CN111402147A - 视频图像处理方法、装置、计算机设备和存储介质 - Google Patents
视频图像处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111402147A CN111402147A CN202010119063.4A CN202010119063A CN111402147A CN 111402147 A CN111402147 A CN 111402147A CN 202010119063 A CN202010119063 A CN 202010119063A CN 111402147 A CN111402147 A CN 111402147A
- Authority
- CN
- China
- Prior art keywords
- image
- gamma curve
- contrast
- contrast adjustment
- video
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 129
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000003672 processing method Methods 0.000 title abstract description 18
- 238000009826 distribution Methods 0.000 claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000009467 reduction Effects 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 abstract description 15
- 230000000694 effects Effects 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 101000712600 Homo sapiens Thyroid hormone receptor beta Proteins 0.000 description 5
- 102100033451 Thyroid hormone receptor beta Human genes 0.000 description 5
- 238000005282 brightening Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012958 reprocessing Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011946 reduction process 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20208—High dynamic range [HDR] image processing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Picture Signal Circuits (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本申请涉及一种视频图像处理方法、装置、计算机设备和存储介质。所述方法包括：获取视频图像和用于对视频图像进行处理的伽马曲线，依据视频图像的亮度分布，确定对比度调整阈值，在对比度调整阈值的限制下，对伽马曲线进行更新，通过更新的伽马曲线对视频图像进行对比度调节。采用本方法能够减少在图像对比度的调整过程中引入的噪声量，有效地提高了图像对比度调整效果。
Description
技术领域
本申请涉及图像处理技术领域，特别是涉及一种视频图像处理方法、装置、计算机设备和存储介质。
背景技术
在视频拍摄或者视频监控时，图像采集设备所处的环境复杂，天气、环境光线等因素影响着所采集图像的质量。例如，在一些环境或者光照条件下，图像采集设备所采集的图像的灰度分布集中在较窄的范围内，图像对比度较小，导致图像的细节不够清晰。针对图像对比度低的问题，目前的图像处理方式在提高图像对比度的过程中容易引入图像噪声，降低图像质量。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高图像对比度调整效果的的图像处理方法、装置、计算机设备和存储介质。
一种视频图像处理方法，所述方法包括：
获取视频图像和用于对所述视频图像进行处理的伽马曲线；
依据所述视频图像的亮度分布，确定对比度调整阈值；
在所述对比度调整阈值的限制下，对所述伽马曲线进行更新；
通过更新的所述伽马曲线对所述视频图像进行对比度调节。
在其中一个实施例中，所述确定对比度调整阈值的步骤，包括：
计算所述视频图像的亮度直方图的方差；
依据亮度直方图方差与对比度调整阈值的映射关系，查询所述亮度直方图的方差所对应的对比度调整阈值。
在其中一个实施例中，所述方法还包括：
获取视频处理图像，所述视频处理图像为经过所述伽马曲线处理后的视频图像；
依据所述视频处理图像的亮度分布，更新所述对比度调整阈值；
如果所述视频处理图像的灰度分布满足预设的对比度调整条件，则在所述对比度调整阈值的限制下对所述伽马曲线进行更新；
