CN109272459A - 图像处理方法、装置、存储介质及电子设备 - Google Patents

图像处理方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN109272459A
CN109272459A CN201810950224.7A CN201810950224A CN109272459A CN 109272459 A CN109272459 A CN 109272459A CN 201810950224 A CN201810950224 A CN 201810950224A CN 109272459 A CN109272459 A CN 109272459A
Authority
CN
China
Prior art keywords
image
luminance component
brightness
described image
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.)
Granted
Application number
CN201810950224.7A
Other languages
English (en)
Other versions
CN109272459B (zh
Inventor
王会朝
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.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp 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 Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201810950224.7A priority Critical patent/CN109272459B/zh
Publication of CN109272459A publication Critical patent/CN109272459A/zh
Priority to US16/544,291 priority patent/US11138701B2/en
Priority to PCT/CN2019/101600 priority patent/WO2020038365A1/en
Priority to EP19192425.7A priority patent/EP3614333B1/en
Priority to ES19192425T priority patent/ES2863368T3/es
Application granted granted Critical
Publication of CN109272459B publication Critical patent/CN109272459B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G06T5/73—
    • G06T5/94—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • G06T5/92—
    • 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
    • G06T7/13—Edge 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6002—Corrections within particular colour systems
    • H04N1/6005—Corrections within particular colour systems with luminance or chrominance signals, e.g. LC1C2, HSL or YUV
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6027—Correction or control of colour gradation or colour contrast
    • 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
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/67—Circuits for processing colour signals for matrixing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/77—Circuits for processing the brightness signal and the chrominance signal relative to each other, e.g. adjusting the phase of the brightness signal relative to the colour signal, correcting differential gain or differential phase
    • H04N9/78—Circuits for processing the brightness signal and the chrominance signal relative to each other, e.g. adjusting the phase of the brightness signal relative to the colour signal, correcting differential gain or differential phase for separating the brightness signal or the chrominance signal from the colour television signal, e.g. using comb filter
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Abstract

本申请实施例公开了图像处理方法、装置、存储介质及电子设备。其中方法包括：获取色亮分离颜色模式的图像；对所述图像进行场景识别，确定所述图像的场景；遍历所述图像中各像素点的亮度分量，根据所述亮度分量的遍历结果生成所述图像的亮度分布；基于与所述图像的场景对应的标准亮度分布和所述图像的亮度分布，生成亮度映射关系；根据所述亮度映射关系对所述图像中各像素点的亮度分量进行调节，生成第一处理图像。本申请实施例通过采用上述技术方案，在保证图像不失真的基础上，对不同场景的图像均可达到最佳效果，提高了图像处理方式的适用性。

