取房源中每个点位在不同曝光时间对应的房源图片；从所述房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值；根据每个所述像素点的亮度值、所述亮度值最大值和所述亮度值最小值，对每个所述像素点的亮度值进行归一化处理，得到每个所述像素点的归一化亮度值；根据每个所述像素点的归一化亮度值，对所述房源图片进行色调映射。
以上所描述的电子设备等实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述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，或者对其中部分技术特征进行等同替换；而这些修改或替换，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精神和范围。
Claims (10)
1.一种针对高动态范围跨图片的全局色调映射方法，其特征在于，包括：
获取房源中每个点位在不同曝光时间对应的房源图片；
从所述房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值；
根据每个所述像素点的亮度值、所述亮度值最大值和所述亮度值最小值，对每个所述像素点的亮度值进行归一化处理，得到每个所述像素点的归一化亮度值；
根据每个所述像素点的归一化亮度值，对所述房源图片进行色调映射。
2.根据权利要求1所述的方法，其特征在于，所述根据每个所述像素点的亮度值、所述亮度值最大值和所述亮度值最小值，对每个所述像素点的亮度值进行归一化处理，得到每个所述像素点的归一化亮度值，包括：
计算所述像素点的亮度值与所述亮度值最小值之间的第一差值；
计算所述第一差值与第二差值之间的比值，将所述比值作为所述像素点的归一化亮度值；其中，所述第二差值是指所述亮度值最大值与所述亮度值最小值之差。
3.根据权利要求1所述的方法，其特征在于，所述根据每个所述像素点的归一化亮度值，对所述房源图片进行色调映射，包括：
根据所述房源图片的每个像素点的归一化亮度值，得到所述房源图片的第一HDR矩阵；
根据所述房源图片的第一HDR矩阵，对所述房源图片进行色调映射。
4.根据权利要求1所述的方法，其特征在于，所述从所述房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值，包括：
根据所述房源图片的所有像素点对应的亮度值，得到所述房源图片的第二HDR矩阵；
根据所述房源图片的第二HDR矩阵，筛选出所述亮度值最大值和所述亮度值最小值。
5.一种针对高动态范围跨图片的全局色调映射系统，其特征在于，包括：
获取模块，用于获取房源中每个点位在不同曝光时间对应的房源图片；
筛选模块，用于从所述房源图片的所有像素点对应的亮度值中，筛选出亮度值最大值和亮度值最小值；
归一化模块，用于根据每个所述像素点的亮度值、所述亮度值最大值和所述亮度值最小值，对每个所述像素点的亮度值进行归一化处理，得到每个所述像素点的归一化亮度值；
色调映射模块，用于根据每个所述像素点的归一化亮度值，对所述房源图片进行色调映射。
6.根据权利要求5所述的系统，其特征在于，所述归一化模块具体用于：
计算所述像素点的亮度值与所述亮度值最小值之间的第一差值；
计算所述第一差值与第二差值之间的比值，将所述比值作为所述像素点的归一化亮度值；其中，所述第二差值是指所述亮度值最大值与所述亮度值最小值之差。
7.根据权利要求5所述的系统，其特征在于，所述色调映射模块具体用于：
根据所述房源图片的每个像素点的归一化亮度值，得到所述房源图片的第一HDR矩阵；
根据所述房源图片的第一HDR矩阵，对所述房源图片进行色调映射。
8.根据权利要求5所述的系统，其特征在于，所述筛选模块具体用于：
根据所述房源图片的所有像素点对应的亮度值，得到所述房源图片的第二HDR矩阵；
根据所述房源图片的第二HDR矩阵，筛选出所述亮度值最大值和所述亮度值最小值。
9.一种电子设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至4任一所述的方法。
10.一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，该计算机程序被处理器执行时实现如权利要求1至4任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810575204.6A CN108986174A (zh) | 2018-06-06 | 2018-06-06 | 一种针对高动态范围跨图片的全局色调映射方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810575204.6A CN108986174A (zh) | 2018-06-06 | 2018-06-06 | 一种针对高动态范围跨图片的全局色调映射方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108986174A true CN108986174A (zh) | 2018-12-11 |
Family
ID=64540820
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810575204.6A Pending CN108986174A (zh) | 2018-06-06 | 2018-06-06 | 一种针对高动态范围跨图片的全局色调映射方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108986174A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110445986A (zh) * | 2019-07-30 | 2019-11-12 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN115953332A (zh) * | 2023-03-15 | 2023-04-11 | 四川新视创伟超高清科技有限公司 | 动态图像融合的亮度调整方法、系统、电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110052047A1 (en) * | 2009-09-02 | 2011-03-03 | Tandent Vision Science, Inc. | System and method for generating an intrinsic image using tone mapping and log chromaticity |
| CN202353675U (zh) * | 2011-08-15 | 2012-07-25 | 浙江博视电子科技股份有限公司 | 成像系统中的宽动态压缩器 |
| WO2015077329A1 (en) * | 2013-11-22 | 2015-05-28 | Dolby Laboratories Licensing Corporation | Methods and systems for inverse tone mapping |
| CN105915909A (zh) * | 2016-05-27 | 2016-08-31 | 清华大学深圳研究生院 | 一种高动态范围图像分层压缩方法 |
