CN113674173A - 图像处理方法与装置、终端及可读存储介质 - Google Patents

图像处理方法与装置、终端及可读存储介质 Download PDF

Info

Publication number
CN113674173A
CN113674173A CN202110952751.3A CN202110952751A CN113674173A CN 113674173 A CN113674173 A CN 113674173A CN 202110952751 A CN202110952751 A CN 202110952751A CN 113674173 A CN113674173 A CN 113674173A
Authority
CN
China
Prior art keywords
layer
sub
gaussian pyramid
gaussian
pyramid
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.)
Withdrawn
Application number
CN202110952751.3A
Other languages
English (en)
Inventor
林泉佑
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.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp 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 Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN202110952751.3A priority Critical patent/CN113674173A/zh
Publication of CN113674173A publication Critical patent/CN113674173A/zh
Withdrawn legal-status Critical Current

Links

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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本申请提供一种图像处理方法、装置、终端及可读存储介质。图像处理方法包括：对原始图像进行分解，以获取一层拉普拉斯金字塔和一层第一高斯金字塔，拉普拉斯金字塔对应原始图像的高频部分，第一高斯金字塔对应原始图像的低频部分。将第一高斯金字塔拆分为多层第一子高斯金字塔。对每层第一子高斯金字塔进行对比度调控以获取第二高斯金字塔。利用拉普拉斯金字塔及第二高斯金字塔进行重构以获取目标图像。本申请的图像处理方法中，将原始图像分解为高频的拉普拉斯金字塔和低频的第一高斯金字塔，并将第一高斯金字塔拆分为多层第一子高斯金字塔，从而对每层第一子高斯金字塔进行对比度调控，以从不同层面进行细节增强，实现对细节部分针对性增强。