Description

图像处理方法、装置、存储介质及电子设备
技术领域
本申请实施例涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、 存储介质及电子设备。
背景技术
随着电子设备的快速发展，诸如手机、平板电脑等电子设备均具备了图像 采集功能，用户对电子设备采集的图像的质量要求越来越高。
目前在采集图像之后，一般会对图像进行增亮，以使得到的图像中的较暗 的区域明亮一些，将肉眼难以分辨的细节显示出来，提高整个图像的清晰度。 但是上述图像的增亮方式中，一般是对图像中每一个像素点的RGB值均进行增 强，易导致如下问题：图像中色彩被过度而接近于灰色，以及较明亮区域的色 彩在增强后发生失真现象，变得模糊。图像失真导致该失真区域的细节丢失， 而往往图像失真区域可能是用户关注区域，例如图像中人脸区域。
发明内容
本申请实施例提供的图像处理方法、装置、存储介质及电子设备，实现在 图像色彩无失真的基础上，提高图像亮度。
第一方面，本申请实施例提供了一种图像处理方法，包括：
获取色亮分离颜色模式的图像；
对所述图像进行场景识别，确定所述图像的场景；
遍历所述图像中各像素点的亮度分量，根据所述亮度分量的遍历结果生成 所述图像的亮度分布；
基于与所述图像的场景对应的标准亮度分布和所述图像的亮度分布，生成 亮度映射关系；
根据所述亮度映射关系对所述图像中各像素点的亮度分量进行调节，生成 第一处理图像。
第二方面，本申请实施例提供了一种图像处理装置，包括：
图像获取模块，用于获取色亮分离颜色模式的图像；
场景识别模块，用于对所述图像进行场景识别，确定所述图像的场景；
亮度分布生成模块，用于遍历所述图像中各像素点的亮度分量，根据所述 亮度分量的遍历结果生成所述图像的亮度分布；
亮度映射关系生成模块，用于基于与所述图像的场景对应的标准亮度分布 和所述图像的亮度分布，生成亮度映射关系；
第一处理图像生成模块，用于根据所述亮度映射关系对所述图像中各像素 点的亮度分量进行调节，生成第一处理图像。
第三方面，本申请实施例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本申请实施例所述的图像处理方法。
第四方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存 储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机 程序时实现如本申请实施例所述的图像处理方法。
本申请实施例中提供的图像处理方法，通过图像的场景，适应性地选择与 场景对应的标准亮度分布，根据与所述图像的场景对应的标准亮度分布和所述 图像的亮度分布，生成亮度映射关系，根据所述亮度映射关系对所述图像中各 像素点的亮度分量进行调节，生成第一处理图像，对不同场景的图像均可达到 最佳效果，提高了图像处理方式的适用性。同时，由于是对独立的亮度分量进 行处理，不涉及任何对色彩分量的调节，保证了在上述图像处理过程中，图像 色彩保持原样，不存在处理过程对色彩的影响和改变，保证的图像色彩清晰不 失真。
附图说明
图1为本申请实施例提供的一种图像处理方法的流程示意图；
图2为本申请实施例提供的另一种图像处理方法的流程示意图；
图3为本申请实施例提供的另一种图像处理方法的流程示意图；
图4为本申请实施例提供的另一种图像处理方法的流程示意图；
图5为本申请实施例提供的另一种图像处理方法的流程示意图；
图6为本申请实施例提供的另一种图像处理方法的结构框图；
图7为本申请实施例提供的一种图像处理装置的结构示意图；
图8为本申请实施例提供的一种电子设备的结构示意图；
图9为本申请实施例提供的另一种电子设备的结构示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本申请的技术方案。可以 理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限 定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部 分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被 描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理， 但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺 序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未 包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、 子程序等等。
图1为本申请实施例提供的一种图像处理方法的流程示意图，该方法可以 由图像处理装置执行，其中该装置可由软件和/或硬件实现，一般可集成在电子 设备中。如图1所示，该方法包括：
步骤101、获取色亮分离颜色模式的图像。
示例性的，本申请实施例中的电子设备可包括手机和平板电脑等配置有图 像采集装置的智能设备。
其中，颜色通常用三个相对独立的属性来描述，三个独立变量综合作用， 自然就构成一个空间坐标，这就是颜色模式。颜色模式可分为基色颜色模式和 色、亮分离颜色模式，例如，基色颜色模式包括但不限于RGB颜色模式，色、 亮分离颜色模式包括但不限于YUV颜色模式和Lab颜色模式。在YUV颜色模式 中Y分量表征亮度，U分量表征色度，V分量表征浓度，其中，U分量和V分量 共同表示图像的色彩。在Lab颜色模式中L分量表征亮度，a和b共同表示色彩。 在色、亮分离颜色模式的图像中，可分别提取亮度分量和色彩分量，可对图像进行亮度和色彩中任一方面的处理，示例性的，对亮度分量进行处理过程中， 不会对图像的色彩分量造成任何的影响。
需要说明的是，RGB颜色模式、YUV颜色模式和Lab颜色模式可进行转换， 以手机为例，基于手机中的图像采集设备采集图像时，所述YUV颜色模式的图 像的生成方法，包括：基于图像传感器获取的原始数据，将所述原始数据转换 为RGB颜色模式的图像；根据所述RGB颜色模式的图像生成YUV颜色模式的图 像。其中，图像采集设备例如可以是摄像头，摄像头中可包括电荷耦合器件(CCD， Charge-coupled Device)图像传感器或互补金属氧化物半导体(CMOS， Complementary Metal Oxide Semiconductor)图像传感器，基于上述CCD图像 传感器或CMOS图像传感器将捕捉到的光源信号转化为数字信号的RAW原始数 据，基于RAW原始数据转换为RGB颜色模式的图像数据，并进一步转换为YUV 颜色模式的图像数据。在手机的图像采集设备中，JPG格式的图像可由YUV颜色 模式的图像形成。
需要说明的是，由RAW原始数据转换形成的RGB颜色模式的图像数据中的 色彩不是图像的真实色彩，无法对此处形成的RGB颜色模式的图像数据进行任 何处理，YUV颜色模式的图像数据中形成的色彩为图像的真实色彩，可对该YUV 颜色模式的图像数据进行处理。在常用的图像处理时，通常对RGB数据进行处 理，其处理过程中对图像传感器采集的原始数据进行如下的颜色模式的转换： 对RAW原始数据——RGB颜色模式的图像——YUV颜色模式的图像——RGB颜色 模式的图像，对RGB颜色模式的图像进行处理操作，得到处理后的RGB颜色模 式的图像，在将处理后的RGB颜色模式的图像转换为YUV颜色模式的图像，可 输出得到JPG格式的图像。相应的，当对其他颜色模式的图像进行处理时，均 需要经YUV颜色模式的图像进行转换后得到，并将处理后的图像转换为YUV颜 色模式的图像后，得到JPG格式的图像。
在本实施例中，获取的色亮分离颜色模式的图像可以是YUV颜色模式的图 像或者Lab颜色模式的图像。当本申请的图像处理方法应用于手机时，优选的， 获取的色亮分离颜色模式的图像为YUV颜色模式的图像，可在图像采集装置采 集到YUV颜色模式的图像后进行处理，无需多余图像转换，减少了图像的转换 过程，提高了图像处理效率。
在本实施例中，该色亮分离颜色模式的图像可以是由摄像头根据拍摄指令 拍摄得到的图像，还可以是由摄像头在拍摄指令执行前，采集的呈现在电子设 备屏幕上、供用户预览的图像信息。
步骤102、对所述图像进行场景识别，确定所述图像的场景。
示例性的，图像的场景可以包括但不限于人像场景、夜景场景、夕阳场景、 日光场景、逆光场景以及夜景逆光场景等，可以是依据图像中包含的对象以及 图像的明暗比例等因素对图像进行场景识别。例如可以是基于深度学习模型对 图像进行图像识别，深度学习模型可以是卷积神经网络。在电子设备中预先设 置具有场景识别功能的深度学习模型，该深度学习模型可以是基于监督学习方 式训练得到，例如采集大量图像并标注每一张图像的真实场景，作为训练样本， 将样本图像输入至未训练的深度学习模型中，得到输出场景，当深度学习模型 的输出场景与真实场景不一致时，根据输出场景与真实场景的差异反向调节深 度学习模型中权重和偏移值等网络参数，循环执行上述训练过程，直到深度学 习模型的输出场景的精度达到预设精度时，完成对深度学习模型的训练。
步骤103、遍历所述图像中各像素点的亮度分量，根据所述亮度分量的遍历 结果生成所述图像的亮度分布。
示例性的，遍历图像中每一个像素点的亮度分量，例如，在YUV颜色模式 的图像中，提取图像中每一个像素点的Y分量，并对各亮度分量对应的像素点 进行统计。可选的，对于YUV颜色模式的图像数据采用平面格式进行存储，即 将Y、U、V的三个分量分别存放在不同的矩阵中，在遍历图像中各像素点的亮 度分量时，读取用于存储Y分量的矩阵，可获取该图像中各像素点的亮度分量。
其中，亮度分布可以是以直方图、亮度分布曲线或积分图的形式展示，可 选的，步骤103为：遍历所述图像中各像素点的亮度分量，根据所述亮度分量 的遍历结果生成所述图像的亮度分布。亮度分布可体现图像的色彩亮度，当亮 度分量为1-128的像素点的比例较大时，表明该图像整体亮度偏暗，当亮度分 量为128-155的像素点的比例较大时，表明该图像整体亮度偏亮。
步骤104、基于与所述图像的场景对应的标准亮度分布和所述图像的亮度分 布，生成亮度映射关系。
本实施例中，针对每一个图像场景设置一个标准亮度分布，用于作为对同 一场景下的图像进行亮度分量调节的依据。标准亮度分布中包含0-255各个亮 度分量对应的像素点数量占整个图像像素点数量的标准比例。当图像的亮度分 布情况满足预设的标准亮度分布时，该图像满足用户对图像的亮度需求。图像 的亮度分布与预设的标准亮度分布存在差异时，可调节图像中像素点的亮度分 量，以使得的调节后图像的亮度分布与预设的标准亮度分布一致或在允许误差 范围内。在本实施例中，亮度映射关系中包括图像原始亮度分量与映射亮度分 量的对应关系，可用于将图像中像素点的亮度分量调节为映射亮度分量，且调 节后的图像的亮度分布情况满足预设的标准亮度分布。其中，亮度映射关系可 以是以曲线形式或者查询表(LUT，look up table)形式展示，本实施例对此 不做限定。
本实施例中，图像的场景可以是由电子设备自动识别得到，还可以是由用 户通过触控操作或者语音指令的方式输入。当同时存在电子设备的场景识别结 果以及用户输入的图像场景时，优先以用户输入的图像场景为准，进行后续操 作，生成亮度映射关系。
步骤105、根据所述亮度映射关系对所述图像中各像素点的亮度分量进行调 节，生成第一处理图像。
在本实施例中，根据图像的场景，自适应地识别对应的标准亮度分布，并 确定适用于该图像的亮度映射关系，实现了对多种场景下的差异性图像进行提 亮，相对于基于同样的标准亮度分布，本实施例中，基于图像场景的差异性， 对图像进行不同程度的亮度映射，形成差异性的处理图像，提高处理图像的效 果。具体的，遍历图像中的每一个像素点，获取每一个像素点的亮度分量，基 于亮度映射关系确定该亮度分量对应的映射亮度分量，将每一个像素点的亮度 分量调节为映射亮度分量，以实现对图像的亮度调节，得到第一处理图像。
