CN113487513A - 一种图片的亮度调节方法及其调节设备和存储介质 - Google Patents
一种图片的亮度调节方法及其调节设备和存储介质 Download PDFInfo
- Publication number
- CN113487513A CN113487513A CN202110821436.7A CN202110821436A CN113487513A CN 113487513 A CN113487513 A CN 113487513A CN 202110821436 A CN202110821436 A CN 202110821436A CN 113487513 A CN113487513 A CN 113487513A
- Authority
- CN
- China
- Prior art keywords
- brightness
- region
- target dynamic
- target
- dynamic region
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000001914 filtration Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 9
- 238000005286 illumination Methods 0.000 abstract description 7
- 238000000605 extraction Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000010845 search algorithm Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 230000000007 visual effect 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
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种图片的亮度调节方法、调节设备和计算机可读存储介质,该方法包括:获取待处理图片中的目标动态区域;分别对待处理图片的全局区域和目标动态区域进行亮度分析,得到目标动态区域的第一亮度特征和全局区域的第二亮度特征;基于第一亮度特征和第二亮度特征,对目标动态区域进行亮度调节。通过上述方式,本申请能够避免图片中动态区域的光照过曝或者亮度不佳。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种图片的亮度调节方法、调节设备和计算机可读存储介质。
背景技术
现有的图像亮度调节方法,主要是依靠算法首先将图像分割为不同的亮度区域,然后分别计算各区域的亮度调整算子,最后通过求解梯度约束方程得到结果图像。
但是,对于超高分辨率图片,特别是对于多目拼接得到的图片/视频,由于是不同相机成像且局部光照强度变化非常剧烈,通过全局算子调整全图的亮度往往导致真正感兴趣区域的光照过曝或亮度不够,不利于需要精细反应目标状态的检测跟踪。
发明内容
本申请主要解决的技术问题是提供一种图片的亮度调节方法、调节设备和计算机可读存储介质,能够避免图片中动态区域的光照过曝或者亮度不佳。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种图片的亮度调节方法,该方法包括:获取待处理图片中的目标动态区域;分别对待处理图片的全局区域和目标动态区域进行亮度分析,得到目标动态区域的第一亮度特征和全局区域的第二亮度特征;基于第一亮度特征和第二亮度特征,对目标动态区域进行亮度调节。
其中,分别对待处理图片的全局区域和目标动态区域进行亮度分析,得到目标动态区域的第一亮度特征和全局区域的第二亮度特征,包括:分别对目标动态区域和全局区域进行域变换操作,获得目标动态区域的的第一亮度图和全局区域的第二亮度图;从第一亮度图中提取得到第一亮度特征,以及从第二亮度图中提取得到第二亮度特征。
其中,第一亮度图和第二亮度图均为颜色模型特征图;和/或,第一亮度特征和第二亮度特征均为特征像素值。
其中,基于第一亮度特征和第二亮度特征,对目标动态区域进行亮度调节,包括:基于第一亮度特征和第二亮度特征,确定目标动态区域的亮度调节参数;利用目标动态区域的亮度调节参数,对目标动态区域进行亮度调节。
其中,基于第一亮度特征和第二亮度特征,确定目标动态区域的亮度调节参数,包括:将第一亮度特征和第二亮度特征进行加权处理,得到目标动态区域的目标亮度特征;基于目标亮度特征和第一亮度特征,确定亮度调节参数。
其中,基于目标亮度特征和第一亮度特征,确定亮度调节参数,包括:获取目标亮度特征和第一亮度特征之间的差值;将差值在第一亮度特征中的占比,作为亮度调节参数。
其中,获取待处理图片中的目标动态区域,包括:对待处理图片进行动态区域检测,得到至少一个初始动态区域;基于至少一个初始动态区域,得到目标动态区域。
其中,在基于至少一个初始动态区域,得到目标动态区域之前,图片的亮度调节方法还包括:利用滤波算法对初始动态区域的边缘进行优化;和/或,基于至少一个初始动态区域,得到目标动态区域,包括:对至少一个初始动态区域进行预设处理,得到目标动态区域,其中,预设处理包括以下至少一者:过滤不与其他初始动态区域相连且面积不满足预设要求的初始动态区域,将相连的初始动态区域进行合并。
其中,在分别对待处理图片的全局区域和目标动态区域进行亮度分析,得到目标动态区域的第一亮度特征和全局区域的第二亮度特征之前,图片的亮度调节方法还包括:对目标动态区域和全局区域进行灰度处理。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种图片的亮度调节设备,该图片的亮度调节设备包括处理器和存储器,处理器用于执行程序指令以实现上述的图片的亮度调节方法,存储器用于存储程序指令。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种计算机可读存储介质,该计算机可读存储介质用于存储程序指令,程序指令能够被执行以实现上述的图片的亮度调节方法。
上述方案,通过获取待处理图片中的目标动态区域,以及对应提取目标动态区域的第一亮度特征和全局区域的第二亮度特征,并基于目标动态区域的第一亮度特征和全局区域的第二亮度特征对目标动态区域进行亮度调节,也就是说,通过全局区域和目标动态区域的亮度特征共同控制目标动态区域的亮度调节,从而获得目标动态区域的亮度调节方案,基于全局区域和目标动态区域得到的亮度调节方案能够较好地运用全局区域的亮度等参数以对目标动态区域进行亮度调节,使得目标动态区域的亮度与除目标动态区域以外的其他区域的亮度均衡即使图片的整体亮度均衡,避免目标动态区域的光照过曝或者亮度不佳而出现目标动态区域的亮度与除目标动态区域以外的其他区域的亮度有明显的梯度变化,造成后续对目标动态区域的检测失效或者目标动态区域清晰度较差等问题。
另外,通过调节目标动态区域的亮度以使目标动态区域与除目标动态区域以外的其他区域的亮度均衡,目标动态区域在全图中所占区域较少,相比于调节除目标动态区域以外的区域的亮度以均衡全图的亮度的方式,能够减少计算量,提高对待处理图片亮度调节的速度和精准度。
附图说明
图1是本申请提供的图片的亮度调节方法一实施例的流程示意图;
图2是图1所示步骤S11一实施例的流程示意图;
图3是本申请提供的待处理图片的示意图;
图4是图3所示待处理图片中初始动态区域的示意图;
图5是图4所示初始动态区域处理前后的对比示意图;
图6是图3所示待处理图片中目标动态区域的示意图;
图7是图1所示步骤S12一实施例的流程示意图;
图8是图1所示步骤S13一实施例的流程示意图;
图9是图8所示步骤S81一实施例的流程示意图;
图10是本申请提供的图片的亮度调节设备一实施例的结构示意图;
图11是本申请提供的计算机可读存储介质的结构示意图。
具体实施方式
为使本申请的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本申请进一步详细说明。
请参阅图1,图1是本申请提供的图片的亮度调节方法一实施例的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图1所示的流程顺序为限。如图1所示,本实施例包括:
步骤S11:获取待处理图片中的目标动态区域。
本实施例的方法用于对待处理图片的目标动态区域进行亮度调节,待处理图片可以为任意需要调节亮度的图片,本文所述的待处理图片可以但不限于带有多目拼接的图片、缝合全景图片、分辨率超过4K的高分辨率图片等。其中,待处理图片具体可以从本地存储或云端存储中获取得到,或者通过电子设备对当前环境进行采集得到,在此不做具体限定。
其中,目标动态区域为待处理图片中需要处理的区域,也可以称为待处理图片中的感兴趣区域,通过获取待处理图片中的需要处理的图像区域,能够更有针对性的对待处理图片进行处理,减少后续的处理时间,减少运算量,提高对图片处理的速度和精准度。
在一实施方式中,可通过对待处理图片进行动态区域检测以获得零散的动态区域,并通过对零散的动态区域进行修剪、合并等处理得到目标动态区域。可以理解地,在其他实施方式中,也可通过其他方式获取待处理图片中的目标动态区域,可根据实际使用需要具体设置,在此不做具体限定。举例来说,为了确定待处理图片中的目标动态区域,可先对视频流进行分帧处理,对该帧以及该帧的前一帧、后一帧或者间隔的几帧所对应的图片进行动态区域检测,从而获取图片的零散动态区域,再通过修剪、合并等对零散的动态区域进行处理,进而获取图片的目标动态区域。
步骤S12:分别对待处理图片的全局区域和目标动态区域进行亮度分析,得到目标动态区域的第一亮度特征和全局区域的第二亮度特征。
在一实施方式中,对待处理图片的全局区域和目标动态区域的亮度分析可以是对全局区域和目标动态区域的色调、饱和度和明亮度等中的至少一种进行分析,具体可根据实际要对目标动态区域做的调节进行确定,在此不做具体限定。
其中,可对待处理图片的全局区域和目标动态区域中的每一像素点进行亮度分析,例如,可通过确定像素点的像素值以完成对每一像素点的亮度分析,像素点的像素值代表图片中每一小方块的平均亮度信息,所以通过确定像素点的像素值可以确定每一像素点的亮度信息,以使后续能够基于每一像素点的亮度调节目标动态区域的亮度,避免目标动态区域中的色调、饱和度或者明亮度在该区域内过高或者过低而对全图的亮度产生影响。
本实施方式中,通过对待处理图片的全局区域和目标动态区域进行亮度分析并进行特征提取,从而得到能够代表目标动态区域的第一亮度特征和能够代表全局区域的第二亮度特征。其中,亮度特征的提取可以通过线性提取法、均值提取法或者区域特征提取法等实现,可根据实际使用需要具体设置,在此不做具体限定。
在一实施方式中,可对待处理图片进行数字图像变换处理、灰度处理等,例如,可对待处理图片进行域转换,使得待处理图片的RGB色域转换为HSV色域,HSV色域的待处理图片更能直观地观察到图片中例如饱和度、明亮度等参数信息,更有利于对待处理图片进行亮度分析以得到亮度调节方案。可以理解地,在其他实施方式中,也可对待处理图片进行其他能够便于观察分析亮度参数的处理,在此不做具体限定。
步骤S13:基于第一亮度特征和第二亮度特征,对目标动态区域进行亮度调节。
在当待处理图片为超高分辨率图片时,图片范围比较大,可能会存在局部动态区域很亮而全图整体偏暗或者局部动态区域相对全图偏暗的情况,局部动态区域的亮度与全图的亮度存在明显的梯度变化,从而使得局部动态区域对全图的亮度产生影响。现有技术中的图片亮度调节方法主要是通过调节全图的亮度以使全图的亮度和局部动态区域的亮度均衡,这样往往导致局部动态区域的光照过曝或者亮度不够,对后续目标检测算法等产生影响。
本实施方式中,第一亮度特征代表的是目标动态区域,第二亮度特征代表的是全局区域,所以通过将第一亮度特征和第二亮度特征进行比对即通过将目标动态区域和全局区域进行比对以对目标动态区域进行亮度调节,也就是说,通过全局区域和目标动态区域共同控制目标动态区域的亮度调节,从而获得目标动态区域的亮度调节方案。该实施方式中,能够较好地运用全局区域的亮度等参数以对目标动态区域的亮度进行调节,使得目标动态区域的亮度与除目标动态区域以外的其他区域的亮度均衡即使全图的亮度均衡,避免目标动态区域的光照过曝或者亮度不佳而出现目标动态区域的亮度与除目标动态区域以外的其他区域的亮度有明显的梯度变化,造成后续对目标动态区域的检测失效或者目标动态区域清晰度较差等问题。
具体地,通过第一亮度特征和第二亮度特征对目标动态区域进行亮度调节。例如,对第一亮度特征和第二亮度特征进行加权处理得到目标亮度特征,并通过第一亮度特征和目标亮度特征得到对应的目标动态区域的亮度调节参数。
在一实施方式中,亮度调节参数可以是基于第一亮度特征和目标亮度特征获得的调节比例。举例来说,通过对目标动态区域的每一像素点进行亮度分析以获得每一像素点的像素值为例,例如目标动态区域内的第一像素点的像素值为5,第二像素点的像素值为10,第三像素点的像素值为20,通过上述方式确定的亮度调节参数即亮度调节比例为20%,那么对上述三个像素点的亮度调节后,调整后的第一像素点的像素值为6,调整后的第二像素点的像素值为12,调整后的第三像素点的像素值为24,通过调整目标动态区域的每一像素点的像素值以实现调节目标动态区域的亮度;并且,对目标动态区域的每一像素点均按照同比例调整其亮度,从整体上调节目标动态区域的亮度,避免调整后的目标动态区域局部光照过曝或较暗。
需要说明的是,像素值是每一像素点的平均亮度信息的体现,也就是说,通过确定像素点的像素值即可确定像素点的例如饱和度、色相等参数信息,所以通过调整目标动态区域中像素点的像素值实现亮度的调节,其实际是对目标动态区域中像素点的饱和度、色明度等参数的综合调节,从而实现在整体上对目标动态区域的亮度调节。
上述实施方式中,通过获取待处理图片中的目标动态区域,以及对应提取目标动态区域的第一亮度特征和全局区域的第二亮度特征,并基于目标动态区域的第一亮度特征和全局区域的第二亮度特征对目标动态区域进行亮度调节,也就是说,通过全局区域和局部区域共同控制目标动态区域的亮度调节,从而获得目标动态区域的亮度调节方案,基于全局区域和局部区域得到的亮度调节方案能够较好地运用全局区域的亮度等参数以对目标动态区域进行亮度调节,使得目标动态区域的亮度与除目标动态区域以外的其他区域的亮度均衡,避免目标动态区域的光照过曝或者亮度不佳而出现目标动态区域的亮度与除目标动态区域以外的其他区域的亮度有明显的梯度变化,造成后续对目标动态区域的检测失效或者目标动态区域清晰度较差等问题。
另外,通过调节目标动态区域的亮度以使目标动态区域与除目标动态区域以外的其他区域的亮度均衡,目标动态区域在全图中所占区域较少,相比于调节全图的亮度以均衡全图中各部分区域的亮度的方式,能够减少计算量,提高对待处理图片亮度调节的速度和精准度。
请参阅图2,图2是图1所示步骤S11一实施例的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图2所示的流程顺序为限。如图2所示,该实施例中,对待处理图片进行动态区域检测以获得初始动态区域,并通过对初始动态区域进行过滤和合并处理得到目标动态区域,具体包括:
步骤S21:对待处理图片进行动态区域检测,得到至少一个初始动态区域。
本实施方式中,可利用背景建模算法对待处理图片进行动态区域检测,以得到至少一个初始动态区域。其中,背景建模算法可将待处理图片中的连通域通过方框、圆形、椭圆形或者不规则多边形框选勾勒出来,连通域指的是图片中具有相同像素值且位置相邻的前景像素点组成的图像区域,前景像素点组成的图像区域即为相对于背景图像区域的动态区域,所以通过背景建模算法获取到的连通域即为上述的初始动态区域。也就是说,通过背景建模算法可以确定待处理图片中的目标动态区域的大致范围。可以理解地,在其他实施方式中,也可以利用其他算法对待处理图片进行处理以获得初始动态区域。
可选地,背景建模算法可以为BGModel算法、高斯混合模型算法(GMM)、背景差分算法(ViBe)或者ABM算法等,可根据实际使用需要选择具体的背景建模算法,在此不做具体限定。以背景差分算法为背景建模算法为例,背景提取是在视频图像序列中提取背景,背景就是图像场景中静止不动的景物,背景差分算法是将视频流中相邻两帧或相隔几帧的两幅图像像素值相减,并对相减后的图像进行阈值化以提取图像中的初始动态区域。
步骤S22:利用滤波算法对初始动态区域的边缘进行优化。
由于经过背景建模算法获取得到的初始动态区域可能会存在局部区域边缘缺失,不利于后续对初始动态区域的处理。基于此,本实施方式中,利用滤波算法对初始动态区域进行处理,在保留初始动态区域的条件下对初始动态区域的边缘进行优化,以得到具有连续边缘的初始动态区域,提高了初始动态区域的边缘平滑度,从而便于后续对初始动态区域的处理和分析,保证后续分析和处理的有效性和可靠性。
其中,对于经过背景建模算法获取得到的初始动态区域的边缘如果是连续的,即初始动态区域的边缘是平滑完整的,可不执行步骤S22,即可不用利用滤波算法对初始动态区域的边缘进行优化。
可选地,滤波算法可以为均值滤波算法、中值滤波算法或者高斯滤波算法等,可根据实际使用需要选择具体的滤波算法,在此不做具体限定。
步骤S23:对至少一个初始动态区域进行预设处理,得到目标动态区域。
本实施方式中,通过对上述获得的至少一个初始动态区域进行预设处理,以得到目标动态区域。其中,预设处理可以是过滤掉不与其他初始动态区域相连且面积不满足预设要求的初始动态区域,或者预设处理也可以是将相连的初始动态区域进行合并,或者预设处理也可以是同时对初始动态区域进行过滤和合并处理,具体可根据实际使用需要选择对初始动态区域的预设处理,在此不做具体限定。可以理解地,在其他实施方式中,预设处理也可以是对初始动态区域的其他处理,在此不做具体限定。
在其他实施方式中,为了便于对各个初始动态区域进行预设处理,在对各个初始动态区域进行预设处理之前还可对边缘优化后的初始动态区域进行处理,例如利用连通域搜索算法获取各个初始动态区域的外接框,使得各个不规则形状的初始动态区域均转变为统一规则形状的初始动态区域,一方面能够便于对初始动态区域进行过滤或者合并等处理,另一方面能够减小计算量。可选地,连通域搜索算法可以为宽度优先搜索算法(BFS),也可以为深度优先搜索算法(DFS),或者为其他算法,可根据实际使用具体设置,在此不做具体限定。
请参阅图3-图6,图3是本申请提供的待处理图片的示意图,图4是图3所示待处理图片中初始动态区域的示意图,图5是图4所示初始动态区域处理前后的对比示意图,图6是图3所示待处理图片中目标动态区域的示意图。举例来说,利用连通域搜索算法对初始动态区域以及以预设处理为对至少一个初始动态区域进行过滤和合并处理为例。如图3所示,图3为待处理图片;如图4所示,通过对图3进行动态区域检测以获得多个初始动态区域,并通过对多个初始动态区域进行边缘优化以及利用连通区域搜索算法对其进行处理以获得具备规则形状的初始动态区域。如图5(a)所示,图5(a)中包括多个不与其他初始动态区域相连且面积小于预设要求的初始动态区域,所以对这些区域进行滤除,由于这些区域范围较小,不会对目标动态区域的亮度调节产生影响;另外,图5(a)中还包括相连的初始动态区域,为了保证相连的初始动态区域的形状规则化且不会减小已有的初始动态区域范围,所以将相连的初始动态区域进行合并并向外扩展以构成规则形状的初始动态区域,通过对图5(a)中的初始动态区域进行滤除以及合并等预设处理,从而获得如图5(b)所示的目标动态区域,其中,图5(b)中每一长方形所围设的区域均代表一目标动态区域。通过将对图5(a)所做的滤除和合并处理运用于图4中,以得到如图6所示的待处理图片中的各个目标动态区域。
其中,对相连的初始动态区域如何进行扩展并合并在此不做具体限定,可根据实际应用场景具体设置。
请参阅图7,图7是图1所示步骤S12一实施例的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图7所示的流程顺序为限。如图7所示,该实施例中,对待处理图片进行灰度处理以及域转换处理,并通过对全局区域和目标动态区域的像素点的亮度分析以得到目标动态区域的第一特征像素值和所述全局区域的第二特征像素值,具体包括:
步骤S71:对目标动态区域和全局区域进行灰度处理。
本实施方式中,会先对全局区域和目标动态区域进行灰度处理,灰度处理的过程就是将图片中每个像素点的R、G、B值统一成一个值,相比对R、G、B三个值的处理,统一成对灰度值这一个值的处理更加简单,且减少了计算量。图片的灰度处理仅仅是去掉图片中的颜色,而保留图片中的其他信息,所以灰度处理后的图片中的每一像素点依旧包括有亮度信息,不影响后续对目标动态区域和全局区域的处理,且减少了计算量。
步骤S72:分别对目标动态区域和全局区域进行域变换操作,获得目标动态区域的第一亮度图和全局区域的第二亮度图。
本实施方式中,通过对目标动态区域和全局区域进行域变换操作,得到目标动态区域的第一亮度图和全局区域的第二亮度图;其中域变换操作可以是在输入的图像和输出的图像之间进行像素-像素变换,域变换操作就是为了达到某种视觉效果,变换输入图像的像素位置,通过把输入图像的像素位置映射到一个新的位置以达到改变原图像显示效果的目的,如域变换操作可以但不局限于包括图像插值(Interpolation)、图像缩放(Resizing)、图像旋转(Rotation)、图像剪切(Cropping)等。
在一实施方式中,第一亮度图和第二亮度图为颜色模型特征图。具体地,将目标动态区域和全局区域的RGB色域转换为HSV色域,从而得到目标动态区域的颜色模型特征图和全局区域的颜色模型特征图,也就是说,颜色特征模型图为具有HSV色域的图片,通过颜色模型特征图可更加直观地观察到各像素点的对比度、饱和度等参数信息。在RGB色域下,只能观察分析到目标动态区域和全局区域中各像素点的红、绿、蓝三个通道的占比,而将目标动态区域和全局区域转换为HSV色域,可更加直观地观察到各像素点的对比度、饱和度等参数信息,也就是说,对目标动态区域和全局区域进行域转换,并没有对目标动态区域和全局区域进行改变,只是将目标动态区域和全局区域中各像素点的亮度信息换了一种表达方式,有利对目标动态区域和全局区域中的各像素点进行亮度分析,从而能够更加准确地对目标动态区域的亮度进行调节,使得目标动态区域的亮度与除目标动态区域以外的其他区域的亮度均衡,避免目标动态区域的光照过曝或者亮度不佳而出现目标动态区域的亮度与除目标动态区域以外的其他区域的亮度有明显的梯度变化。可以理解地,在其他实施方式中,也可以对目标动态区域和全局区域进行其他处理以获得饱和度、明亮度等参数信息,在此不做具体限定。其中,目标动态区域和全局区域的RGB色域转换为HSV色域的公式为:
g(i,j)=αf(i,j)+β
其中,g为HSV色域像素值,f为RGB色域像素值,α、β为常数值。
步骤S73:从第一亮度图中提取得到第一亮度特征,以及从第二亮度图中提取得到第二亮度特征。
本实施方式中,由于是对色域转换后的目标动态区域和全局区域的各像素点的亮度进行分析,所以从第一亮度图中提取的第一亮度特征以及从第二亮度图中提取的第二亮度特征均为特征像素值,每一像素点的像素值代表每一像素点的平均亮度信息,所以通过获取代表目标动态区域的第一亮度特征和代表全局区域的第二亮度特征即可获取目标动态区域和全局区域的亮度信息。可以理解地,在其他实施方式中,如果是需要调整目标动态区域的饱和度等参数,第一亮度特征和第二亮度特征也可以是代表例如饱和度等参数的特征值,在此不做具体限定。
在一实施方式中,可利用特征提取算法从第一亮度图中提取得到第一亮度特征,以及从第二亮度图中提取得到第二亮度特征。其中特征提取算法可以为线性提取算法、均值提取算法或者区域特征提取算法等,可根据实际使用需要具体设置,在此不做具体限定。例如,以均值提取算法为例,获取目标动态区域范围的每一像素点的像素值,取该区域范围内的像素值的均值作为代表目标动态区域的特征像素值即第一亮度特征,同样,对全局区域做同步处理以获得代表全局区域的特征像素值即第二亮度特征。
可以理解的是,本实施例在对待处理图片进行灰度处理后的基础上进行全局区域和目标动态区域的亮度特征提取,在其他实施例中也可直接对未经灰度处理的图片进行亮度特征提取,如在无需进行灰度处理的实施例中,即可不执行上述步骤S71。
请参阅图8,图8是图1所示步骤S13一实施例的流程示意图,图9是图8所示步骤S81一实施例的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图8所示的流程顺序为限。如图8所示,该实施例中,可将调节比例作为目标动态区域的亮度调节参数,并通过对目标动态区域中的每一像素点进行亮度调节以完成对目标动态区域的亮度调节,具体包括:
步骤S81:基于第一亮度特征和第二亮度特征,确定目标动态区域的亮度调节参数。
本实施方式中,通过代表目标动态区域的第一亮度特征和代表全局区域的第二亮度特征,确定目标动态区域的亮度调节参数,也就是说,通过目标动态区域和全局区域共同决定目标动态区域的调节方案,一方面较好地运用全局区域的清晰度等参数以对目标动态区域进行亮度调节,使得调整后的目标动态区域也能保持一定的清晰度,另一方面使得目标动态区域的亮度和除目标动态区域以外的其他区域的亮度均衡,避免目标动态区域的亮度与除目标动态区域以外的其他区域的亮度存在明显的梯度变化。
在一实施方式中,亮度调节参数可以是亮度调节比例,也就是说,目标动态区域相较于全局区域亮度需要增加或者减小多少。可以理解地,在其他实施方式中,亮度调节参数也可以是其他的形式,具体可根据实际使用需要设置,在此不做具体限定。
在一些实施例中,如图9所示,步骤S81具体可以包括子步骤S811-S813。
步骤S811:将第一亮度特征和第二亮度特征进行加权处理,得到目标动态区域的目标亮度特征。
本实施方式中,通过对第一亮度特征和第二亮度特征进行加权处理,得到目标动态区域的目标亮度特征,也就是说,将第一亮度特征和第二亮度特征按照预设的权重比例进行处理,以获得目标动态区域的最终亮度特征。在一实施方式中,由于第一亮度特征和第二亮度特征均为特征像素值,所以通过加权处理得到的目标亮度特征也为特征像素值,在获得目标特征像素值后,可基于目标特征像素值对目标动态区域中像素点的像素值进行调整,以完成对目标动态区域的亮度调节。
需要说明的是,上述目标亮度特征代表的是某一动态区域的特征像素值,由于待处理图片中的每一动态区域的亮度信息存在差异,所以此处得到的目标亮度特征并不适用于各目标动态区域,因此,如果待处理图片中包括多个目标动态区域,则步骤S811中是需要将每一目标动态区域的第一亮度特征和全局区域的第二亮度特征进行加权处理,以获得每一目标动态区域的目标亮度特征,从而更有针对性地对每一目标动态区域的亮度进行调节。
其中,加权处理可以是第一亮度特征和第二亮度特征按照预设的权重比例进行加权求和,也可以是第一亮度特征和第二亮度特征按照预设的权重比例进行加权平均,具体可以根据实际使用需要进行设置,在此不做具体限定。另外,第一亮度特征和第二亮度特征的预设权重比例也不做具体限定,例如,第一亮度特征的权重比例为0.3,第二亮度特征的权重比例为0.7。需要说明的是,在本实施方式中,全图中每一目标动态区域的权重比例相同,也就是说,在第一亮度特征的预设权重比例确定后,待处理图片中的每一动态区域的第一亮度特征均会以此确定的权重比例进行处理,并不会因为某一目标动态区域的范围较小等原因发生变化,能够减小计算量,更便于对各个目标动态区域进行亮度调节。可以理解地,在其他实施方式中,也可以基于每一目标动态区域的范围大小等因素调节目标动态区域的预设权重比例,可根据实际使用需要具体设置,在此不做具体限定。
举例来说,以第一亮度特征和第二亮度特征按照预设的权重比例进行加权求和为例。其中,第一亮度特征和第二亮度特征按照预设的权重比例进行加权求和的公式为:
Fb=k0×F+k1×Fa
k0+k1=1
其中,F为全局区域的第二特征像素值即第二亮度特征,Fa为某一目标动态区域的第一特征像素值即第一亮度特征,Fb为某一目标动态区域的目标特征像素值即目标亮度特征。
步骤S812:获取目标亮度特征和第一亮度特征之间的差值。
本实施方式中,目标亮度特征为基于全局区域的第二亮度特征和目标动态区域的第一亮度特征共同控制得到的亮度特征值,也就是说,按照目标亮度特征对目标动态区域的亮度进行调节为对目标动态区域亮度调节的最优方案,能够使得目标动态区域的亮度和除目标动态区域以外的其他区域的亮度均衡,最大程度对目标动态区域的亮度进行优化,避免目标动态区域的亮度和除目标动态区域以外的其他区域的亮度存在梯度变化。
基于此,获取目标亮度特征和第一亮度特征之间的差值,以确定将目前目标动态区域的亮度调整为能够与全局区域均衡的亮度之间的差量为多少,便于后续对目标动态区域的亮度调整范围进行确定。
步骤S813:将差值在第一亮度特征中的占比,作为亮度调节参数。
本实施方式中,将目标亮度特征和第一亮度特征之间的差值在第一亮度特征中的占比作为亮度调节参数,此时,亮度调节参数为在目前目标动态区域的亮度的基础上需要进行亮度调节的比例。可以理解地,在其他实施方式中,也可将亮度调节量等其他参数作为亮度调节参数,可根据实际使用需要具体设置,在此不做具体限定。
其中,亮度调节比例可以为正值,也可以为负值,在亮度调节比例为正值时,则表明需要调亮目标动态区域,在亮度调节比例为负值时,则表明需要调暗目标动态区域。例如,亮度调节比例为20%、-15%等。
步骤S82:利用目标动态区域的亮度调节参数,对目标动态区域进行亮度调节。
本实施方式中,目标亮度特征和第一亮度特征均为特征像素值,所以亮度调节参数为在目标动态区域的第一特征像素值基础上的调节比例,在确定了亮度调节比例后,对目标动态区域的各像素点的像素值按照调节比例进行调整,从而使得目标动态区域的亮度得以调节。
例如,以目标亮度特征和第一亮度特征均为特征像素值为例,当目标亮度特征即目标特征像素值为25,第一亮度特征即第一特征像素值为20时,那么目标亮度特征和第一亮度特征之间的差值为5,差值在第一亮度特征中的占比为0.25,所以调节参数为0.25,也就是说,在目标动态区域中各像素点的像素值的基础上增大25%,从而使目标动态区域的亮度增强,进而使得目标区域的亮度与除目标动态区域以外的其他区域的亮度均衡;而当目标亮度特征即目标特征像素值为20,第一亮度特征即第一特征像素值为25时,那么目标亮度特征和第一亮度特征之间的差值为-5,差值在第一亮度特征中的占比为-0.2,所以调节参数为-0.2,也就是说,在目标动态区域中各像素点的像素值的基础上减小20%,从而使目标动态区域的亮度降低即使目标动态区域变暗,进而使得目标区域的亮度与除目标动态区域以外的其他区域的亮度均衡。
可以理解的是,本实施例将目标亮度特征和第一亮度特征之间的差值在第一亮度特征中的占比作为亮度调节参数,即将调节比例作为亮度调节参数,在其他实施例中也可直接目标亮度特征和第一亮度特征之间的差值作为调节参数,在目标动态区域中各像素点的像素值的基础上增加或者减小对应的差值以调整目标动态区域中各像素点的像素值,从而完成对目标动态区域的亮度调节,如在无需进行计算差值在第一亮度特征中的占比的实施例中,即可不执行上述步骤S813。
请参阅图10,图10是本申请提供的图片的亮度调节设备一实施例的结构示意图。该实施方式中,图片的亮度调节设备90包括处理器91和存储器93。
处理器91还可以称为CPU(Central Processing Unit,中央处理单元)。处理器91可能是一种集成电路芯片,具有信号的处理能力。处理器91还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(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。通用处理器可以是微处理器或者该处理器91也可以是任何常规的处理器91等。
图片的亮度调节设备90中的存储器93用于存储处理器91运行所需的程序指令。
处理器91用于执行程序指令以实现上述本申请图片的亮度调节方法任一实施例及任意不冲突的组合所提供的方法。
请参阅图11,图11是本申请提供的计算机可读存储介质的结构示意图。本申请实施例的计算机可读存储介质100存储有程序指令101,该程序指令101被执行时实现本申请图片的亮度调节方法任一实施例以及任意不冲突的组合所提供的方法。其中,该程序指令101可以形成程序文件以软件产品的形式存储在上述计算机可读存储介质100中,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方式方法的全部或部分步骤。而前述的计算机可读存储介质100包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (11)
1.一种图片的亮度调节方法,其特征在于,所述方法包括:
获取待处理图片中的目标动态区域;
分别对所述待处理图片的全局区域和所述目标动态区域进行亮度分析,得到所述目标动态区域的第一亮度特征和所述全局区域的第二亮度特征;
基于所述第一亮度特征和所述第二亮度特征,对所述目标动态区域进行亮度调节。
2.根据权利要求1所述的方法,其特征在于,所述分别对所述待处理图片的全局区域和所述目标动态区域进行亮度分析,得到所述目标动态区域的第一亮度特征和所述全局区域的第二亮度特征,包括:
分别对所述目标动态区域和所述全局区域进行域变换操作,获得所述目标动态区域的第一亮度图和所述全局区域的第二亮度图;
从所述第一亮度图中提取得到所述第一亮度特征,以及从所述第二亮度图中提取得到所述第二亮度特征。
3.根据权利要求2所述的方法,其特征在于,
所述第一亮度图和所述第二亮度图均为颜色模型特征图;和/或,
所述第一亮度特征和所述第二亮度特征均为特征像素值。
4.根据权利要求1所述的方法,其特征在于,所述基于所述第一亮度特征和所述第二亮度特征,对所述目标动态区域进行亮度调节,包括:
基于所述第一亮度特征和所述第二亮度特征,确定所述目标动态区域的亮度调节参数;
利用所述目标动态区域的亮度调节参数,对所述目标动态区域进行亮度调节。
5.根据权利要求4所述的方法,其特征在于,所述基于所述第一亮度特征和所述第二亮度特征,确定所述目标动态区域的亮度调节参数,包括:
将所述第一亮度特征和所述第二亮度特征进行加权处理,得到所述目标动态区域的目标亮度特征;
基于所述目标亮度特征和所述第一亮度特征,确定所述亮度调节参数。
6.根据权利要求5所述的方法,其特征在于,所述基于所述目标亮度特征和所述第一亮度特征,确定所述亮度调节参数,包括:
获取所述目标亮度特征和所述第一亮度特征之间的差值;
将所述差值在所述第一亮度特征中的占比,作为所述亮度调节参数。
7.根据权利要求1所述的方法,其特征在于,所述获取待处理图片中的目标动态区域,包括:
对所述待处理图片进行动态区域检测,得到至少一个初始动态区域;
基于所述至少一个初始动态区域,得到所述目标动态区域。
8.根据权利要求7所述的方法,其特征在于,在所述基于所述至少一个初始动态区域,得到所述目标动态区域之前,所述方法还包括:
利用滤波算法对所述初始动态区域的边缘进行优化;
和/或,所述基于所述至少一个初始动态区域,得到所述目标动态区域,包括:
对所述至少一个初始动态区域进行预设处理,得到所述目标动态区域,其中,所述预设处理包括以下至少一者:过滤不与其他初始动态区域相连且面积不满足预设要求的初始动态区域,将相连的所述初始动态区域进行合并。
9.根据权利要求1所述的方法,其特征在于,在所述分别对所述待处理图片的全局区域和所述目标动态区域进行亮度分析,得到所述目标动态区域的第一亮度特征和所述全局区域的第二亮度特征之前,所述方法还包括:
对所述目标动态区域和所述全局区域进行灰度处理。
10.一种图片的亮度调节设备,其特征在于,所述图片的亮度调节设备包括处理器和存储器,所述处理器用于执行程序指令以实现如权利要求1-9中任一项所述的图片的亮度调节方法,所述存储器用于存储所述程序指令。
11.一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用于存储程序指令,所述程序指令能够被执行以实现如权利要求1-9中任一项所述的图片的亮度调节方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110821436.7A CN113487513A (zh) | 2021-07-20 | 2021-07-20 | 一种图片的亮度调节方法及其调节设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110821436.7A CN113487513A (zh) | 2021-07-20 | 2021-07-20 | 一种图片的亮度调节方法及其调节设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113487513A true CN113487513A (zh) | 2021-10-08 |
Family
ID=77942554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110821436.7A Pending CN113487513A (zh) | 2021-07-20 | 2021-07-20 | 一种图片的亮度调节方法及其调节设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487513A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105227805A (zh) * | 2015-09-28 | 2016-01-06 | 广东欧珀移动通信有限公司 | 一种图像处理方法及移动终端 |
CN109741288A (zh) * | 2019-01-04 | 2019-05-10 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN110113534A (zh) * | 2019-05-13 | 2019-08-09 | Oppo广东移动通信有限公司 | 一种图像处理方法、图像处理装置及移动终端 |
CN110378859A (zh) * | 2019-07-29 | 2019-10-25 | 西南科技大学 | 一种新的高动态范围图像生成方法 |
CN110706162A (zh) * | 2019-09-02 | 2020-01-17 | 深圳传音控股股份有限公司 | 一种图像处理方法、装置及计算机存储介质 |
CN111652111A (zh) * | 2020-05-29 | 2020-09-11 | 浙江大华技术股份有限公司 | 一种目标检测方法及相关装置 |
-
2021
- 2021-07-20 CN CN202110821436.7A patent/CN113487513A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105227805A (zh) * | 2015-09-28 | 2016-01-06 | 广东欧珀移动通信有限公司 | 一种图像处理方法及移动终端 |
CN109741288A (zh) * | 2019-01-04 | 2019-05-10 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN110113534A (zh) * | 2019-05-13 | 2019-08-09 | Oppo广东移动通信有限公司 | 一种图像处理方法、图像处理装置及移动终端 |
CN110378859A (zh) * | 2019-07-29 | 2019-10-25 | 西南科技大学 | 一种新的高动态范围图像生成方法 |
CN110706162A (zh) * | 2019-09-02 | 2020-01-17 | 深圳传音控股股份有限公司 | 一种图像处理方法、装置及计算机存储介质 |
CN111652111A (zh) * | 2020-05-29 | 2020-09-11 | 浙江大华技术股份有限公司 | 一种目标检测方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102011078662B4 (de) | Erfassen und Erzeugen von Bildern mit hohem Dynamikbereich | |
Bora | Importance of image enhancement techniques in color image segmentation: A comprehensive and comparative study | |
US10186023B2 (en) | Unified multi-image fusion approach | |
JP4234195B2 (ja) | 画像分割方法および画像分割システム | |
TWI431549B (zh) | Image processing apparatus and method and computer program product | |
US8525847B2 (en) | Enhancing images using known characteristics of image subjects | |
RU2400815C2 (ru) | Способ повышения качества цифрового фотоизображения | |
KR102567860B1 (ko) | 개선된 역 톤 매핑 방법 및 대응하는 디바이스 | |
CN107507144B (zh) | 肤色增强的处理方法、装置及图像处理装置 | |
CN109658330B (zh) | 一种发色调整方法及装置 | |
JP2014520446A (ja) | 画像の自動露出補正 | |
Harb et al. | Improved image magnification algorithm based on Otsu thresholding | |
CN113658085B (zh) | 图像处理方法及装置 | |
JP2004310475A (ja) | 画像処理装置、画像処理を行う携帯電話、および画像処理プログラム | |
US20150326878A1 (en) | Selective perceptual masking via scale separation in the spatial and temporal domains using intrinsic images for use in data compression | |
CN109982012B (zh) | 图像处理方法及装置、存储介质、终端 | |
KR102010086B1 (ko) | 미세조직의 상 분할 방법 및 장치 | |
Nuutinen et al. | A framework for measuring sharpness in natural images captured by digital cameras based on reference image and local areas | |
US8897378B2 (en) | Selective perceptual masking via scale separation in the spatial and temporal domains using intrinsic images for use in data compression | |
CN113487513A (zh) | 一种图片的亮度调节方法及其调节设备和存储介质 | |
Li et al. | Contrast enhancement algorithm for outdoor infrared images based on local gradient-grayscale statistical feature | |
US9225876B2 (en) | Method and apparatus for using an enlargement operation to reduce visually detected defects in an image | |
CN114049288A (zh) | 图像生成方法、装置、电子设备和计算机可读存储介质 | |
Lee et al. | Laplacian of Gaussian Based on Color Constancy Algorithm for Surrounding Image Stitching Application | |
Lecca | Enhancing Backlight and Spotlight Images by the Retinex-Inspired Bilateral Filter SuPeR-B |
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 |