CN109712091B - 图片处理方法、装置及电子设备 - Google Patents

图片处理方法、装置及电子设备 Download PDF

Info

Publication number
CN109712091B
CN109712091B CN201811557971.0A CN201811557971A CN109712091B CN 109712091 B CN109712091 B CN 109712091B CN 201811557971 A CN201811557971 A CN 201811557971A CN 109712091 B CN109712091 B CN 109712091B
Authority
CN
China
Prior art keywords
pictures
sub
picture
data information
brightness
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
Application number
CN201811557971.0A
Other languages
English (en)
Other versions
CN109712091A (zh
Inventor
史超超
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.)
TCL China Star Optoelectronics Technology Co Ltd
Original Assignee
TCL China Star Optoelectronics Technology Co 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 TCL China Star Optoelectronics Technology Co Ltd filed Critical TCL China Star Optoelectronics Technology Co Ltd
Priority to CN201811557971.0A priority Critical patent/CN109712091B/zh
Priority to PCT/CN2019/082171 priority patent/WO2020124882A1/zh
Publication of CN109712091A publication Critical patent/CN109712091A/zh
Application granted granted Critical
Publication of CN109712091B publication Critical patent/CN109712091B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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 using two or more images, e.g. averaging or subtraction
    • 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
    • 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
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10144—Varying exposure
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

本申请所提供的图片处理方法、装置及电子设备，通过对图片进行多曝光度处理以及图片分区的方法，对每一子图片分别进行运算和融合，从而使得经过本申请所提供的图片处理方法、装置及电子设备处理的图片，对比度高，色彩艳丽。