通过更新后的所述伽马曲线对所述视频处理图像进行再次处理，直至所述视频处理图像的灰度分布不满足所述对比度调整条件。
在其中一个实施例中，所述方法还包括：
对所述视频处理图像进行缩小处理；
确定缩小处理后的所述视频处理图像的灰度分布是否满足所述对比度调整条件，若满足，则确定所述视频处理图像的灰度分布满足所述对比度调整条件。
在其中一个实施例中，所述对比度调整条件包括对比度参数增大条件；所述确定缩小处理后的所述视频处理图像的灰度分布是否满足所述对比度调整条件的步骤，包括：
获取缩小处理后的所述视频处理图像的灰度直方图，确定所述灰度直方图中像素数目超过预设数目阈值的最小灰度级；
如果所述最小灰度级超过预设的第一灰度级阈值，则确定缩小处理后的所述视频处理图像的灰度分布满足所述对比度参数增大条件。
在其中一个实施例中，所述对比度调整条件还包括对比度参数减小条件；所述确定缩小处理后的所述视频处理图像的灰度分布是否满足所述对比度调整条件的步骤，还包括：
如果所述最小灰度级未超过所述第一灰度级阈值，则确定所述最小灰度级是否超过预设的第二灰度级阈值；
如果所述最小灰度值未超过所述第二灰度级阈值，则确定缩小处理后的所述视频处理图像的灰度分布满足所述对比度参数减小条件。
在其中一个实施例中，所述在所述对比度调整阈值的限制下对所述伽马曲线进行更新的步骤，包括：
对所述伽马曲线的暗部扩展参数进行调整，调整后的所述暗部拓展程度参数不超过所述对比度调整阈值；
根据调整后的所述暗部扩展参数，确定提亮程度参数；
结合调整后的所述暗部扩展参数和所述提亮程度参数，更新所述伽马曲线。
在其中一个实施例中，所述结合调整后的所述暗部扩展参数和所述提亮程度参数，更新所述伽马曲线的步骤，包括：
根据调整后的所述暗部扩展参数和预设的基准伽马曲线，确定第一关系式；
根据调整后的所述暗部扩展参数和所述提亮程度参数，确定第二关系式；
将所述第一关系式代入所述第二关系式，得到更新后的所述伽马曲线。
一种视频图像处理装置，所述装置包括：
数据获取模块，用于获取视频图像和用于对所述视频图像进行处理的伽马曲线；
对比度阈值确定模块，用于依据所述视频图像的亮度分布，确定对比度调整阈值；
伽马曲线更新模块，用于在所述对比度调整阈值的限制下，对所述伽马曲线进行更新；以及
对比度调节模块，用于通过更新的所述伽马曲线对所述视频图像进行对比度调节。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取视频图像和用于对所述视频图像进行处理的伽马曲线；
依据所述视频图像的亮度分布，确定对比度调整阈值；
在所述对比度调整阈值的限制下，对所述伽马曲线进行更新；
通过更新的所述伽马曲线对所述视频图像进行对比度调节。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取视频图像和用于对所述视频图像进行处理的伽马曲线；
依据所述视频图像的亮度分布，确定对比度调整阈值；
在所述对比度调整阈值的限制下，对所述伽马曲线进行更新；
通过更新的所述伽马曲线对所述视频图像进行对比度调节。
上述视频图像处理方法、装置、计算机设备和存储介质，依据视频图像的亮度分布，确定对比度调整阈值，在对比度调整阈值的限制下，对伽马曲线进行更新，通过更新的伽马曲线对视频图像进行处理，从而依据图像的亮度分布对对比度调整过程进行限制，有效地减少了在图像对比度的调整过程中引入的噪声量，有效地提高了图像对比度调整效果。
附图说明
图1为一个实施例中视频图像处理方法的应用环境图；
图2为一个实施例中视频图像处理方法的流程示意图；
图3为另一个实施例中视频图像处理方法的流程示意图；
图4为一个实施例中视频图像处理方法中第一关系式的示例图；
图5为一个实施例中视频图像处理方法中第二关系式的示例图；
图6为又一个实施例中视频图像处理方法的流程示意图；
图7为一个实施例中视频图像的开环处理流程示例图；
图8为一个实施例中视频图像的反馈处理流程示例图；
图9为一个实施例中视频图像处理装置的结构框图；以及
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的视频图像处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。终端102接收视频图像，并对视频图像的对比度进行调节。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、摄像设备、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种视频图像处理方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤202，获取视频图像和用于对视频图像进行处理的伽马曲线。
具体地，可从摄像头实时采集的码流数据中获取视频图像，也可从视频库或者图像库中获取预先存储的视频图像。伽马(Gamma)曲线是一条全局的亮度映射曲线，可对视频图像的对比度进行调整。
步骤204，依据视频图像的亮度分布，确定对比度调整阈值。
其中，视频图像的亮度分布即视频图像上不同亮度值的分布情况，对比度调整阈值用来限制伽马曲线对视频图像的对比度调整程度。
