CN109801240A - 一种图像增强方法以及图像增强装置 - Google Patents
一种图像增强方法以及图像增强装置 Download PDFInfo
- Publication number
- CN109801240A CN109801240A CN201910035465.3A CN201910035465A CN109801240A CN 109801240 A CN109801240 A CN 109801240A CN 201910035465 A CN201910035465 A CN 201910035465A CN 109801240 A CN109801240 A CN 109801240A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- original
- pixel
- dark space
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种图像增强方法以及图像增强装置，该图像增强方法包括：获取原始灰度图像；依据原始灰度图像的像素总数以及各灰度值对应的像素数目，划分亮区和暗区；计算暗区的灰度均值，依据灰度均值以及预设的灰度阈值，确定每个像素的放大倍数；依据每个像素的放大倍数，对原始灰度图像进行亮度增强处理，得到目标灰度图像。本发明依据原始灰度图像的灰度分布情况，确定每个像素的放大倍数，以增强图像的亮度，采用点处理算法，处理效率高，占用资源少，实时性好。
Description
技术领域
本发明属于图像处理领域，更具体地，涉及一种图像增强方法以及图像增强装置。
背景技术
实际拍摄图片中，经常出现亮度较暗的图像，如逆光拍摄时，拍摄的图片中经常出现暗区，亮度较低，图像细节特征不明显。
目前，通常采用gamma(伽马)校正和灰度线性变换方法等，提升图片的亮度，不过gamma校正方法需要自适应确定gamma参数，处理效率较低，灰度线性变换方法一般很难达到较好的视觉感知效果。
现有技术中，还存在一种方案，可以采用多张不同曝光度的图像进行合成为一张高动态图，但是此种方案，需要预先拍摄多张图片，这种多图合成算法一般计算比较复杂，处理效率低，不太适用于实时性要求较高的视频应用场合。另外，还存在分段对图片进行亮度处理以及边缘增强处理的方案，例如，公开号为CN106530237A-一种图像增强方法，先将图片的直方图划分为高、中、低三段，然后在根据每一段的特性，分别对这三段进行剪切与补偿处理，调整图片的亮度以及边缘细节。
前述方案的处理效率低，占用资源多，不适用于实时性较高的应用场景。
鉴于此，克服该现有技术所存在的缺陷是本技术领域亟待解决的问题。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种图像增强方法以及相应的图像增强装置，其目的在于依据原始灰度图像的灰度分布情况，确定每个像素的放大倍数，以增强图像的亮度，采用点处理算法，处理效率高，占用资源少，实时性好，由此解决目前图像增强的处理效率低，占用资源多，不适用于实时性较高的应用场景的技术问题。
为实现上述目的，按照本发明的一个方面，提供了一种图像增强方法，所述图像增强方法包括：获取原始灰度图像；依据所述原始灰度图像的像素总数以及各灰度值对应的像素数目，划分亮区和暗区；计算所述暗区的灰度均值，依据所述灰度均值以及预设的灰度阈值，确定每个像素的放大倍数；依据所述每个像素的放大倍数，对所述原始灰度图像进行亮度增强处理，得到目标灰度图像。
优选地，所述计算所述暗区的灰度均值，依据所述灰度均值以及预设的灰度阈值，确定每个像素的放大倍数包括：
计算所述暗区的灰度均值；
判断所述灰度均值是否小于预设的灰度阈值；
若所述灰度均值小于预设的灰度阈值，则依据所述灰度均值以及所述预设的灰度阈值，确定所述暗区对应的最大放大倍数，其中，所述最大放大倍数与所述灰度均值呈反比例关系；
依据所述最大放大倍数以及所述原始灰度图像对应的动态范围，确定每个像素的放大倍数。
优选地，所述依据所述灰度均值以及所述预设的灰度阈值，确定所述暗区对应的最大放大倍数，其中，所述最大放大倍数与所述灰度均值呈反比例关系包括：
依据公式一，确定所述暗区对应的最大放大倍数，其中，公式一具体如下：
其中，maxCoef为所述暗区对应的最大放大倍数，darkmean为所述灰度均值，darkPara为所述预设的灰度阈值，K1为比例系数，n大于零。
优选地，所述依据所述最大放大倍数以及所述原始灰度图像对应的动态范围，确定每个像素的放大倍数包括：
依据公式二，确定每个像素的放大倍数，其中，公式二具体如下：
其中，MatCoef(i)为第i个像素的放大倍数，DRange为所述原始灰度图像的动态范围，h1(i)为所述原始灰度图像中第i个像素的原始灰度值，K2为比例系数。
优选地，所述依据所述每个像素的放大倍数，对所述原始灰度图像进行亮度增强处理，得到目标灰度图像包括：
依据公式三，得到目标灰度图像，其中，公式三具体如下：
h2(i)＝(h1(i)+K3)*MatCoef(i)-K3
其中，h2(i)为所述目标灰度图像中第i个像素的目标灰度值，K3为偏移值。
优选地，所述依据所述原始灰度图像的像素总数以及各灰度值对应的像素数目，划分亮区和暗区包括：
采用直方图统计算法，得到所述原始灰度图像对应的直方图；
依据所述直方图确定亮区与暗区的分割点，以使得所述暗区中的像素数目与所述亮区中的像素数目相等。
优选地，所述图像增强方法还包括：
在进行图像增亮后，对所述目标灰度图像进行直方图预处理和直方图均衡处理，得到细节增强的灰度图像。
优选地，所述获取原始灰度图像包括：
获取具有第一分辨率的原始灰度图像；
所述依据所述每个像素的放大倍数，对所述原始灰度图像进行亮度增强处理，得到目标灰度图像包括：
依据所述每个像素的放大倍数，对所述具有第一分辨率的原始灰度图像进行亮度增强处理，得到中间灰度图像；
对所述中间灰度图像进行压缩，得到具有第二分辨率的目标灰度图像，其中，所述第二分辨率小于所述第一分辨率；
删除所述原始灰度图像以及所述中间灰度图像。
优选地，所述图像增强方法还包括：
依据用户指令，获取所述目标灰度图像中的目标对象；
基于所述目标对象，在大数据平台中，获取参照图像，其中，所述参照图像中包含与所述目标对象相匹配的参照对象；
将所述目标灰度图像与所述参照图像进行融合，得到与所述用户指令相匹配的图像。
按照本发明的另一方面，提供了一种图像增强的装置，包括至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被程序设置为执行本发明所述的图像增强方法。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有如下有益效果：本发明提供一种图像增强方法，该方法包括获取原始灰度图像，依据原始灰度图像的像素总数以及各灰度值对应的像素数目，划分亮区和暗区，计算暗区的灰度均值，依据灰度均值以及预设的灰度阈值，确定每个像素的放大倍数，依据每个像素的放大倍数，对原始灰度图像进行亮度增强处理，得到目标灰度图像。本发明的图像增强方法，依据原始灰度图像的灰度分布情况，确定每个像素的放大倍数，根据放大倍数对原始灰度图像中的所有像素的灰度值进行放大，增强图像的亮度，提高图像的质量。本发明采用点处理算法，处理效率高，实时性好，尤其适用于实时性要求的场景；而且，需要的资源少，一张图像也可完成图像增强处理。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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是本发明实施例提供的一种图像增强方法的流程示意图；
图2是本发明实施例提供的图1中的步骤103的具体流程示意图；
图3a是本发明实施例提供的一种原始灰度图像示意图；
图3b是本发明实施例提供的对图3a中的原始灰度图像进行亮度增强后的图像示意图；
图3c是本发明实施例提供的对图3b中的图像进行细节增强后的图像示意图；
图4是本发明实施例提供的另一种图像增强方法的流程示意图；
图5是本发明实施例提供的又一种图像增强方法的流程示意图；
图6是本发明实施例提供的一种图像增强装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1：
在具体应用场景下，实际拍摄图片中，经常出现亮度较暗的图像，如逆光拍摄时，拍摄的图片中经常出现暗区，亮度较低，图像细节特征不明显。
为了快速有效地提高图片的亮度，本实施例提供一种图像增强方法，该图像增强方法依据原始灰度图像的灰度分布情况，确定每个像素的放大倍数，根据放大倍数对原始灰度图像中的所有像素的灰度值进行放大，在保证对比度的前提下，增强图像的亮度，从而提高图像的质量。本实施例采用点处理算法，处理效率高，实时性好，尤其适用于实时性要求的场景；而且，需要的资源少，一张图像也可完成图像增强处理。
下面结合图1，具体说明本实施例的图像增强方法的可实现方式之一：
步骤101：获取原始灰度图像。
其中，可以根据实际情况选取合适的颜色空间，得到与该颜色空间相匹配的原始灰度图像。举例而言，颜色空间可以为RGB(红绿蓝)或YCbCr，其中，在YCbCr中，Y是指亮度分量，Cb指蓝色色度分量，Cr指红色色度分量。
针对不同的颜色空间，原始灰度图像对应的灰度值以及动态范围均有所差异，例如，对于RGB灰度图像，根据国际标准规定，理论上的最小灰度值为0，理论上的最大灰度值为255，RGB灰度图像的最大动态范围为256；对于YCbCr，理论上的最小灰度值为16，理论上的最大灰度值为235，YCbCr对应的灰度图像的最大动态范围为220。
在本实施例中，根据所选择的颜色空间，得到与该颜色空间相匹配的原始灰度图像，并获取该原始灰度图像的最小灰度值、最大灰度值以及动态范围，以便于后续图像增强使用。
当然，在其他实施例中，也可选择其他的颜色空间，对于颜色空间的类型不做限定。本实施例的图像增强方法的处理理念适用于不同类型的颜色空间，针对不同的颜色空间，具体差异主要体现在图像对应的灰度值、动态范围以及相应的处理参数。
在具体应用场景下，本实施例的图像增强方法尤其适用于一张原始灰度图像，仅根据一张原始灰度图像即可完成图像增强处理，避免了多次拍摄获取多张图像的过程，占用资源少，不需要多张图片合成过程即可达到图像增强的效果，处理效率高，尤其适用于实时性较高的应用场景(例如，视频)。当然，原始灰度图像的数目也可以为多个，分别对每个图像进行亮度增强处理后，再进行图片融合，得到更高质量的图像，较适用于对图像质量要求较高的应用场景。
步骤102：依据所述原始灰度图像的像素总数以及各灰度值对应的像素数目，划分亮区和暗区。
其中，可以采用统计的方法，获取原始灰度图像的像素总数以及各灰度值对应的像素数目，确定图像的分布情况，划分亮区和暗区。在可选的实施例中，对于整体较暗的原始灰度图像，灰度值低的像素数目占比要大于灰度值高的像素数目，为了能够较好的提高整体亮度，暗区中的像素数目大于亮区中的像素数目；对于局部较暗的原始灰度图像，灰度值低的像素数目占比可能小于灰度值高的像素数目，为了能够较好的提高局部亮度，暗区中的像素数目小于亮区中的像素数目。
在实际应用场景下，为了提高处理的效率，可以不关注图像的整体暗度情况或者局部暗度情况，可以等分得到暗区以及亮区，使得暗区中的像素数目与亮区中的像素数目相等。
在具体应用场景下，可以采用直方图统计算法，得到所述原始灰度图像对应的归一化直方图，然后，依据所述归一化直方图确定亮区与暗区的分割点，以使得所述暗区中的像素数目与所述亮区中的像素数目相等。
步骤103：计算所述暗区的灰度均值，依据所述灰度均值以及预设的灰度阈值，确定每个像素的放大倍数。
其中，累加暗区中像素的灰度值，再除以暗区中的像素数目，得到暗区的灰度均值，根据灰度均值的大小判断确定是否需要进行亮度增强，以及亮度增强的程度。
在具体应用场景下，依据步骤101中所选择的颜色空间确定灰度比较参数，一般而言，依据不同的显示需求，灰度比较参数是一个范围值，在实际处理中，依据实际亮度需求，在灰度比较参数中，选取与亮度需求相匹配的具体参数值，该具体参数值即为所述预设的灰度阈值。
经过大量研究以及实验，发明人发现灰度比较参数控制在90～110对应的范围内，图像增强的效果比较好，能够有限改善暗区，同时能够保证亮区的质量。
举例而言，当原始灰度图像对应的颜色空间为RGB时，预设的灰度阈值相对较小，例如，预设的灰度阈值可以为90、95或100等，当然也可以取110，只是在实际情况下，预设的灰度阈值接近90的概率更大；当原始灰度图像对应的颜色空间为YCbCr时，预设的灰度阈值相对较大，例如，预设的灰度阈值为110、105或100，当然也可以取90，只是在实际情况下，预设的灰度阈值接近110的概率更大。
在具体应用场景下，步骤103的可实现方式之一，如图2所示：
步骤1031：计算所述暗区的灰度均值。
其中，累加暗区中像素的灰度值，再除以暗区中的像素数目，得到暗区的灰度均值。
步骤1032：判断所述灰度均值是否小于预设的灰度阈值。
其中，所述预设的灰度阈值可以从前述的灰度比较参数中选取合适的值，所述预设的灰度阈值可以依据实际情况而定，若图像整体偏暗，则预设的灰度阈值可以取相对较小值，若图像只是局部偏暗，则预设的灰度阈值可以取较大值。具体可以依据像素点的灰度分布确定图像是整体偏暗还是局部偏暗，从而确定预设的灰度阈值。
步骤1033：若所述灰度均值小于预设的灰度阈值，则依据所述灰度均值以及所述预设的灰度阈值，确定所述暗区对应的最大放大倍数，其中，所述最大放大倍数与所述灰度均值呈反比例关系。
在本实施例中，若所述灰度均值小于预设的灰度阈值，则需要对原始灰度图像进行亮度增强。对于每个像素的亮度增强程度主要分为两大步：(1)确定最大放大倍数，避免暗区调节的太亮，影响图像的对比度；(2)基于最大放大倍数，针对每个像素的灰度值大小进行亮度增强，以保证图像的对比度。
针对步骤(1)，以均分像素总数划分明区和暗区为例，当图像发生明暗变化时，暗区的灰度均值也会发生变化，对于较亮图像，灰度均值较大，则对应的最大放大倍数相应的较小；对于较暗图像，灰度均值较小，则对应的最大放大倍数相应的较大。为了在保证对比度的前提下，能够有效调节图像的亮度，可以依据公式一，确定所述暗区对应的最大放大倍数，其中，公式一具体如下：
其中，maxCoef为所述暗区对应的最大放大倍数，darkmean为所述灰度均值，darkPara为所述预设的灰度阈值，K1为比例系数，n大于零。
其中，K1的取值依据实际情况而定，K1的范围为10～20，K1的具体取值可以依据实际的亮度需求而定，若目标亮度较高，则K1的取值相对较大，若目标亮度较低，则K1的取值相对较小，例如，K1可以等于15。
其中，当比例系数K1固定时，若较小，则像素均值与预设的灰度阈值比较接近，只需要微调原始灰度图像，即可达到目标亮度，因此，可以取n小于1，增强的影响，使得maxCoef相对较小；若较大，则像素均值与预设的灰度阈值相差较大，需要大幅度调节原始灰度图像，方可达到目标亮度，因此，可以取n大于1，增强的影响，使得maxCoef相对较大。例如，n可以取2、3或者其他数值。
关于n的大小可以依据具体情况而定，在此，不做具体限定。
步骤1034：依据所述最大放大倍数以及所述原始灰度图像对应的动态范围，确定每个像素的放大倍数。
针对步骤(2)，在确定了最大放大倍数后，依据所述最大放大倍数以及所述原始灰度图像对应的动态范围，确定每个像素的放大倍数。在本实施例中，依据公式二，确定每个像素的放大倍数，其中，公式二具体如下：
其中，MatCoef(i)为第i个像素的放大倍数，DRange为所述原始灰度图像的动态范围，h1(i)为所述原始灰度图像中第i个像素的原始灰度值，K2为比例系数。
其中，比例系数K2的取值范围为10～20，依据实际情况以及对应的颜色空间而定，例如，K2可以等于10、15或者其他数值。
在具体应用场景下，h1(i)对应的原始灰度值越大，对应的放大倍数MatCoef(i)会相应越小；h1(i)对应的原始灰度值越小，对应的放大倍数MatCoef(i)会相应越大，从而达到较大程度调节亮度较暗的像素点，微调亮度较亮的像素点，避免像素点之间亮度相差较大，在提升图像亮度的同时，保证图像的质量。
步骤1035：若所述灰度均值不小于预设的灰度阈值，无需对所述原始灰度图像进行亮度增强。
其中，若所述灰度均值不小于预设的灰度阈值，则表明原始灰度图像的亮度满足需求，无需对所述原始灰度图像进行亮度增强。目标灰度图像与原始灰度图像相同，相当于公式一中的max Coef等于0。
步骤104：依据所述每个像素的放大倍数，对所述原始灰度图像进行亮度增强处理，得到目标灰度图像。
在本实施例中，依据公式三，得到目标灰度图像，其中，公式三具体如下：
h2(i)＝(h1(i)+K3)*MatCoef(i)-K3
其中，h2(i)为所述目标灰度图像中第i个像素的目标灰度值，K3为偏移值。
其中，偏移值K3的大小影响着每个像素对应的目标灰度值h2(i)的大小，可以进一步微调每个像素的目标灰度值，从而在增强图像亮度的同时，保证图像的质量。偏移值K3的大小可以依据实际况而定，例如，偏移值K3可以为5。
前述主要说明，增强图像亮度的方式，在对图像亮度进行亮度增强后，具有明显的人工处理痕迹，需要对图像进行直方图预处理以及直方图均衡处理，得到细节增强的灰度图像。
直方图预处理的过程为：首先，获取目标灰度图像对应的归一化直方图Hist1，然后，将Hist1进行均值归一化，得到Hist2，其中，Hist2＝Hist1*DRange，其中，DRange为目标灰度图像的动态范围。
然后，对直方图进行削峰钳位处理，Hist2(Hist2＞a)＝a，其中，参数a可变，a的变化范围为1～10，例如，a等于2。参数a的取值越大，最终结果图像的对比度越大，效果越接近经典算法。
进一步地，对于直方图中的小数据进行提升，Hist2(Hist2＜1)＝Hist2(Hist2＜1).^b，其中，参数b可变，b的变化范围为0.1～0.9，例如，b等于0.5。参数b的数值越小，小数据提升的越大，最终结果图像中细节保留的越多，视觉效果越好。
最后，对直方图进行整体偏置提升，得到经过预处理后的直方图，其中，前述公式中的Hist2为经过削峰钳位处理和小数据提升后的直方图。其中，参数c的大小可变，参数c的变化范围为0.1～0.8。
前述参数a、b以及c的大小可以依据实际情况而定，在此不做具体限定。
直方图均衡的过程为：首先，计算归一化直方图并累加，其中，cumsum为直方图Hist3的数组累加和，sum为直方图Hist3的数组和，cdf为一维数组。
然后，依据一维数组c df生成查找表l u_t，Hlut_HE＝cdf*(DRange-1)+lmin，其中，lmin为目标灰度图像中最小的灰度值，查找表lut_HE为一维数组。
最后，通过查找表生成细节增强的图像。
基于前述的图像增强方法，本实施例还提供了各阶段下的图像：图3a为原始灰度图像，可以看出，右边的图像亮度偏暗；图3b为经过亮度增强后的目标灰度图像，可以看出，图像的亮度提高了，消除了较暗的区域，不过存在人工处理的痕迹；图3c为经过细节增强处理后的图像，更接近与被拍摄的实景，图像质量较好。
本发明的图像增强方法，依据原始灰度图像的灰度分布情况，确定每个像素的放大倍数，根据放大倍数对原始灰度图像中的所有像素的灰度值进行放大，增强图像的亮度，提高图像的质量。本发明采用点处理算法，处理效率高，实时性好，尤其适用于实时性要求的场景；而且，需要的资源少，一张图像也可完成图像增强处理。
进一步地，在进行亮度增强后，采用直方图预处理以及均衡处理，对图像细节进行增强，得到高质量的图像。
实施例2：
在实际应用场景中，原始灰度图像的分辨率越高，所展示的细节也就越多，基于实施例1中的图像增强方法得到的目标灰度图像的质量也越高。但是分辨率高的图像所占用的存储空间也会相应增大，对于某些存储空间有限的终端，无法大量存储高质量的图像，用户体验较差。
为了解决前述问题，本实施例基于实施例1提供了一种改进型方案，可以保证图像的质量，同时，图像的占用空间较小，可以存储大量的高质量图像，提高用户体验。
参阅图4，本实施例的图像增强方法包括如下步骤：
步骤201：获取具有第一分辨率的原始灰度图像。
在本实施例中，获取具有第一分辨率的原始灰度图像，可以将原始灰度图像存储在临时存储区。
步骤202：依据所述原始灰度图像的像素总数以及各灰度值对应的像素数目，划分亮区和暗区。
步骤203：计算所述暗区的灰度均值，依据所述灰度均值以及预设的灰度阈值，确定每个像素的放大倍数。
步骤204：依据所述每个像素的放大倍数，对所述具有第一分辨率的原始灰度图像进行亮度增强处理，得到中间灰度图像。
其中，中间灰度图像的分辨率与原始灰度图像的分辨率相同。
在本实施例中，步骤202～步骤204与实施例1中的步骤102～步骤104基本相同，主要是原始灰度图像的分辨率可能存在差异，具体的处理过程，请参照实施例1，在此，不再赘述。
步骤205：对所述中间灰度图像进行压缩，得到具有第二分辨率的目标灰度图像，其中，所述第二分辨率小于所述第一分辨率。
其中，为了节省存储空间，需要对中间灰度图像进行压缩，得到具有第二分辨率的目标灰度图像。由于第二分辨率小于第一分辨率，目标灰度图像所占用的存储空间小于中间灰度图像所占用的存储空间。
步骤206：删除所述原始灰度图像以及所述中间灰度图像。
为了释放存储空间，需要删除所述原始灰度图像以及所述中间灰度图像。在本实施例中，所述中间灰度图像也可存储在临时存储区。
举例而言，采用手机拍照时，手机的摄像头有多个像素质量可以设置，在使用中，可以依据实际情况设置摄像头的像素质量。当需要获取第二分辨率的图像时，可以将摄像头设置到相应的档位(例如，中档)，在拍摄过程中，手机采集到的原始灰度图像的分辨率为第一分辨率(例如，第一分辨率可以为手机对应的最高档位)，基于第一分辨率的原始灰度图像按照实施例1中的图像增强方法进行处理，得到具有第一分辨率的中间灰度图像，并删除相应的原始灰度图像，最后，对所述中间灰度图像进行压缩，得到目标灰度图像。
在本实施例中，原始灰度图像的分辨率较高，图像中所包含的细节较多，在对进行图像增强处理过程中，可以得到质量较高的中间灰度图像，对所述中间灰度图像进行压缩，得到目标需求的图像。相较于原始灰度图像和目标灰度图像均是第二分辨的场景，本实施例从源头获取较高质量的图像，使得最终得到的第二分辨率的目标灰度图像的质量较高，不过，针对同一图像，二者占用的存储空间相同，则在不增加存储空间的情况下，本实施例的图像质量更高，不仅提高了图像质量，而且间接地节省了图像的存储空间。
实施例3：
存在一些应用场景，由于拍摄位置或天气影响，获取到的原始灰度图像中的某个或某些目标对象较模糊，导致获取到的目标灰度图像中的目标对象较模糊，分辨率不高，为了提供满足用户需求的图像，本实施例基于实施例1提供了另一种改进型方案，可以依据大数据平台下，获取包含目标对应的图像，将该图像与目标灰度图像进行融合，得到满足用户需求的图像。
参阅图5，本实施例的图像增强方法包括如下步骤：
步骤301：获取原始灰度图像。
步骤302：依据所述原始灰度图像的像素总数以及各灰度值对应的像素数目，划分亮区和暗区。
步骤303：计算所述暗区的灰度均值，依据所述灰度均值以及预设的灰度阈值，确定每个像素的放大倍数。
步骤304：依据所述每个像素的放大倍数，对所述原始灰度图像进行亮度增强处理，得到目标灰度图像。
其中，步骤301～步骤304与实施例1中的步骤101～步骤104相同，具体的处理过程，可参照实施例1，在此，不再赘述。
步骤305：依据用户指令，获取所述目标灰度图像中的目标对象。
其中，在得到目标灰度图像后，获取用户指令，依据用户指令，获取所述目标灰度图像中的目标对象。
举例而言，在某地对建筑物A进行拍摄后，用户发现由于建筑物A与用户的位置之间的距离较远，致使建筑物A较小，无法展示细节。用户希望能够获取建筑物A较多的细节特征，可以触发相应的指令，从大数据平台中获取包含建筑物A的参照图像。
步骤306：基于所述目标对象，在大数据平台中，获取参照图像，其中，所述参照图像中包含与所述目标对象相匹配的参照对象。