Description

图片处理方法、装置及电子设备
技术领域
本申请涉及电子设备领域，具体涉及一种图片处理方法、装置及电子设备。
背景技术
在现有技术中，通常采用多曝光融合算法，构建一个合适的曝光函数来生成多张曝光图片，对每张图片的权重计算以求取所述图片的亮度均值作为中心值，导致图片对比度低，颜色发灰。
发明内容
本申请实施例提供一种图片处理方法、装置及电子设备，以使得图片的对比度高和色彩艳丽。
本申请实施例提供一种图片处理方法，应用于电子设备，所述图片处理方法包括：
获取一输入图片，得到输入数据信息；
根据所述输入数据信息，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息；
根据所述N个第一数据信息，对所述N个曝光图片进行滤波处理生成关于N个基础层图片的第二数据信息；
对所述N个基础层图片进行区块划分，形成N个K×K的子图片矩阵，所述N个K×K的子图片矩阵包括K×K个子图片组，在每个子图片组中，所述子图片的行数相同、列数相同；
根据所述第二数据信息，获取每一子图片的对比度c、饱和度s和均值亮度l；
在每个子图片组中，生成所述N个子图片对比度的最大值C，生成所述N个子图片的饱和度的加权和S，生成所述N个子图片的均值亮度加权和L；
根据所述第一数据信息和所述第二数据信息，用N个曝光图片的第一数据信息中的亮度减去N个基础层图片的第二数据信息中的亮度得到关于N个细节层图片的第三数据信息；
根据所述第三数据信息，得到所述N个细节层图片的平均亮度D；
根据所述N个子图片的对比度的最大值C、所述N个子图片的饱和度的加权和S、所述N个子图片的均值亮度加权和L和所述N个细节层图片的平均亮度D，对K×K个子图片进行计算，得到K×K个融合值Q；以及
设置滑动步长Y，根据所述融合值Q，生成输出图片。
在本申请实施例所提供的图片处理方法中，在根据所述输入数据信息，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息的步骤中，包括：
提取所述输入图片的亮度；以及
根据所述输入图片的亮度，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息。
在本申请实施例所提供的图片处理方法中，在所述提取所述输入图片的亮度中，根据公式Ld(i,j)＝e×R(i,j)+f×G(i,j)+g×B(i,j)，获得所述输入图片的亮度Ld，其中，e、f、g为系数，e+f+g＝1，Ld(i,j)为第i行、第j列的像素单元的亮度，R(i,j)为第i行、第j列的像素单元的红色子像素的亮度，G(i,j)为第i行、第j列的像素单元的绿色子像素的亮度，B(i,j)为第i行、第j列的像素单元的蓝色子像素的亮度。
在本申请实施例所提供的图片处理方法中，在根据所述输入图片的亮度，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息中，根据公式Lad,k＝1+exp(μEVk)，获得所述N个曝光图片的平均亮度信息Lad，其中，Lad,k为第k张曝光图片的平均亮度，EVk为曝光度，μ为系数，根据公式
Figure GDA0002837000050000031
生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息Lwk(i,j)，其中，Pk为第k张图的缩放因子，第一数据信息Lwk(i,j)为第k张图中，第i行、第j列的像素单元的输出亮度。
在本申请实施例所提供的图片处理方法中，在所述N个子图片矩阵的行数相同和列数相同的N个子图片中，生成所述N个子图片的对比度的最大值C，生成所述N个子图片的饱和度的加权和S，生成所述N个子图片的均值亮度加权和L中，包括：
根据每一子图片的对比度c、饱和度s、均值亮度l和公式
Figure GDA0002837000050000041
得到数值
Figure GDA0002837000050000042
其中，||xk-μxk||为欧几里距离；
根据数值
Figure GDA0002837000050000043
和公式
Figure GDA0002837000050000044
得到所述N个子图片的对比度的最大值C；
根据数值
Figure GDA0002837000050000045
和公式
Figure GDA0002837000050000046
和
Figure GDA0002837000050000047
得到所述N个子图片的饱和度的加权和S；以及
根据数值
Figure GDA0002837000050000048
和公式
Figure GDA0002837000050000049
和
Figure GDA00028370000500000410
得到所述N个子图片的均值亮度加权和L，其中，μk为全局均值亮度，μc和lc为常数。
在本申请实施例所提供的图片处理方法中，在根据所述N个子图片的对比度的最大值C、所述N个子图片的饱和度的加权和S、所述N个子图片的均值亮度加权和L和所述N个细节层图片的平均亮度D，对K×K个子图片进行计算，得到K×K个融合值Q中，根据公式Q＝C×S+L+A×D，对K×K个子图片进行计算，得到K×K个融合值Q，其中，A为细节放大系数。
