CN110346116B - 一种基于图像采集的场景照度计算方法 - Google Patents
一种基于图像采集的场景照度计算方法 Download PDFInfo
- Publication number
- CN110346116B CN110346116B CN201910514530.0A CN201910514530A CN110346116B CN 110346116 B CN110346116 B CN 110346116B CN 201910514530 A CN201910514530 A CN 201910514530A CN 110346116 B CN110346116 B CN 110346116B
- Authority
- CN
- China
- Prior art keywords
- pixel
- scene
- brightness
- image
- diffuse reflection
- 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
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 35
- 238000004364 calculation method Methods 0.000 title claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 9
- 230000004927 fusion Effects 0.000 claims abstract description 5
- 238000013507 mapping Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 4
- 238000002310 reflectometry Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 8
- 238000004891 communication Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010049816 Muscle tightness Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000009123 feedback regulation Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/005—Testing of reflective surfaces, e.g. mirrors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像采集的场景照度计算方法,该方法基于嵌入式系统实现,系统主要由带有广角镜头的摄像模块、嵌入式处理器及通信模块组成。通过对摄像头采集的多幅图像进行融合处理,可以获取场景中各物体表面的照度情况,继而将照度信息由通信模块发送给上位机或者其它后继处理设备。其具体步骤包括:通过摄像头采集一幅场景的彩色图像,通过识别算法确定感兴趣工作面的区域(如特定的桌面等)。继而通过高光去除算法,去除工作面区域的高光像素点,即只留下漫反射的像素点,进一步地通过摄像头多曝光融合获取图像中各像素点对应的实际亮度信息,最后根据得到的场景亮度矩阵和物体表面反射特性计算工作面上漫反射点的照度值。
Description
技术领域
本发明涉及一种基于图像采集的场景照度计算方法,属于图像处理领域。
背景技术
照明环境的优劣对人的视觉健康和工作效率至关重要,不舒适的照明会导致人眼频繁过度调节、造成肌肉紧张、视觉疲劳,还会造成学习工作效率下降,影响精神状态。实时采集环境照明情况,并根据视觉健康准则对灯具加以反馈调节,是现在智能照明所追求的目标。
目前广泛采用的技术方案是在室内各点均匀布置传感器(如光敏传感器),用以采集场景中的照明情况。但是该方案需要大量的硬件资源,每个传感器节点都需要配备单独的无线通信模块及数据处理模块;一旦有某个节点损坏就会导致该节点区域的照度数据丢失,势必影响整体的照明控制;同时因为种种限制,目标场景往往也不方便安装如此多数量的传感器。
发明内容
为克服现有技术的不足,本发明提供一种基于图像采集的场景照度计算方法。该方法采用一个广角摄像头代替场景中所有的光敏传感器,通过物体识别、物体表面去高光等图像处理手段获取图像中感兴趣的像素区域,进一步地通过摄像头多曝光获取不同亮度范围的图像,融合处理后得到场景亮度矩阵,最后根据物体表面反射原理计算各物体表面照度。
本发明为解决上述技术问题采用以下技术方案:
本发明提供一种基于图像采集的场景照度计算方法,包括以下步骤:
步骤1、获取场景的彩色图像;
步骤2、根据步骤1获取的彩色图像,识别场景中的工作面区域;
步骤3、采用高光去除算法去除步骤2中每个工作面区域的高光像素点,只留下漫反射像素点,得到工作面漫反射像素区域;
