CN113132703B - 图像处理方法和设备 - Google Patents

Abstract

本申请提供一种图像处理方法和设备，该方法包括：识别待处理图像中的色阶过渡不平滑的子区域；根据所述子区域在所述待处理图像中的像素数量占比，增大所述子区域的灰阶范围内的灰阶数量；根据数量增大后的灰阶显示所述子区域。本申请实施例的方法可以消除图像中的色阶过渡不平滑，提高图像显示效果。

Description

图像处理方法和设备

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像处理方法和设备。

背景技术

随着智能电视的发展，目前用户更多采用视频应用来观看电视，但是受限于网速及传输带宽，大部分码流会进行压缩传输，当压缩比过高时，会产生大量的动态图像专家组(Moving Picture Experts Group，简称MPEG)噪声，在图像的背景区域中，产生色阶过渡不平滑及波纹，影响观看效果。

目前，主要通过降噪的方式来消除色阶过渡不平滑，例如通过空间滤波的方式，上述方式在去除色阶过渡不平滑的同时，会损失掉大量图像细节，比如头发及衣服的纹理等，导致整体图像质量下降。

发明内容

本申请提供一种图像处理方法和设备，以消除色阶过渡不平滑，提高图像显示效果。

第一方面，本申请提供一种图像处理方法，包括：

识别待处理图像中的色阶过渡不平滑的子区域；

根据所述子区域在所述待处理图像中的像素数量占比，增大所述子区域的灰阶范围内的灰阶数量；

根据数量增大后的灰阶显示所述子区域。

第二方面，本申请提供一种图像处理装置，包括：

预处理模块，用于识别待处理图像中的色阶过渡不平滑的子区域；

处理模块，用于根据所述子区域在所述待处理图像中的像素数量占比，增大所述子区域的灰阶范围内的灰阶数量；

显示模块，用于根据数量增大后的灰阶显示所述子区域。

第三方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述的方法。

第四方面，本申请实施例提供一种显示设备，包括：

处理器、显示器；以及

存储器，用于存储所述处理器的可执行指令；

所述显示器用于显示图像；

其中，所述处理器配置为经由执行所述可执行指令来执行第一方面中任一项所述的方法。

本申请实施例提供的图像处理方法和设备，识别待处理图像中的色阶过渡不平滑的子区域；根据所述子区域在所述待处理图像中的像素数量占比，增大所述子区域的灰阶范围内的灰阶数量；根据数量增大后的灰阶显示所述子区域，由于该子区域采用更多的灰阶数量显示，因此该子区域的亮度显示更平滑，整体画面更细腻，消除了色阶过渡不平滑，提高图像显示效果。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1为本申请一实施例提供的色阶过渡不平滑示意图；

图2为本申请一实施例提供的图像灰阶分布示意图；

图3是本申请提供的方法一实施例的伽马曲线示意图；

图4是本申请提供的图像处理方法一实施例的原理示意图；

图5是本申请提供的图像处理装置一实施例的结构示意图；

图6是本申请提供的电子设备实施例的结构示意图。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

本申请的说明书和权利要求书及所述附图中的术语“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。

首先对本申请所涉及的应用场景进行介绍：

本申请实施例提供的方法，应用于图像处理场景中，例如显示设备在对图像进行显示前对图像的对比度进行调整，以提高图像显示效果。

本申请提供的方法可由显示设备如处理器执行相应的软件代码实现，也可由显示设备在执行相应的软件代码的同时，通过和服务器进行数据交互来实现，例如服务器控制显示设备实现该图像处理方法。显示设备和服务器之间可以通过网络连接。

其中，显示设备例如包括：电视、个人电脑、平板电脑等终端设备。

如图1所示，图中画圈的区域存在色阶过渡不平滑，目前，主要通过降噪的方式来消除色阶过渡不平滑，例如通过空间滤波的方式，上述方式在去除色阶过渡不平滑的同时，会损失掉大量图像细节，比如头发及衣服的纹理等，导致整体图像质量下降。

本申请实施例的方法，通过采用增大色阶过渡不平滑区域的灰阶范围内的灰阶数量，即通过更多数量的灰阶表示该灰阶范围，画面显示的更细腻。

例如图2所示的灰阶分布，上述色阶过渡不平滑的区域中灰阶范围为15-35，该灰阶范围内原灰阶数量假设为20，每个灰阶的间隔为1，本申请中为了该区域显示更平滑，例如增大为40，每个灰阶的间隔为0.5。

下面以具体的实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图3是本申请提供的图像处理方法一实施例的流程示意图。如图3所示，本实施例提供的方法，包括：

步骤101、识别待处理图像中的色阶过渡不平滑的子区域；

具体的，可以通过机器学习模型，识别待处理图像中是否有色阶过渡不平滑的子区域，将待处理图像输入机器学习模型，可以输出色阶过渡不平滑的子区域的信息，例如子区域包括的像素信息。

或者，还可以输出各个子区域为色阶过渡不平滑的区域的概率，例如概率超过预设值时，可以确定该子区域为色阶过渡不平滑的区域。

或者，还可以根据图像的亮度以及灰阶分布，确定是否存在色阶过渡不平滑的区域。

在一实施例中，步骤101可以采用如下方式实现：

通过预先训练得到的机器学习模型，识别待处理图像中的色阶过渡不平滑的子区域。

其中，通过预先训练得到的机器学习模型，识别所述待处理图像中的色阶过渡不平滑的子区域之前，还包括：

根据训练数据，对机器学习模型进行训练；训练数据包括：训练图像，以及训练图像中标定的色阶过渡不平滑的子区域信息。

可以采集大量的训练数据，例如对图像中存在的色阶过渡不平滑的子区域进行标定，对预先建立的机器学习模型进行训练，例如通过神经网络算法、聚类算法等生成的机器学习模型。

神经网络算法例如为卷积神经网络CNN算法、递归神经网络算法等，本申请对此并不限定。

步骤102、根据子区域在待处理图像中的像素数量占比，增大子区域的灰阶范围内的灰阶数量；

具体的，首先确认产生色阶过渡不平滑的子区域的灰阶范围，可以根据该子区域的灰阶分布确定该子区域的灰阶范围，根据图2所示的灰阶分布，可以确定子区域在待处理图像中的像素数量占比，即子区域的像素数量与待处理图像的像素数量的比例，占比越大，则灰阶数量越多，能够使得处理后的图像画面更细腻。灰阶数量要更多的用于占比较大的色阶过渡不平滑的子区域，保证整体画面的细腻感。

例如图2所示的灰阶分布，上述色阶过渡不平滑的子区域中灰阶范围为15-35，该灰阶范围内原灰阶数量假设为20，为了该子区域显示更平滑，例如将灰阶数量增大为40。

在一实施例中，步骤102之前可以进行如下操作：

根据待处理图像的灰阶分布，确定子区域在待处理图像中的像素数量占比；灰阶分布表示至少一个灰阶对应的像素数量。

在确定该子区域之后可以得到该子区域的像素数量，根据图像的总像素数量，可以得到子区域在待处理图像中的像素数量占比。

其中，可以通过对待处理图像的各个像素点的灰阶进行直方图统计，获取待处理图像的灰阶分布。如图2中所示的灰阶分布。

步骤103、根据数量增大后的灰阶显示子区域。

具体的，利用图4所示的关系，根据灰阶得到输出亮度，显示该子区域。

在另一实施例中，该方法还可以包括：

根据预设的灰阶总量，减小待处理图像中除子区域之外的剩余区域的灰阶范围内的灰阶数量；

利用数量减小后的灰阶显示剩余区域。

灰阶总量不变的情况下，子区域的灰阶数量越多，其他的剩余区域的灰阶数量越少，由于其他剩余区域的像素数量占比较小，则可以采用较少的灰阶显示，能够使得处理后的图像中子区域画面更细腻，其他区域用户几乎感觉不到变化。

假设灰阶总量为256，则剩余区域原灰阶数量为246，减小后的数量为226，例如图2中195-255的灰阶范围可以不显示。

本实施例的方法，识别待处理图像中的色阶过渡不平滑的子区域；根据所述子区域在所述待处理图像中的像素数量占比，增大所述子区域的灰阶范围内的灰阶数量；根据数量增大后的灰阶显示所述子区域，由于该色阶过渡不平滑的子区域采用更多的灰阶数量显示，因此该子区域的亮度显示更平滑，整体画面更细腻，消除了色阶过渡不平滑，提高图像显示效果。

在上述实施例的基础上，步骤102之前，还可以进行如下操作：

确定所述子区域内相邻的像素的亮度差异是否小于预设阈值；

若所述子区域内相邻的像素的亮度差异小于预设阈值，则执行增大所述子区域的灰阶范围内的灰阶数量的操作。

具体的，通过机器学习模型识别出可能是色阶过渡不平滑的子区域后，可以进一步进行确认，例如检测该子区域是否为平坦区或弱纹理区，若该子区域为平坦区或弱纹理区，则确定为色阶过渡不平滑的子区域。

进一步，可以对当前的图像的灰阶分布的直方图进行分析，若子区域的像素数量占比大于预设值，则进行平滑处理，即增大该子区域的灰阶范围的灰阶数量。若小于或等于预设值，即该子区域较小，用户不容易感知到，则可以不进行处理。

在一实施例中，步骤102可以采用如下方式实现：

若所述子区域的像素数量占比大于或等于第一预设值，且小于第二预设值，则按照第一预设比例，增大所述子区域的灰阶范围内的灰阶数量；

若所述子区域的像素数量占比大于或等于所述第二预设值，且小于第三预设值，则按照第二预设比例，增大所述子区域的灰阶范围内的灰阶数量；

若所述子区域的像素数量占比大于或等于所述第三预设值，且小于第四预设值，则按照第三预设比例，增大所述子区域的灰阶范围内的灰阶数量；

其中，所述第一预设比例小于所述第二预设比例，所述第二预设比例小于所述第三预设比例。第一预设值、第二预设值、第三预设值和第四预设值依次增大。

在其他实施例中还可以针对像素数量占比，划分更多的范围区间，使得处理方式的更细化。

上述方式分为三个范围区间，在实际使用过程中可以划分两个或三个以上的范围区间。

具体的，产生色阶过渡不平滑的子区域确定后，为了消除色阶过渡不平滑，采用如下方式增大该子区域的灰阶数量。

首先确定该子区域对应的像素数量在当前图像帧中的像素数量占比，像素数量占比R的数值决定灰阶数量增大的比例。

当第一预设值<R<第二预设值时，色阶过渡不平滑的子区域的灰阶数量采用第一预设比例的倍数乘以当前的灰阶数量，其他剩余区域的灰阶数量按比例进行降低；其中，该情况下R也可以等于第一预设值；

当第二预设值<R<第三预设值时，色阶过渡不平滑的子区域的灰阶数量采用第二预设比例的倍数乘以当前的灰阶数量，其他剩余区域的灰阶数量按比例进行降低；其中，该情况下R也可以等于第二预设值；

当第三预设值<R<第四预设值时，色阶过渡不平滑的子区域的灰阶数量采用第三预设比例的倍数乘以当前的灰阶数量，其他剩余区域的灰阶数量按比例进行降低。其中，该情况下R也可以等于第三预设值或第四预设值。

示例性的，当15％<R<30％时，色阶过渡不平滑的子区域的灰阶数量采用1.5倍于当前的灰阶数量，其他剩余区域的灰阶数量按比例进行降低。

当30％<R<50％时，色阶过渡不平滑的子区域的灰阶数量采用2倍于当前的灰阶数量，其他剩余区域的灰阶数量按比例进行降低。

当50％<R<70％时，色阶过渡不平滑的子区域的灰阶数量采用2.5倍于当前的灰阶数量，其他剩余区域的灰阶数量按比例进行降低。

在一实施例中，色阶过渡不平滑的子区域的灰阶数量最多不得多于整体灰阶数量的70％。

根据图4示例的动态伽马Gamma曲线，可以依据灰阶得到显示亮度。

图4所示的伽马Gamma曲线表示的是，输入数字信号的灰阶(例如0-255，8比特)与显示亮度之间的关系。

本实施例的方法，由于图像中的色阶过渡不平滑的子区域采用更多的灰阶数量显示，子区域在所述待处理图像中的像素数量占比越大，则灰阶数量越多，因此该子区域的亮度显示更平滑，整体画面更细腻，消除了色阶过渡不平滑，提高图像显示效果。

图5为本申请提供的图像处理装置一实施例的结构图，如图5所示，本实施例的图像处理装置，包括：

预处理模块501，用于识别待处理图像中的色阶过渡不平滑的子区域；

处理模块502，用于根据所述子区域在所述待处理图像中的像素数量占比，增大所述子区域的灰阶范围内的灰阶数量；

显示模块503，用于根据数量增大后的灰阶显示所述子区域。

在一种可能的实现方式中，所述处理模块502，具体用于：

若所述子区域的像素数量占比大于第一预设值，且小于第二预设值，则按照第一预设比例，增大所述子区域的灰阶范围内的灰阶数量；

若所述子区域的像素数量占比大于或等于所述第二预设值，且小于第三预设值，则按照第二预设比例，增大所述子区域的灰阶范围内的灰阶数量；

若所述子区域的像素数量占比大于或等于所述第三预设值，且小于第四预设值，则按照第三预设比例，增大所述子区域的灰阶范围内的灰阶数量；

其中，所述第一预设比例小于所述第二预设比例，所述第二预设比例小于所述第三预设比例。

在一种可能的实现方式中，所述处理模块502，还用于：

根据预设的灰阶总量，减小所述待处理图像中除所述子区域之外的剩余区域的灰阶范围内的灰阶数量；

所述显示模块503，还用于：利用数量减小后的灰阶显示所述剩余区域。

在一种可能的实现方式中，所述预处理模块501，具体用于：

通过预先训练得到的机器学习模型，识别所述待处理图像中的色阶过渡不平滑的子区域。

在一种可能的实现方式中，所述预处理模块501，具体用于：

根据训练数据，对所述机器学习模型进行训练；所述训练数据包括：训练图像，以及所述训练图像中标定的色阶过渡不平滑的子区域信息。

在一种可能的实现方式中，所述处理模块502，具体用于：

在根据所述子区域在所述待处理图像中的像素数量占比，增大所述子区域的灰阶范围内的灰阶数量之前，确定所述子区域内相邻的像素的亮度差异是否小于预设阈值；

若所述子区域内相邻的像素的亮度差异小于预设阈值，则执行增大所述子区域的灰阶范围内的灰阶数量的操作。

在一种可能的实现方式中，所述处理模块502，具体用于：

在根据所述子区域在所述待处理图像中的像素数量占比，增大所述子区域的灰阶范围内的灰阶数量之前，根据所述待处理图像的灰阶分布，确定所述子区域在所述待处理图像中的像素数量占比；所述灰阶分布表示至少一个灰阶对应的像素数量。

在一种可能的实现方式中，所述处理模块502，具体用于：

在根据所述待处理图像的灰阶分布，确定所述子区域在所述待处理图像中的像素数量占比之前，对所述待处理图像的各个像素点的灰阶进行直方图统计，获取所述待处理图像的灰阶分布。

本实施例的装置，可以用于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。

本实施例的装置，由于图像中的色阶过渡不平滑的子区域采用更多的灰阶数量显示，子区域在所述待处理图像中的像素数量占比越大，则灰阶数量越多，因此该子区域的亮度显示更平滑，整体画面更细腻，消除了色阶过渡不平滑，提高图像显示效果。

图6为本申请提供的显示设备实施例的结构图，如图6所示，该显示设备包括：

处理器601，以及，用于存储处理器601的可执行指令的存储器602。

可选的，还可以包括：显示器603用于显示图像。

上述部件可以通过一条或多条总线进行通信。

其中，处理器601配置为经由执行所述可执行指令来执行前述方法实施例中对应的方法，其具体实施过程可以参见前述方法实施例，此处不再赘述。

本实施例的设备，由于图像中的色阶过渡不平滑的子区域采用更多的灰阶数量显示，子区域在所述待处理图像中的像素数量占比越大，则灰阶数量越多，因此该子区域的亮度显示更平滑，整体画面更细腻，消除了色阶过渡不平滑，提高图像显示效果。

本申请实施例中还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述方法实施例中对应的方法，其具体实施过程可以参见前述方法实施例，其实现原理和技术效果类似，此处不再赘述。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。

Claims (9)

1.一种图像处理方法，其特征在于，包括：

识别待处理图像中的色阶过渡不平滑的子区域；

根据所述子区域在所述待处理图像中的像素数量占比，增大所述子区域的灰阶范围内的灰阶数量；

根据数量增大后的灰阶显示所述子区域；

所述增大所述子区域的灰阶范围内的灰阶数量，包括：

若所述子区域的像素数量占比大于第一预设值，且小于第二预设值，则按照第一预设比例，增大所述子区域的灰阶范围内的灰阶数量；

若所述子区域的像素数量占比大于或等于所述第二预设值，且小于第三预设值，则按照第二预设比例，增大所述子区域的灰阶范围内的灰阶数量；

若所述子区域的像素数量占比大于或等于所述第三预设值，且小于第四预设值，则按照第三预设比例，增大所述子区域的灰阶范围内的灰阶数量；

其中，所述第一预设值、所述第二预设值、所述第三预设值和所述第四预设值为依次增大的预设值；第一预设比例小于所述第二预设比例，所述第二预设比例小于所述第三预设比例。

2.根据权利要求1所述的方法，其特征在于，还包括：

根据预设的灰阶总量，减小所述待处理图像中除所述子区域之外的剩余区域的灰阶范围内的灰阶数量；

利用数量减小后的灰阶显示所述剩余区域。

3.根据权利要求1所述的方法，其特征在于，所述识别待处理图像中的色阶过渡不平滑的子区域，包括：

通过预先训练得到的机器学习模型，识别所述待处理图像中的色阶过渡不平滑的子区域。

4.根据权利要求3所述的方法，其特征在于，所述通过预先训练得到的机器学习模型，识别所述待处理图像中的色阶过渡不平滑的子区域之前，还包括：

根据训练数据，对所述机器学习模型进行训练；所述训练数据包括：训练图像，以及所述训练图像中标定的色阶过渡不平滑的子区域信息。

5.根据权利要求1所述的方法，其特征在于，所述根据所述子区域在所述待处理图像中的像素数量占比，增大所述子区域的灰阶范围内的灰阶数量之前，还包括：

确定所述子区域内相邻的像素的亮度差异是否小于预设阈值；

若所述子区域内相邻的像素的亮度差异小于预设阈值，则执行增大所述子区域的灰阶范围内的灰阶数量的操作。

6.根据权利要求1所述的方法，其特征在于，所述根据所述子区域在所述待处理图像中的像素数量占比，增大所述子区域的灰阶范围内的灰阶数量之前，还包括：

根据所述待处理图像的灰阶分布，确定所述子区域在所述待处理图像中的像素数量占比；所述灰阶分布表示至少一个灰阶对应的像素数量。

7.根据权利要求6所述的方法，其特征在于，确定所述子区域在所述待处理图像中的像素数量占比之前，还包括：

对所述待处理图像的各个像素点的灰阶进行直方图统计，获取所述待处理图像的灰阶分布。

8.一种显示设备，其特征在于，包括：

处理器、显示器；以及

存储器，用于存储所述处理器的可执行指令；

所述显示器用于显示图像；

其中，所述处理器配置为经由执行所述可执行指令来执行如权利要求1-7任一项所述的方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。