Description

图像处理方法与装置、终端及可读存储介质
技术领域
本申请涉及电子技术领域，更具体而言，涉及一种图像处理方法、图像处理装置、终端及非易失性计算机可读存储介质。
背景技术
图像的对比度增强算法在本质上是通过采用局部处理的效果突出目标像素和周围像素的差别，从而达到增强视觉感受的目的。图像对比度增强在很多应用领域都有非常重要的作用。在局部对比度增强算法方面，当前比较常用的方法有自适应直方图均衡化、自适应对比度增强、及基于多层金字塔的局部对比度增强等方法。自适应直方图均衡化的方法是通过统计图像局部直方图，然后改变亮度的分布而提升局部对比度，而对于细节和噪声没有区分，因此在提升细节的同时也会造成噪声的过度放大。自适应对比度增强的方法通过掩膜来区分高低频，同样也难以区分噪声和细节，会造成噪声的过度放大。基于多层金字塔的局部对比度增强方法可以对不同层的细节进行增强，提高图像的信噪比，但难以自适应地调控每一处细节增强的幅度。
发明内容
本申请实施方式提供一种图像处理方法、图像处理装置、终端及非易失性计算机可读存储介质。
本申请实施方式的图像处理方法包括：对原始图像进行分解，以获取一层拉普拉斯金字塔和一层第一高斯金字塔，所述拉普拉斯金字塔对应所述原始图像的高频部分，所述第一高斯金字塔对应所述原始图像的低频部分。将所述第一高斯金字塔拆分为多层第一子高斯金字塔。对每层所述第一子高斯金字塔进行对比度调控以获取第二高斯金字塔。利用所述拉普拉斯金字塔及所述第二高斯金字塔进行重构以获取目标图像。
本申请实施方式的图像处理装置包括分解模块、调节模块及重构模块。所述分解模块用于：对原始图像进行分解，以获取一层拉普拉斯金字塔和一层第一高斯金字塔，所述拉普拉斯金字塔对应所述原始图像的高频部分，所述第一高斯金字塔对应所述原始图像的低频部分；及将所述第一高斯金字塔拆分为多层第一子高斯金字塔。所述调节模块用于：对每层所述第一子高斯金字塔进行对比度调控以获取第二高斯金字塔。所述重构模块用于：利用所述拉普拉斯金字塔及所述第二高斯金字塔进行重构以获取目标图像。
本申请实施方式的终端包括一个或多个处理器、存储器及一个或多个程序。其中，一个或多个所述程序被存储在所述存储器中，并且被一个或多个所述处理器执行，所述程序包括用于执行本申请实施方式所述的图像处理方法的指令。所述图像处理方法包括：对原始图像进行分解，以获取一层拉普拉斯金字塔和一层第一高斯金字塔，所述拉普拉斯金字塔对应所述原始图像的高频部分，所述第一高斯金字塔对应所述原始图像的低频部分。将所述第一高斯金字塔拆分为多层第一子高斯金字塔。对每层所述第一子高斯金字塔进行对比度调控以获取第二高斯金字塔。利用所述拉普拉斯金字塔及所述第二高斯金字塔进行重构以获取目标图像。
本申请实施方式的非易失性计算机可读存储介质包含有计算机程序，当所述计算机程序被一个或多个处理器执行时，使得所述处理器执行如下图像处理方法：对原始图像进行分解，以获取一层拉普拉斯金字塔和一层第一高斯金字塔，所述拉普拉斯金字塔对应所述原始图像的高频部分，所述第一高斯金字塔对应所述原始图像的低频部分。将所述第一高斯金字塔拆分为多层第一子高斯金字塔。对每层所述第一子高斯金字塔进行对比度调控以获取第二高斯金字塔。利用所述拉普拉斯金字塔及所述第二高斯金字塔进行重构以获取目标图像。
本申请的图像处理方法、图像处理装置、终端及非易失性计算机可读存储介质中，将原始图像分解为高频的拉普拉斯金字塔和低频的第一高斯金字塔，并将第一高斯金字塔拆分为多层第一子高斯金字塔，从而对每层第一子高斯金字塔进行对比度调控，将原始图像的细节和噪声进行区分，以从不同层面对细节部分进行细节增强而不会造成噪声的过度放大，实现对图像的细节部分进行针对性地增强，从而得到细节增强的第二高斯金字塔，第二高斯金字塔再与高频的拉普拉斯金字塔进行重构，整合出最佳的目标图像，且有效提高目标图像的对比度。
本申请的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实施方式的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1是本申请某些实施方式的图像处理方法的流程示意图；
图2是本申请某些实施方式的图像处理装置的结构示意图；
图3是本申请某些实施方式的终端的结构示意图；
图4是本申请某些实施方式的图像处理方法的场景示意图；
图5是本申请某些实施方式的图像处理方法的流程示意图；
图6是本申请某些实施方式的图像处理方法中的第一高斯金字塔拆分为多层第一子高斯金字塔的场景示意图；
图7至图9是本申请某些实施方式的图像处理方法的流程示意图；
图10是本申请某些实施方式的图像处理方法中对每层第一子高斯金字塔进行对比度调控获取第二高斯金字塔的场景示意图；
图11是本申请某些实施方式的图像处理方法的流程示意图；
图12是本申请某些实施方式的非易失性计算机可读存储介质与处理器的连接示意图。
具体实施方式
下面详细描述本申请的实施方式，所述实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请的实施方式，而不能理解为对本申请的实施方式的限制。
请参阅图1至图4，本申请实施方式提供一种图像处理方法，该图像处理方法包括：
01：对原始图像P0进行分解，以获取一层拉普拉斯金字塔L0和一层第一高斯金字塔G0，拉普拉斯金字塔L0对应原始图像P0的高频部分，第一高斯金字塔G0对应原始图像P0的低频部分；
03：将第一高斯金字塔G0拆分为多层第一子高斯金字塔G01；
05：对每层第一子高斯金字塔G01进行对比度调控以获取第二高斯金字塔G1；及
07：利用拉普拉斯金字塔L0及第二高斯金字塔G1进行重构以获取目标图像P1。
请结合图2，本申请实施方式还提供一种图像处理装置10，图像处理装置10包括分解模块11、调节模块13及重构模块15。本申请实施方式的图像处理方法可应用于图像处理装置10中。其中，分解模块11用于执行01及03中的方法。调节模块13用于执行05中的方法。重构模块15用于执行07中的方法。即，分解模块11用于：对原始图像P0进行分解，以获取一层拉普拉斯金字塔L0和一层第一高斯金字塔G0，拉普拉斯金字塔L0对应原始图像P0的高频部分，第一高斯金字塔G0对应原始图像P0的低频部分；及将第一高斯金字塔G0拆分为多层第一子高斯金字塔G01。调节模块13用于：对每层第一子高斯金字塔G01进行对比度调控以获取第二高斯金字塔G1。重构模块15用于：利用拉普拉斯金字塔L0及第二高斯金字塔G1进行重构以获取目标图像P1。
请结合图3，本申请实施方式还提供一种终端100，终端100包括一个或多个处理器30、存储器50、和一个或多个程序。其中，一个或多个程序被存储在存储器50中，并且被一个或多个处理器30执行，程序包括用于执行本申请实施方式的图像处理方法的指令。即，一个或多个处理器30执行程序时，处理器30可以实现01、03、05及07中的方法。即，一个或多个处理器30用于：对原始图像P0进行分解，以获取一层拉普拉斯金字塔L0和一层第一高斯金字塔G0，拉普拉斯金字塔L0对应原始图像P0的高频部分，第一高斯金字塔G0对应原始图像P0的低频部分；将第一高斯金字塔G0拆分为多层第一子高斯金字塔G01；对每层第一子高斯金字塔G01进行对比度调控以获取第二高斯金字塔G1；利用拉普拉斯金字塔L0及第二高斯金字塔G1进行重构以获取目标图像P1。
具体地，请参阅图3，终端100可以包括但不限于手机、笔记本电脑、智能电视机、平板电脑、智能手表、或电脑等终端设备。图像处理装置10可以是集成在终端100中的功能模块的集成。本申请仅以终端100是手机为例进行说明，终端100是其他类型的设备时的情形与手机类似，不详细展开说明。
图像的对比度增强算法在本质上是通过采用局部处理的效果突出目标像素和周围像素的差别，从而达到增强视觉感受的目的。图像对比度增强在很多应用领域都有非常重要的作用。在局部对比度增强算法方面，当前比较常用的方法有自适应直方图均衡化、自适应对比度增强、及基于多层金字塔的局部对比度增强等方法。自适应直方图均衡化的方法是通过统计图像局部直方图，然后改变亮度的分布而提升局部对比度，而对于细节和噪声没有区分，因此在提升细节的同时也会造成噪声的过度放大。自适应对比度增强的方法通过掩膜来区分高低频，同样也难以区分噪声和细节，会造成噪声的过度放大。基于多层金字塔的局部对比度增强方法可以对不同层的细节进行增强，提高图像的信噪比，但难以自适应地调控每一处细节增强的幅度。
本申请的图像处理方法中，将原始图像P0分解为高频的拉普拉斯金字塔L0和低频的第一高斯金字塔G0，并将第一高斯金字塔G0拆分为多层第一子高斯金字塔G01，从而对每层第一子高斯金字塔G01进行对比度调控，将原始图像的细节和噪声进行区分，以从不同层面对细节部分进行细节增强而不会造成噪声的过度放大，实现对图像的细节部分进行针对性地增强，从而得到细节增强的第二高斯金字塔G1，第二高斯金字塔G1再与高频的拉普拉斯金字塔L0进行重构，整合出最佳的目标图像P1，且有效提高目标图像P1的对比度。
方法01中，将原始图像P0分解为一层拉普拉斯金字塔L0和一层第一高斯金字塔G0，具体可通过傅里叶变换来提取原始图像P0中的高频部分(拉普拉斯金字塔L0)和低频部分(第一高斯金字塔G0)。其中，拉普拉斯金字塔L0对应原始图像P0的高频部分，即，原始图像P0的细节部分；第一高斯金字塔G0对应原始图像P0的低频部分或者中低频部分。
方法03和05中，为了保护原始图像P0的细节区不受影响，仅针对原始图像P0的低频部分或中低频部分(第一高斯金字塔G0)进行拆分金字塔处理，如，将第一高斯金字塔G0作为第一层第一子高斯金字塔G01，对第一层第一子高斯金字塔G01进行高斯内核卷积处理，得到第二层第一子高斯金字塔G01，再对第二层第一子高斯金字塔G01进行高斯内核卷积处理，得到第三层第一子高斯金字塔G01，依此类推，得到多层第一子高斯金字塔G01。然后对每层第一子高斯金字塔G01进行对比度调控，从而针对低频或中低频部分进行细节增强。当每层第一子高斯金字塔G01进行细节增强完成后，即获取到第二高斯金字塔G1，此时，第二高斯金字塔G1相对于第一高斯金字塔G0而言，第二高斯金字塔G1中的细节值到达最佳，且对比度相对提高。
方法07中，将细节增强后得到的第二高斯金字塔G1与拉普拉斯金字塔L0进行重构是指：将第二高斯金字塔G1与拉普拉斯金字塔L0进行图像融合处理，以获取与原始图像P0对应的目标图像P1，目标图像P1中的对比度及细节分别相较于原始图像P0的对比度及细节更佳，且目标图像P1中的噪声不会被过度放大。
请参阅图4及图5，在某些实施方式中，03：将第一高斯金字塔G0拆分为多层第一子高斯金字塔G01，可包括：
031：将第一高斯金字塔G0进行下采样拆解为多层第一子高斯金字塔G01，不同层的第一子高斯金字塔G01的分辨率均不相同。
请结合图2，分解模块11还用于执行031中的方法。即，分解模块11还用于：将第一高斯金字塔G0进行下采样拆解为多层第一子高斯金字塔G01，不同层的第一子高斯金字塔G01的分辨率均不相同。
请结合图3，处理器30还用于执行031中的方法。即，处理器30还用于：将第一高斯金字塔G0进行下采样拆解为多层第一子高斯金字塔G01，不同层的第一子高斯金字塔G01的分辨率均不相同。
请参阅图6，具体地，分解模块11或处理器30对第一高斯金字塔G0进行下采样时，首先将第一高斯金字塔G0作为第1层第一子高斯金字塔G01，即，第一高斯金字塔G0的分辨率等于第1层第一子高斯金字塔G01的分辨率，然后对第1层第一子高斯金字塔G01进行高斯滤波处理，以将整幅第1层第一子高斯金字塔G01所有像素进行加权平均，使得邻近的像素具有更高的重要度。对第1层第一子高斯金字塔G01进行下采样获取第2层第一子高斯金字塔G01，具体地：删除第1层第一子高斯金字塔G01所有的偶数行和偶数列来获取，由此，第2层第一子高斯金字塔G01的分辨率为第1层第一子高斯金字塔G01的分辨率的1/2×1/2倍。同样地，对第2层第一子高斯金字塔G01进行高斯滤波处理，以将整幅第2层第一子高斯金字塔G01所有像素进行加权平均，使得邻近的像素具有更高的重要度。对第2层第一子高斯金字塔G01进行下采样获取第3层第一子高斯金字塔G01，具体地：删除第2层第一子高斯金字塔G01所有的偶数行和偶数列来获取，由此，第3层第一子高斯金字塔G01的分辨率为第2层第一子高斯金字塔G01的分辨率的1/2×1/2倍。依此类推，直至获取最后一层第一子高斯金字塔G01为止。
请参阅图4及图7，在某些实施方式中，031：将第一高斯金字塔G0进行下采样拆解为多层第一子高斯金字塔G01，可包括：
0311：将第一高斯金字塔G0进行下采样拆解为K层第一子高斯金字塔G01，直至将第一高斯金字塔G0拆解为预设分辨率的第K层第一子高斯金字塔G01；
0313：第i层第一子高斯金字塔G01的分辨率为第i+1层第一子高斯金字塔G01的分辨率的2×2倍，第1层第一子高斯金字塔G01的分辨率与第一高斯金字塔G0的分辨率相同，1≤i≤K，K为正整数。
请结合图2，分解模块11还用于执行0311及0313中的方法。即，分解模块11还用于：将第一高斯金字塔G0进行下采样拆解为K层第一子高斯金字塔G01，直至将第一高斯金字塔G0拆解为预设分辨率的第K层第一子高斯金字塔G01。第i层第一子高斯金字塔G01的分辨率为第i+1层第一子高斯金字塔G01的分辨率的2×2倍，第1层第一子高斯金字塔G01的分辨率与第一高斯金字塔G0的分辨率相同，1≤i≤K，K为正整数。
请结合图3，处理器30还用于执行0311及0313中的方法。即，处理器30还用于：将第一高斯金字塔G0进行下采样拆解为K层第一子高斯金字塔G01，直至将第一高斯金字塔G0拆解为预设分辨率的第K层第一子高斯金字塔G01。第i层第一子高斯金字塔G01的分辨率为第i+1层第一子高斯金字塔G01的分辨率的2×2倍，第1层第一子高斯金字塔G01的分辨率与第一高斯金字塔G0的分辨率相同，1≤i≤K，K为正整数。
第一子高斯金字塔G01的层数与第一高斯金字塔G0的分辨率大小、和最小层(最后一层)的预设分辨率大小相关联。
请结合图6，在一个例子中，假设层数K取值4、最小层的预设分辨率为1*1，则第1层第一子高斯金字塔G01即为第一高斯金字塔G0，如，第1层第一子高斯金字塔G01的分辨率为8×8，分解模块11或处理器30在对第1层第一子高斯金字塔G01进行高斯滤波处理后，删除第1层第一子高斯金字塔G01所有的偶数行和偶数列，得到分辨率为8(1/2)×8(1/2)，即分辨率为4×4的第2层第一子高斯金字塔G01。分解模块11或处理器30再对第2层第一子高斯金字塔G01进行高斯滤波处理后，删除第2层第一子高斯金字塔G01所有的偶数行和偶数列，得到分辨率为4(1/2)×4(1/2)，即分辨率为2×2的第3层第一子高斯金字塔G01。最后分解模块11或处理器30对第3层第一子高斯金字塔G01进行高斯滤波处理后，删除第3层第一子高斯金字塔G01所有的偶数行和偶数列，得到分辨率为2(1/2)×2(1/2)，即分辨率为1×1的第4层第一子高斯金字塔G01，至此终止对第4层第一子高斯金字塔G01进行下采样处理，得到4层第一子高斯金字塔G01。
在另一个例子中，假设层数K取值为3、最小层的预设分辨率为2×2、第1层第一子高斯金字塔G01的分辨率为8×8，分解模块11或处理器30在对第1层第一子高斯金字塔G01进行高斯滤波处理后，删除第1层第一子高斯金字塔G01所有的偶数行和偶数列，得到分辨率为8(1/2)×8(1/2)，即分辨率为4×4的第2层第一子高斯金字塔G01。分解模块11或处理器30再对第2层第一子高斯金字塔G01进行高斯滤波处理后，删除第2层第一子高斯金字塔G01所有的偶数行和偶数列，得到分辨率为4(1/2)×4(1/2)，即分辨率为2×2的第3层第一子高斯金字塔G01，至此终止对第3层第一子高斯金字塔G01进行下采样处理，得到3层第一子高斯金字塔G01。
请参阅图4及图8，在某些实施方式中，05：对每层第一子高斯金字塔G01进行对比度调控以获取第二高斯金字塔G1，可包括：
051：根据预设的默认参数，获取多条映射曲线；及
053：每层第一子高斯金字塔G01基于多条映射曲线获取第二高斯金字塔G1。
请结合图2，调节模块13还用于执行051及053中的方法。即，调节模块13还用于：根据预设的默认参数，获取多条映射曲线；及使每层第一子高斯金字塔G01基于多条映射曲线获取第二高斯金字塔G1。
请结合图3，处理器30还用于执行051及053中的方法。即，处理器30还用于：根据预设的默认参数，获取多条映射曲线；使每层第一子高斯金字塔G01基于多条映射曲线获取第二高斯金字塔G1。
具体地，方法051中，预设的默认参数可包括映射曲线的数量N及每条映射曲线对应的效率参数σ，其中，效率参数σ用于控制调节模块13或处理器30对每层第一子高斯金字塔G01进行对比度调控的作用强度。映射曲线可以是第一子高斯金字塔G01的亮度映射曲线，对此不作限制。
每条映射曲线分别对应一个调整值，每条映射曲线的定义域和值域均在灰度范围[0，255]内，即，每条映射曲线的横坐标和纵坐标的取值范围均是[0，255]。每条映射曲线的调整值与映射曲线的数量、灰度范围的最大值相关联。例如，映射曲线的数量N取值17，则17条映射曲线分别对应的调整值在灰度范围[0，255]之间等长度取值，直至取值到255为止，也即是说，第1条映射曲线对应的调整值为0、第2条映射曲线对应的调整值为16，第3条映射曲线对应的调整值为32，第4条映射曲线对应的调整值为64……第16条映射曲线对应的调整值为240、第17条映射曲线对应的调整值为255。
方法053中，调节模块13或处理器30根据每层第一子高斯金字塔G01获取第二高斯金字塔G1时，每层第一子高斯金字塔G01根据N条映射曲线进行对比度调控，从而从不同层面进行细节增强，将第一高斯金字塔G0中的细节部分进行调整，整合得到细节更佳的第二高斯金字塔G1，再与一层拉普拉斯金字塔L0进行重构，得到细节更佳、对比度更明显的目标图像P1。
请参阅图9及图10，在某些实施方式中，053：每层第一子高斯金字塔G01基于多条映射曲线获取第二高斯金字塔G1，可包括：
0531：步骤一：根据第1层第一子高斯金字塔G01及N条映射曲线执行细节增强，以获取N张细节增强图；
0532：步骤二：将每张细节增强图拆分成一张第j底层及一张第j细节层，从而获取N张细节增强图对应的N张第j底层及N张第j细节层，第j底层的分辨率为细节增强图的1/2×1/2倍，第j细节层的分辨率为细节增强图的1/2×1/2倍，其中，j＝1；
0533：步骤三：根据第1层第一子高斯金字塔G01、N条映射曲线、及第j细节层获取第j目标层，其中，j＝1；
0534：步骤四：将每张第j底层拆分成一张第j+1底层及一张第j+1细节层，从而获取N张第j底层对应的N张第j+1底层及N张第j+1细节层，第j+1底层的分辨率为第j底层的1/2×1/2倍，第j+1细节层的分辨率为第j底层的1/2×1/2倍，其中，1≤j≤K，j取整数，K为正整数，K为所有第一子高斯金字塔的总数量；
0535：步骤五：根据第i+1层第一子高斯金字塔G01、N条映射曲线、及第j+1细节层获取第j+1目标层，其中，1≤i＜K，i取整数；
0536：重复执行步骤四和步骤五，直至获取第K目标层，其中，在重复执行的过程中，i与j均是依次从1取值到K-1；
0537：步骤六：对第K底层及第K目标层进行重构以获取第K层第二子高斯金字塔G02；
0538：步骤七：对第K层第二子高斯金字塔G02及第K-1目标层进行重构以获取第K-1层第二子高斯金字塔G02；
0539：重复执行步骤七直至获取第1层第二子高斯金字塔G02，从而获取得到第二高斯金字塔G1，其中，在重复执行的过程中，K依次从K取值到2。
请结合图2，调节模块13还用于执行0531、0532、0533、0534、0535、0536、0537、0538及0539中的方法。即，调节模块13还用于执行步骤一：根据第1层第一子高斯金字塔G01及N条映射曲线执行细节增强，以获取N张细节增强图。调节模块13还用于执行步骤二：将每张细节增强图拆分成一张第j底层及一张第j细节层，从而获取N张细节增强图对应的N张第j底层及N张第j细节层，第j底层的分辨率为细节增强图的1/2×1/2倍，第j细节层的分辨率为细节增强图的1/2×1/2倍，其中，j＝1。调节模块13还用于执行步骤三：根据第1层第一子高斯金字塔G01、N条映射曲线、及第j细节层获取第j目标层，其中，j＝1。调节模块13还用于执行步骤四：将每张第j底层拆分成一张第j+1底层及一张第j+1细节层，从而获取N张第j底层对应的N张第j+1底层及N张第j+1细节层，第j+1底层的分辨率为第j底层的1/2×1/2倍，第j+1细节层的分辨率为第j底层的1/2×1/2倍，其中，1≤j≤K，j取整数，K为正整数，K为所有第一子高斯金字塔的总数量。调节模块13还用于执行步骤五：根据第i+1层第一子高斯金字塔G01、N条映射曲线、及第j+1细节层获取第j+1目标层，其中，1≤i＜K，i取整数。调节模块13还用于重复执行步骤四和步骤五，直至获取第K目标层，其中，在重复执行的过程中，i与j均是依次从1取值到K-1。调节模块13还用于执行步骤六：对第K底层及第K目标层进行重构以获取第K层第二子高斯金字塔G02。调节模块13还用于执行步骤七：对第K层第二子高斯金字塔G02及第K-1目标层进行重构以获取第K-1层第二子高斯金字塔G02。调节模块13还用于重复执行步骤七直至获取第1层第二子高斯金字塔G02，从而获取得到第二高斯金字塔G1，其中，在重复执行的过程中，K依次从K取值到2。
请结合图3，处理器30还用于执行0531、0532、0533、0534、0535、0536、0537、0538及0539中的方法。即，处理器30还用于执行步骤一：根据第1层第一子高斯金字塔G01及N条映射曲线执行细节增强，以获取N张细节增强图。处理器30还用于执行步骤二：将每张细节增强图拆分成一张第j底层及一张第j细节层，从而获取N张细节增强图对应的N张第j底层及N张第j细节层，第j底层的分辨率为细节增强图的1/2×1/2倍，第j细节层的分辨率为细节增强图的1/2×1/2倍，其中，j＝1。处理器30还用于执行步骤三：根据第1层第一子高斯金字塔G01、N条映射曲线、及第j细节层获取第j目标层，其中，j＝1。处理器30还用于执行步骤四：将每张第j底层拆分成一张第j+1底层及一张第j+1细节层，从而获取N张第j底层对应的N张第j+1底层及N张第j+1细节层，第j+1底层的分辨率为第j底层的1/2×1/2倍，第j+1细节层的分辨率为第j底层的1/2×1/2倍，其中，1≤j≤K，j取整数，K为正整数，K为所有第一子高斯金字塔的总数量。处理器30还用于执行步骤五：根据第i+1层第一子高斯金字塔G01、N条映射曲线、及第j+1细节层获取第j+1目标层，其中，1≤i＜K，i取整数。处理器30还用于重复执行步骤四和步骤五，直至获取第K目标层，其中，在重复执行的过程中，i与j均是依次从1取值到K-1。处理器30还用于执行步骤六：对第K底层及第K目标层进行重构以获取第K层第二子高斯金字塔G02。处理器30还用于执行步骤七：对第K层第二子高斯金字塔G02及第K-1目标层进行重构以获取第K-1层第二子高斯金字塔G02。处理器30还用于重复执行步骤七直至获取第1层第二子高斯金字塔G02，从而获取得到第二高斯金字塔G1，其中，在重复执行的过程中，K依次从K取值到2。
在本申请的实施例中，以第1层第一子高斯金字塔G01的分辨率为8×8、N取值17、K取值4为例对每层第一子高斯金字塔G01进行对比度调整作详细说明。
具体地，方法0531中，第1层第一子高斯金字塔G01基于不同的N条映射曲线，获取得到N张细节增强图，由于不同映射曲线对应不同的调整值(灰度值)，第1层第一子高斯金字塔G01可根据不同的调整值进行对比度调整，实现对第1层第一子高斯金字塔的细节增强。其中，第1层第一子高斯金字塔G01基于17条映射曲线得到的17张细节增强图的具体过程可为：对第1层第一子高斯金字塔G01进行插值处理得到的。第1层第一子高斯金字塔G01的分辨率可为每张细节增强图的分辨率的1/2×1/2。例如，第1层第一子高斯金字塔G01的分辨率为8×8，则第1层第一子高斯金字塔G01基于17条映射曲线得到17张细节增强图的分辨率可均为16×16。
