CN111583111A - 动态范围图像压缩方法、计算机设备及存储装置 - Google Patents
动态范围图像压缩方法、计算机设备及存储装置 Download PDFInfo
- Publication number
- CN111583111A CN111583111A CN202010345134.2A CN202010345134A CN111583111A CN 111583111 A CN111583111 A CN 111583111A CN 202010345134 A CN202010345134 A CN 202010345134A CN 111583111 A CN111583111 A CN 111583111A
- Authority
- CN
- China
- Prior art keywords
- detail
- layer
- result
- image
- processing
- 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
- 230000006835 compression Effects 0.000 title claims abstract description 55
- 238000007906 compression Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 67
- 238000001914 filtration Methods 0.000 claims abstract description 65
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 125000001475 halogen functional group Chemical group 0.000 abstract description 7
- 235000019557 luminance Nutrition 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect 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
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/50—Control of the SSIS exposure
- H04N25/57—Control of the dynamic range
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种动态范围图像压缩方法、计算机设备及存储装置,该动态范围图像压缩方法包括:对图像进行预处理;采用边窗滤波与导向滤波结合对预处理后的图像进行分层处理,得到第一基础层和第一细节层;对第一基础层进行边缘对比度提取,获得第二基础层和第二细节层;对第二基础层进行动态压缩处理以及分别对第一细节层和第二细节层进行细节增强处理;将细节增强处理结果和动态压缩结果进行合并处理,输出合并结果。通过上述方式,本发明能够强制保护细节边缘,无光晕现象,降低了算法的复杂度同时提高了鲁棒性。
Description
技术领域
本申请涉及图像处理领域,特别是涉及一种动态范围图像压缩方法、计算机设备及存储装置。
背景技术
通常电子设备上采用三个8bit位宽的RGB来表述图像的不同亮度以及色彩等,然而真实世界中的色彩和亮度远远不是8bit*3的数据量能够表示,如何将真实世界的宽动态图像合理的压缩到低动态范围图像上,便是动态范围压缩算法需要做的工作。但现有的动态范围压缩算法边缘保护性能不够强,特别是在噪声较大或者在物体交界处时,存在严重的不稳定现象,导致提取的细节层不准确,容易出现较严重的“黑白边”效应和光晕现象。
发明内容
本申请提供一种动态范围图像压缩方法、计算机设备及存储装置,能够强制保护细节边缘,无光晕现象,降低了算法的复杂度同时提高了鲁棒性。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种动态范围图像压缩方法,包括:
对图像进行预处理;
采用边窗滤波与导向滤波结合对预处理后的图像进行分层处理,得到第一基础层和第一细节层;
对所述第一基础层进行边缘对比度提取,获得第二基础层和第二细节层;
对所述第二基础层进行动态压缩处理以及分别对所述第一细节层和所述第二细节层进行细节增强处理;
将细节增强处理结果和动态压缩结果进行合并处理,输出合并结果。
为解决上述技术问题,本申请采用的再一个技术方案是:提供一种计算机设备,该计算机设备包括处理器、与处理器耦接的存储器,其中,存储器存储有用于实现上述动态范围图像压缩方法的程序指令;处理器用于执行存储器存储的程序指令以压缩动态范围图像。
为解决上述技术问题,本申请采用的再一个技术方案是:提供一种存储装置,存储有能够实现上述动态范围图像压缩方法的程序文件。
本申请的有益效果是:采用边窗滤波与导向滤波结合对预处理后的图像进行分层处理,能够强制保护细节边缘,无需大范围半径的滤波,易于硬件实现,计算量少;通过对第一细节层和第二细节层进行细节增强处理,控制数据的增强范围以抑制“黑白边”效应和光晕现象。
附图说明
