CN109785239A - 图像处理的方法和装置 - Google Patents
图像处理的方法和装置 Download PDFInfo
- Publication number
- CN109785239A CN109785239A CN201711112510.8A CN201711112510A CN109785239A CN 109785239 A CN109785239 A CN 109785239A CN 201711112510 A CN201711112510 A CN 201711112510A CN 109785239 A CN109785239 A CN 109785239A
- Authority
- CN
- China
- Prior art keywords
- function
- image
- levels
- detail
- value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000009022 nonlinear effect Effects 0.000 claims abstract description 89
- 230000006870 function Effects 0.000 claims description 424
- 230000005622 photoelectricity Effects 0.000 claims description 84
- 238000012546 transfer Methods 0.000 claims description 83
- 238000012937 correction Methods 0.000 claims description 36
- 241001598984 Bromius obscurus Species 0.000 claims description 31
- 238000000926 separation method Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 20
- 238000013139 quantization Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012886 linear function Methods 0.000 claims description 7
- 230000008447 perception Effects 0.000 claims description 7
- 230000002146 bilateral effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims 2
- 230000011218 segmentation Effects 0.000 claims 1
- 230000015654 memory Effects 0.000 description 28
- 230000000007 visual effect Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000000574 ganglionic effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- QIVUCLWGARAQIO-OLIXTKCUSA-N (3s)-n-[(3s,5s,6r)-6-methyl-2-oxo-1-(2,2,2-trifluoroethyl)-5-(2,3,6-trifluorophenyl)piperidin-3-yl]-2-oxospiro[1h-pyrrolo[2,3-b]pyridine-3,6'-5,7-dihydrocyclopenta[b]pyridine]-3'-carboxamide Chemical compound C1([C@H]2[C@H](N(C(=O)[C@@H](NC(=O)C=3C=C4C[C@]5(CC4=NC=3)C3=CC=CN=C3NC5=O)C2)CC(F)(F)F)C)=C(F)C=CC(F)=C1F QIVUCLWGARAQIO-OLIXTKCUSA-N 0.000 description 1
- 241000023320 Luma <angiosperm> Species 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003455 independent Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 1
- XULSCZPZVQIMFM-IPZQJPLYSA-N odevixibat Chemical compound C12=CC(SC)=C(OCC(=O)N[C@@H](C(=O)N[C@@H](CC)C(O)=O)C=3C=CC(O)=CC=3)C=C2S(=O)(=O)NC(CCCC)(CCCC)CN1C1=CC=CC=C1 XULSCZPZVQIMFM-IPZQJPLYSA-N 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000005428 wave function Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种图像处理的方法与装置,包括:获取第一图像;根据空间滤波函数对该第一图像进行处理,以生成第一基本层;对该第一图像与该第一基本层进行减法操作或除法操作,以生成第一细节层;根据该第一图像,确定细节层调整函数,该细节层调整函数的自变量为该第一图像的非线性信号;根据该细节层调整函数,对该第一细节层进行调整,以获取第二细节层;对该第一基本层与该第二细节层进行加法操作或乘法操作,以生成第二图像。通过建立关于图像的非线性信号的细节层调整函数,并通过细节层调整函数对图像的细节层进行调整,能够避免调整后的图像中出现人眼能够感知的图像质量问题。
Description
技术领域
本申请涉及图像处理领域,并且更具体地,涉及一种图像处理的方法和装置。
背景技术
在图像处理领域,通常会通过空间滤波函数对图像进行滤波处理,从而获得图像中基本层信息,通过图像信息和图像基本层信息进行处理,获取图像的细节层(纹理)信息。
在获取图像的基本层(中、低频信息)时,空间滤波函数会对图像进行处理,获取图像的基本层(中、低频信息),通过图像与图像基本层的减法、或除法操作,将图像进行拆分,获取图像的细节层(图像的中、高频信息),并对细节层进行调整操作,以提高图像的对比度、清晰度,最终将经过调整操作的细节层与基本层进行减法或乘法的叠加,并输出处理后的图像。
现有常见的图像调整方法,该方法通过一个固定的调整系数对图像的细节层进行调整,即,对图像的各个像素点均进行相同程度的调整。
对于高动态范围(High Dynamic Range,HDR)图像,其光电转移函数不同于传统的标准动态范围(Stand Dynamic Range,SDR)图像的光电转移函数(Gamma函数),在通过上述调整方法对HDR图像进行调整操作之后,如果使用较大的调整值,会导致图像中的部分亮度范围的像素的韦伯weber分数超过施赖伯Schreiber阈值限制,如果使用较小的调整值又不能达到高质量提升图像对比度、清晰度的目的。Schreiber阈值与人眼的视觉特性相关联,当像素的韦伯weber分数超过施赖伯Schreiber阈值时,图像中就会出现人眼能够感知的图像质量问题,进而影响人眼的视觉体验。
发明内容
本申请提供一种图像处理的方法和装置,通过建立关于图像的非线性信号的细节层调整函数,并通过该细节层调整函数对图像的细节层进行调整,能够避免由于细节层调整系数的选取不当,导致调整后的图像中出现人眼能够感知的图像质量问题(例如,由于调整不足造成的图像对比度、清晰度不足的问题),进而影响人眼的视觉体验。
第一方面,提供了一种图像处理的方法,包括:获取第一图像;根据空间滤波函数对所述第一图像进行处理,以生成第一基本层;对所述第一图像与所述第一基本层进行减法操作或除法操作,以生成第一细节层;根据所述第一图像,确定细节层调整函数,所述细节层调整函数的自变量为所述第一图像的非线性信号;根据所述细节层调整函数,对所述第一细节层进行调整,以获取第二细节层;对所述第一基本层与所述第二细节层进行加法操作或乘法操作,以生成第二图像。
可选地,所述空间滤波函数包括以下滤波函数中的至少一项:高斯滤波函数、双边滤波函数或指导滤波函数。
因此,通过建立关于图像的非线性信号的细节层调整函数,即将作用在图像中每一像素点的细节层调整系数与对应像素点的非线性信号进行关联,并通过该细节层调整函数对图像的细节层进行调整,使得能够根据对应像素点的非线性信号,灵活地对细节层中对应像素点进行调整,避免由于细节层调整系数的选取不当,导致调整后的图像中出现人眼能够感知的图像质量问题,进而影响人眼的视觉体验。
结合第一方面,在第一方面的一种可能的实现方式中,所述确定细节层调整函数,包括:根据所述第一图像的光电转移函数,确定所述光电转移函数对应的韦伯weber分数函数;确定施赖伯Schreiber阈值函数与所述weber分数函数之间的比值函数;根据所述比值函数,确定所述细节层调整函数。
结合第一方面,在第一方面的一种可能的实现方式中,所述细节层调整函数以第一非线性信号为自变量时对应的函数值小于或等于所述比值函数以所述第一非线性信号为自变量时对应的函数值,所述第一非线性信号为所述第一图像的任意一个非线性信号。
因此,通过根据weber分数函数与施赖伯Schreiber阈值函数之间的比值函数确定细节层调整函数,并使得该细节层调整函数关于任一非线性信号的函数值小于或者等于比值函数在对应非线性信号处的函数值,使得在通过本申请实施例确定的细节层调整函数对图像的细节层进行调整时,使得调整后的图像的韦伯weber分数不会超过施赖伯Schreiber阈值,从而避免由于细节层调整系数的选取不当,导致调整后的图像中出现人眼能够感知的图像质量问题,进而影响人眼的视觉体验。
结合第一方面,在第一方面的一种可能的实现方式中,所述细节层调整函数的单调性与所述比值函数的单调性一致。
结合第一方面,在第一方面的一种可能的实现方式中,所述细节层调整函数为分段函数,所述分段函数包括至少一个分界点,其中,所述至少一个分界点为所述比值函数的极值点对应的所述第一图像的非线性信号,或所述至少一个分界点为所述weber分数函数与所述Schreiber阈值函数的交点对应的所述第一图像的非线性信号。
可选地,该分段函数中的函数形式包括以下函数形式中的至少一项:指数函数、对数函数、幂函数或线性函数。
结合第一方面,在第一方面的一种可能的实现方式中,所述方法还包括:获取所述第一图像的统计数据;根据所述统计数据,确定修正系数a,0<a≤1;根据所述修正系数a,对所述细节层调整函数F(V)进行修正:
F′(V)=a*F(V)
其中,F′(V)为修正后的细节层调整函数,V为所述第一图像的非线性信号。
可选地,确定所述修正系数a,包括:根据下述函数关系式确定所述修正系数a为:
g(M)=Mr
其中,g(M)为修正系数函数,M为所述第一图像的统计数据,r为所述修正系数函数g(M)的参数,r>0。
因此,通过根据图像的统计数据,确定修正系数a,并根据该修正系数a对图像的细节层调整函数进行修正,即动态地调整不同场景下的图像的细节层调整函数,使得调整后的图像能够更加符合人眼的视觉特性,从而改善人眼的视觉体验。
结合第一方面,在第一方面的一种可能的实现方式中,所述统计数据包括以下信息中的至少一项:所述第一图像的最大像素亮度、所述第一图像的平均像素亮度、所述第一图像的像素的非线性Y分量的最小值、所述第一图像的像素的非线性Y分量的最大值或所述第一图像的像素的非线性Y分量平均值。
结合第一方面,在第一方面的一种可能的实现方式中,所述光电转移函数包括以下光电转移函数中的至少一项:感知量化PQ光电转移函数、场景亮度保真SLF光电转移函数或混合对数伽马HLG光电转移函数。
结合第一方面,在第一方面的一种可能的实现方式中,所述细节层调整函数包括以下函数类型中的至少一项:指数函数、对数函数、幂函数或线性函数。
结合第一方面,在第一方面的一种可能的实现方式中,所述细节层调整函数为连续函数。
第二方面,提供一种图像处理的装置,所述装置用于执行上述第一方面或第一方面的任一可能的实现方式中的方法。具体地,所述装置可以包括用于执行第一方面或第一方面的任一可能的实现方式中的方法的模块。
第三方面,提供一种图像处理的装置,所述装置包括存储器和处理器,所述存储器用于存储指令,所述处理器用于执行所述存储器存储的指令,并且对所述存储器中存储的指令的执行使得所述处理器执行第一方面或第一方面的任一可能的实现方式中的方法。
第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行第一方面或第一方面的任一可能的实现方式中的方法。
第五方面,提供一种包含指令的计算机程序产品,当该计算机程序产品在计算机上运行时,使得计算机执行第一方面或第一方面的任一可能的实现方式中的方法。
附图说明
图1为根据本申请的显示设备的示意性框图。
图2为本申请实施例提供的图像处理的方法的示意性流程图。
图3为本申请实施例提供的图像处理的方法的另一示意性流程图。
图4为本申请实施例提供的图像处理的装置的示意性框图。
图5为本申请实施例提供的图像处理的装置的另一示意性框图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
为了清楚起见,首先对本申请中所使用的术语作以解释。
1、高动态范围、标准动态范围
动态范围(Dynamic Range)在很多领域被用来表示某个变量的最大值与最小值的比率,自然界场景中光动态范围可以达到(10-3~106)nits,然而相机等拍摄设备能记录的图像线性信号值(例如,光信号值)的能力有限,一般将图像线性信号值的动态范围超过(0.01~1000)nits的称为高动态范围(High Dynamic Range,HDR)线性信号值,将对应的图像称为HDR图像,将图像线性信号值的动态范围不足(0.1~400nits)的称为标准动态范围(Standard Dynamic Range,SDR)线性信号值,并将对应的图像称为SDR图像。
2、光电转移函数