步骤4、多曝光获取场景的多幅不同曝光度的图像;
步骤5、对步骤4中的曝光图像进行灰度-亮度映射,并根据权重融合得到场景亮度矩阵;
步骤6、根据步骤3获得的工作面漫反射像素区域及步骤5获取的场景亮度矩阵计算各个工作面区域的照度,从而得到整个场景的照度。
作为本发明的进一步技术方案,步骤1和4中均采用嵌入式摄像头获取图像,嵌入式摄像头采用广角镜头或者鱼眼镜头。
作为本发明的进一步技术方案,步骤2具体为:
2.1、基于色度识别原理,将步骤1获取的彩色图像转化为去高光图像,形成伪色图;
2.2、遍历伪色图的所有像素,对像素进行聚类,具体为:
1)若当前没有像素分类,则该像素自成一类,且像素计数为1,执行2)处理下一个像素;
2)分别计算该像素值与当前各个像素分类中像素平均值的曼哈顿距离,若某一曼哈顿距离小于设定阈值,则将该像素归于对应像素分类,否则该像素自成一类,执行3);
3)若当前像素计数小于像素总数,则像素计数加1后返回2),否则完成聚类;
2.3,对2.2中的每一个像素分类中的像素,根据像素的位置信息进行聚类,形成代表单独物体表面的工作面区域。
作为本发明的进一步技术方案,步骤5具体为:
5.1、根据相机亮度响应曲线,将每幅曝光图像中像素点的灰度值映射为亮度值;
5.3,场景中的所有像素点的亮度值构成场景亮度矩阵。
作为本发明的进一步技术方案,步骤6具体为:每个工作面区域的照度等于该工作面区域所有漫反射像素点照度的平均值,漫反射像素点照度E=πL/ρ,L为漫反射像素点的亮度值,ρ为该漫反射像素点所在工作面区域的反射率。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1、通过将RGB图像转化为去高光伪色图后,可以精确识别工作面像素区域,继而对工作面中的高光像素加以剔除。
3、采用摄像头多曝光拍摄不同亮度范围的图像,融合映射后得到每个像素对应的实际亮度值,可测量亮度范围可以大大超过传统的光敏传感器。
附图说明
图1为本发明算法流程图;
图2为本发明一种典型实现场景;
图3为本发明所述采集端系统的结构图;
图4为各类工作面像素自动聚类示意图;
图5为测得的某相机曝光量与灰度值对应关系曲线。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
本发明所述的一种基于图像采集的场景照度计算方法,如图1所示,场景照度的计算主要通过以下步骤进行:首先摄像头拍摄采集一幅场景的彩色图像,由嵌入式处理器进行区域识别处理,确定场景中感兴趣区域(工作面)的像素范围。继而通过高光去除算法,去除工作面区域的高光像素点,即只留下漫反射的像素点。进一步地通过摄像头多曝光拍摄多幅表征不同亮度范围的图像,对它们进行灰度-亮度映射及权重融合处理,可以得到场景亮度矩阵,即图像中各像素点对应的实际亮度信息。最后根据得到的场景亮度矩阵和工作面物体表面的反射特性计算工作面照度情况。
如图2所示,为本发明所述的一种典型实现场景,室内的目标工作面、灯具、照度采集端等都已在图中画出。采集端一般安装在可以拍摄到整个室内场景的较高位置。采集端可以精确识别工作面区域,同时计算出每一块工作面的照度值,随后将照度信息通过通信模块发送给上位机或者后续处理设备,LED灯具则可以根据当前区域工作面的照度反馈调节照明亮度。
如图3所示为本发明所述采集端系统的结构,主要由摄像模块、嵌入式处理器、通信模块组成,由于场景空间往往较大,用普通视角的镜头无法一次性记录整个空间的信息,故本发明中的采集系统通过安装有广角镜头的摄像头获取场景的图像信息,广角镜头的视角一般大于120度,鱼眼镜头的视角甚至接近于180度。但是广角拍摄的图像一般存在着畸变,所以还需要进行图像去畸变处理。
本发明所述的工作面区域识别算法基于色度识别原理,首先将采集得到的RGB图像转化为去高光图像(简称MSF图),形成伪色图,具体转化公式如下:
Imin(x,y)=min(R,G,B) (I)
其中,N为像素总数,(x,y)为像素索引。
其中C表示RGB中的任一分量。
现实中物体表面一般同时存在镜面反射和漫反射,镜面反射反映的是照明光的颜色,漫反射反映的是物体本身的颜色,采集到的图像像素值即是物体表面镜面反射分量和漫反射分量叠加的结果,由于观察角度不同,物体表面的镜面分量和漫反射分量也不同,故而在光照下呈现出不一样的颜色,这给基于颜色的物体识别带来了很大的干扰。而将RGB图转化为伪色图后,去除了像素值中的镜面分量影响,使得像素值只与物体本身颜色有关,伪色图去除了因为物体表面反射光强弱不同而造成的表面颜色差异。
以图2中的两种类型物体(两种类型工作面)识别为例,对伪色图像素进行自动颜色聚类,聚类流程如下:
1、若当前没有像素分类,则将像素单独标记为一类。
2、计算像素值与其它各像素类平均值的曼哈顿距离,若与某类的距离小于阈值T,则将该像素归于该类,并更新该类的平均值;若像素值与所有类的距离都大于阈值T,则将该像素单独归于一个新的类。
3、像素计数小于像素总数N则重复步骤2.