其中，在大数据平台中可以依据拍摄地点，对图片进行分类。依据用户实际拍摄地点，快速地在大数据平台中，获取参照图像，其中，所述参照图像中包含与所述目标对象相匹配的参照对象。
步骤307：将所述目标灰度图像与所述参照图像进行融合，得到与所述用户指令相匹配的图像。
在本实施例中，将所述目标灰度图像与所述参照图像进行融合，基于参照图像中的参照对象对目标对象进行渲染，得到与所述用户指令相匹配的图像。
本实施例的图像增强方法，借助于大数据平台，对图像进行融合，可以获取满足用户需求的图像，提供差异化内容的呈现，能够应对不同的浏览场景。
实施例4：
请参阅图6，图6是本发明实施例提供的一种图像增强装置的结构示意图。本实施例的图像增强装置包括一个或多个处理器61以及存储器62。其中，图6中以一个处理器61为例。
处理器61和存储器62可以通过总线或者其他方式连接，图6中以通过总线连接为例。
存储器62作为一种基于数据同步的非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如实施例1～实施例3中的图像增强方法以及对应的程序指令。处理器61通过运行存储在存储器62中的非易失性软件程序、指令以及模块，从而执行图像增强方法的各种功能应用以及数据处理，实现实施例1的图像增强方法的功能。
其中，存储器62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，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器62可选包括相对于处理器61远程设置的存储器，这些远程存储器可以通过网络连接至处理器61。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
关于图像增强方法请参照图1～图5及相关的文字描述在此，不再赘述。
值得说明的是，上述装置和系统内的模块、单元之间的信息交互、执行过程等内容，由于与本发明的处理方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本领域普通技术人员可以理解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(Read Only Memory，简写为ROM)、随机存取存储器(Random AccessMemory，简写为RAM)、磁盘或光盘等。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种图像增强方法，其特征在于，所述图像增强方法包括：
获取原始灰度图像；
依据所述原始灰度图像的像素总数以及各灰度值对应的像素数目，划分亮区和暗区；
计算所述暗区的灰度均值，依据所述灰度均值以及预设的灰度阈值，确定每个像素的放大倍数；
依据所述每个像素的放大倍数，对所述原始灰度图像进行亮度增强处理，得到目标灰度图像。
2.根据权利要求1所述的图像增强方法，其特征在于，所述计算所述暗区的灰度均值，依据所述灰度均值以及预设的灰度阈值，确定每个像素的放大倍数包括：
计算所述暗区的灰度均值；
判断所述灰度均值是否小于预设的灰度阈值；
若所述灰度均值小于预设的灰度阈值，则依据所述灰度均值以及所述预设的灰度阈值，确定所述暗区对应的最大放大倍数，其中，所述最大放大倍数与所述灰度均值呈反比例关系；
依据所述最大放大倍数以及所述原始灰度图像对应的动态范围，确定每个像素的放大倍数。
3.根据权利要求2所述的图像增强方法，其特征在于，所述依据所述灰度均值以及所述预设的灰度阈值，确定所述暗区对应的最大放大倍数，其中，所述最大放大倍数与所述灰度均值呈反比例关系包括：
依据公式一，确定所述暗区对应的最大放大倍数，其中，公式一具体如下：
其中，maxCoef为所述暗区对应的最大放大倍数，darkmean为所述灰度均值，darkPara为所述预设的灰度阈值，K1为比例系数，n大于零。
4.根据权利要求3所述的图像增强方法，其特征在于，所述依据所述最大放大倍数以及所述原始灰度图像对应的动态范围，确定每个像素的放大倍数包括：
依据公式二，确定每个像素的放大倍数，其中，公式二具体如下：
其中，MatCoef(i)为第i个像素的放大倍数，DRange为所述原始灰度图像的动态范围，h1(i)为所述原始灰度图像中第i个像素的原始灰度值，K2为比例系数。
5.根据权利要求4所述的图像增强方法，其特征在于，所述依据所述每个像素的放大倍数，对所述原始灰度图像进行亮度增强处理，得到目标灰度图像包括：
依据公式三，得到目标灰度图像，其中，公式三具体如下：
h2(i)＝(h1(i)+K3)*MatCoef(i)-K3
其中，h2(i)为所述目标灰度图像中第i个像素的目标灰度值，K3为偏移值。
6.根据权利要求1～5任一项所述的图像增强方法，其特征在于，所述依据所述原始灰度图像的像素总数以及各灰度值对应的像素数目，划分亮区和暗区包括：
采用直方图统计算法，得到所述原始灰度图像对应的直方图；
依据所述直方图确定亮区与暗区的分割点，以使得所述暗区中的像素数目与所述亮区中的像素数目相等。
7.根据权利要求1～5任一项所述的图像增强方法，其特征在于，所述图像增强方法还包括：
在进行图像增亮后，对所述目标灰度图像进行直方图预处理和直方图均衡处理，得到细节增强的灰度图像。
8.根据权利要求1～5任一项所述的图像增强方法，其特征在于，所述获取原始灰度图像包括：
获取具有第一分辨率的原始灰度图像；
所述依据所述每个像素的放大倍数，对所述原始灰度图像进行亮度增强处理，得到目标灰度图像包括：
依据所述每个像素的放大倍数，对所述具有第一分辨率的原始灰度图像进行亮度增强处理，得到中间灰度图像；
对所述中间灰度图像进行压缩，得到具有第二分辨率的目标灰度图像，其中，所述第二分辨率小于所述第一分辨率；
删除所述原始灰度图像以及所述中间灰度图像。
9.根据权利要求1～5任一项所述的图像增强方法，其特征在于，所述图像增强方法还包括：
依据用户指令，获取所述目标灰度图像中的目标对象；
基于所述目标对象，在大数据平台中，获取参照图像，其中，所述参照图像中包含与所述目标对象相匹配的参照对象；
将所述目标灰度图像与所述参照图像进行融合，得到与所述用户指令相匹配的图像。
10.一种图像增强的装置，其特征在于，包括至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被程序设置为执行如权利要求1～9任一项所述的图像增强方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910035465.3A CN109801240B (zh) | 2019-01-15 | 2019-01-15 | 一种图像增强方法以及图像增强装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910035465.3A CN109801240B (zh) | 2019-01-15 | 2019-01-15 | 一种图像增强方法以及图像增强装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109801240A true CN109801240A (zh) | 2019-05-24 |
| CN109801240B CN109801240B (zh) | 2020-12-08 |
Family
ID=66558957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910035465.3A Active CN109801240B (zh) | 2019-01-15 | 2019-01-15 | 一种图像增强方法以及图像增强装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109801240B (zh) |
Cited By (15)
| 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 |
| CN110470683A (zh) * | 2019-08-22 | 2019-11-19 | 福建省晋华集成电路有限公司 | 一种确定凹槽深度的方法 |
| CN110766622A (zh) * | 2019-10-14 | 2020-02-07 | 北京理工大学 | 基于亮度区分和Gamma平滑的水下图像增强方法 |
| CN111311496A (zh) * | 2020-03-25 | 2020-06-19 | 厦门汉印电子技术有限公司 | 图像分辨率快速调整方法和装置 |
| CN111563517A (zh) * | 2020-04-20 | 2020-08-21 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN112862709A (zh) * | 2021-01-27 | 2021-05-28 | 昂纳工业技术(深圳)有限公司 | 图像特征增强方法、装置及可读存储介质 |
| CN112950399A (zh) * | 2021-03-10 | 2021-06-11 | 中国热带农业科学院热带作物品种资源研究所 | 一种山兰米种植无公害防治系统及方法 |
| CN113034382A (zh) * | 2021-02-23 | 2021-06-25 | 深圳市创想三维科技有限公司 | 亮度均匀度调节方法、装置、计算机设备和可读存储介质 |
| CN113256587A (zh) * | 2021-05-31 | 2021-08-13 | 中国人民解放军国防科技大学 | 一种电离层等离子体泡气辉图像自动化处理方法及装置 |
| CN113658564A (zh) * | 2021-08-30 | 2021-11-16 | 京东方科技集团股份有限公司 | 一种图像色深转换的方法、电子设备 |
| CN113727097A (zh) * | 2021-08-31 | 2021-11-30 | 重庆紫光华山智安科技有限公司 | 拍摄设备状态确认方法、系统、设备及介质 |
| CN113947553A (zh) * | 2021-12-20 | 2022-01-18 | 山东信通电子股份有限公司 | 一种图像亮度增强方法及设备 |
| CN115052111A (zh) * | 2021-03-08 | 2022-09-13 | 晶晨半导体(上海)股份有限公司 | 图像处理方法、装置、图像处理设备及存储介质 |
| CN115423723A (zh) * | 2022-10-14 | 2022-12-02 | 哈尔滨市科佳通用机电股份有限公司 | 自适应铁路货车异常检测训练集图像增强方法 |
| CN116884359A (zh) * | 2023-09-06 | 2023-10-13 | 深圳市明亚顺科技有限公司 | 基于画面内容的自适应调光方法、装置、设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103971330A (zh) * | 2013-02-05 | 2014-08-06 | 腾讯科技（深圳）有限公司 | 图像增强方法及装置 |
| CN104915934A (zh) * | 2015-06-15 | 2015-09-16 | 电子科技大学 | 一种基于视网膜机制的灰度图像增强方法 |
| CN105260988A (zh) * | 2015-09-09 | 2016-01-20 | 百度在线网络技术（北京）有限公司 | 一种高精地图数据的处理方法和装置 |
| CN105530406A (zh) * | 2015-12-18 | 2016-04-27 | 成都国翼电子技术有限公司 | 一种基于历史帧图像统计值的智能增强方法 |
| CN106846282A (zh) * | 2017-03-28 | 2017-06-13 | 华侨大学 | 一种采用自适应校正的低照度图像增强方法 |
| EP3340227A1 (en) * | 2016-12-23 | 2018-06-27 | Samsung Electronics Co., Ltd. | Display apparatus and method for driving the same |
| CN108492268A (zh) * | 2018-03-20 | 2018-09-04 | 哈尔滨理工大学 | 基于小波系数融合的低照度图像增强算法 |
| CN109003249A (zh) * | 2017-06-07 | 2018-12-14 | 展讯通信(天津)有限公司 | 增强图像细节的方法、装置及终端 |
-
2019
- 2019-01-15 CN CN201910035465.3A patent/CN109801240B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103971330A (zh) * | 2013-02-05 | 2014-08-06 | 腾讯科技（深圳）有限公司 | 图像增强方法及装置 |
| CN104915934A (zh) * | 2015-06-15 | 2015-09-16 | 电子科技大学 | 一种基于视网膜机制的灰度图像增强方法 |
| CN105260988A (zh) * | 2015-09-09 | 2016-01-20 | 百度在线网络技术（北京）有限公司 | 一种高精地图数据的处理方法和装置 |
| CN105530406A (zh) * | 2015-12-18 | 2016-04-27 | 成都国翼电子技术有限公司 | 一种基于历史帧图像统计值的智能增强方法 |
| EP3340227A1 (en) * | 2016-12-23 | 2018-06-27 | Samsung Electronics Co., Ltd. | Display apparatus and method for driving the same |
| CN106846282A (zh) * | 2017-03-28 | 2017-06-13 | 华侨大学 | 一种采用自适应校正的低照度图像增强方法 |
| CN109003249A (zh) * | 2017-06-07 | 2018-12-14 | 展讯通信(天津)有限公司 | 增强图像细节的方法、装置及终端 |
| CN108492268A (zh) * | 2018-03-20 | 2018-09-04 | 哈尔滨理工大学 | 基于小波系数融合的低照度图像增强算法 |
Cited By (22)
| 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 |
| 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 |
| CN110470683A (zh) * | 2019-08-22 | 2019-11-19 | 福建省晋华集成电路有限公司 | 一种确定凹槽深度的方法 |
| CN110470683B (zh) * | 2019-08-22 | 2021-12-14 | 福建省晋华集成电路有限公司 | 一种确定凹槽深度的方法 |
| CN110766622A (zh) * | 2019-10-14 | 2020-02-07 | 北京理工大学 | 基于亮度区分和Gamma平滑的水下图像增强方法 |
| CN111311496A (zh) * | 2020-03-25 | 2020-06-19 | 厦门汉印电子技术有限公司 | 图像分辨率快速调整方法和装置 |
| CN111311496B (zh) * | 2020-03-25 | 2023-03-21 | 厦门汉印电子技术有限公司 | 图像分辨率快速调整方法和装置 |
| CN111563517A (zh) * | 2020-04-20 | 2020-08-21 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN112862709A (zh) * | 2021-01-27 | 2021-05-28 | 昂纳工业技术(深圳)有限公司 | 图像特征增强方法、装置及可读存储介质 |
| CN112862709B (zh) * | 2021-01-27 | 2024-05-03 | 昂视智能(深圳)有限公司 | 图像特征增强方法、装置及可读存储介质 |
| CN113034382A (zh) * | 2021-02-23 | 2021-06-25 | 深圳市创想三维科技有限公司 | 亮度均匀度调节方法、装置、计算机设备和可读存储介质 |
| CN113034382B (zh) * | 2021-02-23 | 2024-04-30 | 深圳市创想三维科技股份有限公司 | 亮度均匀度调节方法、装置、计算机设备和可读存储介质 |
| CN115052111A (zh) * | 2021-03-08 | 2022-09-13 | 晶晨半导体(上海)股份有限公司 | 图像处理方法、装置、图像处理设备及存储介质 |
| CN112950399A (zh) * | 2021-03-10 | 2021-06-11 | 中国热带农业科学院热带作物品种资源研究所 | 一种山兰米种植无公害防治系统及方法 |
| CN113256587A (zh) * | 2021-05-31 | 2021-08-13 | 中国人民解放军国防科技大学 | 一种电离层等离子体泡气辉图像自动化处理方法及装置 |
| CN113658564A (zh) * | 2021-08-30 | 2021-11-16 | 京东方科技集团股份有限公司 | 一种图像色深转换的方法、电子设备 |
| CN113658564B (zh) * | 2021-08-30 | 2022-12-13 | 京东方科技集团股份有限公司 | 一种图像色深转换的方法、电子设备 |
