CN109685746A - 图像亮度调整方法、装置、存储介质及终端 - Google Patents

Abstract

本申请实施例公开了图像亮度调整方法、装置、存储介质及终端。该方法包括：获取待处理的图像；对所述图像进行场景识别，确定所述图像的场景类别；将所述图像输入至与所述场景类别对应的亮度等级映射模型中；根据亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级；基于所述场景类别及所述亮度等级对所述图像进行亮度调整，生成亮度调整后的目标图像。通过采用上述技术方案，根据图像的场景及图像的亮度等级适应性地对图像亮度进行调整，可以对不同场景、不同亮度等级的图像达到较佳的效果，提高了图像亮度调整的适用性。同时，基于预先训练好的亮度等级映射模型可以简单、快速、准确地确定出图像的亮度等级，提高图像亮度调整的效率。

Description

图像亮度调整方法、装置、存储介质及终端

技术领域

本申请实施例涉及图像处理技术领域，尤其涉及图像亮度调整方法、装置、存储介质及终端。

背景技术

随着终端技术的快速发展，诸如手机、平板电脑等电子设备均具备了图像采集功能，用户对终端采集的图像的质量要求越来越高。

目前在采集图像之后，一般会对图像进行亮度处理，以对采集的图像进行亮度调整。相关技术中，可以通过增强图像对比度的方式对图像亮度进行调整，经典算法主要包括直方图均衡化、小波变换图像增强算法、偏微分方程图像增强算法及基于Retinex理论的图像增强算法，然而这些方法主要基于统计的方式对图像进行亮度调整，并没有对不同场景的图像有针对性地进行图像亮度调整，容易使的亮度调整后的图像显示效果不佳。

发明内容

本申请实施例提供一种图像亮度调整方法、装置、存储介质及终端，可以优化相关技术中的图像亮度调整方案。

第一方面，本申请实施例提供了一种图像亮度调整方法，包括：

获取待处理的图像；

对所述图像进行场景识别，确定所述图像的场景类别；

将所述图像输入至与所述场景类别对应的亮度等级映射模型中；

根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级；

基于所述场景类别及所述亮度等级对所述图像进行亮度调整，生成亮度调整后的目标图像。

第二方面，本申请实施例提供了一种图像亮度调整装置，包括：

图像获取模块，用于获取待处理的图像；

场景类别确定模块，用于对所述图像进行场景识别，确定所述图像的场景类别；

图像输入模块，用于将所述图像输入至与所述场景类别对应的亮度等级映射模型中；

亮度等级确定模块，用于根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级；

亮度调整模块，用于基于所述场景类别及所述亮度等级对所述图像进行亮度调整，生成亮度调整后的目标图像。

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亮度调整方法。

第四方面，本申请实施例提供了一种终端，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本申请实施例所述的图像亮度调整方法。

本申请实施例中提供的图像亮度调整方案，获取待处理的图像，并对所述图像进行场景识别，确定所述图像的场景类别，然后将所述图像输入至与所述场景类别对应的亮度等级映射模型中，并根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级，最后基于所述场景类别及所述亮度等级对所述图像进行亮度调整，生成亮度调整后的目标图像。通过采用上述技术方案，根据图像的场景及图像的亮度等级适应性地对图像亮度进行调整，生成亮度调整后的目标图像，可以对不同场景、不同亮度等级的图像达到较佳的效果，提高了图像亮度调整的适用性。同时，基于预先训练好的亮度等级映射模型可以简单、快速、准确地确定出图像的亮度等级，提高图像亮度调整的效率。

