CN112634148B - 图像的校正方法、设备以及存储介质 - Google Patents

图像的校正方法、设备以及存储介质 Download PDF

Info

Publication number
CN112634148B
CN112634148B CN202011446157.9A CN202011446157A CN112634148B CN 112634148 B CN112634148 B CN 112634148B CN 202011446157 A CN202011446157 A CN 202011446157A CN 112634148 B CN112634148 B CN 112634148B
Authority
CN
China
Prior art keywords
pixel
value
image
area
adjustment parameter
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.)
Active
Application number
CN202011446157.9A
Other languages
English (en)
Other versions
CN112634148A (zh
Inventor
巫吉辉
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.)
Realme Mobile Telecommunications Shenzhen Co Ltd
Original Assignee
Realme Mobile Telecommunications Shenzhen 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 Realme Mobile Telecommunications Shenzhen Co Ltd filed Critical Realme Mobile Telecommunications Shenzhen Co Ltd
Priority to CN202011446157.9A priority Critical patent/CN112634148B/zh
Publication of CN112634148A publication Critical patent/CN112634148A/zh
Application granted granted Critical
Publication of CN112634148B publication Critical patent/CN112634148B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/40Analysis of texture
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/50Depth or shape recovery
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本申请实施例提供了一种图像的校正方法、设备以及存储介质。该方法包括:获取待处理的图像的平滑率,该平滑率用于表征图像的平滑区域占图像的整体区域的比例,并基于图像的平滑率,对预设的伽马曲线进行调整,通过调整后的伽马曲线对图像进行伽马校正,实现了针对图像的特征对图像进行对应的伽马校正,使得校正后的图像具有较好的呈现效果。

Description

图像的校正方法、设备以及存储介质
技术领域
本申请实施例图像处理技术领域,并且更具体地,涉及图像的校正方法、设备以及存储介质。
背景技术
人眼对外界光源的感光值与输入光强不是呈线性关系的,而是呈指数型关系的,但图像采集装置的感光值与输入光强呈线性关系。为方便人眼辨识图像,就需要将摄像机采集的图像进行伽马校正。
目前,常通过设定的固定的伽马曲线对图像进行伽马校正,以使经过处理的图像能够符合人类的视觉特性。
然而,针对不同场景下采集的图像均通过固定的伽马曲线进行校正,无法得到较好的校正效果。
发明内容
本申请实施例提供了一种图像的校正方法、设备以及存储介质。
第一方面,提供了一种图像的校正方法,包括:
获取待处理的图像的平滑率;所述平滑率用于表征所述图像的平滑区域占所述图像的整体区域的比例;
基于所述图像的平滑率,对预设的伽马曲线进行调整;
通过调整后的伽马曲线对所述图像进行伽马校正。
第二方面,提供了一种电子设备,包括:
获取单元,用于获取待处理的图像的平滑率;所述平滑率用于表征所述图像的平滑区域占所述图像的整体区域的比例;
处理单元,用于基于所述图像的平滑率,对预设的伽马曲线进行调整;
所述处理单元还用于通过调整后的伽马曲线对所述图像进行伽马校正。
第三方面,提供了一种电子设备,包括:处理器和存储器,该存储器用于存储计算机程序,处理器用于调用并运行存储器中存储的计算机程序,执行如第一方面或其各实现方式中的方法。
第四方面,提供一种计算机可读存储介质,用于存储计算机程序,计算机程序使得计算机执行如第一方面或其各实现方式中的方法。
第五方面,提供一种计算机程序产品,包括计算机程序指令,该计算机程序指令使得计算机执行如第一方面或其各实现方式中的方法。
第六方面,提供一种计算机程序,计算机程序使得计算机执行如第一方面或其各实现方式中的方法。
通过上述第一方面的技术方案,通过获取待处理的图像的平滑率,并基于平滑率对预设的伽马曲线进行调整,再通过伽马曲线对图像进行伽马校正,实现了针对图像的特征对图像进行对应的伽马校正,使得校正后的图像具有较好的呈现效果。
附图说明
图1为本申请实施例提供的一种伽马曲线100的示意图;
图2为本申请实施例提供的一种图像处理流程200示意图;
图3为本申请实施例提供的一种图像的校正方法300的流程示意图;
图4为本申请实施例提供的一种图像的校正方法400的流程示意图;
图5为本申请实施例提供的一种图像分割区域500的示意图;
图6为本申请实施例提供的一种图像的校正方法600的流程示意图;
图7为本申请实施例提供的一种图像的校正方法700的流程示意图;
图8a为本申请实施例提供的一种预设的伽马曲线的示意图;
图8b为本申请实施例提供的一种调整后的伽马曲线的示意图;
图9为本申请实施例提供的一种电子设备900的示意性框图;
图10为本申请实施例提供的一种电子设备1000示意性结构图。
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描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。针对本申请中的实施例,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。
人眼对外界光源的感光值与输入光强不是呈线性关系的,而是呈指数型关系的。在低照度下,人眼更容易分辨出亮度的变化,随着照度的增加,人眼不易分辨出亮度的变化。而具有图像采集装置的设备,如相机、摄像机、手机等,其感光值与输入光强呈线性关系,为方便人眼辨识图像,需要将采集的图像进行伽马校正。伽马校正是对待处理的图像的像素值(输入像素值)进行非线性操作,使输出的图像的像素值(即输出像素值)与输入像素值呈指数关系,这个指数就是伽马(Gamma),如图1所示,横坐标是待处理的图像的像素值,纵坐标是输出的图像的像素值,常通过公式输出像素值=输入像素值Gamma,计算得到图像的输出像素值。
在电子设备中,考虑幂函数计算的复杂程度,通常会以查表的方式去替代以上计算公式,提高运算速度。假设待处理的图像以8bit来表示,则最大像素值是255,最小像素值是0,将输入像素值按照加8递增,则有输入为Input[n]=[0,8,16,24,32,40,48,56,64,....,255],n=33,取gamma=1/2.2,根据以上公式,则输出像素值为Output[n]=[0,0,1,1,3,4,6,9,12,.....,255],n=33。因为实际图像的数据在0-255上都有分布,所以当具体到图像中某个像素的数据是可以采用差值的方式计算,先查到该像素数据在input的的哪一段区间,再根据这段区间和对应output区间做线性差值。当然实际上Input的大小可以扩展的更多,图像数据可以用10bit,16bit等表示,根据具体硬件计算能力而定。
综合上述内容可以看出,均基于固定的伽马曲线对图像进行伽马校正。而对于平滑区域占比较大的待处理的图像,或者边缘区域占比较大的待处理图像,无法提供针对性的伽马校正,导致伽马校正后的图像在对比度和清晰度上的呈现效果均不理想。
应理解,平滑区域也称作平坦区域,即区域内不存在突出的纹理和边缘,或者存在较少的纹理或者边缘,边缘区域内则具有丰富的纹理和边缘。
为了解决上述问题,本申请实施例基于待处理的图像的平滑率,即图像中平滑区域占整体区域的比例,对预先设置的伽马曲线进行调整,再通过调整后的伽马曲线对图像进行伽马校正,使得经过校正的图像具有较强的对比度和清晰度,以便适应于人眼的特征而具有较好的呈现效果。
本申请实施例的技术方案可以应用于各种电子设备。该电子设备可以是一种终端设备,例如手机(Mobile Phone)、平板电脑(Pad)、电脑、虚拟现实(Virtual Reality,VR)终端设备、增强现实(Augmented Reality,AR)终端设备、工业控制(industrial control)中的终端设备、无人驾驶(self driving)中的终端设备、远程医疗(remote medical)中的终端设备、智慧城市(smart city)中的终端设备或智慧家庭(smart home)中的终端设备等。本申请实施例中的终端设备还可以是可穿戴设备,可穿戴设备也可以称为穿戴式智能设备,是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称,如眼镜、手套、手表、服饰及鞋等。可穿戴设备即直接穿在身上,或是整合到用户的衣服或配件的一种便携式设备。终端设备可以是固定的或者移动的。
示例性的,本申请实施例中的电子设备还可以是一种服务器,当电子设备为服务器时,可接收终端设备采集的图像,并确定基于该图像的平滑率对该图像进行伽马校正。
图2为本申请实施例提供的一种图像处理流程200示意图。图2仅为一种示例而非限制性的,电子设备通过图像传感器对目标对象进行图像采集,该目标对象可以为人物、风景、物品等,本申请对此不做限制;图像传感器将采集的图像发送给图像处理器(ImageSignal processor,ISP),图像处理器对该图像进行暗电流校准(Black levelcorrection,BLC)、镜头光学校准(Lens shading correction)、坏点校准(Bad pixelcorrection,BPC)、去马赛克(Demosaic)、拜耳域降噪(Bayer denoise)、自动白平衡(Autowhite balance,AWB)、亮度伽马(Ygamma)、自动曝光控制(Auto exposure control,AEC)、色彩校正(Color correction)、伽马校正(Gamma correction)、颜色空间转换(例如RGB颜色空间转换至YUV颜色空间)、色彩降噪(Color denoise)、直方图均衡化(Histogramequalization)、格式编码(Formater)和输入输出控制(I/O control)中的一种或多种。
本申请实施例主要针对其中的伽马校正过程进行优化。下文中所提到的待处理的图像可以是经过图像传感器直接采集的图像,也可以是经过上述任意图像处理过程处理后输入至伽马校正单元的图像,应理解,待处理的图像可以是拍摄的照片或者可以是视频中的一帧图像。
下面通过几个实施例对本申请进行具体说明。
图3为本申请实施例提供的一种图像的校正方法300的流程示意图。
为了提高伽马曲线对图像进行伽马校正后的校正效果,本申请实施例基于待处理的图像进行分析,并根据分析结果对伽马曲线进行调整,再通过调整后的伽马曲线对图像进行伽马校正。
如图3所示,该方法包括:
S301:获取待处理的图像的平滑率。
在本步骤中,获取待处理的图像的平滑率,即获取该图像的平滑区域占图像的整体区域的比例。
示例性的,对待处理的图像进行区域划分,例如划分为64*48个块(grid),也称作像素区域,每个像素区域中包含多个像素点。
对每个像素区域进行分析,以识别每个像素区域是否为平滑区域,再计算平滑区域的数量占像素区域总数量的比例。
S302:基于图像的平滑率,对预设的伽马曲线进行调整。
S303:通过调整后的伽马曲线对图像进行伽马校正。
应理解,图像的平滑率不同,对伽马曲线进行动态的调整,使伽马曲线能够在对比度和/或亮度上对该图像应进行对应的校正,使图像在对比度和清晰度上具有较好的呈现效果。例如,平滑率越高时,表明图像中纹理和边缘越少,大部分像素点的像素差值小于预设值,此时应提高图像的对比度和亮度,以增强图像的对比度和清晰度。
本申请实施例,通过获取待处理的图像的平滑率,并基于平滑率对预设的伽马曲线进行调整,再通过伽马曲线对图像进行伽马校正,实现了针对图像的特征对图像进行对应的伽马校正,使得校正后的图像具有较好的呈现效果。
图4为本申请实施例提供的一种图像的校正方法400的流程示意图。在一种具体的实现方式中,获取待处理的图像的平滑率,包括如图4所示的步骤:
S401:对图像中的多个像素区域进行识别,得到每个像素区域的识别结果。
结合图5所示,将待处理的图像500划分为多个像素区域,例如划分为64*48个像素区域,图中示出了像素区域501和像素区域502;示例性的,每个像素区域包含多个像素子区域,例如像素区域501和像素区域502分别划分为9个像素子区域,其中,每个像素子区域包含多个像素点。
应理解,识别结果用于表征对应的像素区域是否为平滑区域。结合图5所示,像素区域501不包含纹理或者边缘,或者说所包含的纹理或者边缘不明显,则像素区域501为平滑区域,例如含有暗纹的瓷砖表面,而像素区域502包含边缘,则像素区域502为边缘区域,即非平滑区域。
示例性的,针对每个像素区域,基于第一像素值和第二像素值,确定像素区域对应的第一数值,第一像素值为第一像素子区域中全部像素点的像素均值或像素值总和,第二像素值为多个第二像素子区域的像素值的均值,第二像素子区域的像素值为第二像素子区域中全部像素点的像素均值或像素值总和,第一像素子区域为像素区域的中心位置的像素子区域,第二像素子区域为像素区域内除第一像素子区域外的任一像素子区域。
其中,第一数值为第一像素值与第二像素值的差值,一般来说,第一像素值与第二像素值求差之后,应取平均值。
例如,针对像素区域501,其第一像素值,为位于中心位置的第一像素子区域5011的像素均值或像素值总和,表示为grid1,此处假设grid1为第一像素子区域5011内所有像素点的像素值的均值;相应的,针对每个第二像素子区域5012求其像素均值或像素值总和,且在第一像素值为第一像素子区域的像素均值时,求第二像素子区域5012的像素均值,在第一像素值为第一像素子区域的像素值总和时,求第二像素子区域5012的像素值总和,用grid2表示每个第二像素子区域5012内所有像素点的像素值的均值,那么,第二像素值可通过编程语言表示为avg(grid2),即多个第二像素子区域的像素值的均值;进而,像素区域501对应的第一数值为Delta_k=abs(grid1-avg(grid2)),abs表示取绝对值。
再例如,针对像素区域502,假设其第一像素值为第一像素子区域5021的像素值总和为grid1,第二像素值为avg(grid2),则像素区域502对应的第一数值Delta_i=abs(grid1-avg(grid2))。
进一步地,基于第一数值和预设区间,确定像素区域是否为平滑区域。
示例性的,若第一数值处于预设区间,则像素区域为平滑区域;若第一数值不处于预设区间,则像素区域不为所述平滑区域。
应理解,像素区域501中不存在明显的纹理或者边缘,第一像素值和第二像素值差异很小,即Delta_k的值很小,基于预设区间,确定Delta_k小于预设区间的上限阈值,且Delta_k大于预设区间的下限阈值,那么该像素区域501为平滑区域;像素区域502中存在明显的边缘,则第一像素值和第二像素值差异较大,即Delta_i的值较大,基于预设区间,确定Delta_i大于预设区间的上限阈值,那么该像素区域502为边缘区域或称为非平滑区域。
可选的,下限阈值大于或者等于零。当下限阈值等于零时,非平滑区域包括边缘区域;当下限阈值大于零时,非平滑区域包括边缘区域和完全平坦区域。
应理解,上限阈值用于区分平滑区域和边缘区域,下限阈值用于区分平滑区域和完全平坦区域,需要说明的是,完全平坦区域为第一数值等于零,或者受噪声影响趋近于零的像素区域,完全平坦区域不存在任何纹理或者边缘,一般来说,对于平滑区域,需要增加对比度或者亮度,而对于完全平坦区域较多的图像,若与平滑区域采用相同的伽马校正方式,则会导致增大图像中的噪声。因此,下限阈值一般大于0。
S402:基于每个像素区域的识别结果,计算得到平滑率。
在本步骤中,基于每个像素区域的识别结果所指示的对应的像素区域是否为平滑区域,确定平滑区域的数量,并计算得到平滑区域的数量占全部像素区域数量的比值,得到该图像的平滑率。
例如,图像划分为64*48个像素区域,其中平滑区域的数量为1536,则平滑率为1536/(64*48)=0.5。
图6为本申请实施例提供的一种图像的校正方法600的流程示意图。在上述任一实施例的基础上,对于图3所示的步骤S302基于图像的平滑率,对预设的伽马曲线进行调整包括以下可能的实现方式:
S601:基于平滑率,确定调整参数。
S602:基于平滑率和调整参数,对预设的伽马曲线进行调整。
如上述任一实施例所述,平滑率表明了图像中平滑区域与非平滑区域的占比,平滑区域与非平滑区域的占比不同时,所需调整的效果也必然不同,因此应对应不同的伽马曲线,而调整参数和平滑率则用于对伽马曲线进行调整。
示例性的,调整参数包括第一调整参数和第二调整参数,本实施例中,结合图7所示,基于平滑率、第一预设值和第二预设值,可确定第一调整参数。例如,将第二预设值减去第一预设值后,与平滑率相乘,得到乘积,再将乘积与第一预设值求和,得到第一调整参数。
通过编程语言可表示为语句:Adjust_ratio=(adjust_ratio_end-adjust_ratio_start)*flat_ratio+adjust_ratio_start;其中,Adjust_ratio为第一调整参数,adjust_ratio_start为第一预设值,adjust_ratio_end为第二预设值,flat_ratio为平滑率。
可选的,第一预设值为0.5,第二预设值为2.4。
结合图7所示,基于平滑率、第一调整参数和图像的色彩深度的中间值,确定第二调整参数。例如,将1减去第一调整参数,作为色彩深度的中间值的指数进行乘方运算,得到第二调整参数。
通过编程语言可表示为语句:multiplier=mid_pt(1-Adjust_ratio);其中,multiplier为第二调整参数,mid_pt为色彩深度的中间值,Adjust_ratio为第一调整参数。需要说明的是,mid_pt=2n,n为图像的位数减1,例如待处理的图像为8bit图像时,n=7,待处理的图像为10bit时,n=9。
本申请实施例对于如何基于平滑率和调整参数,对预设的伽马曲线进行调整,提出以下可能的实现方式:针对预设的伽马曲线的每个坐标点的输出像素值,基于该坐标点的输出像素值是否小于第二调整参数,对该坐标点的输出像素值进行对应的调整。需要说明的是,伽马曲线包括多个二维的坐标点,每个坐标点具有横坐标和纵坐标,示例性的,输出像素值为坐标点的纵坐标,输入像素值为坐标点的横坐标。
结合图7所示,对于输出像素值小于第二调整参数的伽马曲线上的坐标点,基于第二调整参数和第一调整参数,对该坐标点的输出像素值进行调整。示例性的,将第一调整参数作为输出像素值的指数进行乘方运算,得到第一乘方结果,并将第一乘方结果与第二调整参数相乘。
结合图7所示,对于输出像素大于或等于第二调整参数的伽马曲线上的坐标点,基于第二调整参数、图像的色彩深度的中间值和第一调整参数,对该坐标点的输出像素值进行调整。示例性的,将图像的色彩深度与输出像素值的差值,以第一调整参数为指数进行乘方运算,得到第二乘方结果,并将图像的色彩深度减去第二乘方结果与第二调整参数的乘积。
每个调整后的坐标点组成了新的调整后的伽马曲线。
基于上述实施例,对伽马曲线进行调整的过程通过编程语言可以表示为语句:
示例性的,图8a为本申请实施例提供的一种预设的伽马曲线的示意图,图8b为本申请实施例提供的一种调整后的伽马曲线的示意图。经过图8b所示的伽马曲线对待处理的图像进行伽马校正后,将使图像在对比度和/或亮度上具有较好的呈现效果,使图像更加清晰。
上文结合图1至图8b,详细描述了本申请的方法实施例,下文结合图9,详细描述本申请的电子设备实施例,应理解,电子设备实施例与方法实施例相互对应,类似的描述可以参照方法实施例。
图9为本申请实施例提供的一种电子设备900的示意性框图。如图9所示,该设备900包括:
获取单元910,用于获取待处理的图像的平滑率;所述平滑率用于表征所述图像的平滑区域占所述图像的整体区域的比例;
处理单元920,用于基于所述图像的平滑率,对预设的伽马曲线进行调整;
所述处理单元920还用于通过调整后的伽马曲线对所述图像进行伽马校正。
本申请实施例中的电子设备900包括获取单元910和处理单元920,基于待处理的图像的平滑率,即图像中平滑区域占整体区域的比例,对预先设置的伽马曲线进行调整,再通过调整后的伽马曲线对图像进行伽马校正,使得经过校正的图像具有较强的对比度和清晰度,以便适应于人眼的特征而具有较好的呈现效果。
可选的,获取单元910具体用于:
对所述图像中的多个像素区域进行识别,得到每个像素区域的识别结果;所述像素区域包含多个像素子区域,所述像素子区域包含多个像素点,所述识别结果用于表征所述像素区域是否为平滑区域;
基于每个像素区域的识别结果,计算得到所述平滑率。
可选的,获取单元910具体用于:
针对每个像素区域,基于第一像素值和第二像素值,确定所述像素区域对应的第一数值;所述第一像素值为第一像素子区域中全部像素点的像素均值或像素值总和,所述第二像素值为多个第二像素子区域的像素值的均值,所述第二像素子区域的像素值为所述第二像素子区域中全部像素点的像素均值或像素值总和,所述第一像素子区域为所述像素区域的中心位置的像素子区域,所述第二像素子区域为所述像素区域内除所述第一像素子区域外的任一像素子区域;
基于所述第一数值和预设区间,确定所述像素区域是否为平滑区域。
可选的,获取单元910具体用于:
将所述第一像素值减去所述第二像素值,得到所述第一数值。
可选的,获取单元910具体用于:
若所述第一数值处于所述预设区间,则所述像素区域为所述平滑区域;
若所述第一数值不处于所述预设区间,则所述像素区域不为所述平滑区域。
可选的,处理单元920具体用于:
基于所述平滑率,确定调整参数;
基于所述平滑率和所述调整参数,对所述预设的伽马曲线进行调整。
可选的,处理单元920具体用于:
基于所述平滑率、第一预设值和第二预设值,确定所述第一调整参数;所述第二预设值大于所述第一预设值;
基于所述平滑率、所述第一调整参数和所述图像的色彩深度的中间值,确定所述第二调整参数。
可选的,处理单元920具体用于:
将所述第二预设值减去所述第一预设值后,与所述平滑率相乘,得到乘积;
将所述乘积与所述第一预设值求和,得到所述第一调整参数。
可选的,处理单元920具体用于:
将1减去所述第一调整参数,作为所述色彩深度的中间值的指数进行乘方运算,得到所述第二调整参数。
可选的,处理单元920具体用于:
针对所述预设的伽马曲线的每个坐标点,基于所述坐标点的输出像素值是否小于所述第二调整参数,对所述坐标点的输出像素值进行对应的调整。
可选的,处理单元920具体用于:
若所述坐标点的输出像素值小于所述第二调整参数,则基于所述第二调整参数和所述第一调整参数,对所述坐标点的输出像素值进行调整;
若所述坐标点的输出像素值大于或等于所述第二调整参数,则基于所述第二调整参数、所述图像的色彩深度的中间值和所述第一调整参数,对所述坐标点的输出像素值进行调整。
可选的,处理单元920具体用于:
将所述第一调整参数作为所述输出像素值的指数进行乘方运算,得到第一乘方结果;
将所述第一乘方结果与所述第二调整参数相乘。
可选的,处理单元920具体用于:
将所述图像的色彩深度与所述输出像素值的差值,以所述第一调整参数为指数进行乘方运算,得到第二乘方结果;
将所述图像的色彩深度减去所述第二乘方结果与所述第二调整参数的乘积。
上述实施例提供的电子设备,可以执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图10为本申请实施例提供的一种电子设备1000示意性结构图。图10所示的电子设备包括处理器1010,处理器1010可以从存储器中调用并运行计算机程序,以实现本申请实施例中的方法。
可选地,如图10所示,电子设备1000还可以包括存储器1020。其中,处理器1010可以从存储器1020中调用并运行计算机程序,以实现本申请实施例中的方法。
其中,存储器1020可以是独立于处理器1010的一个单独的器件,也可以集成在处理器1010中。
可选地,如图10所示,电子设备1000还可以包括收发器1030,处理器1010可以控制该收发器1030与其他设备进行通信,具体地,可以向其他设备发送信息或数据,或接收其他设备发送的信息或数据。
其中,收发器1030可以包括发射机和接收机。收发器1030还可以进一步包括天线,天线的数量可以为一个或多个。
可选地,该电子设备1000可以实现本申请实施例的各个方法中的相应流程,为了简洁,在此不再赘述。
应理解,本申请实施例的处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
可以理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
应理解,上述存储器为示例性但不是限制性说明,例如,本申请实施例中的存储器还可以是静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)以及直接内存总线随机存取存储器(Direct Rambus RAM,DR RAM)等等。也就是说,本申请实施例中的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本申请实施例还提供了一种计算机可读存储介质,用于存储计算机程序。
可选的,该计算机可读存储介质可应用于本申请实施例中的电子设备,并且该计算机程序使得计算机执行本申请实施例的各个方法的相应流程,为了简洁,在此不再赘述。
本申请实施例还提供了一种计算机程序产品,包括计算机程序指令。
可选的,该计算机程序产品可应用于本申请实施例中的电子设备,并且该计算机程序指令使得计算机执行本申请实施例的各个方法中的相应流程,为了简洁,在此不再赘述。
本申请实施例还提供了一种计算机程序。
可选的,该计算机程序可应用于本申请实施例中的电子设备,当该计算机程序在计算机上运行时,使得计算机执行本申请实施例的各个方法中的相应流程,为了简洁,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请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。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。针对这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。

Claims (11)

1.一种图像的校正方法,其特征在于,包括:
获取待处理的图像的平滑率;所述平滑率用于表征所述图像的平滑区域占所述图像的整体区域的比例;
基于所述图像的平滑率,对预设的伽马曲线进行调整;
通过调整后的伽马曲线对所述图像进行伽马校正;
所述获取待处理的图像的平滑率,包括:
对所述图像中的多个像素区域进行识别,得到每个像素区域的识别结果;所述像素区域包含多个像素子区域,所述像素子区域包含多个像素点,所述识别结果用于表征所述像素区域是否为平滑区域;
基于每个像素区域的识别结果,计算得到所述平滑率;
所述对所述图像中的多个像素区域进行识别,得到每个像素区域的识别结果,包括:
针对每个像素区域,基于第一像素值和第二像素值,确定所述像素区域对应的第一数值;所述第一像素值为第一像素子区域中全部像素点的像素均值或像素值总和,所述第二像素值为多个第二像素子区域的像素值的均值,所述第二像素子区域的像素值为所述第二像素子区域中全部像素点的像素均值或像素值总和,所述第一像素子区域为所述像素区域的中心位置的像素子区域,所述第二像素子区域为所述像素区域内除所述第一像素子区域外的任一像素子区域;
基于所述第一数值和预设区间,确定所述像素区域是否为平滑区域,所述第一数值为所述第一像素值与所述第二像素值的差值的平均值或差值。
2.根据权利要求1所述的方法,其特征在于,所述针对每个像素区域,基于第一像素值和第二像素值,确定所述像素区域对应的第一数值,包括:
将所述第一像素值减去所述第二像素值,得到所述第一数值。
3.根据权利要求1或2任一项所述的方法,其特征在于,所述基于所述第一数值和预设区间,确定所述像素区域是否为平滑区域,包括:
若所述第一数值处于所述预设区间,则所述像素区域为所述平滑区域;
若所述第一数值不处于所述预设区间,则所述像素区域不为所述平滑区域。
4.根据权利要求1或2任一项所述的方法,其特征在于,所述基于所述图像的平滑率,对预设的伽马曲线进行调整,包括:
基于所述平滑率,确定调整参数;
基于所述平滑率和所述调整参数,对所述预设的伽马曲线进行调整;
所述调整参数包括第一调整参数和第二调整参数,则所述基于所述平滑率,确定调整参数,包括:
基于所述平滑率、第一预设值和第二预设值,确定所述第一调整参数;所述第二预设值大于所述第一预设值;
基于所述平滑率、所述第一调整参数和所述图像的色彩深度的中间值,确定所述第二调整参数;
所述基于所述平滑率、第一预设值和第二预设值,确定所述第一调整参数,包括:
将所述第二预设值减去所述第一预设值后,与所述平滑率相乘,得到乘积;
将所述乘积与所述第一预设值求和,得到所述第一调整参数;
所述基于所述平滑率、所述第一调整参数和所述图像的色彩深度的中间值,确定所述第二调整参数,包括:
将1减去所述第一调整参数,作为所述色彩深度的中间值的指数进行乘方运算,得到所述第二调整参数。
5.根据权利要求4所述的方法,其特征在于,所述基于所述平滑率和所述调整参数,对预设的伽马曲线进行调整,包括:
针对所述预设的伽马曲线的每个坐标点,基于所述坐标点的输出像素值是否小于所述第二调整参数,对所述坐标点的输出像素值进行对应的调整。
6.根据权利要求5所述的方法,其特征在于,所述针对所述预设的伽马曲线的每个坐标点,基于所述坐标点的输出像素值是否小于所述第二调整参数,对所述坐标点的输出像素值进行对应的调整,包括:
若所述坐标点的输出像素值小于所述第二调整参数,则基于所述第二调整参数和所述第一调整参数,对所述坐标点的输出像素值进行调整;
若所述坐标点的输出像素值大于或等于所述第二调整参数,则基于所述第二调整参数、所述图像的色彩深度的中间值和所述第一调整参数,对所述坐标点的输出像素值进行调整。
7.根据权利要求6所述的方法,其特征在于,所述基于所述第二调整参数和所述第一调整参数,对所述坐标点的输出像素值进行调整,包括:
将所述第一调整参数作为所述输出像素值的指数进行乘方运算,得到第一乘方结果;
将所述第一乘方结果与所述第二调整参数相乘。
8.根据权利要求6所述的方法,其特征在于,所述基于所述第二调整参数、所述图像的色彩深度的中间值和所述第一调整参数,对所述坐标点的输出像素值进行调整,包括:
将所述图像的色彩深度与所述输出像素值的差值,以所述第一调整参数为指数进行乘方运算,得到第二乘方结果;
将所述图像的色彩深度减去所述第二乘方结果与所述第二调整参数的乘积。
9.一种电子设备,其特征在于,包括:
获取单元,用于获取待处理的图像的平滑率;所述平滑率用于表征所述图像的平滑区域占所述图像的整体区域的比例;
处理单元,用于基于所述图像的平滑率,对预设的伽马曲线进行调整;
所述处理单元还用于通过调整后的伽马曲线对所述图像进行伽马校正,所述平滑区域为所述图像中纹理和边缘不突出的区域;
所述获取单元用于对所述图像中的多个像素区域进行识别,得到每个像素区域的识别结果;所述像素区域包含多个像素子区域,所述像素子区域包含多个像素点,所述识别结果用于表征所述像素区域是否为平滑区域;基于每个像素区域的识别结果,计算得到所述平滑率;
所述获取单元还用于针对每个像素区域,基于第一像素值和第二像素值,确定所述像素区域对应的第一数值;所述第一像素值为第一像素子区域中全部像素点的像素均值或像素值总和,所述第二像素值为多个第二像素子区域的像素值的均值,所述第二像素子区域的像素值为所述第二像素子区域中全部像素点的像素均值或像素值总和,所述第一像素子区域为所述像素区域的中心位置的像素子区域,所述第二像素子区域为所述像素区域内除所述第一像素子区域外的任一像素子区域;
基于所述第一数值和预设区间,确定所述像素区域是否为平滑区域,所述第一数值为所述第一像素值与所述第二像素值的差值的平均值或差值。
10.一种电子设备,其特征在于,包括:处理器和存储器,该存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求1至8中任一项所述的方法。
11.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序使得计算机执行如权利要求1至8中任一项所述的方法。
CN202011446157.9A 2020-12-08 2020-12-08 图像的校正方法、设备以及存储介质 Active CN112634148B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011446157.9A CN112634148B (zh) 2020-12-08 2020-12-08 图像的校正方法、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011446157.9A CN112634148B (zh) 2020-12-08 2020-12-08 图像的校正方法、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN112634148A CN112634148A (zh) 2021-04-09
CN112634148B true CN112634148B (zh) 2023-10-03

Family

ID=75309324

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011446157.9A Active CN112634148B (zh) 2020-12-08 2020-12-08 图像的校正方法、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN112634148B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113763281B (zh) * 2021-09-17 2023-12-12 无锡睿勤科技有限公司 伽马曲线调整方法及装置
CN115731139B (zh) * 2022-12-08 2023-09-01 深圳明锐理想科技有限公司 图像的校正方法及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105827898A (zh) * 2016-03-28 2016-08-03 深圳英飞拓科技股份有限公司 应用于摄像机的伽马曲线调整方法及装置
CN109192174A (zh) * 2018-11-05 2019-01-11 惠科股份有限公司 一种显示面板的驱动方法、驱动装置及显示装置
CN109712075A (zh) * 2018-12-24 2019-05-03 广东理致技术有限公司 一种数字图像数据原图识别方法及装置
JP2020057039A (ja) * 2018-09-28 2020-04-09 キヤノン株式会社 画像処理装置およびその制御方法ならびにプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105827898A (zh) * 2016-03-28 2016-08-03 深圳英飞拓科技股份有限公司 应用于摄像机的伽马曲线调整方法及装置
JP2020057039A (ja) * 2018-09-28 2020-04-09 キヤノン株式会社 画像処理装置およびその制御方法ならびにプログラム
CN109192174A (zh) * 2018-11-05 2019-01-11 惠科股份有限公司 一种显示面板的驱动方法、驱动装置及显示装置
CN109712075A (zh) * 2018-12-24 2019-05-03 广东理致技术有限公司 一种数字图像数据原图识别方法及装置

Also Published As

Publication number Publication date
CN112634148A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN111418201B (zh) 一种拍摄方法及设备
CN108668093B (zh) Hdr图像的生成方法及装置
CN110033418B (zh) 图像处理方法、装置、存储介质及电子设备
US8340417B2 (en) Image processing method and apparatus for correcting skin color
KR101662846B1 (ko) 아웃 포커싱 촬영에서 빛망울 효과를 생성하기 위한 장치 및 방법
US9710895B2 (en) Image processing device, image capture device, image processing method, and program
US20160110846A1 (en) Automatic display image enhancement based on user's visual perception model
KR102317613B1 (ko) 로컬라이징된 콘트라스트 향상을 위한 시스템들 및 방법들
US20100149372A1 (en) Image data processing with multiple cameras
US20100201843A1 (en) Image capturing apparatus and control method thereof
CN112634148B (zh) 图像的校正方法、设备以及存储介质
US20150373235A1 (en) De-noising method and image system
WO2014172059A2 (en) Reference image selection for motion ghost filtering
CN112950499B (zh) 图像处理方法、装置、电子设备及存储介质
JP4595569B2 (ja) 撮像装置
JP2011086976A (ja) 画像処理装置および画像処理方法
CN110047060A (zh) 图像处理方法、装置、存储介质及电子设备
JP6904788B2 (ja) 画像処理装置、画像処理方法、及びプログラム
US10235745B2 (en) Image processing method, computer storage medium, apparatus and terminal
CN106791451B (zh) 一种智能终端的拍照方法
CN110677558B (zh) 图像处理方法与电子装置
CN115239570A (zh) 图像处理方法、图像处理装置及存储介质
JP2010183460A (ja) 撮像装置およびその制御方法
JP2019029833A (ja) 撮像装置
CN107317968B (zh) 图像去雾方法、装置、计算机可存储介质和移动终端

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