具体地，获取视频图像的亮度分布，确定视频图像的亮度分布所对应的对比度调整阈值，亮度分布比较集中时对应的对比度调整阈值较小，亮度分布比较分散时对应的对比度调整阈值较大，从而在视频图像的亮度比较单一时(即视频图像的亮度分布比较集中时)，避免对比度提高幅度太大导致引入大量图像噪声，影响到视频图像的图像质量。
步骤206，在对比度调整阈值的限制下，对伽马曲线进行更新。
具体地，获取伽马曲线的暗部扩展参数，若伽马曲线的暗部扩展参数超过对比度调整阈值，则说明伽马曲线的对比度调整程度太大，容易引入噪声，将伽马曲线的暗部扩展参数设置为对比度调整阈值。若伽马曲线的暗部扩展参数未超过对比度调整阈值，则保持伽马曲线的暗部扩展参数不变。
其中，伽马曲线的暗部扩展参数用于在图像暗部像素较少的情况下增加图像中暗部像素数量，以提高图像亮度分布的分散程度，进而提高图像对比度。暗部像素为像素亮度较低或者灰度值较低的像素，例如，黑色的灰度值为0，白色的灰度值为255，黑色为暗部像素。
步骤208，通过更新的伽马曲线对视频图像进行对比度调节。
具体地，通过更新的伽马曲线对视频图像进行对比度调节，以提高视频图像的对比度。
上述视频图像处理方法中，依据视频图像的亮度分布，确定对比度调整阈值，在对比度调整阈值的限制下，对伽马曲线进行更新，通过更新的伽马曲线对视频图像进行对比度调节，从而依据图像的亮度分布对对比度调整过程进行限制，有效地减少了对图像对比度进行调整而引入的噪声量，有效地提高了图像对比度调整效果。
在一个实施例中，用于对视频图像进行初次处理的伽马曲线，可以由用户或者系统设定其暗部扩展参数，也可以依据视频图像的灰度分布确定其暗部扩展参数，以提高暗部扩展参数确定的准确度。
具体地，获取视频图像的灰度直方图，在灰度直方图上查找像素数目超过预设数目阈值的最小灰度级，对该最小灰度级进行平滑处理，得到伽马曲线的暗部扩展参数。其中，灰度直方图的横坐标值从灰度级0至灰度级255，可用来准确表示视频图像的灰度分布情况，查找像素数目超过预设数目阈值的最小灰度级，即从横坐标上的灰度级0开始，找到像素数目(灰度直方图纵坐标)超过预设数目阈值的第一个灰度级。
在一个实施例中，由于原图中像素数量较多，在暗部像素在所有像素中占比较少的情况下，暗部像素的数量可能还是会超过预设数目阈值，此时若按照原图中暗部像素的数量确定伽马曲线的暗部拓展参数，容易导致暗部拓展程度不足或者无法进行暗部拓展。因此，可对视频图像进行缩小处理，缩小比例在此不做限制，得到缩小后的视频图像，获取缩小后的视频图像的灰度分布，根据该灰度分布确定伽马曲线的暗部扩展参数，从而借助缩小后的视频图像与原有视频图像的暗部像素在所有像素中占比一致、且缩小后的视频图像中像素数量较少的特点，提高暗部拓展参数的准确度，提高伽马曲线的暗部拓展效果。
在一个实施例中，在根据视频图像的灰度分布或者缩小后的视频图像的灰度分布，确定伽马曲线的暗部扩展参数时，在视频图像或缩小后的视频图像的灰度直方图上查找像素数目超过预设数目阈值的最小灰度级，对该最小灰度级进行平滑处理，得到伽马曲线的暗部扩展参数。其中，灰度直方图的横坐标值从灰度级0至灰度级255，查找像素数目超过预设数目阈值的最小灰度级，即从灰度级0开始，找到像素数目(灰度直方图纵坐标)超过预设数目阈值的第一个灰度级。
在一个实施例中，预先存储不同的亮度分布情况与对比度调整阈值的映射关系。在确定对比度调整阈值时，获取到视频图像的亮度分布，在预先存储的映射关系中，查找到与视频图像的亮度分布对应的对比度调整阈值，从而提高对比度调整阈值确定的准确度和便捷度。
在一个实施例中，预先存储不同的亮度直方图方差与对比度调整阈值的映射关系。在确定对比度调整阈值时，获取视频图像的亮度直方图，计算视频图像的亮度直方图的方差，在预先存储的映射关系中，查询视频图像的亮度直方图对应的对比度调整阈值，从而通过亮度直方图的方差准确地表示出视频图像的亮度分布情况，提高对比度调整阈值确定的准确度。
在一个实施例中，如图3所示，提供了一种视频图像处理方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤302，获取视频图像和用于对视频图像进行处理的伽马曲线。
步骤304，依据视频图像的亮度分布，确定对比度调整阈值。
具体地，步骤302～304可参照步骤202～204的详细描述，在此不再赘述。
步骤306，对伽马曲线的暗部扩展参数进行调整，调整后的暗部拓展程度参数不超过对比度调整阈值。
具体地，获取伽马曲线的暗部扩展参数。若伽马曲线的暗部扩展参数超过超过对比度调整阈值，则说明伽马曲线的对比度调整程度太大，容易引入噪声，将伽马曲线的暗部扩展参数设置为对比度调整阈值。若伽马曲线的暗部扩展参数未超过对比度调整阈值，则保持伽马曲线的暗部扩展参数不变。
在一个实施例中，若伽马曲线的暗部扩展参数不大于0，则说明视频图像中暗部像素的数目较多，无需对视频图像进行后续的暗部扩展和提亮操作，保持伽马曲线的暗部扩展参数不变，通过小于零的暗部扩展参数对视频图像进行处理，以减少视频图像中暗部像素。
步骤308，根据调整后的暗部扩展参数，确定提亮程度参数。
步骤310，结合调整后的暗部扩展参数和提亮程度参数，更新伽马曲线。
步骤312，通过更新的伽马曲线对视频图像进行对比度调节。
其中，提亮程度参数用于对视频图像进行提亮处理。
