CN113191994B - 图像处理方法、装置及存储介质 - Google Patents

图像处理方法、装置及存储介质 Download PDF

Info

Publication number
CN113191994B
CN113191994B CN202110455875.0A CN202110455875A CN113191994B CN 113191994 B CN113191994 B CN 113191994B CN 202110455875 A CN202110455875 A CN 202110455875A CN 113191994 B CN113191994 B CN 113191994B
Authority
CN
China
Prior art keywords
image
images
fusion
sub
processed
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
CN202110455875.0A
Other languages
English (en)
Other versions
CN113191994A (zh
Inventor
张鹏
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.)
Beijing Xiaomi Mobile Software Co Ltd
Beijing Xiaomi Pinecone Electronic Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
Beijing Xiaomi Pinecone Electronic 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 Beijing Xiaomi Mobile Software Co Ltd, Beijing Xiaomi Pinecone Electronic Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN202110455875.0A priority Critical patent/CN113191994B/zh
Publication of CN113191994A publication Critical patent/CN113191994A/zh
Priority to KR1020210145373A priority patent/KR102600849B1/ko
Priority to JP2021177390A priority patent/JP7212128B2/ja
Priority to US17/515,431 priority patent/US11989864B2/en
Priority to EP21212479.6A priority patent/EP4083903B1/en
Application granted granted Critical
Publication of CN113191994B publication Critical patent/CN113191994B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10144—Varying exposure
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20208—High dynamic range [HDR] image processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本公开是关于一种图像处理方法、装置及存储介质。该方法包括：基于采集的M帧待处理图像，建立M个第一图像集合；根据各帧所述待处理图像的亮度信息，确定各个所述第一图像集合中各层所述待处理子图像所对应的融合权重；基于所述融合权重，对M个所述第一图像集合中相应层次的待处理子图像进行融合处理，得到按照所述设定顺序分层排列的N个融合子图像；基于设定的亮度调整参数，对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整；基于调整后的融合子图像，得到目标图像。这样，在基于调整后的融合子图像构建目标图像的过程中，能够使得最终得到的目标图像的亮度更加合适。

Description

图像处理方法、装置及存储介质
技术领域
本公开涉及图像技术领域，尤其涉及一种图像处理方法、装置及存储介质。
背景技术
高动态范围成像(High Dynamic Range Imaging，HDRI或HDR)，在计算机图形学与电影摄影术中，是用来实现比普通数位图像技术更大曝光动态范围(即更大的明暗差别)的一组技术。高动态范围成像的目的就是要正确地表示真实世界中从太阳光直射到最暗的阴影这样大的范围亮度。
高动态范围成像的核心思想为：拍摄同一场景不同曝光度下的多张照片，并将它们合理的融合起来。目前高动态场景成像领域大部分是基于传统的图像算法实现的，典型的融合方法是基于图像特征金字塔进行融合。但是，通过传统的图像算法对图像进行处理的过程中，对背光或逆光的人像场景的融合效果比较差，人脸过于暗沉，锐化比较严重，亮度肤色不自然。
发明内容
本公开提供一种图像处理方法、装置及存储介质。
根据本公开实施例的第一方面，提供一种图像处理方法，包括：
基于采集的M帧待处理图像，建立M个第一图像集合；其中，每帧所述待处理图像对应一个所述第一图像集合，所述第一图像集合包括按照设定顺序分层排列的N个待处理子图像，且位于不同层次的所述待处理子图像具有不同的分辨率表示，M和N均为正整数；
根据各帧所述待处理图像的亮度信息，确定各个所述第一图像集合中各层所述待处理子图像所对应的融合权重；
基于所述融合权重，对M个所述第一图像集合中相应层次的待处理子图像进行融合处理，得到按照所述设定顺序分层排列的N个融合子图像；
基于设定的亮度调整参数，对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整；
基于调整后的融合子图像，得到目标图像。
可选的，所述方法还包括：
根据M帧所述待处理图像的亮度信息，对M帧所述待处理图像进行排序；
根据排序结果，从M帧所述待处理图像中确定出标准曝光图像；
基于所述标准曝光图像的亮度信息和当前待调整的融合子图像的亮度信息，确定所述亮度调整参数。
可选的，所述基于所述标准曝光图像的亮度信息和当前待调整的融合子图像的亮度信息，确定所述亮度调整参数，包括：
确定所述标准曝光图像中各个图像区域的第一平均亮度值，以及所述当前待调整的融合子图像中各个图像区域的第二平均亮度值；
根据所述第一平均亮度值和所述第二平均亮度值，确定所述亮度调整参数。
可选的，所述根据所述第一平均亮度值和所述第二平均亮度值，确定所述亮度调整参数，包括：
将所述第一平均亮度值与所述第二平均亮度值之差，确定为所述亮度调整参数。
可选的，所述基于调整后的融合子图像，得到目标图像，包括：
在对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整之后，对各层所述融合子图像进行叠加处理，得到融合图像；
对所述融合图像和所述标准曝光图像进行融合处理，得到所述目标图像。
可选的，所述基于设定的亮度调整参数，对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整，包括：
基于所述亮度调整参数，对位于第N-1层的融合子图像的亮度进行调整。
根据本公开实施例的第二方面，提供一种图像处理装置，包括：
构建模块，配置为基于采集的M帧待处理图像，建立M个第一图像集合；其中，每帧所述待处理图像对应一个所述第一图像集合，所述第一图像集合包括按照设定顺序分层排列的N个待处理子图像，且位于不同层次的所述待处理子图像具有不同的分辨率表示，M和N均为正整数；
第一确定模块，配置为根据各帧所述待处理图像的亮度信息，确定各个所述第一图像集合中各层所述待处理子图像所对应的融合权重；
融合模块，配置为基于所述融合权重，对M个所述第一图像集合中相应层次的待处理子图像进行融合处理，得到按照所述设定顺序分层排列的N个融合子图像；
调整模块，配置为基于设定的亮度调整参数，对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整；
第二确定模块，配置为基于调整后的融合子图像，得到目标图像。
可选的，所述装置还包括：
排序模块，配置为根据M帧所述待处理图像的亮度信息，对M帧所述待处理图像进行排序；
第三确定模块，配置为根据排序结果，从M帧所述待处理图像中确定出标准曝光图像；
第四确定模块，配置为基于所述标准曝光图像的亮度信息和当前待调整的融合子图像的亮度信息，确定所述亮度调整参数。
可选的，所述第四确定模块，还配置为：
确定所述标准曝光图像中各个图像区域的第一平均亮度值，以及所述当前待调整的融合子图像中各个图像区域的第二平均亮度值；
根据所述第一平均亮度值和所述第二平均亮度值，确定所述亮度调整参数。
可选的，所述第四确定模块，还配置为：
将所述第一平均亮度值与所述第二平均亮度值之差，确定为所述亮度调整参数。
可选的，所述第二确定模块，还配置为：
在对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整之后，对各层所述融合子图像进行叠加处理，得到融合图像；
对所述融合图像和所述标准曝光图像进行融合处理，得到所述目标图像。
可选的，所述调整模块，还配置为：
基于所述亮度调整参数，对位于第N-1层的融合子图像的亮度进行调整。
根据本公开实施例的第三方面，提供一种图像处理装置，包括：
处理器；
配置为存储处理器可执行指令的存储器；
其中，所述处理器配置为：执行时实现上述第一方面中任一种图像处理方法中的步骤。
根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由图像处理装置的处理器执行时，使得所述装置能够执行上述第一方面中任一种图像处理方法中的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：
本公开实施例中，在对待处理图像进行融合，得到融合子图像之后，可以基于设定的亮度调整参数对融合子图像的亮度进行调整，例如，可以基于亮度调整参数对融合子图像进行提亮处理，或者基于亮度调整参数降低融合子图像的亮度，这样，在基于调整后的融合子图像构建目标图像的过程中，能够使得最终得到的目标图像的亮度更加合适。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
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是根据一示例性实施例示出的一种图像处理方法的流程示意图。
图2是根据一示例性实施例示出的一种拉普拉斯金字塔的示意图。
图3是根据一示例性实施例示出的一种线性分段示意图。
图4是根据一示例性实施例示出的另一种图像处理方法的流程示意图。
图5是根据一示例性实施例示出的一种图像处理装置框图。
图6是根据一示例性实施例示出的一种用于图像处理装置1200的框图。
图7是根据一示例性实施例示出的另一种用于图像处理装置1300的框图。
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。
本公开实施例中提供了一种图像处理方法，图1是根据一示例性实施例示出的一种图像处理方法的流程示意图，如图1所示，该方法主要包括以下步骤：
在步骤101中，基于采集的M帧待处理图像，建立M个第一图像集合；其中，每帧所述待处理图像对应一个所述第一图像集合，所述第一图像集合包括按照设定顺序分层排列的N个待处理子图像，且位于不同层次的所述待处理子图像具有不同的分辨率表示，M和N均为正整数；
在步骤102中，根据各帧所述待处理图像的亮度信息，确定各个所述第一图像集合中各层所述待处理子图像所对应的融合权重；
在步骤103中，基于所述融合权重，对M个所述第一图像集合中相应层次的待处理子图像进行融合处理，得到按照所述设定顺序分层排列的N个融合子图像；
在步骤104中，基于设定的亮度调整参数，对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整；
在步骤105中，基于调整后的融合子图像，得到目标图像。
本公开实施例中所涉及的图像处理方法可以应用于电子设备，这里电子设备包括移动终端或固定终端，其中，移动终端包括：手机、平板电脑、笔记本电脑等；固定终端包括：个人计算机。在其他可选的实施例中，该图像处理方法也可以运行于网络侧设备，其中，网络侧设备包括：服务器、处理中心等。
在另一些实施例中，该电子设备可以具有图像采集模组，其中，图像采集模组可以是具有图像采集功能的摄像头。
在实现的过程中，可以基于图像采集组件采集M帧待处理图像，其中，各帧待处理图像的曝光度不同。在另一些实施例中，也可以预先通过该电子设备之外的其它电子设备采集M帧待处理图像，在实现的过程中，直接将其它电子设备采集的M帧待处理图像输入该电子设备。也就是说，可以基于电子设备自带的图像采集组件进行待处理图像的采集，也可以基于该电子设备之外的其它电子设备进行待处理图像的采集。
以电子设备是手机为例，在实现的过程中，可以基于手机自带的图像采集模组采集M帧待处理图像，并建立M个第一图像集合。在一些实施例中，M可以为正整数，例如，4，即可以采集4帧待处理图像。
这里，第一图像集合可以是待处理图像的拉普拉斯金字塔。也就是说，本公开实施例中，在获取到M帧待处理图像之后，可以针对各帧待处理图像构建拉普拉斯金字塔。待处理图像的拉普拉斯金字塔是一系列以金字塔形状排列的分辨率逐步变化，且来源于同一帧待处理图像(原始图像)的图像集合，可以通过梯次向下采样获得。
图2是根据一示例性实施例示出的一种拉普拉斯金字塔的示意图，如图2所示，以第一图像集合为拉普拉斯金字塔，N等于4为例，拉普拉斯金字塔的底部是待处理图像的高分辨率表示，而顶部是低分辨率表示。第一层(顶部)的分辨率为32*32，第二层的分辨率为64*64，第三层的分辨率为128*128，第四层(底部)的分辨率为256*256。
在另一些实施例中，还可以先对待处理图像进行高斯平滑处理，在对待处理图像进行高斯平滑处理之后，再通过梯次向下采样获得该待处理图像的拉普拉斯金字塔。
本公开实施例中，在得到第一图像集合之后，可以根据各帧待处理图像的亮度信息，确定第一图像集合中各层待处理子图像所对应的融合权重。这里，亮度信息可以包括：待处理子图像的亮度值、对比度、饱和度等信息。如，可以根据待处理图像的亮度值、对比度、饱和度等特征，计算第一图像集合中各层待处理子图像所对应的融合权重。例如，可以分别单独计算每一层待处理子图像的融合权重，或者先计算出分辨率最大的一层的待处理子图像的融合权重，然后进行下采样，得到其它层的融合权重。
在另一些实施例中，在得到第一图像集合中各层待处理子图像所对应的融合权重之后，还可以对各层融合权重进行归一化处理。在一些实施例中，权重曲线为不同均值和方差的高斯曲线。在另一些实施例中，在对融合权重进行归一化以后，每一层待处理子图像对应一个融合权重，这样，就可以基于各个层次的待处理子图像对应的融合权重，进而得到各帧待处理图像的权重的高斯金字塔，M帧待处理图像则对应有M个权重的高斯金字塔。
本公开实施例中，在得到第一图像集合中各层待处理子图像所对应的融合权重之后，可以基于融合权重，对M个第一图像集合中相应层次的待处理子图像进行融合处理，得到按照所述设定顺序分层排列的N个融合子图像，以将不同待处理图像的特征和细节融合起来。
例如，可以基于融合权重，对第一图像集合中各层待处理子图像进行加权，并对加权后的待处理子图像进行求和，以得到各层的融合子图像，即可以得到对应的拉普拉斯金字塔。也就是说，本公开中，可以对权重的高斯金字塔和待处理图像的拉普拉斯金字塔的每一层进行加权求和，以得到融合图像的拉普拉斯金字塔。
本公开实施例中，在基于融合权重对M个第一图像集合中相应层次的待处理子图像进行融合处理的过程中，可以基于设定的亮度调整参数，对N个融合子图像中的至少一个融合子图像的亮度进行调整，并基于调整后的融合子图像，得到目标图像。
在另一些实施例中，也可以在基于融合权重对M个第一图像集合中相应层次的待处理子图像进行融合处理之后，基于设定的亮度调整参数，对N个融合子图像中的至少一个融合子图像的亮度进行调整，并基于调整后的融合子图像，得到目标图像。
本公开实施例中，在对待处理图像进行融合，得到融合子图像之后，可以基于设定的亮度调整参数对融合子图像的亮度进行调整，例如，可以基于亮度调整参对融合子图像进行提亮处理，或者基于亮度调整参数降低融合子图像的亮度，这样，在基于调整后的融合子图像构建目标图像的过程中，能够使得最终得到的目标图像的亮度更加合适。
在一些实施例中，所述基于设定的亮度调整参数，对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整，包括：
基于所述亮度调整参数，对位于第N-1层的融合子图像的亮度进行调整。
这里，以N等于4为例，如图2所示，可以对图2中的倒数第二层(N-1层)的融合子图像的亮度进行调整，由于倒数第二层的分辨率较高，通过对分辨率高的融合子图像的亮度进行调整，相较于对分辨率较低的融合子图像的亮度进行调整，能够在使得最终得到的目标图像的亮度更加合适的基础上，使得最终得到的目标图像的清晰度更高。
当然，在另一些实施例中，也可以对位于第N-2层的融合子图像的亮度进行调整；或者，对第N-3层的融合子图像的亮度进行调整；或者，同时对位于第N-1层和位于第N-2层的融合子图像的亮度进行调整等。具体调整方式可以根据融合子图像的层次或者需要设置，在此不作具体限定。
在一些实施例中，所述方法还包括：
根据M帧所述待处理图像的亮度信息，对M帧所述待处理图像进行排序；
根据排序结果，从M帧所述待处理图像中确定出标准曝光图像；
基于所述标准曝光图像的亮度信息和当前待调整的融合子图像的亮度信息，确定所述亮度调整参数。
这里，在获取到M帧待处理图像之后，可以根据M帧待处理图像的亮度信息，对M帧待处理图像进行排序，并根据排序结果从M帧待处理图像中确定出标准曝光图像。其中，亮度信息可以包括：待处理子图像的亮度值、对比度、饱和度等信息。
以亮度信息是待处理图像的亮度值为例，可以基于待处理图像的亮度值，对M帧待处理图像进行排序，并根据排序结果从待处理图像中确定出标准曝光图像。例如，可以将排在设定位置的待处理图像确定为标准曝光图像，其中，设定位置可以包括：中间位置等。在一些实施例中，设定位置可以为根据需要设置，例如，可以根据经验设置或者根据历史数据设置等。
这里，以M等于5为例，即有5帧待处理图像，其中，第一待处理图像的亮度值为5勒克司(lux)，第二待处理图像的亮度值为4lux，第三待处理图像的亮度值为7lux，第四待处理图像的亮度值为2lux，第五待处理图像的亮度值为3lux。由于第二待处理图像位于中间位置，则可以将第二待处理图像确定为标准曝光图像。
本公开实施例中，在确定出标准曝光图像之后，可以基于标准曝光图像的亮度信息和当前待调整的融合子图像的亮度信息，确定亮度调整参数。其中，当前待调整的融合子图像可以是位于第N-1层的融合子图像，当然，也可以是其它层次的融合子图像，在此不作具体限定。
本公开实施例中，由于位于设定位置的待处理图像的亮度比较合适，通过将设定位置的待处理图像确定为标准曝光图像，并基于标准曝光图像的亮度信息和当前待调整的融合子图像的亮度信息，共同确定亮度调整参数，能够使得亮度调整参数更加精确。
在另一些实施例中，也可以预先建立标准曝光图像的亮度信息和待调整的融合子图像的亮度信息之间的映射关系。这样，在实现的过程中，如果确定出标准曝光图像，则可以基于标准曝光图像的亮度信息和预先建立的映射关系，确定出亮度调整参数，并基于该亮度调整参数对待调整的融合子图像的亮度信息进行调整。
在一些实施例中，所述基于所述标准曝光图像的亮度信息和当前待调整的融合子图像的亮度信息，确定所述亮度调整参数，包括：
确定所述标准曝光图像中各个图像区域的第一平均亮度值，以及所述当前待调整的融合子图像中各个图像区域的第二平均亮度值；
根据所述第一平均亮度值和所述第二平均亮度值，确定所述亮度调整参数。
这里，可以先确定标准曝光图像中各个图像区域的第一平均亮度值，以及当前待调整的融合子图像中各个图像区域的第二平均亮度值，再根据第一平均亮度值和第二平均亮度值，确定亮度调整参数。通过进行平均值的计算，能够使得得到的亮度调整参数更加均衡，进而使得调整后的融合子图像的亮度更加合适。
在另一些实施例中，也可以基于图像处理算法确定出标准曝光图像中第一目标区域(例如，人脸区域)的第三平均亮度值，并基于图像处理算法确定出当前待调整的融合子图像中第二目标区域(例如，人脸区域)的第四平均亮度值，并基于第三平均亮度值和第四平均亮度值，确定亮度调整参数。这样，就能够有针对性地对目标区域的亮度进行调整，例如，可以对人脸的亮度进行调整，以使得目标区域的亮度更加自然。
在一些实施例中，所述根据所述第一平均亮度值和所述第二平均亮度值，确定所述亮度调整参数，包括：
将所述第一平均亮度值与所述第二平均亮度值之差，确定为所述亮度调整参数。
本公开实施例中，在将第一平均亮度值与第二平均亮度值之差确定为亮度调整参数之后，在基于亮度调整参数对N个融合子图像中的至少一个融合子图像的亮度进行调整时，可以直接基于该至少一个融合子图像的亮度与该亮度调整参数进行求和计算，得到目标亮度值，并将该至少一个融合子图像的亮度调整至该目标亮度值。也就是说，可以将该融合子图像的亮度值调整至与该标准曝光图像的亮度值相同。
在一些实施例中，所述基于调整后的融合子图像，得到目标图像，包括：
在对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整之后，对各层所述融合子图像进行叠加处理，得到融合图像；
对所述融合图像和所述标准曝光图像进行融合处理，得到所述目标图像。
这里，在对N个融合子图像中的至少一个融合子图像的亮度进行调整之后，即可得到融合图像对应的拉普拉斯金字塔，这时，就可以从融合图像对应的拉普拉斯金字塔的顶层开始逐层进行递推，从最小分辨率开始上采样后和上一层特征进行叠加，以得到融合图像。
本公开实施例中，在融合图像的重建过程中，可以在某一层(例如，第N-1层)对融合子图像进行分段线性提亮，图3是根据一示例性实施例示出的一种线性分段示意图，如图3所示，横坐标为待调整的融合子图像的亮度值，纵坐标为标准曝光图像的亮度值。本公开实施例中，可以对待调整的融合子图像进行分段线性映射，使得待调整的融合子图像的亮度更合适。在分段线性提亮的过程中，可以通过待调整的融合子图像中人脸区域的平均亮度和标准曝光图像中人脸区域的平均亮度来确定的分段的节点，并在该节点之后对待调整的融合子图像的亮度进行调整。例如，将待调整的融合子图像的亮度调整至与标准曝光图像的亮度相同。
在另一些实施例中，也可以预先建立标准曝光图像的亮度信息和待调整的融合子图像的亮度信息之间的映射关系。这样，在实现的过程中，如果确定出标准曝光图像，则可以基于标准曝光图像的亮度信息和预先建立的映射关系，确定出亮度调整参数，并基于该亮度调整参数对待调整的融合子图像的亮度信息进行调整。
其中，标准曝光图像的亮度信息和待调整的融合子图像的亮度信息之间的映射关系可以表示为：
y＝ax+b (1)；
公式(1)中，y表示待调整的融合子图像的亮度信息，x表示标准曝光图像的亮度信息，a表示变化系数，b为常数项。
其中，a和b的数值可以根据需要设置，例如，a＝1，b＝0，在a＝1，b＝0时，则可以将待调整的融合子图像的亮度信息调整至与标准曝光图像的亮度信息相同。
本公开实施例中，在得到融合图像之后，可以对融合图像和标准曝光图像进行融合处理，得到目标图像，例如，可以构建融合图像的拉普拉斯金字塔，以及标准曝光图像的拉普拉斯金字塔，并基于融合图像和标准曝光图像的亮度信息得到普拉斯金字塔中各层待融合子图像的融合权重，然后基于各层待融合子图像的融合权重对融合图像和标准曝光图像进行加权融合处理，以得到目标图像。这样，能够将融合图像和标准曝光图像的特征和细节融合起来，以使得目标图像更加自然。
图4是根据一示例性实施例示出的另一种图像处理方法的流程示意图，如图4所示，该方法主要包括以下步骤：
在步骤401中，输入M帧待处理图像。
在实现的过程中，可以基于图像采集组件采集M帧待处理图像，其中，各帧待处理图像的曝光度不同。在另一些实施例中，也可以预先通过该电子设备之外的其它电子设备采集M帧待处理图像，在实现的过程中，直接将其它电子设备采集的M帧待处理图像输入该电子设备。也就是说，可以基于电子设备自带的图像采集组件进行待处理图像的采集，也可以基于该电子设备之外的其它电子设备进行待处理图像的采集。
在步骤402中，构造各帧待处理图像的拉普拉斯金字塔。
本公开实施例中，在获取到M帧待处理图像之后，可以针对各帧待处理图像构建拉普拉斯金字塔。待处理图像的拉普拉斯金字塔是一系列以金字塔形状排列的分辨率逐步变化，且来源于同一帧待处理图像(原始图像)的图像集合，可以通过梯次向下采样获得。
在步骤403中，根据各帧待处理图像亮度信息，确定拉普拉斯金字塔中各层待处理子图像所对应的融合权重。
这里，亮度信息可以包括：待处理子图像的亮度值、对比度、饱和度等信息。如，可以根据待处理图像的亮度值、对比度、饱和度等特征，计算第一图像集合中各层待处理子图像所对应的融合权重。例如，可以分别单独计算每一层待处理子图像的融合权重，或者先计算出分辨率最大的一层的待处理子图像的融合权重，然后进行下采样，得到其它层的融合权重。
在步骤404中，基于融合权重，对拉普拉斯金字塔中每层待处理子图像进行加权融合，得到融合图像的拉普拉斯金字塔。
本公开实施例中，在得到第一图像集合中各层待处理子图像所对应的融合权重之后，可以基于融合权重，对M个第一图像集合中相应层次的待处理子图像进行融合处理，得到按照所述设定顺序分层排列的N个融合子图像，以将不同待处理图像的特征和细节融合起来。
在步骤405中，对融合图像的拉普拉斯金字塔进行重建，并在重建的过程中进行分段线性提亮，得到融合图像。
本公开实施例中，在基于融合权重对M个第一图像集合中相应层次的待处理子图像进行融合处理的过程中，可以基于设定的亮度调整参数，对N个融合子图像中的至少一个融合子图像的亮度进行调整，并基于调整后的融合子图像，得到融合图像。
在步骤406中，对融合图像和标准曝光图像进行融合处理，得到目标图像。
本公开实施例中，在得到融合图像之后，可以对融合图像和标准曝光图像进行融合处理，得到目标图像，例如，可以构建融合图像的拉普拉斯金字塔，以及标准曝光图像的拉普拉斯金字塔，并基于融合图像和标准曝光图像的亮度信息得到普拉斯金字塔中各层待融合子图像的融合权重，然后基于各层待融合子图像的融合权重对融合图像和标准曝光图像进行加权融合处理，以得到目标图像。这样，能够将融合图像和标准曝光图像的特征和细节融合起来，以使得目标图像更加自然。
图5是根据一示例性实施例示出的一种图像处理装置框图，如图5所示，该图像处理装置500应用于电子设备，主要包括：
构建模块501，配置为基于采集的M帧待处理图像，建立M个第一图像集合；其中，每帧所述待处理图像对应一个所述第一图像集合，所述第一图像集合包括按照设定顺序分层排列的N个待处理子图像，且位于不同层次的所述待处理子图像具有不同的分辨率表示，M和N均为正整数；
第一确定模块502，配置为根据各帧所述待处理图像的亮度信息，确定各个所述第一图像集合中各层所述待处理子图像所对应的融合权重；
融合模块503，配置为基于所述融合权重，对M个所述第一图像集合中相应层次的待处理子图像进行融合处理，得到按照所述设定顺序分层排列的N个融合子图像；
调整模块504，配置为基于设定的亮度调整参数，对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整；
第二确定模块505，配置为基于调整后的融合子图像，得到目标图像。
在一些实施例中，所述装置400还包括：
排序模块，配置为根据M帧所述待处理图像的亮度信息，对M帧所述待处理图像进行排序；
第三确定模块，配置为根据排序结果，从M帧所述待处理图像中确定出标准曝光图像；
第四确定模块，配置为基于所述标准曝光图像的亮度信息和当前待调整的融合子图像的亮度信息，确定所述亮度调整参数。
在一些实施例中，所述第四确定模块，还配置为：
确定所述标准曝光图像中各个图像区域的第一平均亮度值，以及所述当前待调整的融合子图像中各个图像区域的第二平均亮度值；
根据所述第一平均亮度值和所述第二平均亮度值，确定所述亮度调整参数。
在一些实施例中，所述第四确定模块，还配置为：
将所述第一平均亮度值与所述第二平均亮度值之差，确定为所述亮度调整参数。
在一些实施例中，所述第二确定模块505，还配置为：
在对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整之后，对各层所述融合子图像进行叠加处理，得到融合图像；
对所述融合图像和所述标准曝光图像进行融合处理，得到所述目标图像。
在一些实施例中，所述调整模块504，还配置为：
基于所述亮度调整参数，对位于第N-1层的融合子图像的亮度进行调整。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图6是根据一示例性实施例示出的一种用于图像处理装置1200的框图。例如，装置1200可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图6，装置1200可以包括以下一个或多个组件：处理组件1202，存储器1204，电力组件1206，多媒体组件1208，音频组件1210，输入/输出(I/O)接口1212，传感器组件1214，以及通信组件1216。
处理组件1202通常控制装置1200的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1202可以包括一个或多个处理器1220来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1202可以包括一个或多个模块，便于处理组件1202和其他组件之间的交互。例如，处理组件1202可以包括多媒体模块，以方便多媒体组件1208和处理组件1202之间的交互。
存储器1204被配置为存储各种类型的数据以支持在设备1200的操作。这些数据的示例包括用于在装置1200上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电力组件1206为装置1200的各种组件提供电力。电力组件1206可以包括电源管理系统，一个或多个电源，及其他与为装置1200生成、管理和分配电力相关联的组件。
多媒体组件1208包括在所述装置1200和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1208包括一个前置摄像头和/或后置摄像头。当设备1200处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件1210被配置为输出和/或输入音频信号。例如，音频组件1210包括一个麦克风(MIC)，当装置1200处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1204或经由通信组件1216发送。在一些实施例中，音频组件1210还包括一个扬声器，用于输出音频信号。
I/O接口1212为处理组件1202和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1214包括一个或多个传感器，用于为装置1200提供各个方面的状态评估。例如，传感器组件1214可以检测到设备1200的打开/关闭状态，组件的相对定位，例如所述组件为装置1200的显示器和小键盘，传感器组件1214还可以检测装置1200或装置1200一个组件的位置改变，用户与装置1200接触的存在或不存在，装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1214还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1214还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件1216被配置为便于装置1200和其他设备之间有线或无线方式的通信。装置1200可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1216经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1216还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置1200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1204，上述指令可由装置1200的处理器1220执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由图像处理装置的处理器执行时，使得图像处理装置能够执行一种图像处理方法，所述方法包括：
基于采集的M帧待处理图像，建立M个第一图像集合；其中，每帧所述待处理图像对应一个所述第一图像集合，所述第一图像集合包括按照设定顺序分层排列的N个待处理子图像，且位于不同层次的所述待处理子图像具有不同的分辨率表示，M和N均为正整数；
根据各帧所述待处理图像的亮度信息，确定各个所述第一图像集合中各层所述待处理子图像所对应的融合权重；
基于所述融合权重，对M个所述第一图像集合中相应层次的待处理子图像进行融合处理，得到按照所述设定顺序分层排列的N个融合子图像；
基于设定的亮度调整参数，对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整；
基于调整后的融合子图像，得到目标图像。
图7是根据一示例性实施例示出的另一种用于图像处理装置1300的框图。例如，装置1300可以被提供为一服务器。参照图7，装置1300包括处理组件1322，其进一步包括一个或多个处理器，以及由存储器1332所代表的存储器资源，用于存储可由处理组件1322的执行的指令，例如应用程序。存储器1332中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1322被配置为执行指令，以执行上述图像处理方法，所述方法包括：
基于采集的M帧待处理图像，建立M个第一图像集合；其中，每帧所述待处理图像对应一个所述第一图像集合，所述第一图像集合包括按照设定顺序分层排列的N个待处理子图像，且位于不同层次的所述待处理子图像具有不同的分辨率表示，M和N均为正整数；
根据各帧所述待处理图像的亮度信息，确定各个所述第一图像集合中各层所述待处理子图像所对应的融合权重；
基于所述融合权重，对M个所述第一图像集合中相应层次的待处理子图像进行融合处理，得到按照所述设定顺序分层排列的N个融合子图像；
基于设定的亮度调整参数，对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整；
基于调整后的融合子图像，得到目标图像。
装置1300还可以包括一个电源组件1326被配置为执行装置1300的电源管理，一个有线或无线网络接口1350被配置为将装置1300连接到网络，和一个输入输出(I/O)接口1358。装置1300可以操作基于存储在存储器1332的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、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发明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，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明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。本发明的范围仅由所附的权利要求来限制。

Claims (14)

1.一种图像处理方法，其特征在于，包括：
基于采集的M帧待处理图像，建立M个第一图像集合；其中，每帧所述待处理图像对应一个所述第一图像集合，所述第一图像集合包括按照设定顺序分层排列的N个待处理子图像，且位于不同层次的所述待处理子图像具有不同的分辨率表示，M和N均为正整数；
根据各帧所述待处理图像的亮度信息，确定各个所述第一图像集合中各层所述待处理子图像所对应的融合权重；
基于所述融合权重，对M个所述第一图像集合中相应层次的待处理子图像进行融合处理，得到按照所述设定顺序分层排列的N个融合子图像；
基于设定的亮度调整参数，对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整；
基于调整后的融合子图像，得到目标图像。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据M帧所述待处理图像的亮度信息，对M帧所述待处理图像进行排序；
根据排序结果，从M帧所述待处理图像中确定出标准曝光图像；
基于所述标准曝光图像的亮度信息和当前待调整的融合子图像的亮度信息，确定所述亮度调整参数。
3.根据权利要求2所述的方法，其特征在于，所述基于所述标准曝光图像的亮度信息和当前待调整的融合子图像的亮度信息，确定所述亮度调整参数，包括：
确定所述标准曝光图像中各个图像区域的第一平均亮度值，以及所述当前待调整的融合子图像中各个图像区域的第二平均亮度值；
根据所述第一平均亮度值和所述第二平均亮度值，确定所述亮度调整参数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一平均亮度值和所述第二平均亮度值，确定所述亮度调整参数，包括：
将所述第一平均亮度值与所述第二平均亮度值之差，确定为所述亮度调整参数。
5.根据权利要求2所述的方法，其特征在于，所述基于调整后的融合子图像，得到目标图像，包括：
在对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整之后，对各层所述融合子图像进行叠加处理，得到融合图像；
对所述融合图像和所述标准曝光图像进行融合处理，得到所述目标图像。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述基于设定的亮度调整参数，对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整，包括：
基于所述亮度调整参数，对位于第N-1层的融合子图像的亮度进行调整。
7.一种图像处理装置，其特征在于，包括：
构建模块，配置为基于采集的M帧待处理图像，建立M个第一图像集合；其中，每帧所述待处理图像对应一个所述第一图像集合，所述第一图像集合包括按照设定顺序分层排列的N个待处理子图像，且位于不同层次的所述待处理子图像具有不同的分辨率表示，M和N均为正整数；
第一确定模块，配置为根据各帧所述待处理图像的亮度信息，确定各个所述第一图像集合中各层所述待处理子图像所对应的融合权重；
融合模块，配置为基于所述融合权重，对M个所述第一图像集合中相应层次的待处理子图像进行融合处理，得到按照所述设定顺序分层排列的N个融合子图像；
调整模块，配置为基于设定的亮度调整参数，对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整；
第二确定模块，配置为基于调整后的融合子图像，得到目标图像。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
排序模块，配置为根据M帧所述待处理图像的亮度信息，对M帧所述待处理图像进行排序；
第三确定模块，配置为根据排序结果，从M帧所述待处理图像中确定出标准曝光图像；
第四确定模块，配置为基于所述标准曝光图像的亮度信息和当前待调整的融合子图像的亮度信息，确定所述亮度调整参数。
9.根据权利要求8所述的装置，其特征在于，所述第四确定模块，还配置为：
确定所述标准曝光图像中各个图像区域的第一平均亮度值，以及所述当前待调整的融合子图像中各个图像区域的第二平均亮度值；
根据所述第一平均亮度值和所述第二平均亮度值，确定所述亮度调整参数。
10.根据权利要求9所述的装置，其特征在于，所述第四确定模块，还配置为：
将所述第一平均亮度值与所述第二平均亮度值之差，确定为所述亮度调整参数。
11.根据权利要求8所述的装置，其特征在于，所述第二确定模块，还配置为：
在对N个所述融合子图像中的至少一个所述融合子图像的亮度进行调整之后，对各层所述融合子图像进行叠加处理，得到融合图像；
对所述融合图像和所述标准曝光图像进行融合处理，得到所述目标图像。
12.根据权利要求7至11任一项所述的装置，其特征在于，所述调整模块，还配置为：
基于所述亮度调整参数，对位于第N-1层的融合子图像的亮度进行调整。
13.一种图像处理装置，其特征在于，包括：
处理器；
配置为存储处理器可执行指令的存储器；
其中，所述处理器配置为：执行时实现上述权利要求1至6中任一种图像处理方法中的步骤。
14.一种非临时性计算机可读存储介质，当所述存储介质中的指令由图像处理装置的处理器执行时，使得所述装置能够执行上述权利要求1至6中任一种图像处理方法中的步骤。
CN202110455875.0A 2021-04-26 2021-04-26 图像处理方法、装置及存储介质 Active CN113191994B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202110455875.0A CN113191994B (zh) 2021-04-26 2021-04-26 图像处理方法、装置及存储介质
KR1020210145373A KR102600849B1 (ko) 2021-04-26 2021-10-28 이미지 처리 방법, 장치 및 저장 매체
JP2021177390A JP7212128B2 (ja) 2021-04-26 2021-10-29 画像処理方法、装置及び記憶媒体
US17/515,431 US11989864B2 (en) 2021-04-26 2021-10-30 Method and apparatus for processing image, and storage medium
EP21212479.6A EP4083903B1 (en) 2021-04-26 2021-12-06 Method and apparatus for processing image, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110455875.0A CN113191994B (zh) 2021-04-26 2021-04-26 图像处理方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113191994A CN113191994A (zh) 2021-07-30
CN113191994B true CN113191994B (zh) 2023-11-21

Family

ID=76979165

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110455875.0A Active CN113191994B (zh) 2021-04-26 2021-04-26 图像处理方法、装置及存储介质

Country Status (5)

Country Link
US (1) US11989864B2 (zh)
EP (1) EP4083903B1 (zh)
JP (1) JP7212128B2 (zh)
KR (1) KR102600849B1 (zh)
CN (1) CN113191994B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104077759A (zh) * 2014-02-28 2014-10-01 西安电子科技大学 一种基于色觉感知及全局质量因子的多曝光度图像融合方法
CN110889403A (zh) * 2019-11-05 2020-03-17 浙江大华技术股份有限公司 文本检测方法以及相关装置
WO2020057198A1 (zh) * 2018-09-20 2020-03-26 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及存储介质
WO2020057199A1 (zh) * 2018-09-20 2020-03-26 Oppo广东移动通信有限公司 成像方法、装置和电子设备
CN112651899A (zh) * 2021-01-15 2021-04-13 北京小米松果电子有限公司 图像处理方法及装置、电子设备、存储介质
CN112651918A (zh) * 2021-01-15 2021-04-13 北京小米松果电子有限公司 图像处理方法及装置、电子设备、存储介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009224901A (ja) 2008-03-13 2009-10-01 Yamaha Corp 画像のダイナミックレンジ圧縮方法、画像処理回路、撮像装置およびプログラム
US8884989B2 (en) * 2009-12-23 2014-11-11 Indian Institute Of Technology Bombay System and method for fusing images
US9083935B2 (en) 2012-06-15 2015-07-14 Microsoft Technology Licensing, Llc Combining multiple images in bracketed photography
JP5633550B2 (ja) 2012-09-05 2014-12-03 カシオ計算機株式会社 画像処理装置、画像処理方法及びプログラム
US8885976B1 (en) * 2013-06-20 2014-11-11 Cyberlink Corp. Systems and methods for performing image fusion
US9600741B1 (en) * 2015-03-18 2017-03-21 Amazon Technologies, Inc. Enhanced image generation based on multiple images
CN108335279B (zh) * 2017-01-20 2022-05-17 微软技术许可有限责任公司 图像融合和hdr成像
US10122943B1 (en) * 2017-05-05 2018-11-06 Motorola Mobility Llc High dynamic range sensor resolution using multiple image sensors
CN107845128B (zh) * 2017-11-03 2021-09-03 安康学院 一种多尺度细节融合的多曝光高动态图像重建方法
US11151731B2 (en) * 2019-08-06 2021-10-19 Samsung Electronics Co., Ltd. Apparatus and method for efficient regularized image alignment for multi-frame fusion
CN112106352A (zh) 2019-09-29 2020-12-18 深圳市大疆创新科技有限公司 一种图像处理方法及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104077759A (zh) * 2014-02-28 2014-10-01 西安电子科技大学 一种基于色觉感知及全局质量因子的多曝光度图像融合方法
WO2020057198A1 (zh) * 2018-09-20 2020-03-26 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及存储介质
WO2020057199A1 (zh) * 2018-09-20 2020-03-26 Oppo广东移动通信有限公司 成像方法、装置和电子设备
CN110889403A (zh) * 2019-11-05 2020-03-17 浙江大华技术股份有限公司 文本检测方法以及相关装置
CN112651899A (zh) * 2021-01-15 2021-04-13 北京小米松果电子有限公司 图像处理方法及装置、电子设备、存储介质
CN112651918A (zh) * 2021-01-15 2021-04-13 北京小米松果电子有限公司 图像处理方法及装置、电子设备、存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于图像内容评价因子的动态场景曝光融合算法;郝福得;陈晓冬;席佳祺;汪毅;齐麟;;光学技术(04);全文 *
多尺度细节融合的多曝光高动态图像重建;付争方;朱虹;;计算机工程与应用(24);全文 *

Also Published As

Publication number Publication date
EP4083903A1 (en) 2022-11-02
CN113191994A (zh) 2021-07-30
US11989864B2 (en) 2024-05-21
JP2022168818A (ja) 2022-11-08
EP4083903B1 (en) 2024-04-03
JP7212128B2 (ja) 2023-01-24
KR102600849B1 (ko) 2023-11-10
US20220343474A1 (en) 2022-10-27
KR20220147003A (ko) 2022-11-02

Similar Documents

Publication Publication Date Title
US11470294B2 (en) Method, device, and storage medium for converting image from raw format to RGB format
CN109345485B (zh) 一种图像增强方法、装置、电子设备及存储介质
CN112614064B (zh) 图像处理方法、装置、电子设备及存储介质
CN108040204B (zh) 一种基于多摄像头的图像拍摄方法、装置及存储介质
CN112634160A (zh) 拍照方法及装置、终端、存储介质
CN105528765A (zh) 处理图像的方法及装置
CN112288657B (zh) 图像处理方法、图像处理装置及存储介质
CN107730443B (zh) 图像处理方法、装置及用户设备
CN112669231A (zh) 图像处理方法、图像处理模型的训练方法、装置、介质
CN113191994B (zh) 图像处理方法、装置及存储介质
CN107451972B (zh) 图像增强方法、装置及计算机可读存储介质
CN112651899B (zh) 图像处理方法及装置、电子设备、存储介质
CN114666490B (zh) 对焦方法、装置、电子设备和存储介质
CN114070998B (zh) 一种拍摄月亮的方法、装置、电子设备及介质
CN110910304B (zh) 图像处理方法、装置、电子设备及介质
CN110874829A (zh) 图像处理方法及装置、电子设备及存储介质
CN117670693A (zh) 图像的处理方法、装置及存储介质
CN117455782A (zh) 图像增强方法、图像增强装置及存储介质
CN118803431A (zh) 图像选帧方法及装置、电子设备、存储介质
CN118382013A (zh) 图像处理方法、装置、终端及存储介质
CN117764895A (zh) 图像处理方法、装置及存储介质
CN117716705A (zh) 一种图像处理方法、图像处理装置及存储介质
CN113706410A (zh) 图像处理方法、装置、电子设备和存储介质
CN116416505A (zh) 图像处理模型的训练方法、图像处理方法、装置及存储介质
CN114066909A (zh) 图像处理方法及装置

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