方法0532中j取值为1，即仅适用于根据细节增强图获取第1底层(图10中从右至左第1个)和第1细节层(图10中从右至左第1个)。调节模块13或处理器30将方法0531中得到的每张细节增强图均拆分为一张第1底层及一张第1细节层，即，每张细节增强图对应一张第1底层和一张第1细节层，因此，在17张细节增强图均拆分完成后，一共获取得到17张第1底层和17张第1细节层。请结合图4，具体的拆分方法可与原始图像P0拆分为高频的拉普拉斯金字塔L0和低频的第一高斯金字塔G0的方法一样，在此不再赘述。其中，在一张细节增强图中，该细节增强图对应的第1底层为细节增强图中的低频部分，该细节增强图对应的第1细节层为细节增强图中的高频部分，第1细节层中的相对于第1底层具有更多细节。第1底层的分辨率和第1细节层的分辨率均为两者对应的细节增强图的分辨率的1/2×1/2。如，细节增强图的分辨率为16×16，则其对应的第1底层的分辨率和第1细节层的分辨率均为16(1/2)×16(1/2)，即分辨率均为8×8。接下来以细节增强图的分辨率为16×16为例进行说明。
由于一张细节增强图对应一条映射曲线，且一条映射曲线对应一个调整值，在细节增强图拆分为一张第1底层和第1细节层后，同一对第1底层和第1细节层仍与该细节增强图对应的映射曲线存在对应关系。因此，不同对的第1底层和第1细节层对应的映射曲线均不相同。
方法0533中j＝1，即仅适用于根据第1层第一子高斯金字塔G01、和第1细节层获取第1目标层。调节模块13或处理器30在得到17张第1细节层后，第1层第一子高斯金字塔G01根据17条映射曲线对应的调整值和调整值对应的第1细节层进行融合处理，以获取第1层第一子高斯金字塔G01对应的第1目标层。
调节模块13或处理器30获取第1层第一子高斯金字塔G01对应的第1目标层(图10中从右至左第1个)时，主要是根据方法0532和方法0533获取得到的。而调节模块13或处理器30在针对第2层第一子高斯金字塔G01、第3层第一子高斯金字塔G01和第4层第一子高斯金字塔G01进行对比度调控时，是根据第1底层和17条映射曲线获取各层第一子高斯金字塔G01对应的目标层，即，根据方法0534、方法0535和方法0536获取得到的。
其中，重复执行方法0534和0535，直至获取到第4目标层，在重复执行的过程中，i与j均是依次从1取值到K-1。即，每循环一次方法0534和0535，i和j均增加1。具体如下：针对第2层第一子高斯金字塔G01时，方法0534中的j取值为1、方法0535中的i取值为1。具体地，调节模块13或处理器30首先将每张不同的第1底层(包括17张)均拆分成一张第2底层(图10中从右至左第2个)及一张第2细节层(图10中从右至左第2个)，则一共获取得到17张第2底层和17张第2细节层，同一对第2底层和第2细节层对应该第1底层对应的一条映射曲线。其中，同一对第2底层的分辨率和第2细节层的分辨率均为两者对应的第1底层的分辨率的1/2×1/2，即，17张第2底层的分辨率和17张第2细节层的分辨率均为4×4。然后，第2层第一子高斯金字塔G01根据17条映射曲线对应的调整值和调整值对应的第2细节层获取第2目标层(图10中从右至左第2个)。
针对第3层第一子高斯金字塔G01时，方法0534中的j取值为2、方法0535中的i取值为2。具体地，调节模块13或处理器30首先将每张不同的第2底层(包括17张)均拆分成一张第3底层(图10中从右至左第3个)及一张第3细节层(图10中从右至左第3个)，则一共获取得到17张第3底层和17张第3细节层，同一对第3底层和第3细节层对应该第2底层对应的一条映射曲线。其中，同一对第3底层的分辨率和第3细节层的分辨率均为两者对应的第2底层(4×4)的分辨率的1/2×1/2，即，17张第3底层的分辨率和17张第3细节层的分辨率均为2×2。然后，第3层第一子高斯金字塔G01根据17条映射曲线对应的调整值和调整值对应的第3细节层获取第3目标层(图10中从右至左第3个)。
针对第4层第一子高斯金字塔G01时，方法0534中的j取值为3、方法0535中的i取值为3。具体地，调节模块13或处理器30首先将每张不同的第3底层(包括17张)均拆分成一张第4底层(图10中从右至左第4个)及一张第4细节层(图10中从右至左第4个)，则一共获取得到17张第4底层和17张第4细节层，同一对第4底层和第4细节层对应该第3底层对应的一条映射曲线。其中，同一对第4底层的分辨率和第4细节层的分辨率均为两者对应的第3底层的分辨率(2×2)的1/2×1/2，即，17张第4底层的分辨率和17张第4细节层的分辨率均为1×1。然后，第4层第一子高斯金字塔G01根据17条映射曲线对应的调整值和调整值对应的第4细节层获取第4目标层(图10中从右至左第4个)。
调节模块13或处理器30获得每层第一子高斯金字塔G01对应的目标层后，执行方法0537、方法0538及方法0539中的方法获取第二高斯金字塔G1。
其中，调节模块13或处理器30执行方法0537得到第4层第二子高斯金字塔G02后，便重复执行方法0538，每次执行后均得到一层第二子高斯金字塔G02，且，在重复执行过程中，K依次从K取值到2。
具体地，调节模块13或处理器获取第4底层中的一张与第4目标层进行重构，得到一张分辨率为2×2大小的第4层第二子高斯金字塔G02(图10中从左至右第1个)，然后利用第4层第二子高斯金字塔G02和第3目标层进行重构以获取一张分辨率为4×4大小的第3层第二子高斯金字塔G02(图10中从左至右第2个)，重复执行方法0538，K依次递减1，直至K＝2为止，即根据第2层第二子高斯金字塔G02和第1目标层获取第1层第二子高斯金字塔G02(图10中从左至右第4个)，第1层第二子高斯金字塔G02即为第二高斯金字塔G1。即，获取到第3层第二子高斯金字塔G02后，将第3层第二子高斯金字塔G02和第2目标层进行重构获取得到第2层第二子高斯金字塔G02(图10中从左至右第3个)，将第2层第二子高斯金字塔G02和第1目标层进行重构获取得到第1层第二子高斯金字塔G02，至此调节模块13或处理器30完成对每层第一子高斯金字塔G01的对比度调控。
请参阅图10及图11，在某些实施方式中，0535：根据第i+1层第一子高斯金字塔G01、N条映射曲线、及第j+1细节层获取第j+1目标层，可包括：
05351：针对第i+1层第一子高斯金字塔G01中的第m个像素，其中，m大于等于1且小于等于第i+1层第一子高斯金字塔的像素总数；
05353：根据第m个像素的像素值以及N条映射曲线筛选出第n条映射曲线及第n+1条映射曲线，1≤n≤N，n取整数；
05355：根据与第n条映射曲线对应的第n个第j+1细节层、与第n个第j+1细节层对应的预设的第一加权值、与第n+1条映射曲线对应的第n+1个第j+1细节层、与第n+1个第j+1细节层对应的预设的第二加权值更新第m个像素的像素值；
05357：根据预设步长循环更新第i+1层第一子高斯金字塔G01中的其他像素的像素值，以获取第j+1目标层。
请结合图2，调节模块13还用于执行05351、05353、05355及05357中的方法。即，调节模块13还用于：针对第i+1层第一子高斯金字塔G01中的第m个像素，其中，m大于等于1且小于等于第i+1层第一子高斯金字塔的像素总数；根据第m个像素的像素值以及N条映射曲线筛选出第n条映射曲线及第n+1条映射曲线，1≤n≤N，n取整数；根据与第n条映射曲线对应的第n个第j+1细节层、与第n个第j+1细节层对应的预设的第一加权值、与第n+1条映射曲线对应的第n+1个第j+1细节层、与第n+1个第j+1细节层对应的预设的第二加权值更新第m个像素的像素值；根据预设步长循环更新第i+1层第一子高斯金字塔G01中的其他像素的像素值，以获取第j+1目标层。
请结合图3，处理器30还用于执行05351、05353、05355及05357中的方法。即，处理器30还用于：针对第i+1层第一子高斯金字塔G01中的第m个像素，其中，m大于等于1且小于等于第i+1层第一子高斯金字塔的像素总数；根据第m个像素的像素值以及N条映射曲线筛选出第n条映射曲线及第n+1条映射曲线，1≤n≤N，n取整数；根据与第n条映射曲线对应的第n个第j+1细节层、与第n个第j+1细节层对应的预设的第一加权值、与第n+1条映射曲线对应的第n+1个第j+1细节层、与第n+1个第j+1细节层对应的预设的第二加权值更新第m个像素的像素值；根据预设步长循环更新第i+1层第一子高斯金字塔G01中的其他像素的像素值，以获取第j+1目标层。
