CN113781322A - 一种色域映射方法、装置、终端设备及存储介质 - Google Patents

一种色域映射方法、装置、终端设备及存储介质 Download PDF

Info

Publication number
CN113781322A
CN113781322A CN202110883146.5A CN202110883146A CN113781322A CN 113781322 A CN113781322 A CN 113781322A CN 202110883146 A CN202110883146 A CN 202110883146A CN 113781322 A CN113781322 A CN 113781322A
Authority
CN
China
Prior art keywords
color
gamut
color gamut
map
video
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
Application number
CN202110883146.5A
Other languages
English (en)
Inventor
章政文
陈翔宇
董超
乔宇
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.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
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 Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN202110883146.5A priority Critical patent/CN113781322A/zh
Publication of CN113781322A publication Critical patent/CN113781322A/zh
Priority to PCT/CN2021/138136 priority patent/WO2023010753A1/zh
Pending 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
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H04N21/234309—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements by transcoding between formats or standards, e.g. from MPEG-2 to MPEG-4 or from Quicktime to Realvideo
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
    • H04N21/440218—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by transcoding between formats or standards, e.g. from MPEG-2 to MPEG-4
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

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

Abstract

本申请提供一种色域映射方法、装置、终端设备及存储介质，涉及图像处理技术领域，能够提高色域映射过程中图像转换的色准。该色域映射方法包括：获取第一色域图，所述第一色域图包括第一色域的多个颜色节点值；将所述第一色域图输入已训练的全卷积模型中处理，输出第二色域图，所述第二色域图中包括与多个颜色节点值一一对应的颜色节点值，所述全卷积模型包括N个卷积核大小为1×1的卷积层，N个所述卷积层中穿插设置有N‑1个激活函数，N为大于或者等于3的整数。

Description

一种色域映射方法、装置、终端设备及存储介质
技术领域
本申请涉及图像处理技术领域，尤其涉及一种色域映射方法、装置、终端设备及存储介质。
背景技术
在实际应用中，同一个原图像或者原视频在不同的显示设备下呈现出来的效果(例如亮度、色彩、对比度和饱和度等)不同，这是由于不同的显示设备所使用的颜色的区域(即色域)不同，常通过色域映射的方式，将图像的源色域转换到目标色域，以使同一原图像或者原视频在不同显示设备上展现出来的效果尽可能一致。
目前，常使用转换函数来是实现色域映射。即通过测量两个色域之间的标定值，并基于该标定值确定转换函数，然后利用转换函数将源色域中的每一个颜色节点的颜色值转换到目标色域中。由于不同色域颜色空间的颜色分布并不是均匀分布的，因此，对每个颜色节点使用同样的转换函数则会产生一定程度的色偏，导致转换后的图像色准较差。
发明内容
有鉴于此，本申请提供一种色域映射方法、装置、终端设备及存储介质，能够提高色域映射过程中图像转换的色准。
第一方面，本申请提供一种色域映射方法，方法包括：获取第一色域图，所述第一色域图包括第一色域的多个颜色节点值；
将所述第一色域图输入已训练的全卷积模型中处理，输出第二色域图，所述第二色域图中包括与所述多个颜色节点值一一对应的颜色节点值，所述全卷积模型包括N个卷积核大小为1×1的卷积层，N个所述卷积层中穿插设置有N-1个激活函数，N为大于或者等于3的整数。
可选地，3≤N≤10。
可选地，所述激活函数为非线性激活函数。
可选地，所述全卷积模型的训练方式包括：利用预设的训练集和预设的损失函数对全卷积初始模型进行迭代训练，得到所述全卷积模型；
所述训练集包括多个第一色域图样本以及每个所述第一色域图样本对应的第二色域图样本；所述多个第一色域图样本是至少一个第一色域视频样本中的视频帧，所述第二色域图样本是与所述第一色域视频样本对应的第二色域视频样本中的视频帧；
所述预设的损失函数用于描述预测的第二色域图和所述第二色域图样本之间的L2损失，所述预测的第二色域图为所述全卷积模型对所述第一色域图样本进行处理得到的。
可选的，所述方法还包括：根据所述第一色域图和所述第二色域图确定所述第一色域和所述第二色域图之间的颜色查找表。
可选地，所述第一色域为SDR色域，所述第二色域为HDR色域，所述颜色查找表的应用方法包括：
获取待处理的SDR视频；
利用所述颜色查找表对所述SDR视频进行颜色映射，得到HDR色域视频；
将所述HDR色域视频的编码格式转换为HDR视频编码格式，得到与所述SDR视频对应的HDR视频。
第二方面，本申请提供一种色域映射装置，包括：
获取单元，用于获取第一色域图，所述第一色域图包括第一色域的多个颜色节点值；
处理单元，用于将所述第一色域图输入已训练的全卷积模型中处理，输出第二色域图，所述第二色域图中包括与所述多个颜色节点值一一对应的颜色节点值，所述全卷积模型包括N个卷积核大小为1×1的卷积层，N个所述卷积层中穿插设置有N-1个激活函数，N为大于或者等于3的整数。
可选地，3≤N≤10。
第三方面，本申请提供一种终端设备，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在调用计算机程序时执行上述第一方面中任一方式所述的方法。
第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面中任一方式所述的方法。
第五方面，本申请实施例提供一种计算机程序产品，当计算机程序产品在处理器上运行时，使得处理器执行上述第一方面中任一方式所述的方法。
本申请所提供的一种色域映射方法、装置、终端设备及存储介质，采用全卷积模型来实现色域映射。该全卷积模型包括卷积核大小为1×1的N个卷积层及穿插设置的N-1个激活函数，使第一色域图中的多个颜色节点值都有各自对应的色域映射函数。从而使得经全卷积模型处理后的第二色域图中包括与第一色域图中的多个颜色节点值一一对应的颜色节点值，避免了由于第一色域图中的多个颜色节点值都使用同样的转换函数而产生色偏的情况，因此，采用本申请提供的色域映射方法可以实现非均匀的色域映射，提高色域映射过程中图像转换的色准。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的一种色域映射方法的流程示意图；
图2是本申请一实施例提供的一种色域映射方法的全卷积模型的架构图；
图3是本申请一实施例提供的HDR色域和SDR色域表示范围的示意图
图4是本申请一实施例提供的一种色域映射装置的示意图；
图5是本申请一实施例提供的一种终端设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
目前，色域映射通常使用标定法来实现。即通过测量两个色域之间的标定值，并基于该标定值确定转换函数，然后利用转换函数将源色域中的每一个颜色节点的颜色值转换到目标色域中。由于不同色域颜色空间的颜色分布并不是均匀分布的，因此，对每个颜色节点使用同样的转换函数则会产生一定程度的色偏，导致转换后的图像色准较差。
为了提高色域映射过程中图像转换的色准，本申请提供一种色域映射方法，采用全卷积模型来实现色域映射。该全卷积模型包括卷积核大小为1×1的N个卷积层及穿插设置的N-1个激活函数，使第一色域图中的多个颜色节点值都有各自对应的色域映射函数。从而使得经全卷积模型处理后的第二色域图中包括与第一色域图中的多个颜色节点值一一对应的颜色节点值，避免了由于第一色域图中的多个颜色节点值都使用同样的转换函数而产生色偏的情况，因此，采用本申请提供的色域映射方法可以实现非均匀的色域映射，提高色域映射过程中图像转换的色准。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
如图1所示为本申请提供的一种色域映射方法的一个实施例的流程图。本申请实施例提供的色域映射方法的执行主体可以是图像/视频处理设备，其中，图像/视频处理设备可以是智能手机、平板电脑、摄像机等移动终端设备，也可以是台式电脑、机器人、服务器等能够处理图像/视频数据的终端设备。
如图1所示，本申请实施例中色域映射方法包括：
S101，获取第一色域图，第一色域图包括第一色域的多个颜色节点值。
示例性的，第一色域可以是BT.709色域、BT.2020色域或者DCI-P3色域等，第一色域图可是是由第一色域中的多个颜色节点值构成的图像。
例如，第一色域图可以是拍摄、下载或者是从本地存储区域中读取的颜色节点值在第一色域的图像，也可以是从颜色节点值在第一色域的视频中截取的视频帧或者图像。当然，第一色域图还可以是合成的图像，例如，获取BT.709色域中的全部颜色节点值，利用图像合成工具将上述获取到的BT.709色域中的全部颜色节点值合成图像。
S102，将第一色域图输入已训练的全卷积模型中处理，输出第二色域图，第二色域图中包括与第一色域的多个颜色节点值一一对应的颜色节点值，全卷积模型包括N个卷积核大小为1×1的卷积层，N个卷积层中穿插设置有N-1个激活函数，N为大于或者等于3的整数。
其中，N的设置可以根据实际精度要求来设置。例如，N为大于或者等于3的整数。
可选地，激活函数可以是线性整流函数(Rectified Linear Unit，ReLU)。选择ReLU激活函数作为全卷积模型中的激活函数不仅可以加快计算效率，还可以增加全卷积模型的非线性拟合能力。当然，激活函数还可以是其他类型的激活函数，例如，Sigmoid函数或者Thnh函数等。
如图2所示本实施例采用全卷积模型包括3个卷积核大小为1×1的卷积层，及3个卷积层中穿插设置有2个ReLU激活函数。将第一色域图像输入如图2所示的全卷积模型进行处理，能够输出得到第二色域图。
可见，本申请提供的全卷积模型，由于是由卷积核大小为1×1的N个卷积层及穿插设置的N-1个激活函数构成，使第一色域图中的多个颜色节点值都有各自对应的色域映射函数，从而使得经全卷积模型处理后的第二色域图中包括与第一色域图中的多个颜色节点值一一对应的颜色节点值，避免了由于第一色域图中的多个颜色节点值都使用同样的转换函数而产生色偏的情况，因此，采用本申请提供的色域映射方法可以提高色域映射过程中图像转换的色准。
进一步地，由于全卷积模型由卷积核大小为1×1的N个卷积层及穿插设置的N-1个激活函数构成，模型结构简单且使用的参数量相对较少，能够有效降低全卷积模型处理任务的计算成本，提高了计算效率，加快了任务处理的速度。
可以理解的是，由于本申请提供的全卷积模型计算效率高，计算成本小，因此可以直接设置在设备中用来实时处理色域转换任务。
此外，还可以利用本申请提供的全卷积模型制作颜色查找表(color lookuptable)。即根据第一色域图和利用全卷积模型生成的第二色域图，确定第一色域和第二色域图之间的颜色查找表。
值得说明的是，颜色查找表可以直接加入相机等终端设备的后期处理过程，以从软件的角度提升相机等终端设备拍摄的图像或视频的质量。颜色查找表也可以应用于图像/视频编辑器中，作为一种图像或者视频后期处理的手段，提高色域映射过程中图像或视频转换的色准，例如，利用颜色查找表实现图像的不同滤镜效果。当然，颜色查找表还可以用于不同显示设备之间的色域映射，使同一图像/视频在不同显示设备上展现出尽可能相同的效果。
下面对全卷积模型的训练方式进行说明。
在本申请中利用预设的训练集和预设的损失函数对全卷积初始模型进行迭代训练，得到全卷积模型。
其中，训练集包括多个第一色域图样本以及每个第一色域图样本对应的第二色域图样本。
在本申请实施例中，第一色域图样本的获取方式(或者来源)可以是通过视频或者图像采集设备直接获取的颜色节点值在第一色域的图像数据，也可以是将获取的颜色节点值在第一色域的视频数据进行抽帧或者拆帧等方式转换成的图像数据。
第二色域图样本也可以是通过视频或者图像采集设备直接获取的颜色节点值在第二色域的图像数据，还可以是将获取的颜色节点值在第二色域的视频数据进行抽帧或者拆帧等方式转换成的图像数据。
在一个示例中，多个第一色域图样本是至少一个第一色域视频样本中的视频帧，第二色域图样本是与第一色域视频样本对应的第二色域视频样本中的视频帧。
不难理解的，相较于单张的图像，视频中包含的颜色节点值更多样，因此，训练集采用第一色域视频样本和对应的第二色域视频样本中够提取到更丰富颜色节点值，采用颜色节点值更丰富的视频帧(包括第一色域图像样本和第二色域图像样本)对全卷积模型进行训练，还能够提高模型训练的准确度。
预设的损失函数用于描述预测的第二色域图和第二色域图样本之间的L2损失，预测的第二色域图为全卷积模型对第一色域图样本进行处理得到的。
值得说明的是，当色域映射的任务不同时，可以通过设计对应的训练集和损失函数来训练初始模型，从而得到适用不同色域映射的任务的全卷积模型。
下面以第一色域为SDR色域，第二色域为HDR色域为例，对本申请提供的全卷积模型的训练过程及应用进行示例性的说明。
如图3所示为HDR色域和SDR色域表示范围的示意图，其中，BT.709和BT.2020都是ITU(国际电信联盟)发布的电视参数标准，DCI-P3是美国电影工业为数字电影院所制定的色域标准。从图3可以看出，DCI-P3、BT.709和BT.2020中范围最大的是BT.2020，DCI-P3的色域范围次之，BT.709所表示的色域范围最小。目前，SDR图像/视频采用的是BT.709色域，而HDR图像/视频采用的是色域范围更为宽广的BT.2020色域或DCI-P3色域。就同一图像/视频而言，无论HDR图像/视频采用BT.2020色域还是DCI-P3色域，HDR图像/视频可以比SDR图像/视频展现出更高的对比度以及更加丰富的色彩。
首先，获取训练集，训练集可以包括多个SDR视频帧样本及与多个SDR视频帧样本一一对应的HDR视频帧样本。
具体的，首先获取SDR视频样本及其对应的HDR视频样本。示例性的，可以从公开的视频网站中获取SDR视频样本及对应的HDR视频样本。也可以对同一RAW数据格式的视频分别进行SDR和HDR处理，得到SDR视频样本及其对应的HDR视频样本。还可以分别利用SDR相机和HDR相机在同一场景下，分别拍摄对应的SDR视频样本和HDR视频样本。
在获取到SDR视频样本及其对应的HDR视频样本之后，分别对SDR视频样本及其对应的HDR视频样本进行抽帧处理，得到多个SDR视频帧样本以及在时序上和空间上与多个SDR视频帧样本一一对应的HDR视频帧样本。
不难理解的，可以采用抽帧工具对SDR视频样本及其对应的HDR视频样本进行抽帧。例如，采用FFmpeg(Fast Forward Mpeg)工具对SDR视频样本及其对应的HDR视频样本进行抽帧。
然后，利用预设的训练集和预设的损失函数对全卷积初始模型进行迭代训练，得到全卷积模型。
在全卷积初始模型搭建完成后，将多个SDR视频帧样本输入到全卷积初始模型中，全卷积初始模型分别对多个SDR视频帧样本进行处理，得到预测的多个HDR视频帧。
预设的损失函数用于全卷积初始模型预测的多个HDR视频帧与HDR视频帧样本之间的L2损失。
基于训练集和上述预设的损失函数，可以通过梯度下降法对全卷积初始模型进行迭代训练，直到模型收敛，即可得到已训练的全卷积模型。
得到具备SDR色域到HDR色域映射的全卷积模型后，可以基于该全卷积模型得到颜色映射表。例如，根据SDR色域中的所有颜色节点值生成SDR色域图，输入至该全卷积模型中处理后，即可得到对应的HDR色域图。然后将SDR色域图和HDR色域图中的颜色节点建立对应关系，得到颜色查找表。
在一个示例中，基于SDR色域图和HDR色域图之间的颜色查找表，本申请实施例提供一种HDR视频转换方法，该方法包括：
首先，获取待处理的SDR视频。
其中，待处理的SDR视频的获取方式可以是拍摄、下载或者是从本地存储区域中读取的完整的视频，也可以是从完成的视频中截取的SDR视频片段，还可以是利用不同色域内的全部或者部分颜色节点值合成不同的色域图。
然后，利用颜色查找表对SDR视频进行颜色映射，得到HDR色域视频。
需要说明的是，待处理的SDR视频采用的是8比特编码格式，经颜色查找表进行颜色映射后的到的HDR色域视频也采用的是8比特编码格式。
最后，将HDR色域的编码格式转换为HDR视频的编码格式，得到与SDR视频对应的HDR视频。
需要说明的是，将8比特编码的HDR色域视频进行格式转换，转换后形成10比特编码或者16比特编码的HDR视频。相较于8比特编码的颜色更新后的SDR视频，16比特编码或者10比特编码的HDR视频能够展现出更高的对比度以及更加丰富的色彩。
值得说明的是，相比于使用SDR视频帧转换为HDR视频帧，再将HDR视频帧合帧处理为HDR视频的转换方法，直接利用颜色查找表实现HDR视频转换的方法能够加快完成HDR视频转换任务，提高HDR视频转换的效率。
基于同一发明构思，作为对上述方法的实现，本申请实施例提供了一种色域映射装置，该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。
如图4所示，本申请提供一种色域映射装置，上述装置200包括：
获取单元201，用于获取第一色域图，第一色域图包括第一色域的多个颜色节点值；
处理单元202，用于将第一色域图输入已训练的全卷积模型中处理，输出第二色域图，第二色域图中包括与多个颜色节点值一一对应的颜色节点值，全卷积模型包括N个卷积核大小为1×1的卷积层，N个卷积层中穿插设置有N-1个激活函数，N为大于或者等于3的整数。
可选地，3≤N≤10。
可选地，激活函数为ReLU激活函数。
可选地，全卷积模型的训练方式包括：
利用预设的训练集和预设的损失函数对全卷积初始模型进行迭代训练，得到全卷积模型；
训练集包括多个第一色域图样本以及每个第一色域图样本对应的第二色域图样本；多个第一色域图样本是至少一个第一色域视频样本中的视频帧，第二色域图样本是与第一色域视频样本对应的第二色域视频样本中的视频帧；
预设的损失函数用于描述预测的第二色域图和第二色域图样本之间的L2损失，预测的第二色域图为全卷积模型对第一色域图样本进行处理得到的。
可选地，所述处理单元202还用于根据第一色域图和第二色域图确定第一色域和第二色域图之间的颜色查找表。
可选地，第一色域为SDR色域，第二色域为HDR色域，颜色查找表的应用方法包括：获取待处理的SDR视频；
利用颜色查找表对SDR视频进行颜色映射，得到HDR色域视频；将HDR色域视频的编码格式转换为HDR视频的编码格式，得到与SDR视频对应的HDR视频。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、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，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
基于同一发明构思，本申请实施例还提供了一种终端设备。图5为本申请实施例提供的终端设备的示意图，如图5所示，本实施例提供的终端设备300包括：存储器302和处理器301，存储器302用于存储计算机程序；处理器301用于在调用计算机程序时执行上述方法实施例所述的方法，例如图1所示的步骤S101至步骤S103。或者，所述处理器301执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如图4所示获取单元201、处理单元202及确定单元203的功能。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器302中，并由所述处理器301执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
本领域技术人员可以理解，图5仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器301可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器302可以是所述终端设备的内部存储单元，例如终端设备的硬盘或内存。所述存储器302也可以是所述终端设备的外部存储设备，例如所述终端设备上配备的插接式硬盘，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302还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器302用于存储所述计算机程序以及所述终端设备所需的其它程序和数据。所述存储器302还可以用于暂时地存储已经输出或者将要输出的数据。
本实施例提供的终端设备可以执行上述方法实施例，其实现原理与技术效果类似，此处不再赘述。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例所述的方法。
本申请实施例还提供一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现上述方法实施例所述的方法。
本申请实施例还提供一种芯片系统，包括处理器，所述处理器与存储器耦合，所述处理器执行存储器中存储的计算机程序，以实现上述方法实施例所述的方法。其中，所述芯片系统可以为单个芯片，或者多个芯片组成的芯片模组。
上述集成的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取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在本申请中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
此外，在本申请中，除非另有明确的规定和限定，术语“连接”、“相连”等应做广义理解，例如可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定、对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (10)

1.一种色域映射方法，其特征在于，所述方法包括：
获取第一色域图，所述第一色域图包括第一色域的多个颜色节点值；
将所述第一色域图输入已训练的全卷积模型中处理，输出第二色域图，所述第二色域图中包括与所述多个颜色节点值一一对应的颜色节点值，所述全卷积模型包括N个卷积核大小为1×1的卷积层，N个所述卷积层中穿插设置有N-1个激活函数，N为大于或者等于3的整数。
2.根据权利要求1所述的方法，其特征在于，3≤N≤10。
3.根据权利要求1所述的方法，其特征在于，所述激活函数为非线性激活函数。
4.根据权利要求1所述的方法，其特征在于，所述全卷积模型的训练方式包括：
利用预设的训练集和预设的损失函数对全卷积初始模型进行迭代训练，得到所述全卷积模型；
所述训练集包括多个第一色域图样本以及每个所述第一色域图样本对应的第二色域图样本；所述多个第一色域图样本是至少一个第一色域视频样本中的视频帧，所述第二色域图样本是与所述第一色域视频样本对应的第二色域视频样本中的视频帧；
所述预设的损失函数用于描述预测的第二色域图和所述第二色域图样本之间的L2损失，所述预测的第二色域图为所述全卷积模型对所述第一色域图样本进行处理得到的。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
根据所述第一色域图和所述第二色域图确定所述第一色域和所述第二色域图之间的颜色查找表。
6.根据权利要求5所述的方法，其特征在于，所述第一色域为SDR色域，所述第二色域为HDR色域，所述颜色查找表的应用方法包括：
获取待处理的SDR视频；
利用所述颜色查找表对所述SDR视频进行颜色映射，得到HDR色域视频；
将所述HDR色域视频的编码格式转换为HDR视频编码格式，得到与所述SDR视频对应的HDR视频。
7.一种色域映射装置，其特征在于，包括：
获取单元，用于获取第一色域图，所述第一色域图包括第一色域的多个颜色节点值；
处理单元，用于将所述第一色域图输入已训练的全卷积模型中处理，输出第二色域图，所述第二色域图中包括与所述多个颜色节点值一一对应的颜色节点值，所述全卷积模型包括N个卷积核大小为1×1的卷积层，N个所述卷积层中穿插设置有N-1个激活函数，N为大于或者等于3的整数。
8.根据权利要求7所述的装置，其特征在于，3≤N≤10。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。
10.一种计算机可读存储介质，所述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任一项所述的方法。
CN202110883146.5A 2021-08-02 2021-08-02 一种色域映射方法、装置、终端设备及存储介质 Pending CN113781322A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110883146.5A CN113781322A (zh) 2021-08-02 2021-08-02 一种色域映射方法、装置、终端设备及存储介质
PCT/CN2021/138136 WO2023010753A1 (zh) 2021-08-02 2021-12-15 一种色域映射方法、装置、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110883146.5A CN113781322A (zh) 2021-08-02 2021-08-02 一种色域映射方法、装置、终端设备及存储介质

Publications (1)

Publication Number Publication Date
CN113781322A true CN113781322A (zh) 2021-12-10

Family

ID=78836589

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110883146.5A Pending CN113781322A (zh) 2021-08-02 2021-08-02 一种色域映射方法、装置、终端设备及存储介质

Country Status (2)

Country Link
CN (1) CN113781322A (zh)
WO (1) WO2023010753A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023010753A1 (zh) * 2021-08-02 2023-02-09 中国科学院深圳先进技术研究院 一种色域映射方法、装置、终端设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110194618A1 (en) * 2009-03-13 2011-08-11 Dolby Laboratories Licensing Corporation Compatible compression of high dynamic range, visual dynamic range, and wide color gamut video
CN109903219A (zh) * 2019-02-28 2019-06-18 深圳市商汤科技有限公司 图像处理方法及装置、电子设备、计算机可读存储介质
CN109903256A (zh) * 2019-03-07 2019-06-18 京东方科技集团股份有限公司 模型训练方法、色差校正方法、装置、介质和电子设备
CN110717868A (zh) * 2019-09-06 2020-01-21 上海交通大学 视频高动态范围反色调映射模型构建、映射方法及装置
US20200394775A1 (en) * 2017-11-09 2020-12-17 Interdigital Vc Holdings, Inc. Method and device for generating a second image from a first image

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8627189B2 (en) * 2009-12-03 2014-01-07 Microsoft Corporation High performance digital signal processing in software radios
CN113781318A (zh) * 2021-08-02 2021-12-10 中国科学院深圳先进技术研究院 一种图像颜色映射方法、装置、终端设备及存储介质
CN113784175B (zh) * 2021-08-02 2023-02-28 中国科学院深圳先进技术研究院 一种hdr视频转换方法、装置、设备及计算机存储介质
CN113781322A (zh) * 2021-08-02 2021-12-10 中国科学院深圳先进技术研究院 一种色域映射方法、装置、终端设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110194618A1 (en) * 2009-03-13 2011-08-11 Dolby Laboratories Licensing Corporation Compatible compression of high dynamic range, visual dynamic range, and wide color gamut video
US20200394775A1 (en) * 2017-11-09 2020-12-17 Interdigital Vc Holdings, Inc. Method and device for generating a second image from a first image
CN109903219A (zh) * 2019-02-28 2019-06-18 深圳市商汤科技有限公司 图像处理方法及装置、电子设备、计算机可读存储介质
CN109903256A (zh) * 2019-03-07 2019-06-18 京东方科技集团股份有限公司 模型训练方法、色差校正方法、装置、介质和电子设备
CN110717868A (zh) * 2019-09-06 2020-01-21 上海交通大学 视频高动态范围反色调映射模型构建、映射方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KATSUHIKO HIRAO, ET AL.: "Convolutional Neural Networkbased Inverse Tone Mapping for High Dynamic Range Display using LUCORE", 《2019 IEEE INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS (ICCE)》, pages 1 - 2 *
KATSUHIKO HIRAO, ET AL.: "Deep Inverse Tone Mapping Optimized for High Dynamic Range Display", 《2018 INTERNATIONAL CONFERENCE ON INFORMATION AND COMMUNICATION TECHNOLOGY CONVERGENCE (ICTC)》, pages 472 - 474 *
王晓红 等: "《设计色彩学》", 30 September 2018, 复旦大学出版社, pages: 134 - 136 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023010753A1 (zh) * 2021-08-02 2023-02-09 中国科学院深圳先进技术研究院 一种色域映射方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
WO2023010753A1 (zh) 2023-02-09

Similar Documents

Publication Publication Date Title
CN113784175B (zh) 一种hdr视频转换方法、装置、设备及计算机存储介质
US8248494B2 (en) Image dynamic range compression method, apparatus, and digital camera
US8675984B2 (en) Merging multiple exposed images in transform domain
US20130222645A1 (en) Multi frame image processing apparatus
CN102655564A (zh) 图像处理设备、图像处理方法以及程序
WO2023010750A1 (zh) 一种图像颜色映射方法、装置、终端设备及存储介质
CN113781320A (zh) 一种图像处理方法、装置、终端设备及存储介质
CN111312141B (zh) 色域的调整方法及装置
WO2016202926A1 (fr) Procédé et dispositif de production d'une image numérique
CN113781319A (zh) 一种hdr视频转换方法、装置、设备及计算机存储介质
CN110807735A (zh) 图像处理方法、装置、终端设备及计算机可读存储介质
CN110717864B (zh) 一种图像增强方法、装置、终端设备及计算机可读介质
WO2023010751A1 (zh) 图像高亮区域的信息补偿方法、装置、设备及存储介质
CN113781322A (zh) 一种色域映射方法、装置、终端设备及存储介质
CN110838088B (zh) 一种基于深度学习的多帧降噪方法、装置及终端设备
US20100079582A1 (en) Method and System for Capturing and Using Automatic Focus Information
CN108550110B (zh) 一种基于raw图像的全景拼接方法、装置及电子设备
CN111383188A (zh) 一种图像处理方法、系统及终端设备
CN107292829B (zh) 图像处理方法及装置
CN111179158B (zh) 图像处理方法、装置、电子设备及介质
CN110910439B (zh) 图像分辨率估计方法、装置及终端
Douglas Digital image recompression analysis of Instagram
US9779470B2 (en) Multi-line image processing with parallel processing units
CN106961555B (zh) 数据处理方法及装置
WO2021070818A1 (ja) サーバ装置及びプログラム

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