本申请实施例中提供的图像处理方法，通过图像的场景，适应性地选择与 场景对应的标准亮度分布，根据与所述图像的场景对应的标准亮度分布和所述 图像的亮度分布，生成亮度映射关系，根据所述亮度映射关系对所述图像中各 像素点的亮度分量进行调节，生成第一处理图像，对不同场景下的图像均可达 到最佳效果，提高了图像处理方式的适用性。同时，由于是对独立的亮度分量 进行处理，不涉及任何对色彩分量的调节，保证了在上述图像处理过程中，图 像色彩保持原样，不存在处理过程对色彩的影响和改变，保证的图像色彩清晰 不失真。
图2为本申请实施例提供的另一种图像处理方法的流程示意图，参见图2， 本实施例的方法包括如下步骤：
步骤201、获取色亮分离颜色模式的图像。
步骤202、对所述图像进行场景识别，确定所述图像的场景。
步骤203、遍历所述图像中各像素点的亮度分量，根据所述亮度分量的遍历 结果生成所述图像的亮度分布。
步骤204、根据所述标准亮度分布中各亮度分量对应的第一像素点比例，以 及所述图像的亮度分布中各亮度分量对应的第二像素点比例，确定需要调节的 亮度分量，以及对应的目标亮度分量，将需要调节的亮度分量与所述目标亮度 分量建立映射关系，以生成亮度映射关系。
步骤205、根据所述图像的场景对所述亮度映射关系进行修正。
步骤206、根据修正后的亮度映射关系对所述图像中各像素点的亮度分量进 行调节，生成第一处理图像。
在步骤204中，对任一亮度分量，当标准亮度分布中亮度分量的第一像素 点比例与图像中对应的亮度分量的第二像素点比例不同时，需对该亮度分量进 行调节。具体的，当标准亮度分布中第一亮度分量的第一像素点比例大于图像 中第一亮度分量的第二像素点比例时，需要将其他亮度分量映射为第一亮度分 量，以提高图像中第一亮度分量的第二像素点比例，其中，其他亮度分量为需 要调节的亮度分量，该第一亮度分量为目标亮度分量，建立该其他亮度分量与 目标亮度分量的映射关系，示例性的，其他亮度分量为第一亮度分量的相邻区 间中的亮度分量，其中，需要调节的其他亮度分量对应像素点比例，可以是与 第一像素点比例和第二像素点比例的差值相同，或者是与第一像素点比例和第 二像素点比例的差值在允许误差范围内。同理，当标准亮度分布中第二亮度分 量的第一像素点比例大于待处理图像中第二亮度分量的第二像素点比例时，需 要将第二亮度分量映射为其他亮度分量，以降低待处理图像中第二亮度分量的 第二像素点比例。
可选的，根据亮度分量的数值大小，顺序对各亮度分量进行分析和处理， 例如可以是以0至255亮度分量递增的顺序，或者255至0亮度分量递减的顺 序进行。示例性的，以亮度分量为0为例，介绍亮度映射关系的生成方式。当 标准亮度分布中亮度分量为0的第一像素点比例大于待处理图像中亮度分量为0 的第二像素点比例时，可确定第一像素点比例与第二像素比例的比例差值，若 亮度分量在1-5区间的像素比例与上述比例差值相同或相近，则将亮度分量在 1-5区间确定为需要调节的亮度分量，将亮度分量为0作为目标亮度分量，建立 映射关系，即在亮度映射关系中将1-5的亮度分量映射为亮度分量为0。以此类推，建立亮度映射关系。
需要说明的是，电子设备获取的图像，其亮度分量的范围可以是0-255，也 可以是在0-255中的任一子范围，例如亮度分量的范围可以是30-200，即图像 中亮度分量在0-30以及200-255分为内的像素点的数量为0，通过建立亮度映 射关系，可将亮度分量的范围30-200映射为范围0-255，实现对获取的图像的 亮度分量范围进行拉伸，使得亮区域更亮，暗区域更暗，对色彩进行放大，提 高图像的清晰度。
在步骤205中，不同场景下的图像具有不同的侧重点，例如在人像场景下， 人脸区域为图像的侧重区域，在夕阳场景下，暖色调的云层为图像的侧重区域， 在逆光模式下，背光对象为图像的侧重点。在本实施例中，根据图像的场景， 确定图像的侧重区域，对亮度映射关系中图像侧重区域的亮度分量进行修正。 示例性的，对包含人脸的图像，调节人脸区域对应的亮度分量的映射亮度分量。 此处，电子设备中预先设置有不同场景对亮度映射关系的修正方式，根据图像 的场景适应性地对亮度映射关系进行动态修正，使得修正后的亮度映射关系更 加适应该场景下的图像。
本申请实施例提供的图像处理方法，通过标准亮度分布和待处理图像的亮 度分布中对应亮度分量的像素比例，确定亮度分量的映射关系，以建立亮度映 射关系，在确定图像中各个像素点的亮度分量之后，通过查询亮度映射关系的 方式可快速确定映射的目标亮度分量，相对于对每一个像素点进行函数映射的 方式，提高了图像处理效率，降低了图像处理的时间，用户体验更佳。
在一些实施例中，步骤204还可以是：根据所述标准亮度分布中亮度分量 区间对应的第三像素点比例，以及所述图像的亮度分布中亮度分量区间对应的 第四像素点比例，确定需要调节的亮度分量，以及对应的目标亮度分量，将需 要调节的亮度分量与所述目标亮度分量建立映射关系。
本实施例中，将亮度分量范围0-255划分为多个亮度分量区间，以亮度分 量区间为单位，进行亮度分量的分析和处理，以建立亮度映射关系，其亮度映 射关系的建立原理与上述实施例中亮度映射关系的建立原理相同，此处不再赘 述。
示例性的，以亮度分量区间0-10为例，介绍亮度映射关系的生成方式。当 标准亮度分布中亮度分量区间为0-10的第三像素点比例大于待处理图像中亮度 分量区间为0-10的第四像素点比例时，可确定第三像素点比例与第四像素比例 的比例差值，若亮度分量在10-15区间的像素比例与上述比例差值相同或相近， 则将亮度分量在0-15区间确定为需要调节的亮度分量，将亮度分量区间为0-10 作为目标亮度分量，建立映射关系，示例性的，将亮度分量区间0-15中各亮度 分量均乘以2/3，得到目标亮度分量，例如将亮度分量15与目标亮度分量10建 立映射关系，将亮度分量12与目标亮度分量8建立映射关系，将亮度分量9与 目标亮度分量6建立映射关系…并以此类推。相应的，对亮度分量范围0-255 中各亮度分量区间依序确定映射关系，以建立亮度映射关系。
其中，亮度分量区间越大，亮度映射关系的建立速度越快，亮度映射关系 的精度越差；相应的，亮度分量区间越小，亮度映射关系的建立速度越慢，亮 度映射关系的精度越高，亮度分量区间的划分可通过衡量亮度映射关系的建立 速度和精度确定。
图3为本申请实施例提供的另一种图像处理方法的流程示意图，本实施例 是上述实施例的一个可选方案，相应的，如图3所示，本实施例的方法包括如 下步骤：
步骤301、获取色亮分离颜色模式的图像。
步骤302、对所述图像进行场景识别，确定所述图像的场景。
步骤303、遍历所述图像中各像素点的亮度分量，根据所述亮度分量的遍历 结果生成所述图像的亮度分布。
步骤304、根据对所述图像中各像素点的亮度分量的遍历结果，确定所述图 像的亮度分量的范围。
步骤305、在所述预设的标准亮度分布中截取与所述图像的亮度分量的范围 对应的目标亮度分布。
步骤306、根据所述目标亮度分布和所述图像的亮度分布，生成所述亮度映 射关系。
步骤307、根据所述图像的场景对所述亮度映射关系进行修正。
步骤308、根据修正后的亮度映射关系对所述图像中各像素点的亮度分量进 行调节，生成第一处理图像。
在步骤305中，根据图像中各像素点的亮度分量的遍历结果，确定图像中 亮度分量的最大值和最小值，进一步可知图像的亮度分量的范围为最小值和最 大值之间的范围，例如，亮度分量的最大值为200，最小值为50，则图像的亮 度分量的范围为50-200。若电子设备获取的图像的亮度分量范围为亮度范围 0-255的子集时，根据图像中亮度分量的最大值和最小值对标准亮度分布进行截 取，得到标准亮度分布中最大值和最小值之间的部分，作为目标亮度分布，例 如图像的亮度分量的范围为50-200时，截取标准亮度分布中亮度分量为50-200 的部分作为目标亮度分布。
在步骤306中，基于目标亮度分布和所述图像的亮度分布，生成所述亮度 映射关系与上述实施例中，根据预设的标准亮度分布和所述图像的亮度分布， 生成亮度映射关系的原理相同，此处不再赘述。其中，可以是以亮度分量为单 位或者亮度分量区间为单位进行分析，建立亮度映射关系。
本申请实施例中提供的图像处理方法，根据对图像中像素点的亮度分量的 遍历结果，确定图像亮度分量范围，在所述预设的标准亮度分布中截取与所述 图像的亮度分量的范围对应的目标亮度分布，并依据目标亮度分布和图像的亮 度分布生成所述亮度映射关系，对图像的亮度分量进行调节，生成处理后的图 像。在图像亮度分量范围内，将图像的亮度调节至标准状态，对图像亮度进行 合理调节，提高图像质量。
图4为本申请实施例提供的另一种图像处理方法的流程示意图，本实施例 是上述实施例的一个可选方案，相应的，如图4所示，本实施例的方法包括如 下步骤：
步骤401、获取色亮分离颜色模式的图像。
步骤402、对所述图像进行场景识别，确定所述图像的场景。
步骤403、遍历所述图像中各像素点的亮度分量，根据所述亮度分量的遍历 结果生成所述图像的亮度分布。
步骤404、基于与所述图像的场景对应的标准亮度分布和所述图像的亮度分 布，生成亮度映射关系。
步骤405、根据所述亮度映射关系对所述图像中各像素点的亮度分量进行调 节，生成第一处理图像。
步骤406、对所述第一处理图像进行边缘识别。
步骤407、根据边缘识别结果确定对所述图像进行滤波处理的滤波核。
步骤408、基于所述滤波核对所述第一处理图像进行滤波处理，得到与所述 第一处理图像对应的低频图像和高频图像。
步骤409、确定所述高频图像的第一增益系数，对所述高频图像进行增强处 理，并将所述低频图像与增强后的高频图像进行图像融合，得到第二处理图像。
在步骤406中，对图像进行边缘识别用于提取出图像中的对象与背景间的 交界线，可以是先对图像中的轮廓点进行粗略检测,然后通过链接规则把检测 到的轮廓点连接起来,同时也检测和连接遗漏的边界点及去除虚假的边界。边 缘识别的目的是发现图像中关于形状和反射或透射比的信息。示例性的，可以 是逐行、逐列对图像的像素点进行相邻像素值或者亮度值进行检测，确定像素 值或者亮度值剧烈变换的像素点，作为边缘像素点，将边缘像素点进行连接， 形成边缘。示例性的，对图像进行边缘识别还可以是基于但不限于Roberts边 缘算子、Sobel边缘检测算子或者Laplacan边缘算子对图像进行计算。
在步骤407中，边缘识别结果可以是输出图像中边缘信息，或者基于识别 到的边缘信息生成表征边缘信息的特征值。滤波核是对图像进行滤波处理的滤 波器的算子核，滤波核的大小不同，滤波效果不同。例如滤波核较小的滤波器 进行滤波处理可保留图像中的小细节，滤波核较大的滤波器进行滤波处理可保 留图像中的大轮廓。示例性的，滤波核可以是但不限于3×3、5×5、7×7或者 9×9等。
本实施例中，电子识别在对不同拍摄对象进行拍摄时，采集到的图像内容 存在较大差异性，通过对图像进行边缘识别，确定适应于该图像的滤波核，使 得在滤波过程中保留图像内容，避免图像中细节信息或轮廓信息的丢失。可选 的，根据场景识别结果确定对所述图像进行滤波处理的滤波核，包括：根据场 景识别结果确定所述图像中边缘系数；根据所述边缘系数确定对所述图像进行 滤波处理的滤波核的大小，其中，所述滤波核的大小与所述边缘系数正相关。 其中，图像的边缘系数为用于表征边缘信息的特征值，示例性的，边缘系数越 大，图像中包含的边缘信息越多，边缘系数越小，图像中包含的边缘信息越少。为了保留图像中的信息，滤波核的大小与边缘系数正相关，即图像的边缘系数 越大，应用于该图像的滤波核越大。例如当图像包括白色桌面以及桌面上的黑 色纽扣和点状污渍时，可知该图像较平坦，包含的边缘信息较少，对图像进行 边缘识别得到的边缘系数较小，相应的，适用于该图像的滤波核较小，例如可 以是3×3的滤波核；当图像包括多个桌子、椅子、柜子以及桌子上述的多个物 体时，可知该图像较复杂，包含的边缘信息较多，对图像进行边缘识别得到的 边缘系数较大，相应的，适用于该图像的滤波核较大，例如可以是9×9的滤波 核。