具体地，提亮程度参数可由暗部扩展参数进行正相关得到，结合调整后的暗部扩展参数和提亮程度参数，更新伽马曲线，使得伽马曲线包括了暗部拓展运算和提亮运算。在伽马曲线对视频图像进行对比度调节时，先通过暗部扩展参数对视频图像进行暗部扩展，再通过与暗部扩展参数正相关的提亮程度参数对视频图像辅以提亮操作，使得在暗部扩展的同时避免图像亮度的损失，有效地提高了视频图像对比度调整效果。
在一个实施例中，提亮程度参数可由暗部扩展参数进行正相关得到，且提亮程度参数与暗部扩展参数为线性正相关。例如，提亮程度参数的计算公式为：
D＝kG0'+h，其中，D为提亮程度参数，G0'为暗部扩展参数，k和h为预设的常数，且k为正数。
在一个实施例中，由暗部扩展参数计算得到提亮程度参数后，对提亮程度参数进行限幅处理，以避免视频图像提亮程度过高，导致视频图像细节丢失。
在一个实施例中，在结合调整后的暗部扩展参数和提亮程度参数更新伽马曲线时，获取预设的基准伽马曲线，根据调整后的暗部扩展参数和基准伽马曲线，确定第一关系式，根据调整后的暗部扩展参数和提亮程度参数，确定第二关系式，通过将第一关系式代入第二关系式，得到包括暗部扩展运算和提亮运算的伽马曲线。其中，基准伽马曲线为预先设置的固定不变的伽马曲线，例如采用伽马值为1的伽马曲线作为基准伽马曲线，或者采用伽马值为2.2的伽马曲线作为基准伽马曲线。
在一个实施例中，第一关系式可表示为：
例如，图4中的坐标系以g0为纵坐标、以gamma[i]为横坐标，坐标系中的实线表示第一关系式。
在一个实施例中，第二关系式为一条三次曲线，可表示为：
g1＝a(g0)3+b(g0)2+c(g0)，其中，a、b、c为三次曲线的系数，依据调整后的暗部拓展参数得到。
a、b、c的计算过程如下：
其中，
X可由G0'线性负相关得到，也可由用户设定X与G0'之间的计算方式或者设定X的定值，但该三次曲线上以X为横坐标的点要满足斜率为1的约束条件。D为提亮程度参数，体现为该以X为横坐标的点与三次曲线首尾之间连线之间的垂直距离，可由暗部扩展参数进行正相关得到。
例如，图5坐标系以g1为纵坐标、以g0为横坐标，坐标系中的曲线表示第二关系式，曲线上的A点为以X为横坐标的点、且斜率为1的点。
在一个实施例中，将第一关系式代入第二关系式，得到更新后的伽马曲线。
更新后的伽马曲线可表示为：
在一个实施例中，如图6所示，提供了一种视频图像处理方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤602，获取视频处理图像，视频处理图像为经过伽马曲线处理后的视频图像。
具体地，获取经过伽马曲线处理后的视频图像，例如经过上述实施例中步骤202～208或者上述步骤302～312处理后的视频图像。由于经过伽马曲线处理后的视频图像的对比度可能还需要进行调节，因此步骤202～208或者上述步骤302～312相当于对视频图像对比度的开环调节，步骤602～步骤608相当于对视频图像对比度的反馈调节。
步骤604，依据视频处理图像的亮度分布，更新对比度调整阈值。
具体地，获取视频处理图像的亮度分布，确定视频处理图像的亮度分布所对应的对比度调整阈值，将当前的对比度调整阈值更新为视频处理图像的亮度分布所对应的对比度调整阈值。其中，依据图像亮度分布确定对比度调整阈值，可参照步骤204的描述，在此不再赘述。
步骤606，如果视频处理图像的灰度分布满足预设的对比度调整条件，则在对比度调整阈值的限制下对伽马曲线进行更新。
具体地，获取视频处理图像的灰度分布，判断该灰度分布是否满足预设的对比度调整条件，若满足则对比度调整阈值的限制下对伽马曲线进行更新，否则保持伽马曲线不变。其中，伽马曲线的更新过程可参照步骤206或步骤306～310的描述，在此不再赘述。
步骤608，通过更新后的伽马曲线对视频处理图像进行再次处理，直至视频处理图像的灰度分布不满足对比度调整条件。
具体地，通过更新后的伽马曲线对视频处理图像进行再次处理，跳转执行步骤602、步骤604，以继续判断处理后的视频处理图像是否满足对比度调整条件，若不满足，则继续更新对比度阈值、更新伽马曲线，对视频图像进行循环的对比度调整过程，直至处理后的视频图像的灰度分布不再满足对比度调整条件，有效地保证了视频图像的对比度调整效果。
在一个实施例中，在判断视频处理图像的灰度分布是否满足预设的对比度调整条件时，对视频处理图像进行缩小处理，缩小比例在此不进行限制，确定缩小后的视频处理图像的灰度分布是否满足对比度调整条件，若满足，则确定视频处理图像的灰度分布满足对比度调整条件，以借助缩小后的视频处理图像与原有视频处理图像的暗部像素在所有像素中占比一致、且缩小后的视频处理图像中像素数量较少的特点，提高对比度调整条件判断的准确度。
在一个实施例中，对比度调整条件包括对比度参数增大条件。判断缩小后的视频处理图像的灰度分布是否满足对比度参数增大条件，若满足，表示需要增大对比度调整程度，即暗部扩展程度，因此增大伽马曲线的暗部扩展参数。
具体地，获取缩小后的视频处理图像的灰度直方图，确定该灰度直方图中像素数目超过预设数量阈值的最小灰度级，如果最小灰度级超过预设的第一灰度级阈值，则确定缩略图的灰度分布满足对比度参数增大条件。即在灰度直方图中从原点开始查找，确定纵坐标值超过预设数量阈值的第一个横坐标值，若该第一个横坐标值超过第一灰度级阈值，则说明缩略图的灰度分布比较集中。其中，第一灰度级阈值是一个预设的容差，通常为一个较小的值。
在一个实施例中，对比度调整条件还包括对比度参数减小条件。在缩小后的视频处理图像的灰度分布不满足对比度参数增大条件时，判断缩略图的灰度分布是否满足对比度参数减小条件，若满足，表示可能需要通过减小暗部扩展参数来减小对比度调整程度。
具体地，获取缩小后的视频处理图像的灰度直方图，确定该灰度直方图中像素数目超过预设数量阈值的最小灰度级，如果最小灰度级未超过第一灰度级阈值，则确定最小灰度级是否超过预设的第二灰度级阈值。若未超过，则认为视频处理图像的灰度分布较为分散，视频处理图像的对比度可能合适或者过高，满足对比度参数减小条件。其中，第二灰度级阈值可设置为0。
在一个实施例中，为了分辨最小灰度级未超过第二灰度级阈值时视频处理图像的对比度是合适还是过高，需要判断伽马曲线的暗部扩展参数是否大于0。若大于0，说明视频处理图像是经过了暗部扩展之后得到的视频图像，上一次循环过程中的暗部扩展导致了视频处理图像的对比度过高，此时可对暗部扩展参数进行减小操作。若暗部扩展参数不大于0，说明上一次循环过程未对视频处理图像进行暗部扩展，此时认为视频处理图像的对比度合适，保持暗部扩展参数不变，并结束视频图像的对比度调整过程。
作为示例地，图7为对视频图像对比度调整的开环处理过程(步骤202～步骤208或步骤302～步骤312所描述的内容)的示例图，图8为视频图像对比度调整的反馈处理过程(步骤602～604所描述的内容)的示例图。图7、图8中的THR1为对比度调整阈值。
在图7中，输入图像，依据图像的亮度直方图的方差，在预先制定的亮度直方图的方差与THR1的对应关系(即映射关系)下，查找该图像的亮度直方图的方差所对应的THR1的值。对该图像进行缩小处理，在缩略图(即缩小后的图像)的灰度直方图上，从横坐标0开始查找第一个像素数目大于预设数目阈值的灰度级G0，即像素数目大于预设数目阈值的最小灰度级。对最小灰度级进行时间平滑处理，得到伽马曲线的暗部扩展参数G0'。若G0'不大于0，说明图像中暗部像素的数目较多，无需对图像进行后续的暗部扩展和提亮操作，保持伽马曲线的暗部扩展参数不变，通过小于零的暗部扩展参数对图像进行处理。若G0'大于0，则限制G0'不超过THR1，并依据基准伽马曲线以及由第一关系式代入第二关系式得到的预设公式，得到新的伽马曲线。通过新的伽马曲线处理图像并输出。
在图8中，获取的图像为经过伽马曲线处理的图像，确定该图像的亮度直方图的方差所对应的THR1的值，对该图像进行缩小处理，在缩略图(即缩小后的图像)的灰度直方图上，从横坐标0开始查找第一个像素数目大于预设数目阈值的灰度级G0，即像素数目大于预设数目阈值的最小灰度级。THR0为第一灰度级阈值，若最小灰度级超过第一灰度级阈值，说明图像满足对比度参数增大条件，将伽马曲线的暗部扩展参数G0'加1。若最小灰度级未超过第一灰度级阈值，判断最小灰度级是否超过第二灰度级阈值，第二灰度级阈值可设置为0，。若未超过，说明图像既不满足对比度参数增大条件，也不满足对比度参数较小条件，图像的对比度合适，无需再调整。
在图8中，若最小灰度级超过第二灰度级阈值，说明图像满足对比度参数减小条件，图像的对比度可能合适也可能过高，通过判断G0'是否大于0来确定图像上一次循环过程中是否进行了暗部拓展。若G0'大于0，则说明上一次循环过程中的暗部扩展导致了视频处理图像的对比度过高，将G0'减1。否则，保持G0'不变，并结束对图像的对比度调整。在调整G0'后，同样依据基准伽马曲线以及由第一关系式代入第二关系式得到的预设公式，得到新的伽马曲线。通过新的伽马曲线处理图像并输出。
应该理解的是，虽然图2-8的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-8中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图9所示，提供了一种视频图像处理装置900，包括：数据获取模块902、对比度阈值确定模块904、伽马曲线更新模块906和对比度调节模块908，其中：
数据获取模块902，用于获取视频图像和用于对视频图像进行处理的伽马曲线；
对比度阈值确定模块904，用于依据视频图像的亮度分布，确定对比度调整阈值；
伽马曲线更新模块906，用于在对比度调整阈值的限制下，对伽马曲线进行更新；以及
对比度调节模块908，用于通过更新的伽马曲线对视频图像进行对比度调节。
在一个实施例中，对比度阈值确定模块904包括：
方差计算模块，用于计算视频图像的亮度直方图的方差；以及
阈值查询模块，用于依据亮度直方图方差与对比度调整阈值的映射关系，查询亮度直方图的方差所对应的对比度调整阈值。
在一个实施例中，视频图像处理装置900还包括：
处理图像获取模块，用于获取视频处理图像，视频处理图像为经过伽马曲线处理后的视频图像；
阈值更新模块，用于依据视频处理图像的亮度分布，更新对比度调整阈值；
伽马曲线再次更新模块，用于如果视频处理图像的灰度分布满足预设的对比度调整条件，则在对比度调整阈值的限制下对伽马曲线进行更新；以及
图像再次处理模块，用于通过更新后的伽马曲线对视频处理图像进行再次处理，直至视频处理图像的灰度分布不满足对比度调整条件。
在一个实施例中，视频图像处理装置900还包括：
图像缩小模块，用于对视频处理图像进行缩小处理；以及
条件满足确定模块，用于确定缩小处理后的视频处理图像的灰度分布是否满足对比度调整条件，若满足，则确定视频处理图像的灰度分布满足对比度调整条件。
在一个实施例中，对比度调整条件包括对比度参数增大条件；条件满足确定模块包括：