| CN113727097B (zh) * | 2021-08-31 | 2023-07-07 | 重庆紫光华山智安科技有限公司 | 拍摄设备状态确认方法、系统、设备及介质 |
| CN113727097A (zh) * | 2021-08-31 | 2021-11-30 | 重庆紫光华山智安科技有限公司 | 拍摄设备状态确认方法、系统、设备及介质 |
| CN113947553A (zh) * | 2021-12-20 | 2022-01-18 | 山东信通电子股份有限公司 | 一种图像亮度增强方法及设备 |
| CN115423723A (zh) * | 2022-10-14 | 2022-12-02 | 哈尔滨市科佳通用机电股份有限公司 | 自适应铁路货车异常检测训练集图像增强方法 |
| CN116884359A (zh) * | 2023-09-06 | 2023-10-13 | 深圳市明亚顺科技有限公司 | 基于画面内容的自适应调光方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109801240B (zh) | 2020-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109801240A (zh) | 一种图像增强方法以及图像增强装置 | |
| Chang et al. | Automatic contrast-limited adaptive histogram equalization with dual gamma correction | |
| US20090317017A1 (en) | Image characteristic oriented tone mapping for high dynamic range images | |
| US8144985B2 (en) | Method of high dynamic range compression with detail preservation and noise constraints | |
| CN110033418B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| RU2544793C2 (ru) | Устройство обработки изображений и способ управления таковыми | |
| US8050512B2 (en) | High dynamic range images from low dynamic range images | |
| KR101739432B1 (ko) | 구역 기반의 톤 매핑 | |
| US7480421B2 (en) | Rendering of high dynamic range images | |
| US7006668B2 (en) | Image processing method and image processing apparatus | |
| US7245764B2 (en) | Image processing method and image processing apparatus utilizing luminance histograms, and projector | |
| US20060104508A1 (en) | High dynamic range images from low dynamic range images | |
| US20060164524A1 (en) | Brightness level converting apparatus, brightness level converting method, solid-state image pickup apparatus, brightness level converting program, and recording medium | |
| US9396526B2 (en) | Method for improving image quality | |
| US7613338B2 (en) | Image processing method and apparatus, program, and storage medium | |
| JP2002232728A (ja) | 画像処理プログラム、画像処理プログラムを記録したコンピュータ読み取り可能な記録媒体、画像処理装置および画像処理方法 | |
| US10019645B2 (en) | Image processing apparatus and method, and electronic equipment | |
| CN116645527A (zh) | 图像识别方法、系统、电子设备和存储介质 | |
| CN111724447B (zh) | 一种图像处理方法、系统及电子设备和存储介质 | |
| CN116894795B (zh) | 图像处理方法及装置 | |
| JP5004305B2 (ja) | 画像処理装置、画像処理方法、プログラムおよび記録媒体 | |
| JP2002281312A (ja) | 画像処理のための装置、方法及びプログラム | |
| EP4443286A1 (en) | Image processing method and electronic device | |
| JP2003060913A (ja) | 画像処理方法及び画像処理装置 | |
| US8384801B2 (en) | Scene-dependent auto exposure control |
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 |