图1是本发明实施例的动态范围图像压缩方法的流程示意图;
图2是本发明实施例的动态范围图像压缩方法中的步骤S102的流程示意图;
图3是本发明实施例的不同方向的滤波窗口的示意图;
图4是本发明实施例的动态范围图像压缩方法的工作流程示意图;
图5是本发明实施例的动态范围图像压缩装置的结构示意图;
图6是本发明实施例的计算机设备的结构示意图;
图7是本发明实施例的存储装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请中的术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后......)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
图1是本发明实施例的动态范围图像压缩方法的流程示意图。需注意的是,若有实质上相同的结果,本发明的方法并不以图1所示的流程顺序为限。如图1所示,该方法包括步骤:
步骤S101:对图像进行预处理。
在步骤S101中,首先获取Bayer格式图像;然后采用3×3的高斯核对图像进行滤波处理,得到亮度图像;最后对亮度图像的亮度值取log域并进行归一化处理。
具体地,采用如下公式对亮度图像的亮度值取log域并进行归一化处理,Ilog=nor(log(I+1)),其中I表示亮度图像,log表示取取log域,nor表示归一化。
步骤S102:采用边窗滤波与导向滤波结合对预处理后的图像进行分层处理,得到第一基础层和第一细节层。
在步骤S102中,首先采用边窗滤波与导向滤波结合对步骤S101中预处理后的图像进行分层处理,得到第一基础层,即B1=GSWF(Ilog),B1为第一基础层,Ilog为步骤S101的预处理结果,GSWF为对Ilog进行边窗滤波与导向滤波;然后将预处理后的图像与第一基础层作矩阵差,得到第一细节层,即D1=Ilog-B1,D1为第一细节层,B1为第一基础层,Ilog为步骤S101的预处理结果。该步骤采用边窗滤波与导向滤波结合对预处理后的图像进行分层处理,能够强制保护细节边缘,无光晕现象,无需大范围半径的滤波,易于硬件实现,计算量少。
进一步地,请参见图2,采用边窗滤波与导向滤波结合对步骤S101中的预处理后的图像进行分层处理,得到第一基础层的步骤包括以下步骤:
步骤S1021:获取滤波窗口,滤波窗口包括在图像的像素点周围选取的多个不同的第一邻域窗口和以图像的像素点为中心添加的第二邻域窗口。
在步骤S1021中,边窗滤波是一种边缘保护滤波器框架,对于每一次滤波,选取图像的像素点周围的多个不同的第一邻域窗口,如图3所示,第一邻域窗口具体为:L、R、U、D、NW、NE、SE、SW,第一邻域窗口的边长为2r,中心点位于(x,y)。根据八个不同的第一邻域窗口计算八种不同的滤波结果,最终结果表示为其中,i表示滤波窗口,i={L、R、U、D、NW、NE、SE、SW},I表示亮度图像,Ii表示某个滤波窗口的滤波结果,IF表示与亮度图像的图像像素最接近的滤波结果。
本实施例中,请参见图3(c),以图像的像素点为中心添加一个第二邻域窗口M,M为中心位于(x,y),边长为r的正方形,因此,最终滤波窗口包括第一邻域窗口和第二邻域窗口,即i∈{L、R、U、D、NW、NE、SE、SW、M}。
步骤S1022:对每个滤波窗口进行导向滤波,并对预处理后的图像进行平滑处理。
在步骤S1022中,对每个滤波窗口分别进行导向滤波,得到九个不同的滤波结果,即Ii=GFi(I),GFi窗口的选择方向为i的导向滤波,Ii表示某个滤波窗口的滤波结果,i表示滤波窗口,i∈{L、R、U、D、NW、NE、SE、SW、M}。对预处理后的图像进行小半径高斯滤波或者均值滤波后,得到平滑的图像。
本实施例增加一个第二邻域窗口以及使用平滑后的图像进行窗口的选择,削弱了噪声对滤波窗口选取不准确造成的影响,同时能够保护细节边缘。
步骤S1023:将平滑处理结果与各个导向滤波结果进行比对,将与平滑处理结果最相近的导向滤波结果作为第一基础层。
在步骤S1023中,对小半径高斯滤波或者均值滤波后的结果IG作为滤波窗口选择的基准,将与平滑处理结果最相近的导向滤波结果作为第一基础层,即i表示滤波窗口,i∈{L、R、U、D、NW、NE、SE、SW、M},Ii表示某个滤波窗口的滤波结果,IG表示平滑处理后的图像,IF表示与亮度图像的图像像素最接近的滤波结果。
步骤S103:对第一基础层进行边缘对比度提取,获得第二基础层和第二细节层。
在步骤S103中,首先对第一基础层进行倍率约为分辨率的十分之一的双三插值降采样,然后对降采样结果使用相同倍率的双三插值升采样处理,得到第二基础层B2,将第一基础层B1和第二基础层B2作矩阵差,得到第二细节层D2,即D2=B1-B2。
该步骤使用降采样与升采样的方式替换传统的大半径滤波器,节省了资源,同时避免了滤波半径中等易造成的光晕现象以及滤波半径过大导致硬件无法实现的问题。
步骤S104:对第二基础层进行动态压缩处理以及分别对第一细节层和第二细节层进行细节增强处理。
在步骤S104中,采用最大熵方法对第二基础层进行动态压缩处理。具体地,选取多条gamma曲线并计算gamma曲线拉伸后的熵值;选取熵值最大的gamma曲线对应的结果作为第二基础层的动态压缩结果B2c。在本实施例中,预设gamma曲线为yi=x1/γi,其中,x为输入的亮度值,γi为系数,对应于不同的gamma值,γi∈(0.1,4),则其中,γi()表示γi对应的gamma变换,entropy()表示图像的一维熵。
该步骤对第二基础层采用最大熵的方法进行压缩,使得图像的信息量最大。
采用亮度增强方法分别对第一细节层和第二细节层进行细节增强处理;具体地,分别计算第一细节层和第二细节层的绝对值,获得计算结果中与第一细节层对应的最大绝对值以及与第二细节层对应的最大绝对值;根据与第一细节层对应的最大绝对值对第一细节层进行细节增强处理,根据与第二细节层对应的最大绝对值对第二细节层进行细节增强处理。
在本实施例中,第一细节层和第二细节层采用相同的亮度增强方法进行细节增强处理,采用以下公式对第一细节层和第二细节层进行细节增强处理,其中δ=max(abs(D)),D表示第一细节层或第二细节层,abs(D)表示对第一细节层或第二细节层求绝对值,max(abs(D))表示取绝对值的最大值,sign(D)=D./abs(D),sign表示符号,取±1或0,.*表示矩阵各元素分别相乘,./表示矩阵各元素分别相除,α为增强参数,α≤1。
该亮度增强方法能控制数据的增强范围在max(abs(D))以内,在一定程度上抑制“黑白边”的出现。
步骤S105:将细节增强处理结果和动态压缩结果进行合并处理,输出合并结果。
在步骤S105中,采用细节增强矩阵将细节增强处理结果和动态压缩结果进行合并后作归一化处理,细节增强矩阵通过动态压缩处理结果的亮度和取log域后的每个像素点的亮度与邻域内所有像素点的亮度的均值的方差生成。
具体地,采用如下公式进行合并处理,处理结果表示为Icombine=nor(α1*(B2c-mean(B2c))+α2*detailEnMat.*D1s+α3*D2s),其中,nor()为归一化操作,mean()为求均值,B2c为第二基础层的动态压缩结果,D1s为第一细节层的细节增强处理结果,D2s为第二细节层的细节增强处理结果,α1为系数,取0.6左右,α2、α3取1~3,detailEnMat为细节增强矩阵,细节增强矩阵通过动态压缩处理结果的亮度和取log域后的每个像素点的亮度与邻域内所有像素点的亮度的均值的方差生成。具体地,取log域后的每个像素点的亮度与邻域内所有像素点的亮度的均值的方差其中,m表示Ilog中的每个像素点的亮度,表示像素点m周围w邻域内所有像素点的亮度的均值。一般情况下,某个像素点对应的方差越大,细节增强系数越大;对应的动态压缩处理结果的亮度越亮,细节增强系数越大。本实施例可以根据方差和亮度分别计算出两个系数矩阵,然后将两个系数矩阵相乘得到细节增强矩阵。
通过亮度和方差生成细节增强矩,能够平衡图像的细节和噪声,使得图像中越暗的地方增强相对较弱,越亮的地方增强越强;对于方差太小的地方认为是平台区域,增强较少,对于方差较大的地方认为是细节,增强较多,通过亮度和方差共同控制细节增强,可以有效增强亮区的细节,改善其通透性,防止暗区过增强,抑制噪声,解决当前的动态范围压缩算法容易造成暗区噪声过大,亮区通透性差,图像朦胧感过强的问题。
在步骤S105中,将归一化处理结果进行图像格式转换,输出转换结果。
具体地,最终的输出结果为Src.*Icombine·/I,其中,.*表示矩阵各元素分别相乘,./表示矩阵各元素分别相除,Icombine为合并处理结果,I为亮度图像,Src为Bayer格式图像。
本实施例的动态范围图像压缩方法的流程具体如下进行,请参见图4,首先获取Bayer格式图像,输出Src,对图像进行滤波处理求亮度图像I,对亮度图像I的亮度值取log域并进行归一化处理,得到Ilog;然后对预处理后的图像进行分层处理,得到第一基础层B1和第一细节层D1,接着对第一基础层B1进行降采样和升采样,得到第二基础层B2和第二细节层D2,对第二基础层B2进行动态压缩处理,得到B2c层,对第一细节层D1进行细节增强处理,得到D1s层,对第二细节层D2进行细节增强处理,得到D2s层,最后对B2c层、D1s层以及D2s层进行合并处理,输出Bayer格式图像。
本发明实施例的动态范围图像压缩方法通过边窗滤波与导向滤波结合强制保护细节边缘,无光晕现象,无需大范围半径的滤波,节省资源,降低计算难度,同时有效增强亮区的细节,改善其通透性;防止暗区过增强,抑制噪声。
图5是本发明实施例的动态范围图像压缩装置的结构示意图。如图5所示,该装置50包括图像预处理模块51、分层模块52、提取模块53,压缩及增强模块54和合并处理模块55。
图像预处理模块51用于对图像进行预处理。
分层模块52与图像预处理模块51耦接,用于采用边窗滤波与导向滤波结合对预处理后的图像进行分层处理,得到第一基础层和第一细节层。
提取模块53与分层模块52耦接,用于对第一基础层进行边缘对比度提取,获得第二基础层和第二细节层。
压缩及增强模块54分别与提取模块53、分层模块52耦接,用于对第二基础层进行动态压缩处理以及分别对第一细节层和第二细节层进行细节增强处理。
合并处理模块55与压缩及增强模块54耦接,用于将细节增强处理结果和动态压缩结果进行合并处理,输出合并结果。
请参阅图6,图6为本发明实施例的计算机设备的结构示意图。如图6所示,该计算机设备60包括处理器61及和处理器61耦接的存储器62。
存储器62存储有用于实现上述任一实施例所述的动态范围图像压缩方法的程序指令。
处理器61用于执行存储器62存储的程序指令以压缩动态范围图像。
其中,处理器61还可以称为CPU(Central Processing Unit,中央处理单元)。处理器61可能是一种集成电路芯片,具有信号的处理能力。处理器61还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
参阅图7,图7为本发明实施例的存储装置的结构示意图。本发明实施例的存储装置存储有能够实现上述所有方法的程序文件71,其中,该程序文件71可以以软件产品的形式存储在上述存储装置中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储装置包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种动态范围图像压缩方法,其特征在于,包括:
对图像进行预处理;
采用边窗滤波与导向滤波结合对预处理后的图像进行分层处理,得到第一基础层和第一细节层;
对所述第一基础层进行边缘对比度提取,获得第二基础层和第二细节层;
对所述第二基础层进行动态压缩处理以及分别对所述第一细节层和所述第二细节层进行细节增强处理;
将细节增强处理结果和动态压缩结果进行合并处理,输出合并结果。
2.根据权利要求1所述的动态范围图像压缩方法,其特征在于,所述采用边窗滤波与导向滤波结合对预处理后的图像进行分层处理,得到第一基础层和第一细节层的步骤包括:
获取滤波窗口,所述滤波窗口包括在所述图像的像素点周围选取的多个不同的第一邻域窗口和以所述图像的像素点为中心添加的第二邻域窗口;
对每个所述滤波窗口进行导向滤波,并对所述预处理后的图像进行平滑处理;
将平滑处理结果与各个导向滤波结果进行比对,将与所述平滑处理结果最相近的所述导向滤波结果作为所述第一基础层;
将所述预处理后的图像与所述第一基础层作矩阵差,得到所述第一细节层。
3.根据权利要求1所述的动态范围图像压缩方法,其特征在于,所述对所述第一基础层进行边缘对比度提取,获得第二基础层和第二细节层的步骤包括:
对所述第一基础层进行相同倍率的双三插值降采样和双三插值升采样处理,得到所述第二基础层;
将所述第一基础层和所述第二基础层作矩阵差,得到所述第二细节层。
4.根据权利要求1所述的动态范围图像压缩方法,其特征在于,所述对所述第二基础层进行动态压缩处理以及分别对所述第一细节层和所述第二细节层进行细节增强处理的步骤包括:
采用最大熵方法对所述第二基础层进行动态压缩处理;
采用亮度增强方法分别对所述第一细节层和所述第二细节层进行细节增强处理。
5.根据权利要求4所述的动态范围图像压缩方法,其特征在于,所述采用最大熵方法对所述第二基础层进行动态压缩处理的步骤包括:
选取多条gamma曲线并计算所述gamma曲线拉伸后的熵值;
选取熵值最大的gamma曲线对应的结果作为所述第二基础层的动态压缩结果。
6.根据权利要求4所述的动态范围图像压缩方法,其特征在于,所述采用亮度增强方法分别对所述第一细节层和所述第二细节层进行细节增强处理的步骤包括:
分别计算所述第一细节层和所述第二细节层的绝对值,获得计算结果中与所述第一细节层对应的最大绝对值以及与所述第二细节层对应的最大绝对值;
根据与所述第一细节层对应的最大绝对值以及与所述第二细节层对应的最大绝对值分别对所述第一细节层和所述第二细节层进行细节增强处理。
7.根据权利要求1所述的动态范围图像压缩方法,其特征在于,所述对图像进行预处理的步骤包括:
获取Bayer图像;
对所述图像进行滤波处理,得到亮度图像;
对所述亮度图像的亮度值取log域并进行归一化处理。
8.根据权利要求7所述的动态范围图像压缩方法,其特征在于,所述将细节增强处理结果和动态压缩结果进行合并处理,输出合并结果的步骤包括:
采用细节增强矩阵将细节增强处理结果和动态压缩结果进行合并后作归一化处理,所述细节增强矩阵通过动态压缩处理结果的亮度和取log域后的每个像素点的亮度与邻域内所有像素点的亮度的均值的方差生成;
将归一化处理结果进行图像格式转换,输出转换结果。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器、与所述处理器耦接的存储器,其中,
所述存储器存储有用于实现如权利要求1-8中任一项所述的动态范围图像压缩方法的程序指令;
所述处理器用于执行所述存储器存储的所述程序指令以压缩动态范围图像。
10.一种存储装置,其特征在于,存储有能够实现如权利要求1-8中任一项所述的动态范围图像压缩方法的程序文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010345134.2A CN111583111B (zh) | 2020-04-27 | 2020-04-27 | 动态范围图像压缩方法、计算机设备及存储装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010345134.2A CN111583111B (zh) | 2020-04-27 | 2020-04-27 | 动态范围图像压缩方法、计算机设备及存储装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111583111A true CN111583111A (zh) | 2020-08-25 |
CN111583111B CN111583111B (zh) | 2023-12-19 |
Family
ID=72111799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010345134.2A Active CN111583111B (zh) | 2020-04-27 | 2020-04-27 | 动态范围图像压缩方法、计算机设备及存储装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111583111B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258424A (zh) * | 2020-11-18 | 2021-01-22 | 西安邮电大学 | 各向异性高斯边窗核约束的图像引导滤波方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000125209A (ja) * | 1998-10-12 | 2000-04-28 | Fuji Photo Film Co Ltd | 固体撮像装置および信号読出し方法 |
US20090002530A1 (en) * | 2007-06-27 | 2009-01-01 | Texas Instruments Incorporated | Apparatus and method for processing images |
CN101766032A (zh) * | 2007-09-14 | 2010-06-30 | 株式会社理光 | 成像装置和成像方法 |
CN101860668A (zh) * | 2010-01-15 | 2010-10-13 | 英华达(上海)科技有限公司 | 数码相机及其操作方法 |
US20130121572A1 (en) * | 2010-01-27 | 2013-05-16 | Sylvain Paris | Methods and Apparatus for Tone Mapping High Dynamic Range Images |
US20130322752A1 (en) * | 2012-05-31 | 2013-12-05 | Apple Inc. | Systems and methods for chroma noise reduction |
US20130321675A1 (en) * | 2012-05-31 | 2013-12-05 | Apple Inc. | Raw scaler with chromatic aberration correction |
CN103888689A (zh) * | 2014-03-13 | 2014-06-25 | 北京智谷睿拓技术服务有限公司 | 图像采集方法及图像采集装置 |
CN103945201A (zh) * | 2013-01-21 | 2014-07-23 | 浙江大华技术股份有限公司 | 一种IR-Cut滤光片切换方法、装置和摄像机 |
CN104574281A (zh) * | 2013-10-18 | 2015-04-29 | 中国航天科工集团第三研究院第八三五八研究所 | 一种基于向导滤波器的红外图像细节增强方法和装置 |
US9621767B1 (en) * | 2015-11-24 | 2017-04-11 | Intel Corporation | Spatially adaptive tone mapping for display of high dynamic range (HDR) images |
CN108122211A (zh) * | 2017-12-19 | 2018-06-05 | 中山大学花都产业科技研究院 | 一种基于箱式滤波器的局部边缘保持色调映射算法 |
-
2020
- 2020-04-27 CN CN202010345134.2A patent/CN111583111B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000125209A (ja) * | 1998-10-12 | 2000-04-28 | Fuji Photo Film Co Ltd | 固体撮像装置および信号読出し方法 |
US20090002530A1 (en) * | 2007-06-27 | 2009-01-01 | Texas Instruments Incorporated | Apparatus and method for processing images |
CN101766032A (zh) * | 2007-09-14 | 2010-06-30 | 株式会社理光 | 成像装置和成像方法 |
CN101860668A (zh) * | 2010-01-15 | 2010-10-13 | 英华达(上海)科技有限公司 | 数码相机及其操作方法 |
US20130121572A1 (en) * | 2010-01-27 | 2013-05-16 | Sylvain Paris | Methods and Apparatus for Tone Mapping High Dynamic Range Images |
US20130322752A1 (en) * | 2012-05-31 | 2013-12-05 | Apple Inc. | Systems and methods for chroma noise reduction |
US20130321675A1 (en) * | 2012-05-31 | 2013-12-05 | Apple Inc. | Raw scaler with chromatic aberration correction |
CN103945201A (zh) * | 2013-01-21 | 2014-07-23 | 浙江大华技术股份有限公司 | 一种IR-Cut滤光片切换方法、装置和摄像机 |
CN104574281A (zh) * | 2013-10-18 | 2015-04-29 | 中国航天科工集团第三研究院第八三五八研究所 | 一种基于向导滤波器的红外图像细节增强方法和装置 |
CN103888689A (zh) * | 2014-03-13 | 2014-06-25 | 北京智谷睿拓技术服务有限公司 | 图像采集方法及图像采集装置 |
US9621767B1 (en) * | 2015-11-24 | 2017-04-11 | Intel Corporation | Spatially adaptive tone mapping for display of high dynamic range (HDR) images |
CN108122211A (zh) * | 2017-12-19 | 2018-06-05 | 中山大学花都产业科技研究院 | 一种基于箱式滤波器的局部边缘保持色调映射算法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258424A (zh) * | 2020-11-18 | 2021-01-22 | 西安邮电大学 | 各向异性高斯边窗核约束的图像引导滤波方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111583111B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9390478B2 (en) | Real time skin smoothing image enhancement filter | |
CN107278314B (zh) | 用于非局部均值图像去噪的装置、移动计算平台和方法 | |
CN107004255B (zh) | 图像降噪方法和图像处理系统 | |
CN112330574B (zh) | 人像修复方法、装置、电子设备及计算机存储介质 | |
WO2017107114A1 (zh) | 一种图像信号转换处理方法、装置及终端设备 | |
CN112602088B (zh) | 提高弱光图像的质量的方法、系统和计算机可读介质 | |
JP6841888B2 (ja) | 映像処理装置及び映像処理方法 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN111861938B (zh) | 图像去噪方法、装置、电子设备及可读存储介质 | |
WO2019090580A1 (en) | System and method for image dynamic range adjusting | |
CN111429357A (zh) | 训练数据确定方法、视频处理方法、装置、设备及介质 | |
CN113935911A (zh) | 高动态范围视频图像处理方法、计算机装置及计算机可读存储介质 | |
CN111709879B (zh) | 图像处理方法、图像处理装置及终端设备 | |
CN111353955A (zh) | 一种图像处理方法、装置、设备和存储介质 | |
US10853921B2 (en) | Method and apparatus for image sharpening using edge-preserving filters | |
CN111429371A (zh) | 图像处理方法、装置及终端设备 | |
CN111583111B (zh) | 动态范围图像压缩方法、计算机设备及存储装置 | |
CN114298935A (zh) | 图像增强方法、装置及计算机可读存储介质 | |
CN113658073A (zh) | 图像去噪处理方法、装置、存储介质与电子设备 | |
CN112689138B (zh) | 一种图像信号转换处理方法、装置及终端设备 | |
CN113132786A (zh) | 一种用户界面显示方法、装置及可读存储介质 | |
WO2020241337A1 (ja) | 画像処理装置 | |
CN111986095A (zh) | 基于边缘提取的图像处理方法及图像处理装置 | |
CN115311161B (zh) | 基于人工智能的图像增强方法、装置、设备以及存储介质 | |
JP4037336B2 (ja) | 画像処理装置および方法並びにプログラム |
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 |