CN112132742A - 基于粒子的自适应光晕图像生成方法及装置 - Google Patents

基于粒子的自适应光晕图像生成方法及装置 Download PDF

Info

Publication number
CN112132742A
CN112132742A CN202010883428.0A CN202010883428A CN112132742A CN 112132742 A CN112132742 A CN 112132742A CN 202010883428 A CN202010883428 A CN 202010883428A CN 112132742 A CN112132742 A CN 112132742A
Authority
CN
China
Prior art keywords
image
halo
processed
particle
based adaptive
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
Application number
CN202010883428.0A
Other languages
English (en)
Inventor
朱钰恒
林杰兴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gaoding Xiamen Technology Co Ltd
Original Assignee
Gaoding Xiamen Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Gaoding Xiamen Technology Co Ltd filed Critical Gaoding Xiamen Technology Co Ltd
Priority to CN202010883428.0A priority Critical patent/CN112132742A/zh
Publication of CN112132742A publication Critical patent/CN112132742A/zh
Priority to PCT/CN2021/106953 priority patent/WO2022042131A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G06T3/04
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image

Abstract

本发明公开了一种基于粒子的自适应光晕图像生成方法、介质、设备及装置,其中方法包括:获取待处理图像,并计算所述待处理图像中每个像素所对应的灰度值;根据所述灰度值生成对应的sigma值,并根据所述sigma值对所述待处理图像进行模糊处理,以生成模糊图像;对所述模糊图像和所述待处理图像进行融合,以生成最终光晕图像;能够根据原始图像对光晕效果的强度进行自适应的调整,使得最终光晕图像过渡自然,提高最终光晕图像的视觉效果。