可选的，根据图像的边缘识别结果，确定图像中边缘信息的位置，对图像 进行区域划分，对存在边缘信息的区域采用较大滤波核进行滤波处理，对图像 的背景区域采用较小滤波核进行滤波处理，基于动态的滤波核对图像进行滤波 处理，同时兼顾保留图像的轮廓信息和细节信息，避免图像信息的丢失。
在步骤408中，对图像进行滤波处理的滤波器为低通滤波器，相应的，对 图像进行低通滤波处理。具体的，基于低通滤波器对图像进行低通滤波处理， 得到与原图像对应的低频图像，将原图像减去低频图像，可得到与原图像对应 的高频图像，具体的，对原图像与低频图像进行对应像素点的像素差异值，以 得到与原图像对应的高频图像。
在步骤409中，高频图像中包含原图像中的内容信息，对高频图像进行增 强处理，使得增强后的高频图像与低频图像的对比度，调整图像的动态范围， 突出图像中对象，提高图像的清晰度。示例性的，对高频图像进行增强处理， 可以是设置高频图像中像素点的增强系数，将增强系数分别与像素点的像素值 或者亮度值相乘，将增强后的高频图像与低频图像进行图像融合，得到处理后 的图像。其中，用于对高频图像进行增强处理的增强系数可以是固定值，即各 像素点的增强系数相同。或者用于对高频图像进行增强处理的增强系数还可以 是根据每一个像素点计算得到，根据每一个像素点不同而存在差异性，相应的， 对高频图像进行增强处理时，对每一个像素点的像素值或者亮度值乘以对应的 增强系数，得到高质量的增强图像。
本申请实施例中提供的图像处理方法，对于摄像头采集的图像，依次对图 像进行色彩放大处理以及提高对比度处理，且均是对独立的亮度分量进行处理， 不涉及色彩分量，即在不损害色彩的基础上，调节色彩动态范围和虚拟方式， 提高图像亮度以及图像细节的清晰度。
图5为本申请实施例提供的另一种图像处理方法的流程示意图，本实施例 是上述实施例的一个可选方案，相应的，如图5所示，本实施例的方法包括如 下步骤：
步骤501、获取色亮分离颜色模式的图像。
步骤502、对所述图像进行场景识别，确定所述图像的场景。
步骤503、遍历所述图像中各像素点的亮度分量，根据所述亮度分量的遍历 结果生成所述图像的亮度分布。
步骤504、基于与所述图像的场景对应的标准亮度分布和所述图像的亮度分 布，生成亮度映射关系。
步骤505、根据所述亮度映射关系对所述图像中各像素点的亮度分量进行调 节，生成第一处理图像。
步骤506、对所述第一处理图像进行边缘识别。
步骤507、根据边缘识别结果确定对所述图像进行滤波处理的滤波核。
步骤508、基于所述滤波核对所述第一处理图像进行滤波处理，得到与所述 第一处理图像对应的低频图像和高频图像。
步骤509、确定所述高频图像的第一增益系数，对所述高频图像进行增强处 理。
步骤510、确定所述低频图像的第二增益系数，根据所述第二增益系数对所 述低频图像进行增强处理。
步骤511、将增强后的低频图像与增强后的高频图像进行图像融合，得到第 二处理图像。
在步骤508中，对第一处理图像的亮度分量进行低通滤波处理，例如在YUV 颜色模式中，仅对Y分量进行滤波处理，得到Y分量相关的高频图像和低频图 像，以及后续的增强处理，均是对Y分量的调节和变换，完全不影响UV之间的 比值，保证图像在处理过程中色彩不失真，实现了在不损害颜色的基础上，提 高图像的对比度。
在步骤509中，在高频图像中，基于预设大小的窗口，以基准像素点为中 心，计算所述窗口区域的局部方差；根据所述窗口区域的局部方差对应的局部 标准差确定所述基准像素点的增益值；根据所述各基准像素点的增益值确定所 述高频图像的第一增益系数。基准像素点为图像中的任一像素点(i,j)，其亮度 分量为x(i,j)，其中，i和j分别为基准像素点的在图像中的横纵坐标，窗口大小 为(2n+1)·(2n+1)，其中，n为大于等于0的整数，上述窗口大小仅是一种示例， 在其他实施例中，上述窗口可以是矩形，即(2n+1)·(2m+1)的形式。
窗口区域的局部方差可通过如下公式计算得到：
其中，
在上述公式中，mx(i,j)为窗口区域的局部平均值，x(k,l)为窗口中像素点的 亮度分量，k和l为大于等于0的整数。
其中，σx(i,j)为以基准像素点为中心的窗口区域的局部标准差，可选的，基 准像素点的增益值与局部标准差成反比，例如，基准像素点的增益值可以是 D/σx(i,j)，可选的，基准像素点的增益值大于1，以实现对高频图像中的像素点 的亮度分量的增强，其中，D为一个常数。
在本实施例中，通过上述方式，确定高频图像中每一个像素点的增益值， 进一步确定高频图像的第一增益系数。
可选的，在确定第一增益系数之后，还可以包括根据所述图像的场景识别 结果，对所述第一增益系数进行修正。示例性的，图像的场景识别结果可以是 确定图像中高频信息和低频信息的比例，当高频信息和低频信息的比例较大时， 表明高频图像中包含大量待增强的像素点，当根据第一增益系数对高频图像进 行增强时，易放大图像噪声，产生图像过量的情况，影响图像质量。在本实施 例中，当高频信息和低频信息的比例较大，对第一增益系数进行修正，适应性 降低第一增益系数，实现根据图像的场景识别结果，动态调节第一增益系数， 达到不增强噪声的效果。
在步骤510中，低频图像的第二增益系数的确定方式，与高频图像的第一 增益系数的确定方式相同，此处不再赘述。
在本实施例中，通过对色量分离颜色模式的第一处理图像的亮度分量进行 滤波处理得到的高频图像和低频图像，分别计算第一增益系数和第二增益系数， 根据所述第一增益系数对所述高频图像进行增强处理，根据所述第二增益系数 对所述低频图像进行增强处理，将增强后的低频图像与增强后的高频图像进行 图像融合，得到处理后的图像，同时增强高频图像和低通图像中对比度，避免 了图像处理过程中细节的丢失，在图像不失真的基础上，提高图像清晰度。
图6为本申请实施例提供的另一种图像处理方法的流程示意图，本实施例 是上述实施例的一个可选方案，相应的，如图6所示，本实施例的方法包括如 下步骤：
步骤601、获取色亮分离颜色模式的图像。
步骤602、对所述图像进行场景识别，确定所述图像的场景。
步骤603、遍历所述图像中各像素点的亮度分量，根据所述亮度分量的遍历 结果生成所述图像的亮度分布。
步骤604、基于与所述图像的场景对应的标准亮度分布和所述图像的亮度分 布，生成亮度映射关系。
步骤605、根据所述亮度映射关系对所述图像中各像素点的亮度分量进行调 节，生成第一处理图像。
步骤606、对所述第一处理图像进行边缘识别。
步骤607、根据边缘识别结果确定对所述图像进行滤波处理的滤波核。
步骤608、基于所述滤波核对所述第一处理图像进行滤波处理，得到与所述 第一处理图像对应的低频图像和高频图像。
步骤609、确定所述高频图像的第一增益系数，对所述高频图像进行增强处 理。
步骤610、根据所述低频图像中各像素点的亮度信息，识别所述低频图像中 的平坦区域和非平坦区域，对所述低频图像根据所述平坦区域和所述非平坦区 域进行拆分。
步骤611、确定所述低频图像的第二增益系数，根据所述第二增益系数对拆 分后的非平坦区域进行图像增强。
步骤612、将所述平坦区域、增强后的非平坦区域以及增强后的高频图像， 进行图像融合，得到第二处理图像。
在步骤610中，根据所述低频图像中各像素点的亮度信息，识别所述低频 图像中的平坦区域和非平坦区域，包括：对所述低频图像进行分块处理得到多 个图像区域，并确定所述图像区域的像素差异值；当所述图像区域的像素差异 值小于或等于预设值时，确定所述图像区域属于平坦区域；当所述图像区域的 像素差异值大于所述预设值时，确定所述图像区域属于非平坦区域。
其中，对于任一个图像区域，所述图像区域中像素差异值可以是通过如下 公式计算：
其中，A为图像区域的像素差异值，p为图像区域中像素点的总数， gb(b＝1,2,…p)为图像区域中每一个像素点的亮度分量，为图像区域的局部亮度 均值，p和b均为大于0的正整数。
像素差异值表示图像区域中各个像素点的亮度信息的差异情况，例如像素 差异值越大，表明该图像区域中各个像素点的亮度信息存在较大差异，像素差 异值越小，表明该图像区域中各个像素点的亮度信息相似性越高。将像素差异 值小于或等于预设值的图像区域进行拼接，形成平坦区域，将像素差异值大于 预设值的图像区域进行拼接，形成非平坦区域。可选的，用于确定平坦区域和 非平坦区域的预设值与低频图像的平均局部差异值相关，具体的，根据图像区 域的数量，以及各图像区域的像素差异值A，可确定低频图像的平均局部差异值 引入系数λ，上述预设值可以是即当图像区域的像素差异值时， 该图像区域属于平坦区域，当图像区域的像素差异值时，该图像区域属于 非平坦区域。
示例性的，对于包括白色桌面上的黑色纽扣和点状污渍的图像，通过滤波 处理得到的高频图像中可以是包括黑色纽扣，低频图像中包括白色桌面以及桌 面上的点状污渍，在低频图像中，存在点状污渍的部分为非平坦区域，白色桌 面的背景区域为平坦区域。在上述实施例中，可知像素点的增益值与局部标准 差成反比，在平坦区域，局部标准差很小，导致像素点的增益值比较大，从而 引起了噪音的放大。
在步骤611中，对低频图像中的平坦区域和非平坦区域进行识别和拆分， 并仅对非平坦区域进行增强处理，对平坦区域的亮度分量不进行调整，避免了 在对图像进行增强处理时对平坦区域噪音的放大。
本申请实施例中提供的图像处理方法，基于图像场景的标准亮度分布对图 像的亮度分量进行适应性的映射，对图像的色彩进行虚拟放大，得到第一处理 图像，进一步的，对第一处理图像进行低通滤波处理，并对得到的高频图像进 行增强处理，以及对低频图像的非平坦区域进行增强处理，实现对图像细节的 增强，保持低频图像的平坦区域，控制噪声，在增大图像的对比度的同事，避 免对噪声的放大。
图7为本申请实施例提供的一种图像处理装置的结构框图，该装置可由软 件和/或硬件实现，一般集成在电子设备中，可通过执行电子设备的图像处理方 法来对摄像头采集的图像进行处理。如图7所示，该装置包括：图像获取模块 701、场景识别模块702、亮度分布生成模块703、亮度映射关系生成模块704 和第一处理图像生成模块705。
图像获取模块701，用于获取色亮分离颜色模式的图像；
场景识别模块702，用于对所述图像进行场景识别，确定所述图像的场景；
亮度分布生成模块703，用于遍历所述图像中各像素点的亮度分量，根据所 述亮度分量的遍历结果生成所述图像的亮度分布；
亮度映射关系生成模块704，用于基于与所述图像的场景对应的标准亮度分 布和所述图像的亮度分布，生成亮度映射关系；
第一处理图像生成模块705，用于根据所述亮度映射关系对所述图像中各像 素点的亮度分量进行调节，生成第一处理图像。
本申请实施例中提供的图像处理装置，对不同场景的图像均可达到最佳效 果，提高了图像处理方式的适用性。同时，由于是对独立的亮度分量进行处理， 不涉及任何对色彩分量的调节，保证了在上述图像处理过程中，图像色彩保持 原样，不存在处理过程对色彩的影响和改变，保证的图像色彩清晰不失真。
在上述实施例的基础上，亮度映射关系生成模块704用于：
根据所述标准亮度分布中各亮度分量对应的第一像素点比例，以及所述图 像的亮度分布中各亮度分量对应的第二像素点比例，确定需要调节的亮度分量， 以及对应的目标亮度分量，将需要调节的亮度分量与所述目标亮度分量建立映 射关系；或者，
根据所述标准亮度分布中亮度分量区间对应的第三像素点比例，以及所述 图像的亮度分布中亮度分量区间对应的第四像素点比例，确定需要调节的亮度 分量，以及对应的目标亮度分量，将需要调节的亮度分量与所述目标亮度分量 建立映射关系。
在上述实施例的基础上，亮度映射关系生成模块704用于：
根据对所述图像中各像素点的亮度分量的遍历结果，确定所述图像的亮度 分量的范围；
在所述预设的标准亮度分布中截取与所述图像的亮度分量的范围对应的目 标亮度分布；
根据所述目标亮度分布和所述图像的亮度分布，生成所述亮度映射关系。
在上述实施例的基础上，还包括：
亮度映射关系修正模块，用于在生成亮度映射关系之后，根据所述图像的 场景对所述亮度映射关系进行修正。
在上述实施例的基础上，
在上述实施例的基础上，还包括：
边缘识别模块，用于在生成第一处理图像之后，对所述第一处理图像进行 边缘识别；
滤波核确定模块，用于根据边缘识别结果确定对所述图像进行滤波处理的 滤波核；
滤波处理模块，用于基于所述滤波核对所述第一处理图像进行滤波处理， 得到与所述第一处理图像对应的低频图像和高频图像；
高频图像增强模块，用于确定所述高频图像的第一增益系数，对所述高频 图像进行增强处理。
第二处理图像生成模块，用于将所述低频图像与增强后的高频图像进行图 像融合，得到第二处理图像。
在上述实施例的基础上，还包括：
低频图像增强模块，用于确定所述低频图像的第二增益系数，根据所述第 二增益系数对所述低频图像进行增强处理；
相应的，第二处理图像生成模块用于：
将增强后的低频图像与增强后的高频图像进行图像融合，得到第二处理图 像。
在上述实施例的基础上，高频图像增强模块包括：
第一局部方差计算单元，用于对于所述高频图像，基于预设大小的窗口， 以基准像素点为中心，计算所述窗口区域的局部方差；
第一增益值确定单元，用于根据所述窗口区域的局部方差对应的局部标准 差确定所述基准像素点的增益值；
第一增益系数确定单元，用于根据所述高频图像中各基准像素点的增益值 确定所述高频图像的第一增益系数。
在上述实施例的基础上，低频图像增强模块包括：
第二局部方差计算单元，用于对于所述低频图像，基于预设大小的窗口， 以基准像素点为中心，计算所述窗口区域的局部方差；
第二增益值确定单元，用于根据所述窗口区域的局部方差对应的局部标准 差确定所述基准像素点的增益值；
第二增益系数确定单元，用于根据所述低频图像中各基准像素点的增益值 确定所述低频图像的第二增益系数。
在上述实施例的基础上，低频图像增强模块包括：
图像识别单元，用于根据所述低频图像中各像素点的亮度信息，识别所述 低频图像中的平坦区域和非平坦区域；
图像拆分单元，用于对所述低频图像根据所述平坦区域和所述非平坦区域 进行拆分；
图像增强增强单元，用于根据所述第二增益系数对拆分后的非平坦区域进 行图像增强；
相应的，第二处理图像生成模块用于：
将所述平坦区域、增强后的非平坦区域以及增强后的高频图像，进行图像 融合，得到第二处理图像。
在上述实施例的基础上，所述色亮分离颜色模式包括YUV颜色模式和LAB 颜色模式。
在上述实施例的基础上，还包括：
YUV颜色模式图像生成模块基于图像传感器获取的原始信号，将所述原始信 号转换为RGB颜色模式的图像，根据所述RGB颜色模式的图像生成YUV颜色模 式的图像。
本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机 可执行指令在由计算机处理器执行时用于执行图像处理方法，该方法包括：
获取色亮分离颜色模式的图像；
对所述图像进行场景识别，确定所述图像的场景；
遍历所述图像中各像素点的亮度分量，根据所述亮度分量的遍历结果生成 所述图像的亮度分布；
基于与所述图像的场景对应的标准亮度分布和所述图像的亮度分布，生成 亮度映射关系；
根据所述亮度映射关系对所述图像中各像素点的亮度分量进行调节，生成 第一处理图像。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质” 旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或 随机存取存储器，诸如DRAM、DDRRAM、SRAM、EDORAM，兰巴斯 (Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)； 寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储 器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中， 或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网) 连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于 执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的 不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个 处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其 计算机可执行指令不限于如上所述的图像处理操作，还可以执行本申请任意实 施例所提供的图像处理方法中的相关操作。
本申请实施例提供了一种电子设备，该电子设备中可集成本申请实施例提 供的图像处理装置。图8为本申请实施例提供的一种电子设备的结构示意图。 电子设备800可以包括：存储器801，处理器802及存储在存储器801上并可在 处理器802运行的计算机程序，所述处理器802执行所述计算机程序时实现如 本申请实施例所述的图像处理方法。
本申请实施例提供的电子设备，对不同场景的图像均可达到最佳效果，提 高了图像处理方式的适用性。同时，由于是对独立的亮度分量进行处理，不涉 及任何对色彩分量的调节，保证了在上述图像处理过程中，图像色彩保持原样， 不存在处理过程对色彩的影响和改变，保证的图像色彩清晰不失真。
图9为本申请实施例提供的另一种电子设备的结构示意图。该电子设备可 以包括：壳体(图中未示出)、存储器901、中央处理器(central processing unit， CPU)902(又称处理器，以下简称CPU)、电路板(图中未示出)和电源电路 (图中未示出)。所述电路板安置在所述壳体围成的空间内部；所述CPU902和 所述存储器901设置在所述电路板上；所述电源电路，用于为所述电子设备的 各个电路或器件供电；所述存储器901，用于存储可执行程序代码；所述CPU902 通过读取所述存储器901中存储的可执行程序代码来运行与所述可执行程序代 码对应的计算机程序，以实现以下步骤：
获取色亮分离颜色模式的图像；
对所述图像进行场景识别，确定所述图像的场景；
遍历所述图像中各像素点的亮度分量，根据所述亮度分量的遍历结果生成 所述图像的亮度分布；
基于与所述图像的场景对应的标准亮度分布和所述图像的亮度分布，生成 亮度映射关系；
根据所述亮度映射关系对所述图像中各像素点的亮度分量进行调节，生成 第一处理图像。
所述电子设备还包括：外设接口903、RF(Radio Frequency，射频)电路 905、音频电路906、扬声器911、电源管理芯片908、输入/输出(I/O)子系统 909、其他输入/控制设备910、触摸屏912、其他输入/控制设备910以及外部端 口904，这些部件通过一个或多个通信总线或信号线907来通信。
应该理解的是，图示电子设备900仅仅是电子设备的一个范例，并且电子 设备900可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更 多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括 一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组 合中实现。
下面就本实施例提供的用于对图像处理操作的电子设备进行详细的描述， 该电子设备以手机为例。
存储器901，所述存储器901可以被CPU902、外设接口903等访问，所述 存储器901可以包括高速随机存取存储器，还可以包括非易失性存储器，例如 一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
外设接口903，所述外设接口903可以将设备的输入和输出外设连接到 CPU902和存储器901。
I/O子系统909，所述I/O子系统909可以将设备上的输入输出外设，例如 触摸屏912和其他输入/控制设备910，连接到外设接口903。I/O子系统909可 以包括显示控制器9091和用于控制其他输入/控制设备910的一个或多个输入控 制器9092。其中，一个或多个输入控制器9092从其他输入/控制设备910接收 电信号或者向其他输入/控制设备910发送电信号，其他输入/控制设备910可以 包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚 轮。值得说明的是，输入控制器9092可以与以下任一个连接：键盘、红外端口、 USB接口以及诸如鼠标的指示设备。
触摸屏912，所述触摸屏912是用户电子设备与用户之间的输入接口和输出 接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。
I/O子系统909中的显示控制器9091从触摸屏912接收电信号或者向触摸 屏912发送电信号。触摸屏912检测触摸屏上的接触，显示控制器9091将检测 到的接触转换为与显示在触摸屏912上的用户界面对象的交互，即实现人机交 互，显示在触摸屏912上的用户界面对象可以是运行游戏的图标、联网到相应 网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出 的触摸敏感表面，或者是由触摸屏形成的触摸敏感表面的延伸。
RF电路905，主要用于建立手机与无线网络(即网络侧)的通信，实现手 机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地，RF 电路905接收并发送RF信号，RF信号也称为电磁信号，RF电路905将电信号 转换为电磁信号或将电磁信号转换为电信号，并且通过该电磁信号与通信网络 以及其他设备进行通信。RF电路905可以包括用于执行这些功能的已知电路， 其包括但不限于天线系统、RF收发机、一个或多个放大器、调谐器、一个或多 个振荡器、数字信号处理器、CODEC(COder-DECoder，编译码器)芯片组、 用户标识模块(Subscriber Identity Module，SIM)等等。
音频电路906，主要用于从外设接口903接收音频数据，将该音频数据转换 为电信号，并且将该电信号发送给扬声器911。
扬声器911，用于将手机通过RF电路905从无线网络接收的语音信号，还 原为声音并向用户播放该声音。
电源管理芯片908，用于为CPU902、I/O子系统及外设接口所连接的硬件 进行供电及电源管理。
上述实施例中提供的图像处理装置、存储介质及电子设备可执行本申请任 意实施例所提供的图像处理方法，具备执行该方法相应的功能模块和有益效果。 未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的图 像处理方法。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员 会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进 行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽 然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以 上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例， 而本申请的范围由所附的权利要求范围决定。

Claims (13)

1.一种图像处理方法，其特征在于，包括：
获取色亮分离颜色模式的图像；
对所述图像进行场景识别，确定所述图像的场景；
遍历所述图像中各像素点的亮度分量，根据所述亮度分量的遍历结果生成所述图像的亮度分布；
基于与所述图像的场景对应的标准亮度分布和所述图像的亮度分布，生成亮度映射关系；
根据所述亮度映射关系对所述图像中各像素点的亮度分量进行调节，生成第一处理图像。
2.根据权利要求1所述的方法，其特征在于，基于与所述图像的场景对应的标准亮度分布和所述图像的亮度分布，生成亮度映射关系，包括：
根据所述标准亮度分布中各亮度分量对应的第一像素点比例，以及所述图像的亮度分布中各亮度分量对应的第二像素点比例，确定需要调节的亮度分量，以及对应的目标亮度分量，将需要调节的亮度分量与所述目标亮度分量建立映射关系；或者，
根据所述标准亮度分布中亮度分量区间对应的第三像素点比例，以及所述图像的亮度分布中亮度分量区间对应的第四像素点比例，确定需要调节的亮度分量，以及对应的目标亮度分量，将需要调节的亮度分量与所述目标亮度分量建立映射关系。
3.根据权利要求1所述的方法，其特征在于，根据预设的标准亮度分布和所述图像的亮度分布，生成亮度映射关系，包括：
根据对所述图像中各像素点的亮度分量的遍历结果，确定所述图像的亮度分量的范围；
在所述预设的标准亮度分布中截取与所述图像的亮度分量的范围对应的目标亮度分布；
根据所述目标亮度分布和所述图像的亮度分布，生成所述亮度映射关系。
4.根据权利要求1所述的方法，其特征在于，在生成亮度映射关系之后，还包括：
根据所述图像的场景对所述亮度映射关系进行修正。
5.根据权利要求1-4任一所述的方法，其特征在于，在生成第一处理图像之后，还包括：
对所述第一处理图像进行边缘识别；
根据边缘识别结果确定对所述图像进行滤波处理的滤波核；
基于所述滤波核对所述第一处理图像进行滤波处理，得到与所述第一处理图像对应的低频图像和高频图像；
确定所述高频图像的第一增益系数，对所述高频图像进行增强处理，并将所述低频图像与增强后的高频图像进行图像融合，得到第二处理图像。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
确定所述低频图像的第二增益系数，根据所述第二增益系数对所述低频图像进行增强处理；
相应的，将所述低频图像与增强后的高频图像进行图像融合，得到第二处理图像，包括：
将增强后的低频图像与增强后的高频图像进行图像融合，得到第二处理图像。
7.根据权利要求6所述的方法，其特征在于，确定所述高频图像的第一增益系数，以及确定所述低频图像的第二增益系数，包括：
分别对于所述高频图像和所述低频图像，基于预设大小的窗口，以基准像素点为中心，计算所述窗口区域的局部方差；
根据所述窗口区域的局部方差对应的局部标准差确定所述基准像素点的增益值；
根据所述高频图像中各基准像素点的增益值确定所述高频图像的第一增益系数，并根据所述低频图像中各基准像素点的增益值确定所述低频图像的第二增益系数。
8.根据权利要求6所述的方法，其特征在于，根据所述第二增益系数对低频图像进行增强处理，包括：
根据所述低频图像中各像素点的亮度信息，识别所述低频图像中的平坦区域和非平坦区域；
对所述低频图像根据所述平坦区域和所述非平坦区域进行拆分；
根据所述第二增益系数对拆分后的非平坦区域进行图像增强；
相应的，将增强后的低频图像和高频图像进行图像融合，得到第二处理图像，包括：
将所述平坦区域、增强后的非平坦区域以及增强后的高频图像，进行图像融合，得到第二处理图像。
9.根据权利要求1所述的方法，其特征在于，所述色亮分离颜色模式包括YUV颜色模式和LAB颜色模式。
10.根据权利要求9所述的方法，其特征在于，所述YUV颜色模式的图像的生成方法，包括：
基于图像传感器获取的原始信号，将所述原始信号转换为RGB颜色模式的图像；
根据所述RGB颜色模式的图像生成YUV颜色模式的图像。
11.一种图像处理装置，其特征在于，包括：
图像获取模块，用于获取色亮分离颜色模式的图像；
场景识别模块，用于对所述图像进行场景识别，确定所述图像的场景；
亮度分布生成模块，用于遍历所述图像中各像素点的亮度分量，根据所述亮度分量的遍历结果生成所述图像的亮度分布；
亮度映射关系生成模块，用于基于与所述图像的场景对应的标准亮度分布和所述图像的亮度分布，生成亮度映射关系；
第一处理图像生成模块，用于根据所述亮度映射关系对所述图像中各像素点的亮度分量进行调节，生成第一处理图像。
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1-10中任一所述的图像处理方法。
13.一种电子设备，其特征在于，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-10任一所述的图像处理方法。
CN201810950224.7A 2018-08-20 2018-08-20 图像处理方法、装置、存储介质及电子设备 Active CN109272459B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201810950224.7A CN109272459B (zh) 2018-08-20 2018-08-20 图像处理方法、装置、存储介质及电子设备
US16/544,291 US11138701B2 (en) 2018-08-20 2019-08-19 Image processing method, storage medium, and electronic apparatus
PCT/CN2019/101600 WO2020038365A1 (en) 2018-08-20 2019-08-20 Image processing method, storage medium, and electronic apparatus
EP19192425.7A EP3614333B1 (en) 2018-08-20 2019-08-20 Image processing method, storage medium, and electronic apparatus
ES19192425T ES2863368T3 (es) 2018-08-20 2019-08-20 Método de procesamiento de imágenes, medio de almacenamiento y aparato electrónico

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810950224.7A CN109272459B (zh) 2018-08-20 2018-08-20 图像处理方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN109272459A true CN109272459A (zh) 2019-01-25
CN109272459B CN109272459B (zh) 2020-12-01

Family

ID=65153658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810950224.7A Active CN109272459B (zh) 2018-08-20 2018-08-20 图像处理方法、装置、存储介质及电子设备

Country Status (5)

Country Link
US (1) US11138701B2 (zh)
EP (1) EP3614333B1 (zh)
CN (1) CN109272459B (zh)
ES (1) ES2863368T3 (zh)
WO (1) WO2020038365A1 (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110312106A (zh) * 2019-07-30 2019-10-08 广汽蔚来新能源汽车科技有限公司 图像的显示方法、装置、计算机设备和存储介质
CN110599410A (zh) * 2019-08-07 2019-12-20 北京达佳互联信息技术有限公司 图像处理的方法、装置、终端及存储介质
CN110807750A (zh) * 2019-11-14 2020-02-18 青岛海信电器股份有限公司 图像处理方法和设备
EP3614335A1 (en) * 2018-08-20 2020-02-26 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for image processing and electronic device
WO2020038365A1 (en) * 2018-08-20 2020-02-27 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Image processing method, storage medium, and electronic apparatus
CN110996174A (zh) * 2019-12-19 2020-04-10 深圳市迅雷网络技术有限公司 一种视频画质增强方法及其相关设备
CN111524104A (zh) * 2020-04-13 2020-08-11 华侨大学 基于多尺度轮廓波特征的全参考光场图像质量评价方法
CN111553440A (zh) * 2020-05-09 2020-08-18 创新奇智(南京)科技有限公司 样本图像生成方法、装置和设备
CN111681189A (zh) * 2020-06-17 2020-09-18 深圳开立生物医疗科技股份有限公司 提升图像亮度均匀性的方法、装置、设备及存储介质
CN111938622A (zh) * 2020-07-16 2020-11-17 启航汽车有限公司 心率检测方法、装置及系统、可读存储介质
CN112070848A (zh) * 2020-09-18 2020-12-11 厦门美图之家科技有限公司 图像色素分离方法、装置、电子设备和可读存储介质
CN112153240A (zh) * 2019-06-27 2020-12-29 深圳Tcl数字技术有限公司 一种调整图像画质方法、装置及可读存储介质
CN112785533A (zh) * 2019-11-07 2021-05-11 RealMe重庆移动通信有限公司 图像融合方法、图像融合装置、电子设备与存储介质
CN112884688A (zh) * 2021-02-03 2021-06-01 浙江大华技术股份有限公司 一种图像融合方法、装置、设备及介质
CN113763302A (zh) * 2021-09-30 2021-12-07 青岛海尔科技有限公司 图像检测结果的确定方法及装置
WO2023123924A1 (zh) * 2021-12-30 2023-07-06 深圳云天励飞技术股份有限公司 目标识别方法、装置、电子设备及存储介质

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210107955A (ko) * 2020-02-24 2021-09-02 삼성전자주식회사 컬러 스테인 분석 방법 및 상기 방법을 이용하는 전자 장치
CN112419187B (zh) * 2020-11-23 2023-08-25 杭州海康威视数字技术股份有限公司 一种图像处理方法、装置及设备
CN112614064B (zh) * 2020-12-18 2023-04-25 北京达佳互联信息技术有限公司 图像处理方法、装置、电子设备及存储介质
CN113344803B (zh) * 2021-05-08 2024-03-19 浙江大华技术股份有限公司 图像调节方法、装置、电子装置和存储介质
CN113436068B (zh) * 2021-06-10 2022-12-02 浙江大华技术股份有限公司 一种图像拼接方法、装置、电子设备及存储介质
CN113808038A (zh) * 2021-09-08 2021-12-17 瑞芯微电子股份有限公司 图像处理方法、介质及电子设备
CN114936981B (zh) * 2022-06-10 2023-07-07 重庆尚优科技有限公司 一种基于云平台的场所扫码登记系统
CN115100083B (zh) * 2022-08-25 2022-11-04 江苏游隼微电子有限公司 一种车载影像的图像亮度自适应调节方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102214357A (zh) * 2011-06-22 2011-10-12 王洪剑 一种图像增强方法及系统
CN102231264A (zh) * 2011-06-28 2011-11-02 王洪剑 动态对比度增强装置和方法
CN103079038A (zh) * 2013-01-07 2013-05-01 华为终端有限公司 图像锐化处理方法、装置和拍摄终端
CN103345726A (zh) * 2013-06-14 2013-10-09 华为技术有限公司 图像去噪处理方法、装置和终端
CN104580925A (zh) * 2014-12-31 2015-04-29 安科智慧城市技术（中国）有限公司 一种控制图像亮度的方法、装置及摄像机

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000062528A1 (en) 1999-04-13 2000-10-19 Athentech Technologies Inc Virtual true color light amplification
JP4466261B2 (ja) 2004-07-30 2010-05-26 カシオ計算機株式会社 撮像装置、明るさ補正方法及びプログラム
EP1650708B1 (en) 2004-10-20 2007-12-05 FUJIFILM Corporation Brightness adjustment method and image processing apparatus
US9754629B2 (en) 2010-03-03 2017-09-05 Koninklijke Philips N.V. Methods and apparatuses for processing or defining luminance/color regimes
JP5975215B2 (ja) * 2012-11-14 2016-08-23 富士ゼロックス株式会社 画像処理装置及び画像処理プログラム、画像調整装置及び画像調整プログラム
RU2707728C2 (ru) 2015-01-09 2019-11-28 Конинклейке Филипс Н.В. Обработка изображения с изменением степени яркости при постоянстве цвета
US9857953B2 (en) * 2015-11-17 2018-01-02 Adobe Systems Incorporated Image color and tone style transfer
CN107068042B (zh) 2017-01-18 2019-10-18 西安诺瓦星云科技股份有限公司 图像处理方法
CN109146814B (zh) * 2018-08-20 2021-02-23 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
CN108900819B (zh) * 2018-08-20 2020-09-15 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
CN109272459B (zh) 2018-08-20 2020-12-01 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
CN109727215B (zh) 2018-12-28 2023-05-26 Oppo广东移动通信有限公司 图像处理方法、装置、终端设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102214357A (zh) * 2011-06-22 2011-10-12 王洪剑 一种图像增强方法及系统
CN102231264A (zh) * 2011-06-28 2011-11-02 王洪剑 动态对比度增强装置和方法
CN103079038A (zh) * 2013-01-07 2013-05-01 华为终端有限公司 图像锐化处理方法、装置和拍摄终端
CN103345726A (zh) * 2013-06-14 2013-10-09 华为技术有限公司 图像去噪处理方法、装置和终端
CN104580925A (zh) * 2014-12-31 2015-04-29 安科智慧城市技术（中国）有限公司 一种控制图像亮度的方法、装置及摄像机

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11138701B2 (en) 2018-08-20 2021-10-05 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Image processing method, storage medium, and electronic apparatus
WO2020038365A1 (en) * 2018-08-20 2020-02-27 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Image processing method, storage medium, and electronic apparatus
US11138700B2 (en) 2018-08-20 2021-10-05 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for image processing, non-transitory computer readable medium, and electronic device
EP3614335A1 (en) * 2018-08-20 2020-02-26 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for image processing and electronic device
EP3993383A4 (en) * 2019-06-27 2023-04-05 Shenzhen TCL Digital Technology Ltd. METHOD AND DEVICE FOR ADJUSTING IMAGE QUALITY AND READABLE STORAGE MEDIUM
US11756506B2 (en) 2019-06-27 2023-09-12 Shenzhen Tcl Digital Technology Ltd. Method and device for adjusting image quality, and readable storage medium
CN112153240B (zh) * 2019-06-27 2021-11-09 深圳Tcl数字技术有限公司 一种调整图像画质方法、装置及可读存储介质
CN112153240A (zh) * 2019-06-27 2020-12-29 深圳Tcl数字技术有限公司 一种调整图像画质方法、装置及可读存储介质
WO2020259123A1 (zh) * 2019-06-27 2020-12-30 深圳Tcl数字技术有限公司 一种调整图像画质方法、装置及可读存储介质
CN110312106A (zh) * 2019-07-30 2019-10-08 广汽蔚来新能源汽车科技有限公司 图像的显示方法、装置、计算机设备和存储介质
CN110312106B (zh) * 2019-07-30 2021-05-18 广汽蔚来新能源汽车科技有限公司 图像的显示方法、装置、计算机设备和存储介质
CN110599410A (zh) * 2019-08-07 2019-12-20 北京达佳互联信息技术有限公司 图像处理的方法、装置、终端及存储介质
CN112785533B (zh) * 2019-11-07 2023-06-16 RealMe重庆移动通信有限公司 图像融合方法、图像融合装置、电子设备与存储介质
CN112785533A (zh) * 2019-11-07 2021-05-11 RealMe重庆移动通信有限公司 图像融合方法、图像融合装置、电子设备与存储介质
CN110807750B (zh) * 2019-11-14 2022-11-18 海信视像科技股份有限公司 图像处理方法和设备
CN110807750A (zh) * 2019-11-14 2020-02-18 青岛海信电器股份有限公司 图像处理方法和设备
CN110996174A (zh) * 2019-12-19 2020-04-10 深圳市迅雷网络技术有限公司 一种视频画质增强方法及其相关设备
CN111524104B (zh) * 2020-04-13 2023-03-24 华侨大学 基于多尺度轮廓波特征的全参考光场图像质量评价方法
CN111524104A (zh) * 2020-04-13 2020-08-11 华侨大学 基于多尺度轮廓波特征的全参考光场图像质量评价方法
CN111553440A (zh) * 2020-05-09 2020-08-18 创新奇智(南京)科技有限公司 样本图像生成方法、装置和设备
CN111681189A (zh) * 2020-06-17 2020-09-18 深圳开立生物医疗科技股份有限公司 提升图像亮度均匀性的方法、装置、设备及存储介质
CN111681189B (zh) * 2020-06-17 2023-11-17 深圳开立生物医疗科技股份有限公司 提升图像亮度均匀性的方法、装置、设备及存储介质
CN111938622B (zh) * 2020-07-16 2022-08-30 启航汽车有限公司 心率检测方法、装置及系统、可读存储介质
CN111938622A (zh) * 2020-07-16 2020-11-17 启航汽车有限公司 心率检测方法、装置及系统、可读存储介质
CN112070848A (zh) * 2020-09-18 2020-12-11 厦门美图之家科技有限公司 图像色素分离方法、装置、电子设备和可读存储介质
CN112884688A (zh) * 2021-02-03 2021-06-01 浙江大华技术股份有限公司 一种图像融合方法、装置、设备及介质
CN112884688B (zh) * 2021-02-03 2024-03-29 浙江大华技术股份有限公司 一种图像融合方法、装置、设备及介质
CN113763302A (zh) * 2021-09-30 2021-12-07 青岛海尔科技有限公司 图像检测结果的确定方法及装置
WO2023123924A1 (zh) * 2021-12-30 2023-07-06 深圳云天励飞技术股份有限公司 目标识别方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
US11138701B2 (en) 2021-10-05
ES2863368T3 (es) 2021-10-11
WO2020038365A1 (en) 2020-02-27
US20200058111A1 (en) 2020-02-20
CN109272459B (zh) 2020-12-01
EP3614333B1 (en) 2021-02-17
EP3614333A1 (en) 2020-02-26

Similar Documents

Publication Publication Date Title
CN109272459A (zh) 图像处理方法、装置、存储介质及电子设备
CN109146814A (zh) 图像处理方法、装置、存储介质及电子设备
US11138700B2 (en) Method for image processing, non-transitory computer readable medium, and electronic device
CN109685746B (zh) 图像亮度调整方法、装置、存储介质及终端
CN109639982B (zh) 一种图像降噪方法、装置、存储介质及终端
CN110766621B (zh) 图像处理方法、装置、存储介质及电子设备
CN109697738A (zh) 图像处理方法、装置、终端设备及存储介质
CN109727215A (zh) 图像处理方法、装置、终端设备及存储介质
CN112449120B (zh) 高动态范围视频生成方法及装置
CN109345485A (zh) 一种图像增强方法、装置、电子设备及存储介质
CN111510698A (zh) 图像处理方法、装置、存储介质及移动终端
CN109741280A (zh) 图像处理方法、装置、存储介质及电子设备
CN109727216A (zh) 图像处理方法、装置、终端设备及存储介质
CN109741281A (zh) 图像处理方法、装置、存储介质及终端
CN109741288A (zh) 图像处理方法、装置、存储介质及电子设备
CN109618098A (zh) 一种人像面部调整方法、装置、存储介质及终端
CN110519485A (zh) 图像处理方法、装置、存储介质及电子设备
CN112884666B (zh) 图像处理方法、装置及计算机存储介质
CN114418914A (zh) 图像处理方法、装置、电子设备及存储介质
CN105163040B (zh) 一种图像处理方法及移动终端
CN109672829B (zh) 图像亮度的调整方法、装置、存储介质及终端
CN109544441B (zh) 图像处理方法及装置、直播中的肤色处理方法及装置
WO2023011280A1 (zh) 图像噪声程度估计方法、装置、电子设备及存储介质
CN115330610A (zh) 图像处理方法、装置、电子设备以及存储介质
CN115705625A (zh) 图像处理方法、装置、设备及存储介质

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40002322

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant