CN113610934B - 图像亮度调整方法、装置、设备及存储介质 - Google Patents
图像亮度调整方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113610934B CN113610934B CN202110915436.3A CN202110915436A CN113610934B CN 113610934 B CN113610934 B CN 113610934B CN 202110915436 A CN202110915436 A CN 202110915436A CN 113610934 B CN113610934 B CN 113610934B
- Authority
- CN
- China
- Prior art keywords
- image
- brightness
- adjusted
- value
- average value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000006243 chemical reaction Methods 0.000 claims description 56
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013145 classification model Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000011176 pooling Methods 0.000 claims description 4
- 238000005096 rolling process Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 16
- 239000003086 colorant Substances 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术，揭露了一种图像亮度调整方法，包括：识别获取的待调整图像的图像场景，根据图像场景获取与待调整图像具有相同场景的参考图像，计算参考图像的亮度均值以及待调整图像与参考图像之间的亮度偏差，计算待调整图像的亮度系数，当亮度系数大于预设阈值时，根据亮度均值对所述待调整图像进行亮度降低；当亮度系数小于或等于预设阈值时，根据亮度偏差对待调整图像进行亮度提高。此外，本发明还涉及区块链技术，待调整图像可存储于区块链的节点。本发明还提出一种图像亮度调整装置、电子设备以及存储介质。本发明可以提高产品推荐精确度。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像亮度调整方法、装置、电子设备及计算机可读存储介质。
背景技术
随着图像处理技术的迅速发展，人们越来越多的通过对图像进行处理，以从图像中获取需要的信息，例如，对图像中物体进行识别，以获取图像中包含的物体信息，或者，对图像中文字进行识别，以获取图像中记载的文字信息等。
图像的亮度是对图像进行处理时重要的参数，当图像的亮度过高或过低，均会造成图像中细节信息的丢失，进而导致对图像进行处理的精确度降低，因此，如何实现将图像的亮度调整至较佳的水平，成为了亟待解决的问题。
发明内容
本发明提供一种图像亮度调整方法、装置及计算机可读存储介质，其主要目的在于解决进行图像亮度调节的精确度较低的问题。
为实现上述目的，本发明提供的一种图像亮度调整方法，包括：
获取待调整图像，对所述待调整图像进行灰度转换，并统计所述灰度转换后的待调整图像中每个像素点的灰度值；
识别出所述待调整图像的图像场景，根据所述图像场景从预先构建的图像库中查询得到与所述待调整图像具有相同图像场景的图像为参考图像；
对所述参考图像进行灰度转换，计算灰度转换后的所述参考图像的亮度均值，并根据所述亮度均值与所述待调整图像中每个像素点的灰度值计算所述待调整图像与所述参考图像的亮度偏差；
根据所述亮度偏差和所述亮度均值计算所述待调整图像的亮度系数；
当所述亮度系数大于预设阈值时，根据所述亮度均值对所述待调整图像进行亮度降低；
当所述亮度系数小于或等于所述预设阈值时，根据所述亮度偏差对所述待调整图像进行亮度提高。
可选地，所述识别出所述待调整图像的图像场景，包括：
利用预先构建的场景分类模型对所述待调整图像进行卷积和池化处理，得到所述待调整图像的图像特征；
计算所述图像特征与预设的多个场景之间的距离值，确定所述距离值小于预设距离阈值的场景为所述待调整图像的图像场景。
可选地，所述根据所述图像场景从预先构建的图像库中查询得到与所述待调整图像具有相同图像场景的图像为参考图像，包括：
根据预先构建的图像库中每一张图像的预设标签构建标签索引；
获取与所述图像库的运行环境相对应的编译器，利用所述编译器将所述图像场景编译为索引语句；
利用所述索引语句在所述标签索引中进行检索，并将检索到的图像汇集为所述待调整图像的参考图像。
可选地，所述根据所述图像亮度与所述亮度均值计算所述待调整图像与所述参考图像的亮度偏差，包括：
利用如下偏差算法计算所述待调整图像与所述参考图像的亮度偏差：
其中，MA为所述亮度偏差，T为预设常数，通常为255，BMt为像素值t，AvgBM为所述参考图像的亮度均值，Hist[t]为所述待调整图像中灰度值第t的像素点的数量，N为所述待调整图像中像素点的数量。
可选地，所述根据所述亮度均值对所述待调整图像进行亮度降低，包括：
从所述灰度转换后的待调整图像中逐个选取其中一个像素为目标像素；
当所述灰度值小于或等于所述亮度均值时，返回从所述灰度转换后的待调整图像中逐个选取其中一个像素为目标像素的步骤；
当所述灰度值大于所述亮度均值时，计算所述目标像素的灰度值与所述亮度均值的差值，并按照所述差值将所述灰度值进行降低。
可选地，所述对所述待调整图像进行灰度转换，包括：
获取所述待调整图像的色彩空间参数；
根据所述色彩空间参数遍历并获取所述待调整图像中各像素点的颜色三分量；
根据预设的归一化系数将所述颜色三分量转换至预设的灰度数值范围。
可选地，所述根据所述亮度均值对所述待调整图像进行亮度降低后，所述方法还包括：
计算所述归一化系数的倒数；
根据所述倒数对亮度降低后的所述待调整图像中每一个像素进行还原运算，得到每一个像素的还原像素值。
为了解决上述问题，本发明还提供一种图像亮度调整装置，所述装置包括：
灰度转换模块，用于获取待调整图像，对所述待调整图像进行灰度转换，并统计所述灰度转换后的待调整图像中每个像素点的灰度值；
场景识别模块，用于识别出所述待调整图像的图像场景，根据所述图像场景从预先构建的图像库中查询得到与所述待调整图像具有相同图像场景的图像为参考图像；
偏差计算模块，用于对所述参考图像进行灰度转换，计算灰度转换后的所述参考图像的亮度均值，并根据所述亮度均值与所述待调整图像中每个像素点的灰度值计算所述待调整图像与所述参考图像的亮度偏差；
亮度调整模块，用于根据所述亮度偏差和所述亮度均值计算所述待调整图像的亮度系数，当所述亮度系数大于预设阈值时，根据所述亮度均值对所述待调整图像进行亮度降低，当所述亮度系数小于或等于所述预设阈值时，根据所述亮度偏差对所述待调整图像进行亮度提高。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的图像亮度调整方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的图像亮度调整方法。
本发明实施例通过识别出待调整图像的场景，根据场景选取参考图像，并根据参考图像确定待调整图像当前处于过亮或过暗的状态，进而根据不同的状态针对性的对待调整图像进行亮度的降低或提高，有利于提高对待调整图像进行亮度调节的精确度。因此本发明提出的图像亮度调整方法、装置、电子设备及计算机可读存储介质，可以解决进行图像亮度调节的精确度较低的问题。
附图说明
图1为本发明一实施例提供的图像亮度调整方法的流程示意图；
图2为本发明一实施例提供的灰度转换的流程示意图；
图3为本发明一实施例提供的对待调整图像进行亮度降低的流程示意图；
图4为本发明一实施例提供的图像亮度调整装置的功能模块图；
图5为本发明一实施例提供的实现所述图像亮度调整方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种图像亮度调整方法。所述图像亮度调整方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述图像亮度调整方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的图像亮度调整方法的流程示意图。在本实施例中，所述图像亮度调整方法包括：
S1、获取待调整图像，对所述待调整图像进行灰度转换，并统计所述灰度转换后的待调整图像中每个像素点的灰度值。
本发明实施例中，所述待调整图像可以为任何电子图像，例如，人物图像、风景图像、艺术作品图像等。
本发明实施例可通过具有数据抓取功能的计算机语句(如python语句、java语句等)从预先构建的存储区域抓取预先存储的待调整图像，所述存储区域包括但不限于数据库、区块链节点、网络缓存。
或者，还可由用户通过用户端的界面自行对所述待调整图像进行上传。
本发明其中一个实际应用场景中，由于获取到的所述待调整图像中可能包含多种色彩，像素范围较广，若直接对所述待调整图像进行分析，会占用大量计算资源，降低亮度调整的效率，因此，为了提高对所述待调整图像进行亮度调节的效率，需对所述待调整图像进行灰度转换，以减少所述待调整图像中像素值的范围。
本发明实施例中，参图2所示，所述对所述待调整图像进行灰度转换，包括：
S21、获取所述待调整图像的色彩空间参数；
S22、根据所述色彩空间参数遍历并获取所述待调整图像中各像素点的颜色三分量；
S23、根据预设的归一化系数将所述颜色三分量转换至预设的灰度数值范围。
详细地，本发明实施例可利用具有数据抓取功能的python语句从不同颜色空间的底层数据中获取所述色彩空间参数，所述色彩空间参数包括所述待调整图像中不同颜色的像素值的范围、不同像素的颜色在显示时，红、绿、蓝三原色的占比权重系数等。
具体地，所述色彩空间参数是所述待调整图像所在的色彩空间中定义颜色范围的特定参数，所述原始色彩空间包括但不限于RGB色彩空间、CMYK色彩空间。
本发明实施例中，由于不同的色彩空间中，红、绿、蓝三原色的占比权重系数不相同，因此，为了准确地对所述待调整图像中每个像素点的颜色进行识别，需根据所述色彩空间参数遍历并获取所述待调整图像中各像素点的颜色三分量。
本发明实施例遍历所述待调整图像中每个像素的像素值，并根据所述色彩空间参数对所述待调整图像中各像素点的颜色进行分解，得到每一个像素点对应的颜色三分量。
详细地，在遍历所述待调整图像中每个像素的像素值后，可利用如下线性变换函数根据所述色彩空间参数对所述颜色三分量进行分解，得到所述待调整图像中各像素点对应的颜色三分量，其中，所述线性变换函数如下：
R＝C*Pi
B＝U*Pi
其中，Pi为所述待调整图像中第i个像素的像素值；R、G、B为原始图像中任一像素点的颜色三分量，C、
∪为所述待调整图像的色彩空间参数。
详细地，所述R、G、B分别用于表示所述待调整图像中任一像素点的颜色三分量。
本发明实施例中，所述根据预设的归一化系数将所述颜色三分量转换至预设的灰度数值范围，包括：
利用如下归一化算法将所述颜色三分量转换至预设的灰度数值范围：
FR＝ρ*R
FG＝σ*G
FB＝τ*B
其中，FR、FG、FB为所述归一化三分量，R、G、B为所述颜色三分量，ρ、σ、τ为预设的归一化系数。
详细地，所述归一化系数ρ、σ、τ一般取值为
具体地，可统计所述灰度转换后的待调整图像中每个像素点的灰度值，以便于后续根据所述灰度值对所述待调整图像进行亮度调节。
S2、识别出所述待调整图像的图像场景，根据所述图像场景从预先构建的图像库中查询得到与所述待调整图像具有相同图像场景的图像为参考图像。
本发明其中一个实际应用场景中，由于不同的场景中，需要的图像亮度不一致。
例如，对于黄昏、阴雨天、夜景等场景下，图像需要的亮度可能较低，但对于晴天、办公环境等场景下，图像需要的亮度可能较高。
因此，为了提高对所述待调整图像进行亮度调节的精确度，可识别出所述待调整图像的图像场景，进而根据所述图像场景对所述待调整图像进行针对性的亮度调节。
本发明实施例中，可利用预先构建的场景分类模型对所述待调整图像进行场景识别，所述场景分类模型包括但不限于Vgg-net模型、LBP(Local binary pattern，局部二值化)模型、HOG(Histogram of Oriented Gridients，方向梯度直方图)模型。
本发明其中一个实施例中，所述识别出所述待调整图像的图像场景，包括：
利用预先构建的场景分类模型对所述待调整图像进行卷积和池化处理，得到所述待调整图像的图像特征；
计算所述图像特征与预设的多个场景之间的距离值，确定所述距离值小于预设距离阈值的场景为所述待调整图像的图像场景。
详细地，通过所述场景分类模型对所述待调整图像进行卷积和池化等操作，可提取所述待调整图像中得到图像纹理、背景颜色等图像特征，进而根据提取的图像特征确定所述待调整图像的图像场景。
具体地，可利用预设的距离函数计算所述图像特征与预设的多个场景之间的距离值，进而根据所述距离值确定所述待调整图像的图像场景。
本发明实施例中，所述计算所述图像特征与预设的多个场景之间的距离值，包括：
利用如下距离值算法计算所述图像特征与预设的多个场景之间的距离值：
其中，D为所述距离值，a为所述图像特征的向量化表示，bj为所述预设的多个场景中第j个场景的向量化表示。
本发明其他实施例中，还可利用欧氏距离算法、余弦距离算法等具有距离值计算功能的算法计算所述图像特征与预设的多个场景之间的距离值。
例如，预设的多个图像场景包括场景A、场景B和场景C，经过计算可知，场景A与所述图像特征之间的距离值为80，场景B与所述图像特征之间的距离值为50，场景C与所述图像特征之间的距离值为10，当预设距离阈值为30时，则确定场景C为所述待调整图像的图像场景。
进一步地，为了更加精确的对所述待调整图像的亮度进行调节，在识别出所述待调整图像的图像场景后，可根据所述图像场景从预先构建的图像库中查询得到与所述待调整图像具有相同图像场景的图像为参考图像。
本发明实施例中，所述根据所述图像场景从预先构建的图像库中查询得到与所述待调整图像具有相同图像场景的图像为参考图像，包括：
根据预先构建的图像库中每一张图像的预设标签构建标签索引；
获取与所述图像库的运行环境相对应的编译器，利用所述编译器将所述图像场景编译为索引语句；
利用所述索引语句在所述标签索引中进行检索，并将检索到的图像汇集为所述待调整图像的参考图像。
详细地，可利用SQL库中的CREATE INDEX函数构建所述图像库中每一张图像的预设标签的标签索引。
示例性地，所述CREATE INDEX函数如下：
CREATE INDEX index-name
ON table-name(column-name)
其中，index-name为构建的索引的名称，table-name为所述图像库中图像的存储表名，column-name为所述图像库中图像的数据列名。
具体地，可获取与所述图像库的运行环境相对应的编译器，并利用所述编译器将所述图像场景编译为索引语句。
所述运行环境是指所述图像库源代码的运行环境，例如，所述图像库的源代码运行于SQL环境，则该图像库的运行环境为SQL环境。利用与所述图像库的运行环境相对应的编译器将所述图像场景编译为索引语句，有利于提高该索引语句的可用性。
本发明实施例中，可利用所述索引语句在所述标签索引中进行检索，进而将检索到的图像汇集为所述待调整图像的参考图像。
S3、对所述参考图像进行灰度转换，计算灰度转换后的所述参考图像的亮度均值，并根据所述亮度均值与所述待调整图像中每个像素点的灰度值计算所述待调整图像与所述参考图像的亮度偏差。
本发明实施例中，如待调整图像的性质相同，所述参考图像中可能包含多种色彩，像素范围较广，若直接对所述参考图像进行分析，会占用大量计算资源，降低亮度调整的效率，因此，为了提高对所述参考图像进行亮度调节的效率，需对所述参考图像进行灰度转换，以减少所述参考图像中像素值的范围。
详细地，所述对所述参考图像进行灰度转换的步骤，与S1中对所述待调整图像进行灰度转换的步骤一致，在此不做赘述。
本发明实施例中，所述计算灰度转换后的所述参考图像的亮度均值，包括：
利用如下均值算法计算灰度转换后的所述参考图像的亮度均值：
其中，AvgBM为所述亮度均值，M为所述参考图像的数量，C为所述参考图像中第k个图像包含的像素点数量，K为所述第k个图像中第K个像素点的像素值。
进一步地，本发明实施例根据所述图像亮度与所述亮度均值计算所述待调整图像与所述参考图像的亮度偏差，所述亮度偏差是指所述待调整图像的亮度与所述参考图像中所有图像的亮度之间的平均偏差。
详细地，所述根据所述图像亮度与所述亮度均值计算所述待调整图像与所述参考图像的亮度偏差，包括：
利用如下偏差算法计算所述待调整图像与所述参考图像的亮度偏差：
其中，MA为所述亮度偏差，T为预设常数，通常为255，BMt为像素值t，AvgBM为所述参考图像的亮度均值，Hist[t]为所述待调整图像中灰度值第t的像素点的数量，N为所述待调整图像中像素点的数量。
S4、根据所述亮度偏差和所述亮度均值计算所述待调整图像的亮度系数。
本发明实施例中，可根据所述亮度偏差和所述亮度均值计算所述待调整图像的亮度系数，所述亮度系数可用于判断所述待调整图像当前亮度水平处于过亮状态，活着处于过暗状态。
本发明实施例中，所述根据所述亮度偏差和所述亮度均值计算所述待调整图像的亮度系数，包括：
利用如下亮度系数算法计算所述待调整图像的亮度系数：
其中，f为所述亮度系数，AvgBM为所述亮度均值，MA为所述亮度偏差。
S5、判断所述亮度系数是否大于预设阈值。
本发明实施例中，可通过将所述亮度系数与预设阈值进行大小比对，判断所述亮度系数是否大于预设阈值，进而在所述亮度系数大于预设阈值，或者所述亮度系数小于或等于所述预设阈值时，针对性地对图像进行亮度调节，以提高对图像进行亮度调节的精确度。
当所述亮度系数大于预设阈值时，则执行S6、根据所述亮度均值对所述待调整图像进行亮度降低。
本发明实施例中，当所述亮度系数大于预设阈值时，则说明所述待调整图像处于过亮的状态，图像中包含大量的高光像素，导致高光像素部分的图像细节丧失，但若直接将所述待调整图像的亮度进行降低，可能会导致图像中原本明亮的地方处于过暗的状态，进而导致图像中原本清晰的部分细节的丧失。
因此，本发明实施例中，可根据所述亮度均值对所述待调整图像进行亮度降低，有利于避免将图像调整至过暗的水平，保留更多的图像细节。
本发明实施例中，参图3所示，所述根据所述亮度均值对所述待调整图像进行亮度降低，包括：
S31、从所述灰度转换后的待调整图像中逐个选取其中一个像素为目标像素；
S32、判断所述灰度值是否大于所述亮度均值；
当所述灰度值小于或等于所述亮度均值时，则返回S31、从所述灰度转换后的待调整图像中逐个选取其中一个像素为目标像素的步骤；
当所述灰度值大于所述亮度均值时，则执行S33、计算所述目标像素的灰度值与所述亮度均值的差值，并按照所述差值将所述灰度值进行降低。
例如，亮度均值为150，当选取的所述目标像素的灰度值为100时，可知，所述灰度值(100)小于所述亮度均值(150)，则保持该目标像素的灰度值不变，并返回从所述灰度转换后的待调整图像中逐个选取其中一个像素为目标像素，重新从其余的像素点中选取目标像素；
或者，当选取的所述目标像素的灰度值为200时，可知，所述灰度值(200)大于所述亮度均值(150)，则计算得到所述目标像素的灰度值(200)与所述亮度均值(150)的差值为50，并按照所述差值将所述目标像素的灰度值调整为200-50＝150。
本发明实施例中，由于亮度调整后的图像仍为灰度图像(即灰度转换后的图像)，因此，还需将灰度图像转换为原先的彩色图像。
本发明实施例中，所述根据所述亮度均值对所述待调整图像进行亮度降低后，所述方法还包括：
计算所述归一化系数的倒数；
根据所述倒数对亮度降低后的所述待调整图像中每一个像素进行还原运算，得到每一个像素的还原像素值。
本发明实施例中，所述还原运算为S1中根据预设的归一化系数将所述颜色三分量转换至预设的灰度数值范围的逆运算。
例如，所述归一化系数为
则所述归一化系数的倒数为255，亮度降低后的所述待调整图像中存在像素点的像素值为10，则该像素点还原后的像素值为2550。
当亮度降低后的所述待调整图像中每一个像素均完成所述还原运算，可实现将待调整图像转换得到的灰度图像转换为原先的彩色图像。
当所述亮度系数小于或等于所述预设阈值时，则执行S7、根据所述亮度偏差对所述待调整图像进行亮度提高。
本发明实施例中，当所述亮度系数小于或等于所述预设阈值时，则说明所述待调整图像处于过暗的状态，图像中包含大量的阴影像素，导致阴影像素部分噪点较多，细节模糊，但若直接将所述待调整图像的亮度进行提高，能会导致图像中原本明亮的地方变成过曝的状态，进而导致图像中原本清晰的部分细节的丧失。
因此，本发明实施例中，可根据所述亮度偏差对所述待调整图像进行亮度提高，有利于避免将图像调整至过曝的水平，保留更多的图像细节。
详细地，所述根据所述亮度偏差对所述待调整图像进行亮度提高的步骤，与S6中根据所述亮度均值对所述待调整图像进行亮度降低的步骤一致，在此不做赘述。
进一步地，如S6中所述，由于亮度调整后的图像仍为灰度图像(即灰度转换后的图像)，因此，可参S6中步骤需将灰度图像转换为原先的彩色图像。
本发明实施例通过识别出待调整图像的场景，根据场景选取参考图像，并根据参考图像确定待调整图像当前处于过亮或过暗的状态，进而根据不同的状态针对性的对待调整图像进行亮度的降低或提高，有利于提高对待调整图像进行亮度调节的精确度。因此本发明提出的图像亮度调整方法，可以解决进行图像亮度调节的精确度较低的问题。
如图4所示，是本发明一实施例提供的图像亮度调整装置的功能模块图。
本发明所述图像亮度调整装置100可以安装于电子设备中。根据实现的功能，所述图像亮度调整装置100可以包括灰度转换模块101、场景识别模块102、偏差计算模块103及亮度调整模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述灰度转换模块101，用于获取待调整图像，对所述待调整图像进行灰度转换，并统计所述灰度转换后的待调整图像中每个像素点的灰度值；
所述场景识别模块102，用于识别出所述待调整图像的图像场景，根据所述图像场景从预先构建的图像库中查询得到与所述待调整图像具有相同图像场景的图像为参考图像；
所述偏差计算模块103，用于对所述参考图像进行灰度转换，计算灰度转换后的所述参考图像的亮度均值，并根据所述亮度均值与所述待调整图像中每个像素点的灰度值计算所述待调整图像与所述参考图像的亮度偏差；
所述亮度调整模块104，用于根据所述亮度偏差和所述亮度均值计算所述待调整图像的亮度系数，当所述亮度系数大于预设阈值时，根据所述亮度均值对所述待调整图像进行亮度降低，当所述亮度系数小于或等于所述预设阈值时，根据所述亮度偏差对所述待调整图像进行亮度提高。
详细地，本发明实施例中所述图像亮度调整装置100中所述的各模块在使用时采用与上述图1至图3中所述的图像亮度调整方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现图像亮度调整方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如图像亮度调整程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行图像亮度调整程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如图像亮度调整程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12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。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的图像亮度调整程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取待调整图像，对所述待调整图像进行灰度转换，并统计所述灰度转换后的待调整图像中每个像素点的灰度值；
识别出所述待调整图像的图像场景，根据所述图像场景从预先构建的图像库中查询得到与所述待调整图像具有相同图像场景的图像为参考图像；
对所述参考图像进行灰度转换，计算灰度转换后的所述参考图像的亮度均值，并根据所述亮度均值与所述待调整图像中每个像素点的灰度值计算所述待调整图像与所述参考图像的亮度偏差；
根据所述亮度偏差和所述亮度均值计算所述待调整图像的亮度系数；
当所述亮度系数大于预设阈值时，根据所述亮度均值对所述待调整图像进行亮度降低；
当所述亮度系数小于或等于所述预设阈值时，根据所述亮度偏差对所述待调整图像进行亮度提高。
具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元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存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取待调整图像，对所述待调整图像进行灰度转换，并统计所述灰度转换后的待调整图像中每个像素点的灰度值；
识别出所述待调整图像的图像场景，根据所述图像场景从预先构建的图像库中查询得到与所述待调整图像具有相同图像场景的图像为参考图像；
对所述参考图像进行灰度转换，计算灰度转换后的所述参考图像的亮度均值，并根据所述亮度均值与所述待调整图像中每个像素点的灰度值计算所述待调整图像与所述参考图像的亮度偏差；
根据所述亮度偏差和所述亮度均值计算所述待调整图像的亮度系数；
当所述亮度系数大于预设阈值时，根据所述亮度均值对所述待调整图像进行亮度降低；
当所述亮度系数小于或等于所述预设阈值时，根据所述亮度偏差对所述待调整图像进行亮度提高。
在本发明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，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块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。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (9)
1.一种图像亮度调整方法，其特征在于，所述方法包括：
获取待调整图像，对所述待调整图像进行灰度转换，并统计所述灰度转换后的待调整图像中每个像素点的灰度值；
识别出所述待调整图像的图像场景，根据所述图像场景从预先构建的图像库中查询得到与所述待调整图像具有相同图像场景的图像为参考图像；
对所述参考图像进行灰度转换，计算灰度转换后的所述参考图像的亮度均值，并根据所述亮度均值与所述待调整图像中每个像素点的灰度值计算所述待调整图像与所述参考图像的亮度偏差；
根据所述亮度偏差和所述亮度均值计算所述待调整图像的亮度系数；
当所述亮度系数大于预设阈值时，根据所述亮度均值对所述待调整图像进行亮度降低；
当所述亮度系数小于或等于所述预设阈值时，根据所述亮度偏差对所述待调整图像进行亮度提高；
其中，所述根据所述亮度均值对所述待调整图像进行亮度降低，包括：从所述灰度转换后的待调整图像中逐个选取其中一个像素为目标像素；当所述灰度值小于或等于所述亮度均值时，返回从所述灰度转换后的待调整图像中逐个选取其中一个像素为目标像素的步骤；当所述灰度值大于所述亮度均值时，计算所述目标像素的灰度值与所述亮度均值的差值，并按照所述差值将所述灰度值进行降低。
2.如权利要求1所述的图像亮度调整方法，其特征在于，所述识别出所述待调整图像的图像场景，包括：
利用预先构建的场景分类模型对所述待调整图像进行卷积和池化处理，得到所述待调整图像的图像特征；
计算所述图像特征与预设的多个场景之间的距离值，确定所述距离值小于预设距离阈值的场景为所述待调整图像的图像场景。
3.如权利要求1所述的图像亮度调整方法，其特征在于，所述根据所述图像场景从预先构建的图像库中查询得到与所述待调整图像具有相同图像场景的图像为参考图像，包括：
根据预先构建的图像库中每一张图像的预设标签构建标签索引；
获取与所述图像库的运行环境相对应的编译器，利用所述编译器将所述图像场景编译为索引语句；
利用所述索引语句在所述标签索引中进行检索，并将检索到的图像汇集为所述待调整图像的参考图像。
4.如权利要求1所述的图像亮度调整方法，其特征在于，所述根据所述图像亮度与所述亮度均值计算所述待调整图像与所述参考图像的亮度偏差，包括：
利用如下偏差算法计算所述待调整图像与所述参考图像的亮度偏差：
其中，MA为所述亮度偏差，T为预设常数，BMt为像素值t，AvgBM为所述参考图像的亮度均值，Hist[t]为所述待调整图像中灰度值第t的像素点的数量，N为所述待调整图像中像素点的数量。
5.如权利要求1所述的图像亮度调整方法，其特征在于，所述对所述待调整图像进行灰度转换，包括：
获取所述待调整图像的色彩空间参数；
根据所述色彩空间参数遍历并获取所述待调整图像中各像素点的颜色三分量；
根据预设的归一化系数将所述颜色三分量转换至预设的灰度数值范围。
6.如权利要求5所述的图像亮度调整方法，其特征在于，所述根据所述亮度均值对所述待调整图像进行亮度降低后，所述方法还包括：
计算所述归一化系数的倒数；
根据所述倒数对亮度降低后的所述待调整图像中每一个像素进行还原运算，得到每一个像素的还原像素值。
7.一种图像亮度调整装置，其特征在于，所述装置包括：
灰度转换模块，用于获取待调整图像，对所述待调整图像进行灰度转换，并统计所述灰度转换后的待调整图像中每个像素点的灰度值；
场景识别模块，用于识别出所述待调整图像的图像场景，根据所述图像场景从预先构建的图像库中查询得到与所述待调整图像具有相同图像场景的图像为参考图像；
偏差计算模块，用于对所述参考图像进行灰度转换，计算灰度转换后的所述参考图像的亮度均值，并根据所述亮度均值与所述待调整图像中每个像素点的灰度值计算所述待调整图像与所述参考图像的亮度偏差；
亮度调整模块，用于根据所述亮度偏差和所述亮度均值计算所述待调整图像的亮度系数，当所述亮度系数大于预设阈值时，根据所述亮度均值对所述待调整图像进行亮度降低，当所述亮度系数小于或等于所述预设阈值时，根据所述亮度偏差对所述待调整图像进行亮度提高；
其中，所述根据所述亮度均值对所述待调整图像进行亮度降低，包括：从所述灰度转换后的待调整图像中逐个选取其中一个像素为目标像素；当所述灰度值小于或等于所述亮度均值时，返回从所述灰度转换后的待调整图像中逐个选取其中一个像素为目标像素的步骤；当所述灰度值大于所述亮度均值时，计算所述目标像素的灰度值与所述亮度均值的差值，并按照所述差值将所述灰度值进行降低。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至6中任意一项所述的图像亮度调整方法。
9.一种计算机可读存储介质，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如权利要求1至6中任意一项所述的图像亮度调整方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110915436.3A CN113610934B (zh) | 2021-08-10 | 2021-08-10 | 图像亮度调整方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110915436.3A CN113610934B (zh) | 2021-08-10 | 2021-08-10 | 图像亮度调整方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113610934A CN113610934A (zh) | 2021-11-05 |
| CN113610934B true CN113610934B (zh) | 2023-06-27 |
Family
ID=78340176
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110915436.3A Active CN113610934B (zh) | 2021-08-10 | 2021-08-10 | 图像亮度调整方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113610934B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114862741A (zh) * | 2021-01-18 | 2022-08-05 | 深圳光峰科技股份有限公司 | 图像画质的调试方法、装置、系统及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200828977A (en) * | 2006-12-28 | 2008-07-01 | Altek Corp | Brightness adjusting method |
| CN108846351A (zh) * | 2018-06-08 | 2018-11-20 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
| CN109685746A (zh) * | 2019-01-04 | 2019-04-26 | Oppo广东移动通信有限公司 | 图像亮度调整方法、装置、存储介质及终端 |
| CN109859142A (zh) * | 2019-02-19 | 2019-06-07 | 广州视源电子科技股份有限公司 | 图像亮度的调节方法、装置、计算机设备和存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104715445B (zh) * | 2013-12-13 | 2018-04-06 | 腾讯科技（深圳）有限公司 | 图像处理方法和系统 |
-
2021
- 2021-08-10 CN CN202110915436.3A patent/CN113610934B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200828977A (en) * | 2006-12-28 | 2008-07-01 | Altek Corp | Brightness adjusting method |
| CN108846351A (zh) * | 2018-06-08 | 2018-11-20 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
| CN109685746A (zh) * | 2019-01-04 | 2019-04-26 | Oppo广东移动通信有限公司 | 图像亮度调整方法、装置、存储介质及终端 |
| CN109859142A (zh) * | 2019-02-19 | 2019-06-07 | 广州视源电子科技股份有限公司 | 图像亮度的调节方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113610934A (zh) | 2021-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113283446B (zh) | 图像中目标物识别方法、装置、电子设备及存储介质 | |
| CN112446839B (zh) | 图像增强方法、装置、电子设备及计算机可读存储介质 | |
| WO2020253508A1 (zh) | 异常细胞检测方法、装置及计算机可读存储介质 | |
| CN113705462B (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
| CN114758249B (zh) | 基于野外夜间环境的目标物监测方法、装置、设备及介质 | |
| CN112308802A (zh) | 一种基于大数据的图像分析方法及系统 | |
| CN111639704A (zh) | 目标识别方法、装置及计算机可读存储介质 | |
| CN114494800B (zh) | 预测模型训练方法、装置、电子设备及存储介质 | |
| CN113610934B (zh) | 图像亮度调整方法、装置、设备及存储介质 | |
| CN112862703B (zh) | 基于移动拍照的图像校正方法、装置、电子设备及介质 | |
| CN117152182A (zh) | 一种超低照度网络相机图像处理方法、装置及电子设备 | |
| CN113705686B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
| CN113792672B (zh) | 公共场所健康码获取方法、装置、设备及介质 | |
| CN110399812A (zh) | 人脸特征智能提取方法、装置及计算机可读存储介质 | |
| CN113792801B (zh) | 人脸炫光程度的检测方法、装置、设备及存储介质 | |
| CN115908175A (zh) | 低照度图像多级增强方法、装置、电子设备以及存储介质 | |
| CN112233194B (zh) | 医学图片优化方法、装置、设备及计算机可读存储介质 | |
| CN114049676A (zh) | 疲劳状态检测方法、装置、设备及存储介质 | |
| CN112580505A (zh) | 网点开关门状态识别方法、装置、电子设备及存储介质 | |
| CN115937145B (zh) | 基于大数据分析的肌肤健康可视化方法、装置及设备 | |
| CN116431711B (zh) | 基于数据特征实现的数据智能采集方法及系统 | |
| CN114359645B (zh) | 基于特征区域的图像拓展方法、装置、设备及存储介质 | |
| CN114612437B (zh) | 一种基于amoled的显示画质提升方法 | |
| CN111652226B (zh) | 基于图片的目标识别方法、装置及可读存储介质 | |
| CN117405570B (zh) | 一种油液颗粒度计数器自动检测方法与系统 |
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 |