4、像素计数等于N则退出。
如图4所示,通过以上聚类,可以标记出每一类不同颜色工作面的区域。对于单独的某类像素区域,还需要进一步根据其所在的位置信息划分为不同的区域,即对该类像素再根据位置距离进行自动聚类,将距离相近的像素聚为一类。以图4中第一类工作面为例,通过位置聚类,像素自动聚类为一块块方形的区域,一块方形区域代表一个单独的物体表面。通过两次聚类,RGB彩色图像中所有感兴趣物体的表面都已被找到并标记。
以场景中某一个物体(例如一张课桌面)为分析对象,经过以上步骤可以确定该课桌面的像素区域。在该区域根据物体实际亮度及表面反射特性可以计算出表面照度。
表面反射一般同时含有镜面分量和漫反射分量,对于含有较大镜面分量的像素点称为高光点,对于含有少量或者不含镜面分量的像素点称为漫反射点,通过以下郎伯反射公式可以容易地建立漫反射点的亮度照度关系:
Ein=πL/p (7)
其中Ein为桌面照度,ρ为桌面反射率,L为测得的桌面亮度,式7即表述了桌面亮度和照度之间的关系,物体漫反射点在各个观测方向地亮度都近似相等。对于场景中的研究对象,例如一张课桌面,通过高光点去除算法可有效剔除除高光点,只留下有效的漫反射像素点。定义像素亮度比Q如下:
对于物体表面某像素点,其(r,g,b)值由镜面分量和漫反射分量组成,镜面分量的颜色与灯光颜色相同,一般近似看作白光,即高光像素(r,g,b)中的镜面分量可定义为A(1,1,1),其中A<=min(r,g,b),漫反射分量则为(r-A,g-A,b-A),漫反射值反映的是物体本身的颜色。可见同一物体表面漫反射点的亮度比Q小于高光点的亮度比,即像素镜面分量越大,亮度比Q越大,完全的镜面反射亮度比接近于无穷大。对物体表面所有像素根据亮度比Q从小到大排序,则排在前面部分的像素必然是漫反射的像素点,根据实际情况可选择合适的阈值Tc,排序在前Tc%的像素即为需要的像素区域。对场景图象中每一类工作面的每一块物体区域单独进行去高光点处理,最终即得到所需的漫反射区域。
本发明所述采集系统通过摄像头多曝光拍摄的方式合成高动态范围的实际空间亮度矩阵。根据几何光学原理,摄像头传感器接收到的照度与实际场景亮度存在下列的对应关系:
式中E为摄像头光传感器平面(CCD或CMOS)的照度,L为实际场景的亮度,τ为镜头透射率,Fm为摄像头相对数值孔径的倒数。同时,光传感器平面照度E又与曝光量存在以下关系:
H=E×T (10)
其中,T为曝光时间,H为曝光量。
如图5所示为相机曝光量与灰度值的对应关系,称为相机亮度响应曲线,它是相机出厂后就固定下来的,可以通过实验标定的方法恢复出这条曲线。图中纵坐标取曝光量H的对数,横坐标是像素灰度值。根据该亮度曲线和拍摄时用的曝光时间,结合公式(9)(10)可以确定图像灰度值与实际场景亮度的映射关系。
但是,摄像头拍摄的单幅图像其亮度范围一般是有限的,会出现局部高亮区域过曝光或者局部暗区域曝光不够的问题,本发明采用多曝光融合获取场景的高动态亮度信息。运用高曝光拍摄记录低亮度段的信息,低曝光拍摄记录高亮度段信息。一次多曝光过程所需的最少拍摄次数由式(11)确定:
n=N场景/N相机 (11)
其中n为一次多曝光所需的拍摄次数,即高动态融合所需的图片张数,N场景为目标场景的亮度动态范围,N相机为相机摄像头的动态范围。在获得这样的n幅不同曝光度图像后,根据亮度响应公式并采用权重融合的方法计算实际亮度值。其实现过程如下列公式所示:
Li=f(Bi) (12)
其中Li为某个像素点通过单幅图像所恢复的亮度值,Bi为对应的像素点灰度值,f()是由(9)(10)所确定的亮度-灰度映射关系,L是对n幅图像亮度值加权融合后得到的最终亮度值。对某个漫反射像素,根据计算得到的亮度L和公式(7)可以得到该点对应的照度值,一般一块单独的物体表面其照度值为其上所有漫反射像素计算得到的照度平均值。
计算出所有工作面照度后可通过通信模块将照度分布信息传送给上位机或其它后继处理端,LED灯具则可以根据当前区域工作面的照度反馈调节照明亮度。
上述实施例只为说明本发明的技术构思及特点,其目的是让熟悉该技术领域的技术人员能够了解本发明的内容并据以实施,并不能以此来限制本发明的保护范围。对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种基于图像采集的场景照度计算方法,其特征在于,包括以下步骤:
步骤1、获取场景的彩色图像;
步骤2、根据步骤1获取的彩色图像,识别场景中的工作面区域,具体为:
2.1、基于色度识别原理,将步骤1获取的彩色图像转化为去高光图像,形成伪色图;
2.2、遍历伪色图的所有像素,对像素进行聚类,具体为:
1)若当前没有像素分类,则该像素自成一类,且像素计数为1,执行2)处理下一个像素;
2)分别计算该像素值与当前各个像素分类中像素平均值的曼哈顿距离,若某一曼哈顿距离小于设定阈值,则将该像素归于对应像素分类,否则该像素自成一类,执行3);
3)若当前像素计数小于像素总数,则像素计数加1后返回2),否则完成聚类;
2.3,对2.2中的每一个像素分类中的像素,根据像素的位置信息进行聚类,形成代表单独物体表面的工作面区域;
步骤3、采用高光去除算法去除步骤2中每个工作面区域的高光像素点,只留下漫反射像素点,得到工作面漫反射像素区域;
步骤4、多曝光获取场景的多幅不同曝光度的图像;
步骤5、对步骤4中的曝光图像进行灰度-亮度映射,并根据权重融合得到场景亮度矩阵;
步骤6、根据步骤3获得的工作面漫反射像素区域及步骤5获取的场景亮度矩阵计算各个工作面区域的照度,从而得到整个场景的照度。
2.根据权利要求1所述的一种基于图像采集的场景照度计算方法,其特征在于,步骤1和4中均采用嵌入式摄像头获取图像,嵌入式摄像头采用广角镜头或者鱼眼镜头。
4.根据权利要求1所述的一种基于图像采集的场景照度计算方法,其特征在于:步骤6具体为:每个工作面区域的照度等于该工作面区域所有漫反射像素点照度的平均值,漫反射像素点照度E=πL/ρ,L为漫反射像素点的亮度值,ρ为该漫反射像素点所在工作面区域的反射率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910514530.0A CN110346116B (zh) | 2019-06-14 | 2019-06-14 | 一种基于图像采集的场景照度计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910514530.0A CN110346116B (zh) | 2019-06-14 | 2019-06-14 | 一种基于图像采集的场景照度计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110346116A CN110346116A (zh) | 2019-10-18 |
CN110346116B true CN110346116B (zh) | 2021-06-15 |
Family
ID=68182056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910514530.0A Active CN110346116B (zh) | 2019-06-14 | 2019-06-14 | 一种基于图像采集的场景照度计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110346116B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111131722A (zh) * | 2019-12-30 | 2020-05-08 | 维沃移动通信有限公司 | 图像处理方法、电子设备及介质 |
CN111163570B (zh) * | 2019-12-30 | 2023-09-08 | 南京东晖光电有限公司 | 一种基于nb-iot的室内灯具组合调控系统及方法 |
CN112197766B (zh) * | 2020-09-29 | 2023-04-28 | 西安应用光学研究所 | 一种针对系留旋翼平台的视觉测姿装置 |
CN113411508B (zh) * | 2021-05-31 | 2022-07-01 | 东南大学 | 一种基于相机亮度测量的非视域成像方法 |
CN113096188B (zh) * | 2021-06-09 | 2021-09-21 | 之江实验室 | 一种基于高光像素检测的视觉里程计位姿优化方法 |
CN114858421B (zh) * | 2022-06-17 | 2024-02-20 | 济宁半导体及显示产品质量监督检验中心 | 一种手术无影灯照度参数测试方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007041333A1 (de) * | 2007-08-31 | 2009-03-05 | Siemens Ag Österreich | Berührungslos arbeitendes Zählsystem |
CN105261000A (zh) * | 2015-09-17 | 2016-01-20 | 哈尔滨工程大学 | 一种基于端元提取与光谱解混的高光谱图像融合方法 |
CN105957042A (zh) * | 2016-06-07 | 2016-09-21 | 北京理工大学 | 内镜图像的高光区域消除方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8025408B2 (en) * | 2008-07-08 | 2011-09-27 | Panasonic Corporation | Method, apparatus and program for image processing and method and apparatus for image synthesizing |
CN103017896B (zh) * | 2012-11-29 | 2015-06-03 | 广东欧珀移动通信有限公司 | 一种照度测量方法及装置 |
CN104697629B (zh) * | 2015-03-26 | 2017-02-01 | 何志波 | 基于图像分析的照明环境测量方法 |
KR101878654B1 (ko) * | 2016-12-21 | 2018-07-16 | 주식회사 슈프리마 | 광 조사 장치 및 방법 |
CN108012078B (zh) * | 2017-11-28 | 2020-03-27 | Oppo广东移动通信有限公司 | 图像亮度处理方法、装置、存储介质和电子设备 |
CN108320272A (zh) * | 2018-02-05 | 2018-07-24 | 电子科技大学 | 图像去光的方法 |
