CN111226256A - 用于图像动态范围调整的系统和方法 - Google Patents
用于图像动态范围调整的系统和方法 Download PDFInfo
- Publication number
- CN111226256A CN111226256A CN201780095887.9A CN201780095887A CN111226256A CN 111226256 A CN111226256 A CN 111226256A CN 201780095887 A CN201780095887 A CN 201780095887A CN 111226256 A CN111226256 A CN 111226256A
- Authority
- CN
- China
- Prior art keywords
- array
- dynamic range
- high frequency
- color
- low frequency
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 135
- 239000013598 vector Substances 0.000 claims description 123
- 230000008569 process Effects 0.000 claims description 55
- 238000001914 filtration Methods 0.000 claims description 45
- 239000011159 matrix material Substances 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 25
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 230000006835 compression Effects 0.000 claims description 11
- 238000007906 compression Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 6
- 230000002146 bilateral effect Effects 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims 6
- 238000010586 diagram Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/6027—Correction or control of colour gradation or colour contrast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/6072—Colour correction or control adapting to different types of images, e.g. characters, graphs, black and white image portions
-
- 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
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种方法,包括获取包括多个色彩通道的图像的动态范围表示。动态范围表示包括图像的像素在色彩通道中的动态范围信息。所述方法还包括将动态范围表示分解为平滑部分、色彩部分和细节部分。平滑部分包括像素在色彩通道中的低频信息。色彩部分包括像素在色彩通道中的色彩强度信息。细节部分包括像素在色彩通道中的高频信息。所述方法还包括分别调整平滑部分、色彩部分和细节部分,以获取经调整的平滑部分、经调整的色彩部分和经调整的细节部分,并且将经调整的平滑部分、经调整的色彩部分和经调整的细节部分组合,以生成输出图像。
Description
技术领域
本公开总体上涉及图像处理技术,并且更具体地,涉及用于调整图像动态范围的方法、系统和介质。
背景技术
一般地,每个显示装置具有用于显示图像的有限的动态范围。当通过这样的显示装置显示具有高动态范围的原始图像时,所显示的图像可能看起来太暗或太亮,并且可能缺少原始图像的许多重要细节。鉴于显示装置的动态范围和图像彼此不匹配的问题,可以调整具有高动态范围图像的图像的动态范围。具体地,可以压缩图像的每个像素的值,以使图像的整个动态范围变窄,从而可以在常规显示装置上有效地显示图像。
然而,在分解彩色图像的过程中,现有的用于调整图像动态范围的方法仅考虑了彩色图像的结构和内容信息,而没有考虑彩色图像的色彩信息。尽管现有的用于图像动态范围压缩的方法可以具有诸如色调映射的后续色彩修复过程以恢复色彩信息,但是所显示的图像可能仍然存在图像色彩方面的问题,例如色彩偏移。
发明内容
本公开的一个方面是提供一种用于调整图像动态范围的方法,包括:获取包括多个色彩通道的图像的动态范围表示,动态范围表示包括所述图像的像素在色彩通道中的动态范围信息;通过硬件处理器,将动态范围表示分解为平滑部分、色彩部分和细节部分,平滑部分包括像素在色彩通道中的低频信息,色彩部分包括像素在色彩通道中的色彩强度信息,并且细节部分包括像素在色彩通道中的高频信息;分别调整平滑部分、色彩部分和细节部分,以获取经调整的平滑部分、经调整的色彩部分和经调整的细节部分;以及将经调整的平滑部分、经调整的色彩部分和经调整的细节部分组合,以生成输出图像。
本公开的另一方面提供了一种用于调整图像动态范围的系统,该系统包括:硬件处理器;以及存储指令的存储器,指令在被硬件处理器执行时使硬件处理器:获取包括多个色彩通道的图像的动态范围表示,动态范围表示包括图像的像素在色彩通道中的动态范围信息;将动态范围表示分解为平滑部分、色彩部分和细节部分,平滑部分包括像素在色彩通道中的低频信息,色彩部分包括像素在色彩通道中的色彩强度信息,并且细节部分包括像素在色彩通道中的高频信息;分别调整平滑部分、色彩部分和细节部分,以获取经调整的平滑部分、经调整的色彩部分和经调整的细节部分;以及将经调整的平滑部分、经调整的色彩部分和经调整的细节部分组合,以生成输出图像。
本公开的另一方面提供了一种包含计算机可执行指令的非暂时性计算机可读介质,该计算机可执行指令在被硬件处理器执行时,使硬件处理器执行用于调整图像动态范围的方法,方法包括:获取包括多个色彩通道的图像的动态范围表示,动态范围表示包括所述图像的像素在色彩通道中的动态范围信息;通过硬件处理器,将动态范围表示分解为平滑部分、色彩部分和细节部分,平滑部分包括像素在色彩通道中的低频信息,色彩部分包括像素在色彩通道中的色彩强度信息,并且细节部分包括像素在色彩通道中的高频信息;分别调整平滑部分、色彩部分和细节部分,以获取经调整的平滑部分、经调整的色彩部分和经调整的细节部分;以及将经调整的平滑部分、经调整的色彩部分和经调整的细节部分组合,以生成输出图像。
附图说明
当结合附图考虑以下实施例的详细描述时,可以更充分地理解本公开的各种目的、特征和优点,其中,除非另有说明,否则相同的附图标记表示相同的元素。应当注意,附图仅是用于根据各种公开的实施例的说明性的目的的示例,并且不旨在限制本公开的范围。
图1示出了根据本公开的一些实施例的用于调整图像动态范围的示例性过程的流程图;
图2示出了根据本公开的一些实施例的用于获取图像的动态范围表示的示例性过程的流程图;
图3示出了根据本公开的一些实施例的用于分解动态范围表示的示例性过程的流程图;
图4示出了根据本公开的一些实施例的用于调整平滑部分、色彩部分和细节部分的示例性过程的流程图;
