CN111200699A - 影像调整方法 - Google Patents
影像调整方法 Download PDFInfo
- Publication number
- CN111200699A CN111200699A CN201811376422.3A CN201811376422A CN111200699A CN 111200699 A CN111200699 A CN 111200699A CN 201811376422 A CN201811376422 A CN 201811376422A CN 111200699 A CN111200699 A CN 111200699A
- Authority
- CN
- China
- Prior art keywords
- input image
- image
- color
- region
- regions
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/20—Circuitry for controlling amplitude response
- H04N5/205—Circuitry for controlling amplitude response for correcting amplitude versus frequency characteristic
- H04N5/208—Circuitry for controlling amplitude response for correcting amplitude versus frequency characteristic for compensating for attenuation of high frequency components, e.g. crispening, aperture distortion correction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
一种影像调整方法包含:通过深度学习模型来对输入影像进行分类,以取得输入影像中所包含的至少一类别、每一类别所对应的权重值以及每一类别所对应的输入影像的至少一区域;取得每一区域的色彩信息与坐标信息;以及根据每一区域所对应的权重值、坐标信息与色彩信息来调整输入影像的每一区域的锐利度、动态对比控制与色彩独立管理的至少一者,以产生输出影像。
Description
技术领域
本公开实施例涉及一种影像调整方法,且特别涉及用于调整输入影像的锐利度(sharpness)、动态对比控制(Dynamic Contrast Control,DCC)和/或色彩独立管理(Independent Color Management,ICM)的一种影像调整方法。
背景技术
在影像的视觉品质的优化的处理中,影像的锐利度(sharpness)、动态对比控制(DCC)和/或色彩独立管理(ICM)的调整是很重要的影像强化步骤,通常会对原始影像进行调整以加强影像的色彩呈现进而改善影像的视觉品质。然而,通常在影像中的各个区域所需的调整程度不尽相同,若是在影像强化的过程中直接针对整张影像作调整,可能会导致影像的调整结果不如预期。
发明内容
本公开的目的在于提出一种影像调整方法,包含:通过深度学习(Deep Learning)模型来对输入影像进行分类,以取得输入影像中所包含的至少一类别、每一类别所对应的权重值以及每一类别所对应的输入影像的至少一区域;取得每一区域的色彩信息与坐标信息;以及根据每一区域所对应的权重值、坐标信息与色彩信息来调整输入影像的每一区域的锐利度(Sharpness)、动态对比控制(Dynamic Contrast Control,DCC)与色彩独立管理(Independent Color Management,ICM)的至少一者,以产生输出影像。
附图说明
通过阅读实施例的以下详细描述,且参考如下所附图示,可以更完整地理解本公开。
图1是根据本公开的实施例的影像调整方法的流程图。
图2是根据本公开的实施例的调整影像的锐利度的方法的流程图。
图3是根据本公开的实施例的调整影像的动态对比控制的方法的流程图。
图4是根据本公开的实施例的调整影像的色彩独立管理的方法的流程图。
符号说明
S1-S3、S21-S28、S31-S35、S41-S44:步骤
具体实施方式
下文是举实施例配合附图作详细说明,但所提供的实施例并非用以限制本发明所涵盖的范围,而结构运行的描述非用以限制其执行的顺序,任何由元件重新组合的结构,所产生具有均等技术效果的装置,皆为本发明所涵盖的范围。
图1是根据本公开的实施例的影像调整方法的流程图。于步骤S1,通过深度学习(Deep Learning)模型来对输入影像进行分类,以取得输入影像中所包含的至少一类别、每一类别所对应的权重值以及每一类别所对应的输入影像的至少一区域。
在本公开的实施例中,深度学习模型是应用了人工智能(ArtificialIntelligence,AI)技术,通过模仿人脑的类神经网络(Neural Network)预先对大量特定影像数据进行学习,从而能够利用经训练的深度学习模型来进行影像识别,深度学习模型用以从输入影像中识别出影像中所包含的至少一物件,并辨别出物件的类别,例如:人脸。在本公开的实施例中,权重值代表的是该类别所占的比例,举例来说,若输入影像包含第一类别与第二类别,则第一类别所对应的第一权重值与第二类别所对应的第二权重值的加总值为1。
