CN109246399A - 一种识别逆光区域方法、装置和设备/终端/服务器 - Google Patents

一种识别逆光区域方法、装置和设备/终端/服务器 Download PDF

Info

Publication number
CN109246399A
CN109246399A CN201810943188.1A CN201810943188A CN109246399A CN 109246399 A CN109246399 A CN 109246399A CN 201810943188 A CN201810943188 A CN 201810943188A CN 109246399 A CN109246399 A CN 109246399A
Authority
CN
China
Prior art keywords
color
pixel
dark
coloured
region
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
Application number
CN201810943188.1A
Other languages
English (en)
Inventor
唐琪森
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.)
Ucweb Singapore Pte Ltd
Original Assignee
Ucweb Singapore Pte 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 Ucweb Singapore Pte Ltd filed Critical Ucweb Singapore Pte Ltd
Priority to CN201810943188.1A priority Critical patent/CN109246399A/zh
Priority to PCT/IB2018/056488 priority patent/WO2020035723A1/zh
Publication of CN109246399A publication Critical patent/CN109246399A/zh
Pending legal-status Critical Current

Links

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
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

本申请实施例提供了一种识别逆光区域方法、装置和设备/终端/服务器，所述方法包括：将获得的图像进行色彩空间转移，获得HSL色彩空间下的所述图像的各像素的色彩明度值；根据所述各像素的色彩明度值判断所述各像素的颜色趋近于白色或者趋近于黑色；对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。本申请实施例便于用户根据各像素的色彩明度值判断像素颜色，从而确定暗色连通区域的边界值以确定逆光区域。从而针对逆光区域进行优化，提升照片或者视频中的图像质量。

Description

一种识别逆光区域方法、装置和设备/终端/服务器
技术领域
本申请涉及智能终端技术领域，尤其涉及一种识别逆光区域方法、装置和设备/终端/服务器。
背景技术
随着智能终端技术的发展，采用智能终端进行图像拍摄或者下载，成为人们日常生活中常用的图像获得手段。而各类图像应用软件的发展，令用户可以对获得的图像进行一定程度简单的修图，比如美颜处理或者添加滤镜等。
但是由于用户的拍摄技能以及拍摄环境的限制，如果在光照充足的情况下拍照，拍摄角度选择不当会形成逆光拍摄，从而造成拍摄的图像区域光照不足，色彩偏黑，图像细节不明显。
因此，如何识别拍摄图像的逆光区域成为现有技术中亟待解决的技术问题。
发明内容
本申请实施例提供了一种识别逆光区域方法、装置和设备/终端/服务器，全部或者部分解决现有技术中存在的问题。
根据本申请实施例的一个方面，提供了一种识别逆光区域方法，所述方法包括：将获得的图像进行色彩空间转移，获得HSL色彩空间下的所述图像的各像素的色彩明度值；根据所述各像素的色彩明度值判断所述各像素的颜色趋近于白色或者趋近于黑色；对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。
根据本申请实施例的另一个方面，还提供了一种识别逆光区域装置，所述装置包括：空间转换模块，配置用于将获得的图像进行色彩空间转移，获得HSL色彩空间下的所述图像的各像素的色彩明度值；色彩确定模块，配置用于根据所述各像素的色彩明度值判断所述各像素的颜色趋近于白色或者趋近于黑色；区域确定模块，配置用于对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。
根据本申请实施例的又一个方面，还提供了一种设备/终端/服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的识别逆光区域方法对应的操作。
根根据本申请实施例的又一个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的识别逆光区域方法对应的操作。
根据本申请实施例提供的技术方案，本申请实施例获得图像在HSL色彩空间下的各像素的色彩明度值，并根据所述各像素的色彩明度值判断所述各像素的颜色趋近于白色或者趋近于黑色，对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。本申请实施例便于用户根据各像素的色彩明度值判断像素颜色，从而确定暗色连通区域的边界值以确定逆光区域。从而针对逆光区域进行优化，提升照片或者视频中的图像质量。
附图说明
图1是根据本申请实施例一的一种识别逆光区域方法的步骤流程图；
图2是根据本申请实施例二的一种识别逆光区域方法的步骤S103的一种实现的步骤流程图；
图3是根据本申请实施例二的一种识别逆光区域方法的步骤S1031的一种实现的步骤流程图；
图4是根据本申请实施例三的一种识别逆光区域装置的一种实现的结构框图；
图5是根据本申请实施例四的另一种识别逆光区域装置的区域确定模块一种实现的结构框图；
图6是根据本申请实施例四的另一种识别逆光区域装置的颜色遍历单元一种实现的结构框图；
图7是根据本申请实施例五的一种设备/终端/服务器的结构框图。
具体实施方式
下面结合附图(若干附图中相同的标号表示相同的元素)和实施例，对本申请实施例的具体实施方式作进一步详细说明。以下实施例用于说明本申请，但不用来限制本申请的范围。
本领域技术人员可以理解，本申请实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
实施例一
参照图1，示出了根据本申请实施例一的一种识别逆光区域方法的步骤流程图。
值得说明的是，本申请所述步骤S101至S103并不代表其执行的先后顺序。
本实施例的识别逆光区域方法包括以下步骤：
步骤S101：将获得的图像进行色彩空间转移，获得HSL色彩空间下的所述图像的各像素的色彩明度值。
具体地，本申请实施例所述获得的图像包括拍摄的图像或者通过互联网下载的图像。本申请实施例所述图像包括照片中图像或者视频中截取的图像。
HSL色彩模式是工业界的一种颜色标准，是通过对色相(H)、饱和度(S)、明度(L)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，HSL即是代表色相，饱和度，明度三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。
本申请实施例通过将所述图像进行色彩空间转移，获得HSL色彩空间下的所述图像的各像素的色彩明度值(L)。
S102、根据所述各像素的色彩明度值判断所述各像素的颜色趋近于白色或者趋近于黑色。
本申请实施例对所述各像素的色彩明度值(L)进行判断，通过所述色彩明度值(L)的大小，可以判断所述像素的颜色是趋近于白色还是趋近于黑色。
步骤S103：对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。
本申请通过对所述各像素的颜色是趋近于白色还是趋近于黑色，连通所有趋近于黑色的区域，获得暗色连通区域。本申请通过确定所述暗色连通区域的边界值，确定最终的暗色联通区域为逆光区域。
由此可知，本申请实施例获得图像在HSL色彩空间下的各像素的色彩明度值，并根据所述各像素的色彩明度值判断所述各像素的颜色趋近于白色或者趋近于黑色，对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。本申请实施例便于用户根据各像素的色彩明度值判断像素颜色，从而确定暗色连通区域的边界值以确定逆光区域。从而针对逆光区域进行优化，提升照片或者视频中的图像质量。
本实施例的识别逆光区域方法可以由任意适当的具有识别逆光区域能力的设备执行，包括但不限于：各种设备终端或者服务端，包括但不限于PC机、平板电脑、移动终端等。
实施例二
本实施例包括上述步骤S101至步骤S103。参见图2，所述方法的步骤S103包括：
步骤S1031、对所述图像中各像素的颜色进行依次遍历，获得所述像素颜色均趋近于黑色的暗色连通区域。
具体地，本申请实施例通过对所述图像中各像素的颜色依次进行遍历，得到各个像素颜色是趋近于黑色还是趋近于白色。如果趋近于黑色，则将所述像素进行连通，获得所述像素颜色均为黑色的暗色连通区域。
参见图3，所述步骤S1031包括：
步骤S10311、对所述图像中各像素的颜色以列或者行进行依次遍历，对比每一列或者每一行中的各像素的颜色。
由于像素都是逐行或者逐列排列的，因此对所述图像中各像素的颜色以列或者行进行依次遍历，从而保证对各像素进行遍历的同时提高遍历的效率，便于连通暗色连通区域。
步骤S10312、根据对比获得的所述各像素的颜色，得到所述像素颜色均为黑色的暗色连通区域。
由于比对各像素的颜色得到相邻像素是否能够构成暗色连通区域，因此通过所述比对获得的像素颜色即可得到所述像素颜色均为黑色的暗色连通区域。
所述步骤S10312具体为：
采用漫水填充算法根据所述各像素的颜色，得到所述像素颜色均为黑色的暗色连通区域。
漫水填充算法(flood fill algorithm)顾名思义就像洪水漫过一样，把一块连通的区域填满，当然水要能漫过需要满足一定的条件，可以理解为满足条件的地方就是低洼的地方，水才能流过去。在图像处理中就是给定一个种子点作为起始点，向附近相邻的像素点扩散，把颜色相同或者相近的所有点都找出来，并填充上新的颜色，这些点形成一个连通的区域。漫水填充算法可以用来标记或者分离图像的一部分，可实现类似Windows画图油漆桶功能，或者PS里面的魔棒选择功能。
漫水填充算法实现最常见有四邻域像素填充法，八邻域像素填充法，基于扫描线的填充方法。根据代码实现方式又可以分为递归与非递归。
本申请实施例采用类似油漆桶的漫水填充算法来获得所述像素颜色均为黑色的暗色连通区域。本申请实施例可以把暗色连通区域同其他区域分割开来，且保证操作的准确性和简便性。
步骤S1032、合并所述暗色连通区域，统计得到合并的暗色连通区域的边界以确定其为逆光区域。
本申请对所述暗色连通区域进行合并，并统计合并得到的暗色连通区域的边界，根据所述边界确定逆光区域。
所述步骤S1032具体为：
如所述像素的色彩明度值与相邻像素的色彩明度值相差大于预设值，则确定所述像素为逆光区域的边界像素。
由于逆光拍摄的情况下，发光源处于远端，被拍摄的物体处于中间，相机位于最前方。所以逆光的图像，背景和前景会有很明晰的界限。本申请实施例通过像素的色彩明度值与相邻像素的色彩明度值相差大于预设值确定所述像素是否为边界像素，从而确定所述暗色连通区域的边界值。
因此，本申请实施例通过所述色彩明度值(L)进行比较确定合并后的所述暗色连通区域的边界，可以准确地将合并后的暗色连通区域同其他区域区分开来，确定为逆光区域。
具体地，本申请实施例从所述图像的边界开始，计算各像素的色彩明度值(L)的加权平均值，不断地向所述图像内部迭代，直至发现较大差值，可以得到所述合并后的暗色连通区域的边界。
因此，本申请通过各像素的色彩明度值(L)的加权平均值，不段进行内部迭代，利用加权平均值的差值来获得是否边界像素的判断可以实现更加准确的边界像素判定，从而更加准确的确定逆光区域。
由此可知，本申请实施例获得图像在HSL色彩空间下的各像素的色彩明度值，并根据所述各像素的色彩明度值判断所述各像素的颜色趋近于白色或者趋近于黑色，对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。本申请实施例便于用户根据各像素的色彩明度值判断像素颜色，从而确定暗色连通区域的边界值以确定逆光区域。从而针对逆光区域进行优化，提升照片或者视频中的图像质量。
本实施例的识别逆光区域方法可以由任意适当的具有识别逆光区域能力的设备执行，包括但不限于：各种设备终端或者服务端，包括但不限于PC机、平板电脑、移动终端等。
实施例三
参照图4，示出了根据本申请实施例三的一种识别逆光区域装置的结构框图。
本实施例的识别逆光区域装置包括：
空间转换模块401，配置用于将获得的图像进行色彩空间转移，获得HSL色彩空间下的所述图像的各像素的色彩明度值。
色彩确定模块402，配置用于根据所述各像素的色彩明度值判断所述各像素的颜色趋近于白色或者趋近于黑色。
区域确定模块403，配置用于对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。
具体地，本申请实施例所述获得的图像包括拍摄的图像或者通过互联网下载的图像。本申请实施例所述图像包括照片中图像或者视频中截取的图像。
HSL色彩模式是工业界的一种颜色标准，是通过对色相(H)、饱和度(S)、明度(L)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，HSL即是代表色相，饱和度，明度三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。
本申请实施例通过将所述图像进行色彩空间转移，获得HSL色彩空间下的所述图像的各像素的色彩明度值(L)。
本申请实施例对所述各像素的色彩明度值(L)进行判断，通过所述色彩明度值(L)的大小，可以判断所述像素的颜色是趋近于白色还是趋近于黑色。
步骤S103：对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。
本申请通过对所述各像素的颜色是趋近于白色还是趋近于黑色，连通所有趋近于黑色的区域，获得暗色连通区域。本申请通过确定所述暗色连通区域的边界值，确定最终的暗色联通区域为逆光区域。
由此可知，本申请实施例获得图像在HSL色彩空间下的各像素的色彩明度值，并根据所述各像素的色彩明度值判断所述各像素的颜色趋近于白色或者趋近于黑色，对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。本申请实施例便于用户根据各像素的色彩明度值判断像素颜色，从而确定暗色连通区域的边界值以确定逆光区域。从而针对逆光区域进行优化，提升照片或者视频中的图像质量。
本实施例的识别逆光区域方法可以由任意适当的具有识别逆光区域能力的设备执行，包括但不限于：各种设备终端或者服务端，包括但不限于PC机、平板电脑、移动终端等。
实施例四
本实施例包括上述空间转换模块401、色彩确定模块402、区域确定模块403。参见图5，所述区域确定模块403包括：
颜色遍历单元4031，配置用于对所述图像中各像素的颜色进行依次遍历，获得所述像素颜色均趋近于黑色的暗色连通区域。
统计合并单元4032，配置用于合并所述暗色连通区域，统计得到合并的暗色连通区域的边界以确定其为逆光区域。
具体地，本申请实施例通过对所述图像中各像素的颜色依次进行遍历，得到各个像素颜色是趋近于黑色还是趋近于白色。如果趋近于黑色，则将所述像素进行连通，获得所述像素颜色均为黑色的暗色连通区域。
参见图6，所述颜色遍历单元4031包括：
遍历子单元40311，配置用于对所述图像中各像素的颜色以列或者行进行依次遍历，对比每一列或者每一行中的各像素的颜色；
连通子单元40312，配置用于根据对比获得的所述各像素的颜色，得到所述像素颜色均为黑色的暗色连通区域。
由于像素都是逐行或者逐列排列的，因此对所述图像中各像素的颜色以列或者行进行依次遍历，从而保证对各像素进行遍历的同时提高遍历的效率，便于连通暗色连通区域。
由于比对各像素的颜色得到相邻像素是否能够构成暗色连通区域，因此通过所述比对获得的像素颜色即可得到所述像素颜色均为黑色的暗色连通区域。
所述连通子单元40312具体配置用于：
采用漫水填充算法根据所述各像素的颜色，得到所述像素颜色均为黑色的暗色连通区域。
漫水填充算法(flood fill algorithm)顾名思义就像洪水漫过一样，把一块连通的区域填满，当然水要能漫过需要满足一定的条件，可以理解为满足条件的地方就是低洼的地方，水才能流过去。在图像处理中就是给定一个种子点作为起始点，向附近相邻的像素点扩散，把颜色相同或者相近的所有点都找出来，并填充上新的颜色，这些点形成一个连通的区域。漫水填充算法可以用来标记或者分离图像的一部分，可实现类似Windows画图油漆桶功能，或者PS里面的魔棒选择功能。
漫水填充算法实现最常见有四邻域像素填充法，八邻域像素填充法，基于扫描线的填充方法。根据代码实现方式又可以分为递归与非递归。
本申请实施例采用类似油漆桶或者魔棒的漫水填充算法来获得所述像素颜色均为黑色的暗色连通区域。本申请实施例可以把暗色连通区域同其他区域分割开来，且保证操作的准确性和简便性。
本申请对所述暗色连通区域进行合并，并统计合并得到的暗色连通区域的边界，根据所述边界确定逆光区域。
所述统计合并单元具体配置用于：
如所述像素的色彩明度值与相邻像素的色彩明度值相差大于预设值，则确定所述像素为逆光区域的边界像素。
由于逆光拍摄的情况下，发光源处于远端，被拍摄的物体处于中间，相机位于最前方。所以逆光的图像，背景和前景会有很明晰的界限。本申请实施例通过像素的色彩明度值与相邻像素的色彩明度值相差大于预设值确定所述像素是否为边界像素，从而确定所述暗色连通区域的边界值。
因此，本申请实施例通过所述色彩明度值(L)进行比较确定合并后的所述暗色连通区域的边界，可以准确地将合并后的暗色连通区域同其他区域区分开来，确定为逆光区域。
具体地，本申请实施例从所述图像的边界开始，计算各像素的色彩明度值(L)的加权平均值，不断地向所述图像内部迭代，直至发现较大差值，可以得到所述合并后的暗色连通区域的边界。
因此，本申请通过各像素的色彩明度值(L)的加权平均值，不段进行内部迭代，利用加权平均值的差值来获得是否边界像素的判断可以实现更加准确的边界像素判定，从而更加准确的确定逆光区域。
由此可知，本申请实施例获得图像在HSL色彩空间下的各像素的色彩明度值，并根据所述各像素的色彩明度值判断所述各像素的颜色趋近于白色或者趋近于黑色，对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。本申请实施例便于用户根据各像素的色彩明度值判断像素颜色，从而确定暗色连通区域的边界值以确定逆光区域。从而针对逆光区域进行优化，提升照片或者视频中的图像质量。
本实施例的识别逆光区域方法可以由任意适当的具有识别逆光区域能力的设备执行，包括但不限于：各种设备终端或者服务端，包括但不限于PC机、平板电脑、移动终端等。
实施例五
参照图7，示出了根据本申请实施例五的一种设备/终端/服务器的结构框图，本申请具体实施例并不对设备/终端/服务器的具体实现做限定。
如图7所示，该设备/终端/服务器可以包括：一个或者多个处理器(processor)702、存储装置(memory)704。
其中：
处理器702，用于执行程序706，具体可以执行上述识别逆光区域方法实施例中的相关步骤。
具体地，程序706可以包括程序代码，该程序代码包括计算机操作指令。
处理器702可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本申请实施例的一个或多个集成电路。设备/终端/服务器包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储装置704，用于存放一个或多个程序706。存储装置704可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序706具体可以用于使得处理器702执行以下操作：将获得的图像进行色彩空间转移，获得HSL色彩空间下的所述图像的各像素的色彩明度值；根据所述各像素的色彩明度值判断所述各像素的颜色趋近于白色或者趋近于黑色；对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。
在一种可选的实施方式中，程序706还用于对所述图像中各像素的颜色进行依次遍历，获得所述像素颜色均趋近于黑色的暗色连通区域；合并所述暗色连通区域，统计得到合并的暗色连通区域的边界以确定其为逆光区域。
在一种可选的实施方式中，程序706还用于对所述图像中各像素的颜色以列或者行进行依次遍历，对比每一列或者每一行中的各像素的颜色；根据对比获得的所述各像素的颜色，得到所述像素颜色均为黑色的暗色连通区域。
在一种可选的实施方式中，程序706还用于采用漫水填充算法根据所述各像素的颜色，得到所述像素颜色均为黑色的暗色连通区域。
在一种可选的实施方式中，程序706还用于如所述像素的色彩明度值与相邻像素的色彩明度值相差大于预设值，则确定所述像素为逆光区域的边界像素。
由此可知，本申请实施例根据切分规则对获得的图像进行元素切分，对切分获得的元素特征信息进行处理，并根据接收的用户指令获得与所述指令对应的图像元素进行个性化操作。本申请实施例可以将图像中的图像元素进行切分，并针对图像元素进行个性化操作。本申请实施例便于用户对灵活的对拍摄或者下载得到的图像中的图像元素进行个性化操作，令个性化操作的对象更加丰富，能够更佳的实现用户操作个性化。
本申请实施例获得图像在HSL色彩空间下的各像素的色彩明度值，并根据所述各像素的色彩明度值判断所述各像素的颜色趋近于白色或者趋近于黑色，对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。本申请实施例便于用户根据各像素的色彩明度值判断像素颜色，从而确定暗色连通区域的边界值以确定逆光区域。从而针对逆光区域进行优化，提升照片或者视频中的图像质量。
需要指出，根据实施的需要，可将本申请实施例中描述的各个部件/步骤拆分为更多部件/步骤，也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤，以实现本申请实施例的目的。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括接收单元、解析单元、信息选取单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，接收单元还可以被描述为“接收用户的网页浏览请求的单元”。
作为另一方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任一实施例中所描述的方法。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：根据切分规则对获得的图像进行元素切分，得到图像中的元素特征信息；对所述元素特征信息进行处理，得到所述元素特征信息对应的图像元素；根据接收的用户指令获得与所述指令对应的图像元素，并根据所述图像元素进行个性化操作。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种识别逆光区域方法，其特征在于，所述方法包括：
将获得的图像进行色彩空间转移，获得HSL色彩空间下的所述图像的各像素的色彩明度值；
根据所述各像素的色彩明度值判断所述各像素的颜色趋近于白色或者趋近于黑色；
对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。
2.根据权利要求1所述的方法，其特征在于，所述对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域包括：
对所述图像中各像素的颜色进行依次遍历，获得所述像素颜色均趋近于黑色的暗色连通区域；
合并所述暗色连通区域，统计得到合并的暗色连通区域的边界以确定其为逆光区域。
3.根据权利要求2所述的方法，其特征在于，所述对所述图像中各像素的颜色进行依次遍历，获得所述像素颜色均趋近于黑色的暗色连通区域包括：
对所述图像中各像素的颜色以列或者行进行依次遍历，对比每一列或者每一行中的各像素的颜色；
根据对比获得的所述各像素的颜色，得到所述像素颜色均为黑色的暗色连通区域。
4.根据权利要求3所述的方法，其特征在于，所述根据对比获得的所述各像素的颜色，得到所述像素颜色均为黑色的暗色连通区域具体为：
采用漫水填充算法根据所述各像素的颜色，得到所述像素颜色均为黑色的暗色连通区域。
5.根据权利要求2所述的方法，其特征在于，所述合并所述暗色连通区域，统计得到合并的暗色连通区域的边界以确定其为逆光区域具体为：
如所述像素的色彩明度值与相邻像素的色彩明度值相差大于预设值，则确定所述像素为逆光区域的边界像素。
6.一种识别逆光区域装置，其特征在于，所述装置包括：
空间转换模块，配置用于将获得的图像进行色彩空间转移，获得HSL色彩空间下的所述图像的各像素的色彩明度值；
色彩确定模块，配置用于根据所述各像素的色彩明度值判断所述各像素的颜色趋近于白色或者趋近于黑色；
区域确定模块，配置用于对所述各像素的颜色进行遍历，获得暗色连通区域的边界值以确定其为逆光区域。
7.根据权利要求6所述的装置，其特征在于，所述区域确定模块包括：
颜色遍历单元，配置用于对所述图像中各像素的颜色进行依次遍历，获得所述像素颜色均趋近于黑色的暗色连通区域；
统计合并单元，配置用于合并所述暗色连通区域，统计得到合并的暗色连通区域的边界以确定其为逆光区域。
8.根据权利要求7所述的装置，其特征在于，所述颜色遍历单元包括：
遍历子单元，配置用于对所述图像中各像素的颜色以列或者行进行依次遍历，对比每一列或者每一行中的各像素的颜色；
连通子单元，配置用于根据对比获得的所述各像素的颜色，得到所述像素颜色均为黑色的暗色连通区域。
9.根据权利要求8所述的装置，其特征在于，所述连通子单元具体配置用于：
采用漫水填充算法根据所述各像素的颜色，得到所述像素颜色均为黑色的暗色连通区域。
10.根据权利要求7所述的装置，其特征在于，所述统计合并单元具体配置用于：
如所述像素的色彩明度值与相邻像素的色彩明度值相差大于预设值，则确定所述像素为逆光区域的边界像素。
11.一种设备/终端/服务器，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一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，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN201810943188.1A 2018-08-17 2018-08-17 一种识别逆光区域方法、装置和设备/终端/服务器 Pending CN109246399A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810943188.1A CN109246399A (zh) 2018-08-17 2018-08-17 一种识别逆光区域方法、装置和设备/终端/服务器
PCT/IB2018/056488 WO2020035723A1 (zh) 2018-08-17 2018-08-27 一种识别逆光区域方法、装置和设备/终端/服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810943188.1A CN109246399A (zh) 2018-08-17 2018-08-17 一种识别逆光区域方法、装置和设备/终端/服务器

Publications (1)

Publication Number Publication Date
CN109246399A true CN109246399A (zh) 2019-01-18

Family

ID=65069715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810943188.1A Pending CN109246399A (zh) 2018-08-17 2018-08-17 一种识别逆光区域方法、装置和设备/终端/服务器

Country Status (2)

Country Link
CN (1) CN109246399A (zh)
WO (1) WO2020035723A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469923B (zh) * 2021-05-28 2024-05-24 北京达佳互联信息技术有限公司 一种图像处理方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120328188A1 (en) * 2011-06-23 2012-12-27 Samsung Electronics Co., Ltd. Method and apparatus for detecting and compensating for backlight frame
CN103646392A (zh) * 2013-11-21 2014-03-19 华为技术有限公司 逆光检测方法及设备
CN103916603A (zh) * 2013-01-07 2014-07-09 华为终端有限公司 逆光检测方法及设备
CN106791471A (zh) * 2016-12-29 2017-05-31 宇龙计算机通信科技(深圳)有限公司 图像优化方法、图像优化装置和终端
CN107451969A (zh) * 2017-07-27 2017-12-08 广东欧珀移动通信有限公司 图像处理方法、装置、移动终端及计算机可读存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3880553B2 (ja) * 2003-07-31 2007-02-14 キヤノン株式会社 画像処理方法および装置
CN101833749B (zh) * 2009-03-12 2012-03-28 株式会社理光 检测图像中阴影的装置和方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120328188A1 (en) * 2011-06-23 2012-12-27 Samsung Electronics Co., Ltd. Method and apparatus for detecting and compensating for backlight frame
CN103916603A (zh) * 2013-01-07 2014-07-09 华为终端有限公司 逆光检测方法及设备
CN103646392A (zh) * 2013-11-21 2014-03-19 华为技术有限公司 逆光检测方法及设备
CN106791471A (zh) * 2016-12-29 2017-05-31 宇龙计算机通信科技(深圳)有限公司 图像优化方法、图像优化装置和终端
CN107451969A (zh) * 2017-07-27 2017-12-08 广东欧珀移动通信有限公司 图像处理方法、装置、移动终端及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
董晓华等: "基于漫水填充算法的叶面积仪研制", 《节水灌溉》 *

Also Published As

Publication number Publication date
WO2020035723A1 (zh) 2020-02-20

Similar Documents

Publication Publication Date Title
CN106056114B (zh) 名片内容识别方法和装置
CN112241714B (zh) 图像中指定区域的识别方法、装置、可读介质和电子设备
KR102115328B1 (ko) 전역 대조도 기반 영상 매팅을 통한 영상 내부의 관심 객체 추출 장치 및 방법
CN105184289B (zh) 字符识别方法和装置
CN110909640A (zh) 水位线的确定方法及装置、存储介质、电子装置
CN109934181A (zh) 文本识别方法、装置、设备和计算机可读介质
CN111314614B (zh) 图像的处理方法、装置、可读介质和电子设备
CN103201769A (zh) 图像处理装置、图像处理方法、程序、集成电路
CN111784675A (zh) 物品纹理信息处理的方法、装置、存储介质及电子设备
CN108304562B (zh) 一种搜题方法、搜题装置及智能终端
WO2020020271A1 (zh) 壁纸管理的方法、装置、移动终端和存储介质
Yuan et al. Single‐image shadow detection and removal using local colour constancy computation
CN108304839A (zh) 一种图像数据处理方法以及装置
CN109671132A (zh) 一种基于色域特征的曲线数据采集方法、装置及系统
CN109246399A (zh) 一种识别逆光区域方法、装置和设备/终端/服务器
Ngoc et al. Document detection in videos captured by smartphones using a saliency-based method
CN113989396A (zh) 图片渲染方法、装置、设备、存储介质和程序产品
CN112087661B (zh) 视频集锦生成方法、装置、设备及存储介质
CN110889470A (zh) 用于处理图像的方法和装置
CN110399802B (zh) 处理面部图像眼睛亮度的方法、装置、介质和电子设备
CN111080748A (zh) 基于互联网的图片自动合成系统
CN110222576A (zh) 拳击动作识别方法、装置和电子设备
US20200160089A1 (en) Visual pattern recognition with selective illumination for assisted inspection
CN109978889A (zh) 一种图像处理方法、系统、装置、存储介质及黑板装置
CN112258556A (zh) 视频中指定区域的跟踪方法、装置、可读介质和电子设备

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190118