图5示出了根据本公开的一些实施例的用于生成输出图像的示例性过程的流程图;
图6示出了根据本公开的一些实施例的基于各种参数的示例性显示图像的示意图;以及
图7示出了根据本公开的一些实施例的用于调整图像动态范围的示例性系统的示意结构图。
具体实施方式
下面将参考附图更详细地描述本公开的示例性实施例。显然,所描述的实施例是本公开的一些而非全部实施例。基于所公开的实施例,本领域普通技术人员可以得到根据本公开的其他实施例,所有这些实施例都在本公开的范围内。
根据各个实施例,本公开提供了用于调整图像动态范围的方法、系统和介质。所公开的方法、系统和介质使用广义的Retinex彩色图像分解模型,其将色彩信息嵌入在图像分解模型中。这样,输出图像在图像动态范围分解过程之后可以不失真。
图1示出了根据本公开的一些实施例的用于调整图像动态范围的示例性过程的流程图。
如图所示,在110处,获取图像的动态范围表示。如本公开中所使用的,图像可以指由成像装置拍摄的整个图片,或者可以包括由成像装置拍摄的图片的一部分。此外,图像可以是高动态图像。也就是说,图像可以是具有高动态范围(HDR)的数字图像。例如,可以通过高动态范围成像或摄影装置来获取图像。在一些实施例中,图像可以是彩色图像,并且动态范围表示可以包括图像的像素在多个色彩通道中的动态范围信息。
图像的动态范围表示可以包括多种形式之一,例如动态范围阵列(或矩阵)。例如,图2示出了用于获取图像的动态范围阵列作为动态范围表示的示例性过程的流程图。
如本公开中所使用的,除非另有说明,否则阵列可以具有与图像中的像素的行和列相对应的维度。也就是说,行数和列数分别与图像中的像素的行数和像素的列数相同,并且阵列的每个元素与图像中的像素之一相对应。此外,阵列的元素可以包括向量或标量。向量可以具有与图像的色彩通道的数量相同的维度。也就是说,向量的每个元素与色彩通道之一相对应。
如图2所示,在210处,基于图像的数字信息来获取图像的初始动态范围阵列。可以表示为I的初始动态范围阵列(或矩阵)可以包括图像的像素的初始数字信息,初始动态范围阵列I的每个元素包括像素之一的原始数字信息。像素的原始数字信息可以包括:例如与像素相关联的初始动态范围向量v。
例如,对于具有n行和m列像素的图像,每个像素可以由水平坐标和垂直坐标对(xi,yj)表示,其中1≤i≤n且1≤j≤m,初始动态范围阵列(或矩阵)I可以包括n×m阵列,并且初始动态范围阵列I的每个元素可以与图像的一个像素(xi,yj)相对应并且可以包括相应像素(xi,yj)的初始动态范围向量。与像素(xi,yj)相对应的初始动态范围向量也可以表示为v(xi,yj)。也就是说,初始动态范围阵列I可以具有下列形式:
初始动态范围阵列I的每个元素,即,初始动态范围向量v(xi,yj)可以包括,例如相应像素的色彩信息和亮度信息。
在一些实施例中,每个初始动态范围向量v可以具有与色彩通道的数量相同的维度。例如,图像可以具有RGB色彩格式,并且可以包括分别与红色、绿色和蓝色相对应的三个色彩通道。在该示例中,每个初始动态范围向量v可以是三维向量[v1,v2,v3]。例如,像素(xi,yj)的初始动态范围向量v(xi,yj)可以是[v1(xi,yj),v2(xi,yj),v3(xi,yj)]。作为另一示例,图像可以具有CMYK色彩格式,并且可以包括分别与青色、品红色、黄色和黑色相对应的四个色彩通道。在该示例中,每个初始动态范围向量v可以是四维向量[v1,v2,v3,v4]。初始动态范围向量v(xi,yj)的每个元素可以包括,例如像素(xi,yj)的相应色彩通道的色彩强度信息。
在220处,对初始动态范围阵列的每个元素执行对数变换以获取经变换的动态范围阵列。例如,对初始动态范围阵列I的每个元素执行对数变换以获取经变换的动态范围阵列。
在230处,将经变换的动态范围阵列归一化以获取动态范围阵列。例如,可以将经变换的动态范围阵列归一化以获取动态范围阵列。在一些实施例中,可以通过将经变换的动态范围阵列除以经变换的动态范围阵列的最大值(即,经变换的动态范围阵列的元素中的最大元素)来实现归一化。这样,所获取的动态范围阵列的元素的值可以在0和1之间的范围内。
与初始动态范围阵列I类似,动态范围阵列的每个元素,即可以与图像的一个像素(xi,yj)相对应并且可以包括相应像素(xi,yj)的动态范围向量。与像素(xi,yj)相对应的动态范围向量还可以表示为此外,与初始动态范围向量v类似,动态范围向量也具有与图像中的通道数量相同的维度。例如,对于具有三个色彩通道的图像,动态范围向量可以是或者对于具有四个色彩通道的图像,动态范围向量可以是
图2中所示的用于获取图像的动态范围表示的过程仅是示例。注意,可以获取图像的任何其他合适的动态范围表示,以指示图像的像素在多个色彩通道中的动态范围信息。
再次参考图1,在120处,将动态范围表示分解为平滑部分、色彩部分和细节部分。在一些实施例中,平滑部分可以包括像素在色彩通道中的低频信息,色彩部分可以包括像素在色彩通道中的色彩强度信息,并且细节部分可以包括像素在色彩通道中的高频信息。
在一些实施例中,如上所述,动态范围表示可以包括动态范围阵列在这些实施例中,平滑部分可以包括低频信息阵列,色彩部分可以包括色彩强度信息阵列,并且细节部分可以包括高频信息阵列。低频信息阵列、色彩强度信息阵列和高频信息阵列中的每一个具有与动态范围阵列的维度相同的维度。低频信息阵列的每个元素可以包括像素之一的低频特征向量,色彩强度信息阵列的每个元素可以包括像素之一的色彩强度特征向量,并且高频信息阵列的每个元素可以包括像素之一的高频特征向量。类似地,低频特征向量、色彩强度特征向量和高频特征向量各自具有与色彩通道的数量相同的维度。
图3示出了在动态范围表示包括动态范围阵列的情况下,用于将动态范围表示分解为平滑部分、色彩部分和细节部分的示例性过程的流程图。
如图3所示,在310处,对动态范围阵列执行至少一个边缘保留滤波处理以获取初始低频阵列。在一些实施例中,初始低频阵列的每个元素可以包括像素之一的低频向量。
在一些实施例中,边缘保留滤波算子Φ(.)可以与任何合适的边缘保留滤波方法相对应。例如,边缘保留滤波算子Φ(.)可以与全局优化边缘保留滤波方法相对应,例如L0平滑方法、边缘保留分解方法或总变分(total variation)方法。作为另一示例,边缘保留滤波算子Φ(.)可以与基于局部块的边缘保留滤波方法相对应,例如导向滤波方法、局部边缘保留分解方法或双边滤波方法。在以下描述中,使用导向滤波方法作为示例,但是也可以使用其他滤波方法。
此外,为了获取图像的多尺度信息,可以对动态范围阵列执行多尺度边缘保留滤波处理,以获取初始低频阵列。也就是说,为了获取图像在多尺度分辨率下的图像特征,可以在不同分辨率下,例如使用不同大小的图像块对相同的图像执行多次边缘保留滤波处理。
初始低频阵列可以基于多次边缘保留滤波处理的结果而获取。例如,可以对动态范围阵列执行第一边缘保留滤波处理,以获取第一尺度低频阵列和第一尺度细节部分。此后,可以通过第二边缘保留滤波处理来进一步分解第一尺度低频阵列,以获取第二尺度低频阵列和第二尺度细节部分。边缘保留滤波处理可以执行连续多次,例如N次,以获取第N尺度低频阵列,其是初始低频阵列。在多次边缘保留滤波处理之后生成的尺度细节部分也可以被称为多尺度细节部分。
例如,在多次边缘保留滤波处理的一次处理中,可以将图像分为具有五像素长度和五像素宽度的第一组正方形图像块(即,5×5),并且可以向包括第一组正方形图像块的图像应用诸如导向滤波器的第一边缘保留滤波算子。在多次边缘保留滤波处理的另一次处理中,可以将图像分为具有五十像素长度和五十像素宽度的第二组正方形图像块(即,50×50),并且可以向包括第二组正方形图像块的图像应用诸如导向滤波器的第二边缘保留滤波算子。
在330处,基于初始低频阵列来计算低频索引阵列。在本公开中,符号用于表示低频索引阵列。在一些实施例中,低频索引阵列的每个元素可以包括低频特征索引该索引指示图像中由多个色彩通道共享的(xi,yj)周围的相应位置处的低频特征。下面描述用于计算低频索引阵列的示例性过程。
在示例性过程中,初始低频阵列的每个元素,即每个低频向量,可以由第一权重矩阵W1加权,从而可以与初始低频阵列的每个元素相对应地获取经加权的低频向量。此外,可以获取经加权的低频向量的第一平方范数函数的自变量最小值。可以基于自变量最小值来确定低频索引阵列的每个元素的低频特征索引。
||b||表示对向量b的范数运算。d是单位向量。例如,如果图像具有三个色彩通道(例如,RGB通道),则d=[1,1,1]T。作为另一示例,如果图像具有四个色彩通道(例如,CMYK通道),则d=[1,1,1,1]T。p是二维坐标变量,并且可以分配为(xi,yj)周围的坐标对,并且∑p′表示适用坐标对p的总和。
第一权重矩阵W1可以是对角矩阵。在一些实施例中,对于具有三个色彩通道(例如,RGB通道)的图像,第一权重矩阵可以是3×3矩阵,即并且可以将第一权重矩阵W1的对角线元素预设为分别具有例如0.2126、0.7152和0.0722的值。具有这些值的第一权重矩阵W1可用于例如将标准彩色图像转换为灰度图像。作为另一示例,对于具有三个色彩通道(例如,RGB通道)的图像,可以将第一权重矩阵W1的对角线元素预设为分别具有1/3、1/3和1/3的值。
在340处,基于初始高频阵列来计算高频索引阵列。在一些实施例中,高频索引阵列的每个元素可以包括高频特征索引,该索引指示图像中由多个色彩通道共享的(xi,yj)周围的相应位置处的高频特征。
下面描述用于计算低频索引阵列的示例性过程。
在该示例性过程中,初始高频阵列的每个元素,即每个高频向量,可以由第二权重矩阵W2加权,从而可以与初始高频矩阵的每个元素相对应地获取经加权的高频向量。此外,可以基于经加权的高频向量来计算第二平方范数函数的自变量最小值。可以基于自变量最小值来确定高频索引阵列的每个元素的高频特征索引。
||b||表示对向量b的范数运算。d是单位向量。p是二维坐标变量,并且可以分配为坐标对(xi,yj),并且∑p′表示适用坐标对p的总和。
第二权重矩阵W2可以是对角矩阵。在一些实施例中,对于具有三个色彩通道(例如,RGB通道)的图像,第二权重矩阵可以是3×3矩阵,即并且可以将第二权重矩阵W2的对角线元素分别预设为具有0.2126、0.7152和0.0722的值。具有这些值的第二权重矩阵W2可用于例如将标准彩色图像转换为灰度图像。在一些其他实施例中,对于具有三个色彩通道(例如,RGB通道)的图像,可以将第二权重矩阵W2的对角线元素分别预设为1/3、1/3和1/3的值。
在350处,基于低频索引阵列计算低频信息阵列。在一些实施例中,可以基于低频索引阵列的相应低频特征索引和单位向量来计算低频信息阵列中的每个低频特征向量。例如,低频信息阵列中的每个低频特征向量可以包括低频索引阵列的相应低频特征索引和单位向量的乘积:d是单位向量,例如在图像具有三个色彩通道(例如,RGB通道)的情况下是三维单位向量。
在360处,基于高频索引阵列来计算高频信息阵列。在一些实施例中,可以基于高频索引阵列的相应高频特征索引和单位向量来计算高频信息阵列中的每个高频特征向量。例如,高频信息阵列中的每个高频特征向量可以包括高频索引阵列的相应高频特征索引和单位向量的乘积:d是单位向量,例如在图像具有三个色彩通道(例如,RGB通道)的情况下是三维单位向量。
在370处,基于动态范围阵列、低频信息阵列和高频信息阵列来计算色彩强度信息阵列。在一些实施例中,对于图像的像素(xi,yj),可以从动态范围阵列的相应元素减去低频信息阵列的相应元素和高频信息阵列的相应元素并且剩余部分可以包含图像的像素的色彩强度信息。例如,可以通过使用等式来计算色彩强度信息阵列的每个元素。d是单位向量。
如上所述,可以将动态范围表示分解为三个部分。平滑部分可以是包括图像的低频信息的低频信息阵列。细节部分可以是包括图像的高频信息的高频信息阵列。色彩部分可以是包括图像的色彩强度信息的色彩强度信息阵列。
图3中所示的用于将动态范围表示分解为平滑部分、色彩部分和细节部分的过程仅是示例。可以执行任何其他合适的分解过程以分离图像的高频信息、色彩信息和低频信息。
再次参考图1,在130处,分别调整平滑部分、色彩部分和细节部分以获取经调整的平滑部分、经调整的色彩部分和经调整的细节部分。
在一些实施例中,为了压缩图像的动态范围,可以压缩平滑部分,而可以增强色彩部分和细节部分。图4示出了在动态范围表示包括动态范围阵列并且平滑部分、色彩部分和细节部分分别包括低频信息阵列、色彩强度信息阵列和高频信息阵列的情况下,用于调整平滑部分、色彩部分和细节部分的示例性过程的流程图。
如图4所示,在410处,通过使用压缩索引来压缩低频信息阵列,以获取经压缩的低频信息阵列作为经调整的平滑部分。例如,可以将低频信息阵列的每个元素乘以大于零且小于或等于一的压缩索引α。d是单位向量,并且可以具有与色彩通道的数量相同的维度。在一些实施例中,压缩索引α可以具有约0.5的值。
在420处,可以通过使用第一增强函数来增强色彩强度信息阵列,从而获取经增强的色彩强度信息阵列,作为经调整的色彩部分。第一增强函数可以包括第一反正切函数。例如,可以通过将的相应元素替换到的函数中,来增强色彩强度信息阵列的每个元素。β1是第一增强索引,可以大于一。在一些实施例中,第一增强索引β1可以具有约为7的值。
在430处,可以通过使用第二增强函数来增强高频信息阵列,从而获取经增强的高频信息阵列,作为经调整的细节部分。第二增强函数可以与第一增强函数相同或不同。
例如,可以通过将相应元素(xi,yj)d替换到的函数中来增强高频信息阵列的每个元素(xi,yj)d。β2是第二增强索引,可以大于一。d是单位向量,并且可以具有与色彩通道的数量相同的维度。在一些实施例中,第二增强索引β2可以具有约为7的值。
图4中所示的用于调整平滑部分、色彩部分和细节部分的过程仅是示例。可以执行任何其他合适的调整过程以获取经调整的平滑部分、经调整的色彩部分和经调整的细节部分。此外,基于输出图像的各种要求,可以将任何合适的调整方法应用于平滑部分、色彩部分和细节部分中的任何一个。此外,平滑部分、色彩部分和细节部分中的任何一个或两个可以保持不变。
再次参考图1,在140处,可以将经调整的平滑部分、经调整的色彩部分和经调整的细节部分组合以生成输出图像。图5示出了用于组合经调整的平滑部分、经调整的色彩部分和经调整的细节部分的示例性过程的流程图。
如图5所示,在510处,将经调整的平滑部分、经调整的色彩部分和经调整的细节部分组合以生成图像的经调整的动态范围阵列。
在一些实施例中,当低频信息阵列被压缩,而色彩强度信息阵列和高频信息阵列被增强时,如上结合图4所述,可以将经压缩的低频信息阵列、经增强的色彩强度信息阵列和经增强的高频信息阵列加在一起以获取图像的经压缩的动态范围阵列也就是说,对于像素(xi,yj),可以将经压缩的低频信息阵列的相应元素经增强的色彩强度信息阵列的相应元素和经增强的高频信息阵列的相应元素相加,使得 d是单位向量,并且可以具有与色彩通道的数量相同的维度。
在520处,对经调整的动态范围阵列的每个元素执行指数变换以生成输出图像。
在一些实施例中,可以对图像的经压缩的动态范围阵列的每个元素执行指数变换,以将加法模型改变为乘法模型:′(xi,yj)=L′(xi,yj)d⊙C′(xi,yj)⊙R′(xi,yj)d.其中,⊙表示Hadamard乘积运算。d是单位向量,并且可以具有与色彩通道的数量相同的维度。
图5中所示的用于组合经调整的平滑部分、经调整的色彩部分和经调整的细节部分的过程仅是示例。可以执行任何其他合适的组合过程,以获取用于显示的输出图像。
图6示出了根据本公开的一些实施例的基于各种参数的示例性显示图像的示意图。在图6所示的示例中,将第一增强索引β1和第二增强索引β2设置为彼此相等,并且统称为增强索引β。此外,将不同值的压缩索引α和增强索引β应用于相同的图像,以生成不同的输出图像,其可以在例如动态范围、白平衡、和/或色彩饱和度方面具有不同的显示效果,如图6所示。
在图6中,沿着从左到右的方向,压缩索引α的值增加。可以看出,具有较小压缩索引α的输出图像可以包括更多的细节。也就是说,压缩程度更高的低频信息可以提供更多可见的细节。
图6中沿着从上到下的方向,增强索引β的值。可以看出,具有较大增强索引β的输出图像可以包括更多的细节和更丰富的色彩。也就是说,增强程度更高的色彩信息和高频信息可以提供更鲜艳的色彩和更多可见的细节。
在一些实施例中,色调映射图像质量索引(TMQI)可以用于评估高动态范围(HDR)图像到低动态范围(LDR)图像的转换。在下面的表1中示出图6所示的输出图像的TMQI值。最大值0.9074表示:压缩索引α=0.8和增强索引β=10的图像在图6所示的九个图像中具有最佳的动态范围压缩结果。
0.7928 | 0.7549 | 0.6827 |
0.8476 | 0.8727 | 0.8765 |
0.8890 | 0.9074 | 0.8921 |
表1
注意,图1至图5的流程图的上述过程可以以任何次序或顺序来进行或执行,而不限于图中所示和上面描述的次序或顺序。此外,图1至图5的流程图的上述过程中的一些在适当时可以大致上同时地、或并行地进行或执行,以减少时延和处理时间。此外,图1至图5仅作为示例提供。图中所示的过程中的至少一些可以按照与所表示的顺序不同的顺序执行、同时执行或完全省略。
图7示出了根据本公开的一些实施例的用于调整图像动态范围的示例性系统700的示意结构图。
系统700可以被包括在任何合适的装置中,该装置可以执行图像处理功能、和/或执行任何其他合适的功能,诸如通过通信网络与一个或多个装置或服务器通信、接收用户请求、处理和发送数据等。例如,系统700可以在移动电话、平板计算机、膝上型计算机、台式计算机、机顶盒、电视、流媒体播放器、游戏控制台、服务器和/或另一合适的装置中实现。
系统700的硬件可以包括硬件处理器702、存储器和/或储存器704、输入装置控制器706、输入装置708、显示/音频驱动器710、显示和音频输出电路712、通信接口714、天线716和总线718。
硬件处理器702可以包括任何合适的硬件处理器,例如微处理器、微控制器、中央处理器(CPU)、网络处理器(NP)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其他可编程逻辑设备、分立门或晶体管逻辑设备、分立硬件部件。硬件处理器702可以实现或执行本公开的各个实施例,包括一个或多个方法、步骤和逻辑图。通用处理器可以是微处理器或另一种常规处理器。例如,硬件处理器702可以实现或执行以上结合图1至图5描述的用于调整图像动态范围的所公开的方法的各个实施例。
存储器和/或储存器704可以是用于存储程序代码、数据、媒体内容、图像数据、网页URL、频道页面表、网页资源的原始数据、用户信息和/或一些实施中的任何其他合适内容的任何合适的存储器和/或储存器。例如,存储器和/或储存器704可以包括随机存取存储器(RAM)、只读存储器、闪存、非易失性存储器,诸如硬盘存储器、光学介质和/或任何其他合适的存储装置。
在一些实施例中,输入装置控制器706可以是用于控制和接收来自一个或多个输入装置708的输入的任何合适电路。例如,输入装置控制器706可以是用于接收来自触摸屏、来自一个或多个按钮、来自语音识别电路、来自麦克风、来自相机、来自光学传感器、来自加速计、来自温度传感器、来自近场传感器、和/或用于接收用户输入的任何其他合适电路的输入的电路。
在一些实施例中,显示/音频驱动器710可以是用于控制和驱动到一个或多个显示和音频输出电路712的输出的任何合适电路。例如,显示/音频驱动器710可以是用于驱动LCD显示器、扬声器、LED、和/或任何其他显示/音频装置的电路。在一些实施例中,显示/音频驱动器710可以控制显示器显示具有根据所公开的方法调整的图像动态范围的输出图像,例如以上结合图6描述的输出图像之一。
通信接口714可以是用于与一个或多个通信网络对接的任何合适的电路。例如,通信接口714可以包括网络接口卡电路、无线通信电路和/或用于与一个或多个通信网络对接的任何其他合适的电路,通信网络例如互联网、广域网、局域网、城域网等。
在一些实施例中,天线716可以是用于与通信网络进行无线通信的任何合适的一个或多个天线。在一些实施例中,在不需要时可以省略天线716。
在一些实施例中,通信网络可以是一个或多个有线和/或无线网络的任何合适的组合,有线和/或无线网络例如是互联网、内联网、广域网(“WAN”)、局域网(“LAN”)、无线网络、数字用户线(“DSL”)网络、帧中继网络、异步传输模式(“ATM”)网络、虚拟专用网(“VPN”)、WiFi网络、WiMax网络、卫星网络、移动电话网络、移动数据网络、电缆网络、电话网络、光纤网络和/或任何其他合适的通信网络、或这些网络的任何组合。
总线718可以是用于在系统700的两个或更多个部件之间通信的任何合适的机构。总线718可以是任何其他合适的总线。总线718可以分为地址总线、数据总线、控制总线等。总线718在图8中被表示为双向箭头,但这并不意味着它只是一种类型的总线或仅一种总线。
各个实施例中公开的方法中的过程可以由硬件解码处理器直接执行,或者由包括硬件模块和软件模块的解码处理器直接执行。软件模块可以驻留在任何合适的储存/存储介质中,例如随机存取存储器、闪存、只读存储器、可编程只读存储器、电可擦除可编程存储器、寄存器等。储存介质可以位于存储器和/或储存器704中。硬件处理器702可以通过组合硬件和从存储器和/或储存器704读取的信息来实现所公开的方法。
在一些实施例中,系统700可以实现为UAV(无人机)。UAV可以包括云台、成像装置(例如,相机等)、控制器(例如,处理器、DSP等)。成像装置可以被配置为捕捉图像(例如,HDR图像等)。云台可以被配置为稳定成像装置并且补偿由UAV产生的振动。控制器可以被配置为接收由成像装置捕捉的图像,并且处理图像。
在一些实施例中,控制器可以被配置为接收由成像装置捕捉的HDR图像,并且根据上述方法中公开的方法处理HDR图像。此后,控制器可以被配置为基于HDR图像和上述公开的方法生成LDR图像。
在一些实施例中,系统700可以被实现为遥控器(RC)来如上所述地控制UAV。RC可以被配置为接收由UAV的成像装置捕捉的图像。例如,RC可以从UAV接收HDR图像,并且根据以上公开的方法处理HDR图像。此外,RC可以被配置为基于HDR图像和以上公开的方法来生成LDR图像。
另外,附图中的流程图和框图示出了所公开的方法和设备的各个实施例,以及可以由计算机程序产品实现的架构、功能和操作。在这种情况下,流程图或框图中的每个框可以表示模块、代码段、程序代码的一部分。每个模块、每个代码段和程序代码的每个部分可以包括用于实现预定逻辑功能的一个或多个可执行指令。
注意到,在一些实施例中,框中所示的功能可以以任何次序或顺序进行或执行,而不限于附图中所示和上述的次序和顺序。例如,两个连续的框可以实际在适当时大致上同时地、或并行地进行或执行,以减少时延和处理时间,或者根据涉及的功能,甚至可以以相反的顺序执行。
还注意到,框图和/或流程图中的每个框以及框图和/或流程图中的框的组合可以由用于执行特定功能的基于硬件的专用系统来实现,或者可以通过由硬件和计算机指令组合的专用系统来实现。
因此,提供了用于调整图像动态范围的方法、系统和介质。
本文描述的示例的提供(以及用短语表达为“诸如”、“例如”、“包括”等的语句)不应被解释为将所要求保护的主题限于特定示例;相反,这些示例仅旨在说明许多可能方面中的一些。
此外,应当理解,仅以示例的方式进行了本公开,并且可以对本公开的实施例的细节进行多种改变,而不脱离本公开的精神和范围。所公开的实施例的特征可以以各种方式组合和重新布置。在不脱离本公开的精神和范围的情况下,对本公开的修改、等同或改进是本领域技术人员能够理解的,并且旨在包含在本公开的范围内。应当注意,附图中相似的附图标记和字母指代相似的项目,因此,一旦在一个图中定义了一个项目,就无需在随后的附图中进一步定义和/或解释该项目。
Claims (39)
1.一种用于调整图像动态范围的方法,包括:
获取包括多个色彩通道的图像的动态范围表示,所述动态范围表示包括所述图像的像素在色彩通道中的动态范围信息;
通过硬件处理器,将所述动态范围表示分解为平滑部分、色彩部分和细节部分,所述平滑部分包括像素在色彩通道中的低频信息,所述色彩部分包括像素在色彩通道中的色彩强度信息,并且所述细节部分包括像素在色彩通道中的高频信息;
分别调整所述平滑部分、所述色彩部分和所述细节部分,以获取经调整的平滑部分、经调整的色彩部分和经调整的细节部分;以及
将所述经调整的平滑部分、经调整的色彩部分和经调整的细节部分组合,以生成输出图像。
2.根据权利要求1所述的方法,其中:
获取所述动态范围表示包括:获取动态范围阵列,所述动态范围阵列的每个元素包括像素之一的动态范围向量;以及
分解所述动态范围表示包括:将所述动态范围阵列分解为作为平滑部分的低频信息阵列、作为色彩部分的色彩强度信息阵列和作为细节部分的高频信息阵列;
其中:
所述低频信息阵列的每个元素包括像素之一的低频特征向量,
所述色彩强度信息阵列的每个元素包括像素之一的色彩强度特征向量,
所述高频信息阵列的每个元素包括像素之一的高频特征向量,以及
所述动态范围向量、低频特征向量、色彩强度特征向量和高频特征向量各自具有与色彩通道的数量相同的维度。
3.根据权利要求2所述的方法,其中:
所述多个色彩通道包括红色通道、绿色通道和蓝色通道,
所述动态范围向量、低频特征向量、色彩强度特征向量和高频特征向量是三维向量。
4.根据权利要求2所述的方法,其中,获取所述动态范围阵列包括:
基于所述图像的数字信息来获取所述图像的初始动态范围阵列;
对所述初始动态范围阵列的每个元素执行对数变换,以获取经变换的动态范围阵列;以及
将所述经变换的动态范围阵列归一化,以获取动态范围阵列。
5.根据权利要求2所述的方法,其中,分解所述动态范围阵列包括:
对所述动态范围阵列执行至少一次边缘保留滤波处理以获取初始低频阵列,所述初始低频阵列中的每个元素包括像素之一的低频向量;以及
基于所述动态范围阵列和所述初始低频阵列来计算初始高频阵列,所述初始高频阵列中的每个元素包括像素之一的高频向量;
其中,所述低频向量和所述高频向量各自具有与色彩通道的数量相同的维度。
6.根据权利要求5所述的方法,其中,执行至少一次边缘保留滤波处理包括执行至少一次全局优化边缘保留滤波方法,所述全局优化边缘保留滤波方法包括L0平滑方法、边缘保留分解方法或总变分方法之一。
7.根据权利要求5所述的方法,其中,执行至少一次边缘保留滤波处理包括执行至少一次基于局部块的边缘保留滤波方法,所述基于局部块的边缘保留滤波方法包括导向滤波方法、局部边缘保留分解方法或双边滤波方法之一。
8.根据权利要求7所述的方法,其中,执行至少一次边缘保留滤波处理包括执行所述导向滤波方法,包括:
以第一分辨率执行第一导向滤波处理;以及
以不同于所述第一分辨率的第二分辨率执行第二导向滤波处理。
9.根据权利要求5所述的方法,其中,分解所述动态范围阵列还包括:
基于所述初始低频阵列来计算低频索引阵列,其中,所述低频索引阵列的每个元素包括低频特征索引,所述低频特征索引指示由所述多个色彩通道共享的低频特征;以及
基于所述初始高频阵列来计算高频索引阵列,其中,所述高频索引阵列的每个元素包括高频特征索引,所述高频特征索引指示像素由所述多个色彩通道共享的高频特征。
10.根据权利要求9所述的方法,其中:
计算所述低频索引阵列包括:
通过第一对角矩阵来加权所述初始低频阵列的每个元素,以获取经加权的低频向量,以及
基于所述经加权的低频向量来确定第一平方范数函数的自变量最小值;以及
计算所述高频索引阵列包括:
通过第二对角矩阵来加权所述初始高频阵列的每个元素,以获取经加权的高频向量,以及
基于所述经加权的高频向量来确定第二平方范数函数的自变量最小值。
11.根据权利要求9所述的方法,其中,分解所述动态范围阵列还包括:
基于所述低频索引阵列来计算低频信息阵列,包括基于相应像素的低频特征索引来计算每个低频特征向量;
基于所述高频索引阵列来计算高频信息阵列,包括基于相应像素的高频特征索引来计算每个高频特征向量;以及
基于所述动态范围阵列、低频信息阵列和高频信息阵列来计算所述色彩强度信息阵列。
12.根据权利要求2所述的方法,其中,调整所述平滑部分、色彩部分和细节部分包括:
通过使用压缩索引来压缩低频信息阵列,以获取经压缩的低频信息阵列作为所述经调整的平滑部分;
通过使用第一反正切函数来增强所述色彩强度信息阵列,以获取经增强的色彩强度信息阵列作为所述经调整的色彩部分;以及
通过使用第二反正切函数来增强所述高频信息阵列,以获取经增强的高频信息阵列作为所述经调整的细节部分。
13.根据权利要求12所述的方法,其中,组合所述经调整的平滑部分、经调整的色彩部分和经调整的细节部分包括:
将所述经压缩的低频信息阵列、经增强的色彩强度信息阵列和经增强的高频信息阵列相加,以获取图像的经调整的动态范围阵列;以及
对所述经调整的动态范围阵列的每个元素执行指数变换,以生成所述输出图像。
14.一种用于调整图像动态范围的系统,所述系统包括:
硬件处理器;以及
存储指令的存储器,所述指令在被所述硬件处理器执行时使所述硬件处理器:
获取包括多个色彩通道的图像的动态范围表示,所述动态范围表示包括所述图像的像素在色彩通道中的动态范围信息;
将所述动态范围表示分解为平滑部分、色彩部分和细节部分,所述平滑部分包括像素在色彩通道中的低频信息,所述色彩部分包括像素在色彩通道中的色彩强度信息,并且所述细节部分包括像素在色彩通道中的高频信息;
分别调整所述平滑部分、色彩部分和细节部分,以获取经调整的平滑部分、经调整的色彩部分和经调整的细节部分;以及
将所述经调整的平滑部分、经调整的色彩部分和经调整的细节部分组合,以生成输出图像。
15.根据权利要求14所述的系统,其中:
所述动态范围表示包括动态范围阵列,所述动态范围阵列的每个元素包括像素之一的动态范围向量;以及
所述平滑部分包括低频信息阵列,所述低频信息阵列的每个元素包括像素之一的低频特征向量;
所述色彩部分包括色彩强度信息阵列,所述低频信息阵列的每个元素包括像素之一的低频特征向量;
所述细节部分包括高频信息阵列,所述高频信息阵列的每个元素包括像素之一的高频特征向量;以及
所述动态范围向量、低频特征向量、色彩强度特征向量和高频特征向量各自具有与所述色彩通道的数量相同的维度。
16.根据权利要求15所述的系统,其中:
所述多个色彩通道包括红色通道、绿色通道和蓝色通道,
所述动态范围向量、低频特征向量、色彩强度特征向量和高频特征向量是三维向量。
17.根据权利要求15所述的系统,其中,所述指令还使所述硬件处理器:
基于所述图像的数字信息来获取所述图像的初始动态范围阵列;
对所述初始动态范围阵列的每个元素执行对数变换,以获取经变换的动态范围阵列;以及
将所述经变换的动态范围阵列归一化,以获取动态范围阵列。
18.根据权利要求15所述的系统,其中,所述指令还使所述硬件处理器:
对所述动态范围阵列执行至少一次边缘保留滤波处理以获取初始低频阵列,所述初始低频阵列中的每个元素包括像素之一的低频向量;以及
基于所述动态范围阵列和所述初始低频阵列来计算初始高频阵列,所述初始高频阵列中的每个元素包括像素之一的高频向量;
其中,所述低频向量和所述高频向量各自具有与所述色彩通道的数量相同的维度。
19.根据权利要求18所述的系统,其中,所述指令还使所述硬件处理器:
执行至少一次全局优化边缘保留滤波方法,所述全局优化边缘保留滤波方法包括L0平滑方法、边缘保留分解方法或总变分方法之一。
20.根据权利要求18所述的系统,其中,所述指令还使所述硬件处理器:
执行至少一次基于局部块的边缘保留滤波方法,所述基于局部块的边缘保留滤波方法包括导向滤波方法、局部边缘保留分解方法或双边滤波方法之一。
21.根据权利要求20所述的系统,其中,所述指令还使所述硬件处理器:
以第一分辨率执行第一导向滤波处理;以及
以不同于所述第一分辨率的第二分辨率执行第二导向滤波处理。
22.根据权利要求18所述的系统,其中,所述指令还使所述硬件处理器:
基于所述初始低频阵列来计算低频索引阵列,其中,所述低频索引阵列的每个元素包括低频特征索引,所述低频特征索引指示由所述多个色彩通道共享的低频特征;以及
基于所述初始高频阵列来计算高频索引阵列,其中,所述高频索引阵列的每个元素包括高频特征索引,所述高频特征索引指示像素由所述多个色彩通道共享的高频特征。
23.根据权利要求22所述的系统,其中,所述指令还使所述硬件处理器:
通过第一对角矩阵来加权所述初始低频阵列的相应元素,以获取经加权的低频向量;
基于所述经加权的低频向量来确定第一平方范数函数的自变量最小值;
通过第二对角矩阵来加权所述初始高频阵列的相应元素,以获取经加权的高频向量;以及
基于所述经加权的高频向量来确定第二平方范数函数的自变量最小值。
24.根据权利要求22所述的系统,其中,所述指令还使所述硬件处理器:
基于所述低频索引阵列来计算所述低频信息阵列,包括基于相应像素的低频特征索引来计算每个低频特征向量;
基于所述高频索引阵列来计算所述高频信息阵列,包括基于相应像素的高频特征索引来计算每个高频特征向量;以及
基于所述动态范围阵列、低频信息阵列和高频信息阵列来计算所述色彩强度信息阵列。
25.根据权利要求15所述的系统,其中,所述指令还使所述硬件处理器:
通过使用压缩索引来压缩所述低频信息阵列,以获取经压缩的低频信息阵列作为所述经调整的平滑部分;
通过使用第一反正切函数来增强所述色彩强度信息阵列,以获取经增强的色彩强度信息阵列作为所述经调整的色彩部分;以及
通过使用第二反正切函数来增强高频信息阵列,以获取经增强的高频信息阵列作为所述经调整的细节部分。
26.根据权利要求25所述的系统,其中,所述指令还使所述硬件处理器:
将所述经压缩的低频信息阵列、经增强的色彩强度信息阵列和经增强的高频信息阵列相加,以获取所述图像的经调整的动态范围阵列;以及
对所述经调整的动态范围阵列的每个元素执行指数变换,以生成所述输出图像。
27.一种包含计算机可执行指令的非暂时性计算机可读介质,所述计算机可执行指令在被硬件处理器执行时,使所述硬件处理器执行用于调整图像动态范围的方法,所述方法包括:
获取包括多个色彩通道的图像的动态范围表示,所述动态范围表示包括所述图像的像素在色彩通道中的动态范围信息;
通过硬件处理器,将所述动态范围表示分解为平滑部分、色彩部分和细节部分,所述平滑部分包括所述像素在色彩通道中的低频信息,所述色彩部分包括所述像素在色彩通道中的色彩强度信息,并且所述细节部分包括所述像素在色彩通道中的高频信息;
分别调整所述平滑部分、所述色彩部分和所述细节部分,以获取经调整的平滑部分、经调整的色彩部分和经调整的细节部分;以及
将所述经调整的平滑部分、经调整的色彩部分和经调整的细节部分组合,以生成输出图像。
28.根据权利要求27所述的非暂时性计算机可读介质,其中:
获取所述动态范围表示包括:获取动态范围阵列,所述动态范围阵列的每个元素包括像素之一的动态范围向量;以及
分解所述动态范围表示包括:将所述动态范围阵列分解为作为所述平滑部分的低频信息阵列、作为所述色彩部分的色彩强度信息阵列和作为所述细节部分的高频信息阵列;
其中:
所述低频信息阵列的每个元素包括像素之一的低频特征向量,
所述色彩强度信息阵列的每个元素包括像素之一的色彩强度特征向量,
所述高频信息阵列的每个元素包括像素之一的高频特征向量,以及
所述动态范围向量、低频特征向量、色彩强度特征向量和高频特征向量各自具有与所述色彩通道的数量相同的维度。
29.根据权利要求28所述的非暂时性计算机可读介质,其中:
所述多个色彩通道包括红色通道、绿色通道和蓝色通道,
所述动态范围向量、低频特征向量、色彩强度特征向量和高频特征向量是三维向量。
30.根据权利要求28所述的非暂时性计算机可读介质,其中,获取所述动态范围阵列包括:
基于所述图像的数字信息来获取所述图像的初始动态范围阵列;
对所述初始动态范围阵列的每个元素执行对数变换,以获取经变换的动态范围阵列;以及
将所述经变换的动态范围阵列归一化,以获取动态范围阵列。
31.根据权利要求28所述的非暂时性计算机可读介质,其中,分解所述动态范围阵列包括:
对所述动态范围阵列执行至少一次边缘保留滤波处理以获取初始低频阵列,所述初始低频阵列中的每个元素包括像素之一的低频向量;以及
基于所述动态范围阵列和所述初始低频阵列来计算初始高频阵列,所述初始高频阵列中的每个元素包括像素之一的高频向量;
其中,所述低频向量和所述高频向量各自具有与所述色彩通道的数量相同的维度。
32.根据权利要求31所述的非暂时性计算机可读介质,其中,执行至少一次边缘保留滤波处理包括执行至少一次全局优化边缘保留滤波方法,所述全局优化边缘保留滤波方法包括L0平滑方法、边缘保留分解方法或总变分方法之一。
33.根据权利要求31所述的非暂时性计算机可读介质,其中,执行至少一次边缘保留滤波处理包括执行至少一次基于局部块的边缘保留滤波方法,所述基于局部块的边缘保留滤波方法包括导向滤波方法、局部边缘保留分解方法或双边滤波方法之一。
34.根据权利要求33所述的非暂时性计算机可读介质,其中,执行至少一次边缘保留滤波处理包括执行所述导向滤波方法,包括:
以第一分辨率执行第一导向滤波处理;以及
以不同于所述第一分辨率的第二分辨率执行第二导向滤波处理。
35.根据权利要求31所述的非暂时性计算机可读介质,其中,分解所述动态范围阵列还包括:
基于所述初始低频阵列来计算低频索引阵列,其中,所述低频索引阵列的每个元素包括低频特征索引,所述低频特征索引指示由所述多个色彩通道共享的低频特征;以及
基于所述初始高频阵列来计算高频索引阵列,其中,所述高频索引阵列的每个元素包括高频特征索引,所述高频特征索引指示所述像素由所述多个色彩通道共享的高频特征。
36.根据权利要求35所述的非暂时性计算机可读介质,其中:
计算所述低频索引阵列包括:
通过第一对角矩阵来加权所述初始低频阵列的每个元素,以获取经加权的低频向量,以及
基于所述经加权的低频向量来确定第一平方范数函数的自变量最小值;以及
计算所述高频索引阵列包括:
通过第二对角矩阵来加权所述初始高频阵列的相应元素,以获取经加权的高频向量,以及
基于所述经加权的高频向量来确定第二平方范数函数的自变量最小值。
37.根据权利要求35所述的非暂时性计算机可读介质,其中,分解所述动态范围阵列还包括:
基于所述低频索引阵列来计算所述低频信息阵列,包括基于相应像素的低频特征索引来计算每个低频特征向量;
基于所述高频索引阵列来计算所述高频信息阵列,包括基于相应像素的高频特征索引来计算每个高频特征向量;以及
基于所述动态范围阵列、低频信息阵列和高频信息阵列来计算所述色彩强度信息阵列。
38.根据权利要求28所述的非暂时性计算机可读介质,其中,调整所述平滑部分、色彩部分和细节部分包括:
通过使用压缩索引来压缩所述低频信息阵列,以获取经压缩的低频信息阵列作为经调整的平滑部分;
通过使用第一反正切函数来增强所述色彩强度信息阵列,以获取经增强的色彩强度信息阵列作为所述经调整的色彩部分;以及
通过使用第二反正切函数来增强所述高频信息阵列,以获取经增强的高频信息阵列作为所述经调整的细节部分。
39.根据权利要求38所述的非暂时性计算机可读介质,其中,组合所述经调整的平滑部分、经调整的色彩部分和经调整的细节部分包括:
将所述经压缩的低频信息阵列、经增强的色彩强度信息阵列和经增强的高频信息阵列相加,以获取所述图像的经调整的动态范围阵列;以及
对所述经调整的动态范围阵列的每个元素执行指数变换,以生成所述输出图像。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/110154 WO2019090580A1 (en) | 2017-11-09 | 2017-11-09 | System and method for image dynamic range adjusting |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111226256A true CN111226256A (zh) | 2020-06-02 |
Family
ID=66437522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780095887.9A Pending CN111226256A (zh) | 2017-11-09 | 2017-11-09 | 用于图像动态范围调整的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11070705B2 (zh) |
EP (1) | EP3685346A4 (zh) |
CN (1) | CN111226256A (zh) |
WO (1) | WO2019090580A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115150604A (zh) * | 2021-03-31 | 2022-10-04 | 爱思开海力士有限公司 | 色调映射电路、图像感测装置及其操作方法 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019206581A1 (de) * | 2019-05-08 | 2020-11-12 | Conti Temic Microelectronic Gmbh | Verfahren zur Erzeugung eines Bildes einer Fahrzeugumgebung und Vorrichtung zur Erzeugung eines Bildes einer Fahrzeugumgebung |
CN113706396B (zh) * | 2020-05-21 | 2024-04-30 | 北京机械设备研究所 | 基于滑动窗函数的遥测图像降噪处理方法 |
CN112365415B (zh) * | 2020-11-09 | 2024-02-09 | 珠海市润鼎智能科技有限公司 | 高动态范围图像的快速显示转换方法 |
CN115423716B (zh) * | 2022-09-05 | 2024-04-26 | 深圳市新弘途科技有限公司 | 基于多维滤波的图像增强方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986689A (zh) * | 2009-07-28 | 2011-03-16 | 三星电子株式会社 | 用于图像处理的方法和装置 |
US20140118585A1 (en) * | 2012-10-29 | 2014-05-01 | Stmicroelectronics S.R.L. | Color processing of digital images |
CN104463820A (zh) * | 2014-10-29 | 2015-03-25 | 广东工业大学 | 一种基于频域的反色调映射算法 |
US20150161797A1 (en) * | 2013-12-09 | 2015-06-11 | Sung Hee Park | Techniques for disparity estimation using camera arrays for high dynamic range imaging |
CN105894456A (zh) * | 2014-10-27 | 2016-08-24 | 南京林业大学 | 一种基于正规化分层的高动态范围图像阶调映射方法 |
CN106464815A (zh) * | 2014-11-21 | 2017-02-22 | 深圳市大疆创新科技有限公司 | 高动态范围成像的快速自适应混合的系统以及方法 |
US20170132769A1 (en) * | 2015-11-05 | 2017-05-11 | Google Inc. | Edge-Aware Bilateral Image Processing |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7433514B2 (en) | 2005-07-13 | 2008-10-07 | Canon Kabushiki Kaisha | Tone mapping of high dynamic range images |
US8831340B2 (en) | 2010-01-27 | 2014-09-09 | Adobe Systems Incorporated | Methods and apparatus for tone mapping high dynamic range images |
KR101538296B1 (ko) | 2011-03-02 | 2015-07-29 | 돌비 레버러토리즈 라이쎈싱 코오포레이션 | 로컬 멀티스케일 톤 매핑 연산자 |
US9324137B2 (en) * | 2012-10-24 | 2016-04-26 | Marvell World Trade Ltd. | Low-frequency compression of high dynamic range images |
US9437171B2 (en) | 2012-12-05 | 2016-09-06 | Texas Instruments Incorporated | Local tone mapping for high dynamic range images |
US9275445B2 (en) | 2013-08-26 | 2016-03-01 | Disney Enterprises, Inc. | High dynamic range and tone mapping imaging techniques |
US9621767B1 (en) * | 2015-11-24 | 2017-04-11 | Intel Corporation | Spatially adaptive tone mapping for display of high dynamic range (HDR) images |
CN105825472A (zh) * | 2016-05-26 | 2016-08-03 | 重庆邮电大学 | 一种快速的基于多尺度高斯滤波器的色调映射系统及方法 |
-
2017
- 2017-11-09 EP EP17931140.2A patent/EP3685346A4/en not_active Withdrawn
- 2017-11-09 WO PCT/CN2017/110154 patent/WO2019090580A1/en unknown
- 2017-11-09 CN CN201780095887.9A patent/CN111226256A/zh active Pending
-
2019
- 2019-11-27 US US16/697,997 patent/US11070705B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986689A (zh) * | 2009-07-28 | 2011-03-16 | 三星电子株式会社 | 用于图像处理的方法和装置 |
US20140118585A1 (en) * | 2012-10-29 | 2014-05-01 | Stmicroelectronics S.R.L. | Color processing of digital images |
US20150161797A1 (en) * | 2013-12-09 | 2015-06-11 | Sung Hee Park | Techniques for disparity estimation using camera arrays for high dynamic range imaging |
CN105894456A (zh) * | 2014-10-27 | 2016-08-24 | 南京林业大学 | 一种基于正规化分层的高动态范围图像阶调映射方法 |
CN104463820A (zh) * | 2014-10-29 | 2015-03-25 | 广东工业大学 | 一种基于频域的反色调映射算法 |
CN106464815A (zh) * | 2014-11-21 | 2017-02-22 | 深圳市大疆创新科技有限公司 | 高动态范围成像的快速自适应混合的系统以及方法 |
US20170132769A1 (en) * | 2015-11-05 | 2017-05-11 | Google Inc. | Edge-Aware Bilateral Image Processing |
Non-Patent Citations (1)
Title |
---|
BO GU ETC: "Local Edge-Preserving Multiscale Decompositionfor High Dynamic Range Image Tone Mapping",Bo Gu etc,IEEE TRANSACTIONS ON IMAGE PROCESSING" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115150604A (zh) * | 2021-03-31 | 2022-10-04 | 爱思开海力士有限公司 | 色调映射电路、图像感测装置及其操作方法 |
CN115150604B (zh) * | 2021-03-31 | 2024-04-19 | 爱思开海力士有限公司 | 色调映射电路、图像感测装置及其操作方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3685346A4 (en) | 2020-09-02 |
US20200099823A1 (en) | 2020-03-26 |
US11070705B2 (en) | 2021-07-20 |
EP3685346A1 (en) | 2020-07-29 |
WO2019090580A1 (en) | 2019-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11070705B2 (en) | System and method for image dynamic range adjusting | |
CN108885782B (zh) | 图像处理方法、设备及计算机可读存储介质 | |
CN105850114A (zh) | 用于图像的逆色调映射的方法 | |
US11663707B2 (en) | Method and system for image enhancement | |
WO2023010754A1 (zh) | 一种图像处理方法、装置、终端设备及存储介质 | |
DE102018119625A1 (de) | Reduzieren von strukturierten IR-Mustern bei der Stereoskopischen Tiefensensorbildgebung | |
CN108235037B (zh) | 对图像数据进行编码和解码 | |
CN110910333B (zh) | 图像处理方法和图像处理设备 | |
US20180005358A1 (en) | A method and apparatus for inverse-tone mapping a picture | |
DE112017000500T5 (de) | Bewegungsadaptive Flussverarbeitung zur zeitlichen Rauschunterdrückung | |
WO2012015020A1 (en) | Method and device for image enhancement | |
US8860806B2 (en) | Method, device, and system for performing color enhancement on whiteboard color image | |
DE102020200310A1 (de) | Verfahren und System zur Dunstreduzierung für die Bildverarbeitung | |
WO2021073330A1 (zh) | 一种视频信号处理方法及装置 | |
JP2021043874A (ja) | 画像処理装置、画像処理方法、およびプログラム | |
WO2012008116A1 (en) | Image processing apparatus, image processing method, and program | |
CN110807735A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
CN110717864B (zh) | 一种图像增强方法、装置、终端设备及计算机可读介质 | |
CN114998122A (zh) | 一种低照度图像增强方法 | |
US10567777B2 (en) | Contrast optimization and local adaptation approach for high dynamic range compression | |
CN109308690B (zh) | 一种图像亮度均衡方法及终端 | |
US11521300B2 (en) | Edge preserving noise reduction algorithm using inverse exponential function optimization | |
WO2017101570A1 (zh) | 照片的处理方法及处理系统 | |
CN110060210B (zh) | 图像处理方法及相关装置 | |
CN113194267B (zh) | 图像处理方法及装置、拍照方法及装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200602 |
|
WD01 | Invention patent application deemed withdrawn after publication |