具体地，方法0533和方法0535均可通过方法05351、方法05353、方法05355及方法05357实现。其中，m从1取值到每层第一子高斯金字塔G01对应的像素总数，n从1取值到N(映射曲线的数量)。方法05355中的第n个第j+1细节层和第n+1个第j+1细节层均为第i+1(如i＝1)层第一子高斯金字塔G01对应的第j+1(如j＝1)细节层。例如，对于第1层第一子高斯金字塔G01的第1个像素，假设第1个像素的像素值为12，则根据该像素值在17条映射曲线对应的调整值，选择出两条映射曲线，这两条映射曲线对应的调整值为相邻的两个。如，第1个像素选择的是调整值为0对应的映射曲线和调整值为16的映射曲线，然后选择出调整值为0对应的第1个第j+1细节层(记为D1)、和调整值为16对应的第2个第j+1细节层(记为D2)。调节模块13或处理器30更新第1个像素的像素值时，根据选择出来的两条映射曲线分别对应的调整值与第1个像素的像素值进行距离加权融合，输出更新后的像素值。其中，当前像素值与调整值的差值的绝对值越大，表明该调整值对应的第1个第j+1细节层对应的权值越小。假设第1个像素更新后的像素值记为A，与第1个第j+1细节层D1对应的第一加权值记为Q1，与第2个第j+1细节层D2对应的第二加权值记为Q2，PD1为第1个第j+1细节层D1中与第1像素位置对应的像素的像素值，PD2为第2个第j+1细节层D2中与第1像素位置对应的像素的像素值，则A＝Q2*PD2+Q1*PD1，即A＝((12-0)/16)*PD2+((16-12)/16)*PD1。第一加权值Q1＝(16-12)/16；第二加权值Q2＝(12-0)/16。
更新完第1个像素的像素值后，调节模块13或处理器30根据预设步长循环更新第1层第一子高斯金字塔G01中的其他像素的像素值，最后获取得到增强的第1目标层。
在一个实施例中，预设步长可为2*2，则表示在逐行遍历更新像素的像素值时，横向和纵向都是以2为步长获取下一个像素。如，当前遍历的像素为(0，0)，接下来遍历的像素分别为(0，2)，(0，4)，……(0，8)，(2，0)，(2，2)，直到按照预设步长遍历完所有像素。
其他各层第一子高斯金字塔G01获得其对应的目标层的方法与第1层第一子高斯金字塔G01获取第1目标层的方法类似，在此不再赘述。
在某些实施方式中，第一加权值Q1根据第m个像素的像素值及第n+1条映射曲线的对应的调整值之间的差值获取；第二权值Q2根据第m个像素的像素值及第n条映射曲线对应的调整值之间的差值获取。
具体地，每个像素选择出来的两条映射曲线，两条映射曲线对应两个相邻的调整值，根据两个调整值与当前像素的像素值之间的差值绝对值、及两个调整值之间的差值确定两个加权值，并按照距离越远，加权值越小的原理，确定两条映射曲线对应的细节层的加权值。
在一个例子中，针对第1层第一子高斯金字塔G01，假设当前像素的像素值为28，28位于调整值16(对应第2条映射曲线)和调整值32(对应第3条映射曲线)之间，则选择第2条映射曲线对应的第1细节层(第2个第1细节层，记为D2)和第3条映射曲线对应的第1细节层(第3个第1细节层，记为D3)，由于，这两个细节层是基于不同的细节增强图获取得到的，因此这两个细节层均不相同。更新当前像素的像素值时，由于当前像素的像素值28与调整值32之间的差值绝对值相对于，当前像素的像素值28与调整值16之间的差值绝对值要更小，表明当前像素基于第3条映射曲线更新像素值具有更佳的效果，因此，赋予第3条映射曲线对应的第3个第1细节层D3更大的加权值。也即是说，当前像素的像素值更新后的像素值为：A＝Q2*PD3+Q1*PD2＝((28-16)/16)*PD3+((32-28)/16)*PD2。其中，第一加权值Q1＝(32-28)/16，是根据当前像素的像素值28与第3条映射曲线对应的调整值16之间的差值绝对值，以及第2条映射曲线的调整值16与第3条映射曲线的调整值32之间的间隔获取的；第二加权值Q2＝(28-16)/16，是根据当前像素的像素值28与第2条映射曲线对应的调整值32之间的差值绝对值，以及第2条映射曲线的调整值16与第3条映射曲线的调整值32之间的间隔获取的。
请参阅图12，本申请实施方式还提供一种包含计算机程序301的非易失性计算机可读存储介质300。当计算机程序301被一个或多个处理器30执行时，使得处理器30执行01、03、05、07、031、0311、0313、051、053、0531、0532、0533、0534、0535、0536、0537、0538、0539、05351、05353、05355及05357中的图像处理方法。
例如，当计算机程序301被一个或多个处理器30执行时，使得处理器30执行以下方法：
01：对原始图像P0进行分解，以获取一层拉普拉斯金字塔L0和一层第一高斯金字塔G0，拉普拉斯金字塔L0对应原始图像P0的高频部分，第一高斯金字塔G0对应原始图像P0的低频部分；
03：将第一高斯金字塔G0拆分为多层第一子高斯金字塔G01；
05：对每层第一子高斯金字塔G01进行对比度调控以获取第二高斯金字塔G1；及
07：利用拉普拉斯金字塔L0及第二高斯金字塔G1进行重构以获取目标图像P1。
又例如，当计算机程序301被一个或多个处理器30执行时，使得处理器30执行以下方法：
01：对原始图像P0进行分解，以获取一层拉普拉斯金字塔L0和一层第一高斯金字塔G0，拉普拉斯金字塔L0对应原始图像P0的高频部分，第一高斯金字塔G0对应原始图像P0的低频部分；
0311：将第一高斯金字塔G0进行下采样拆解为K层第一子高斯金字塔G01，直至将第一高斯金字塔G0拆解为预设分辨率的第K层第一子高斯金字塔G01；
0313：第i层第一子高斯金字塔G01的分辨率为第i+1层第一子高斯金字塔G01的分辨率的2×2倍，第1层第一子高斯金字塔G01的分辨率与第一高斯金字塔G0的分辨率相同，1≤i≤K，K为正整数；
051：根据预设的默认参数，获取多条映射曲线；
0531：步骤一：根据第1层第一子高斯金字塔G01及N条映射曲线执行细节增强，以获取N张细节增强图；
0532：步骤二：将每张细节增强图拆分成一张第j底层及一张第j细节层，从而获取N张细节增强图对应的N张第j底层及N张第j细节层，第j底层的分辨率为细节增强图的1/2×1/2倍，第j细节层的分辨率为细节增强图的1/2×1/2倍，其中，j＝1；
0533：步骤三：根据第1层第一子高斯金字塔G01、N条映射曲线、及第j细节层获取第j目标层，其中，j＝1；
0534：步骤四：将每张第j底层拆分成一张第j+1底层及一张第j+1细节层，从而获取N张第j底层对应的N张第j+1底层及N张第j+1细节层，第j+1底层的分辨率为第j底层的1/2×1/2倍，第j+1细节层的分辨率为第j底层的1/2×1/2倍，其中，1≤j≤K，j取整数，K为正整数，K为所有第一子高斯金字塔的总数量；
0535：步骤五：根据第i层第一子高斯金字塔G01、N条映射曲线、及第j+1细节层获取第j+1目标层，其中，1≤i＜K，i取整数；
0536：重复执行步骤四和步骤五，直至获取第K目标层，其中，在重复执行的过程中，i与j均是依次从1取值到K-1；
0537：步骤六：对第K底层及第K目标层进行重构以获取第K层第二子高斯金字塔G02；
0538：步骤七：对第K层第二子高斯金字塔G02及第K-1目标层进行重构以获取第K-1层第二子高斯金字塔G02；
0539：重复执行步骤七直至获取第1层第二子高斯金字塔G02，从而获取得到第二高斯金字塔G1，其中，在重复执行的过程中，K依次从K取值到2。
07：利用拉普拉斯金字塔L0及第二高斯金字塔G1进行重构以获取目标图像P1。
在本说明书的描述中，参考术语“某些实施方式”、“一个例子中”、“示例地”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。