附图说明

图1为本申请实施例提供的一种图像亮度调整方法的流程示意图；

图2为本申请实施例提供的另一种图像亮度调整方法的流程示意图；

图3为本申请实施例提供的一种图像亮度分布图的示意图；

图4为本申请实施例提供的一种亮度映射关系的曲线示意图；

图5为本申请实施例提供的再一种图像亮度调整方法的流程示意图；

图6为本申请实施例提供的一种图像亮度调整装置的结构框图；

图7为本申请实施例提供的一种终端的结构示意图；

图8为本申请实施例提供的又一种终端的结构示意图。

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亮度调整方法的流程示意图，该方法可以由图像亮度调整装置执行，其中该装置可由软件和/或硬件实现，一般可集成在终端中。如图1所示，该方法包括：

步骤101、获取待处理的图像。

示例性的，本申请实施例中的终端可包括手机、平板电脑、笔记本电脑、计算机等展示图像的电子设备。本申请实施例中的终端内集成有操作系统，本申请实施例中对操作系统的类型不做限定，例如可包括安卓(Android)操作系统、窗口(Windows)操作系统以及苹果(ios)操作系统等等。

在本申请实施例中，获取待处理的图像，其中，待处理的图像可以理解为需要进行亮度调整的图像。该待处理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，采集的呈现在终端屏幕上、供用户预览的图像，还可以是从终端相册中的图像，或者由云端平台获取的图像。需要说明的是，本申请实施例对待处理的图像的获取来源或获取方式不做限定。

可选的，当检测到图像亮度调整事件被触发时，获取待处理的图像。可以理解的是，为了在合适的时机对图像进行亮度调整，可预先设置图像亮度调整事件的触发条件。示例性的，为了满足用户对采集图像的视觉需求，可在检测到摄像头处于开启状态时，触发图像亮度调整事件。可选的，当用户对终端中某图像的亮度不满意时，可在检测到用户主动打开图像亮度调整权限时，触发图像亮度调整事件。可选的，为了使图像亮度调整应用于更有价值的应用时机，以节省图像亮度调整所带来的额外功耗，可对图像亮度调整的应用时机和应用场景进行分析或调研等，设置合理的预设场景，在检测终端处于预设场景时，触发图像亮度调整事件。需要说明的是，本申请实施例对图像亮度调整事件被触发的具体表现形式不做限定。

在本申请实施例中，获取的待处理的图像可以是RGB图像，也可以是YUV颜色模式的图像，还可以是Lab颜色模式的图像。需要说明的是，本申请实施例对待处理的图像的颜色模式不做限定。

步骤102、对所述图像进行场景识别，确定所述图像的场景类别。

示例性的，图像的场景类别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。在终端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、将所述图像输入至与所述场景类别对应的亮度等级映射模型中。

在本申请实施例中，亮度等级映射模型可以理解为在输入待处理的图像后，快速确定与该待处理的图像对应的亮度等级的学习模型。亮度等级映射模型可以是对采集的样本图像及对应的样本图像的亮度等级进行训练生成的学习模型。其中，样本图像的亮度等级反映了样本图像的整体的明亮程度，亮度等级越高，样本图像整体越明亮，亮度等级越低，样本图像整体越暗淡。可以理解的是，通过对样本图像及对应的样本图像的亮度等级，及两者间的对应关系进行学习，可以生成亮度等级映射模型。

示例性的，可预先针对不同场景类别的图像训练生成对应的亮度等级映射模型。例如，场景类别包括人像场景、夜景场景、夕阳场景、日光场景、逆光场景以及夜景逆光场景6种，则可针对每种场景类别训练生成对应的亮度等级映射模型。示例性的，通过步骤102确定待处理的图像的场景类别为夕阳场景，则可直接将该待处理的图像输入至夕阳场景对应的亮度等级映射模型中。

步骤104、根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级。

示例性的，将待处理的图像输入至亮度等级映射模型后，亮度等级映射模型对所述待处理的图像进行分析，并根据分析结果确定与该图像对应的亮度等级。例如，亮度等级映射模型可以分别给出该图像对应的各个亮度等级的概率值，其中，各个亮度等级的概率值的和为1。可将概率值最大的亮度等级作为该图像的亮度等级；当存在至少两个概率值最大的亮度等级时，可根据用户选择确定所述至少两个概率值最大的亮度等级中的一个作为该图像的亮度等级，或者将所述至少两个概率值最大的亮度等级中亮度等级较高的作为该图像的亮度等级。

