CN112153298A - 确定目标对象理想亮度的方法及装置 - Google Patents
确定目标对象理想亮度的方法及装置 Download PDFInfo
- Publication number
- CN112153298A CN112153298A CN201910570787.8A CN201910570787A CN112153298A CN 112153298 A CN112153298 A CN 112153298A CN 201910570787 A CN201910570787 A CN 201910570787A CN 112153298 A CN112153298 A CN 112153298A
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- candidate image
- brightness
- pixel point
- 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
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
公开了一种确定目标对象理想亮度的方法、装置、计算机可读存储介质及电子设备,方法包括:调节样本图像的亮度信息以得到至少一个候选图像;确定每一个候选图像的第一梯度信息;将第一梯度信息最大的候选图像确定为理想曝光图像;对每张所述理想曝光图像分别进行语义分割,得到至少一个目标对象分别对应的至少一个图像区域;根据各个所述目标对象分别对应的至少一个所述图像区域,计算各个所述目标对象的理想亮度。根据本申请的技术方案,采集目标对象的图像时,可确定出目标对象能够清晰显示时所对应的理想亮度。
Description
技术领域
本申请涉及图像处理领域,具体涉及一种确定目标对象理想亮度的方法及装置。
背景技术
图像采集装置基于其自动曝光功能实现采集图像时,首先需要确定其目标曝光量,然后根据确定的目标曝光量设置光圈大小及快门速度等曝光参数,进而根据曝光参数采集图像。
目前,图像采集装置通常基于图像亮度均值确定目标曝光量,采集相同目标对象的图像,可能因目标图像所在场景不同,导致相同目标对象在多个图像中分别对应的图像区域具有不同的真实亮度。
发明内容
不同图像中对应于同一个目标对象的各个图像区域,可能存在一部分图像区域因过亮或过暗而无法清晰显示。为了实现在不同场景下采集目标对象的图像时,目标对象均能够在所采集图像中清晰显示,如何实现确定出目标对象能够清晰显示时所对应的理想亮度成为有待解决的问题。
为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种确定目标对象理想亮度的方法、装置、计算机可读存储介质及电子设备,可确定出目标对象能够清晰显示时所对应的理想亮度。
根据本申请的第一方面,提供了一种确定目标对象理想亮度的方法,包括:
调节样本图像的亮度信息以得到至少一个候选图像;
确定每一个候选图像的第一梯度信息;
将第一梯度信息最大的候选图像确定为理想曝光图像;
对每张所述理想曝光图像分别进行语义分割,得到至少一个目标对象分别对应的至少一个图像区域;
根据各个所述目标对象分别对应的至少一个所述图像区域,计算各个所述目标对象的理想亮度。
根据本申请的第二方面,提供了一种确定目标对象理想亮度的装置,包括:
亮度调节模块,用于调节样本图像的亮度信息以得到至少一个候选图像;
梯度信息确定模块,用于确定每一个候选图像的第一梯度信息;
理想图像确定模块,用于将第一梯度信息最大的候选图像确定为理想曝光图像;
语义分割模块,用于对每张所述理想曝光图像分别进行语义分割,得到至少一个目标对象分别对应的至少一个图像区域;
计算模块,用于根据各个所述目标对象分别对应的至少一个所述图像区域,计算各个所述目标对象的理想亮度。
根据本申请的第三方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述第一方面中所述的确定目标对象理想亮度的方法。
根据本申请的第四方面,提供了一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述可执行指令以实现上述第一方面中所述的确定目标对象理想亮度的方法。
与现有技术相比,采用根据本申请提供的确定目标对象理想亮度的方法、装置、计算机可读存储介质及电子设备,通过对携带目标对象所对应的图像区域的各个样本图像进行梯度最大化,使得相同目标对象对应在不同样本图像中的图像区域均能够准确曝光,克服不同场景对相同目标对象的理想亮度造成的影响,对于每个目标对象,即可根据其在不同场景下准确曝光时所分别对应的图像区域,确定出目标对象能够清晰显示时所对应的理想亮度。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是本申请中图像采集装置采集的图像的示意图。
图2是本申请一示例性实施例提供的一种确定目标对象理想亮度的方法的流程示意图。