Description

基于粒子的自适应光晕图像生成方法及装置
技术领域
本发明涉及图像处理技术领域,特别涉及一种基于粒子的自适应光晕图像生成方法、一种计算机可读存储介质、一种计算机设备以及一种基于粒子的自适应光晕图像生成装置。
背景技术
相关技术中,在生成光晕图像时,其发光的强度往往是固定的,因此使得光晕效果中过渡很不自然;尤其是在原始图像颜色梯度变化较大的地方,用相同的发光强度所生成的光晕效果图像,与真实场景中的效果相差较大,给人的视觉效果较差。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此,本发明的一个目的在于提出一种基于粒子的自适应光晕图像生成方法,能够根据原始图像对光晕效果的强度进行自适应的调整,使得最终光晕图像过渡自然,提高最终光晕图像的视觉效果。
本发明的第二个目的在于提出一种计算机可读存储介质。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种基于粒子的自适应光晕图像生成装置。
为达到上述目的,本发明第一方面实施例提出了一种基于粒子的自适应光晕图像生成方法,包括以下步骤:获取待处理图像,并计算所述待处理图像中每个像素所对应的灰度值;根据所述灰度值生成对应的sigma值,并根据所述sigma值对所述待处理图像进行模糊处理,以生成模糊图像;对所述模糊图像和所述待处理图像进行融合,以生成最终光晕图像。
根据本发明实施例的基于粒子的自适应光晕图像生成方法,首先,获取待处理图像,并计算待处理图像中每个像素所对应的灰度值;接着,根据每个像素所对应的灰度值计算该像素对应的sigma值,并根据每个像素所对应的sigma值对待处理图像进行模糊处理,以生成模糊图像,从而,通过这种方式,待处理图像的模糊过程并非基于同一发光强度进行的,而是像素的不同灰度值进行的,能够提高过渡自然性;然后,对模糊图像和待处理图像进行融合,以生成最终光晕图像;从而实现根据原始图像对光晕效果的强度进行自适应的调整,使得最终光晕图像过渡自然,提高最终光晕图像的视觉效果。
另外,根据本发明上述实施例提出的基于粒子的自适应光晕图像生成方法还可以具有如下附加的技术特征:
可选地,根据以下公式进行sigma值的计算:
σ=gary×k
其中,σ表示sigma值,gary表示像素对应的灰度值,k表示sigma值调控因子。
可选地,根据所述sigma值对所述待处理图像进行模糊处理,以生成模糊图像,包括:
获取预设卷积核大小信息,并根据所述预设卷积核大小信息和sigma值进行卷积核的计算,以及根据计算得到的卷积核对待处理图像进行遍历,以得到对应的模糊图像。
为达到上述目的,本发明第二方面实施例提出了一种计算机可读存储介质,其上存储有基于粒子的自适应光晕调整程序,该基于粒子的自适应光晕调整程序被处理器执行时实现如上述的基于粒子的自适应光晕图像生成方法。
根据本发明实施例的计算机可读存储介质,通过存储基于粒子的自适应光晕调整程序,以使得处理器在执行该基于粒子的自适应光晕调整程序时,实现如上述的基于粒子的自适应光晕调整方法,从而实现根据原始图像对光晕效果的强度进行自适应的调整,使得最终光晕图像过渡自然,提高最终光晕图像的视觉效果。
为达到上述目的,本发明第三方面实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如上述的基于粒子的自适应光晕图像生成方法。
根据本发明实施例的计算机设备,通过存储器对基于粒子的自适应光晕调整程序进行存储,以使得处理器在执行该基于粒子的自适应光晕调整程序时,实现如上述的基于粒子的自适应光晕调整方法,从而实现根据原始图像对光晕效果的强度进行自适应的调整,使得最终光晕图像过渡自然,提高最终光晕图像的视觉效果。
为达到上述目的,本发明第四方面实施例提出了一种基于粒子的自适应光晕图像生成装置,包括:获取模块,所述获取模块用于获取待处理图像,并计算所述待处理图像中每个像素所对应的灰度值;模糊模块,所述模糊模块用于根据所述灰度值生成对应的sigma值,并根据所述sigma值对所述待处理图像进行模糊处理,以生成模糊图像;融合模块,所述融合模块用于对所述模糊图像和所述待处理图像进行融合,以生成最终光晕图像。
根据本发明实施例的基于粒子的自适应光晕图像生成装置,通过设置获取模块用于获取待处理图像,并计算所述待处理图像中每个像素所对应的灰度值;模糊模块用于根据所述灰度值生成对应的sigma值,并根据所述sigma值对所述待处理图像进行模糊处理,以生成模糊图像;使得待处理图像的模糊过程是根据每个像素对应的灰度值高低自适应进行的;融合模块用于对所述模糊图像和所述待处理图像进行融合,以生成最终光晕图像;从而实现根据原始图像对光晕效果的强度进行自适应的调整,使得最终光晕图像过渡自然,提高最终光晕图像的视觉效果。
另外,根据本发明上述实施例提出的基于粒子的自适应光晕图像生成装置还可以具有如下附加的技术特征:
可选地,根据以下公式进行sigma值的计算:
σ=gary×k
其中,σ表示sigma值,gary表示像素对应的灰度值,k表示sigma值调控因子。
可选地,根据所述sigma值对所述待处理图像进行模糊处理,以生成模糊图像,包括:
获取预设卷积核大小信息,并根据所述预设卷积核大小信息和sigma值进行卷积核的计算,以及根据计算得到的卷积核对待处理图像进行遍历,以得到对应的模糊图像。
附图说明
图1为根据本发明实施例的基于粒子的自适应光晕图像生成方法的流程示意图;
图2为根据本发明实施例的基于粒子的自适应光晕图像生成装置的方框示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
相关技术中,在生成光晕图像时,往往因为发光强度一直而导致过度不自然,最终光晕效果与真实场景效果相差较大,视觉效果不佳;根据本发明实施例的基于粒子的自适应光晕图像生成方法,首先,获取待处理图像,并计算待处理图像中每个像素所对应的灰度值;接着,根据每个像素所对应的灰度值计算该像素对应的sigma值,并根据每个像素所对应的sigma值对待处理图像进行模糊处理,以生成模糊图像,从而,通过这种方式,待处理图像的模糊过程并非基于同一发光强度进行的,而是像素的不同灰度值进行的,能够提高过渡自然性;然后,对模糊图像和待处理图像进行融合,以生成最终光晕图像;从而实现根据原始图像对光晕效果的强度进行自适应的调整,使得最终光晕图像过渡自然,提高最终光晕图像的视觉效果。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
图1为根据本发明实施例的基于粒子的自适应光晕图像生成方法的流程示意图,如图1所示,该基于粒子的自适应光晕图像生成方法包括以下步骤:
S101,获取待处理图像,并计算待处理图像中每个像素所对应的灰度值。
也就是说,获取需要进行光晕效果处理的图像(即待处理图像),并计算待处理图像所对应的灰度图像,即计算待处理图像中每个像素所对应的灰度值。
在一些实施例中,为了避免极端值的出现,可以将灰度值加上0.3作为像素对应的最终灰度值,通过公式表述如下:
gray=R×0.299+G×0.587+B×0.114+0.3
其中,gray表示最终灰度值,通过上述计算可以防止极端值的出现。
S102,根据灰度值生成对应的sigma值,并根据sigma值对待处理图像进行模糊处理,以生成模糊图像。
也就是说,根据待处理图像中不同像素所对应的不同灰度值,生成不能的sigma值,并根据该sigma值对待处理图像进行模糊处理;可以理解,通过这种方式,在模糊处理过程中,sigma值不是固定不变的,而是根据待处理图像中不同像素所对应的灰度值进行自适应变化的,可以使得最终光晕图像的效果过渡自然,视觉效果更佳。
在一些实施例中,根据以下公式进行sigma值的计算:
σ=gary×k
其中,σ表示sigma值,gary表示像素对应的灰度值,k表示sigma值调控因子。
即言,为了便于调整bloom,对sigma的计算过程加入调控因子k,以便于bloom的调控。
在一些实施例中,根据以下公式进行sigma值的计算:
σ=gary×k
其中,σ表示sigma值,gary表示像素对应的灰度值,k表示sigma值调控因子。
其中,对待处理图像进行模糊处理的方式可以有多种。
作为一种示例,通过高斯模糊的方式对待处理图像进行模糊处理,这种方式通过公式表述如下:
Figure BDA0002654810230000041
具体地,在模糊过程中,首先规定卷积核的大小;接着,根据卷积核的大小和sigma值进行卷积核的计算;然后,根据计算得到的卷积核对待处理图像进行遍历,以得到模糊图像。
作为另一种示例,通过平面模糊方法对待处理图像进行模糊处理;即言,计算sigma值代替平面模糊中的阈值,以达到自适应调整光晕效果的目的。
S103,对模糊图像和待处理图像进行融合,以生成最终光晕图像。
即言,将得到的模糊图像和待处理图像进行融合,以生成最终结果。
作为一种示例,融合过程通过以下公式表述:
src+dst-(src×dst)/128
其中,src表示待处理图像,dst表示模糊图像。
综上所述,根据本发明实施例的基于粒子的自适应光晕图像生成方法,首先,获取待处理图像,并计算待处理图像中每个像素所对应的灰度值;接着,根据每个像素所对应的灰度值计算该像素对应的sigma值,并根据每个像素所对应的sigma值对待处理图像进行模糊处理,以生成模糊图像,从而,通过这种方式,待处理图像的模糊过程并非基于同一发光强度进行的,而是像素的不同灰度值进行的,能够提高过渡自然性;然后,对模糊图像和待处理图像进行融合,以生成最终光晕图像;从而实现根据原始图像对光晕效果的强度进行自适应的调整,使得最终光晕图像过渡自然,提高最终光晕图像的视觉效果。
为了实现上述实施例,本发明实施例提出了一种计算机可读存储介质,其上存储有基于粒子的自适应光晕调整程序,该基于粒子的自适应光晕调整程序被处理器执行时实现如上述的基于粒子的自适应光晕图像生成方法。
根据本发明实施例的计算机可读存储介质,通过存储基于粒子的自适应光晕调整程序,以使得处理器在执行该基于粒子的自适应光晕调整程序时,实现如上述的基于粒子的自适应光晕调整方法,从而实现根据原始图像对光晕效果的强度进行自适应的调整,使得最终光晕图像过渡自然,提高最终光晕图像的视觉效果。
为了实现上述实施例,本发明实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如上述的基于粒子的自适应光晕图像生成方法。
根据本发明实施例的计算机设备,通过存储器对基于粒子的自适应光晕调整程序进行存储,以使得处理器在执行该基于粒子的自适应光晕调整程序时,实现如上述的基于粒子的自适应光晕调整方法,从而实现根据原始图像对光晕效果的强度进行自适应的调整,使得最终光晕图像过渡自然,提高最终光晕图像的视觉效果。
为了实现上述实施例,本发明实施例提出了一种基于粒子的自适应光晕图像生成装置,如图2所示,该基于粒子的自适应光晕图像生成装置包括:获取模块10、模糊模块20和融合模块30。
其中,获取模块10用于获取待处理图像,并计算待处理图像中每个像素所对应的灰度值;
模糊模块20用于根据灰度值生成对应的sigma值,并根据sigma值对待处理图像进行模糊处理,以生成模糊图像;
融合模块30用于对模糊图像和待处理图像进行融合,以生成最终光晕图像。
在一些实施例中,根据以下公式进行sigma值的计算:
σ=gary×k
其中,σ表示sigma值,gary表示像素对应的灰度值,k表示sigma值调控因子。
在一些实施例中,根据sigma值对待处理图像进行模糊处理,以生成模糊图像,包括:
获取预设卷积核大小信息,并根据预设卷积核大小信息和sigma值进行卷积核的计算,以及根据计算得到的卷积核对待处理图像进行遍历,以得到对应的模糊图像。
综上所述,根据本发明实施例的基于粒子的自适应光晕图像生成装置,通过设置获取模块用于获取待处理图像,并计算所述待处理图像中每个像素所对应的灰度值;模糊模块用于根据所述灰度值生成对应的sigma值,并根据所述sigma值对所述待处理图像进行模糊处理,以生成模糊图像;使得待处理图像的模糊过程是根据每个像素对应的灰度值高低自适应进行的;融合模块用于对所述模糊图像和所述待处理图像进行融合,以生成最终光晕图像;从而实现根据原始图像对光晕效果的强度进行自适应的调整,使得最终光晕图像过渡自然,提高最终光晕图像的视觉效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
在本发明的描述中,需要理解的是,术语“第一”、“第二”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”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不应理解为必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种基于粒子的自适应光晕图像生成方法,其特征在于,包括以下步骤:
获取待处理图像,并计算所述待处理图像中每个像素所对应的灰度值;
根据所述灰度值生成对应的sigma值,并根据所述sigma值对所述待处理图像进行模糊处理,以生成模糊图像;
对所述模糊图像和所述待处理图像进行融合,以生成最终光晕图像。
2.如权利要求1所述的基于粒子的自适应光晕图像生成方法,其特征在于,根据以下公式进行sigma值的计算:
σ=gary×k
其中,σ表示sigma值,gary表示像素对应的灰度值,k表示sigma值调控因子。
3.如权利要求1所述的基于粒子的自适应光晕图像生成方法,其特征在于,根据所述sigma值对所述待处理图像进行模糊处理,以生成模糊图像,包括:
获取预设卷积核大小信息,并根据所述预设卷积核大小信息和sigma值进行卷积核的计算,以及根据计算得到的卷积核对待处理图像进行遍历,以得到对应的模糊图像。
4.一种计算机可读存储介质,其特征在于,其上存储有基于粒子的自适应光晕调整程序,该基于粒子的自适应光晕调整程序被处理器执行时实现如权利要求1-3中任一项所述的基于粒子的自适应光晕图像生成方法。
5.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现如权利要求1-3中任一项所述的基于粒子的自适应光晕图像生成方法。
6.一种基于粒子的自适应光晕图像生成装置,其特征在于,包括:
获取模块,所述获取模块用于获取待处理图像,并计算所述待处理图像中每个像素所对应的灰度值;
模糊模块,所述模糊模块用于根据所述灰度值生成对应的sigma值,并根据所述sigma值对所述待处理图像进行模糊处理,以生成模糊图像;
融合模块,所述融合模块用于对所述模糊图像和所述待处理图像进行融合,以生成最终光晕图像。
7.如权利要求6所述的基于粒子的自适应光晕图像生成装置,其特征在于,根据以下公式进行sigma值的计算:
σ=gary×k
其中,σ表示sigma值,gary表示像素对应的灰度值,k表示sigma值调控因子。
8.如权利要求7所述的基于粒子的自适应光晕图像生成装置,其特征在于,根据所述sigma值对所述待处理图像进行模糊处理,以生成模糊图像,包括:
获取预设卷积核大小信息,并根据所述预设卷积核大小信息和sigma值进行卷积核的计算,以及根据计算得到的卷积核对待处理图像进行遍历,以得到对应的模糊图像。
CN202010883428.0A 2020-08-28 2020-08-28 基于粒子的自适应光晕图像生成方法及装置 Pending CN112132742A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010883428.0A CN112132742A (zh) 2020-08-28 2020-08-28 基于粒子的自适应光晕图像生成方法及装置
PCT/CN2021/106953 WO2022042131A1 (zh) 2020-08-28 2021-07-16 基于粒子的自适应光晕图像生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010883428.0A CN112132742A (zh) 2020-08-28 2020-08-28 基于粒子的自适应光晕图像生成方法及装置

Publications (1)

Publication Number Publication Date
CN112132742A true CN112132742A (zh) 2020-12-25

Family

ID=73847829

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010883428.0A Pending CN112132742A (zh) 2020-08-28 2020-08-28 基于粒子的自适应光晕图像生成方法及装置

Country Status (2)

Country Link
CN (1) CN112132742A (zh)
WO (1) WO2022042131A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022042131A1 (zh) * 2020-08-28 2022-03-03 稿定(厦门)科技有限公司 基于粒子的自适应光晕图像生成方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130150261A1 (en) * 2011-11-15 2013-06-13 Tel Hashomer Medical Research, Infrastructure And Services Ltd. Breath analysis of pulmonary nodules
CN106997608A (zh) * 2016-01-22 2017-08-01 五八同城信息技术有限公司 一种生成光晕效果图的方法及装置
US20190114747A1 (en) * 2016-04-07 2019-04-18 Carmel Haifa University Economic Corporation Ltd. Image dehazing and restoration
CN109859303A (zh) * 2019-01-16 2019-06-07 网易(杭州)网络有限公司 图像的渲染方法、装置、终端设备及可读存储介质
US20190259342A1 (en) * 2018-02-16 2019-08-22 Canon Kabushiki Kaisha Display apparatus and control method thereof
CN111583157A (zh) * 2020-05-13 2020-08-25 杭州睿琪软件有限公司 图像处理方法、系统及计算机可读存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7202867B1 (en) * 2003-01-31 2007-04-10 Microsoft Corporation Generation of glow effect
CN104182967B (zh) * 2014-07-29 2017-09-26 小米科技有限责任公司 图像处理方法、装置及终端
CN112132742A (zh) * 2020-08-28 2020-12-25 稿定(厦门)科技有限公司 基于粒子的自适应光晕图像生成方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130150261A1 (en) * 2011-11-15 2013-06-13 Tel Hashomer Medical Research, Infrastructure And Services Ltd. Breath analysis of pulmonary nodules
CN106997608A (zh) * 2016-01-22 2017-08-01 五八同城信息技术有限公司 一种生成光晕效果图的方法及装置
US20190114747A1 (en) * 2016-04-07 2019-04-18 Carmel Haifa University Economic Corporation Ltd. Image dehazing and restoration
US20190259342A1 (en) * 2018-02-16 2019-08-22 Canon Kabushiki Kaisha Display apparatus and control method thereof
CN109859303A (zh) * 2019-01-16 2019-06-07 网易(杭州)网络有限公司 图像的渲染方法、装置、终端设备及可读存储介质
CN111583157A (zh) * 2020-05-13 2020-08-25 杭州睿琪软件有限公司 图像处理方法、系统及计算机可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022042131A1 (zh) * 2020-08-28 2022-03-03 稿定(厦门)科技有限公司 基于粒子的自适应光晕图像生成方法及装置

Also Published As

Publication number Publication date
WO2022042131A1 (zh) 2022-03-03

Similar Documents

Publication Publication Date Title
US10360664B2 (en) Image processing apparatus and method using machine learning
CN107845128B (zh) 一种多尺度细节融合的多曝光高动态图像重建方法
CN110728648B (zh) 图像融合的方法、装置、电子设备及可读存储介质
CN110766639B (zh) 图像增强方法、装置、移动设备及计算机可读存储介质
US11188777B2 (en) Image processing method, image processing apparatus, learnt model manufacturing method, and image processing system
US11508038B2 (en) Image processing method, storage medium, image processing apparatus, learned model manufacturing method, and image processing system
WO2014168587A1 (en) Method and system for processing an input image
CN109859152B (zh) 模型生成方法、图像增强方法、装置及计算机可读存储介质
JP2011041276A (ja) ぶれ補正方法、ぶれ補正装置およびコンピューター読み取り可能な媒体
CN104320575A (zh) 一种用于便携式终端的图像处理方法及图像处理装置
CN112734650A (zh) 一种基于虚拟多曝光融合的不均匀光照图像增强方法
CN112967273B (zh) 图像处理方法、电子设备及存储介质
Zheng et al. Ultra-high-definition image hdr reconstruction via collaborative bilateral learning
CN111127337B (zh) 图像局部区域高光调整方法、介质、设备及装置
Zhu et al. Low-light image enhancement network with decomposition and adaptive information fusion
CN112819699A (zh) 视频处理方法、装置及电子设备
CN112132742A (zh) 基于粒子的自适应光晕图像生成方法及装置
Agrawal et al. A novel contrast and saturation prior for image dehazing
KR101437898B1 (ko) 단일 영상을 이용한 hdr 영상 생성 장치 및 방법
CN111784598A (zh) 色调映射模型的训练方法、色调映射方法及电子设备
JP2023055848A (ja) 画像処理方法、画像処理装置、画像処理システム、およびプログラム
CN114240767A (zh) 一种基于曝光融合的图像宽动态范围处理方法及装置
CN113935910A (zh) 一种基于深度学习的图像模糊长度测量方法
Zhang et al. Improved image enhancement method based on retinex algorithm
JP7451443B2 (ja) 画像処理方法および装置、機械学習モデルの訓練方法および装置、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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201225

RJ01 Rejection of invention patent application after publication