本申请实施例提供一种图片处理装置，包括：
获取模块，用于获取一输入图片，得到输入数据信息；
曝光处理模块，用于根据所述输入数据信息，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息；
第一运算模块，用于根据所述N个第一数据信息，对所述N个曝光图片进行滤波处理生成关于N个基础层图片的第二数据信息；
分区模块，用于对所述N个基础层图片进行区块划分，形成N个K×K的子图片矩阵，所述N个K×K的子图片矩阵包括K×K个子图片组，在每个子图片组中，所述子图片的行数相同、列数相同；
第二运算模块，用于根据所述第二数据信息，获取每一子图片的对比度c、饱和度s和均值亮度l；
第三运算模块，用于在每个子图片组中，生成所述N个子图片对比度的最大值C，生成所述N个子图片的饱和度的加权和S，生成所述N个子图片的均值亮度加权和L；
第四运算模块，用于根据所述第一数据信息和所述第二数据信息，用N个曝光图片的第一数据信息中的亮度减去N个基础层图片的第二数据信息中的亮度得到关于N个细节层图片的第三数据信息；
第五运算模块，用于根据所述第三数据信息，得到所述N个细节层图片的平均亮度D；
融合模块，用于根据所述N个子图片的对比度的最大值C、所述N个子图片的饱和度的加权和S、所述N个子图片的均值亮度加权和L和所述N个细节层图片的平均亮度D，对K×K个子图片进行计算，得到K×K个融合值Q；以及
输出模块，用于设置滑动步长Y，根据所述融合值Q，生成输出图片。
本申请实施例提供一种电子设备，包括：
壳体；
摄像头，所述摄像头固定于所述壳体，所述摄像头用于拍摄输入图片；
显示屏，所述显示屏固定于所述壳体，所述显示屏用于显示输出图片；
处理器，所述处理器连接于所述摄像头和显示屏之间，所述处理器用于执行如前所述的图片处理方法。
本申请所提供的图片处理方法、装置及电子设备，通过获取一输入图片，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息；根据所述N个第一数据信息，对所述N个曝光图片进行滤波处理生成关于N个基础层图片的第二数据信息；对所述N个基础层图片进行区块划分，形成包括K×K个子图片组的子图片矩阵；根据所述第二数据信息，获取每一子图片的对比度c、饱和度s和均值亮度l；在每个子图片组中，生成所述N个子图片对比度的最大值C，生成所述N个子图片的饱和度的加权和S，生成所述N个子图片的均值亮度加权和L；根据所述第一数据信息和所述第二数据信息，用N个曝光图片的第一数据信息中的亮度减去N个基础层图片的第二数据信息中的亮度得到关于N个细节层图片的第三数据信息；根据所述第三数据信息，得到所述N个细节层图片的平均亮度D；根据所述N个子图片的对比度的最大值C、所述N个子图片的饱和度的加权和S、所述N个子图片的均值亮度加权和L和所述N个细节层图片的平均亮度D，对K×K个子图片进行计算，得到K×K个融合值Q；以及设置滑动步长Y，根据所述融合值Q，生成输出图片，从而使得在通过图片进行多曝光度处理以及图片分区的方法，对每一子图片分别进行运算和融合，从而使得经过本申请所提供的图片处理方法、装置及电子设备处理的图片，对比度高，色彩艳丽。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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为本申请实施例提供的图片处理方法的流程示意图。
图2为本申请实施例提供的图片处理方法的原理示意图。
图3为图1所述的图片处理方法的步骤“根据所述输入数据信息，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息”的流程示意图。
图4为本申请实施例提供的图片处理装置的第一种结构示意图。
图5为图4的图片处理装置的曝光处理模块的结构示意图。
图6为本申请实施例提供的图片处理装置的第二种结构示意图。
图7为本申请实施例提供的图片处理装置的第三种结构示意图。
图8为本申请实施例提供的电子设备的结构示意图。
具体实施例
请参阅图1-3，本申请实施例提供一种图片处理方法。所述图片处理方法应用于电子设备。所述图片处理方法包括：
101：获取一输入图片200，得到输入数据信息。
其中，可以通过电子设备的摄像头拍摄图片，所述通过电子设备的摄像头拍摄的图片即为所述输入图片200，采用处理器获取所述输入图片200的输入数据信息。所述输入数据信息包括所述输入图片200的亮度。
102：根据所述输入数据信息，生成所述输入图片200对应的N个不同曝光度的曝光图片201的第一数据信息，如图2所示。
其中，所述处理器根据所述输入数据信息对所述输入图片200进行处理，从而生成所述输入图片200对应的N个不同曝光度的曝光图片202的第一数据信息。
请参阅图3，所述步骤102可以包括：
1021：提取所述输入图片200的亮度。
其中，可以从所述输入数据信息中提取所述输入图片200的亮度。