步骤105、基于所述场景类别及所述亮度等级对所述图像进行亮度调整，生成亮度调整后的目标图像。

可选的，基于所述场景类别及所述亮度等级对所述图像进行亮度调整，生成亮度调整后的目标图像，包括：获取场景类别、亮度等级及亮度增益系数三者间的对应关系；基于所述对应关系，确定与所述场景类别及所述亮度等级对应的亮度增益系数；根据所述亮度增益系数对所述图像进行亮度调整，生成亮度调整后的目标图像。示例性的，在预先存储的场景类别、亮度等级及亮度增益系数的对应关系中，查找与该图像的场景类别及亮度等级对应的亮度增益系数。可以理解的是，场景类别、亮度等级及亮度增益系数三者间的对应关系为一个白名单列表，在该白名单列表中存储了各个场景类别下不同亮度等级对应的亮度增益系数。其中，场景类别、亮度等级及亮度增益系数三者间的对应关系可以预先存储在该终端设备中，当需要确定亮度增益系数时，直接调用该对应关系。可选的，场景类别、亮度等级及亮度增益系数三者间的对应关系也可以预先存储在其他终端设备或者服务器中，当某终端设备需要确定亮度增益系数时，从其他终端设备或服务器读取该对应关系。当确定好与该图像对应的亮度增益系数后，基于该亮度增益系数对图像进行亮度调整，如可将该图像中每个像素点的亮度分量乘以该亮度增益系数，实现对图像亮度调整。

本申请实施例中提供的图像亮度调整方法，获取待处理的图像，并对所述图像进行场景识别，确定所述图像的场景类别，然后将所述图像输入至与所述场景类别对应的亮度等级映射模型中，并根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级，最后基于所述场景类别及所述亮度等级对所述图像进行亮度调整，生成亮度调整后的目标图像。通过采用上述技术方案，根据图像的场景及图像的亮度等级适应性地对图像亮度进行调整，生成亮度调整后的目标图像，可以对不同场景、不同亮度等级的图像达到较佳的效果，提高了图像亮度调整的适用性。同时，基于预先训练好的亮度等级映射模型可以简单、快速、准确地确定出图像的亮度等级，提高图像亮度调整的效率。

图2为本申请实施例提供的图像亮度调整方法的流程示意图，该方法包括如下步骤：

步骤201、获取待处理的色亮分离颜色模式的图像。

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。

步骤202、对所述图像进行场景识别，确定所述图像的场景类别。

步骤203、将所述图像输入至与所述场景类别对应的亮度等级映射模型中。

步骤204、根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级。

步骤205、获取场景类别、亮度等级及亮度增益系数三者间的对应关系，并基于所述对应关系，确定与所述场景类别及所述亮度等级对应的亮度增益系数。

步骤206、遍历所述图像中各个像素的亮度分量，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206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。示例性的，参见图3，图3是本申请实施例提供的图像亮度分布图的示意图，在图3中，横轴为图像的各亮度分量，范围为0-255，纵轴为该图像中各亮度分量对应的像素点的数量。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207、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。

其中，预设的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。示例性的，参见图4，图4是本申请实施例提供的一种亮度映射关系的曲线示意图。其中，亮度映射关系可以是以曲线形式或者查询表(lookup table，LUT)形式展示，本实施例对此不做限定，图4仅是亮度映射关系的一个曲线展示示例。在图4中，曲线对应横轴为图像的原亮度分量，曲线对应纵轴为调节后的亮度分量。可选的，在步骤104中，根据预设的标准亮度分布图和所述图像的亮度分布图，生成亮度映射关系表。