最小灰度级确定模块，用于获取缩小处理后的所述视频处理图像的灰度直方图，确定灰度直方图中像素数目超过预设数目阈值的最小灰度级；以及
增大条件满足确定模块，用于如果最小灰度级超过预设的第一灰度级阈值，则确定缩小处理后的视频处理图像的灰度分布满足对比度参数增大条件。
在一个实施例中，对比度调整条件还包括对比度参数减小条件；条件满足确定模块还包括：
最小灰度级比较模块，用于如果最小灰度级未超过第一灰度级阈值，则确定最小灰度级是否超过预设的第二灰度级阈值；以及
减小条件满足确定模块，用于如果最小灰度值未超过第二灰度级阈值，则确定缩小处理后的视频处理图像的灰度分布满足对比度参数减小条件。
在一个实施例中，伽马曲线更新模块包括：
暗部参数调整模块，用于对伽马曲线的暗部扩展参数进行调整，调整后的暗部拓展程度参数不超过对比度调整阈值；
提亮参数确定模块，用于根据调整后的暗部扩展参数，确定提亮程度参数；以及
结合更新模块，用于结合调整后的暗部扩展参数和提亮程度参数，更新伽马曲线。
在一个实施例中，结合更新模块包括：
第一关系式确定模块，用于根据调整后的暗部扩展参数和预设的基准伽马曲线，确定第一关系式；
第二关系式确定模块，用于根据调整后的暗部扩展参数和提亮程度参数，确定第二关系式；以及
关系式结合模块，用于将第一关系式代入第二关系式，得到更新后的伽马曲线。
关于视频图像处理装置的具体限定可以参见上文中对于视频图像处理方法的限定，在此不再赘述。上述视频图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储视频图像、伽马曲线等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种视频图像处理方法。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述方法实施例中的各步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中的各步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种视频图像处理方法，其特征在于，所述方法包括：
获取视频图像和用于对所述视频图像进行处理的伽马曲线；
依据所述视频图像的亮度分布，确定对比度调整阈值；
在所述对比度调整阈值的限制下，对所述伽马曲线进行更新；
通过更新的所述伽马曲线对所述视频图像进行对比度调节。
2.根据权利要求1所述的方法，其特征在于，所述确定对比度调整阈值的步骤，包括：
计算所述视频图像的亮度直方图的方差；
依据亮度直方图方差与对比度调整阈值的映射关系，查询所述亮度直方图的方差所对应的对比度调整阈值。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取视频处理图像，所述视频处理图像为经过所述伽马曲线处理后的视频图像；
依据所述视频处理图像的亮度分布，更新所述对比度调整阈值；
如果所述视频处理图像的灰度分布满足预设的对比度调整条件，则在所述对比度调整阈值的限制下对所述伽马曲线进行更新；
通过更新后的所述伽马曲线对所述视频处理图像进行再次处理，直至所述视频处理图像的灰度分布不满足所述对比度调整条件。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
对所述视频处理图像进行缩小处理；
确定缩小处理后的所述视频处理图像的灰度分布是否满足所述对比度调整条件，若满足，则确定所述视频处理图像的灰度分布满足所述对比度调整条件。
5.根据权利要求4所述的方法，其特征在于，所述对比度调整条件包括对比度参数增大条件；所述确定缩小处理后的所述视频处理图像的灰度分布是否满足所述对比度调整条件的步骤，包括：
获取缩小处理后的所述视频处理图像的灰度直方图，确定所述灰度直方图中像素数目超过预设数目阈值的最小灰度级；
如果所述最小灰度级超过预设的第一灰度级阈值，则确定缩小处理后的所述视频处理图像的灰度分布满足所述对比度参数增大条件。
6.根据权利要求5所述的方法，其特征在于，所述对比度调整条件还包括对比度参数减小条件；所述确定缩小处理后的所述视频处理图像的灰度分布是否满足所述对比度调整条件的步骤，还包括：
如果所述最小灰度级未超过所述第一灰度级阈值，则确定所述最小灰度级是否超过预设的第二灰度级阈值；
如果所述最小灰度值未超过所述第二灰度级阈值，则确定缩小处理后的所述视频处理图像的灰度分布满足所述对比度参数减小条件。
7.根据权利要求1所述的方法，其特征在于，所述在所述对比度调整阈值的限制下对所述伽马曲线进行更新的步骤，包括：
对所述伽马曲线的暗部扩展参数进行调整，调整后的所述暗部拓展程度参数不超过所述对比度调整阈值；
根据调整后的所述暗部扩展参数，确定提亮程度参数；
结合调整后的所述暗部扩展参数和所述提亮程度参数，更新所述伽马曲线。
8.根据权利要求7所述的方法，其特征在于，所述结合调整后的所述暗部扩展参数和所述提亮程度参数，更新所述伽马曲线的步骤，包括：
根据调整后的所述暗部扩展参数和预设的基准伽马曲线，确定第一关系式；
根据调整后的所述暗部扩展参数和所述提亮程度参数，确定第二关系式；
将所述第一关系式代入所述第二关系式，得到更新后的所述伽马曲线。
9.一种视频图像处理装置，其特征在于，所述装置包括：
数据获取模块，用于获取视频图像和用于对所述视频图像进行处理的伽马曲线；
对比度阈值确定模块，用于依据所述视频图像的亮度分布，确定对比度调整阈值；