于步骤S2,取得每一区域的色彩信息与坐标信息。在本公开的实施例中,每一区域的色彩信息统计每一所述区域的多个像素的多个色彩值中出现次数最多的色彩值。举例来说,若色彩值采用的是YUV格式,则统计在区域内的多个像素的多个Y值当中出现次数最多者,表示为Ymax;统计在区域内的多个像素的多个U值当中出现次数最多者,表示为Umax;统计在区域内的多个像素的多个V值当中出现次数最多者,表示为Vmax,则色彩信息即表示为YmaxUmaxVmax。在本公开的实施例中,每一区域的坐标信息是每一区域的左上角与右下角的坐标值,用以表示出区域于输入影像中由左上到右下的位置信息。
于步骤S3,根据每一区域所对应的权重值、坐标信息与色彩信息来调整输入影像的每一区域的锐利度(Sharpness)、动态对比控制(DCC)与色彩独立管理(ICM)的至少一者,以产生输出影像。关于锐利度(Sharpness)、动态对比控制(DCC)与色彩独立管理(ICM)的调整的细节将在以下进一步说明。
图2是根据本公开的实施例的调整影像的锐利度(Sharpness)的方法的流程图。于步骤S21,对输入影像进行色彩格式转换。在本公开的实施例中,色彩格式转换为将RGB色彩格式转换至YUV色彩格式,但本公开不限于此。于步骤S22,对输入影像的多个区域进行影像特征分类。于步骤S23,根据影像特征分类的结果进行增益匹配(Gain Mapping)。在本公开的实施例中,影像特征分类是根据色彩值中的Y值,即亮度值(Luminance或Luma),来将输入影像的每一区域依据平坦(flat)部分、边缘(edge)部分与纹理(texture)部分进行分类,且根据分类结果来进行增益匹配。
于步骤S24,对输入影像的每一区域的多个像素所分别对应的色彩值中的Y值,即亮度值(以下称为第一亮度值)进行锐利度处理,以取得输入影像的每一区域的多个像素所分别对应的第二亮度值。于步骤S25,根据增益匹配的结果、每一区域所对应的权重值、坐标信息与色彩信息来对输入影像的每一区域的色彩信息所对应的第一亮度值与第二亮度值进行混合处理(blending),以取得输入影像的每一区域的多个像素所分别对应的第三亮度值。在本公开的实施例中,根据增益匹配的结果、每一区域所对应的权重值、坐标信息与色彩信息来计算出第一亮度值与第二亮度值于混合处理时所各自占的比例,举例来说,第一亮度值为Y1,且其于混合处理时所占的比例为W1,第二亮度值为Y2,且其于混合处理时所占的比例为W2,则第三亮度值为Y1*W1+Y2*W2。
于步骤S26,对输入影像的每一区域的多个像素所分别对应的色彩值中的U值与V值,即色度值(Chrominance或Chroma)(以下称为第一色度值),进行色度处理(ChromaProcess),以取得输入影像的每一区域的多个像素所分别对应的第二色度值。于步骤S27,对输入影像的每一区域的多个像素所分别对应的第三亮度值与第二色度值进行色彩格式反转换,以产生输出影像。在本公开的实施例中,色彩格式反转换与步骤S21中的色彩格式转换相反,例如是将YUV色彩格式转换回RGB色彩格式。
于步骤S28,根据每一区域所对应的权重值、坐标信息与色彩信息来对输入影像与输出影像进行混合处理,以使得输出影像的色彩与输入影像不至于相差太多。步骤S28的目的在于,对于最终输出影像的某些特定区域进行保护,以使得输出影像呈现更加自然。
值得一提的是,在本公开的实施例中,输入影像的每一区域的中心处的锐利度的调整程度高于位于输入影像的每一区域的边缘处。换言之,输入影像的每一区域的中心处的锐利度的调整程度最高,且调整程度由输入影像的每一区域的中心处往边缘处递减。
图3是根据本公开的实施例的调整影像的动态对比控制(DCC)的方法的流程图。于步骤S31,对输入影像进行色彩格式转换。在本公开的实施例中,色彩格式转换为将RGB色彩格式转换至YUV色彩格式,但本公开不限于此。于步骤S32,根据每一区域所对应的权重值、坐标信息与色彩信息来对输入影像的每一区域的多个像素所分别对应的色彩值中的Y值,即亮度值,进行亮度曲线匹配(Luma Curve Mapping)。
于步骤S33,根据亮度曲线匹配的结果来对输入影像的每一区域的多个像素所分别对应的色彩值中的U值与V值,即色度值,进行色度增强(Chroma Enhance)。于步骤S34,根据色度增强的结果来进行色彩格式反转换,以产生输出影像。在本公开的实施例中,色彩格式反转换与步骤S31中的色彩格式转换相反,例如是将YUV色彩格式转换回RGB色彩格式。
于步骤S35,根据每一区域所对应的权重值、坐标信息与色彩信息来对输入影像与输出影像进行混合处理,以使得输出影像的色彩与输入影像不至于相差太多。步骤S35的目的在于,对于最终输出影像的某些特定区域进行保护,以使得输出影像呈现更加自然。
值得一提的是,在本公开的实施例中,输入影像的每一区域的中心处的动态对比控制的调整程度高于位于输入影像的每一区域的边缘处。换言之,输入影像的每一区域的中心处的动态对比控制的调整程度最高,且调整程度由输入影像的每一区域的中心处往边缘处递减。
图4是根据本公开的实施例的调整影像的色彩独立管理(ICM)的方法的流程图。于步骤S41,对输入影像进行色彩格式转换。在本公开的实施例中,步骤S41中的色彩格式转换为将RGB色彩格式转换至HSI色彩格式,但本公开不限于此。于步骤S42,根据每一区域所对应的权重值、坐标信息与色彩信息来对输入影像的每一区域的多个像素所分别对应的色彩值进行色彩独立管理三维色彩查表(ICM 3D color table)。于步骤S43,根据色彩独立管理查表的结果进行色彩格式反转换,以产生输出影像。在本公开的实施例中,色彩格式反转换与步骤S41中的色彩格式转换相反,例如是将HSI色彩格式转换回RGB色彩格式。
于步骤S44,根据每一区域所对应的权重值、坐标信息与色彩信息来对输入影像与输出影像进行混合处理,以使得输出影像的色彩与输入影像不至于相差太多。步骤S44的目的在于,对于最终输出影像的某些特定区域进行保护,以使得输出影像呈现更加自然。
值得一提的是,在本公开的实施例中,输入影像的每一区域的中心处的色彩独立管理的调整程度高于位于输入影像的每一区域的边缘处。换言之,输入影像的每一区域的中心处的色彩独立管理的调整程度最高,且调整程度由输入影像的每一区域的中心处往边缘处递减。
综合上述,本公开提出一种影像调整方法,通过深度学习模型来先对输入影像进行分类后,接着依据分类结果与影像上的信息来调整输入影像的锐利度(Sharpness)、动态对比控制(DCC)与色彩独立管理(ICM)的至少一者,以产生输出影像。本公开提供了更具弹性的影像调整方法,从而更佳地改善影像的视觉品质。
以上概述了数个实施例的特征,因此本领域技术人员可以更了解本公开的实施方式。本领域技术人员应了解到,其可轻易地把本公开当作基础来设计或修改其他的工艺与结构,借此实现和在此所介绍的这些实施例相同的目标及/或达到相同的优点。本领域技术人员也应可明白,这些等效的建构并未脱离本公开的精神与范围,并且他们可以在不脱离本公开精神与范围的前提下做各种的改变、替换与变动。
Claims (10)
1.一种影像调整方法,包含:
通过一深度学习模型来对一输入影像进行分类,以取得该输入影像中所包含的至少一类别、每一所述类别所对应的一权重值以及每一所述类别所对应的该输入影像的至少一区域;
取得每一所述区域的一色彩信息与一坐标信息;以及
根据每一所述区域所对应的该权重值、该坐标信息与该色彩信息来调整该输入影像的每一所述区域的锐利度、动态对比控制与色彩独立管理的至少一者,以产生一输出影像。
2.如权利要求1所述的影像调整方法,
其中每一所述区域的该色彩信息统计每一所述区域的多个像素的多个色彩值中出现次数最多的色彩值;
其中每一所述区域的该坐标信息是每一所述区域的左上与右下的一坐标值。
3.如权利要求2所述的影像调整方法,其中关于调整该输入影像的每一所述区域的锐利度,该影像调整方法还包含:
对该输入影像进行一色彩格式转换;
对该输入影像的所述区域进行一影像特征分类;
根据该影像特征分类的结果进行一增益匹配;
对该输入影像的每一所述区域的所述像素所分别对应的一第一亮度值进行一锐利度处理,以取得该输入影像的每一所述区域的所述像素所分别对应的一第二亮度值;
根据该增益匹配的结果、每一所述区域所对应的该权重值、该坐标信息与该色彩信息来对该输入影像的每一所述区域的该色彩信息所对应的该第一亮度值与该第二亮度值进行混合处理,以取得该输入影像的每一所述区域的所述像素所分别对应的一第三亮度值;
对该输入影像的每一所述区域的所述像素所分别对应的一第一色度值进行一色度处理,以取得该输入影像的每一所述区域的所述像素所分别对应的一第二色度值;以及
对该输入影像的每一所述区域的所述像素所分别对应的该第三亮度值与该第二色度值进行一色彩格式反转换,以产生该输出影像。
4.如权利要求3所述的影像调整方法,其中关于调整该输入影像的每一所述区域的锐利度,该影像调整方法还包含:
进行该色彩格式反转换之后,根据每一所述区域所对应的该权重值、该坐标信息与该色彩信息来对该输入影像与该输出影像进行混合处理,以使得该输出影像的色彩与该输入影像不至于相差太多。
5.如权利要求3所述的影像调整方法,其中该影像特征分类是将该输入影像的每一所述区域依据一平坦部分、一边缘部分与一纹理部分进行分类。
6.如权利要求2所述的影像调整方法,其中关于调整该输入影像的每一所述区域的动态对比控制,该影像调整方法还包含:
对该输入影像进行一色彩格式转换;
根据每一所述区域所对应的该权重值、该坐标信息与该色彩信息来对该输入影像的每一所述区域的所述像素所分别对应的一第一亮度值进行一亮度曲线匹配;
根据该亮度曲线匹配的结果来对该输入影像的每一所述区域的所述像素所分别对应的一第一色度值进行一色度增强;以及
根据该色度增强的结果来进行一色彩格式反转换,以产生该输出影像。
7.如权利要求6所述的影像调整方法,其中关于调整该输入影像的每一所述区域的动态对比控制,该影像调整方法还包含:
进行该色彩格式反转换之后,根据每一所述区域所对应的该权重值、该坐标信息与该色彩信息来对该输入影像与该输出影像进行混合处理,以使得该输出影像的色彩与该输入影像不至于相差太多。
8.如权利要求2所述的影像调整方法,其中关于调整该输入影像的每一所述区域的色彩独立管理,该影像调整方法还包含:
对该输入影像进行一色彩格式转换;
根据每一所述区域所对应的该权重值、该坐标信息与该色彩信息来对该输入影像的每一所述区域的所述像素所分别对应的一色彩值进行一色彩独立管理三维色彩查表;以及
根据该色彩独立管理三维色彩查表的结果进行一色彩格式反转换,以产生该输出影像。
9.如权利要求8所述的影像调整方法,其中关于调整该输入影像的每一所述区域的色彩独立管理,该影像调整方法还包含:
进行该色彩格式反转换之后,根据每一所述区域所对应的该权重值、该坐标信息与该色彩信息来对该输入影像与该输出影像进行混合处理,以使得该输出影像的色彩与该输入影像不至于相差太多。
10.如权利要求1所述的影像调整方法,其中该输入影像的每一所述区域的中心处的锐利度、动态对比控制与色彩独立管理的至少一者的调整程度高于该输入影像的每一所述区域的边缘处。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811376422.3A CN111200699B (zh) | 2018-11-19 | 2018-11-19 | 影像调整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811376422.3A CN111200699B (zh) | 2018-11-19 | 2018-11-19 | 影像调整方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111200699A true CN111200699A (zh) | 2020-05-26 |
CN111200699B CN111200699B (zh) | 2022-04-26 |
Family
ID=70745795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811376422.3A Active CN111200699B (zh) | 2018-11-19 | 2018-11-19 | 影像调整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111200699B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1764282A (zh) * | 2004-10-18 | 2006-04-26 | 晨星半导体股份有限公司 | 色彩独立管理方法及装置 |
US20130136352A1 (en) * | 2006-12-19 | 2013-05-30 | Stmicroelectronics S.R.L. | Method of chromatic classification of pixels and method of adaptive enhancement of a color image |
CN103440635A (zh) * | 2013-09-17 | 2013-12-11 | 厦门美图网科技有限公司 | 一种基于学习的对比度受限自适应直方图均衡方法 |
CN103971361A (zh) * | 2013-02-06 | 2014-08-06 | 富士通株式会社 | 图像处理装置和方法 |
CN104123736A (zh) * | 2014-07-04 | 2014-10-29 | 北京思特奇信息技术股份有限公司 | 一种图片主色系获取方法及装置 |
JP2015182825A (ja) * | 2014-03-20 | 2015-10-22 | 日本電気株式会社 | 検品処理装置、検品システム、検品処理方法及びプログラム |
CN108135566A (zh) * | 2016-06-30 | 2018-06-08 | 北京深迈瑞医疗电子技术研究院有限公司 | 一种增强超声造影图像的方法、系统及超声造影成像设备 |
-
2018
- 2018-11-19 CN CN201811376422.3A patent/CN111200699B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1764282A (zh) * | 2004-10-18 | 2006-04-26 | 晨星半导体股份有限公司 | 色彩独立管理方法及装置 |
US20130136352A1 (en) * | 2006-12-19 | 2013-05-30 | Stmicroelectronics S.R.L. | Method of chromatic classification of pixels and method of adaptive enhancement of a color image |
CN103971361A (zh) * | 2013-02-06 | 2014-08-06 | 富士通株式会社 | 图像处理装置和方法 |
CN103440635A (zh) * | 2013-09-17 | 2013-12-11 | 厦门美图网科技有限公司 | 一种基于学习的对比度受限自适应直方图均衡方法 |