光电转移函数(Optical-Electro Transfer Function,OETF)用于将图像的线性信号(例如,光信号值)转换为非线性信号(例如,电信号值)。光电转移函数的数学表达形式为V=F(L),其中L表示线性信号,V表示非线性信号。
光电转移函数的数学表达形式为V=F(L),其中L表示线性信号,V表示非线性信号。对于SDR图像,其对应的光电转移函数为伽马Gamma光电转移函数,其函数V=F(L)的形式为:
其中,L为图像像素的线性信号,V为图像像素的对应像素点的非线性信号。
对于HDR图像(例如,本申请中的第一图像),其对应的HDR光电转移函数至少包括感知量化(Perceptio Quantization,PQ)光电转移函数、场景亮度保真(Scene LuminanceFidelity,SLF)光电转移函数或混合对数伽马(Hybrid Log-Gamma,HLG)光电转移函数中的任意一种。
通过上述HDR光电转移函数对该HDR图像进行转换,该HDR光电转移函数对应的光电转移曲线也相应地至少包括感知量化(Perceptio Quantization,PQ)光电转移曲线、场景亮度保真(Scene Luminance Fidelity,SLF)光电转移曲线或混合对数伽马(HybridLog-Gamma,HLG)光电转移曲线中的任意一种。
下面对该三种光电转移函数分别进行说明。
(1)PQ光电转移函数
PQ光电转移函数不同于传统的伽马(Gamma)转换函数,其根据人眼的亮度感知模型,提出了感知量化转移函数,PQ光电转移函数表示图像像素的线性信号到PQ域非线性信号的转换关系。PQ光电转移函数VPQ=FPQ(L)形式为:
其中,L表示线性信号,对线性信号进行归一化后,其取值范围为[0,1],1表示10000nits,V表示非线性信号,其归一化后的取值范围为[0,1]。
m1、m2、c1、c2、c3为PQ光电转移系数,其取值分别为:
m1=0.1593017578125、m2=78.84375、c1=0.8359375、c2=18.8515625、c3=18.6875。
(2)SLF光电转移函数
SLF光电转移函数表示图像像素的线性信号到SLF域非线性信号的转换关系。SLF光电转移函数VSLF=FSLF(L)形式为:
其中,L表示线性信号,对线性信号进行归一化后,其取值范围为[0,1],1表示10000nits,V表示非线性信号,其归一化后的取值范围为[0,1]。
p、m3、a、b为SLF光电转移系数,其取值分别为:
p=2.3、m3=0.14、a=1.12762、b=-0.12762。
(3)HLG光电转移曲线
HLG光电转移函数是在传统的Gamma曲线的基础上改进得到的。HLG光电转移函数在低段应用传统的Gamma曲线,在高段补充了log曲线,HLG光电转移函数表示图像像素的线性信号到HLG域非线性信号的转换关系。HLG光电转移函数VHLG=FHLG(L)形式为:
其中,L表示线性信号,对线性信号进行归一化后,其取值范围为[0,12],1表示10000nits,V表示非线性信号,其归一化后的取值范围为[0,1]。
a、b、c为HLG光电转移系数,其取值分别为:
a=0.17883277、b=0.28466892、c=0.55991073。
图1是根据本申请实施例的显示设备100的示意性框图。如图1所示,显示设备100包括输入接口101、视频解码器102、处理器103以及显示器104。
输入接口101可以包含接收器及/或调制解调器,输入接口101用于接收编码后的视频数据。
视频解码器102可解码来自输入接口101的视频数据,并将经解码的视频数据送至处理器103进行处理,例如,处理器103对经解码的视频数据对应的图像数据进行细节层调整,并将调整后获得的视频数据送至显示器104进行显示。
其中,显示器104可与显示设备100整合或可在显示设备100外部。作为示例而非限定,显示器104至少为以下任意一种:
液晶显示器(Liquid Crystal Display,LCD)、等离子体显示器、有机发光二极管(Organic Light-Emitting Diode,OLED)显示器或其它类型的显示器。
作为示例而非限定,显示设备100至少为以下任意一种:
台式计算机、移动计算设备、笔记本(例如,膝上型)计算机、平板计算机、机顶盒、智能电话等手持机、电视、相机、显示设备、数字媒体播放器、视频游戏控制台、车载计算机,或其类似者。
图2为本申请实施例提供的图像处理的方法200的示意性流程图。如图2所示,该方法200至少包括以下步骤。
210,获取第一图像。
220,根据空间滤波函数对该第一图像进行处理,以生成第一基本层。
230,对该第一图像与该第一基本层进行减法操作或除法操作,以生成第一细节层。
具体地,通过空间滤波函数对获取的第一图像进行滤波处理,生成第一图像的基本层(例如,第一基本层),并根据生成的第一基本层与第一图像生成第一图像的细节层(例如,第一细节层)。
可选地,对于第一细节层的生成,可以至少包括以下两种方法:
方法1
该第一细节层为对该第一图像与该第一基本层进行减法操作后生成的;或者
方法2
该第一细节层为对该第一图像与该第一基本层进行除法操作后生成的。
可选地,该空间滤波函数包括以下滤波函数中的至少一项:高斯滤波函数、双边滤波函数或指导滤波函数。
需要说明的是,在本申请实施例中,仅以上述列举的几种空间滤波函数为例进行说明,但本申请并不限于此,空间滤波函数还可以包括其他能够实现生成第一图像的基本层的滤波函数。
240,根据该第一图像,确定细节层调整函数,该细节层调整函数的自变量为该第一图像的非线性信号。
具体地,对于获取的该第一图像,需要确定该第一图像的细节层调整函数,该细节层调整函数为关于该第一图像的非线性信号(例如,第一图像的非线性信号为PQ非线性信号)的函数,对于确定的细节层调整函数而言,该细节层调整函数对于第一图像上的每一像素点的非线性信号而言,均对应一个细节层调整函数值。
250,根据该细节层调整函数,对该第一细节层进行调整,以获取第二细节层。
具体地,在步骤220与230中确定了第一图像的细节层(例如,第一细节层),并且在步骤240中确定了细节层调整函数,在步骤250中,通过该细节层调整函数,对该第一细节层的每个像素点的非线性信号通过该细节层调整函数在对应像素点处的函数值进行调整,并获取调整后生成的细节层(例如,第二细节层)。
例如,第一图像被拆分为第一细节层(Detial)与第一基本层(Base),该第一图像的细节层调整函数为F(V),V代表第一图像像素的非线性信号,则通过该细节层调整函数F(V)对第一图像的细节层(Detial)进行调整时,表达式为:
Detail′=Detail*F(V) (5)
其中,Detail′为通过细节层调整函数对该第一图像的细节层进行调整后生成的细节层。
260,对该第一基本层与该第二细节层进行加法操作或乘法操作,以生成第二图像。
具体地,在步骤250中,通过细节层调整函数对第一图像的细节层进行调整后,根据调整后生成的细节层(例如,第二细节层)与第一图像的第一基本层,生成第二图像,并将生成的第二图像输出至显示设备,供人眼观看。
可选地,对于第二图像的生成,可以至少包括以下两种方法:
方法1
该第二图像为对该第一基本层与该第二细节层进行加法操作后生成的,或者
方法2
该第二图像为对该第一基本层与该第二细节层进行乘法操作后生成的。