在一种实施例中，根据公式Ld(i,j)＝e×R(i,j)+f×G(i,j)+g×B(i,j)，获得所述输入图片200的亮度Ld，其中，e、f、g为系数，e+f+g＝1，Ld(i,j)为第i行、第j列的像素单元的亮度，R(i,j)为第i行、第j列的像素单元的红色子像素的亮度，G(i,j)为第i行、第j列的像素单元的绿色子像素的亮度，B(i,j)为第i行、第j列的像素单元的蓝色子像素的亮度。在一种实施例中，所述系数e的范围为0.1-0.5，所述系数f的范围为0.4-0.8，所述系数g的范围为0.01-0.3。
1022：根据所述输入图片200的亮度，生成所述输入图片200对应的N个不同曝光度的曝光图片201的第一数据信息。
在一种实施例中，根据公式Lad,k＝1+exp(μEVk)，获得所述N个曝光图片201的平均亮度信息Lad，其中，Lad,k为第k张曝光图片201的平均亮度，EVk为曝光度，μ为系数，根据公式
Figure GDA0002837000050000091
生成所述输入图片200对应的N个不同曝光度的曝光图片200的第一数据信息Lwk(i,j)，其中，Pk为第k张图的缩放因子，第一数据信息Lwk(i,j)为第k张图中，第i行、第j列的像素单元的输出亮度。
在一种实施例中，所述处理器根据所述输入数据信息对所述输入图片200进行处理，从而生成所述输入图片200对应的5个不同曝光度的曝光图片201的第一数据信息。所述曝光度EVk可以为-1，-0.5，0，0.5和1。
103：根据所述N个第一数据信息，对所述N个曝光图片201进行滤波处理生成关于N个基础层图片202的第二数据信息。
其中，所述第二数据信息为根据所述N个第一数据信息，对所述N个曝光图片201进行滤波处理生成关于N个基础层图片202的数据信息。可以采用引导、双边、线性滤波的方法对所述N个曝光图片201进行滤波处理。在一种实施例中，可以采用S型线性滤波的方法对所述N个曝光图片201进行滤波处理。
104：对所述N个基础层图片202进行区块划分，形成N个K×K的子图片矩阵，所述N个K×K的子图片矩阵包括K×K个子图片组2031，在每个子图片组2031中，所述子图片203的行数相同、列数相同，请参阅图2。
在一种实施例中，可以对所述5个基础层图片202进行区块划分，形成5个5×5的子图片矩阵，所述5个5×5的子图片矩阵包括5×5个子图片组2031。
105：根据所述第二数据信息，获取每一子图片203的对比度c、饱和度s和均值亮度l。
其中，通过对每一个子图片203进行分析，根据所述第二数据信息，获取每一子图片203的对比度c、饱和度s和均值亮度l。
106：在每个子图片组2031中，生成所述N个子图片203对比度的最大值C，生成所述N个子图片203的饱和度的加权和S，生成所述N个子图片203的均值亮度加权和L。
其中，所述步骤106可以包括：
根据每一子图片203的对比度c、饱和度s、均值亮度l和公式
Figure GDA0002837000050000101
得到数值
Figure GDA0002837000050000102
其中，||xk-μxk||为欧几里距离；
根据数值
Figure GDA0002837000050000111
和公式
Figure GDA0002837000050000112
得到所述N个子图片203的对比度的最大值C；
根据数值
Figure GDA0002837000050000113
和公式
Figure GDA0002837000050000114
和
Figure GDA0002837000050000115
得到所述N个子图片203的饱和度的加权和S；以及
根据数值
Figure GDA0002837000050000116
和公式
Figure GDA0002837000050000117
和
Figure GDA0002837000050000118
得到所述N个子图片203的均值亮度加权和L，其中，μk为全局均值亮度，μc和lc为常数。其中，μc和lc可以为0.5。
107：根据所述第一数据信息和所述第二数据信息，用N个曝光图片201的第一数据信息中的亮度减去N个基础层图片203的第二数据信息中的亮度得到关于N个细节层图片的第三数据信息。
其中，所述细节层图片为在所述曝光图片202中减去所述基础层图片203的亮度所生成的图片。
108：根据所述第三数据信息，得到所述N个细节层图片的平均亮度D。
109：根据所述N个子图片203的对比度的最大值C、所述N个子图片203的饱和度的加权和S、所述N个子图片203的均值亮度加权和L和所述N个细节层图片的平均亮度D，对K×K个子图片203进行计算，得到K×K个融合值Q。
其中，根据公式Q＝C×S+L+A×D，对K×K个子图片203进行计算，得到K×K个融合值Q，其中，A为细节放大系数。在一种实施例中，所述细节放大系数A的范围为1.0-1.8。
110：设置滑动步长Y，根据所述融合值Q，生成输出图片。
其中，所述滑动步长Y为自然数。
在一种实施方式中，所述步骤101、102、103、104、105、106、107、108、109和110可以按照步骤101、102、103、104、105、106、107、108、109和110的顺序执行。在其他实施例中，所述步骤101、102、103、104、105、106、107、108、109和110也可以按照101、102、103、107、108、104、105、106、109和110的顺序执行。在其他实施例中，所述步骤101、102、103、104、105、106、107、108、109和110还可以先执行步骤101、102、103，然后，从步骤104、105到106的过程和从步骤107到108的过程同时执行，最后，执行步骤109和110。
请参阅图4，本申请实施例还提供一种图片处理装置300。所述图片处理装置300包括获取模块301、曝光处理模块302、第一运算模块303、分区模块304、第二运算模块305、第三运算模块306、第四运算模块307、第五运算模块308、融合模块309和输出模块310。
所述获取模块301用于获取一输入图片，得到输入数据信息。
其中，可以通过电子设备的摄像头拍摄图片，所述通过电子设备的摄像头拍摄的图片即为所述输入图片，采用处理器获取所述输入图片的输入数据信息。所述输入数据信息包括所述输入图片的亮度。
所述曝光处理模块302用于根据所述输入数据信息，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息。
其中，所述处理器根据所述输入数据信息对所述输入图片进行处理，从而生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息。
请参阅图5，所述曝光处理模块302包括亮度提取模块3021和生成模块3022。
所述亮度提取模块3021用于提取所述输入图片的亮度。
其中，可以从所述输入数据信息中提取所述输入图片的亮度。
在一种实施例中，根据公式Ld(i,j)＝e×R(i,j)+f×G(i,j)+g×B(i,j)，获得所述输入图片的亮度Ld，其中，e、f、g为系数，e+f+g＝1，Ld(i,j)为第i行、第j列的像素单元的亮度，R(i,j)为第i行、第j列的像素单元的红色子像素的亮度，G(i,j)为第i行、第j列的像素单元的绿色子像素的亮度，B(i,j)为第i行、第j列的像素单元的蓝色子像素的亮度。在一种实施例中，所述系数e的范围为0.1-0.5，所述系数f的范围为0.4-0.8，所述系数g的范围为0.01-0.3。
所述生成模块3022，根据所述输入图片的亮度，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息。
在一种实施例中，根据公式Lad,k＝1+exp(μEVk)，获得所述N个曝光图片的平均亮度信息Lad，其中，Lad,k为第k张曝光图片的平均亮度，EVk为曝光度，μ为系数，根据公式
Figure GDA0002837000050000141
生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息Lwk(i,j)，其中，Pk为第k张图的缩放因子，第一数据信息Lwk(i,j)为第k张图中，第i行、第j列的像素单元的输出亮度。所述系数μ可以为0.5-3。
在一种实施例中，所述处理器根据所述输入数据信息对所述输入图片进行处理，从而生成所述输入图片对应的5个不同曝光度的曝光图片的第一数据信息。所述曝光度EVk可以为-1，-0.5，0，0.5和1。
所述第一运算模块303用于根据所述N个第一数据信息，对所述N个曝光图片进行滤波处理生成关于N个基础层图片的第二数据信息。
其中，所述第二数据信息为根据所述N个第一数据信息，对所述N个曝光图片进行滤波处理生成关于N个基础层图片的数据信息。可以采用引导、双边、线性滤波的方法对所述N个曝光图片进行滤波处理。在一种实施例中，可以采用S型线性滤波的方法对所述N个曝光图片进行滤波处理。
所述分区模块304用于对所述N个基础层图片进行区块划分，形成N个K×K的子图片矩阵，所述N个K×K的子图片矩阵包括K×K个子图片组，在每个子图片组中，所述子图片的行数相同、列数相同。
在一种实施例中，可以对所述5个基础层图片进行区块划分，形成5个5×5的子图片矩阵，所述5个5×5的子图片矩阵包括5×5个子图片组。
所述第二运算模块305用于根据所述第二数据信息，获取每一子图片的对比度c、饱和度s和均值亮度l。
其中，通过对每一个子图片进行分析，根据所述第二数据信息，获取每一子图片的对比度c、饱和度s和均值亮度l。
所述第三运算模块306用于在每个子图片组中，生成所述N个子图片对比度的最大值C，生成所述N个子图片的饱和度的加权和S，生成所述N个子图片的均值亮度加权和L。
其中，所述第三运算模块306根据每一子图片的对比度c、饱和度s、均值亮度l和公式
Figure GDA0002837000050000151
得到数值
Figure GDA0002837000050000152
其中，||xk-μxk||为欧几里距离；根据数值
Figure GDA0002837000050000153
和公式
Figure GDA0002837000050000154
得到所述N个子图片的对比度的最大值C；根据数值
Figure GDA0002837000050000155
和公式
Figure GDA0002837000050000156
和
Figure GDA0002837000050000161
得到所述N个子图片的饱和度的加权和S；以及根据数值
Figure GDA0002837000050000162
和公式
Figure GDA0002837000050000163
和
Figure GDA0002837000050000164
