CN109040598B - 图像处理方法、装置、计算机可读存储介质和电子设备 - Google Patents
图像处理方法、装置、计算机可读存储介质和电子设备 Download PDFInfo
- Publication number
- CN109040598B CN109040598B CN201810997731.6A CN201810997731A CN109040598B CN 109040598 B CN109040598 B CN 109040598B CN 201810997731 A CN201810997731 A CN 201810997731A CN 109040598 B CN109040598 B CN 109040598B
- Authority
- CN
- China
- Prior art keywords
- image
- straight line
- light
- processed
- light effect
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种图像处理方法、装置、计算机可读存储介质和电子设备。方法包括:提取待处理图像中与预设方向平行的直线以形成直线集合;根据所述直线集合确定所述直线分布的聚集区以及所述聚集区的特征点;在所述聚集区获取光效模型,所述光效模型是以所述特征点为光源模拟散射光的模型;根据所述光效模型对所述待处理图像进行添加光线效果的处理。上述图像处理方法、装置、计算机可读存储介质和电子设备,可以根据直线集合动态添加光线效果,使待处理图像具备更好的光线效果,且操作简便快捷。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种图像处理方法、装置、计算机可读存储介质和电子设备。
背景技术
随着电子技术的发展,越来越多的电子设备具备了拍摄功能,用户可通过电子设备的摄像头等进行拍摄。若需要拍出效果较好的照片,用户可以根据自己的喜好对拍摄的图像进行后期处理,从而制造出良好的光线效果,这种使拍摄的照片具有良好光效的方式操作繁琐。
发明内容
本申请实施例提供一种图像处理方法、装置、计算机可读存储介质和电子设备,可以提高待处理图像的光线效果,且操作简便快捷。
一种图像处理方法,方法包括:
提取待处理图像中与预设方向平行的直线以形成直线集合;
根据直线集合确定直线分布的聚集区以及聚集区的特征点;
在聚集区获取光效模型,光效模型是以特征点为光源模拟散射光的模型;
根据光效模型对待处理图像进行添加光线效果的处理。
一种图像处理装置,装置包括:
直线提取模块,用于提取待处理图像中与预设方向平行的直线以形成直线集合;
特征确定模块,用于根据直线集合确定直线分布的聚集区以及聚集区的特征点;
模型添加模块,用于在聚集区获取光效模型,光效模型是以特征点为光源模拟散射光的模型;
增强处理模块,用于根据光效模型对待处理图像进行添加光线效果的处理。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如下步骤:
提取待处理图像中与预设方向平行的直线以形成直线集合;
根据直线集合确定直线分布的聚集区以及聚集区的特征点;
在聚集区获取光效模型,光效模型是以特征点为光源模拟散射光的模型;
根据光效模型对待处理图像进行添加光线效果的处理。
一种电子设备,包括存储器及处理器,存储器中储存有计算机可读指令,指令被处理器执行时,使得处理器执行如下步骤:
提取待处理图像中与预设方向平行的直线以形成直线集合;
根据直线集合确定直线分布的聚集区以及聚集区的特征点;
在聚集区获取光效模型,光效模型是以特征点为光源模拟散射光的模型;
根据光效模型对待处理图像进行添加光线效果的处理。
上述图像处理方法、装置、计算机可读存储介质和电子设备,可以提取待处理图像中与预设方向平行的直线以形成直线集合;根据直线集合确定直线分布的聚集区以及聚集区的特征点;在聚集区获取光效模型,光效模型是以特征点为光源模拟散射光的模型;根据光效模型对待处理图像进行添加光线效果的处理,可以根据直线集合动态添加光线效果,使待处理图像具备更好的光线效果,且操作简便快捷。
附图说明
为了更清楚地说明本申请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,下面描述中的附图仅仅是本申请的一些实施例,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为一个实施例中电子设备的框图;
图2为一个实施例中图像处理方法的流程图;
图3为一个实施例中图像坐标系的示意图;
图4为另一个实施例中根据直线集合确定直线分布的聚集区以及聚集区的特征点的流程图;
图5a为一个实施例中图像坐标系的示意图;
图5b为另一个实施例中图像坐标系的示意图;
图5c为又一个实施例中图像坐标系的示意图;
图6为一个实施例中,在聚集区内确定特征点的流程图;
图7为一个实施例中根据光效模型对待处理图像进行添加光线效果的处理的流程图;
图8为另一个实施例中图像处理方法的流程图;
图9为一个实施例中图像处理装置的结构示意图;
图10为一个实施例中图像处理电路的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
图1为一个实施例中电子设备的框图。如图1所示,该电子设备包括通过系统总线连接的处理器、存储器、显示屏和输入装置。其中,存储器可包括非易失性存储介质及处理器。电子设备的非易失性存储介质存储有操作系统及计算机程序,该计算机程序被处理器执行时以实现本申请实施例中提供的一种图像处理方法。该处理器用于提供计算和控制能力,支撑整个电子设备的运行。电子设备中的内存储器为非易失性存储介质中的计算机程序的运行提供环境。电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏等,输入装置可以是显示屏上覆盖的触摸层,也可以是电子设备外壳上设置的按键、轨迹球或触控板,也可以是外接的键盘、触控板或鼠标等。该电子设备可以是手机、平板电脑或者个人数字助理或穿戴式设备等。本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
图2为一个实施例中图像处理方法的流程图。如图2所示,该图像处理方法包括步骤202至步骤208。其中:
步骤202,提取待处理图像中与预设方向平行的直线以形成直线集合。
在一个实施例中,用户在拍摄的过程中场景往往是非常复杂的,特别是拍摄场景的光线复杂多变,而用户在拍摄过程中又无法改变拍摄场景,因此只能通过后期处理来达到用户所想要的效果。电子设备可获取待处理图像,待处理图像是指需要进行光效增强处理的图像,光效是一种模拟光源效果的图像增强处理。具体地,光源效果可以是自然光、舞台光、摄影棚光、胶片光、轮廓光、报幕光、丁达尔光效等效果。
待处理图像是由若干个像素点构成的,这若干个像素点按照一定的规律排列成一个二维像素点矩阵。直线特征是图像中物体的基本形状特征之一,在图像分析过程中,直线特征时一种常用的中层符号,可以简洁高效地对目标形状进行描述,有利于高层次的图像处理。一般可以基于Hough变化法,可以先通过边缘检测,阈值分割等方法提取边缘,再对边缘进行直线拟合以提取待处理图像中的直线。其中,Hough变化法是将图像平面中的点按照待求曲线的函数关系映射到参数空间,然后找到最大聚集点,完成从直线到点的变换。电子设备还可以通过基于相位编组法,利用图像灰度的相位信息,将相邻方向相同的点编为一个直线支持区,然后对直线支持区进行灰度平面拟合,是灰度平面与相应的平均灰度平面相交,其交线即为所要提取的直线。当然,电子设备还可以基于Harris算法、LSD(LineSegment Detector)直线提取算法等算法来提取待处理图像中的直线。
在一个实施例中,参考图3,可以以待处理图像左上角为原点O0建立以像素为单位的像素坐标系u-v。像素的横坐标u与纵坐标v分别是在其待处理图像数组中所在的列数与所在行数。电子设备还可建立以物理单位(如毫米)表示的图像坐标系x-y,可以将待处理图像平面的中心处,也称为图像的主点(principal point)定义为图像坐标系的原点O1,且x轴与u轴平行,y轴与v轴平行。若(u0,v0)代表O1在u-v坐标系下的坐标,dx与dy分别表示每个像素在横轴x和纵轴y上的物理尺寸,则图像中的每个像素在u-v坐标系中的坐标和在x-y坐标系中的坐标之间可以相互转换。
需要说明的是,图像坐标系中的单位为毫米,那么dx的单位为:毫米/像素。那么x/dx的单位就是像素了,即和u的单位一样都是像素。
其中,预设方向与图像坐标系x-y中的横轴(x轴)或纵轴(y轴)平行。基于直线提取算法可以提取出待处理图像中的与预设方向平行的所有直线,并根据提取的直线来形成直线集合。其中,直线集合中包括了所有的与预设方向平行的直线。
可选的,电子设备可以提取待处理图像中所有的直线,并统计与图像坐标系x-y中的横轴平行的直线的第一数量以及第一分布区域,同时统计与图像坐标系x-y中的纵轴平行的直线的第二数量以及第二分布区域,通过对比第一数量、第二数量,以及对比第一分布区域和第二分布区域,以确定预设方向是与图像坐标系x-y中的横轴平行,还是与图像坐标系x-y中的纵轴平行。
需要说明的是,该待处理图像可以是在电子设备拍摄图像的预览过程中的预览图像,也可以是电子设备拍摄的图像,或者是电子设备中预先存储的图像,在此不做限定。
步骤204,根据直线集合确定直线分布的聚集区以及聚集区的特征点。
电子设备可以获取直线集合中每条直线在图像坐标系中的坐标信息,继而根据坐标信息获取每条直线在待处理图像的分布状态,以及每条直线的长度信息,还可以根据坐标信息获取直线集合中所有直线的总数量。
电子设备可以直线集合中每条直线的坐标信息确定直线分布的聚集区。聚集区可指直线集合中直线分布密集区,分布密集区可以理解为预设比例的直线均部分在该区域,其中,预设比例可以为所有直线数量的90%,也即,当90%的直线均分布在该区域时,则可将该区域定义为聚集区。
电子设备获取聚集区后,继而可以在该聚集区内筛选出特征点。其中,特征点位于聚集区内的直线上。其中,特征点的数量可以一个,也可以为2个、3等多个。
当特征点为一个时,电子设备可以将聚集区内的任一直线上的任一点作为特征点。进一步的,电子设备可将聚集区内的任一直线的中心像素点作为该特征点。当特征点为多个时,可将多个特征点称之为特征区域,电子设备可以将聚集区内的任一直线上的连续的多个像素点作为特征区域。可选的,当特征点为多个时,电子设备还可在聚集区内获取多条相邻的直线,并在每条相邻的直线上选取相邻设置的点作为特征区域。例如,相邻的直线包括直线L1、直线L2、直线L3,电子设备可以获取直线L1、直线L2、直线L3的横坐标信息,并将直线L1、直线L2、直线L3中均具有的横坐标的像素点作为特征点。特征点的确定方式不限于上述举例说明,还可以基于其他方式来确定特征点。
需要说明的是,预设比例的数值可以根据实际需求来设定,在此,对其具体数值不做进一步的限定。
步骤206,在聚集区获取光效模型,光效模型是以特征点为光源模拟散射光的模型。
可选地,电子设备可在界面上设置有光效开关,用户可触发光效开关,选择是否对待处理图像进行光效处理,其中,光效处理指的是在待处理图像中添加光线效果,可以模拟影棚中的布光效果,对待处理图像进行打光,制造良好的光线效果。用户还可选择光效模式,进而添加光效不同颜色的光线效果等,用户可根据实际需求自行进行选择。
在聚集区内,可以根据确定的特征点来获取光效模型,该特征点作为光源来模拟散射光的模型。其中,特征点的数量决定了光源的大小,若仅具有一个特征点,则对应的光源为点光源;若具有多个特征点,则对应的光源可以为点光源或线光源,在此,对光源的类型不做进一步的限定。电子设备可预先构建光效模型,光效模型可用于对待处理图像进行添加光线效果的处理,实现对待处理图像进行打光的效果。光效增强模型是指对待处理图像进行光效增强处理的模型,该光效增强模型可以为模拟光源发出的散射光的丁达尔光效模型。丁达尔光效可指一束光线透过胶体,从入射光方向可以观察到胶体里出现的一条光亮的“通路”的光效。
步骤208,根据光效模型对待处理图像进行添加光线效果的处理。
电子设备可以根据获取的光效模型在待处理图像的特征点处模拟散射光光线效果的处理。进一步的,可以根据特征点的位置信息,确定散射光的散射方向和散射区域,例如,其散射方向可以为60°-120°、(-60°)-(-120°)、45°-135°等等,其具体的散射方向的范围可不做进一步的限定。其散射区域可以为可以延伸至待处理图像的边缘,也可以为待处理图像的预设区域,对其散射区域的具体位置不做进一步的限定。
在一个实施例中,根据光效模型可以对待处理图像进行添加光线效果的处理,可包括对待处理图像进行增亮处理。电子设备对待处理图像进行增亮处理,可指的是提高待处理图像中像素点的亮度值。电子设备可根据光效模型计算各个像素点通过亮度增强系数进行亮度增强后,得到的目标亮度值,并将各个像素点的亮度值调整到目标亮度值。
可选的,光效模型还可以用于改变待处理图像的颜色,可指的是改变像素点的色彩值,该色彩值可以像素点是RGB(红、绿、蓝)、HSV(色调、饱和度、明度)等颜色空间中的值。电子设备可获取所需的光线颜色,并根据光效模型计算各个像素点在该光线颜色下的调整后的色彩值,并根据计算得到的色彩值对各个像素点进行调整,从而可达到在待处理图像中打上不同颜色光线的效果。
上述实施例提供的图像处理方法,可以提取待处理图像中与预设方向平行的直线以形成直线集合;根据直线集合确定直线分布的聚集区以及聚集区的特征点;在聚集区获取光效模型,光效模型是以特征点为光源模拟散射光的模型;根据光效模型对待处理图像进行添加光线效果的处理,可以根据直线集合动态添加光线效果,使待处理图像具备更好的光线效果,且操作简便快捷,提高了电子设备的用户体验度。
图4为另一个实施例中根据直线集合确定直线分布的聚集区以及聚集区的特征点的流程图。在本实施例中,预设方向与图像坐标系中的横轴平行为例进行说明。如图4所示,根据直线集合确定直线分布的聚集区以及聚集区的特征点包括步骤402至步骤406。其中:
步骤402,获取直线集合中每条直线位于坐标系中的坐标信息。预设方向与坐标系的横轴或纵轴平行。
根据在待处理图像中的图像坐标系,可以基于图像坐标系获取直线集合中每条直线的坐标信息,其中,每条直线的坐标信息可以用多个坐标点进行表示,至少包括该直线的起点Ps(xs,ys)和终点Pe(xe,ye)。
图像坐标系x-y,可以将待处理图像平面的中心处,也称为图像的主点(principalpoint)定义为图像坐标系的原点O1。其中,预设方向与横轴(x轴)平行,可将预设方向称之为第一方向,则第二方向与纵轴(y轴)平行。其中,图像坐标系会随着电子设备的握持方向而发生变化,同时,当电子设备的握持方向发生改变时,其待处理图像的显示方向也会发生改变,以使用户能够正常浏览待处理图像。例如,当电子设备竖屏握持时,其待处理图像也会竖屏显示时,其图像坐标系如图5a所示;当电子设备竖屏握持时,其待处理图像也会横屏显示,其图像坐标系如图5b所示。可选的,当电子设备的握持方向发生改变处于横屏握持,其待处理图像的显示方向不改变,未处理横屏显示时,其对应的图像坐标系如图5c所示。
步骤404,根据坐标信息确定直线的分布状态以确定聚集区。
在该直线集合中,每条直线均与预设方向平行,也即,同一条直线的纵坐标相同,也即,ys=ye,其起点Ps和终点Pe的横坐标可以确定该直线的长度信息,其长度为起点Ps和终点Pe的横坐标差值的绝对值。电子设备可以根据每一条直线的纵坐标信息和长度信息可以获取直线集合中所有直线的纵向分布信息。
电子设备可根据坐标信息获取直线的总数量和直线在纵轴的分布信息并根据分布信息和总数量的预设比例确定聚集区。具体地,电子设备还会获取直线集合中,所有直线的总数量,并将总数量记为M。电子设备可沿第二方向(与纵轴平行的方向)将待处理图像分成若干个区域,每个区域的大小可以相同也可以不同,并根据每条直线的纵坐标信息统计每个区域内的直线数量,某个区域内的直线的数量大于或等于直线集合中所有直线的总数量M的预设比例时,则可以将该区域作为聚集区。
可选的,电子设备也可根据每条直线的纵坐标信息将待处理图像分成若干个区域,若某个区域内的直线的数量大于或等于直线集合中所有直线的总数量M的预设比例时,则可将该区域作为聚集区,
步骤406,在聚集区内确定特征点,特征点位于直线上。
电子设备可在聚集内确定特征点。其中,特征点可以用于模拟光效模型中的光源。在一个实施例中,电子设备可以在聚集区域的直线上确定特征点。基于图像坐标系可以获取聚集区内各个直线的分布状态,可以从中筛选出目标直线。其中,位于待处理图像预设区域的任一直线可以作为目标直线。待处理图像预设区域可为用于预先设定的区域,例如,电子设备可沿像素坐标系的v轴从原点O0处将待处理图像划分为n个区域,分别记为第一区域、第二区域、…第i区域、…、第n区域。其中,预设区域可设置在待处理图像的边缘区域,该边缘区域可以为前i个区域的部分区域的集合,其中,边缘区域的宽度可根据实际需求来设定。其中,i与n的比值小于2/3,或小于其他数值。电子设备可以根据筛选出的目标直线,在目标直线上选取任一像素点作为特征点。
需要说明的是,其目标直线的数量可以为一条,也可以为多条相邻设置的直线。
可选的,电子设备还可以根据聚集区内各个直线沿第一方向的顺序的编号,按照筛选策略从聚集区内的直线中筛选出目标直线,并在目标直线上选取任一像素点作为特征点。
需要说明的是,特征点的数量可以为一个也可以为多个,当特征点的数量为多个时,可在同一目标直线上筛选出连续相邻的像素点作为相应的特征点。若目标直线的数量为多条时,其对应的特征点也可为多个,电子设备可以选择在多个目标直线上选取具有同一横坐标的像素点作为特征点。
可选的,若预设方向与图像坐标系中的纵轴平行时,电子设备可根据坐标信息获取直线的总数量和直线在横轴的分布信息,并根据分布信息和总数量的预设比例确定聚集区。例如,电子设备可获取直线集合中所有直线的总数量,并将总数量记为M。电子设备可沿第一方向(与横轴平行的方向)将待处理图像分成若干个区域,每个区域的大小可以相同也可以不同,并根据每条直线的横坐标信息统计每个区域内的直线数量,某个区域内的直线的数量大于或等于直线集合中所有直线的总数量M的预设比例时,则可以将该区域作为聚集区。
图6为一个实施例中,在聚集区内确定特征点的流程图。如图6所示,在聚集区内确定特征点,包括步骤602至步骤606:
步骤602,在聚集区内随机选取携带标识信息的N条直线,标识信息用于表示N条直线在预设方向上分布的顺序信息。
电子设备可以在聚集区内随机选取N条直线,其中,并对选取的N条直线进行标识,使其携带标识信息,该标识信息可以用于表示直线在N条直线中沿预设方向分布的顺序信息,其中,N小于等于聚集区内直线的总条数。
例如,当预设方向与坐标系的横轴平行时,电子设备可获取随机选取的N条直线的起点的横坐标,电子设备可根据直线的起点的横坐标对其进行标识,使其携带标识信息。其中,直线起点的横坐标数值越小,其对应的标识也就越小。例如,该标识信息可以用001、002、003、…、00N进行显示。
在一个实施例中,若具有同一标识信息的直线的数量大于两条,则根据同一标识信息的直线纵坐标信息对其进行标识。也即,标识信息还可以携带数量信息。其中,直线的纵坐标数值越小,其对应的数量信息也就越小。例如,该标识信息可以用003-1、003-2、003-3等进行显示。其中,前三个字节用于表示沿预设方向的分布标识,后两位字节用于表示沿数量信息。
相应的,当预设方向与坐标系的纵轴平行时,电子设备可获取随机选取的N条直线的起点的纵坐标,电子设备可根据直线的起点的纵坐标对其进行标识,使其携带标识信息。
需要说明的是,标识信息的表现形式并限于上述举例说明,还可以为其他形式。
步骤604,根据N条直线的标识信息确定目标直线。
电子设备可以获取随机选取的N条直线中每条直线的标识信息,根据N条直线的标识信息可以获取N条直线沿预设方向的分布标识,并将具有最大分布标识的直线确定为目标直线。若具有最大分布标识的直线仅有一条,则对应的目标直线为一条,若具有最大分布标识的直线为多条,则对应的目标直线为多条。
步骤606,在目标直线上确定特征点。
电子设备可以在获取的目标直线上确定特征点,其特征点可以为目标直线上任意一点像素点,进一步的,可以选取目标直线的中点像素点作为特征点。
在一个实施例中,若特征点的数量为一个,可以选取任一目标直线上的任意一点像素点作为特征点,也可以选取任一目标直线上的中点像素点作为特征点。
在一个实施例中,若特征点的数量为多个且目标直线的数量为一条时,则可以选取目标直线上的多个连续的像素点作为多个特征点。若特征点的数量为多个且目标直线的数量为多条时,可以选取任一目标直线上的多个连续的像素点作为多个特征点,也可以选择多个目标直线中,具有同一横坐标或具有同一纵坐标的像素点作为多个特征点。
图7为一个实施例中根据光效模型对待处理图像进行添加光线效果的处理的流程图。如图7所示,根据光效模型对待处理图像进行添加光线效果的处理包括步骤710至步骤730。其中:
步骤710,获取特征点的坐标信息;
步骤720,根据坐标信息确定光效模型的散射光的散射方向和散射区域。
电子设备可以获取特征点的坐标信息,根据特征点的坐标信息可以确定光效模型的散射光的散射方向和散射区域。其中,散射方向可理解为以该特征点为光源的散射角度范围,例如,可以为设为60°-120°、(-60°)-(-120°)、45°-135°等等,其具体的散射角度范围可根据特征点的数量以及特征点的坐标信息来设定。散射区域可以理解为在散射方向内的散射距离,也即散射光可达到的最远区域。例如,在散射方向内,其散射区域可以延伸至待处理图像的边缘;在散射方向内,其散射区域并不能延伸至待处理图像的边缘,只能延伸至待处理图像的预设位置。电子设备可以根据特征点的坐标信息来确定散射方向内的散射距离。散射距离可以为散射光的光线长度,其散射光的发光点为特征点。
步骤730,根据确定的散射方向和散射区域对待处理图像进行添加光线效果的处理。
电子设备可以根据确定的特征点、散射方向和散射区域对待处理图像进行添加光线效果的处理,在待处理图像中添加光线效果。
在本实施例中,可确定光效模型中的散射方向和散射区域,并根据确定的散射方向和散射区域对待处理图像进行添加光线效果的处理,可使图像具备丁达尔光线效果,使得添加的光线效果更为真实、自然。
在一个实施例中,根据光效模型对待处理图像进行添加光线效果的处理,还包括步骤722至步骤724。其中:
步骤722,获取待处理图像的色温。
色温可用于表示光线中包含的颜色成分,色温是指绝对黑体从绝对零度(一273℃)开始加温后所呈现的颜色。电子设备可以获取待处理图像的色温,根据色温信息来确定待处理图像的摄影环境的光源的冷暖。在摄影中,不同色温设定会影响待处理图像的色调,例如,低色温光源的特征是能量分布中,红辐射相对来说要多些,通常称为“暖光”,使拍摄获得的待处理图像的色调为暖色调;色温提高后,能量分布中,蓝辐射的比例增加,通常称为“冷光”,使拍摄获得的待处理图像的色调为冷色调。
在一个实施例中,若待处理图像为预览图像时,通过传感器采集预览图像的环境参数。例如,电子设备可通过色温传感器获取待处理图像的色温。
在一个实施例中,若待处理图像为电子设备拍摄的图像,或者是电子设备中预先存储的图像时,则电子设备可基于自动白平衡(Automatic white balance,AWB)算法计算得到待处理图像的色温,在不同光照环境下,被拍摄的物体会呈现出不同的颜色。例如,电子设备可将待处理图像分成M×N块,例如25×25,并统计每一块的基本信息,其中,基本信息包括白色像素的数量以及R/G/B三通道的分量的均值;根据每一块的基本信息确定待处理图像中所有的白色块,并根据色温曲线来获取待处理图像的色温,例如,25×25个图像块中,一共找出了100个有效白色块,里面又有80个白色块代表了色温4500左右,那当前色温基本就是4500。
步骤724,根据色温确定光效模型中散射光的色彩调节参数,色彩调节参数用于调节散射光的颜色。
电子设备可以根据获取的色温来确定光效模型中散射光的色彩调节参数,其中,色彩调节参数用于调节添加在待处理图像中的散射光的颜色。色彩调节参数可包括色彩饱和度等,其中,饱和度则指的是色彩的鲜艳程度。电子设备可根据色温调节色彩调节参数,继而改变待处理图像中各个像素点的色彩值,该色彩值可以像素点是RGB(红、绿、蓝)、HSV(色调、饱和度、明度)等颜色空间中的值。
在一个实施例中,电子设备可预先设置不同的色温对应的色彩调节参数,获取待处理图像的色温后,可直接确定与当前待处理图像的色温对应的色彩调节参数。电子设备可根据确定的色彩调节参数来改变散射光的色调及色彩饱和度,使其添加的散射光呈现夕阳光效果、晨光效果、丁达尔光效果等,但不限于此。例如,夕阳光效果可设置暖色调的色彩调节参数,增加待处理图像中像素点在R、G通道的值,使待处理图像中添加的散射光偏黄、偏红。
可选地,电子设备可根据确定的色彩调节参数来调整待处理图像中各个像素点的色彩值。调整待处理图像各个像素点的色彩值,可相当于在待处理图像上添加了一层色彩滤镜,该色彩滤镜可实现在待处理图像添加相应颜色的光线效果。可选地,电子设备还可调整各个像素点的色彩饱和度及对比度,可使得模拟的丁达尔光效果更加真实、自然。
在本实施例中,可根据色温选取合适的光线效果色彩值,可使添加的光线效果与图像的原色调保持一致,使图像具备更好的光线效果。
当执行步骤730,根据确定的散射方向和散射区域对待处理图像进行添加光线效果的处理时,电子设备也可根据获取的色温确定光效模型中的色彩调节参数,以选取合适的光线效果色彩值,以改变散射光的颜色,继而再根据确定的散射方向和散射区域对待处理图像进行添加光线效果的处理时,可以使添加的散射光呈现夕阳光效果、晨光效果等。
在本实施例中,电子设备根据色温确定光效模型中散射光的色彩调节参数以调节散射光的颜色,同时还可以确定光效模型中的散射方向和散射区域,以使添加的光线呈现丁达尔光效,使图像具备更好的光线效果,且操作简便快捷。
图8为另一个实施例中图像处理方法的流程图。如图7所示,图像处理方法包括步骤802至步骤810。其中:
步骤802,识别待处理图像的场景类型。
步骤804,当场景类型为预设类型时,提取待处理图像中与预设方向平行的直线以形成直线集合。
电子设备可以识别待处理图像的场景类型,其中,场景类型可以根据天气状态,例如晴天类、阴天类、雨天类、雪天类。可选的,场景类型可以根据光照信息来分类,其中,光照信息可指物体被照明的程度,根据被照明的程度可以将场景类型分为强光类、中光类、弱光类、无光类,其分类的标准可以根据实际情况来设定。
电子设备可以基于神经网络算法来识别待处理图像的场景类型。在一个实施例中,人脸识别模型可以是预先通过机器学习构建的决策模型,构建人脸识别模型时,可获取大量的样本图像,样本图像中包含有人脸图像及无人图像,可根据每个样本图像是否包含人脸对样本图像进行标记,并将标记的样本图像作为人脸识别模型的输入,通过机器学习进行训练,得到人脸识别模型。
其中,神经网络包括至少包含一个输入层、n个中间层和一个输出层。其中,将第i个中间层配置为特征数据提取层,该第j个中间层级联到该预设神经网络的第一支路,一个输出层位于该第一支路。该预设神经网络的第一支路的第一输出可以在用该预设神经网络进行图像检测时输出第一置信度,该第一置信度表示采用该预设神经网络检测出的图像所属指定场景类别的置信度。
电子设备可以判断识别的场景类型是否为预设场景类型,其中,预设场景类型可以为阴天类、弱光类或无光类等需要添加额外的光线的场景类型。
步骤806,根据直线集合确定直线分布的聚集区以及聚集区的特征点;
步骤808,在聚集区获取光效模型,光效模型是以特征点为光源模拟散射光的模型;
步骤810,根据光效模型对待处理图像进行添加光线效果的处理。
步骤806-步骤810与前述实施例中步骤804-步骤808一一对应,在此,不在赘述。
在本实施例中,电子设备根据识别所述待处理图像的场景类型;当所述场景类型为预设类型时,其开启光效添加功能,进而可以根据直线集合动态添加光线效果,使待处理图像具备更好的光线效果,且操作简便快捷,提高了电子设备的用户体验度。当场景类型不属于预设类型时,则不对其待处理图像进行添加光线效果的处理,以提高待处理图像的真实性以及用户的体验度。
应该理解的是,虽然图2、4、6、7、8的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2、4、6、7、8中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图9为一个实施例中图像处理装置的结构示意图。如图9所示,该图像处理装置900包括直线提取模块910、特征确定模块920、模型添加模块930和增强处理模块940。其中,
直线提取模块910,用于提取待处理图像中与预设方向平行的直线以形成直线集合;
特征确定模块920,用于根据所述直线集合确定所述直线分布的聚集区以及所述聚集区的特征点;
模型添加模块930,用于在所述聚集区获取光效模型,所述光效模型是以所述特征点为光源模拟散射光的模型;
增强处理模块940,用于根据所述光效模型对所述待处理图像进行添加光线效果的处理。
上述实施例提供的图像处理装置,能够提取待处理图像中与预设方向平行的直线以形成直线集合;根据直线集合确定直线分布的聚集区以及聚集区的特征点;在聚集区获取光效模型,光效模型是以特征点为光源模拟散射光的模型;根据光效模型对待处理图像进行添加光线效果的处理,可以根据直线集合动态添加光线效果,使待处理图像具备更好的光线效果,且操作简便快捷,提高了电子设备的用户体验度。
在一个实施例中,特征确定模块920,包括:
坐标获取单元,用于获取所述直线集合中每条所述直线位于坐标系中的坐标信息;其中,所述预设方向与所述坐标系的横轴或纵轴平行;
聚集获取单元,用于根据所述坐标信息确定所述直线的分布状态以确定所述聚集区;
特征确定单元,用于在所述聚集区内确定所述特征点。
在一个实施例中,聚集获取单元还用于根据所述坐标信息获取所述直线的总数量和所述直线分布信息;根据所述分布信息和所述总数量的预设比例确定所述聚集区。
在一个实施例中,特征确定单元,还用于在所述聚集区内随机选取携带标识信息的N条直线,所述标识信息用于表示所述N条直线在所述预设方向上分布的顺序信息;其中,N小于等于所述聚集区内直线的总条数;根据所述N条直线的标识信息确定目标直线;在所述目标直线上确定所述特征点。
在一个实施例中,增强处理模块940,包括:
散射获取单元,用于获取所述特征点的坐标信息;根据所述坐标信息确定所述光效模型的散射光的散射方向和散射区域;根据确定的所述散射方向和散射区域对所述待处理图像进行添加光线效果的处理。
在一个实施例中,增强处理模块940,还包括:
色彩调节单元,用于获取所述待处理图像的色温;根据所述色温确定所述光效模型中散射光的色彩调节参数,所述色彩调节参数用于调节所述散射光的颜色。
在一个实施例中,图像处理装置,还包括:
场景识别模块950,用于识别所述待处理图像的场景类型;当所述场景类型为预设类型时,提取待处理图像中与预设方向平行的直线以形成直线集合。
上述图像处理装置中各个模块的划分仅用于举例说明,在其他实施例中,可将图像处理装置按照需要划分为不同的模块,以完成上述图像处理装置的全部或部分功能。
本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质,当计算机可执行指令被一个或多个处理器执行时,使得处理器执行上述实施例提供的图像处理方法。
一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例提供的图像处理方法。
本申请实施例还提供一种电子设备。上述电子设备中包括图像处理电路,图像处理电路可以利用硬件和/或软件组件实现,可包括定义ISP(Image Signal Processing,图像信号处理)管线的各种处理单元。图10为一个实施例中图像处理电路的示意图。如图10所示,为便于说明,仅示出与本申请实施例相关的图像处理技术的各个方面。
如图10所示,图像处理电路包括ISP处理器1040和控制逻辑器1050。成像设备1010捕捉的图像数据首先由ISP处理器1040处理,ISP处理器1040对图像数据进行分析以捕捉可用于确定和/或成像设备1010的一个或多个控制参数的图像统计信息。成像设备1010可包括具有一个或多个透镜1012和图像传感器1014的照相机。图像传感器1014可包括色彩滤镜阵列(如Bayer滤镜),图像传感器1014可获取用图像传感器1014的每个成像像素捕捉的光强度和波长信息,并提供可由ISP处理器1040处理的一组原始图像数据。传感器1020(如陀螺仪)可基于传感器1020接口类型把采集的图像处理的参数(如防抖参数)提供给ISP处理器1040。传感器1020接口可以利用SMIA(Standard Mobile Imaging Architecture,标准移动成像架构)接口、其它串行或并行照相机接口或上述接口的组合。
此外,图像传感器1014也可将原始图像数据发送给传感器1020,传感器1020可基于传感器1020接口类型把原始图像数据提供给ISP处理器1040,或者传感器1020将原始图像数据存储到图像存储器1030中。
ISP处理器1040按多种格式逐个像素地处理原始图像数据。例如,每个图像像素可具有10、10、12或14比特的位深度,ISP处理器1040可对原始图像数据进行一个或多个图像处理操作、收集关于图像数据的统计信息。其中,图像处理操作可按相同或不同的位深度精度进行。
ISP处理器1040还可从图像存储器1030接收图像数据。例如,传感器1020接口将原始图像数据发送给图像存储器1030,图像存储器1030中的原始图像数据再提供给ISP处理器1040以供处理。图像存储器1030可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器,并可包括DMA(Direct Memory Access,直接直接存储器存取)特征。
当接收到来自图像传感器1014接口或来自传感器1020接口或来自图像存储器1030的原始图像数据时,ISP处理器1040可进行一个或多个图像处理操作,如时域滤波。处理后的图像数据可发送给图像存储器1030,以便在被显示之前进行另外的处理。ISP处理器1040还可从图像存储器1030接收处理数据,对处理数据进行原始域中以及RGB和YCbCr颜色空间中的图像数据处理。处理后的图像数据可输出给显示器1080,以供用户观看和/或由图形引擎或GPU(Graphics Processing Unit,图形处理器)进一步处理。此外,ISP处理器1040的输出还可发送给图像存储器1030,且显示器1080可从图像存储器1030读取图像数据。在一个实施例中,图像存储器1030可被配置为实现一个或多个帧缓冲器。此外,ISP处理器1040的输出可发送给编码器/解码器1070,以便编码/解码图像数据。编码的图像数据可被保存,并在显示于显示器1080设备上之前解压缩。
ISP处理器1040处理图像数据的步骤包括:对图像数据进行VFE(Video FrontEnd,视频前端)处理和CPP(Camera Post Processing,摄像头后处理)处理。对图像数据的VFE处理可包括修正图像数据的对比度或亮度、修改以数字方式记录的光照状态数据、对图像数据进行补偿处理(如白平衡,自动增益控制,γ校正等)、对图像数据进行滤波处理等。对图像数据的CPP处理可包括对图像进行缩放、向每个路径提供预览帧和记录帧。其中,CPP可使用不同的编解码器来处理预览帧和记录帧。ISP处理器1040处理后的图像数据可发送给光效处理模块1060,以便在被显示之前对图像进行光效增强处理。其中,光效处理模块1060可为移动终端中CPU(Central Processing Unit,中央处理器)、GPU或协处理器等。光效处理模块1060处理后的数据可发送给编码器/解码器1070,以便编码/解码图像数据。编码的图像数据可被保存,并在显示于显示器1080设备上之前解压缩。其中,光效处理模块1060还可位于编码器/解码器1070与显示器1080之间,即光效增强模块1060对已成像的图像进行光效增强处理。上述编码器/解码器1070可为移动终端中CPU、GPU或协处理器等。