图3是本申请一示例性实施例提供的一种确定目标对象理想亮度的方法中梯度信息确定步骤的流程示意图。
图4是本申请一示例性实施例提供的一种确定目标对象理想亮度的方法中梯度信息计算步骤的流程示意图。
图5是本申请一示例性实施例中一个候选图像的像素点对应的权重系数的变化趋势示意图。
图6是本申请一示例性实施例提供的一种确定目标对象理想亮度的方法中理想亮度计算步骤的流程示意图。
图7是本申请一示例性实施例提供的一种确定目标对象理想亮度的装置的结构示意图。
图8是本申请一示例性实施例提供的电子设备的结构示意图。
具体实施方式
下面,将参考附图详细地描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
如图1所示,当图像采集装置基于其自动曝光功能采集目标对象所对应的图像时,所采集图像中除了目标对象所对应的图像区域Y以外,可能还包括其他图像区域X,其他图像区域X可能为环境图像区域和/或若干个其它对象所分别对应的图像区域。
现有技术中,通常基于图像亮度均值确定目标曝光量,即以如图1所示图像中图像区域X、图像区域Y中各个像素点的亮度的平均值趋近或等于一个预设值(比如,128)为目标确定图像采集装置的目标曝光量,并根据确定的目标曝光量设置图像采集装置的光圈大小及快门速度等曝光参数,然后采集如图1所示图像时;在不同的场景下,所采集图像中所对应的图像区域X可能各不相同,即图像区域X对图像区域Y的影响程度可能完全不同,从而导致如图1所示的图像中,目标对象所对应的图像区域Y可能因场景不同而具有不同的真实亮度,可能发生过亮或过暗而无法清晰显示。
有鉴于此,本申请的基本构思是提出了一种确定目标对象的理想亮度的方法、装置、计算机可读存储介质及电子设备,具体地,可以调节样本图像的亮度信息以得到至少一个候选图像;确定每一个候选图像的第一梯度信息;将第一梯度信息最大的候选图像确定为理想曝光图像;对每张所述理想曝光图像分别进行语义分割,得到至少一个目标对象分别对应的至少一个图像区域;根据各个所述目标对象分别对应的至少一个所述图像区域,计算各个所述目标对象的理想亮度。基于该基本构思的本申请的各个实施例,通过对携带目标对象所对应的图像区域的各个样本图像进行梯度最大化,使得相同目标对象对应在不同样本图像中的图像区域均能够准确曝光,克服不同场景对相同目标对象的理想亮度造成的影响,对于每个目标对象,即可根据其在不同场景下准确曝光时所分别对应的图像区域,确定出目标对象能够清晰显示时所对应的理想亮度。
在介绍本申请的基本构思之后,下面将结合附图来具体介绍本申请所述提供技术方案的各种非限制性实施例。
示例性方法
图2是本申请一示例性实施例提供的一种确定目标对象理想亮度的方法的流程示意图。本实施例可应用在电子设备上,具体如应用在服务器或一般计算机上。
如图2所示,本申请一示例性实施例提供的确定目标对象理想亮度的方法,可以包括如下步骤201~步骤205:
步骤201,调节样本图像的亮度信息以得到至少一个候选图像。
为了方便描述,本申请步骤201~步骤203仅描述针对同一张样本图像进行处理的业务流程;本领域技术人员应当理解的是,在实际业务场景中,样本图像的数量应尽可能多,对于每一张样本图像均应当进行如步骤201~步骤203的业务流程。
本申请实施例中,可结合实际业务需求选择相应的图像作为样本图像;举例来说,当需要确定目标对象A的理想亮度时,则应尽可能多的选择携带目标对象A所对应的图像区域的图像作为样本图像。
本申请实施例中,为了确保后续计算的目标对象的理想亮度能够适应于多数不同的业务场景,所选择各个样本图像应当尽可能多的覆盖不同环境;举例来说,当需要确定目标对象A的理想亮度时,携带目标对象A所对应的图像区域的各个样本图像应尽可能覆盖大量不同的场景,如覆盖多种不同的天气环境、多种不同的地理环境。
需要说明的是,调节样本图像的亮度信息,包括但不限于调节样本图像中一个或多个特定图像区域的亮度信息;举例来说,同一张样本图像中包括目标对象A所对应的图像区域a、目标对象B所对应的图像区域b以及背景图像区域c,这里即可对图像区域a、b、c中任意一个或多个图像区域的亮度信息分别进行调节。
步骤202,确定每一个候选图像的第一梯度信息。
步骤203,将第一梯度信息最大的候选图像确定为理想曝光图像。
这里,针对样本图像所对应的每一张候选图像,如果该候选图像的第一梯度信息越大,则说明该候选图像越清晰,即该候选图像中各个目标对象所分别对应的图像区域较为清晰,该候选图像曝光正确而不存在过亮或过暗现象。
需要说明的是,这里可以通过预先训练一个基于梯度最大化准则的神经网络,通过基于梯度最大化准则的神经网络具体实现步骤201~步骤203的业务流程。
步骤204,对每张所述理想曝光图像分别进行语义分割,得到至少一个目标对象分别对应的至少一个图像区域。
举例来说,同一张理想曝光图像中包括目标对象A所对应的图像区域a、目标对象B所对应的图像区域b以及背景图像区域c,这里即可对理想曝光图像进行语义分割,得到目标对象A所对应的图像区域a、目标对象B所对应的图像区域b。
步骤205,根据各个所述目标对象分别对应的至少一个所述图像区域,计算各个所述目标对象的理想亮度。