步骤208、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，生成处理后的图像。

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，得到处理后的图像。

在一个实施例中，在终端(手机)的显示界面显示摄像头采集的YUV颜色模式的预览图像或者拍摄图像，获取用户输入的色彩放大指令，其中，该色彩放大指令可以是用户通过点击显示界面中的虚拟控件(例如PI控件)或者用户通过触控手势或语音指令等方式输入的。根据色彩放大指令遍历该显示界面中显示的图像的亮度分量，生成图像的亮度分布，同时根据用户选择的场景模式调取对应的标准亮度分布，基于图像的亮度分布和标准亮度分布生成亮度映射关系，根据该亮度映射关系对显示界面中显示的图像进行色彩映射，得到色彩映射后的图像。在本实施例中，仅对图像的Y分量进行映射处理，完全不影响UV之间的比值，色彩分量不存在任何变化，即图像的色彩保持原样，图像的任何区域都不会存在失真现象，通过亮度的变化对色彩进行虚拟放大，实现不损害颜色的基础上，提升色彩表现力，让颜色更通透艳丽。

步骤209、根据所述亮度增益系数对所述处理后的图像进行亮度调整，生成亮度调整后的目标图像。

示例性的，将亮度增益系数乘以处理后的图像中每个像素点的亮度分量，进一步根据对图像进行亮度调整，生成亮度调整后的目标图像。

需要说明的是，本申请实施例对步骤202-205与步骤206-208执行的先后顺序不做限定，可先执行步骤202-205，再执行步骤206-208，也可先执行步骤206-208，再执行步骤202-205，当然，也可同时执行步骤202-205与步骤206-208。

本申请实施例中提供的图像亮度调整方法，获取色亮分离颜色模式的图像，并对所述图像进行场景识别，确定所述图像的场景类别，然后将所述图像输入至与所述场景类别对应的亮度等级映射模型中，并根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级，基于所述场景类别及所述亮度等级确定图像亮度增益系数，然后遍历所述图像中各像素点的亮度分量，确定各亮度分量对应的像素点数量，根据所述各亮度分量以及各亮度分量对应的像素点数量，生成所述图像的亮度分布，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，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，生成处理后的图像，最后基于亮度增益系数对处理后的图像进行亮度调整。通过采用上述技术方案，对色亮分离颜色模式的图像中亮度分量进行提取、分析和处理，将图像的亮度分量调节至预设的标准状态，根据图像的场景及图像的亮度等级适应性地对调整至标准状态后的图像亮度进行调整，可以进一步对图像进行提亮，展现图像的细节，提高图像的清晰度，可以对不同场景、不同亮度等级的图像达到较佳的效果，提高了图像亮度调整的适用性。

图5为本申请实施例提供的图像亮度调整方法的流程示意图，该方法包括如下步骤：

步骤501、获取待处理的图像。

步骤502、将所述图像输入至预先训练的场景识别模型中。

在本申请实施例中，场景识别模型可以理解为在输入待处理的图像后，快速确定与该待处理的图像对应的场景类别的学习模型。场景识别模型可以是对采集的样本图像及对应的样本图像的场景类型进行训练生成的学习模型。可以理解的是，通过对样本图像及对应的样本图像的场景类型，及两者间的对应关系进行学习，可以生成场景识别模型。

可选的，所述场景识别模型由如下方式得到：通过摄像头采集第二样本图像，所述第二样本图像为至少两种场景类别下获得的图像；根据所述场景类别对所述第二样本图像进行标记，生成第二训练样本集；对所述第二训练样本集进行机器学习，得到场景识别模型。示例性的，通过摄像头采集至少两种场景类别下的图像，作为第二样本图像。例如，通过摄像头分别采集人像场景、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不同场景下的图像，作为第二样本图像，并根据场景类别对对应的样本图像进行样本标记。如可通过阿拉伯数字对不同场景类别的样本图像进行样本标记，例如，可将人像场景的图像标记为0，将夜景场景的图形标记为1，将夕阳场景的图像标记为2，强日光场景的图像标记为3，将逆光场景的图像标记为4，将夜景逆光场景的图像标记为5。将标记好场景类型的样本图像作为场景识别模型的训练样本集。对第二训练样本集进行机器学习，如利用第二训练样本集对第二预设机器学习模型进行训练，生成场景识别模型。其中，第二预设机器学习模型可以包括卷积神经网络模型或长短时记忆网络模型等机器学习模型。本申请实施例对第二预设机器学习模型不做限定。