因此,在本申请实施例中,通过建立关于图像的非线性信号的细节层调整函数,即将作用在图像中每一像素点的细节层调整系数与对应像素点的非线性信号进行关联,并通过该细节层调整函数对图像的细节层进行调整,使得能够根据对应像素点的非线性信号,灵活地对细节层中对应像素点进行调整,避免由于细节层调整系数的选取不当,导致调整后的图像中出现人眼能够感知的图像质量问题,进而影响人眼的视觉体验。
下面对本申请实施例中的确定细节层调整函数的具体方法进行介绍。
首先对该方法涉及到的术语进行说明。
1、韦伯weber分数函数
图像存储的信号为非线性信号,并且需要使用整数N对图像的非线性信号进行量化,其中量化值N的取值一般可以为255、1023或65535等,相邻两个量化误差的比值叫作weber分数,weber分数用来衡量光电转移函数的优劣,weber分数函数形式如下
其中N为量化值、V表示非线性信号、L表示线性信号,F(L)为上述三种光电转移函数中的任意一种光电转移函数,F'(L)为光电转移函数F(L)的导函数。
2、施赖伯Schreiber阈值函数
施赖伯Schreiber阈值函数是通过实验测量(例如,实验定标)的方式获得的weber分数函数的限制函数,即当webber分数值小于施赖伯Schreiber阈值函数值时,则人眼不会看出由于图像量化带来的视觉问题,由于施赖伯Schreiber阈值函数是通过实验标定的方式获得的,因此,施赖伯Schreiber阈值函数可以近似地确定为如下的函数形式:
可选地,该确定细节层调整函数,包括:根据该第一图像的光电转移函数,确定该光电转移函数对应的韦伯weber分数函数;确定该weber分数函数与施赖伯Schreiber阈值函数之间的比值函数;根据该比值函数,确定该细节层调整函数。
其中,比值函数R(L)的形式可以为:
具体地,在确定第一图像的细节层调整函数时,先确定第一图像的光电转移函数,并根据该第一图像的光电转移函数,确定该光电转移函数对应的韦伯weber分数函数,同时计算出该weber分数函数与施赖伯Schreiber阈值函数之间的比值函数,最终根据该比值函数,确定细节层调整函数。
作为示例而非限定,关于确定比值函数的方法,下面以第一图像的光电转移函数满足PQ光电转移函数的特性的情况为例进行说明。
在该第一图像的光电转移函数满足PQ光电转移函数的特性的情况下,进一步根据第一图像的PQ光电转移函数确定该PQ光电转移函数对应的韦伯weber分数函数,同时计算出该weber分数函数与施赖伯Schreiber阈值函数之间的比值函数,例如,该PQ光电转移函数对应的韦伯weber分数函数的形式为:
该施赖伯Schreiber阈值函数的形式为:
根据该weber分数函数与施赖伯Schreiber阈值函数,确定的比值函数的形式为:
最终根据该比值函数,确定细节层调整函数。
可选地,该细节层调整函数以第一非线性信号为自变量时对应的函数值小于或等于该比值函数以该第一非线性信号为自变量时对应的函数值,该第一非线性信号为该第一图像的任意一个非线性信号。
具体地,在确定了比值函数之后,进而根据该比值函数,确定该细节层调整函数,使得该细节层调整函数与比值函数以同一像素点处的非线性信号为自变量(例如,第一非线性信号)时,细节层调整函数的函数值小于或者等于比值函数的函数值。
可选地,在满足该细节层调整函数与比值函数以同一像素点处的非线性信号为自变量时,细节层调整函数的函数值小于或者等于比值函数的函数值的前提下,该细节层调整函数包括以下函数类型中的至少一项:指数函数、对数函数、幂函数或线性函数。
作为示例而非限定,该细节层调整函数的函数形式为:
F(V)=Vq+1 (12)
其中,q为该细节层调整函数的参数,且q>0,作为示例而非限定,q=1.2,V为第一图像像素的线性信号L对应的非线性信号;
作为示例而非限定,该细节层调整函数的函数形式还可以为:
F(V)=ekV (13)
其中,k为该细节层调整函数的参数,且k>0,作为示例而非限定,k=0.6,V为第一图像像素的线性信号L对应的非线性信号。
可选地,该细节层调整函数的单调性与该比值函数的单调性一致。
具体地,在根据该比值函数确定细节层调整函数时,除了使得该细节层调整函数与比值函数以同一像素点处的非线性信号为自变量(例如,第一非线性信号)时,细节层调整函数的函数值小于或者等于比值函数的函数值以外,同时还可以使该比值函数与细节层调整函数的单调性一致,即使得比值函数与细节层调整函数的增、减区间一致。
可选地,在本申请实施例中,该细节层调整函数可以为该比值函数本身。
可选地,在满足该细节层调整函数与比值函数以同一像素点处的非线性信号为自变量时,细节层调整函数的函数值小于或者等于比值函数的函数值的前提下,该细节层调整函数还可以为分段函数,该分段函数包括至少一个分界点,其中,该至少一个分界点为该比值函数的极值点对应的该第一图像的非线性信号,或该至少一个分界点为该weber分数函数与该Schreiber阈值函数的交点对应的该第一图像的非线性信号。
具体地,该细节层调整函数为分段函数,该分段函数的分界点可以为比值函数的极值点处的第一图像的非线性信号;或者该分段函数的分界点还可以为第一图像的weber分数函数与该Schreiber阈值函数的交点处的该第一图像的非线性信号。
作为示例而非限定,在该第一图像的光电转移函数满足PQ光电转移函数的特性的情况下,例如,该比值函数的极值点对应的第一图像的PQ非线性信号的数值为0.15,即,该细节层调整函数的分界点为0.15,将该细节层调整函数的分界点记为x1,则该细节层调整函数的函数形式为:
其中,A1、B1、C1为该细节层调整函数的参数,且作为示例而非限定,A1=1.0、B1=0.95、C1=1.1,分界点x1=0.15,V为第一图像像素的PQ线性信号L对应的PQ非线性信号。
作为示例而非限定,在该第一图像的光电转移函数满足PQ光电转移函数的特性的情况下,例如,该比值函数的极值点对应的第一图像的PQ非线性信号的数值为0.15,weber分数函数与该Schreiber阈值函数的交点处对应的PQ非线性信号的数值为0.04,即,该细节层调整函数的分界点分别为0.15、0.04,将该细节层调整函数的分界点分别记为x1、x2,则该细节层调整函数的函数形式为:
其中,A2、B2、C2、B3、C3分别为该细节层调整函数的参数,且作为示例而非限定,C2=1.0、A2=0.5、B2=0.98、A3=1.0、B3=0.905,分界点x1=0.15、x2=0.04,V为第一图像像素的PQ线性信号L对应的PQ非线性信号。
作为示例而非限定,在该第一图像的光电转移函数满足SLF光电转移函数的特性的情况下,例如,该比值函数的极值点为Schreiber阈值函数的函数曲线的转折点,则该比值函数的极值点对应的第一图像的非线性信号的数值为0.22,即,该细节层调整函数的分界点为0.22,将该细节层调整函数的分界点记为x3,则该细节层调整函数的函数形式为:
其中,A4、B4、C4为该细节层调整函数的参数,且作为示例而非限定,C4=1.3、A4=1.0、B4=1.08,分界点x3=0.22,V为第一图像像素的SLF线性信号L对应的SLF非线性信号。
还例如,该比值函数的极值点为Schreiber阈值函数的函数曲线的转折点与SLF光电转移函数对应的weber分数函数的函数曲线的转折点,则该比值函数的极值点对应的第一图像的非线性信号的数值分别为0.22、0.77,即,该细节层调整函数的分界点分别为0.22、0.77,将该细节层调整函数的分界点分别记为x4、x5,则该细节层调整函数的函数形式为:
其中,A5、A6、B5、C5分别为该细节层调整函数的参数,且作为示例而非限定,A5=1.0、C5=1.3、A6=-3.0、B5=1.18、B6=4.26、x4=0.22、x5=0.77,V为第一图像像素的SLF线性信号L对应的SLF非线性信号。
作为示例而非限定,在该第一图像的光电转移函数满足HLG光电转移函数的特性的情况下,例如,该比值函数的极值点为Schreiber阈值函数的函数曲线的转折点与HLG光电转移函数对应的weber分数函数的函数曲线的转折点,则该比值函数的极值点对应的第一图像的非线性信号的数值分别为0.026、0.05、以及0.5,即,该细节层调整函数的分界点分别为0.026、0.05、以及0.5,将该细节层调整函数的分界点分别记x6、x7、x8,则该细节层调整函数的函数形式为:
其中,A7、A8、B7、B8、C6、C7分别为该细节层调整函数的参数,且作为示例而非限定,A7=(-150)/13、B7=1.5、A8=2/3、B8=35/30、C6=1.2、C7=1.5、x6=0.026、x7=0.05、x8=0.5,V为第一图像像素的HLG线性信号对应的HLG非线性信号。
需要说明的是,上述仅以分段函数中的函数形式为线性函数为例进行说明,但本申请实施例并不限于此,例如,上述分段函数中的函数还可以为指数函数、幂函数或者对数函数等。
因此,通过根据weber分数函数与施赖伯Schreiber阈值函数之间的比值函数确定细节层调整函数,并使得该细节层调整函数在与比值函数相对应的像素点处的非线性信号的函数值小于或者等于比值函数的函数值,使得在通过本申请实施例确定的细节层调整函数对图像的细节层进行调整时,使得调整后的图像的韦伯weber分数不会超过施赖伯Schreiber阈值,从而避免由于细节层调整系数的选取不当,导致调整后的图像中出现人眼能够感知的图像质量问题,进而影响人眼的视觉体验。
可选地,如图3所示,该方法200还包括:
270,获取该第一图像的统计数据;
280,根据该统计数据,确定修正系数a,0<a≤1;
290,根据该修正系数a,对该细节层调整函数进行修正。
具体地,根据获取的第一图像的统计数据,确定修正系数a,其中,0<a≤1,并根据该修正系数a,对第一图像的细节层调整函数进行调整。因此,通过根据图像的统计数据,确定修正系数a,并根据该修正系数a对图像的细节层调整函数进行修正,即动态地调整不同场景下的图像的细节层调整函数,使得调整后的图像能够更加符合人眼的视觉特性,从而改善人眼的视觉体验。
可选地,该统计数据包括以下信息中的至少一项:该第一图像的最大像素亮度、该第一图像的平均像素亮度、该第一图像的像素的非线性Y分量的最小值、该第一图像的像素的非线性Y分量的最大值或该第一图像的像素的非线性Y分量平均值。
需要说明的是,上述统计数据可以在第一图像所在的视频码流中携带。
作为示例而非限定,该第一图像的统计数据为第一图像的像素非线性Y分量平均值,则根据该第一图像的像素非线性Y分量平均值,确定细节层调整函数的修正系数a=a1,并通过该修正系数a1,对第一图像的细节层调整函数进行修正。
该修正系数a可以通过以下两种方法确定:
方法1
g(M)=M (19)
其中,g(M)为修正系数函数,M为给第一图像的统计数据。
方法2
g(M)=Mr (20)
其中,g(M)为修正系数函数,M为该第一图像的统计数据,r为该修正系数函数g(M)的参数,r>0,作为示例而非限定,r=1.2。
其中,修正后的细节层调整函数F′(V)的形式为:
F′(V)=a*F(V) (21)
需要说明的是,上述仅以统计数据包括上述信息为例进行说明,该统计数据还可以包括其他能够确定该修正系数的统计数据,本申请实施例并不限于此。
可选地,在本申请实施例中,该细节层调整函数为连续函数。
需要说明的是,在本申请实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
上文描述了本申请实施例提供的图像处理的方法,下文将描述本申请实施例提供的图像处理的装置。
图4为本申请实施例提供的图像处理的装置300的示意性框图,该装置300包括:
获取模块310,用于获取第一图像。
处理模块320,用于根据空间滤波函数对该第一图像进行处理,以生成第一基本层。
该处理模块还320还用于,对该第一图像与该第一基本层进行减法操作或除法操作,以生成第一细节层。
该处理模块320还用于,根据该第一图像,确定细节层调整函数,该细节层调整函数的自变量为该第一图像的非线性信号。
该处理模块320还用于,根据该细节层调整函数,对该第一细节层进行调整,以获取第二细节层。
该处理模块320还用于,对该第一基本层与该第二细节层进行加法操作或乘法操作,以生成第二图像。
在本实施例中,通过建立关于图像的非线性信号的细节层调整函数,即将作用在图像中每一像素点的细节层调整系数与对应像素点的非线性信号进行关联,并通过该细节层调整函数对图像的细节层进行调整,使得能够根据对应像素点的非线性信号,灵活地对细节层中对应像素点进行调整,避免由于细节层调整系数的选取不当,导致调整后的图像中出现人眼能够感知的图像质量问题,进而影响人眼的视觉体验。
可选地,该处理模块320具体用于,根据该第一图像的光电转移函数,确定该光电转移函数对应的韦伯weber分数函数;确定该weber分数函数与施赖伯Schreiber阈值函数之间的比值函数;根据该比值函数,确定该细节层调整函数。
可选地,该细节层调整函数以第一非线性信号为自变量时对应的函数值小于或等于该比值函数以该第一非线性信号为自变量时对应的函数值,该第一非线性信号为该第一图像的任意一个非线性信号。
可选地,该细节层调整函数的单调性与该比值函数的单调性一致。
可选地,该细节层调整函数为分段函数,该分段函数包括至少一个分界点,其中,该至少一个分界点为该比值函数的极值点对应的该第一图像的非线性信号,或该至少一个分界点为该weber分数函数与该Schreiber阈值函数的交点对应的该第一图像的非线性信号。
可选地,该获取模块310还用于,获取该第一图像的统计数据;该处理模块320还用于,根据该统计数据,确定修正系数a,0<a≤1;根据该修正系数a,对该细节层调整函数进行修正:
F′(V)=a*F(V)
其中,F′(V)为修正后的细节层调整函数,V为该第一图像的非线性信号。
可选地,该处理模块320具体用于,根据下述函数关系式确定该修正系数a为:
g(M)=Mr
其中,g(M)为修正系数函数,M为该第一图像的统计数据,r为该修正系数函数g(M)的参数,r>0。
可选地,该统计数据包括以下信息中的至少一项:该第一图像的最大像素亮度、该第一图像的平均像素亮度、该第一图像的像素的非线性Y分量的最小值、该第一图像的像素的非线性Y分量的最大值或该第一图像的像素的非线性Y分量平均值。
可选地,该光电转移函数包括以下光电转移函数中的至少一项:感知量化PQ光电转移函数、场景亮度保真SLF光电转移函数或混合对数伽马HLG光电转移函数。
可选地,该细节层调整函数包括以下函数类型中的至少一项:指数函数、对数函数、幂函数或线性函数。
可选地,该细节层调整函数为连续函数。
可选地,所述空间滤波函数包括以下滤波函数中的至少一项:高斯滤波函数、双边滤波函数或指导滤波函数。
具体地,本申请实施例提供的图像处理的装置300中的各个模块均可以由处理器或处理器相关电路组件实现。该装置300中还可以包括存储器,存储器中存储有指令,处理器通过执行存储器存储的指令,以执行装置300中的各个模块的动作。
如图5所示,本申请实施例还提供一种图像处理的装置400,该装置400包括处理器410、存储器420与通信接口430,存储器420中存储有指令,处理器410用于执行存储器320中的指令,当该指令被执行时,该处理器410用于执行上述方法实施例提供的方法,处理器410还用于控制通信接口430与外界进行通信。
应理解,图4所示的装置300,图5所示的装置400可用于执行上述方法实施例中的操作或流程,并且装置300或装置400中的各个模块的操作和/或功能分别为了实现上述方法实施例中的相应流程,为了简洁,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质包括计算机程序,当其在计算机上运行时,使得该计算机执行上述方法实施例提供的方法。
本申请实施例还提供一种包含指令的计算机程序产品,当该计算机程序产品在计算机上运行时,使得该计算机执行上述方法实施例提供的方法。
应理解,本发明实施例中提及的处理器可以是中央处理模块(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解,本申请实施例中提及的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DR RAM)。
需要说明的是,当处理器为通用处理器、DSP、ASIC、FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件时,存储器(存储模块)集成在处理器中。
应注意,本文描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (28)
1.一种图像处理的方法,其特征在于,包括:
获取第一图像;
根据空间滤波函数对所述第一图像进行处理,以生成第一基本层;
对所述第一图像与所述第一基本层进行减法操作或除法操作,以生成第一细节层;
根据所述第一图像,确定细节层调整函数,所述细节层调整函数的自变量为所述第一图像的非线性信号;
根据所述细节层调整函数,对所述第一细节层进行调整,以获取第二细节层;
对所述第一基本层与所述第二细节层进行加法操作或乘法操作,以生成第二图像。
2.根据权利要求1所述的方法,其特征在于,所述确定细节层调整函数,包括:
根据所述第一图像的光电转移函数,确定所述光电转移函数对应的韦伯weber分数函数;
确定施赖伯Schreiber阈值函数与weber分数函数之间的比值函数;
根据所述比值函数,确定所述细节层调整函数。
3.根据权利要求2所述的方法,其特征在于,所述细节层调整函数以第一非线性信号为自变量时对应的函数值小于或等于所述比值函数以所述第一非线性信号为自变量时对应的函数值,所述第一非线性信号为所述第一图像的任意一个非线性信号。
4.根据权利要求3所述的方法,其特征在于,所述细节层调整函数的单调性与所述比值函数的单调性一致。
5.根据权利要求2至4中任一项所述的方法,其特征在于,所述细节层调整函数为分段函数,所述分段函数包括至少一个分界点,其中,所述至少一个分界点为所述比值函数的极值点对应的所述第一图像的非线性信号,或
所述至少一个分界点为所述weber分数函数的函数曲线与所述Schreiber阈值函数的函数曲线的交点对应的所述第一图像的非线性信号。
6.根据权利要求1至5中任一项所述的方法,其特征在于,还包括:
获取所述第一图像的统计数据;
根据所述统计数据,确定修正系数a,0<a≤1;
根据所述修正系数a,对所述细节层调整函数F(V)进行修正:
F′(V)=a*F(V)
其中,F′(V)为修正后的细节层调整函数,V为所述第一图像的非线性信号。
7.根据权利要求6所述的方法,其特征在于,所述根据所述统计数据,确定修正系数a,包括:
根据下述函数关系式确定所述修正系数a为:
g(M)=Mr
其中,g(M)为修正系数函数,M为所述第一图像的统计数据,r为所述修正系数函数g(M)的参数,r>0。
8.根据权利要求6或7所述的方法,其特征在于,所述统计数据包括以下信息中的至少一项:
所述第一图像的最大像素亮度、所述第一图像的平均像素亮度、所述第一图像的像素的非线性Y分量的最小值、所述第一图像的像素的非线性Y分量的最大值或所述第一图像的像素的非线性Y分量平均值。
9.根据权利要求2至8中任一项所述的方法,其特征在于,所述光电转移函数包括以下光电转移函数中的至少一项:
感知量化PQ光电转移函数、场景亮度保真SLF光电转移函数或混合对数伽马HLG光电转移函数。
10.根据权利要求1至4中任一项所述的方法,其特征在于,所述细节层调整函数包括以下函数类型中的至少一项:
指数函数、对数函数、幂函数或线性函数。
11.根据权利要求1至10中任一项所述的方法,其特征在于,所述细节层调整函数为连续函数。
12.根据权利要求1至11中任一项所述的方法,其特征在于,所述空间滤波函数包括以下滤波函数中的至少一项:
高斯滤波函数、双边滤波函数或指导滤波函数。
13.一种图像处理的装置,其特征在于,包括:
获取模块,用于获取第一图像;
处理模块,用于根据空间滤波函数对所述第一图像进行处理,以生成第一基本层;
所述处理模块还用于,对所述第一图像与所述第一基本层进行减法操作或除法操作,以生成第一细节层;
所述处理模块还用于,根据所述第一图像,确定细节层调整函数,所述细节层调整函数的自变量为所述第一图像的非线性信号;
所述处理模块还用于,根据所述细节层调整函数,对所述第一细节层进行调整,以获取第二细节层;
所述处理模块还用于,对所述第一基本层与所述第二细节层进行加法操作或乘法操作,以生成第二图像。
14.根据权利要求13所述的装置,其特征在于,所述处理模块具体用于,根据所述第一图像的光电转移函数,确定所述光电转移函数对应的韦伯weber分数函数;确定所述weber分数函数与施赖伯Schreiber阈值函数之间的比值函数;根据所述比值函数,确定所述细节层调整函数。
15.根据权利要求14所述的装置,其特征在于,所述细节层调整函数以第一非线性信号为自变量时对应的函数值小于或等于所述比值函数以所述第一非线性信号为自变量时对应的函数值,所述第一非线性信号为所述第一图像的任意一个非线性信号。
16.根据权利要求15所述的装置,其特征在于,所述细节层调整函数的单调性与所述比值函数的单调性一致。
17.根据权利要求14至16中任一项所述的装置,其特征在于,所述细节层调整函数为分段函数,所述分段函数包括至少一个分界点,其中,所述至少一个分界点为所述比值函数的极值点对应的所述第一图像的非线性信号,或
所述至少一个分界点为所述weber分数函数与所述Schreiber阈值函数的交点对应的所述第一图像的非线性信号。
18.根据权利要求13至17中任一项所述的装置,其特征在于,所述获取模块还用于,获取所述第一图像的统计数据;
所述处理模块还用于,
根据所述统计数据,确定修正系数a,0<a≤1;
根据所述修正系数a,对所述细节层调整函数进行修正:
F′(V)=a*F(V)
其中,F′(V)为修正后的细节层调整函数,V为所述第一图像的非线性信号。
19.根据权利要求18所述的装置,其特征在于,所述处理模块还用于,
根据下述函数关系式确定所述修正系数a为:
g(M)=Mr
其中,g(M)为修正系数函数,M为所述第一图像的统计数据,r为所述修正系数函数g(M)的参数,r>0。
20.根据权利要求18或19所述的装置,其特征在于,所述统计数据包括以下信息中的至少一项:
所述第一图像的最大像素亮度、所述第一图像的平均像素亮度、所述第一图像的像素的非线性Y分量的最小值、所述第一图像的像素的非线性Y分量的最大值或所述第一图像的像素的非线性Y分量平均值。
21.根据权利要求14至20中任一项所述的装置,其特征在于,所述光电转移函数包括以下光电转移函数中的至少一项:
感知量化PQ光电转移函数、场景亮度保真SLF光电转移函数或混合对数伽马HLG光电转移函数。
22.根据权利要求13至16中任一项所述的装置,其特征在于,所述细节层调整函数包括以下函数类型中的至少一项:
指数函数、对数函数、幂函数或线性函数。
23.根据权利要求13至22中任一项所述的装置,其特征在于,所述细节层调整函数为连续函数。
24.根据权利要求13至23中任一项所述的装置,其特征在于,所述第一细节层为对所述第一图像与所述第一基本层进行处理后生成的,包括:
所述第一细节层为对所述第一图像与所述第一基本层进行减法操作后生成的,或,
所述第一细节层为对所述第一图像与所述第一基本层进行除法操作后生成的。
25.根据权利要求14至24中任一项所述的装置,其特征在于,所述第二图像为对第一基本层与第二细节层进行处理后生成的,包括:
所述第二图像为对所述第一基本层与所述第二细节层进行加法操作后生成的,或,
所述第二图像为对所述第一基本层与所述第二细节层进行乘法操作后生成的。
26.根据权利要求14至25中任一项所述的装置,其特征在于,所述空间滤波函数包括以下滤波函数中的至少一项:
高斯滤波函数、双边滤波函数或指导滤波函数。
27.一种计算机可读存储介质,其特征在于,包括计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行如权利要求1-12中任一项所述的方法。
28.一种包含指令的计算机程序产品,其特征在于,当所述计算机程序产品在计算机上运行时,使得所述计算机执行如权利要求1-12中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711112510.8A CN109785239B (zh) | 2017-11-13 | 2017-11-13 | 图像处理的方法和装置 |
PCT/CN2018/103351 WO2019091196A1 (zh) | 2017-11-13 | 2018-08-30 | 图像处理的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711112510.8A CN109785239B (zh) | 2017-11-13 | 2017-11-13 | 图像处理的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109785239A true CN109785239A (zh) | 2019-05-21 |
CN109785239B CN109785239B (zh) | 2021-05-04 |
Family
ID=66438627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711112510.8A Active CN109785239B (zh) | 2017-11-13 | 2017-11-13 | 图像处理的方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109785239B (zh) |
WO (1) | WO2019091196A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111383178A (zh) * | 2018-12-29 | 2020-07-07 | Tcl集团股份有限公司 | 一种图像增强方法、装置及终端设备 |
CN112200719A (zh) * | 2020-09-27 | 2021-01-08 | 咪咕视讯科技有限公司 | 图像处理方法、电子设备及可读存储介质 |
CN112991209A (zh) * | 2021-03-12 | 2021-06-18 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
WO2021223542A1 (zh) * | 2020-05-08 | 2021-11-11 | 华为技术有限公司 | 图像动态范围处理方法和装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116016809A (zh) * | 2022-11-24 | 2023-04-25 | 扬州联图大数据有限公司 | 一种无人机影像采集及生成系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7840066B1 (en) * | 2005-11-15 | 2010-11-23 | University Of Tennessee Research Foundation | Method of enhancing a digital image by gray-level grouping |
CN102289792A (zh) * | 2011-05-03 | 2011-12-21 | 北京云加速信息技术有限公司 | 一种低照度视频图像增强方法及系统 |
CN102857674A (zh) * | 2011-06-28 | 2013-01-02 | 柯尼卡美能达美国研究所有限公司 | 利用对扩展rgb空间的色调映射处理高动态范围图像的方法 |
CN105427255A (zh) * | 2015-11-16 | 2016-03-23 | 中国航天时代电子公司 | 一种基于grhp的无人机红外图像细节增强方法 |
WO2017101137A1 (zh) * | 2015-12-15 | 2017-06-22 | 华为技术有限公司 | 一种高动态范围图像的处理方法、装置及终端设备 |
WO2017107114A1 (zh) * | 2015-12-23 | 2017-06-29 | 华为技术有限公司 | 一种图像信号转换处理方法、装置及终端设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103700067A (zh) * | 2013-12-06 | 2014-04-02 | 浙江宇视科技有限公司 | 一种提升图像细节的方法和装置 |
-
2017
- 2017-11-13 CN CN201711112510.8A patent/CN109785239B/zh active Active
-
2018
- 2018-08-30 WO PCT/CN2018/103351 patent/WO2019091196A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7840066B1 (en) * | 2005-11-15 | 2010-11-23 | University Of Tennessee Research Foundation | Method of enhancing a digital image by gray-level grouping |
CN102289792A (zh) * | 2011-05-03 | 2011-12-21 | 北京云加速信息技术有限公司 | 一种低照度视频图像增强方法及系统 |
CN102857674A (zh) * | 2011-06-28 | 2013-01-02 | 柯尼卡美能达美国研究所有限公司 | 利用对扩展rgb空间的色调映射处理高动态范围图像的方法 |
CN105427255A (zh) * | 2015-11-16 | 2016-03-23 | 中国航天时代电子公司 | 一种基于grhp的无人机红外图像细节增强方法 |
WO2017101137A1 (zh) * | 2015-12-15 | 2017-06-22 | 华为技术有限公司 | 一种高动态范围图像的处理方法、装置及终端设备 |
WO2017107114A1 (zh) * | 2015-12-23 | 2017-06-29 | 华为技术有限公司 | 一种图像信号转换处理方法、装置及终端设备 |
Non-Patent Citations (1)
Title |
---|
TIM BORER等: "Approaches to High Dynamic Range Video", 《2016 DIGITAL MEDIA INDUSTRY & ACADEMIC FORUM》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111383178A (zh) * | 2018-12-29 | 2020-07-07 | Tcl集团股份有限公司 | 一种图像增强方法、装置及终端设备 |
WO2021223542A1 (zh) * | 2020-05-08 | 2021-11-11 | 华为技术有限公司 | 图像动态范围处理方法和装置 |
CN114467110A (zh) * | 2020-05-08 | 2022-05-10 | 华为技术有限公司 | 图像动态范围处理方法和装置 |
CN112200719A (zh) * | 2020-09-27 | 2021-01-08 | 咪咕视讯科技有限公司 | 图像处理方法、电子设备及可读存储介质 |
CN112200719B (zh) * | 2020-09-27 | 2023-12-12 | 咪咕视讯科技有限公司 | 图像处理方法、电子设备及可读存储介质 |
CN112991209A (zh) * | 2021-03-12 | 2021-06-18 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN112991209B (zh) * | 2021-03-12 | 2024-01-12 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109785239B (zh) | 2021-05-04 |
WO2019091196A1 (zh) | 2019-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785239A (zh) | 图像处理的方法和装置 | |
US20210272251A1 (en) | System and Method for Real-Time Tone-Mapping | |
US8358351B2 (en) | Automatic tone mapping for cameras | |
US20140254928A1 (en) | Method and image processing device for image dynamic range compression with local contrast enhancement | |
CN109309826B (zh) | 图像色彩均衡方法、装置、终端设备及可读存储介质 | |
US9324137B2 (en) | Low-frequency compression of high dynamic range images | |
US10298896B2 (en) | Method and apparatus for generating HDRI | |
CN107993189B (zh) | 一种基于局部分块的图像色调动态调节方法和装置 | |
CN108234858A (zh) | 图像虚化处理方法、装置、存储介质及电子设备 | |
CN113240760B (zh) | 一种图像处理方法、装置、计算机设备和存储介质 | |
US9813698B2 (en) | Image processing device, image processing method, and electronic apparatus | |
CN109493296A (zh) | 图像增强方法、装置、电子设备及计算机可读介质 | |
Tu et al. | V-PCC projection based blind point cloud quality assessment for compression distortion | |
CN104715735B (zh) | 一种背光调整的方法和装置 | |
CN108428211B (zh) | 图像的处理方法、装置和机器可读介质 | |
CN111063319B (zh) | 基于背光调整的图像动态增强方法、装置和计算机设备 | |
CN109308690B (zh) | 一种图像亮度均衡方法及终端 | |
CN114666584B (zh) | 一种基于高频置零的编码方法、装置、设备及介质 | |
CN115293994B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN116645282A (zh) | 基于大数据的数据处理方法及系统 | |
US20150215602A1 (en) | Method for ajdusting stereo image and image processing device using the same | |
CN109089111B (zh) | 一种立体视频舒适度评价方法、系统及终端设备 | |
CN106782354B (zh) | 背光亮度调节方法、装置及显示设备 | |
CN104185005A (zh) | 图像处理装置和图像处理方法 | |
CN110113595A (zh) | 一种2d视频转3d视频的方法、装置及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |