CN112634166A - 一种图像处理方法、装置、电子设备及存储介质 - Google Patents
一种图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112634166A CN112634166A CN202011602374.2A CN202011602374A CN112634166A CN 112634166 A CN112634166 A CN 112634166A CN 202011602374 A CN202011602374 A CN 202011602374A CN 112634166 A CN112634166 A CN 112634166A
- Authority
- CN
- China
- Prior art keywords
- image
- brightness
- component
- pixel point
- overexposed
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000010606 normalization Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 89
- 238000000034 method Methods 0.000 claims description 52
- 238000004891 communication Methods 0.000 claims description 19
- 239000000126 substance Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 14
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000001629 suppression Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 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
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种图像处理方法、装置、电子设备及存储介质，获取指定色彩空间中的过曝图像；将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图，暗图中包括暗图亮度分量；对过曝图像中各像素点的亮度分量和暗图亮度分量进行加权运算，得到各像素点的更新的亮度分量；其中，过曝图像中各像素点的亮度分量的权重W为基于过曝图像中各像素点的亮度分量，进行归一化处理之后得到的；暗图亮度分量的权重为1‑W；将各像素点的更新的亮度分量作为修复后图像中像素点的亮度分量，得到过曝图像对应的修复后图像。通过本发明实施例提供的图像处理方法、装置、电子设备及存储介质，能够提升对过曝图像修复的效果。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
在图像拍摄过程中，当进入相机的光线超过相机传感器的捕捉范围时，则会产生过曝光现象，此时，得到的图像即为过曝图像。过曝图像由于亮度过高会造成纹理信息以及颜色信息丢失，导致图像质量较差，因此，需要对过曝图像进行修复。
目前，对于过曝图像，通常直接采用经验曝光系数，对整张图像进行亮度抑制，也即使得整个图像亮度降低，从而完成对过曝图像的修复操作。
上述修复方法，是直接对整个图像进行亮度抑制(也即降低整个图像的亮度值)。在降低过曝区域亮度值以增强纹理及颜色信息的同时，却使得图像中的非过曝光区域中的亮度值同时也降低，如此有可能会导致原本亮度值较低的区域的亮度值更低，而亮度值过低有可能会导致图像信息(如纹理信息、颜色信息)丢失，因此，图像修复效果较差。
发明内容
本发明实施例的目的在于提供一种图像处理方法、装置、电子设备及存储介质，以提升对过曝图像修复的效果。具体技术方案如下：
第一方面，本发明实施例提供了一种过图像处理方法，所述方法包括：
获取指定色彩空间中的过曝图像，所述指定色彩空间中包括亮度分量；
将所述过曝图像中各像素点的亮度值降低，得到所述过曝图像对应的暗图，所述暗图中包括暗图亮度分量，所述暗图亮度分量为所述过曝图像中各像素点的亮度值降低后的各像素点的亮度分量；
对所述过曝图像中各像素点的亮度分量和所述暗图亮度分量进行加权运算，得到各像素点的更新的亮度分量；其中，所述过曝图像中各像素点的亮度分量的权重W为基于所述过曝图像中各像素点的亮度分量，进行归一化处理之后得到的；所述暗图亮度分量的权重为1-W；
将所述各像素点的更新的亮度分量作为修复后图像中像素点的亮度分量，得到所述过曝图像对应的修复后图像。
可选的，所述将所述过曝图像中各像素点的亮度值降低，得到所述过曝图像对应的暗图，包括：
遍历多个曝光系数，对各个曝光系数对应的图像熵进行迭代，得到最大图像熵，并将所述最大图像熵对应的曝光系数作为最佳曝光系数，其中，所述图像熵为通过所述曝光系数将所述过曝图像中各像素点的亮度值降低后得到的图像的图像熵，所述最佳曝光系数作为降低亮度值时的参数；
基于所述最佳曝光系数，将所述过曝图像中各像素点的亮度值降低，得到所述过曝图像对应的暗图。
可选的，所述遍历多个曝光系数，对各个曝光系数对应的图像熵进行迭代，得到最大图像熵，并将所述最大图像熵对应的曝光系数作为最佳曝光系数，包括：
基于各像素点的亮度分量，采用第一预设公式，得到最佳曝光系数，所述第一预设公式为：
其中，
g(L,k)＝βLγ
k′为最佳曝光系数；L为由各像素点的亮度分量组成的亮度分量矩阵；k为曝光系数；g(L,k)为以k为曝光系数，对L进行亮度值之后得到的亮度分量矩阵；a和b为经验系数；H(A)为亮度图A的图像熵；xi为所述亮度图A中各像素点的亮度值；N为亮度图A中像素点的个数，所述亮度图A由通过曝光系数将所述各像素点的亮度分量降低后的亮度值组成；
所述基于所述最佳曝光系数，将所述过曝图像中各像素点的亮度值降低，得到所述过曝图像对应的暗图，包括：
通过第二预设公式，得到各像素点的暗图亮度分量，第二预设公式为：
其中，
a＝1e-3,b＝2e-2
Vweaken为由各像素点的暗图亮度分量组成的暗图亮度分量矩阵；Vin为由过曝图像中各像素点的亮度分量组成的亮度分量矩阵；k′为最佳曝光系数。
可选的，所述第一预设公式中L为由各像素点的滤波后亮度分量组成的滤波后亮度分量矩阵；所述亮度图A由通过曝光系数将所述各像素点的滤波后亮度分量降低后的亮度值组成；
在所述基于所述最佳曝光系数，将所述过曝图像中各像素点的亮度值降低，得到所述过曝图像对应的暗图之前，还包括：
对所述过曝图像中各像素点的亮度分量进行高斯滤波，得到各像素点的滤波后亮度分量。
可选的，所述第一预设公式中L为由各像素点的平滑亮度分量组成的平滑亮度分量矩阵；所述亮度图A由通过曝光系数将所述各像素点的平滑亮度分量降低后的亮度值组成；
在所述对所述过曝图像中各像素点的亮度分量进行高斯滤波，得到各像素点的滤波后亮度分量之后，所述方法还包括：
遍历多个预设平均分量矩阵，计算预设平均分量矩阵中各个分量与各像素点的滤波后亮度分量之间的接近度；选取多个预设平均分量分别对应的接近度中的最大的接近度，将最大的接近度对应的预设平均分量矩阵作为平滑亮度分量矩阵，所述平滑亮度分量矩阵由各像素点的平滑亮度分量组成，其中，所述接近度表示预设平均分量矩阵中各个分量的值与各像素点的滤波后亮度分量的值的相似程度。
可选的，所述遍历多个预设平均分量矩阵，计算预设平均分量矩阵中各个分量与各像素点的滤波后亮度分量之间的接近度；当所述接近度达到最大时，将最大的接近度对应的预设平均分量矩阵作为平滑亮度分量矩阵，包括：
采用第三预设公式，得到平滑亮度分量矩阵，所述第三预设公式为：
其中，
λ为经验参数；L为由各像素点的滤波后亮度分量组成的滤波后亮度分量矩阵，
表示对T求梯度，T为预设平均分量矩阵。
可选的，所述指定色彩空间为HSV色彩空间；
在所述利用所述各像素点的更新亮度分量，对所述过曝图像进行修复，得到修复后图像之后，还包括：
对所述修复后图像进行RGB色彩空间转换，得到RGB色彩空间中的修复后图像；
存储所述RGB色彩空间中的修复后图像。
第二方面，本发明实施例提供了一种图像处理装置，包括：
获取模块，用于获取指定色彩空间中的过曝图像，所述指定色彩空间中包括亮度分量；
降低模块，用于将所述过曝图像中各像素点的亮度值降低，得到所述过曝图像对应的暗图，所述暗图中包括暗图亮度分量，所述暗图亮度分量为所述过曝图像中各像素点的亮度值降低后的各像素点的亮度分量；
加权模块，用于对所述过曝图像中各像素点的亮度分量和所述暗图亮度分量进行加权运算，得到各像素点的更新的亮度分量；其中，所述过曝图像中各像素点的亮度分量的权重W为基于所述过曝图像中各像素点的亮度分量，进行归一化处理之后得到的；所述暗图亮度分量的权重为1-W；
修复模块，用于将所述各像素点的更新的亮度分量作为修复后图像中像素点的亮度分量，得到所述过曝图像对应的修复后图像。
第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面所述的方法步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法步骤。
本发明实施例提供的图像处理方法、装置、电子设备及存储介质，在将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图之后，并未直接基于暗图中包括的暗图亮度分量生成修复后图像，而是将暗图中包括暗图亮度分量与过曝图像中各像素点的原始亮度分量进行了加权运算，得到更新的亮度分量，将各像素点的更新的亮度分量作为修复后图像中像素点的亮度分量，得到过曝图像对应的修复后图像，即基于更新的亮度分量生成修复后图像的。
由于过曝图像中各像素点的原始亮度分量的权重W是基于原始亮度分量，进行归一化处理之后得到的，因此，对原始亮度分量进行加权运算得到的结果，仍然保持了过曝图像中各像素点的原始亮度分布；而对于暗图亮度分量而言，在加权处理过程中，由于其权重值等于1减原始亮度分量的权重，因此，加权处理之后得到的亮度分量，与各像素点的暗图亮度分量分布情况相反，具体表现为：使得暗图亮度分量较大的像素点(也就是过曝图像中的过曝区域)变暗，也即使得亮度值较大的像素点的亮度降低，同时，使得暗图亮度分量较小的像素点(也就是过曝图像中的非过曝区域)变亮，也即使得亮度值较小的像素点的亮度增大。综上，与现有技术相比，通过上述加权运算之后，生成的修复后图像可以在降低过曝区域亮度的同时，提高非过曝区域的亮度，避免非过曝光区域亮度过暗，图像信息丢失的问题，因此，提升了过曝图像修复的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例中提供的图像处理方法的一种流程图；
图2为本发明实施例中将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图的流程图；
图3为本发明实施例提供的图像处理方法的应用示意图；
图4为本发明实施例提供的图像处理方法的另一种流程图；
图5为本发明实施例提供的图像处理装置的一种结构示意图；
图6为本发明实施例中降低模块的一种结构示意图；
图7为本发明实施例中降低模块的另一种结构示意图；
图8为本发明实施例中降低模块的另一种结构示意图；
图9为本发明实施例提供的图像处理装置的另一种结构示意图；
图10为本发明实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。
为了提升过曝图像修复的效果，本发明实施例提供了一种图像处理方法、装置、电子设备及存储介质。
下面先对本发明实施例提供的图像处理方法进行详细说明。
本发明实施例提供的图像处理方法可以应用于电子设备，具体地，电子设备可以包括终端、服务器等等。
本发明实施例提供的一种图像处理方法，可以包括如下步骤：
获取指定色彩空间中的过曝图像，指定色彩空间中包括亮度分量；
将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图，暗图中包括暗图亮度分量，暗图亮度分量为过曝图像中各像素点的亮度值降低后的各像素点的亮度分量；
对过曝图像中各像素点的亮度分量和暗图亮度分量进行加权运算，得到各像素点的更新的亮度分量；其中，过曝图像中各像素点的亮度分量的权重W为基于过曝图像中各像素点的亮度分量，进行归一化处理之后得到的；暗图亮度分量的权重为1-W；
将各像素点的更新的亮度分量作为修复后图像中像素点的亮度分量，得到过曝图像对应的修复后图像。
本发明实施例中，在将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图之后，并未直接基于暗图中包括的暗图亮度分量生成修复后图像，而是将暗图中包括暗图亮度分量与过曝图像中各像素点的原始亮度分量进行了加权运算，得到更新的亮度分量，将各像素点的更新的亮度分量作为修复后图像中像素点的亮度分量，得到过曝图像对应的修复后图像，即基于更新的亮度分量生成修复后图像的。
由于过曝图像中各像素点的原始亮度分量的权重W是基于原始亮度分量，进行归一化处理之后得到的，因此，对原始亮度分量进行加权运算得到的结果，仍然保持了过曝图像中各像素点的原始亮度分布；而对于暗图亮度分量而言，在加权处理过程中，由于其权重值等于1减原始亮度分量的权重，因此，加权处理之后得到的亮度分量，与各像素点的暗图亮度分量分布情况相反，具体表现为：使得暗图亮度分量较大的像素点(也就是过曝图像中的过曝区域)变暗，也即使得亮度值较大的像素点的亮度降低，同时，使得暗图亮度分量较小的像素点(也就是过曝图像中的非过曝区域)变亮，也即使得亮度值较小的像素点的亮度增大。综上，与现有技术相比，通过上述加权运算之后，生成的修复后图像可以在降低过曝区域亮度的同时，提高非过曝区域的亮度，避免非过曝光区域亮度过暗，图像信息丢失的问题，因此，提升了过曝图像修复的效果。
图1为本发明实施例提供的图像处理方法的一种流程图，参见图1，本发明实施例提供的图像处理方法可以包括如下步骤：
S101，获取指定色彩空间中的过曝图像。
指定色彩空间中包括亮度分量。
本发明实施例中的指定色彩空间可以为色调、饱和度和亮度(Hue SaturationValue，HSV)色彩空间等包括亮度分量的色彩空间。
对于彩色图像而言，可以采用多种不同的色彩空间来描述。例如：红色、绿色和蓝色三基色模式(Red Green Blue，RGB)色彩空间、HSV色彩空间等。不同的色彩空间具有不同的特点：对于RGB色彩空间而言，其各色彩分量之间的耦合性较强，在图像修复过程中，改变一色彩分量，其他分量也会随之改变，最终导致色彩偏移问题，影响修复效果。而包括亮度分量的色彩空间可以直观地表达色彩的明暗程度，方便进行颜色对比，便于对各分量的单独处理。因此，本发明实施例中可以获取包括亮度分量的色彩空间中的过曝图像，之后，只需对过曝图像的亮度分量进行操作，无需涉及其他分量，提高了过曝图像修复的效率。
本步骤中，可以直接获取上述指定色彩空间中的过曝图像。
也可以先获取其他色彩空间中的过曝图像，然后通过色彩空间转换，得到上述指定色彩空间中的过曝图像。为便于存储，一般的图像均为RGB色彩空间中图像，因此，在进行图像修复之前，可以先对RGB色彩空间中的过曝图像进行转换，得到上述指定色彩空间，例如：HSV色彩空间中的过曝图像。
S102，将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图。
暗图中包括暗图亮度分量，暗图亮度分量为过曝图像中各像素点的亮度值降低后的各像素点的亮度分量。
S103，对过曝图像中各像素点的亮度分量和暗图亮度分量进行加权运算，得到各像素点的更新的亮度分量。
其中，过曝图像中各像素点的亮度分量的权重W为基于过曝图像中各像素点的亮度分量，进行归一化处理之后得到的。
暗图亮度分量的权重为1-W。
具体得可以采用如下公式，对过曝图像中各像素点的亮度分量和暗图亮度分量进行加权运算，得到各像素点的更新的亮度分量。
其中，
W＝Lμ
Vres为由各像素点的更新的亮度分量组成的更新的亮度分量矩阵；Vin为由过曝图像中各像素点的亮度分量组成的亮度分量矩阵；W为过曝图像中各像素点的亮度分量的权重；μ为经验参数；Vweaken为由各像素点的暗图亮度分量组成的暗图亮度分量矩阵，L为由各像素点的亮度分量组成的亮度分量矩阵。
公式中，WDVin表示矩阵W与矩阵Vin的点积；(1-W)DVweaken表示矩阵(1-W)与矩阵Vweaken的点积；W中各元素的值介于0和1之间，相应的，(1-W)中各元素的值也介于0和1之间。
S104，将各像素点的更新的亮度分量作为修复后图像中像素点的亮度分量，得到过曝图像对应的修复后图像。
可以采用各像素点的更新的亮度分量替换过曝图像中各像素点的亮度分量，从而得到修复后图像；也可以将各像素点的更新亮度分量、过曝图像中各像素点的在上述指定色彩空间中除亮度分量之外的其他分量组合起来，生成修复后图像。
本发明实施例中，在将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图之后，并未直接基于暗图中包括的暗图亮度分量生成修复后图像，而是将暗图中包括暗图亮度分量与过曝图像中各像素点的原始亮度分量进行了加权运算，得到更新的亮度分量，将各像素点的更新的亮度分量作为修复后图像中像素点的亮度分量，得到过曝图像对应的修复后图像，即基于更新的亮度分量生成修复后图像的。
由于过曝图像中各像素点的原始亮度分量的权重W是基于原始亮度分量，进行归一化处理之后得到的，因此，对原始亮度分量进行加权运算得到的结果，仍然保持了过曝图像中各像素点的原始亮度分布；而对于暗图亮度分量而言，在加权处理过程中，由于其权重值等于1减原始亮度分量的权重，因此，加权处理之后得到的亮度分量，与各像素点的暗图亮度分量分布情况相反，具体表现为：使得暗图亮度分量较大的像素点(也就是过曝图像中的过曝区域)变暗，也即使得亮度值较大的像素点的亮度降低，同时，使得暗图亮度分量较小的像素点(也就是过曝图像中的非过曝区域)变亮，也即使得亮度值较小的像素点的亮度增大。综上，与现有技术相比，通过上述加权运算之后，生成的修复后图像可以在降低过曝区域亮度的同时，提高非过曝区域的亮度，避免非过曝光区域亮度过暗，图像信息丢失的问题，因此，提升了过曝图像修复的效果。
图2为本发明实施例中将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图的流程图。参见图2，一种可选的实施例中，S102：将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图，可以包括：
S1021，遍历多个曝光系数，对各个曝光系数对应的图像熵进行迭代，得到最大图像熵，并将最大图像熵对应的曝光系数作为最佳曝光系数。
其中，图像熵为通过曝光系数将过曝图像中各像素点的亮度值降低后得到的图像的图像熵。
最佳曝光系数作为降低亮度值时的参数。
S1022，基于最佳曝光系数，将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图。
一种可实现方式中，可以基于各像素点的亮度分量，采用第一预设公式，得到最佳曝光系数，第一预设公式为：
其中，
g(L,k)＝βLγ
k′为最佳曝光系数；L为由各像素点的亮度分量组成的亮度分量矩阵；k为曝光系数；g(L,k)为以k为曝光系数，对L进行亮度值降低之后得到的暗图亮度分量矩阵；a和b为经验系数；H(A)为亮度图A的图像熵；xi为亮度图A中各像素点的亮度值；N为亮度图A中像素点的个数，亮度图A由通过曝光系数将各像素点的亮度分量降低后的亮度值组成。
上述经验系数的取值可以为：a＝1e-3,b＝2e-2。
可以通过第二预设公式，得到各像素点的暗图亮度分量，第二预设公式为：
其中，
a＝1e-3,b＝2e-2
Vweaken为由各像素点的暗图亮度分量组成的暗图亮度分量矩阵；Vin为由过曝图像中各像素点的亮度分量组成的亮度分量矩阵；k′为最佳曝光系数。
另一种可实现方式中，在基于最佳曝光系数，将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图之前，还可以包括：
对过曝图像中各像素点的亮度分量进行高斯滤波，得到各像素点的滤波后亮度分量。
此时，可以基于各像素点的滤波后亮度分量，采用上述第一预设公式，得到最佳曝光系数。
其中，在基于各像素点的滤波后亮度分量，采用上述第一预设公式，得到最佳曝光系数过程中，第一预设公式中L为由各像素点的滤波后亮度分量组成的滤波后亮度分量矩阵；亮度图A由通过曝光系数将各像素点的滤波后亮度分量降低后的亮度值组成。
针对由各像素点的滤波后亮度分量组成的滤波后亮度分量矩阵(也就是，滤波后亮度图)，采用迭代的方法，获取最佳曝光系数，上述最佳曝光系数为使得对滤波后亮度图降低亮度值之后，得到的暗图亮度图(也即暗图中暗图亮度分量组成的暗图亮度分量矩阵)的图像熵最大的曝光系数。
具体过程为：针对滤波后亮度图(也即滤波后亮度分量矩阵)，采用迭代方法，分别以不同的曝光系数降低滤波后亮度分量的亮度值，以得到不同的暗图亮度图，并通过公式
分别计算各暗图亮度图的图像熵，最终，将图像熵最大的暗图亮度图对应的曝光系数确定为最佳曝光系数。例如：假设滤波后亮度图为S，分别以曝光系数k1、k2、……、km进行亮度值降低，得到暗图亮度图S1、S2、……、Sm，若S1、S2、……、Sm中，S1的图像熵最大，则可以将与S1对应的k1确定为最佳曝光系数，其中m为迭代过程中，选取的曝光系数的个数，在实际应用中，为获得较好的修复效果，可以将m取值设定为一个较大的数值，此处，对于m的具体取值，不作限定。
在基于各像素点的滤波后亮度分量，采用上述第一预设公式，得到最佳曝光系数，并基于该最佳曝光系数，将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图之后，可以通过
其中，W＝Lμ，对过曝图像中各像素点的亮度分量和暗图亮度分量进行加权运算，得到各像素点的更新的亮度分量，此时，L为由各像素点的滤波后亮度分量组成的滤波后亮度分量矩阵。
本发明实施例中，是通过迭代的方式，确定出使得图像熵最大的曝光系数作为最佳曝光系数的，而图像熵越大，则表示图像中包含的信息越丰富。因此，与经验曝光系数相比，采用该最佳曝光系数对过曝图像中各像素点的亮度分量进行降低，得到的暗图亮度分量中可以包含更丰富的图像信息，进而能够最大限度的恢复图像纹理以及颜色信息，进一步提高图像修复的效果。
另一种可实现方式中，在对过曝图像中各像素点的亮度分量进行高斯滤波，得到各像素点的滤波后亮度分量之后，还可以包括：
遍历多个预设平均分量矩阵，计算预设平均分量矩阵中各个分量与各像素点的滤波后亮度分量之间的接近度；选取多个预设平均分量分别对应的接近度中的最大的接近度，将最大的接近度对应的预设平均分量矩阵作为平滑亮度分量矩阵，平滑亮度分量矩阵由各像素点的平滑亮度分量组成。
其中，接近度表示预设平均分量矩阵中各个分量的值与各像素点的滤波后亮度分量的值的相似程度。
此时，可以基于各像素点的平滑亮度分量，采用上述第一预设公式，得到最佳曝光系数。
在基于各像素点的平滑亮度分量，采用上述第一预设公式，得到最佳曝光系数的过程中，第一预设公式中L为由各像素点的平滑亮度分量组成的平滑亮度分量矩阵；亮度图A由通过曝光系数将各像素点的平滑亮度分量降低后的亮度值组成。
具体地，可以采用第三预设公式，得到平滑亮度分量矩阵，第三预设公式为：
其中，
λ为经验参数；L为由各像素点的滤波后亮度分量组成的滤波后亮度分量矩阵，
表示对T求梯度，T为预设平均分量矩阵。
基于各像素点的滤波后亮度分量组成的滤波后亮度分量矩阵，采用迭代的方法，获取平滑亮度分量矩阵，上述平滑亮度分量矩阵为与滤波后亮度分量矩阵中的分量值大小较为接近的矩阵。但是，平滑亮度分量矩阵并非简单的取滤波后亮度分量矩阵的值，而是对滤波后亮度分量矩阵进行了优化，也就是说，去掉了滤波后亮度图中的一些纹理，同时，去除滤波后亮度图中中亮度值过渡区域的毛刺(去除了亮度值变化率较大的点)。
上述第三预设公式中，
表示对矩阵取2范数，即：对矩阵中的所有元素的平方和进行开平方运算，其值大于或等于0；因此，第五预设公式中的
使得T与L中的分量值大小接近，
表示对T求梯度。
具体为：采用迭代的方法，分别取不同的T，带入上述第三预设公式中的
分别得到多个不同的计算结果，从上述多个计算结果中，选择最小计算结果对应的T，作为平滑亮度分量矩阵T′。例如：分别取T1、T2、……、Tn带入上述第三预设公式中的
分别得到计算结果：J1、J2、……、Jn，若J1、J2、……、Jn中，J1最大，则可以将与J1对应的T1确定为T′。其中，n为迭代过程中，选取的T的个数，在实际应用中，为获得较好的修复效果，可以将n取值设定为一个较大的数值，此处，对于n的具体取值，不作限定。
得到平滑亮度分量后，可以通过如下公式(通过T′替代第一预设公式中L，其中，T′为由各像素点的滤波后亮度分量组成的滤波后亮度分量矩阵)得到最佳曝光系数。
其中，
g(T′,k)＝βT′γ
k′为最佳曝光系数；T′为由各像素点的平滑亮度分量组成的平滑亮度分量矩阵；k为曝光系数；g(T′,k)为以k为曝光系数，对T′进行亮度值降低之后得到的矩阵；a和b为经验系数；H(A)为亮度图A的图像熵；xi为亮度图A中各像素点的亮度值；N为亮度图A中像素点的个数。
在基于各像素点的平滑亮度分量，采用上述第一预设公式，得到最佳曝光系数，并基于该最佳曝光系数，将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图之后，可以通过
其中，W＝Lμ，对过曝图像中各像素点的亮度分量和暗图亮度分量进行加权运算，得到各像素点的更新的亮度分量，此时，L为由各像素点的平滑亮度分量组成的平滑亮度分量矩阵。即可以理解，W为对平滑亮度分量矩阵T′中的各个分量值，进行归一化处理之后得到的，W中各元素的值介于0和1之间，相应的，(1-W)中各元素的值也介于0和1之间。
本发明实施例中，最佳曝光系数是基于对各像素点的滤波后亮度分量的变化率进行平滑处理而得到各像素点的平滑亮度分量得到的。由于平滑亮度分量是对滤波后亮度分量的变化率进行平滑处理之后得到的，因此，基于平滑亮度分量，求得的最佳曝光系数更加稳定，进一步的，采用基于较为稳定的最佳曝光系数得到的暗图亮度分量进行加权运算，也可以获取更好的加权运算效果。并将通过加权运算得到的各像素点的更新的亮度分量作为修复后图像中像素点的亮度分量，得到过曝图像对应的修复后图像，能够进一步提升图像修复的效果。
图3为本发明实施例提供的图像处理方法的应用示意图，为便于理解，参照图3，下面通过实际例子，对本发明实施例提供的图像处理方法的应用进行介绍：
在图3中，(a)为获取的过曝图像(实际上，(a)为RGB色彩空间中的三通道彩色图像)，其中，天空区域为过曝区域，亭子区域为非过曝光区域。指定色彩空间为HSV色彩空间。
首先，将RGB色彩空间中的过曝图像转换为HSV色彩空间中的过曝图像。
然后，对过曝图像中各像素点的亮度分量进行高斯滤波，得到各像素点的滤波后亮度分量；遍历多个预设平均分量矩阵，计算预设平均分量矩阵中各个分量与各像素点的滤波后亮度分量之间的接近度；选取多个预设平均分量分别对应的接近度中的最大的接近度，将最大的接近度对应的预设平均分量矩阵作为平滑亮度分量矩阵，平滑亮度分量矩阵由各像素点的平滑亮度分量组成，具体通过上述第三预设公式，得到平滑亮度分量矩阵。
得到平滑亮度分量后，可以通过T′替代第一预设公式中L，其中，T′为由各像素点的滤波后亮度分量组成的滤波后亮度分量矩阵)得到最佳曝光系数，基于各像素点的平滑亮度亮度分量，采用第一预设公式，得到最佳曝光系数。
基于该最佳曝光系数，将过曝图像(a)的亮度值降低，得到各像素点的暗图亮度分量，也即基于该最佳曝光系数，通过第二预设公式，得到各像素点的暗图亮度分量。如图3所示，图3中(b)即为将过曝图像(a)的亮度值之后，得到的暗图(实际上，(b)也为RGB色彩空间中的三通道彩色图像)。(b)中各像素点的亮度分量暗图亮度分量，色调分量、饱和度分量分别与过曝图像(a)中的色调分量、饱和度分量相同。(c)为基于过曝图像中各像素点的亮度分量的权重W生成的单通道的灰度图；(d)为基于(1-W)生成的单通道的灰度图。
参考图3，对(a)的修复过程为：分别以(c)和(d)作为(a)和(b)的权重，进行加权运算，从而得到最终的修复结果(e)。在修复结果(e)中，对过曝区域-天空区域的亮度降低的同时，又避免了使得非过曝区域-亭子区域的亮度过低的问题。也就是说：修复结果(e)中，在降低过曝区域亮度值以增强纹理及颜色信息的同时，并未使得非过曝区域图像信息丢失，因此，提升了过曝图像修复效果。
一种可选的实施例中，指定色彩空间为HSV色彩空间。图4为本发明实施例提供的图像处理方法的另一种流程图。参见图4，在S104：利用各像素点的更新亮度分量，对过曝图像进行修复，得到修复后图像之后，还可以包括：
S105，对修复后图像进行RGB色彩空间转换，得到RGB色彩空间中的修复后图像。
本发明实施例中，指定色彩空间为HSV色彩空间，即过曝图像在HSV色彩空间进行处理，得到的修复后图像为HSV色彩空间。
S106，存储RGB色彩空间中的修复后图像。
为便于存储，可以将得到的指定色彩空间中的修复后图像，转换为RGB色彩空间中的修复后图像。
基于同一发明构思，根据本发明上述实施例提供的图像处理方法，相应地，本发明实施例还提供了一种图像处理装置，图5为本发明实施例提供的图像处理装置的一种结构示意图，参照图5，本发明实施例提供的图像处理装置可以包括：
获取模块501，用于获取指定色彩空间中的过曝图像，指定色彩空间中包括亮度分量；
降低模块502，用于将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图，暗图中包括暗图亮度分量，暗图亮度分量为过曝图像中各像素点的亮度值降低后的各像素点的亮度分量；
加权模块503，用于对过曝图像中各像素点的亮度分量和暗图亮度分量进行加权运算，得到各像素点的更新的亮度分量；其中，过曝图像中各像素点的亮度分量的权重W为基于过曝图像中各像素点的亮度分量，进行归一化处理之后得到的；暗图亮度分量的权重为1-W；
修复模块504，用于将各像素点的更新的亮度分量作为修复后图像中像素点的亮度分量，得到过曝图像对应的修复后图像。
图6为本发明实施例中降低模块的一种结构示意图，参照图6，降低模块502，可以包括：
迭代子模块5021，用于遍历多个曝光系数，对各个曝光系数对应的图像熵进行迭代，得到最大图像熵，并将最大图像熵对应的曝光系数作为最佳曝光系数，其中，图像熵为通过曝光系数将过曝图像中各像素点的亮度值降低后得到的图像的图像熵，最佳曝光系数作为降低亮度值时的参数；
降低子模块5022，用于基于最佳曝光系数，将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图。
可选的，迭代子模块5021，具体用于基于各像素点的亮度分量，采用第一预设公式，得到最佳曝光系数，第一预设公式为：
其中，
g(L,k)＝βLγ
k′为最佳曝光系数；L为由各像素点的亮度分量组成的亮度分量矩阵；k为曝光系数；g(L,k)为以k为曝光系数，对L进行亮度值降低之后得到的亮度分量矩阵；a和b为经验系数；H(A)为亮度图A的图像熵；xi为亮度图A中各像素点的亮度值；N为亮度图A中像素点的个数，亮度图A由通过曝光系数将各像素点的亮度分量降低后的亮度值组成；
降低子模块5022，具体用于通过第二预设公式，得到各像素点的暗图亮度分量，第二预设公式为：
其中，
a＝1e-3,b＝2e-2
Vweaken为由各像素点的暗图亮度分量组成的暗图亮度分量矩阵；Vin为由过曝图像中各像素点的亮度分量组成的亮度分量矩阵；k′为最佳曝光系数。
可选的，第一预设公式中L为由各像素点的滤波后亮度分量组成的滤波后亮度分量矩阵；亮度图A由通过曝光系数将各像素点的滤波后亮度分量降低后的亮度值组成；
图7为本发明实施例中降低模块的另一种结构示意图，参照图7，降低模块502还包括：高斯滤波子模块5023，用于基于最佳曝光系数，将过曝图像中各像素点的亮度值降低，得到过曝图像对应的暗图之前，对过曝图像中各像素点的亮度分量进行高斯滤波，得到各像素点的滤波后亮度分量。
可选的，第一预设公式中L为由各像素点的平滑亮度分量组成的平滑亮度分量矩阵；亮度图A由通过曝光系数将各像素点的平滑亮度分量降低后的亮度值组成；
图8为本发明实施例中降低模块的另一种结构示意图，参照图8，降低模块502还包括：平滑子模块5024，用于在对过曝图像中各像素点的亮度分量进行高斯滤波，得到各像素点的滤波后亮度分量之后，遍历多个预设平均分量矩阵，计算预设平均分量矩阵中各个分量与各像素点的滤波后亮度分量之间的接近度；选取多个预设平均分量分别对应的接近度中的最大的接近度，将最大的接近度对应的预设平均分量矩阵作为平滑亮度分量矩阵，平滑亮度分量矩阵由各像素点的平滑亮度分量组成，其中，接近度表示预设平均分量矩阵中各个分量的值与各像素点的滤波后亮度分量的值的相似程度。
可选的，平滑子模块5024，具体用于采用第二预设公式，得到平滑亮度分量矩阵，第二预设公式为：
其中，
λ为经验参数；L为由各像素点的滤波后亮度分量组成的滤波后亮度分量矩阵，
表示对T求梯度，T为预设平均分量矩阵。
可选的，指定色彩空间为HSV色彩空间；
图9为本发明实施例提供的图像处理装置的另一种结构示意图，参照图9，装置还包括：
转换模块505，用于在利用各像素点的更新亮度分量，对过曝图像进行修复，得到修复后图像之后，对修复后图像进行RGB色彩空间转换，得到RGB色彩空间中的修复后图像；
存储模块506，用于存储RGB色彩空间中的修复后图像。
本发明实施例还提供了一种电子设备，如图10所示，包括处理器1001、通信接口1002、存储器1003和通信总线1004，其中，处理器1001，通信接口1002，存储器1003通过通信总线1004完成相互间的通信。
存储器1003，用于存放计算机程序；
处理器1001，用于执行存储器1003上所存放的程序时，实现上述图像处理方法的方法步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述实施例中任一的图像处理方法的方法步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一的图像处理方法的方法步骤。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备及存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (10)
1.一种图像处理方法，其特征在于，包括：
获取指定色彩空间中的过曝图像，所述指定色彩空间中包括亮度分量；
将所述过曝图像中各像素点的亮度值降低，得到所述过曝图像对应的暗图，所述暗图中包括暗图亮度分量，所述暗图亮度分量为所述过曝图像中各像素点的亮度值降低后的各像素点的亮度分量；
对所述过曝图像中各像素点的亮度分量和所述暗图亮度分量进行加权运算，得到各像素点的更新的亮度分量；其中，所述过曝图像中各像素点的亮度分量的权重W为基于所述过曝图像中各像素点的亮度分量，进行归一化处理之后得到的；所述暗图亮度分量的权重为1-W；
将所述各像素点的更新的亮度分量作为修复后图像中像素点的亮度分量，得到所述过曝图像对应的修复后图像。
2.根据权利要求1所述的方法，其特征在于，所述将所述过曝图像中各像素点的亮度值降低，得到所述过曝图像对应的暗图，包括：
遍历多个曝光系数，对各个曝光系数对应的图像熵进行迭代，得到最大图像熵，并将所述最大图像熵对应的曝光系数作为最佳曝光系数，其中，所述图像熵为通过所述曝光系数将所述过曝图像中各像素点的亮度值降低后得到的图像的图像熵，所述最佳曝光系数作为降低亮度值时的参数；
基于所述最佳曝光系数，将所述过曝图像中各像素点的亮度值降低，得到所述过曝图像对应的暗图。
3.根据权利要求2所述的方法，其特征在于，所述遍历多个曝光系数，对各个曝光系数对应的图像熵进行迭代，得到最大图像熵，并将所述最大图像熵对应的曝光系数作为最佳曝光系数，包括：
基于各像素点的亮度分量，采用第一预设公式，得到最佳曝光系数，所述第一预设公式为：
其中，
g(L,k)＝βLγ
k′为最佳曝光系数；L为由各像素点的亮度分量组成的亮度分量矩阵；k为曝光系数；g(L,k)为以k为曝光系数，对L进行亮度值降低之后得到的亮度分量矩阵；a和b为经验系数；H(A)为亮度图A的图像熵；xi为所述亮度图A中各像素点的亮度值；N为亮度图A中像素点的个数，所述亮度图A由通过曝光系数将所述各像素点的亮度分量降低后的亮度值组成；
所述基于所述最佳曝光系数，将所述过曝图像中各像素点的亮度值降低，得到所述过曝图像对应的暗图，包括：
通过第二预设公式，得到各像素点的暗图亮度分量，第二预设公式为：
其中，
a＝1e-3,b＝2e-2
Vweaken为由各像素点的暗图亮度分量组成的暗图亮度分量矩阵；Vin为由过曝图像中各像素点的亮度分量组成的亮度分量矩阵；k′为最佳曝光系数。
4.根据权利要求3所述的方法，其特征在于，所述第一预设公式中L为由各像素点的滤波后亮度分量组成的滤波后亮度分量矩阵；所述亮度图A由通过曝光系数将所述各像素点的滤波后亮度分量降低后的亮度值组成；
在所述基于所述最佳曝光系数，将所述过曝图像中各像素点的亮度值降低，得到所述过曝图像对应的暗图之前，还包括：
对所述过曝图像中各像素点的亮度分量进行高斯滤波，得到各像素点的滤波后亮度分量。
5.根据权利要求4所述的方法，其特征在于，所述第一预设公式中L为由各像素点的平滑亮度分量组成的平滑亮度分量矩阵；所述亮度图A由通过曝光系数将所述各像素点的平滑亮度分量降低后的亮度值组成；
在所述对所述过曝图像中各像素点的亮度分量进行高斯滤波，得到各像素点的滤波后亮度分量之后，所述方法还包括：
遍历多个预设平均分量矩阵，计算预设平均分量矩阵中各个分量与各像素点的滤波后亮度分量之间的接近度；选取多个预设平均分量分别对应的接近度中的最大的接近度，将最大的接近度对应的预设平均分量矩阵作为平滑亮度分量矩阵，所述平滑亮度分量矩阵由各像素点的平滑亮度分量组成，其中，所述接近度表示预设平均分量矩阵中各个分量的值与各像素点的滤波后亮度分量的值的相似程度。
6.根据权利要求5所述的方法，其特征在于，所述遍历多个预设平均分量矩阵，计算预设平均分量矩阵中各个分量与各像素点的滤波后亮度分量之间的接近度；当所述接近度达到最大时，将最大的接近度对应的预设平均分量矩阵作为平滑亮度分量矩阵，包括：
采用第三预设公式，得到平滑亮度分量矩阵，所述第三预设公式为：
其中，
λ为经验参数；L为由各像素点的滤波后亮度分量组成的滤波后亮度分量矩阵，
表示对T求梯度，T为预设平均分量矩阵。
7.根据权利要求1-6任一所述的方法，其特征在于，所述指定色彩空间为HSV色彩空间；
在所述利用所述各像素点的更新亮度分量，对所述过曝图像进行修复，得到修复后图像之后，还包括：
对所述修复后图像进行RGB色彩空间转换，得到RGB色彩空间中的修复后图像；
存储所述RGB色彩空间中的修复后图像。
8.一种图像处理装置，其特征在于，包括：
获取模块，用于获取指定色彩空间中的过曝图像，所述指定色彩空间中包括亮度分量；
降低模块，用于将所述过曝图像中各像素点的亮度值降低，得到所述过曝图像对应的暗图，所述暗图中包括暗图亮度分量，所述暗图亮度分量为所述过曝图像中各像素点的亮度值降低后的各像素点的亮度分量；
加权模块，用于对所述过曝图像中各像素点的亮度分量和所述暗图亮度分量进行加权运算，得到各像素点的更新的亮度分量；其中，所述过曝图像中各像素点的亮度分量的权重W为基于所述过曝图像中各像素点的亮度分量，进行归一化处理之后得到的；所述暗图亮度分量的权重为1-W；
修复模块，用于将所述各像素点的更新的亮度分量作为修复后图像中像素点的亮度分量，得到所述过曝图像对应的修复后图像。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-7任一所述的方法步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011602374.2A CN112634166A (zh) | 2020-12-29 | 2020-12-29 | 一种图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011602374.2A CN112634166A (zh) | 2020-12-29 | 2020-12-29 | 一种图像处理方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112634166A true CN112634166A (zh) | 2021-04-09 |
Family
ID=75287001
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011602374.2A Pending CN112634166A (zh) | 2020-12-29 | 2020-12-29 | 一种图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112634166A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114140356A (zh) * | 2021-11-30 | 2022-03-04 | 广州虎牙科技有限公司 | 图像处理方法、电子设备和计算机可读存储介质 |
| CN114862722A (zh) * | 2022-05-26 | 2022-08-05 | 广州市保伦电子有限公司 | 一种图像亮度增强实现方法及处理终端 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101917551A (zh) * | 2010-08-10 | 2010-12-15 | 浙江大学 | 一种单次曝光的高动态范围图像获取方法 |
| CN106454144A (zh) * | 2016-09-08 | 2017-02-22 | 清华大学 | 一种对谷歌眼镜图像过度曝光的校正方法 |
| CN110830789A (zh) * | 2018-08-07 | 2020-02-21 | 杭州海康威视数字技术股份有限公司 | 一种过曝检测方法、装置及一种过曝抑制方法、装置 |
| CN111311509A (zh) * | 2020-01-20 | 2020-06-19 | 上海理工大学 | 一种非正常曝光图像自适应校正方法 |
-
2020
- 2020-12-29 CN CN202011602374.2A patent/CN112634166A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101917551A (zh) * | 2010-08-10 | 2010-12-15 | 浙江大学 | 一种单次曝光的高动态范围图像获取方法 |
| CN106454144A (zh) * | 2016-09-08 | 2017-02-22 | 清华大学 | 一种对谷歌眼镜图像过度曝光的校正方法 |
| CN110830789A (zh) * | 2018-08-07 | 2020-02-21 | 杭州海康威视数字技术股份有限公司 | 一种过曝检测方法、装置及一种过曝抑制方法、装置 |
| CN111311509A (zh) * | 2020-01-20 | 2020-06-19 | 上海理工大学 | 一种非正常曝光图像自适应校正方法 |
Non-Patent Citations (1)
| Title |
|---|
| 姚海根: "《印刷图像处理》", vol. 1, 上海科学技术出版社, pages: 109 - 110 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114140356A (zh) * | 2021-11-30 | 2022-03-04 | 广州虎牙科技有限公司 | 图像处理方法、电子设备和计算机可读存储介质 |
| CN114862722A (zh) * | 2022-05-26 | 2022-08-05 | 广州市保伦电子有限公司 | 一种图像亮度增强实现方法及处理终端 |
| CN114862722B (zh) * | 2022-05-26 | 2023-03-24 | 广州市保伦电子有限公司 | 一种图像亮度增强实现方法及处理终端 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9076218B2 (en) | Method and image processing device for image dynamic range compression with local contrast enhancement | |
| RU2400815C2 (ru) | Способ повышения качества цифрового фотоизображения | |
| US7672528B2 (en) | Method of processing an image to form an image pyramid | |
| JP2002314817A (ja) | マスクを用いて写真画像の鮮鋭度を局部的に変更するための方法、装置、プログラムおよび記録媒体、並びに画像再生装置 | |
| JP2006050494A (ja) | 画像撮影装置 | |
| CN110796624B (zh) | 一种图像生成方法、装置及电子设备 | |
| WO2013009434A1 (en) | Automatic adaptive image sharpening | |
| CN111260580A (zh) | 一种基于图像金字塔的图像去噪方法、计算机装置及计算机可读存储介质 | |
| CN112634166A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN112541868B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| CN111292269A (zh) | 一种图像色调映射方法、计算机装置及计算机可读存储介质 | |
| WO2019210707A1 (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
| CN112150368A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| WO2016165076A1 (en) | Method and system for image enhancement | |
| CN113379609B (zh) | 一种图像处理方法、存储介质及终端设备 | |
| CN110717864B (zh) | 一种图像增强方法、装置、终端设备及计算机可读介质 | |
| CN113962859A (zh) | 一种全景图生成方法、装置、设备及介质 | |
| US10217193B2 (en) | Image processing apparatus, image capturing apparatus, and storage medium that stores image processing program | |
| CN113706393A (zh) | 视频增强方法、装置、设备及存储介质 | |
| WO2020107308A1 (zh) | 一种基于Retinex的微光图像快速增强方法及其装置 | |
| CN114998122A (zh) | 一种低照度图像增强方法 | |
| CN110838088B (zh) | 一种基于深度学习的多帧降噪方法、装置及终端设备 | |
| CN110610525B (zh) | 一种图像处理的方法、装置及计算机可读存储介质 | |
| CN114418873B (zh) | 一种暗光图像降噪方法及装置 | |
| Thanh et al. | Single image dehazing with optimal color channels and nonlinear transformation |
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 |