其中，在获取待处理的图像之前，获取场景识别模型。需要说明的是，可以是终端获取上述第二训练样本集，对第二训练样本集进行机器学习，如利用第二训练样本集对第二预设机器学习模型进行训练，直接生成场景识别模型。还可以是终端直接调用其他终端设备训练生成的场景识别模型，例如，在出厂前利用一个终端获取第二训练样本集并生成场景识别模型，然后将该场景识别模型存储到该终端中，可供其他终端设备直接使用。或者，服务器获取大量的第二样本训练集，然后服务器对基于第二预设机器学习模型对第二训练样本集进行训练，得到场景识别模型。当终端需要进行场景识别时，从服务器调用已训练好的场景识别模型。

步骤503、根据所述场景识别模型的输出结果，确定所述图像的场景类别。

示例性的，将待处理的图像输入至场景识别模型后，场景识别模型对所述待处理的图像进行分析，并根据分析结果确定与该图像对应的场景类别。例如，场景识别模型可以分别给出该图像对应的各个场景类别的概率值，其中，各个场景类别的概率值的和为1，可将概率值最大的场景类别作为该图像的场景类别。

步骤504、通过摄像头采集在所述场景类别下不同亮度等级的第一样本图像。

在本申请实施例中，当需要对某场景类别对应的亮度等级映射模型进行训练时，通过摄像头采集在该场景类别下不同亮度等级的图像，作为该场景类别对应的样本图像。

步骤505、根据所述亮度等级对所述第一样本图像进行标记，得到第一训练样本集。

示例性的，根据亮度等级对第一样本图像进行标记，并将标记好亮度等级的第一样本图像，作为亮度等级映射模型的训练样本集，即第一训练样本集。其中，可通过阿拉伯数字对不同亮度等级的样本图像进行标记，阿拉伯数字越大，表示样本图像的亮度等级越高，反之，阿拉伯数字越小，表示样本图像的亮度等级越低。

步骤506、对所述第一训练样本集进行机器学习，得到与所述场景类别对应的亮度等级映射模型。

示例性的，利用第一训练样本集对第一预设机器学习模型进行训练，生成亮度等级映射模型。其中，第一预设机器学习模型可以包括卷积神经网络模型或长短时记忆网络模型等机器学习模型。本申请实施例对第一预设机器学习模型不做限定。

在本申请实施例中，可基于步骤504-506对不同场景类别对应的亮度等级映射模型进行训练。

其中，在获取待处理的图像之前，获取亮度等级映射模型。需要说明的是，可以是终端获取上述第一训练样本集，对第一训练样本集进行机器学习，如利用第一训练样本集对第一预设机器学习模型进行训练，直接生成亮度等级映射模型。还可以是终端直接调用其他终端设备训练生成的亮度等级映射模型，例如，在出厂前利用一个终端获取第一训练样本集并生成亮度等级映射模型，然后将该亮度等级映射模型存储到该终端中，可供其他终端设备直接使用。或者，服务器获取大量的第一样本训练集，然后服务器对基于第一预设机器学习模型对第一训练样本集进行训练，得到亮度等级映射模型。当终端需要进行场景识别时，从服务器调用已训练好的亮度等级映射模型。