JP2015182825A (ja) * | 2014-03-20 | 2015-10-22 | 日本電気株式会社 | 検品処理装置、検品システム、検品処理方法及びプログラム |
CN104123736A (zh) * | 2014-07-04 | 2014-10-29 | 北京思特奇信息技术股份有限公司 | 一种图片主色系获取方法及装置 |
CN108135566A (zh) * | 2016-06-30 | 2018-06-08 | 北京深迈瑞医疗电子技术研究院有限公司 | 一种增强超声造影图像的方法、系统及超声造影成像设备 |
Non-Patent Citations (1)
Title |
---|
赵荣椿: "《数字图像处理》", 30 April 2016 * |
Also Published As
Publication number | Publication date |
---|---|
CN111200699B (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9143657B2 (en) | Color enhancement technique using skin color detection | |
US10885614B2 (en) | Electronic device performing image conversion, and method thereof | |
Zhang et al. | Skin color enhancement based on favorite skin color in HSV color space | |
CN101360250B (zh) | 沉浸产生方法和系统及因素控制、内容分析及参数预测法 | |
EP1742178A2 (en) | Contrast enhancement of images | |
US9396526B2 (en) | Method for improving image quality | |
US9571697B2 (en) | Image processing device setting sharpness adjustment degrees for object regions and performing unsharp masking process | |
CN103268598A (zh) | 基于Retinex理论的低照度低空遥感影像增强方法 | |
CN103886565A (zh) | 基于目的性优化及直方图均衡化的夜间彩色图像增强方法 | |
Gautam et al. | Efficient color image contrast enhancement using range limited bi-histogram equalization with adaptive gamma correction | |
CN103380451B (zh) | 视频显示装置 | |
US20070086650A1 (en) | Method and Device for Color Saturation and Sharpness Enhancement | |
CN111476744B (zh) | 一种基于分类及大气成像模型的水下图像增强方法 | |
CN107256539B (zh) | 一种基于局部对比度的图像锐化方法 | |
CN110580690B (zh) | 一种识别峰值变换非线性曲线的图像增强方法 | |
TWI707307B (zh) | 影像調整方法 | |
US8351724B2 (en) | Blue sky color detection technique | |
CN104463806A (zh) | 基于数据驱动技术的高度自适应图像对比度增强方法 | |
JP4019204B2 (ja) | 画像処理装置、画像処理方法、画像処理制御プログラムを記録した媒体 | |
JP2014078808A (ja) | 画像処理装置、画像処理方法 | |
CN111200699B (zh) | 影像调整方法 | |
Nakajima et al. | A novel color image processing scheme in HSI color space with negative image processing | |
CN113256533B (zh) | 基于msrcr的自适应低照度图像增强方法及系统 | |
US11900564B2 (en) | Storage medium storing program, image processing apparatus, and training method of machine learning model | |
Kar et al. | Statistical approach for color image detection |
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 |