伽马曲线更新模块，用于在所述对比度调整阈值的限制下，对所述伽马曲线进行更新；以及
对比度调节模块，用于通过更新的所述伽马曲线对所述视频图像进行对比度调节。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010119063.4A CN111402147B (zh) | 2020-02-26 | 2020-02-26 | 视频图像处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010119063.4A CN111402147B (zh) | 2020-02-26 | 2020-02-26 | 视频图像处理方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111402147A true CN111402147A (zh) | 2020-07-10 |
| CN111402147B CN111402147B (zh) | 2023-04-07 |
Family
ID=71430465
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010119063.4A Active CN111402147B (zh) | 2020-02-26 | 2020-02-26 | 视频图像处理方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111402147B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115278104A (zh) * | 2022-07-04 | 2022-11-01 | 浙江大华技术股份有限公司 | 一种图像亮度调整方法、装置、电子设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030053690A1 (en) * | 2001-07-06 | 2003-03-20 | Jasc Software, Inc. | Automatic contrast enhancement |
| CN1684107A (zh) * | 2004-04-12 | 2005-10-19 | 光宝科技股份有限公司 | 图像对比度的调整方法 |
| CN1898945A (zh) * | 2004-07-30 | 2007-01-17 | 卡西欧计算机株式会社 | 具有亮度校正功能的图像拾取设备以及校正图像亮度的方法 |
| CN101047869A (zh) * | 2006-06-15 | 2007-10-03 | 华为技术有限公司 | 一种视频通信伽玛特性的校正方法和装置 |
| US20110096989A1 (en) * | 2009-10-26 | 2011-04-28 | Texas Instruments Incorporated | Method and apparatus for enhancing image or video quality using an exposure aware scene adaptive global brightness contrast |
| CN102376082A (zh) * | 2010-08-06 | 2012-03-14 | 株式会社理光 | 基于伽马校正的图像处理方法和装置 |
| CN103327219A (zh) * | 2012-03-21 | 2013-09-25 | 浙江大华技术股份有限公司 | 一种视频图像对比度调整方法及装置 |
| CN107403422A (zh) * | 2017-08-04 | 2017-11-28 | 上海兆芯集成电路有限公司 | 用以增强图像对比度的方法及其系统 |
| CN108805829A (zh) * | 2018-05-25 | 2018-11-13 | 浙江科澜信息技术有限公司 | 影像数据处理方法、装置、设备及计算机可读存储介质 |
-
2020
- 2020-02-26 CN CN202010119063.4A patent/CN111402147B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030053690A1 (en) * | 2001-07-06 | 2003-03-20 | Jasc Software, Inc. | Automatic contrast enhancement |
| CN1684107A (zh) * | 2004-04-12 | 2005-10-19 | 光宝科技股份有限公司 | 图像对比度的调整方法 |
| CN1898945A (zh) * | 2004-07-30 | 2007-01-17 | 卡西欧计算机株式会社 | 具有亮度校正功能的图像拾取设备以及校正图像亮度的方法 |
| CN101047869A (zh) * | 2006-06-15 | 2007-10-03 | 华为技术有限公司 | 一种视频通信伽玛特性的校正方法和装置 |
| US20110096989A1 (en) * | 2009-10-26 | 2011-04-28 | Texas Instruments Incorporated | Method and apparatus for enhancing image or video quality using an exposure aware scene adaptive global brightness contrast |
| CN102376082A (zh) * | 2010-08-06 | 2012-03-14 | 株式会社理光 | 基于伽马校正的图像处理方法和装置 |
| CN103327219A (zh) * | 2012-03-21 | 2013-09-25 | 浙江大华技术股份有限公司 | 一种视频图像对比度调整方法及装置 |
| CN107403422A (zh) * | 2017-08-04 | 2017-11-28 | 上海兆芯集成电路有限公司 | 用以增强图像对比度的方法及其系统 |
| CN108805829A (zh) * | 2018-05-25 | 2018-11-13 | 浙江科澜信息技术有限公司 | 影像数据处理方法、装置、设备及计算机可读存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115278104A (zh) * | 2022-07-04 | 2022-11-01 | 浙江大华技术股份有限公司 | 一种图像亮度调整方法、装置、电子设备及存储介质 |
| CN115278104B (zh) * | 2022-07-04 | 2024-02-09 | 浙江大华技术股份有限公司 | 一种图像亮度调整方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111402147B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11113795B2 (en) | Image edge processing method, electronic device, and computer readable storage medium | |
| CN107872662B (zh) | 显示设备 | |
| US11663707B2 (en) | Method and system for image enhancement | |
| US20170193639A1 (en) | Computational-complexity adaptive method and system for transferring low dynamic range image to high dynamic range image | |
| CN112906529A (zh) | 人脸识别补光方法、装置、人脸识别设备及其系统 | |
| CN112070682B (zh) | 图像亮度补偿的方法和装置 | |
| CN102446347A (zh) | 图像白平衡方法和装置 | |
| CN112989910A (zh) | 电力目标检测方法、装置、计算机设备和存储介质 | |
| CN109859142B (zh) | 图像亮度的调节方法、装置、计算机设备和存储介质 | |
| CN116645527A (zh) | 图像识别方法、系统、电子设备和存储介质 | |
| CN105184771A (zh) | 一种自适应运动目标检测系统及检测方法 | |
| CN111080665B (zh) | 图像边框识别方法、装置、设备和计算机存储介质 | |
| CN115375592A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
| CN112034981A (zh) | 显示终端控制方法、显示终端及计算机可读存储介质 | |
| CN111402147B (zh) | 视频图像处理方法、装置、计算机设备和存储介质 | |
| US20100085451A1 (en) | Signal processing apparatus, signal processing method, and image pickup apparatus | |
| CN117058738B (zh) | 移动执法设备移动的远距离人脸检测及识别方法和系统 | |
| CN111539975A (zh) | 一种运动目标的检测方法、装置、设备及存储介质 | |
| CN109886865B (zh) | 自动屏蔽不良信息的方法、装置、计算机设备以及存储介质 | |
| CN113808045B (zh) | 一种图像亮度调节方法及装置 | |
| CN116485645A (zh) | 图像拼接方法、装置、设备及存储介质 | |
| JP2020181402A (ja) | 画像処理装置、画像処理方法、およびプログラム | |
| CN113643651B (zh) | 一种图像增强方法、装置、计算机设备和存储介质 | |
| CN113674169A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| CN111274952B (zh) | 背光人脸图像处理方法、人脸识别方法 |
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 |