需要说明的是，第一预设机器学习模型与第二机器学习模型可以相同，也可以不同，本申请实施例对其不做限定。

步骤507、将所述图像输入至与所述场景类别对应的亮度等级映射模型中。

步骤508、根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级。

步骤509、获取场景类别、亮度等级及亮度增益系数三者间的对应关系，并基于所述对应关系，确定与所述场景类别及所述亮度等级对应的亮度增益系数。

步骤510、根据所述亮度增益系数对所述图像进行亮度调整，生成亮度调整后的目标图像。

本申请实施例中提供的图像亮度调整方法，获取待处理的图像，并将所述图像输入至预先训练的场景识别模型中，根据所述场景识别模型的输出结果，确定所述图像的场景类别，然后将所述图像输入至与所述场景类别对应的亮度等级映射模型中，并根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级，最后基于所述场景类别及所述亮度等级确定所述图像的亮度增益系数，基于该亮度增益系数对所述图像进行亮度调整，生成亮度调整后的目标图像，其中，图像对应的亮度等级映射模型可基于标记好亮度等级的第一样本图像进行训练生成。通过采用上述技术方案，可准确、快速地确定出图像的场景类别及亮度等级，并根据图像的场景及图像的亮度等级适应性地对图像亮度进行调整，生成亮度调整后的目标图像，可以对不同场景、不同亮度等级的图像达到较佳的效果，提高了图像亮度调整的适用性。

图6为本申请实施例提供的图像亮度调整装置的结构框图，该装置可由软件和/或硬件实现，一般集成在终端中，可通过执行图像亮度调整方法来实现对图像亮度的调整。如图6所示，该装置包括：

图像获取模块601，用于获取待处理的图像；

场景类别确定模块602，用于对所述图像进行场景识别，确定所述图像的场景类别；

图像输入模块603，用于将所述图像输入至与所述场景类别对应的亮度等级映射模型中；

亮度等级确定模块604，用于根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级；

亮度调整模块605，用于基于所述场景类别及所述亮度等级对所述图像进行亮度调整，生成亮度调整后的目标图像。

本申请实施例中提供的图像亮度调整装置，获取待处理的图像，并对所述图像进行场景识别，确定所述图像的场景类别，然后将所述图像输入至与所述场景类别对应的亮度等级映射模型中，并根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级，最后基于所述场景类别及所述亮度等级对所述图像进行亮度调整，生成亮度调整后的目标图像。通过采用上述技术方案，根据图像的场景及图像的亮度等级适应性地对图像亮度进行调整，生成亮度调整后的目标图像，可以对不同场景、不同亮度等级的图像达到较佳的效果，提高了图像亮度调整的适用性。同时，基于预先训练好的亮度等级映射模型可以简单、快速、准确地确定出图像的亮度等级，提高图像亮度调整的效率。

可选的，所述亮度调整模块，包括：

对应关系获取单元，用于获取场景类别、亮度等级及亮度增益系数三者间的对应关系；

增益系数确定单元，用于基于所述对应关系，确定与所述场景类别及所述亮度等级对应的亮度增益系数；

亮度调整单元，用于根据所述亮度增益系数对所述图像进行亮度调整，生成亮度调整后的目标图像。

可选的，所述图像获取模块，用于：

获取待处理的色亮分离颜色模式的图像；

所述装置还包括：

亮度分布生成模块，用于在根据所述亮度增益系数对所述图像进行亮度调整，生成亮度调整后的目标图像之前，遍历所述图像中各个像素的亮度分量，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；

亮度分量调节模块，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，生成处理后的图像；

所述亮度调整单元，用于：

根据所述亮度增益系数对所述处理后的图像进行亮度调整，生成亮度调整后的目标图像。

可选的，所述色亮分离颜色模式包括YUV颜色模式和LAB颜色模式。

可选的，所述装置还包括：

亮度等级映射模型获取模块，用于在获取待处理的图像之前，获取与所述场景类别对应的亮度等级映射模型；

其中，所述亮度等级映射模型由如下方式得到：

通过摄像头采集在所述场景类别下不同亮度等级的第一样本图像；

根据所述亮度等级对所述第一样本图像进行标记，得到第一训练样本集；

对所述第一训练样本集进行机器学习，得到与所述场景类别对应的亮度等级映射模型。

可选的，所述场景类别确定模块，用于：

将所述图像输入至预先训练的场景识别模型中；

根据所述场景识别模型的输出结果，确定所述图像的场景类别。

可选的，所述装置还包括：

场景识别模型获取模块，用于在获取待处理的图像之前，获取所述场景识别模型；

其中，所述场景识别模型由如下方式得到：

通过摄像头采集第二样本图像，所述第二样本图像为至少两种场景类别下获得的图像；

根据所述场景类别对所述第二样本图像进行标记，生成第二训练样本集；

对所述第二训练样本集进行机器学习，得到场景识别模型。

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亮度调整方法，该方法包括：

获取待处理的图像；

对所述图像进行场景识别，确定所述图像的场景类别；

将所述图像输入至与所述场景类别对应的亮度等级映射模型中；

根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级；

基于所述场景类别及所述亮度等级对所述图像进行亮度调整，生成亮度调整后的目标图像。

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亮度调整操作，还可以执行本申请任意实施例所提供的图像亮度调整方法中的相关操作。

本申请实施例提供了一种终端，该终端中可集成本申请实施例提供的图像亮度调整装置。图7为本申请实施例提供的一种终端的结构示意图。终端700可以包括：存储器701，处理器702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702执行所述计算机程序时实现如本申请实施例所述的图像亮度调整方法。

本申请实施例提供的终端，根据图像的场景及图像的亮度等级适应性地对图像亮度进行调整，生成亮度调整后的目标图像，可以对不同场景、不同亮度等级的图像达到较佳的效果，提高了图像亮度调整的适用性。同时，基于预先训练好的亮度等级映射模型可以简单、快速、准确地确定出图像的亮度等级，提高图像亮度调整的效率。

图8为本申请实施例提供的另一种终端的结构示意图，该终端可以包括：壳体(图中未示出)、存储器801、中央处理器(central processing unit，CPU)802(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CPU802和所述存储器801设置在所述电路板上；所述电源电路，用于为所述终端的各个电路或器件供电；所述存储器801，用于存储可执行程序代码；所述CPU802通过读取所述存储器801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：

获取待处理的图像；

对所述图像进行场景识别，确定所述图像的场景类别；

将所述图像输入至与所述场景类别对应的亮度等级映射模型中；

根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级；

基于所述场景类别及所述亮度等级对所述图像进行亮度调整，生成亮度调整后的目标图像。

所述终端还包括：外设接口803、RF(Radio Frequency，射频)电路805、音频电路806、扬声器811、电源管理芯片808、输入/输出(I/O)子系统809、其他输入/控制设备810、触摸屏812、其他输入/控制设备810以及外部端口804，这些部件通过一个或多个通信总线或信号线807来通信。

应该理解的是，图示终端800仅仅是终端的一个范例，并且终端800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进行图像亮度调整的终端进行详细的描述，该终端以手机为例。

存储器801，所述存储器801可以被CPU802、外设接口803等访问，所述存储器801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803，所述外设接口803可以将设备的输入和输出外设连接到CPU802和存储器801。

I/O子系统809，所述I/O子系统809可以将设备上的输入输出外设，例如触摸屏812和其他输入/控制设备810，连接到外设接口803。I/O子系统809可以包括显示控制器8091和用于控制其他输入/控制设备810的一个或多个输入控制器8092。其中，一个或多个输入控制器8092从其他输入/控制设备810接收电信号或者向其他输入/控制设备810发送电信号，其他输入/控制设备810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8092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812，所述触摸屏812是用户终端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809中的显示控制器8091从触摸屏812接收电信号或者向触摸屏812发送电信号。触摸屏812检测触摸屏上的接触，显示控制器8091将检测到的接触转换为与显示在触摸屏812上的用户界面对象的交互，即实现人机交互，显示在触摸屏812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805，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805接收并发送RF信号，RF信号也称为电磁信号，RF电路805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805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806，主要用于从外设接口803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811。

扬声器811，用于将手机通过RF电路805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808，用于为CPU802、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亮度调整装置、存储介质及终端可执行本申请任意实施例所提供的图像亮度调整方法，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亮度调整方法。

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 (10)

1.一种图像亮度调整方法，其特征在于，包括：

获取待处理的图像；

对所述图像进行场景识别，确定所述图像的场景类别；

将所述图像输入至与所述场景类别对应的亮度等级映射模型中；

根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级；

基于所述场景类别及所述亮度等级对所述图像进行亮度调整，生成亮度调整后的目标图像。

2.根据权利要求1所述的方法，其特征在于，基于所述场景类别及所述亮度等级对所述图像进行亮度调整，生成亮度调整后的目标图像，包括：

获取场景类别、亮度等级及亮度增益系数三者间的对应关系；

基于所述对应关系，确定与所述场景类别及所述亮度等级对应的亮度增益系数；

根据所述亮度增益系数对所述图像进行亮度调整，生成亮度调整后的目标图像。

3.根据权利要求2所述的方法，其特征在于，获取待处理的图像，包括：

获取待处理的色亮分离颜色模式的图像；

在根据所述亮度增益系数对所述图像进行亮度调整，生成亮度调整后的目标图像之前，还包括：

遍历所述图像中各个像素的亮度分量，根据所述亮度分量的遍历结果生成所述图像的亮度分布；

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；

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，生成处理后的图像；

根据所述亮度增益系数对所述图像进行亮度调整，生成亮度调整后的目标图像，包括：

根据所述亮度增益系数对所述处理后的图像进行亮度调整，生成亮度调整后的目标图像。

4.根据权利要求3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。

5.根据权利要求1所述的方法，其特征在于，在获取待处理的图像之前，还包括：

获取与所述场景类别对应的亮度等级映射模型；

其中，所述亮度等级映射模型由如下方式得到：

通过摄像头采集在所述场景类别下不同亮度等级的第一样本图像；

根据所述亮度等级对所述第一样本图像进行标记，得到第一训练样本集；

对所述第一训练样本集进行机器学习，得到与所述场景类别对应的亮度等级映射模型。

6.根据权利要求1所述的方法，其特征在于，对所述图像进行场景识别，确定所述图像的场景类别，包括：

将所述图像输入至预先训练的场景识别模型中；

根据所述场景识别模型的输出结果，确定所述图像的场景类别。

7.根据权利要求6所述的方法，其特征在于，在获取待处理的图像之前，还包括：

获取所述场景识别模型；

其中，所述场景识别模型由如下方式得到：

通过摄像头采集第二样本图像，所述第二样本图像为至少两种场景类别下获得的图像；

根据所述场景类别对所述第二样本图像进行标记，生成第二训练样本集；

对所述第二训练样本集进行机器学习，得到场景识别模型。

8.一种图像亮度调整装置，其特征在于，包括：

图像获取模块，用于获取待处理的图像；

场景类别确定模块，用于对所述图像进行场景识别，确定所述图像的场景类别；

图像输入模块，用于将所述图像输入至与所述场景类别对应的亮度等级映射模型中；

亮度等级确定模块，用于根据所述亮度等级映射模型的输出结果，确定与所述图像对应的亮度等级；

亮度调整模块，用于基于所述场景类别及所述亮度等级对所述图像进行亮度调整，生成亮度调整后的目标图像。

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，该程序被处理器执行时实现如权利要求1-7中任一所述的图像亮度调整方法。

10.一种终端，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1-7任一所述的图像亮度调整方法。