CN109246354B - 图像处理方法和装置、电子设备、计算机可读存储介质 - Google Patents
图像处理方法和装置、电子设备、计算机可读存储介质 Download PDFInfo
- Publication number
- CN109246354B CN109246354B CN201811045659.3A CN201811045659A CN109246354B CN 109246354 B CN109246354 B CN 109246354B CN 201811045659 A CN201811045659 A CN 201811045659A CN 109246354 B CN109246354 B CN 109246354B
- Authority
- CN
- China
- Prior art keywords
- light effect
- image
- region
- area
- pixel
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 230000001795 light effect Effects 0.000 claims abstract description 230
- 238000012545 processing Methods 0.000 claims abstract description 119
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000008859 change Effects 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000003705 background correction Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 239000010937 tungsten Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/71—Circuitry for evaluating the brightness variation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/76—Circuitry for compensating brightness variation in the scene by influencing the image signals
-
- 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
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
- G06T2207/20008—Globally adaptive
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/2621—Cameras specially adapted for the electronic generation of special effects during image pickup, e.g. digital cameras, camcorders, video cameras having integrated special effects capability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种图像处理方法、装置、电子设备、计算机可读存储介质,所述方法包括:获取待处理图像;检测所述待处理图像中的人脸区域,并检测所述人脸区域中的过曝区域;根据所述过曝区域获取光效强度系数,并根据所述光效强度系数获取目标光效模型,其中,所述目标光效模型为模拟光线变化的模型;根据所述目标光效模型对所述待处理图像进行光效增强处理。上述图像处理方法、装置、电子设备、计算机可读存储介质,可以提高图像处理的准确性。
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、电子设备、计算机可读存储介质。
背景技术
电子设备可以通过拍摄、下载、传输等方式获取图像,在获取图像之后还可以对图像进行一些后期处理。例如,提高图像的亮度、调整图像的饱和度或者调整图像的色温等,还可以对图像添加光效。添加的光效可以模拟光线强弱变化,使图像中的物体呈现出光照效果。
发明内容
本申请实施例提供一种图像处理方法、装置、电子设备、计算机可读存储介质,可以提高图像处理的准确性。
一种图像处理方法,包括:
获取待处理图像;
检测所述待处理图像中的人脸区域,并检测所述人脸区域中的过曝区域;
根据所述过曝区域获取光效强度系数,并根据所述光效强度系数获取目标光效模型,其中,所述目标光效模型为模拟光线变化的模型;
根据所述目标光效模型对所述待处理图像进行光效增强处理。
一种图像处理装置,包括:
图像获取模块,用于获取待处理图像;
过曝检测模块,用于检测所述待处理图像中的人脸区域,并检测所述人脸区域中的过曝区域;
模型获取模块,用于根据所述过曝区域获取光效强度系数,并根据所述光效强度系数获取目标光效模型,其中,所述目标光效模型为模拟光线变化的模型;
光效处理模块,用于根据所述目标光效模型对所述待处理图像进行光效增强处理。
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程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
获取待处理图像;
检测所述待处理图像中的人脸区域,并检测所述人脸区域中的过曝区域;
根据所述过曝区域获取光效强度系数,并根据所述光效强度系数获取目标光效模型,其中,所述目标光效模型为模拟光线变化的模型;
根据所述目标光效模型对所述待处理图像进行光效增强处理。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
获取待处理图像;
检测所述待处理图像中的人脸区域,并检测所述人脸区域中的过曝区域;
根据所述过曝区域获取光效强度系数,并根据所述光效强度系数获取目标光效模型,其中,所述目标光效模型为模拟光线变化的模型;
根据所述目标光效模型对所述待处理图像进行光效增强处理。
上述图像处理方法、装置、电子设备、计算机可读存储介质,可以对待处理图像中的人脸区域进行检测,然后再检测人脸区域中的过曝区域。根据过曝区域获取光效强度系数,再根据光效强度系数获取目标光效模型。最后根据目标光效模型对待处理图像进行光效增强处理。检测到人脸区域的过曝区域之后,根据过曝区域来调节光效增强处理的强度,可以避免在光效增强处理时引起的人脸区域的失真,提高了图像处理的准确性。
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为一个实施例中图像处理方法的应用环境示意图;
图2为一个实施例中图像处理方法的流程图;
图3为另一个实施例中图像处理方法的流程图;
图4为一个实施例中对三维模型进行光效增强处理的示意图;
图5为又一个实施例中图像处理方法的流程图;
图6为一个实施例中连通区域的示意图;
图7为又一个实施例中图像处理方法的流程图;
图8为一个实施例的图像处理装置的结构框图;
图9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。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一客户端称为第二客户端,且类似地,可将第二客户端称为第一客户端。第一客户端和第二客户端两者都是客户端,但其不是同一客户端。
图1为一个实施例中图像处理方法的应用环境示意图。如图1所示,该应用环境包括电子设备10,电子设备10可通过安装的摄像头102采集待处理图像,然后对采集的待处理图像检测人脸区域,并检测人脸区域中的过曝区域。根据过曝区域获取光效强度系数,并根据光效强度系数获取目标光效模型。根据目标光效模型对待处理图像进行光效增强处理。在一个实施例中,电子设备10可以是个人电脑、移动终端、个人数字助理、可穿戴电子设备等,不限于此。
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,获取待处理图像。
在一个实施例中,待处理图像是指需要进行光效增强处理的图像。具体的,该待处理图像可以是一个由若干个像素点构成的二维矩阵,每个像素点可以有对应的像素值,从而通过不同像素值的像素点的排列,形成不同的图案。待处理图像可以分别通过横向和纵向排列的像素点的数量来表示分辨率,例如待处理图像的分辨率可以是640*320,则表示该待处理图像在每个横向方向上排列了640个像素点,在每个纵向方向上排列了320个像素点。
具体的,电子设备获取待处理图像的方式不限。例如,电子设备可以通过安装的摄像头直接拍摄得到待处理图像,还可以接收其他电子设备发送的待处理图像,也可以从网页上下载待处理图像,或者直接从电子设备本地存储的图像中查找待处理图像等,在此不做限定。
步骤204,检测待处理图像中的人脸区域,并检测人脸区域中的过曝区域。
获取到待处理图像之后,可以对待处理图像进行人脸检测,提取待处理图像中的人脸区域。其中,人脸区域是指人脸所在的区域,可以通过包含人脸区域的最小矩形区域进行表示,也可以通过人脸轮廓所包含的区域进行表示,在此不做限定。
检测待处理图像中的人脸区域可以是通过任何人脸检测算法来实现的。例如,人脸检测算法可以是基于AdaBoost(Adaptive Boosting,自适应提升)的算法、SSD(SingleShot MultiBox Detector,单次检测器)算法、CNN(Convolutional Neural Networks,卷积神经网络)算法,在此不做限定。
在检测到人脸区域之后,可以在人脸区域中检测过曝区域。过曝区域是指曝光过度的区域,一般可以通过像素点的亮度来检测是否为曝光过去。例如统计人脸区域中各个像素点的亮度,获取亮度大于一定值的像素点组成的区域,即为过曝区域。
步骤206,根据过曝区域获取光效强度系数,并根据光效强度系数获取目标光效模型,其中,目标光效模型为模拟光线变化的模型。
由于在对待处理图像进行光效增强处理的时候,可能会改变待处理图像中像素点的颜色、亮度等。假设待处理图像中存在曝光过度的区域,那么再对待处理图像进行光效增强处理,就会造成曝光过度的区域严重失真。因此需要先检测人脸区域中的过曝区域,然后根据过曝区域来调整进行光效增强处理的光效强度系数。
目标光效模型为模拟光线变化的模型,通过该目标光效模型可以对待处理图像进行光效增强处理。光效增强处理是指对图像添加光线效果的处理。具体的,该目标光效模型可以模拟光线的方向、强弱、颜色等变化曲线,通过该目标光效模型对待处理图像添加不同方向、强弱和颜色的光线。例如,目标光效模型可以模拟白炽灯产生的光线变化,也可以模拟钨丝光的光线变化,白炽灯产生的光线颜色偏蓝,钨丝灯产生的光线颜色偏黄。
在一个实施例中,检测到过曝区域后,可以根据过曝区域来调整进行光效增强处理的强度。具体的,可以获取过曝区域的亮度,然后根据过曝区域的亮度调整目标光效模型的光效强度系数,然后根据目标光效模型来进行光效增强处理。例如,过曝区域的亮度越高时,得到的光效强度系数越小,那么进行光效增强处理的强度就小。
步骤208,根据目标光效模型对待处理图像进行光效增强处理。
在一个实施例中,目标光效模型可以是对待处理图像中的部分区域进行光效增强处理的模型,也可以是对待处理图像中的全部区域进行光效增强处理的模型,在此不做限定。例如,通过目标光效模型可以是只对待处理图像中的人脸区域进行光效增强处理,还可以是对整个待处理图像进行光效增强处理。
具体的,待处理图像是由若干像素点构成的二维矩阵,每个像素点都有对应的像素值。因此,可以获取目标光效模型之后,可以根据目标光效模型计算待处理图像中各个像素点的光效增强参数。计算出光效增强参数之后,可以根据光效增强参数对待处理图像中的各个像素点进行光效增强处理。具体可以通过光效增强参数对待处理图像进行叠加或乘积的方式进行光效增强处理,在此不做限定。可以理解的是,图像中的像素值的取值范围一般为[0,255],因此在经过光效增强处理之后的待处理图像的像素值不能大于255。
例如,假设待处理图像为H0(x,y),目标光效模型为P(x,y),则通过叠加方式进行光效增强处理之后的待处理图像H(x,y)就可以表示为H(x,y)=(1+P(x,y))H0(x,y),通过乘积的方式进行光效增强处理后的待处理图像就可以表示为H(x,y)=P(x,y)H0(x,y)。可以理解的是,光效增强处理还可以是以其他方式实现的,在此不做限定。
在一个实施例中,在对待处理图像进行光效增强处理的时候,还可以对待处理图像中的各个颜色通道做不同的处理。具体的,待处理图像中的每个像素点可以对应一个或多个颜色通道值,则可以根据获取的目标光效模型计算各个像素点对应的颜色通道值的光效增强参数,再根据光效增强参数分别对各个像素点的颜色通道值进行光效增强处理。例如,待处理图像可以对应四个颜色通道,则获取的目标光效模型中可以包含四个光效子模型,每个光效子模型对应处理一个颜色通道,那么就可以根据该光效子模型计算待处理图像中对应的颜色通道的光效增强参数,然后根据计算得到的光效增强参数对颜色通道值进行光效增强处理。
可以理解的是,对各个颜色通道值进行不同的光效增强处理之后,得到的图像光效增强效果可能会一样。例如,获取的RGB三通道值对应的光效增强参数中,R通道对应的光效增强参数大于G通道和B通道的光效增强参数,那么根据获取的光效增强参数对待处理图像进行光效增强处理之后,得到的光效增强图像相对待处理图像就是偏红光的效果。
上述实施例提供的图像处理方法,可以对待处理图像中的人脸区域进行检测,然后再检测人脸区域中的过曝区域。根据过曝区域获取光效强度系数,再根据光效强度系数获取目标光效模型。最后根据目标光效模型对待处理图像进行光效增强处理。检测到人脸区域的过曝区域之后,根据过曝区域来调节光效增强处理的强度,可以避免在光效增强处理时引起的人脸区域的失真,提高了图像处理的准确性。
图3为另一个实施例中图像处理方法的流程图。如图3所示,该图像处理方法包括步骤302至步骤316。其中:
步骤302,获取待处理图像。
在本申请提供的实施例中,对待处理图像进行光效增强处理可以是电子设备自动触发的,也可以是用户手动触发的,在此不做限定。例如,电子设备拍摄到一张图像的时候,用户可以手动选择是否对拍摄的图像进行光效增强处理,当用户点击光效增强处理的按钮时,则将拍摄得到的图像作为待处理图像,并对待处理图像进行光效增强处理。
步骤304,检测待处理图像中的人脸区域,并将人脸区域的像素点划分为不同的像素块。
待处理图像是由若干个像素点构成的二维矩阵,所以检测得到的人脸区域中也会包含若干个像素点。在检测到待处理图像中的人脸区域之后,可以将检测到的人脸区域中包含的像素点划分为不同的像素块,然后分别统计划分的像素块中的亮度值,然后根据统计的亮度值来判断是否曝光过度。
可以理解的是,划分的像素块的大小在此不做限定,像素块的大小可以通过m*n进行表示,m*n大小表示像素块中每个横向方向上有m像素点,每个纵向方向上有n个像素点。像素块中横向方向和纵向方向上的像素点的数量可以相同,也可以不同,在此不做限定。例如,划分的像素块可以是16*16大小的,也可以是10*4大小的。
步骤306,统计像素块中所包含的像素点的第一亮度均值。
将人脸区域划分为不同的像素块之后,每个像素块中会包含多个像素点,每个像素点会对应一个亮度值。然后统计每一个像素块中的所有像素点的亮度值的平均值,作为第一亮度均值。这样每个像素块都会对应一个第一亮度均值,然后根据统计得到的第一亮度均值来判断过曝区域。
在一个实施例中,假设像素块为16*16大小的,那么可以预先定义一个16*16大小的矩形框,然后通过该16*16大小的矩形框遍历人脸区域。具体的遍历过程为:首先在人脸区域中定义一个起始位置,将矩形框放到该起始位置,则矩形框内的像素点组成一个像素块,统计得到该像素块对应的第一亮度均值。之后每次将矩形框移动到一个不同的位置,然后每次移动一个位置之后矩形框内的像素点都会组成一个像素块,然后统计每次形成的像素块的第一亮度均值。
步骤308,根据第一亮度均值大于亮度阈值的像素块组成第一像素区域,根据第一像素区域生成过曝区域。
统计得到的各个像素块对应的第一亮度均值之后,获取第一亮度均值大于亮度阈值的像素块,并根据获取的像素块组成第一像素区域。亮度值过高的像素点可能是因为曝光过度引起的,因此可以根据得到的第一亮度均值大于亮度阈值的像素块得到曝光区域。
步骤310,统计过曝区域中包含的像素点的第二亮度均值,并根据第二亮度均值获取光效强度系数。
确定过曝区域之后,可以计算过曝区域中包含的所有像素点的亮度值的平均值,得到第二亮度均值,然后根据第二亮度均值获取光效强度系数。一般的,第二亮度均值越大,光效强度系数越小,对应的光效增强处理的强度越弱。
具体的,在统计过曝区域中包含的像素点的第二亮度均值时,可以将过曝区域中的所有像素点的亮度值进行叠加,然后统计过曝区域中包含的像素点的数量,然后将叠加得到的亮度均值的总和除以像素点的数量,得到第二亮度均值。例如,过曝区域中包含4个像素点,亮度值分别为201、186、158、165,那么得到的第二亮度均值就为(203、186、158、165)/4=178。
在一个实施例中,获取光效强度系数的步骤可以包括:根据上述第二亮度均值和亮度阈值获取光效强度系数,具体可以是根据亮度阈值与第二亮度均值的比值得到光效强度系数。假设第二亮度均值为V2,亮度阈值为T,那么得到的光效强度系数r=T/V2。
例如,亮度阈值可以为T=240,那么在统计像素块的第一亮度均值V1之后,可以根据第一亮度均值V1大于240的像素块组成第一像素区域,然后根据第一像素区域获取过曝区域。然后计算过曝区域的第二亮度均值V2,根据第二亮度均值和亮度均值计算得到的光效强度系数r=240/V2。
步骤312,根据光效强度系数获取目标光效模型。
在本申请提供的实施例中,可以预先定义一个参考光效模型,该参考光效模型可以模拟光线变化,具体可以模拟光线的颜色、方向、强弱等变化。获取到光效强度系数之后,可以根据光效强度系数调整参考光效模型的光效强度,从而得到目标光效模型。
举例来说,假设参考光效模型为Po(x,y),光效强度系数为r,得到的目标光效模型为P(x,y)。那么根据参考光效模型和光效强度系数得到目标光效模型的公式就可以表示为:P(x,y)=r*Po(x,y)。
步骤314,获取待处理图像对应的深度图像,根据待处理图像和深度图像进行三维重建,得到人脸区域对应的三维模型。
在一个实施例中,在获取到目标光效模型之后,可以对二维图像进行处理,也可以对三维模型进行处理,在此不做限定。待处理图像为二维图像,那么在得到目标光效模型之后,可以直接对待处理图像进行处理,也可以对根据待处理图像进行三维重建得到的三维模型进行处理。
在对三维模型进行处理的时候,需要先根据待处理图像进行三维建模,得到三维模型。具体的,获取待处理图像对应的深度图像,然后根据待处理图像和深度图像进行三维重建。待处理图像可以用于表示物体的颜色、纹理等信息,深度图像可以用于表示物体到图像采集装置之间的距离。
根据待处理图像和深度图像可以对人脸区域进行三维建模,得到人脸区域对应的三维模型。具体的,三维模型可以用于表示物体的多边形空间立体结构。三维模型一般可以用三维网格(3Dimensions mesh,3D mesh)结构进行表示,网格是由物体的点云数据组成的。点云数据中一般可以包括三维坐标(XYZ)、激光反射强度(Intensity)和颜色信息(RGB),最终根据点云数据绘制成三维网格。
步骤316,根据目标光效模型对三维模型进行光效增强处理。
可以理解的是,在针对三维模型进行光效增强处理时,得到的目标光效模型也是针对三维模型进行光效增强处理的模型,预先设置的参考光效模型也是对三维模型进行光效增强处理的模型,即目标光效模型为模拟光线在三维空间中的变化的模型。得到三维模型之后,可以根据目标光效模型对三维模型进行光效增强处理。
图4为一个实施例中对三维模型进行光效增强处理的示意图。如图4所示,对人脸区域进行三维重建,得到三维模型402,得到的三维模型402可以在空间三维坐标系xyz中进行表示。对三维模型402进行光效增强处理的目标光效模型可以模拟光线在三维空间中的变化,具体的可以将目标光效模型在空间三维坐标系xyz中进行表示,即为光源中心P生成的光线在空间三维坐标系xyz中的变化曲线。
在一个实施例中,如图5所示,确定过曝区域的步骤可以包括:
步骤502,获取人脸区域中除第一像素区域之外的第二像素区域。
根据人脸区域中第一亮度均值大于亮度阈值的像素块,组成第一像素区域,并将人脸区域中除第一像素区域之外的区域作为第二像素区域,然后根据得到的第一像素区域和第二像素区域确定过曝区域。
步骤504,根据第一像素区域和第二像素区域对人脸区域二值化处理。
确定第一像素区域和第二像素区域之后,根据第一像素区域和第二像素区域进行二值化处理。例如,将第一像素区域中的像素点的亮度值全部设置为1,将第二像素区域中的像素点的亮度值全部设置为0,就可以将人脸区域二值化。
步骤506,根据二值化后的人脸区域确定过曝区域。
二值化后的人脸区域能够更容易分辨出第一像素区域和第二像素区域,然后根据二值化后的人脸区域来确定过曝区域。具体的,由于第一像素区域是亮度值较高的像素块组成的区域,因此第一像素区域被认为是过曝区域的可能性较大。然后可以比较第一像素区域的面积,如果第一像素区域的面积过小,则认为第一像素区域为过曝区域的可能性较小;如果第一像素区域的面积较大,则认为第一像素区域为过曝区域的可能性较大,则可以根据面积较大的第一像素区域生成过曝区域。
将第一像素区域中的所有像素点的亮度值设置为非0亮度值,将第二像素区域中的所有像素点设置为0,就可以对人脸区域进行二值化。这样得到的二值化后的人脸区域,就包含了一个或多个连通区域,然后可以根据连通区域的面积来确定过曝区域。
具体的,获取二值化后的人脸区域中的连通区域,并获取各个连通区域与人脸区域的面积比值;根据面积比值大于面积阈值的连通区域生成过曝区域。其中,面积可以通过包含的像素点的数量进行表示,连通区域的面积即为连通区域中所包含的像素点的数量,人脸区域的面积即为人脸区域中所包含的像素点的数量。获取到人脸区域中各个连通区域的面积之后,获取各个连通区域的面积与人脸区域的面积的面积比值,然后根据得到的面积比值确定过曝区域。
在一个实施例中,还可以将二值化后的人脸区域进行先膨胀后腐蚀的处理,然后获取先膨胀后腐蚀处理后的人脸区域中的连通区域,并获取各个连通区域与人脸区域的面积比值;根据面积比值大于面积阈值的连通区域生成过曝区域。例如,连通区域的面积为S1,人脸区域的面积为S2,假设连通区域与人脸区域的面积比值S1/S2大于0.1,则将该连通区域进行标记,最后根据标记的连通区域组成最后的曝光区域。
图6为一个实施例中连通区域的示意图。如图6所示,可以将人脸区域进行二值化,例如将第一像素区域中的所有像素点的亮度值设置为255,将第二像素区域中的所有像素点的亮度值设置为0,就可以得到二值化后的人脸区域60。二值化后的人脸区域60中可包含连通区域602和非连通区域604。
在本申请提供的实施例中,如图7所示,获取光效强度系数的步骤可以包括:
步骤702,当检测待处理图像中存在两个或两个以上的人脸区域时,统计各个人脸区域中的过曝区域的第二亮度均值。
具体的,若在待处理图像中检测到两个或两个以上的人脸区域,那么可以分别检测各个人脸区域中的过曝区域。然后统计每一个人脸区域中的过曝区域的第二亮度均值,根据统计得到的第二亮度均值来获取光效强度系数。
步骤704,根据最大的第二亮度均值获取光效强度系数。
在检测到有两个或两个以上的人脸区域时,可以根据亮度较高的人脸区域来获取光效强度系数。具体的,获取统计得到的各个人脸区域对应的第二亮度均值的最大值,然后根据该最大亮度均值获取光效强度系数。例如,待处理图像中包含两个人脸区域,人脸区域A对应的第二亮度均值为241,另一个人脸区域B对应的第二亮度均值为246,那么就可以根据人脸区域B对应的第二亮度均值246来计算得到光效强度系数。
上述实施例提供的图像处理方法,可以对待处理图像中的人脸区域进行检测,然后再检测人脸区域中的过曝区域。根据过曝区域获取光效强度系数,再根据光效强度系数获取目标光效模型。最后根据待处理图像和对应的深度图像进行三维建模,并根据目标光效模型对三维模型进行光效增强处理。检测到人脸区域的过曝区域之后,根据过曝区域来调节光效增强处理的强度,可以避免在光效增强处理时引起的人脸区域的失真,提高了图像处理的准确性。
应该理解的是,虽然图2、3、5、7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、3、5、7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8为一个实施例的图像处理装置的结构框图。如图8所示,该图像处理装置800包括图像获取模块802、过曝检测模块804、模型获取模块806和光效处理模块808。其中:
图像获取模块802,用于获取待处理图像。
过曝检测模块804,用于检测所述待处理图像中的人脸区域,并检测所述人脸区域中的过曝区域。
模型获取模块806,用于根据所述过曝区域获取光效强度系数,并根据所述光效强度系数获取目标光效模型,其中,所述目标光效模型为模拟光线变化的模型。
光效处理模块808,用于根据所述目标光效模型对所述待处理图像进行光效增强处理。
上述实施例提供的图像处理装置,可以对待处理图像中的人脸区域进行检测,然后再检测人脸区域中的过曝区域。根据过曝区域获取光效强度系数,再根据光效强度系数获取目标光效模型。最后根据目标光效模型对待处理图像进行光效增强处理。检测到人脸区域的过曝区域之后,根据过曝区域来调节光效增强处理的强度,可以避免在光效增强处理时引起的人脸区域的失真,提高了图像处理的准确性。
在一个实施例中,过曝检测模块804还用于将所述人脸区域的像素点划分为不同的像素块;统计所述像素块中所包含的像素点的第一亮度均值;根据所述第一亮度均值大于亮度阈值的像素块组成第一像素区域,根据所述第一像素区域生成过曝区域。
在一个实施例中,过曝检测模块804还用于获取所述人脸区域中除所述第一像素区域之外的第二像素区域;根据所述第一像素区域和第二像素区域对所述人脸区域二值化处理;根据二值化后的人脸区域确定过曝区域。
在一个实施例中,过曝检测模块804还用于获取二值化后的人脸区域中的连通区域,并获取各个连通区域与所述人脸区域的面积比值;根据所述面积比值大于面积阈值的连通区域生成过曝区域。
在一个实施例中,模型获取模块806还用于统计所述过曝区域中包含的像素点的第二亮度均值,并根据所述第二亮度均值获取光效强度系数。
在一个实施例中,模型获取模块806还用于当检测所述待处理图像中存在两个或两个以上的人脸区域时,统计各个所述人脸区域中的所述过曝区域的第二亮度均值;根据最大的第二亮度均值获取光效强度系数。
在一个实施例中,光效处理模块808还用于获取所述待处理图像对应的深度图像,根据所述待处理图像和深度图像进行三维重建,得到所述人脸区域对应的三维模型;根据所述目标光效模型对所述三维模型进行光效增强处理。
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。
关于图像处理装置的具体限定可以参见上文中对于图像处理方法的限定,在此不再赘述。上述图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本申请实施例中提供的图像处理装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端或服务器上运行。该计算机程序构成的程序模块可存储在终端或服务器的存储器上。该计算机程序被处理器执行时,实现本申请实施例中所描述方法的步骤。
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 SignalProcessing,图像信号处理)管线的各种处理单元。图9为一个实施例中图像处理电路的示意图。如图9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9所示,图像处理电路包括ISP处理器940和控制逻辑器950。成像设备910捕捉的图像数据首先由ISP处理器940处理,ISP处理器940对图像数据进行分析以捕捉可用于确定和/或成像设备910的一个或多个控制参数的图像统计信息。成像设备910可包括具有一个或多个透镜912和图像传感器914的照相机。图像传感器914可包括色彩滤镜阵列(如Bayer滤镜),图像传感器914可获取用图像传感器914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940处理的一组原始图像数据。传感器920(如陀螺仪)可基于传感器920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940。传感器920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914也可将原始图像数据发送给传感器920,传感器920可基于传感器920接口类型把原始图像数据提供给ISP处理器940进行处理,或者传感器920将原始图像数据存储到图像存储器930中。
ISP处理器940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8、10、12或14比特的位深度,ISP处理器940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940还可从图像存储器930接收像素数据。例如,传感器920接口将原始图像数据发送给图像存储器930,图像存储器930中的原始图像数据再提供给ISP处理器940以供处理。图像存储器930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 MemoryAccess,直接直接存储器存取)特征。
当接收到来自图像传感器914接口或来自传感器920接口或来自图像存储器930的原始图像数据时,ISP处理器940可进行一个或多个图像处理操作,如时域滤波。ISP处理器940处理后的图像数据可发送给图像存储器930,以便在被显示之前进行另外的处理。ISP处理器940从图像存储器930接收处理数据,并对所述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980,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940的输出还可发送给图像存储器930,且显示器980可从图像存储器930读取图像数据。在一个实施例中,图像存储器930可被配置为实现一个或多个帧缓冲器。此外,ISP处理器940的输出可发送给编码器/解码器970,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980设备上之前解压缩。
ISP处理后的图像数据可发送给光效模块960,以便在被显示之前对图像进行光效处理。光效模块960对图像数据光效处理可包括获取待处理图像中每一个像素的光效增强参数,并根据光效增强参数对待处理图像进行光效增强处理等。光效模块960将图像数据进行光效增强处理后,可将光效增强处理后的图像数据发送给编码器/解码器970,以便编码/解码图像数据。编码的图像数据可被保存,并在显示与显示器980设备上之前解压缩。可以理解的是,光效模块960处理后的图像数据可以不经过编码器/解码器970,直接发给显示器980进行显示。ISP处理器940处理后的图像数据还可以先经过编码器/解码器970处理,然后再经过光效模块960进行处理。其中,光效模块960或编码器/解码器970可为移动终端中CPU(Central Processing Unit,中央处理器)或GPU(Graphics Processing Unit,图形处理器)等。
ISP处理器940确定的统计数据可发送给控制逻辑器950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912阴影校正等图像传感器914统计信息。控制逻辑器950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910的控制参数以及ISP处理器940的控制参数。例如,成像设备910的控制参数可包括传感器920控制参数(例如增益、曝光控制的积分时间、防抖参数等)、照相机闪光控制参数、透镜912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912阴影校正参数。
以下为运用图9中图像处理技术实现上述实施例提供的图像处理方法的步骤。
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,当所述计算机可执行指令被一个或多个处理器执行时,使得所述处理器执行上述实施例提供的图像处理方法的步骤。
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。
本申请所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM),它用作外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上所述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 (14)
1.一种图像处理方法,其特征在于,包括:
获取待处理图像;
检测所述待处理图像中的人脸区域,并检测所述人脸区域中的过曝区域;
根据所述过曝区域获取光效强度系数,并根据所述光效强度系数获取目标光效模型,其中,所述目标光效模型为模拟光线变化的模型;
根据所述目标光效模型对所述待处理图像进行光效增强处理;
所述根据所述过曝区域获取光效强度系数,包括:
统计所述过曝区域中包含的像素点的第二亮度均值,并根据所述第二亮度均值和亮度阈值获取光效强度系数;
所述根据光效强度系数获取目标光效模型,包括:
预设参考光效模型;
根据所述光效强度系数调整所述参考光效模型,获取目标光效模型。
2.根据权利要求1所述的方法,其特征在于,所述检测所述人脸区域中的过曝区域,包括:
将所述人脸区域的像素点划分为不同的像素块;
统计所述像素块中所包含的像素点的第一亮度均值;
根据所述第一亮度均值大于亮度阈值的像素块组成第一像素区域,根据所述第一像素区域生成所述过曝区域。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一像素区域生成所述过曝区域,包括:
获取所述人脸区域中除所述第一像素区域之外的第二像素区域;
根据所述第一像素区域和第二像素区域对所述人脸区域二值化处理;
根据二值化后的人脸区域确定所述过曝区域。
4.根据权利要求3所述的方法,其特征在于,所述根据二值化后的人脸区域确定所述过曝区域,包括:
获取二值化后的人脸区域中的连通区域,并获取各个连通区域与所述人脸区域的面积比值;
根据所述面积比值大于面积阈值的连通区域生成所述过曝区域。
5.根据权利要求1所述的方法,其特征在于,所述统计所述过曝区域中包含的像素点的第二亮度均值,并根据所述第二亮度均值获取光效强度系数,包括:
当检测到所述待处理图像中存在两个或两个以上的人脸区域时,则统计各个所述人脸区域中的所述过曝区域的第二亮度均值;
根据最大的第二亮度均值获取光效强度系数。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述根据所述目标光效模型对所述待处理图像进行光效增强处理,包括:
获取所述待处理图像对应的深度图像,根据所述待处理图像和深度图像进行三维重建,得到所述人脸区域对应的三维模型;
根据所述目标光效模型对所述三维模型进行光效增强处理。
7.一种图像处理装置,其特征在于,包括:
图像获取模块,用于获取待处理图像;
过曝检测模块,用于检测所述待处理图像中的人脸区域,并检测所述人脸区域中的过曝区域;
模型获取模块,用于根据所述过曝区域获取光效强度系数,并根据所述光效强度系数获取目标光效模型,其中,所述目标光效模型为模拟光线变化的模型;
光效处理模块,用于根据所述目标光效模型对所述待处理图像进行光效增强处理;
所述模型获取模块,还用于统计所述过曝区域中包含的像素点的第二亮度均值,并根据所述第二亮度均值和亮度阈值获取光效强度系数;预设参考光效模型,根据所述光效强度系数调整所述参考光效模型,获取目标光效模型。
8.根据权利要求7所述的装置,其特征在于,
所述过曝检测模块,还用于将所述人脸区域的像素点划分为不同的像素块;统计所述像素块中所包含的像素点的第一亮度均值;根据所述第一亮度均值大于亮度阈值的像素块组成第一像素区域,根据所述第一像素区域生成所述过曝区域。
9.根据权利要求8所述的装置,其特征在于,
所述过曝检测模块,还用于获取所述人脸区域中除所述第一像素区域之外的第二像素区域;根据所述第一像素区域和第二像素区域对所述人脸区域二值化处理;根据二值化后的人脸区域确定所述过曝区域。
10.根据权利要求9所述的装置,其特征在于,
所述过曝检测模块,还用于获取二值化后的人脸区域中的连通区域,并获取各个连通区域与所述人脸区域的面积比值;根据所述面积比值大于面积阈值的连通区域生成所述过曝区域。
11.根据权利要求7所述的装置,其特征在于,
所述模型获取模块,还用于当检测到所述待处理图像中存在两个或两个以上的人脸区域时,则统计各个所述人脸区域中的所述过曝区域的第二亮度均值;根据最大的第二亮度均值获取光效强度系数。
12.根据权利要求7-11中任一项所述的装置,其特征在于,
所述光效处理模块,还用于获取所述待处理图像对应的深度图像,根据所述待处理图像和深度图像进行三维重建,得到所述人脸区域对应的三维模型;根据所述目标光效模型对所述三维模型进行光效增强处理。
13.一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序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中任一项所述的方法的步骤。
14.一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。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811045659.3A CN109246354B (zh) | 2018-09-07 | 2018-09-07 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
PCT/CN2019/092931 WO2020048192A1 (zh) | 2018-09-07 | 2019-06-26 | 图像处理方法、电子设备、计算机可读存储介质 |
EP19857827.0A EP3849170B1 (en) | 2018-09-07 | 2019-06-26 | Image processing method, electronic device, and computer-readable storage medium |
US17/193,428 US20210192698A1 (en) | 2018-09-07 | 2021-03-05 | Image Processing Method, Electronic Device, and Non-Transitory Computer-Readable Storage Medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811045659.3A CN109246354B (zh) | 2018-09-07 | 2018-09-07 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109246354A CN109246354A (zh) | 2019-01-18 |
CN109246354B true CN109246354B (zh) | 2020-04-24 |
Family
ID=65067433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811045659.3A Active CN109246354B (zh) | 2018-09-07 | 2018-09-07 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210192698A1 (zh) |
EP (1) | EP3849170B1 (zh) |
CN (1) | CN109246354B (zh) |
WO (1) | WO2020048192A1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109246354B (zh) * | 2018-09-07 | 2020-04-24 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
CN110033418B (zh) * | 2019-04-15 | 2023-03-24 | 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 |
CN110110778B (zh) * | 2019-04-29 | 2023-04-25 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN110223244B (zh) * | 2019-05-13 | 2021-08-27 | 浙江大华技术股份有限公司 | 一种图像处理的方法、装置、电子设备和存储介质 |
CN111507298B (zh) * | 2020-04-24 | 2023-12-12 | 深圳数联天下智能科技有限公司 | 人脸检测方法、装置、计算机设备和存储介质 |
CN112040091B (zh) * | 2020-09-01 | 2023-07-21 | 先临三维科技股份有限公司 | 相机增益的调整方法和装置、扫描系统 |
CN112348738B (zh) * | 2020-11-04 | 2024-03-26 | Oppo广东移动通信有限公司 | 图像优化方法、图像优化装置、存储介质与电子设备 |
CN112653847B (zh) * | 2020-12-17 | 2022-08-05 | 杭州艾芯智能科技有限公司 | 深度相机的自动曝光方法、计算机设备和存储介质 |
CN114827482B (zh) * | 2021-01-28 | 2023-11-03 | 抖音视界有限公司 | 图像亮度的调整方法、装置、电子设备及介质 |
CN112950509B (zh) * | 2021-03-18 | 2023-10-10 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法、装置及电子设备 |
CN117278865A (zh) * | 2023-11-16 | 2023-12-22 | 荣耀终端有限公司 | 一种图像处理方法及相关装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203414661U (zh) * | 2013-08-05 | 2014-01-29 | 杭州海康威视数字技术股份有限公司 | 抑制局部过曝的滤光片 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6900805B2 (en) * | 2002-08-29 | 2005-05-31 | Nec Laboratories America, Inc. | Torrance-sparrow off-specular reflection and linear subspaces for object recognition |
US7542600B2 (en) * | 2004-10-21 | 2009-06-02 | Microsoft Corporation | Video image quality |
US8014034B2 (en) * | 2005-04-13 | 2011-09-06 | Acd Systems International Inc. | Image contrast enhancement |
JP4934326B2 (ja) * | 2005-09-29 | 2012-05-16 | 富士フイルム株式会社 | 画像処理装置およびその処理方法 |
JP2008152097A (ja) * | 2006-12-19 | 2008-07-03 | Nikon Corp | 連続撮影制御方法および撮像装置 |
ATE472140T1 (de) * | 2007-02-28 | 2010-07-15 | Fotonation Vision Ltd | Trennung der direktionalen beleuchtungsvariabilität in der statistischen gesichtsmodellierung auf basis von texturraumzerlegungen |
CN102006421A (zh) * | 2009-09-01 | 2011-04-06 | 华晶科技股份有限公司 | 具有人脸的影像的处理方法 |
US9754629B2 (en) * | 2010-03-03 | 2017-09-05 | Koninklijke Philips N.V. | Methods and apparatuses for processing or defining luminance/color regimes |
US8233789B2 (en) * | 2010-04-07 | 2012-07-31 | Apple Inc. | Dynamic exposure metering based on face detection |
US8488958B2 (en) * | 2010-05-25 | 2013-07-16 | Apple Inc. | Scene adaptive auto exposure |
US8441548B1 (en) * | 2012-06-15 | 2013-05-14 | Google Inc. | Facial image quality assessment |
US10558848B2 (en) * | 2017-10-05 | 2020-02-11 | Duelight Llc | System, method, and computer program for capturing an image with correct skin tone exposure |
US9275445B2 (en) * | 2013-08-26 | 2016-03-01 | Disney Enterprises, Inc. | High dynamic range and tone mapping imaging techniques |
CN108107571B (zh) * | 2013-10-30 | 2021-06-01 | 株式会社摩如富 | 图像处理装置及方法及非暂时性计算机可读记录介质 |
CN104994306B (zh) * | 2015-06-29 | 2019-05-03 | 厦门美图之家科技有限公司 | 一种基于脸部亮度自动调整曝光度的摄像方法和摄像装置 |
JP6833415B2 (ja) * | 2016-09-09 | 2021-02-24 | 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 |
CN107506714B (zh) * | 2017-08-16 | 2021-04-02 | 成都品果科技有限公司 | 一种人脸图像重光照的方法 |
US10552707B2 (en) * | 2017-12-07 | 2020-02-04 | Qualcomm Incorporated | Methods and devices for image change detection |
CN108419028B (zh) * | 2018-03-20 | 2020-07-17 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
CN108573480B (zh) * | 2018-04-20 | 2020-02-11 | 太平洋未来科技(深圳)有限公司 | 基于图像处理的环境光补偿方法、装置及电子设备 |
CN109246354B (zh) * | 2018-09-07 | 2020-04-24 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
-
2018
- 2018-09-07 CN CN201811045659.3A patent/CN109246354B/zh active Active
-
2019
- 2019-06-26 WO PCT/CN2019/092931 patent/WO2020048192A1/zh unknown
- 2019-06-26 EP EP19857827.0A patent/EP3849170B1/en active Active
-
2021
- 2021-03-05 US US17/193,428 patent/US20210192698A1/en not_active Abandoned
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203414661U (zh) * | 2013-08-05 | 2014-01-29 | 杭州海康威视数字技术股份有限公司 | 抑制局部过曝的滤光片 |
Also Published As
Publication number | Publication date |
---|---|
EP3849170A1 (en) | 2021-07-14 |
EP3849170A4 (en) | 2021-10-20 |
US20210192698A1 (en) | 2021-06-24 |
WO2020048192A1 (zh) | 2020-03-12 |
CN109246354A (zh) | 2019-01-18 |
EP3849170B1 (en) | 2023-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109246354B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN109767467B (zh) | 图像处理方法、装置、电子设备和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 | |
CN108734676B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN108717530B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN108419028B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN108024107B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN110572573B (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 | |
CN111028137B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN108805265B (zh) | 神经网络模型处理方法和装置、图像处理方法、移动终端 | |
CN108198152B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN108716982B (zh) | 光学元件检测方法、装置、电子设备和存储介质 | |
CN109360254B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN108600740B (zh) | 光学元件检测方法、装置、电子设备和存储介质 | |
CN108616700B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN108322651B (zh) | 拍摄方法和装置、电子设备、计算机可读存储介质 | |
CN110366048B (zh) | 视频传输方法、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 | |
CN109242794B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN108769523B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN107959841B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN108322648B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN110956679A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN107341782B (zh) | 图像处理方法、装置、计算机设备和计算机可读存储介质 | |
CN107194901B (zh) | 图像处理方法、装置、计算机设备和计算机可读存储介质 |
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 |