ISP处理器1040确定的统计数据可发送给控制逻辑器1050单元。例如,统计数据可包括自动曝光、自动白平衡、自动聚焦、闪烁检测、黑电平补偿、透镜1012阴影校正等图像传感器1014统计信息。控制逻辑器1050可包括执行一个或多个例程(如固件)的处理器和/或微控制器,一个或多个例程可根据接收的统计数据,确定成像设备1010的控制参数以及ISP处理器1040的控制参数。例如,成像设备1010的控制参数可包括传感器1020控制参数(例如增益、曝光控制的积分时间)、照相机闪光控制参数、透镜1012控制参数(例如聚焦或变焦用焦距)、或这些参数的组合。ISP控制参数可包括用于自动白平衡和颜色调整(例如,在RGB处理期间)的增益水平和色彩校正矩阵,以及透镜1012阴影校正参数。
运用图10中图像处理技术可实现如上的图像处理方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
提取待处理图像中与预设方向平行的直线以形成直线集合;
获取所述直线集合中每条所述直线位于坐标系中的坐标信息;其中,所述预设方向与所述坐标系的横轴或纵轴平行;
根据所述坐标信息确定所述直线的分布状态以确定聚集区;
在所述聚集区内确定所述特征点,所述特征点位于所述直线上;在所述聚集区获取光效模型,所述光效模型是以所述特征点为光源模拟散射光的模型;
根据所述光效模型对所述待处理图像进行添加光线效果的处理。
2.根据权利要求1所述的方法,其特征在于,所述根据所述坐标信息确定所述直线的分布状态以确定所述聚集区,包括:
根据所述坐标信息获取所述直线的总数量和所述直线分布信息;
根据所述分布信息和所述总数量的预设比例确定所述聚集区。
3.根据权利要求1所述的方法,其特征在于,所述在所述聚集区内确定所述特征点,包括:
在所述聚集区内随机选取携带标识信息的N条直线,所述标识信息用于表示所述N条直线在所述预设方向上分布的顺序信息;其中,N小于等于所述聚集区内直线的总条数;
根据所述N条直线的标识信息确定目标直线;
在所述目标直线上确定所述特征点。
4.根据权利要求1所述的方法,其特征在于,所述根据所述光效模型对所述待处理图像进行添加光线效果的处理,包括:
获取所述特征点的坐标信息;
根据所述特征点的坐标信息确定所述光效模型的散射光的散射方向和散射区域;
根据确定的所述散射方向和散射区域对所述待处理图像进行添加光线效果的处理。
5.根据权利要求4所述的方法,其特征在于,所述根据确定的所述散射方向和散射区域对所述待处理图像进行添加光线效果的处理前,还包括:
获取所述待处理图像的色温;
根据所述色温确定所述光效模型中散射光的色彩调节参数,所述色彩调节参数用于调节所述散射光的颜色。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述方法还包括:
识别所述待处理图像的场景类型;
当所述场景类型为预设类型时,提取待处理图像中与预设方向平行的直线以形成直线集合。
7.一种图像处理装置,其特征在于,所述装置包括:
直线提取模块,用于提取待处理图像中与预设方向平行的直线以形成直线集合;
特征确定模块,用于根据所述直线集合确定所述直线分布的聚集区以及所述聚集区的特征点;
模型添加模块,用于在所述聚集区获取光效模型,所述光效模型是以所述特征点为光源模拟散射光的模型;
增强处理模块,用于根据所述光效模型对所述待处理图像进行添加光线效果的处理;
所述特征确定模块,包括:
坐标获取单元,用于获取所述直线集合中每条所述直线位于坐标系中的坐标信息;其中,所述预设方向与所述坐标系的横轴或纵轴平行;
聚集获取单元,用于根据所述坐标信息确定所述直线的分布状态以确定所述聚集区;
特征确定单元,用于在所述聚集区内确定所述特征点。
8.根据权利要求7所述的装置,其特征在于,所述聚集获取单元还用于根据所述坐标信息获取所述直线的总数量和所述直线分布信息;根据所述分布信息和所述总数量的预设比例确定所述聚集区。
9.一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,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法的步骤。
10.一种电子设备,包括存储器及处理器,所述存储器中储存有计算机可读指令,所述指令被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810997731.6A CN109040598B (zh) | 2018-08-29 | 2018-08-29 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810997731.6A CN109040598B (zh) | 2018-08-29 | 2018-08-29 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109040598A CN109040598A (zh) | 2018-12-18 |
CN109040598B true CN109040598B (zh) | 2020-08-14 |
Family
ID=64625490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810997731.6A Active CN109040598B (zh) | 2018-08-29 | 2018-08-29 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109040598B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113489901B (zh) * | 2021-06-30 | 2023-04-28 | 维沃移动通信(杭州)有限公司 | 拍摄方法及其装置 |
CN114972769B (zh) * | 2022-06-17 | 2023-07-28 | 北京百度网讯科技有限公司 | 图像处理方法、三维地图生成方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004301847A (ja) * | 1998-07-28 | 2004-10-28 | Hitachi Ltd | 欠陥検査装置およびその方法 |
CN101308572A (zh) * | 2008-06-24 | 2008-11-19 | 北京中星微电子有限公司 | 一种发光特效处理方法及装置 |
CN104573713A (zh) * | 2014-12-31 | 2015-04-29 | 天津弘源慧能科技有限公司 | 一种基于图像纹理特征的互感器红外图像识别方法 |
CN108419028A (zh) * | 2018-03-20 | 2018-08-17 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
-
2018
- 2018-08-29 CN CN201810997731.6A patent/CN109040598B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004301847A (ja) * | 1998-07-28 | 2004-10-28 | Hitachi Ltd | 欠陥検査装置およびその方法 |
CN101308572A (zh) * | 2008-06-24 | 2008-11-19 | 北京中星微电子有限公司 | 一种发光特效处理方法及装置 |
CN104573713A (zh) * | 2014-12-31 | 2015-04-29 | 天津弘源慧能科技有限公司 | 一种基于图像纹理特征的互感器红外图像识别方法 |
CN108419028A (zh) * | 2018-03-20 | 2018-08-17 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109040598A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108024107B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN108921823B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN108537155B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN108419028B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN108810418B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN108537749B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN108734676B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
EP3849170B1 (en) | Image processing method, electronic device, and computer-readable storage medium | |
CN108717530B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN108154514B (zh) | 图像处理方法、装置及设备 | |
CN109242794B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN108055452A (zh) | 图像处理方法、装置及设备 | |
CN107481186B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
CN109712177B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN109191403A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN107704798B (zh) | 图像虚化方法、装置、计算机可读存储介质和计算机设备 | |
CN110691226B (zh) | 图像处理方法、装置、终端及计算机可读存储介质 | |
CN108012078A (zh) | 图像亮度处理方法、装置、存储介质和电子设备 | |
CN107622497B (zh) | 图像裁剪方法、装置、计算机可读存储介质和计算机设备 | |
CN107317967B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN108024054A (zh) | 图像处理方法、装置及设备 | |
CN108053438A (zh) | 景深获取方法、装置及设备 | |
CN108012135B (zh) | 图像处理方法及装置、计算机可读存储介质和计算机设备 | |
CN107682611B (zh) | 对焦的方法、装置、计算机可读存储介质和电子设备 | |
CN107563329B (zh) | 图像处理方法、装置、计算机可读存储介质和移动终端 |
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 |