根据如图2所示实施例,通过对携带目标对象所对应的图像区域的各个样本图像进行梯度最大化,使得相同目标对象对应在不同样本图像中的图像区域均能够准确曝光,克服不同场景对相同目标对象的理想亮度造成的影响,对于每个目标对象,即可根据其在不同场景下准确曝光时所分别对应的图像区域,确定出目标对象能够清晰显示时所对应的理想亮度。
不难理解的,对于每个目标对象,无论在何种场景下采集该目标对象的图像,仅需要确保目标对象所对应的图像区域在所采集图像中的真实亮度,趋近或等于该目标对象的理想亮度,即可确保目标对象能够在所采集图像中清晰显示。
需要说明的是,根据一个目标对象的理想亮度确定图像采集装置的目标曝光量,应当确保图像采集装置在后续过程中根据确定的目标曝光量采集该目标对象所对应的图像时,所采集图像中该目标对象所对应的图像区域的真实亮度,能够尽可能的趋近或等于该目标对象的理想亮度。
图3示出了如图2所示实施例中梯度信息确定步骤的流程示意图。
如图3所示,在如图2所示实施例的基础上,本申请一个示例性实施例中,梯度信息确定步骤202具体可以包括如下步骤2021~步骤2023:
步骤2021,针对每个所述候选图像,计算所述候选图像中各个像素点的梯度幅值。
这里,对于每个像素点,可根据该像素点以及与其相邻的各个像素点的像素值,计算该像素点的梯度幅值。可以利用拉普拉斯算子,sobel算子等来计算像素点的梯度幅值。
步骤2022,针对每个所述候选图像,根据所述候选图像中各个所述像素点的梯度幅值计算各个所述像素点的第二梯度信息。
这里,具体可通过如下公式1实现计算每个候选图像中各个像素点的第二梯度信息:
具体地,本申请中δ可以为0.18,比该阈值小的可被看作噪声;λ可控制映射趋势,小的λ强调大强度梯度的变化,大的λ强调微小结构信息的变化,本申请中λ可以为100;归一化因子N用于将输出归一化到[0,1]。显而易见的,前述各个数值仅为举例,也可能根据实际业务场景设置为其他值。
步骤2023,针对每个所述候选图像,根据所述候选图像中各个所述像素点的第二梯度信息计算所述候选图像的第一梯度信息。
图4示出了如图3所示实施例中梯度信息计算步骤的流程示意图。
如图4所示,在如图3所示实施例的基础上,本申请一个示例性实施例中,梯度信息计算步骤2023,具体可以包括如下步骤2023a及步骤2023b:
步骤2023a,根据所述候选图像中各个所述像素点的梯度幅值,确定各个所述像素点分别对应的权重系数。
具体地,可通过如下公式2计算各个像素点分别对应的权重系数:
其中,With为候选图像中第i个像素点对应的权重系数,当该像素点梯度幅值很大或很小时,权重系数With很小,当该像素点梯度幅值适中时,权重系数With才会变大。
请参考图5,对于第i个像素点对应的权重系数,通过上述公式2得到的权重系数呈现先递增后递减的趋势,S为候选图像中像素点总个数,而p则影响中心轴的偏移方向和程度,p越小,中心轴往左,p越大,中心轴往右。
步骤2023b,根据各个所述像素点的第二梯度信息及各个所述像素点分别对应的权重系数,计算所述候选图像的第一梯度信息。
具体地,对于一个候选图像,可根据各个像素点分别对应的权重系数,对该候选图像的各个像素点的第二梯度信息进行加权求和,得到该候选图像的第一梯度信息。
需要说明的是,除通过上述如图4所示步骤实现计算候选图像的第一梯度信息外,还可以通过其他方式实现计算候选图像的第一梯度信息;比如,对于一个候选图像,可对该候选图像中各个像素点的第二梯度信息进行求和,得到该候选图像的第一梯度信息。
图6示出了如图2所示实施例中理想亮度计算步骤的流程示意图。
如图6所示,在如图2所示实施例的基础上,本申请一个示例性实施例中,理想亮度计算步骤205,具体可以包括如下步骤2051及步骤2052:
步骤2051,针对每个所述图像区域,根据所述图像区域中各个像素点的亮度值计算所述图像区域的平均亮度值。
步骤2052,针对每个所述目标对象,根据所述目标对象对应的至少一个所述图像区域的平均亮度值,计算所述目标对象的理想亮度。
需要说明的是,确定目标对象理想亮度的过程中,所使用样本图像的数量应尽可能多;相应的,对每张理想曝光图像分别进行语义分割之后,每个目标对象均可能对应多个图像区域;这里,对于每个目标对象,可将该目标对象对应的各个图像区域的平均亮度值,作为计算该目标对象的理想亮度的依据。
在一个更为具体的示例中,步骤2052可以包括:计算所述目标对象对应的至少一个所述图像区域的平均亮度值的均值,并将计算的所述均值确定为所述目标对象的理想亮度。
举例来说,对于一张样本图像,该样本图像至少携带目标对象A所对应的图像,对该样本图像进行步骤201至步骤204所对应的处理过程之后,可得到目标对象A所对应的图像区域;由于样本图像的数量相对较多,可能还存在多张样本图像携带A所对应的图像,对其他样本图像均进行步骤201至步骤204所对应的处理过程,即可得到目标对象A所对应的多个图像区域;通过上述步骤2051至少计算出目标对象A所对应的每个图像区域的平均亮度值之后,即可进一步计算目标对象A所对应的各个图像区域的平均亮度值的均值,进而将该均值确定为目标对象A的理想亮度。
示例性装置
基于与本申请方法实施例相同的构思,本申请还提供了一种确定目标对象的理想亮度的装置。
图7为本申请一示例性实施例提供的确定目标对象理想亮度的装置的结构示意图。
如图7所示,本申请一示例性实施例提供的一种确定目标对象理想亮度的装置,包括:
亮度调节模块701,用于调节样本图像的亮度信息以得到至少一个候选图像;
梯度信息确定模块702,用于确定每一个候选图像的第一梯度信息;
理想图像确定模块703,用于将第一梯度信息最大的候选图像确定为理想曝光图像;
语义分割模块704,用于对每张所述理想曝光图像分别进行语义分割,得到至少一个目标对象分别对应的至少一个图像区域;
计算模块705,用于根据各个所述目标对象分别对应的至少一个所述图像区域,计算各个所述目标对象的理想亮度。
本申请一个示例性实施例中,所述梯度信息确定模块702,包括:
第一计算单元,用于针对每个所述候选图像,计算所述候选图像中各个像素点的梯度幅值;
第二计算单元,用于针对每个所述候选图像,根据所述候选图像中各个所述像素点的梯度幅值计算各个所述像素点的第二梯度信息;
第三计算单元,用于针对每个所述候选图像,根据所述候选图像中各个所述像素点的第二梯度信息计算所述候选图像的第一梯度信息。
本申请一个示例性实施例中,所述第三计算单元,包括:
权重确定子单元,用于根据所述候选图像中各个所述像素点的梯度幅值,确定各个所述像素点分别对应的权重系数;
梯度计算子单元,用于根据各个所述像素点的第二梯度信息及各个所述像素点分别对应的权重系数,计算所述候选图像的第一梯度信息。
本申请一个示例性实施例中,所述计算模块705,包括:
平均亮度计算单元,用于针对每个所述图像区域,根据所述图像区域中各个像素点的亮度值计算所述图像区域的平均亮度值;
理想亮度计算单元,用于针对每个所述目标对象,根据所述目标对象对应的至少一个所述图像区域的平均亮度值,计算所述目标对象的理想亮度。
本申请一个示例性实施例中,所述理想亮度计算单元,用于计算所述目标对象对应的至少一个所述图像区域的平均亮度值的均值,并将计算的所述均值确定为所述目标对象的理想亮度。
示例性电子设备
图8图示了根据本申请实施例的电子设备的框图。
如图8所示,电子设备80包括一个或多个处理器801和存储器802。
处理器801可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备80中的其他组件以执行期望的功能。
存储器802可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器801可以运行所述程序指令,以实现上文所述的本申请的各个实施例的确定方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备80还可以包括:输入装置803和输出装置804,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
该输入装置803可以是通信网络连接器;此外,该输入装置803还可以包括例如键盘、鼠标等等。该输出装置804可以向外部输出各种信息,包括各个目标对象的理想亮度。该输出设备804可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图8中仅示出了该电子设备80中与本申请有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备80还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的确定目标对象理想亮度的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的确定目标对象理想亮度的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种确定目标对象理想亮度的方法,包括:
调节样本图像的亮度信息以得到至少一个候选图像;
确定每一个候选图像的第一梯度信息;
将第一梯度信息最大的候选图像确定为理想曝光图像;
对每张所述理想曝光图像分别进行语义分割,得到至少一个目标对象分别对应的至少一个图像区域;
根据各个所述目标对象分别对应的至少一个所述图像区域,计算各个所述目标对象的理想亮度。
2.根据权利要求1所述的方法,其中,
所述确定每一个候选图像的第一梯度信息,包括:
针对每个所述候选图像,计算所述候选图像中各个像素点的梯度幅值;
针对每个所述候选图像,根据所述候选图像中各个所述像素点的梯度幅值计算各个所述像素点的第二梯度信息;
针对每个所述候选图像,根据所述候选图像中各个所述像素点的第二梯度信息计算所述候选图像的第一梯度信息。
3.根据权利要求2所述的方法,其特征在于,
所述根据所述候选图像中各个所述像素点的第二梯度信息计算所述候选图像的第一梯度信息,包括:
根据所述候选图像中各个所述像素点的梯度幅值,确定各个所述像素点分别对应的权重系数;
根据各个所述像素点的第二梯度信息及各个所述像素点分别对应的权重系数,计算所述候选图像的第一梯度信息。
4.根据权利要求1至3中任一所述的方法,其中,
根据各个所述目标对象分别对应的至少一个所述图像区域,计算各个所述目标对象的理想亮度,包括:
针对每个所述图像区域,根据所述图像区域中各个像素点的亮度值计算所述图像区域的平均亮度值;
针对每个所述目标对象,根据所述目标对象对应的至少一个所述图像区域的平均亮度值,计算所述目标对象的理想亮度。
5.根据权利要求4所述的方法,其中,
所述根据所述目标对象对应的至少一个所述图像区域的平均亮度值,计算所述目标对象的理想亮度,包括:
计算所述目标对象对应的至少一个所述图像区域的平均亮度值的均值,并将计算的所述均值确定为所述目标对象的理想亮度。
6.一种确定目标对象理想亮度的装置,包括:
亮度调节模块,用于调节样本图像的亮度信息以得到至少一个候选图像;
梯度信息确定模块,用于确定每一个候选图像的第一梯度信息;
理想图像确定模块,用于将第一梯度信息最大的候选图像确定为理想曝光图像;
语义分割模块,用于对每张所述理想曝光图像分别进行语义分割,得到至少一个目标对象分别对应的至少一个图像区域;
计算模块,用于根据各个所述目标对象分别对应的至少一个所述图像区域,计算各个所述目标对象的理想亮度。
7.根据权利要求6所述的装置,其中,
所述梯度信息确定模块,包括:
第一计算单元,用于针对每个所述候选图像,计算所述候选图像中各个像素点的梯度幅值;
第二计算单元,用于针对每个所述候选图像,根据所述候选图像中各个所述像素点的梯度幅值计算各个所述像素点的第二梯度信息;
第三计算单元,用于针对每个所述候选图像,根据所述候选图像中各个所述像素点的第二梯度信息计算所述候选图像的第一梯度信息。
8.根据权利要求7所述的装置,其中,
所述第三计算单元,包括:
权重确定子单元,用于根据所述候选图像中各个所述像素点的梯度幅值,确定各个所述像素点分别对应的权重系数;
梯度计算子单元,用于根据各个所述像素点的第二梯度信息及各个所述像素点分别对应的权重系数,计算所述候选图像的第一梯度信息。
9.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-5中任一所述的确定目标对象理想亮度的方法。
10.一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述可执行指令以实现上述权利要求1-5中任一所述的确定目标对象理想亮度的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910570787.8A CN112153298B (zh) | 2019-06-28 | 2019-06-28 | 确定目标对象理想亮度的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910570787.8A CN112153298B (zh) | 2019-06-28 | 2019-06-28 | 确定目标对象理想亮度的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112153298A true CN112153298A (zh) | 2020-12-29 |
CN112153298B CN112153298B (zh) | 2022-03-01 |
Family
ID=73868884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910570787.8A Active CN112153298B (zh) | 2019-06-28 | 2019-06-28 | 确定目标对象理想亮度的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112153298B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219744A (zh) * | 2021-11-25 | 2022-03-22 | 北京百度网讯科技有限公司 | 图像生成方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101529891A (zh) * | 2006-08-22 | 2009-09-09 | 高通股份有限公司 | 用于图像捕获装置的动态自动曝光补偿 |
CN102576456A (zh) * | 2009-07-31 | 2012-07-11 | 伊斯曼柯达公司 | 使用范围信息的数字图像亮度调节 |
CN102629988A (zh) * | 2012-03-31 | 2012-08-08 | 博康智能网络科技股份有限公司 | 一种摄像头自动控制方法及装置 |
CN106454145A (zh) * | 2016-09-28 | 2017-02-22 | 湖南优象科技有限公司 | 一种具有场景自适应的自动曝光方法 |
WO2018225516A1 (ja) * | 2017-06-07 | 2018-12-13 | 日立オートモティブシステムズ株式会社 | 画像処理装置 |
-
2019
- 2019-06-28 CN CN201910570787.8A patent/CN112153298B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101529891A (zh) * | 2006-08-22 | 2009-09-09 | 高通股份有限公司 | 用于图像捕获装置的动态自动曝光补偿 |
CN102576456A (zh) * | 2009-07-31 | 2012-07-11 | 伊斯曼柯达公司 | 使用范围信息的数字图像亮度调节 |
CN102629988A (zh) * | 2012-03-31 | 2012-08-08 | 博康智能网络科技股份有限公司 | 一种摄像头自动控制方法及装置 |
CN106454145A (zh) * | 2016-09-28 | 2017-02-22 | 湖南优象科技有限公司 | 一种具有场景自适应的自动曝光方法 |
WO2018225516A1 (ja) * | 2017-06-07 | 2018-12-13 | 日立オートモティブシステムズ株式会社 | 画像処理装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219744A (zh) * | 2021-11-25 | 2022-03-22 | 北京百度网讯科技有限公司 | 图像生成方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112153298B (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111027504A (zh) | 人脸关键点检测方法、装置、设备及存储介质 | |
KR101952122B1 (ko) | 미세 먼지 분석 방법 및 이를 수행하기 위한 장치 | |
US20190325564A1 (en) | Image blurring methods and apparatuses, storage media, and electronic devices | |
KR20210012012A (ko) | 물체 추적 방법들 및 장치들, 전자 디바이스들 및 저장 매체 | |
CN111985458A (zh) | 一种检测多目标的方法、电子设备及存储介质 | |
US20220164952A1 (en) | Capture and Storage of Magnified Images | |
CN112153298B (zh) | 确定目标对象理想亮度的方法及装置 | |
US8804029B2 (en) | Variable flash control for improved image detection | |
CN112770057A (zh) | 摄像头参数调整方法和装置、电子设备和存储介质 | |
CN108734712B (zh) | 背景分割的方法、装置及计算机存储介质 | |
CN112001300A (zh) | 基于按位置交叉熵的楼宇监控方法、装置和电子设备 | |
CN109685015B (zh) | 图像的处理方法、装置、电子设备和计算机存储介质 | |
CN110933304A (zh) | 待虚化区域的确定方法、装置、存储介质与终端设备 | |
CN115760653A (zh) | 图像校正方法、装置、设备及可读存储介质 | |
CN112819021B (zh) | 图像检测方法及装置、电子设备和存储介质 | |
CN110782439B (zh) | 一种辅助检测图像标注质量的方法及装置 | |
CN115619652A (zh) | 图像盲去噪方法、装置、电子设备和存储介质 | |
US10372750B2 (en) | Information processing apparatus, method, program and storage medium | |
CN112804477A (zh) | 预置点图像参数的确定方法、装置、电子设备及存储介质 | |
CN109993694B (zh) | 一种生成超分辨率图像的方法及装置 | |
CN111383199A (zh) | 图像处理方法、装置、计算机可读存储介质及电子设备 | |
CN112199978A (zh) | 视频物体检测方法和装置、存储介质和电子设备 | |
CN112634143A (zh) | 图像色彩校正模型训练方法、装置及电子设备 | |
CN110705380B (zh) | 用于实现目标对象属性识别的方法、装置、介质以及设备 | |
CN112929576B (zh) | 图像处理方法、装置、设备和存储介质 |
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 |