| CN106464892A (zh) * | 2014-05-28 | 2017-02-22 | 皇家飞利浦有限公司 | 用于对hdr图像进行编码的方法和装置以及用于使用这样的编码图像的方法和装置 |
-
2018
- 2018-06-06 CN CN201810575204.6A patent/CN108986174A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110052047A1 (en) * | 2009-09-02 | 2011-03-03 | Tandent Vision Science, Inc. | System and method for generating an intrinsic image using tone mapping and log chromaticity |
| CN202353675U (zh) * | 2011-08-15 | 2012-07-25 | 浙江博视电子科技股份有限公司 | 成像系统中的宽动态压缩器 |
| WO2015077329A1 (en) * | 2013-11-22 | 2015-05-28 | Dolby Laboratories Licensing Corporation | Methods and systems for inverse tone mapping |
| CN106464892A (zh) * | 2014-05-28 | 2017-02-22 | 皇家飞利浦有限公司 | 用于对hdr图像进行编码的方法和装置以及用于使用这样的编码图像的方法和装置 |
| CN105915909A (zh) * | 2016-05-27 | 2016-08-31 | 清华大学深圳研究生院 | 一种高动态范围图像分层压缩方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王一丁 等: "《数字图像处理》", 31 August 2015, 西安电子科技大学出版社 * |
| 谭磊: "高动态范围图像的色调映射算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110445986A (zh) * | 2019-07-30 | 2019-11-12 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN115953332A (zh) * | 2023-03-15 | 2023-04-11 | 四川新视创伟超高清科技有限公司 | 动态图像融合的亮度调整方法、系统、电子设备 |
| CN115953332B (zh) * | 2023-03-15 | 2023-08-18 | 四川新视创伟超高清科技有限公司 | 动态图像融合的亮度调整方法、系统、电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20210059712A (ko) | 이미지 향상을 위한 인공지능 기법 | |
| CN110033418B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| JP2020530920A (ja) | 画像照明方法、装置、電子機器および記憶媒体 | |
| CN105631417A (zh) | 应用于互联网视频直播的视频美化系统及方法 | |
| Wang et al. | Exposure fusion based on sparse representation using approximate K-SVD | |
| US20190130536A1 (en) | Image blurring methods and apparatuses, storage media, and electronic devices | |
| CN108986174A (zh) | 一种针对高动态范围跨图片的全局色调映射方法及系统 | |
| WO2012015020A1 (en) | Method and device for image enhancement | |
| CN108063902A (zh) | 多摄像头的hdr拍摄方法、拍摄装置和移动终端及可读存储介质 | |
| CN109886892A (zh) | 图像处理方法、图像处理装置以及存储介质 | |
| CN105701496B (zh) | 一种基于人工智能技术的围棋盘面识别方法 | |
| CN106709888B (zh) | 一种基于人眼视觉模型的高动态范围图像产生方法 | |
| CN110430394B (zh) | 一种监控设备切换日夜模式的方法及监控设备 | |
| CN110246080A (zh) | 去马赛克方法及其系统 | |
| Ureña et al. | Real-time bio-inspired contrast enhancement on GPU | |
| CN115565213B (zh) | 图像处理方法及装置 | |
| CN111127367A (zh) | 人脸图像处理的方法、装置及系统 | |
| CN116596799A (zh) | 一种基于通道空间复合注意力的低照度图像增强方法 | |
| CN106028016A (zh) | 一种信息处理方法及电子设备 | |
| CN110278386A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN108986039B (zh) | 一种基于灰度图的色调映射方法及系统 | |
| CN109360180A (zh) | 一种获取多帧宽动态图像的方法及装置 | |
| CN109934777A (zh) | 图像局部不变特征提取方法、装置、计算机设备及存储介质 | |
| CN108520036A (zh) | 图像的选取方法、装置、存储介质及电子设备 | |
| CN101115132B (zh) | 获得高信噪比图像的方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: 100085 Floor 101 102-1, No. 35 Building, No. 2 Hospital, Xierqi West Road, Haidian District, Beijing Applicant after: Seashell Housing (Beijing) Technology Co., Ltd. Address before: 100085 Floor 101 102-1, No. 35 Building, No. 2 Hospital, Xierqi West Road, Haidian District, Beijing Applicant before: Chain home network (Beijing) Technology Co., Ltd. |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |
|
| RJ01 | Rejection of invention patent application after publication |