CN109640442B (zh) * | 2018-12-14 | 2021-06-11 | 东南大学 | 一种基于nb-iot的教室光环境控制系统 |
CN109387281A (zh) * | 2018-12-24 | 2019-02-26 | 上海昊瞻智能科技有限公司 | 光环境模拟中具有实时反馈的光度监测系统 |
-
2019
- 2019-06-14 CN CN201910514530.0A patent/CN110346116B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007041333A1 (de) * | 2007-08-31 | 2009-03-05 | Siemens Ag Österreich | Berührungslos arbeitendes Zählsystem |
CN105261000A (zh) * | 2015-09-17 | 2016-01-20 | 哈尔滨工程大学 | 一种基于端元提取与光谱解混的高光谱图像融合方法 |
CN105957042A (zh) * | 2016-06-07 | 2016-09-21 | 北京理工大学 | 内镜图像的高光区域消除方法 |
Non-Patent Citations (3)
Title |
---|
k-均值聚类算法的改进与实现;董骐瑞;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150815;全文 * |
Light Field Imaging Based Accurate Image Specular Highlight Removal;Haoqian Wang;《PLoS ONE》;20160602;全文 * |
基于偏好调光的工厂全人工光照明研究;任东飞;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170315;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110346116A (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110346116B (zh) | 一种基于图像采集的场景照度计算方法 | |
CN108197546B (zh) | 人脸识别中光照处理方法、装置、计算机设备及存储介质 | |
CN110378845B (zh) | 一种基于卷积神经网络的极端条件下的图像修复方法 | |
CN110519489B (zh) | 图像采集方法及装置 | |
CN109255758B (zh) | 基于全1*1卷积神经网络的图像增强方法 | |
CN111292264A (zh) | 一种基于深度学习的图像高动态范围重建方法 | |
CN110022469A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
JP2008504751A (ja) | 自動ホワイト・バランス方法及び装置 | |
CN108712608A (zh) | 终端设备拍摄方法和装置 | |
JP2007097178A (ja) | 顔検出による赤目の除去方法 | |
CN109191403A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN107635099B (zh) | 一种人体感应双光网络摄像机及安防监控系统 | |
CN108717530A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
JP6884219B2 (ja) | 画像解析技法 | |
CN108769505A (zh) | 一种图像处理集方法及电子设备 | |
Smagina et al. | Multiple light source dataset for colour research | |
WO2013114803A1 (ja) | 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム | |
CN105827898B (zh) | 应用于摄像机的伽马曲线调整方法及装置 | |
KR20120069539A (ko) | 광원 추정 장치 및 광원 추정 방법 | |
US11640654B2 (en) | Image processing method and apparatus | |
KR101049409B1 (ko) | 영상 처리 시스템에서의 색 보정 장치 및 방법 | |
CN114885096A (zh) | 拍摄模式切换方法、电子设备及存储介质 | |
CN110726536B (zh) | 一种彩色数码反射显微镜颜色校正方法 | |
CN114125311A (zh) | 一种宽动态模式的自动切换方法及装置 | |
WO2013114802A1 (ja) | 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム |
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 |