Claims (10)

1.一种图像处理方法，其特征在于，包括：
对原始图像进行分解，以获取一层拉普拉斯金字塔和一层第一高斯金字塔，所述拉普拉斯金字塔对应所述原始图像的高频部分，所述第一高斯金字塔对应所述原始图像的低频部分；
将所述第一高斯金字塔拆分为多层第一子高斯金字塔；
对每层所述第一子高斯金字塔进行对比度调控以获取第二高斯金字塔；及
利用所述拉普拉斯金字塔及所述第二高斯金字塔进行重构以获取目标图像。
2.根据权利要求1所述的图像处理方法，其特征在于，所述将所述第一高斯金字塔拆分为多层第一子高斯金字塔，包括：
将所述第一高斯金字塔进行下采样拆解为多层第一子高斯金字塔，不同层的第一子高斯金字塔的分辨率均不相同。
3.根据权利要求2所述的图像处理方法，其特征在于，所述将所述第一高斯金字塔进行下采样拆解为多层第一子高斯金字塔，包括：
将所述第一高斯金字塔进行下采样拆解为K层第一子高斯金字塔，直至将所述第一高斯金字塔拆解为预设分辨率的第K层第一子高斯金字塔；
第i层第一子高斯金字塔的分辨率为第i+1层第一子高斯金字塔的分辨率的2×2倍，第1层第一子高斯金字塔的分辨率与所述第一高斯金字塔的分辨率相同，1≤i≤K，K为正整数。
4.根据权利要求1所述的图像处理方法，其特征在于，所述对每层所述第一子高斯金字塔进行对比度调控以获取第二高斯金字塔，包括：
根据预设的默认参数，获取多条映射曲线；及
每层第一子高斯金字塔基于多条所述映射曲线获取所述第二高斯金字塔。
5.根据权利要求4所述的图像处理方法，其特征在于，所述每层第一子高斯金字塔基于多条所述映射曲线获取所述第二高斯金字塔，包括：
步骤一：根据第1层第一子高斯金字塔及N条映射曲线执行细节增强，以获取N张细节增强图；
步骤二：将每张所述细节增强图拆分成一张第j底层及一张第j细节层，从而获取N张所述细节增强图对应的N张第j底层及N张第j细节层，所述第j底层的分辨率为所述细节增强图的1/2×1/2倍，所述第j细节层的分辨率为所述细节增强图的1/2×1/2倍，其中，j＝1；
步骤三：根据第1层第一子高斯金字塔、所述N条映射曲线、及所述第j细节层获取第j目标层，其中，j＝1；
步骤四：将每张所述第j底层拆分成一张第j+1底层及一张第j+1细节层，从而获取N张所述第j底层对应的N张第j+1底层及N张第j+1细节层，所述第j+1底层的分辨率为所述第j底层的1/2×1/2倍，所述第j+1细节层的分辨率为所述第j底层的1/2×1/2倍，其中，1≤j≤K，j取整数，K为正整数，K为所有第一子高斯金字塔的总数量；
步骤五：根据第i+1层第一子高斯金字塔、所述N条映射曲线、及所述第j+1细节层获取第j+1目标层，其中，1≤i＜K，i取整数；
重复执行步骤四和步骤五，直至获取第K目标层，其中，在重复执行的过程中，i与j均是依次从1取值到K-1；
步骤六：对第K底层及第K目标层进行重构以获取第K层第二子高斯金字塔；
步骤七：对第K层第二子高斯金字塔及第K-1目标层进行重构以获取第K-1层第二子高斯金字塔；
重复执行步骤七直至获取第1层第二子高斯金字塔，从而获取得到第二高斯金字塔，其中，在重复执行的过程中，K依次从K取值到2。
6.根据权利要求5所述的图像处理方法，其特征在于，所述根据所述第i+1层第一子高斯金字塔、所述N条映射曲线、及所述第j+1细节层获取第j+1目标层，包括：
针对第i+1层第一子高斯金字塔中的第m个像素，其中，m大于等于1且小于等于第i+1层第一子高斯金字塔的像素总数；
根据所述第m个像素的像素值以及所述N条映射曲线筛选出第n条映射曲线及第n+1条映射曲线，1≤n≤N，n取整数；
根据与所述第n条映射曲线对应的第n个第j+1细节层、与所述第n个第j+1细节层对应的预设的第一加权值、与第n+1条映射曲线对应的第n+1个第j+1细节层、与第n+1个第j+1细节层对应的预设的第二加权值更新所述第m个像素的像素值；
根据预设步长循环更新第i+1层第一子高斯金字塔中的其他像素的像素值，以获取所述第j+1目标层。
7.根据权利要求6所述的图像处理方法，其特征在于，所述第一加权值根据所述第m个像素的像素值及所述第n+1条映射曲线对应的调整值之间的差值获取；所述第二加权值根据所述第m个像素的像素值及所述第n条映射曲线对应的调整值之间的差值获取。
8.一种图像处理装置，其特征在于，包括：
分解模块，用于对原始图像进行分解，以获取一层拉普拉斯金字塔和一层第一高斯金字塔，所述拉普拉斯金字塔对应所述原始图像的高频部分，所述第一高斯金字塔对应所述原始图像的低频部分；及将所述第一高斯金字塔拆分为多层第一子高斯金字塔；
调节模块，用于对每层所述第一子高斯金字塔进行对比度调控以获取第二高斯金字塔；
重构模块，用于利用所述拉普拉斯金字塔及所述第二高斯金字塔进行重构以获取目标图像。
9.一种终端，其特征在于，所述终端包括：
一个或多个处理器、存储器；及
一个或多个程序，其中一个或多个所述程序被存储在所述存储器中，并且被一个或多个所述处理器执行，所述程序包括用于执行权利要求1至7任意一项所述的图像处理方法的指令。
10.一种存储有计算机程序的非易失性计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，实现权利要求1至7任意一项所述的图像处理方法。
CN202110952751.3A 2021-08-19 2021-08-19 图像处理方法与装置、终端及可读存储介质 Withdrawn CN113674173A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110952751.3A CN113674173A (zh) 2021-08-19 2021-08-19 图像处理方法与装置、终端及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110952751.3A CN113674173A (zh) 2021-08-19 2021-08-19 图像处理方法与装置、终端及可读存储介质

Publications (1)

Publication Number Publication Date
CN113674173A true CN113674173A (zh) 2021-11-19

Family

ID=78543754

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110952751.3A Withdrawn CN113674173A (zh) 2021-08-19 2021-08-19 图像处理方法与装置、终端及可读存储介质

Country Status (1)

Country Link
CN (1) CN113674173A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117974460A (zh) * 2024-03-29 2024-05-03 深圳中科精工科技有限公司 图像增强方法、系统及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110243438A1 (en) * 2010-04-05 2011-10-06 Microsoft Corporation Generation of multi-resolution image pyramids
CN110232668A (zh) * 2019-06-17 2019-09-13 首都师范大学 一种多尺度图像增强方法
CN110415188A (zh) * 2019-07-10 2019-11-05 首都师范大学 一种基于多尺度形态学的hdr图像色调映射方法
CN112887597A (zh) * 2021-01-25 2021-06-01 Oppo广东移动通信有限公司 图像处理方法及装置、计算机可读介质和电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110243438A1 (en) * 2010-04-05 2011-10-06 Microsoft Corporation Generation of multi-resolution image pyramids
CN110232668A (zh) * 2019-06-17 2019-09-13 首都师范大学 一种多尺度图像增强方法
CN110415188A (zh) * 2019-07-10 2019-11-05 首都师范大学 一种基于多尺度形态学的hdr图像色调映射方法
CN112887597A (zh) * 2021-01-25 2021-06-01 Oppo广东移动通信有限公司 图像处理方法及装置、计算机可读介质和电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117974460A (zh) * 2024-03-29 2024-05-03 深圳中科精工科技有限公司 图像增强方法、系统及存储介质
CN117974460B (zh) * 2024-03-29 2024-06-11 深圳中科精工科技有限公司 图像增强方法、系统及存储介质

Similar Documents

Publication Publication Date Title
CN111028163B (zh) 一种基于卷积神经网络的联合图像去噪与弱光增强方法
Celik Two-dimensional histogram equalization and contrast enhancement
CN106169181B (zh) 一种图像处理方法及系统
CN111583123A (zh) 一种基于小波变换的融合高低频信息的图像增强算法
Niu et al. Image enhancement by entropy maximization and quantization resolution upconversion
Kong et al. Multiple layers block overlapped histogram equalization for local content emphasis
CN107492077B (zh) 基于自适应多方向总变分的图像去模糊方法
Khan et al. Tone-mapping using perceptual-quantizer and image histogram
CN114240941B (zh) 内窥镜图像降噪方法、设备、电子装置和存储介质
Lepcha et al. A deep journey into image enhancement: A survey of current and emerging trends
KR20090028257A (ko) 노이즈 저감 방법 및 장치
JP2007507810A (ja) 高速なレティネックス型処理のための強靭な再帰エンベロープ演算子
CN106709890A (zh) 用于低照度视频图像处理的方法及装置
Sonker et al. Comparison of histogram equalization techniques for image enhancement of grayscale images of dawn and dusk
CN114399442B (zh) 基于参数自适应的非线性图像增强方法及系统
CN113674173A (zh) 图像处理方法与装置、终端及可读存储介质
Banić et al. Puma: A high-quality retinex-based tone mapping operator
CN104616252B (zh) 基于nsct和pcnn的数字图像增强方法
CN115965544A (zh) 自适应亮度调节的图像增强方法及系统
CN116246138A (zh) 基于全卷积神经网络的红外-可见光图像目标级融合方法
Abdullah-Al-Wadud A modified histogram equalization for contrast enhancement preserving the small parts in images
CN115809966A (zh) 一种低照度图像的增强方法和系统
CN104240208A (zh) 非制冷红外焦平面探测器图像细节增强方法
CN116452431A (zh) 基于多分支渐进式深度网络的弱光图像增强方法
Kandhway et al. Modified clipping based image enhancement scheme using difference of histogram bins

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20211119

WW01 Invention patent application withdrawn after publication