得到所述N个子图片的均值亮度加权和L，其中，μk为全局均值亮度，μc和lc为常数。其中，μc和lc可以为0.5。
所述第四运算模块307用于根据所述第一数据信息和所述第二数据信息，用N个曝光图片的第一数据信息中的亮度减去N个基础层图片的第二数据信息中的亮度得到关于N个细节层图片的第三数据信息。
其中，所述细节层图片为在所述曝光图片中减去所述基础层图片的亮度所生成的图片。
所述第五运算模块308用于根据所述第三数据信息，得到所述N个细节层图片的平均亮度D。
所述融合模块309用于根据所述N个子图片的对比度的最大值C、所述N个子图片的饱和度的加权和S、所述N个子图片的均值亮度加权和L和所述N个细节层图片的平均亮度D，对K×K个子图片进行计算，得到K×K个融合值Q。
其中，根据公式Q＝C×S+L+A×D，对K×K个子图片进行计算，得到K×K个融合值Q，其中，A为细节放大系数。在一种实施例中，所述细节放大系数A的范围为1.0-1.8。
所述输出模块310用于设置滑动步长Y，根据所述融合值Q，生成输出图片。
其中，所述滑动步长Y为自然数。
在一种实施例中，如图4所示，所述图片处理装置300的获取模块301、曝光处理模块302、第一运算模块303、分区模块304、第二运算模块305、第三运算模块306、第四运算模块307、第五运算模块308、融合模块309和输出模块310可以按照获取模块301、曝光处理模块302、第一运算模块303、分区模块304、第二运算模块305、第三运算模块306、第四运算模块307、第五运算模块308、融合模块309和输出模块310的顺序依次运行。
在其他实施例中，如图6所示，所述图片处理装置300的获取模块301、曝光处理模块302、第一运算模块303、分区模块304、第二运算模块305、第三运算模块306、第四运算模块307、第五运算模块308、融合模块309和输出模块310也可以按照获取模块301、曝光处理模块302、第一运算模块303、第四运算模块307、第五运算模块308、分区模块304、第二运算模块305、第三运算模块306、融合模块309和输出模块310的顺序依次运行。
在其他实施例中，如图7所示，所述图片处理装置300的获取模块301、曝光处理模块302、第一运算模块303、分区模块304、第二运算模块305、第三运算模块306、第四运算模块307、第五运算模块308、融合模块309和输出模块310还可以先运行获取模块301、曝光处理模块302和第一运算模块303，然后，在依次所述分区模块304、第二运算模块305和第三运算模块306的同时，依次运行所述第四运算模块307和第五运算模块308，最后依次运行所述融合模块309和输出模块310。
请参阅图8，本申请实施例提供一种电子设备400。所述电子设备400包括壳体401、摄像头402、显示屏403和处理器404。所述摄像头402固定于所述壳体401，所述摄像头402用于拍摄输入图片。所述显示屏403固定于所述壳体401，所述显示屏403用于显示输出图片。所述处理器404连接于所述摄像头402和显示屏403之间。所述处理器404用于执行如前所述的图片处理方法。
本申请所提供的图片处理方法、装置及电子设备，通过获取一输入图片，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息；根据所述N个第一数据信息，对所述N个曝光图片进行滤波处理生成关于N个基础层图片的第二数据信息；对所述N个基础层图片进行区块划分，形成包括K×K个子图片组的子图片矩阵；根据所述第二数据信息，获取每一子图片的对比度c、饱和度s和均值亮度l；在每个子图片组中，生成所述N个子图片对比度的最大值C，生成所述N个子图片的饱和度的加权和S，生成所述N个子图片的均值亮度加权和L；根据所述第一数据信息和所述第二数据信息，用N个曝光图片的第一数据信息中的亮度减去N个基础层图片的第二数据信息中的亮度得到关于N个细节层图片的第三数据信息；根据所述第三数据信息，得到所述N个细节层图片的平均亮度D；根据所述N个子图片的对比度的最大值C、所述N个子图片的饱和度的加权和S、所述N个子图片的均值亮度加权和L和所述N个细节层图片的平均亮度D，对K×K个子图片进行计算，得到K×K个融合值Q；以及设置滑动步长Y，根据所述融合值Q，生成输出图片，从而使得在通过图片进行多曝光度处理以及图片分区的方法，对每一子图片分别进行运算和融合，从而使得经过本申请所提供的图片处理方法、装置及电子设备处理的图片，对比度高，色彩艳丽。
本申请实施例还提供一种存储介质，该存储介质中存储有多条指令，该指令适于由处理器加载以执行上述任一实施例所述的图片处理方法。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROK，Read Only KeKory)、随机存取记忆体(RAK，RandoKAccess KeKory)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施例进行了阐述，以上实施例的说明只是用于帮助理解本申请。同时，对于本领域的技术人员，依据本申请的思想，在具体实施例及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (7)

1.一种图片处理方法，应用于电子设备，其特征在于，所述图片处理方法包括：
获取一输入图片，得到输入数据信息；
根据所述输入数据信息，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息；
根据所述N个第一数据信息，对所述N个曝光图片进行滤波处理生成关于N个基础层图片的第二数据信息；
对所述N个基础层图片进行区块划分，形成N个K×K的子图片矩阵，所述N个K×K的子图片矩阵包括K×K个子图片组，在每个子图片组中，所述子图片的行数相同、列数相同；
根据所述第二数据信息，获取每一子图片的对比度c、饱和度s和均值亮度l；
在每个子图片组中，生成所述N个子图片对比度的最大值C，生成所述N个子图片的饱和度的加权和S，生成所述N个子图片的均值亮度加权和L；
根据所述第一数据信息和所述第二数据信息，用N个曝光图片的第一数据信息中的亮度减去N个基础层图片的第二数据信息中的亮度得到关于N个细节层图片的第三数据信息；
根据所述第三数据信息，得到所述N个细节层图片的平均亮度D；
根据所述N个子图片的对比度的最大值C、所述N个子图片的饱和度的加权和S、所述N个子图片的均值亮度加权和L和所述N个细节层图片的平均亮度D，对K×K个子图片进行计算，得到K×K个融合值Q；以及
设置滑动步长Y，根据所述融合值Q，生成输出图片；
其中，在根据所述输入数据信息，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息的步骤中，包括：
提取所述输入图片的亮度；以及
根据所述输入图片的亮度，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息；
在根据所述输入图片的亮度，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息中，根据公式Lad,k＝1+exp(μEVk)，获得所述N个曝光图片的平均亮度信息Lad，其中，Lad,k为第k张曝光图片的平均亮度，EVk为曝光度，μ为系数，根据公式
Figure FDA0002881695180000021
生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息Lwk(i,j)，其中，Pk为第k张图的缩放因子，第一数据信息Lwk(i,j)为第k张图中，第i行、第j列的像素单元的输出亮度。
2.如权利要求1所述的图片处理方法，其特征在于，在所述提取所述输入图片的亮度中，根据公式Ld(i,j)＝e×R(i,j)+f×G(i,j)+g×B(i,j)，获得所述输入图片的亮度Ld，其中，e、f、g为系数，e+f+g＝1，Ld(i,j)为第i行、第j列的像素单元的亮度，R(i,j)为第i行、第j列的像素单元的红色子像素的亮度，G(i,j)为第i行、第j列的像素单元的绿色子像素的亮度，B(i,j)为第i行、第j列的像素单元的蓝色子像素的亮度。
3.如权利要求1所述的图片处理方法，其特征在于，在所述N个子图片矩阵的行数相同和列数相同的N个子图片中，生成所述N个子图片的对比度的最大值C，生成所述N个子图片的饱和度的加权和S，生成所述N个子图片的均值亮度加权和L中，包括：
根据每一子图片的对比度c、饱和度s、均值亮度l和公式
Figure FDA0002881695180000031
得到数值
Figure FDA0002881695180000032
其中，||xk-μxk||为欧几里距离；
根据数值
Figure FDA0002881695180000033
和公式
Figure FDA0002881695180000034
得到所述N个子图片的对比度的最大值C；
根据数值
Figure FDA0002881695180000035
和公式
Figure FDA0002881695180000036
和
Figure FDA0002881695180000037
得到所述N个子图片的饱和度的加权和S；以及
根据数值
Figure FDA0002881695180000041
和公式
Figure FDA0002881695180000042
和
Figure FDA0002881695180000043
得到所述N个子图片的均值亮度加权和L，其中，μk为全局均值亮度，μc和lc为常数。
4.如权利要求1所述的图片处理方法，其特征在于，在根据所述N个子图片的对比度的最大值C、所述N个子图片的饱和度的加权和S、所述N个子图片的均值亮度加权和L和所述N个细节层图片的平均亮度D，对K×K个子图片进行计算，得到K×K个融合值Q中，根据公式Q＝C×S+L+A×D，对K×K个子图片进行计算，得到K×K个融合值Q，其中，A为细节放大系数。
5.一种图片处理装置，其特征在于，包括：
获取模块，用于获取一输入图片，得到输入数据信息；
曝光处理模块，用于根据所述输入数据信息，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息；
第一运算模块，用于根据所述N个第一数据信息，对所述N个曝光图片进行滤波处理生成关于N个基础层图片的第二数据信息；
分区模块，用于对所述N个基础层图片进行区块划分，形成N个K×K的子图片矩阵，所述N个K×K的子图片矩阵包括K×K个子图片组，在每个子图片组中，所述子图片的行数相同、列数相同；
第二运算模块，用于根据所述第二数据信息，获取每一子图片的对比度c、饱和度s和均值亮度l；
第三运算模块，用于在每个子图片组中，生成所述N个子图片对比度的最大值C，生成所述N个子图片的饱和度的加权和S，生成所述N个子图片的均值亮度加权和L；
第四运算模块，用于根据所述第一数据信息和所述第二数据信息，用N个曝光图片的第一数据信息中的亮度减去N个基础层图片的第二数据信息中的亮度得到关于N个细节层图片的第三数据信息；
第五运算模块，用于根据所述第三数据信息，得到所述N个细节层图片的平均亮度D；
融合模块，用于根据所述N个子图片的对比度的最大值C、所述N个子图片的饱和度的加权和S、所述N个子图片的均值亮度加权和L和所述N个细节层图片的平均亮度D，对K×K个子图片进行计算，得到K×K个融合值Q；以及
输出模块，用于设置滑动步长Y，根据所述融合值Q，生成输出图片；
其中，在所述曝光处理模块中，根据所述输入数据信息，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息，包括：
提取所述输入图片的亮度；
根据所述输入图片的亮度，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息；
在根据所述输入图片的亮度，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息中，根据公式Lad,k＝1+exp(μEVk)，获得所述N个曝光图片的平均亮度信息Lad，其中，Lad,k为第k张曝光图片的平均亮度，EVk为曝光度，μ为系数，根据公式
Figure FDA0002881695180000061
生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息Lwk(i,j)，其中，Pk为第k张图的缩放因子，第一数据信息Lwk(i,j)为第k张图中，第i行、第j列的像素单元的输出亮度。
6.如权利要求5所述的图片处理装置，其特征在于，所述曝光处理模块包括：
亮度提取模块，用于提取所述输入图片的亮度；以及
生成模块，根据所述输入图片的亮度，生成所述输入图片对应的N个不同曝光度的曝光图片的第一数据信息。
7.一种电子设备，其特征在于，包括：
壳体；
摄像头，所述摄像头固定于所述壳体，所述摄像头用于拍摄图片；
显示屏，所述显示屏固定于所述壳体，所述显示屏用于显示图片；以及
处理器，所述处理器连接于所述摄像头和显示屏之间，所述处理器用于执行如权利要求1-3任一项所述的图片处理方法。
CN201811557971.0A 2018-12-19 2018-12-19 图片处理方法、装置及电子设备 Active CN109712091B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811557971.0A CN109712091B (zh) 2018-12-19 2018-12-19 图片处理方法、装置及电子设备
PCT/CN2019/082171 WO2020124882A1 (zh) 2018-12-19 2019-04-11 图片处理方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811557971.0A CN109712091B (zh) 2018-12-19 2018-12-19 图片处理方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN109712091A CN109712091A (zh) 2019-05-03
CN109712091B true CN109712091B (zh) 2021-03-23

Family

ID=66256061

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811557971.0A Active CN109712091B (zh) 2018-12-19 2018-12-19 图片处理方法、装置及电子设备

Country Status (2)

Country Link
CN (1) CN109712091B (zh)
WO (1) WO2020124882A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116630218B (zh) * 2023-07-02 2023-11-07 中国人民解放军战略支援部队航天工程大学 一种基于边缘保持平滑金字塔的多曝光图像融合方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014078985A1 (en) * 2012-11-20 2014-05-30 Thomson Licensing Method and apparatus for image regularization
CN104881854A (zh) * 2015-05-20 2015-09-02 天津大学 基于梯度和亮度信息的高动态范围图像融合方法
CN106960414A (zh) * 2016-12-12 2017-07-18 天津大学 一种多视角ldr图像生成高分辨率hdr图像的方法
CN107220956A (zh) * 2017-04-18 2017-09-29 天津大学 一种基于多幅具有不同曝光度的ldr图像的hdr图像融合方法
CN107845128A (zh) * 2017-11-03 2018-03-27 安康学院 一种多尺度细节融合的多曝光高动态图像重建方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509279B (zh) * 2011-11-02 2013-11-06 北京工业大学 根部欠照明舌图像的自适应暗部细节复现方法
CN104125408B (zh) * 2013-04-28 2018-06-12 比亚迪股份有限公司 一种高动态范围图像处理方法及装置
CN103413286B (zh) * 2013-08-02 2017-05-03 北京工业大学 一种基于学习的高动态范围与高分辨率图像联合重建方法
CN106157305B (zh) * 2016-06-30 2019-02-15 北京大学 基于局部特性的高动态图像快速生成方法
CN106875352B (zh) * 2017-01-17 2019-08-30 北京大学深圳研究生院 一种低照度图像增强方法
US10036975B1 (en) * 2017-06-28 2018-07-31 Eastman Kodak Company Determining a pulse timing function for a linear printhead
CN108513672A (zh) * 2017-07-27 2018-09-07 深圳市大疆创新科技有限公司 增强图像对比度的方法、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
WO2014078985A1 (en) * 2012-11-20 2014-05-30 Thomson Licensing Method and apparatus for image regularization
CN104881854A (zh) * 2015-05-20 2015-09-02 天津大学 基于梯度和亮度信息的高动态范围图像融合方法
CN106960414A (zh) * 2016-12-12 2017-07-18 天津大学 一种多视角ldr图像生成高分辨率hdr图像的方法
CN107220956A (zh) * 2017-04-18 2017-09-29 天津大学 一种基于多幅具有不同曝光度的ldr图像的hdr图像融合方法
CN107845128A (zh) * 2017-11-03 2018-03-27 安康学院 一种多尺度细节融合的多曝光高动态图像重建方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Color Multi-Exposure Image Fusion Approach Using Structural Patch Decomposition;FAN HUANG等;《IEEE Access》;20180724;第42877-42885页 *
Fast exposure fusion using exposedness function;Mansour Nejati等;《2017 IEEE International Conference on Image Processing (ICIP)》;20170920;第2234-2238页 *
Multi-exposure image fusion: A patch-wise approach;Kede Ma等;《2015 IEEE International Conference on Image Processing (ICIP)》;20150930;第1717-1720页 *

Also Published As

Publication number Publication date
CN109712091A (zh) 2019-05-03
WO2020124882A1 (zh) 2020-06-25

Similar Documents

Publication Publication Date Title
Zamir et al. Cycleisp: Real image restoration via improved data synthesis
CN111898701B (zh) 模型训练、帧图像生成、插帧方法、装置、设备及介质
US8412725B2 (en) Method for processing an object on a platform having one or more processors and memories, and platform using same
US4731864A (en) Photographic camera simulation systems working from computer memory
CN108322722B (zh) 基于增强现实的图像处理方法、装置及电子设备
US20230230204A1 (en) Image processing method and apparatus, and method and apparatus for training image processing model
CN111429433A (zh) 一种基于注意力生成对抗网络的多曝光图像融合方法
CN111835982B (zh) 图像获取方法、图像获取装置、电子设备及存储介质
CN109686342B (zh) 一种图像处理方法及装置
CN108304821A (zh) 图像识别方法及装置、图像获取方法及设备、计算机设备及非易失性计算机可读存储介质
CN110097106A (zh) 基于深度学习的U-net网络的低照度成像算法及装置
CN111402139A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN111835983A (zh) 一种基于生成对抗网络的多曝光图高动态范围成像方法及系统
CN110335221A (zh) 一种基于无监督学习的多曝光图像融合方法
CN103997592B (zh) 视频降噪方法和系统
CN104219511A (zh) 色彩校正系统及方法
CN114648508A (zh) 一种基于多维协同细化网络的多曝光图像融合方法
CN108122218B (zh) 基于颜色空间的图像融合方法与装置
Ye et al. Progressive and selective fusion network for high dynamic range imaging
CN109712091B (zh) 图片处理方法、装置及电子设备
CN109727196B (zh) 图像内插处理方法
CN113935917A (zh) 一种基于云图运算和多尺度生成对抗网络的光学遥感影像薄云去除方法
Ali et al. Comparametric hdr (high dynamic range) imaging for digital eye glass, wearable cameras, and sousveillance
CN108513068A (zh) 图像的选取方法、装置、存储介质及电子设备
CN115439386A (zh) 图像融合方法、装置、电子设备和存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 9-2 Tangming Avenue, Guangming New District, Shenzhen City, Guangdong Province

Applicant after: TCL China Star Optoelectronics Technology Co.,Ltd.

Address before: 9-2 Tangming Avenue, Guangming New District, Shenzhen City, Guangdong Province

Applicant before: Shenzhen China Star Optoelectronics Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant