CN113781338A - 图像增强方法、装置、设备及介质 - Google Patents
图像增强方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113781338A CN113781338A CN202111018339.0A CN202111018339A CN113781338A CN 113781338 A CN113781338 A CN 113781338A CN 202111018339 A CN202111018339 A CN 202111018339A CN 113781338 A CN113781338 A CN 113781338A
- Authority
- CN
- China
- Prior art keywords
- value
- brightness
- pixel point
- filtering
- image
- 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 48
- 238000001914 filtration Methods 0.000 claims abstract description 144
- 230000004927 fusion Effects 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 45
- 230000000875 corresponding effect Effects 0.000 claims description 70
- 230000009467 reduction Effects 0.000 claims description 25
- 238000011084 recovery Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 13
- 230000001965 increasing effect Effects 0.000 claims description 9
- 230000002596 correlated effect Effects 0.000 claims description 7
- 230000006872 improvement Effects 0.000 claims description 7
- 238000003672 processing method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 7
- 230000009466 transformation Effects 0.000 description 13
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000126 substance Substances 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像增强方法、装置、设备及介质，属于图像处理技术领域。方法包括：获取待处理图像和待处理图像的任一像素点的原始亮度值；基于多个预设滤波尺度，对任一像素点的原始亮度值进行均值滤波处理，获得多个均值滤波值；对于任一像素点的任一均值滤波值，基于任一均值滤波值和预设亮度阈值的大小判断结果对任一均值滤波值进行像素值调节，获得任一均值滤波值对应的目标亮度值；对多个均值滤波值对应的多个目标亮度值进行亮度融合，获得任一像素点的亮度融合值；基于亮度融合值，获得待处理图像增强处理后的图像。本发明可较好地保留图像局部对比度，更好地还原真实场景，使得处理后的图像能够更好地反映出真实环境中的视觉效果。
Description
技术领域
本发明涉及数字图像处理技术领域，尤其涉及一种图像增强方法、装置、设备及介质。
背景技术
相关技术中，对于逆光拍摄的图像，可通过图像增强处理技术对图像进行处理，以提高逆光拍摄图像的图像效果。
但是，现有的逆光拍摄的图像经过图像增强处理后，待处理图像的某些细节可能消失，导致处理后图像的对比度不自然。
发明内容
本发明的主要目的在于提供一种图像增强方法、装置、设备及介质，旨在解决现有技术中逆光拍摄图像的在图像增强处理后细节丢失的技术问题。
为实现上述目的，第一方面，本发明提供一种图像增强方法，所述方法包括：
获取待处理图像和所述待处理图像的任一像素点的原始亮度值；
基于多个预设滤波尺度，对所述任一像素点的原始亮度值进行均值滤波处理，获得多个均值滤波值；
对所述任一均值滤波值进行像素值调节，获得所述任一均值滤波值对应的目标亮度值；其中，所述目标亮度值与所述任一均值滤波值之间的差值与所述任一均值滤波值相对应；
对多个所述均值滤波值对应的多个目标亮度值进行亮度融合，获得所述任一像素点的亮度融合值；
基于所述亮度融合值，获得所述待处理图像增强处理后的图像。
在一实施例中，所述对任一均值滤波值进行像素值调节，获得所述任一均值滤波值对应的目标亮度值，包括：
基于所述任一均值滤波值和预设亮度阈值之间的数值关系，从多个待选像素值调节策略中确定出目标像素值调节策略；
基于所述目标像素值调节策略，获得所述任一均值滤波值对应的目标亮度值。
在一实施例中，多个所述待选像素值调节策略包括提升策略和降低策略；
所述基于所述目标像素值调节策略，获得所述任一均值滤波值对应的目标亮度值，包括：
基于所述提升策略，增大所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值；
基于所述降低策略，减小所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值。
在一实施例中，所述增大所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值，包括：
确定所述任一均值滤波值对应的提升值；其中，所述提升值和所述任一均值滤波值呈负相关；
基于所述提升值和所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值；和/或
所述减小所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值，包括：
确定所述任一均值滤波值对应的降低值；其中，所述降低值和所述任一均值滤波值呈正相关；
基于所述降低值和所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值。
在一实施例中，所述增大所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值，包括：
基于所述任一像素点的原始亮度值、所述任一均值滤波值和亮度提升预设公式，获得所述任一均值滤波值对应的目标亮度值；
所述亮度提升预设公式为：
其中，TH为预设亮度阈值，B、TH、Cdark以及l均为常数，S’n(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下的目标亮度值，Sn(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下的均值滤波值，S0(i,j)为所述任一像素点(i,j)的所述原始亮度值，n为大于0的整数。
在一实施例中，所述减小所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值，包括：
基于所述任一像素点的原始亮度值、所述任一均值滤波值和亮度降低预设公式，获得所述任一均值滤波值对应的目标亮度值；
所述亮度降低预设公式为：
其中，TH为预设亮度阈值，Cbright、B、TH、Cdark以及l均为常数，S’n(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下目标亮度值，Sn(i,j)为所述任一像素点(i,j)的在预设滤波尺度Kn下的均值滤波值，S0(i,j)为所述任一像素点(i,j)的所述原始亮度值，n为大于0的整数。
在一实施例中，所述对多个所述均值滤波值对应的多个目标亮度值进行亮度融合，获得所述任一像素点的亮度融合值，包括：
基于亮度融合公式，对多个所述均值滤波值对应的多个目标亮度值进行亮度融合，获得所述任一像素点的亮度融合值；所述亮度融合公式为：
其中，S’out(i,j)为所述任一像素点(i,j)的亮度融合值，S’n(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下的目标亮度值，n为大于0的整数。
在一实施例中，所述基于所述亮度融合值，获得所述待处理图像增强处理后的RGB图像，包括：
在RGB空间，基于所述任一像素点的初始R值、所述原始亮度值、所述亮度融合值和第一预设色彩恢复公式，获得所述任一像素点的目标R值；其中，所述初始R值为所述任一像素点在所述待处理图像中的R值；第一预设色彩恢复公式为：
基于所述任一像素点的初始G值、所述原始亮度值、亮度融合值和第二预设色彩恢复公式，获得所述任一像素点的目标G值；其中，所述初始G值为所述任一像素点在所述待处理图像中的G值；第二预设色彩恢复公式为：
基于所述任一像素点的初始B值、所述原始亮度值、亮度融合值和第三预设色彩恢复公式，获得所述任一像素点的目标B值；其中，所述初始B值为所述任一像素点在所述待处理图像中的B值；
其中，Rout(i,j)为所述任一像素点(i,j)的目标R值，Gout(i,j)为所述任一像素点(i,j)的目标G值，Bout(i,j)为所述任一像素点(i,j)的目标B值，Rin(i,j)为所述任一像素点(i,j)的初始R值，Gin(i,j)为所述任一像素点(i,j)的初始G值，Bin(i,j)为所述任一像素点(i,j)的初始B值，S’out(i,j)为所述任一像素点(i,j)的亮度融合值，S0(i,j)为所述任一像素点(i,j)的所述原始亮度值，ω为饱和度系数，0≤ω≤1。
在一实施例中，均值滤波值可通过下述预设均值滤波公式获得：
其中，Kn为预设滤波尺度，其中，n为大于0的整数，S0(i,j)为所述任一像素点(i,j)的所述亮度值，Sn(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下的均值滤波值。
第二方面，本发明还提供了一种图像增强装置，包括：
图像获取模块，用于获取待处理图像和所述待处理图像的任一像素点的原始亮度值；
均值滤波模块，用于基于多个预设滤波尺度，对所述任一像素点的原始亮度值进行均值滤波处理，获得多个均值滤波值；
灰度变化值确定模块，用于对于所述任一像素点的任一均值滤波值，基于所述任一均值滤波值和预设亮度阈值的大小判断结果对所述任一均值滤波值进行调节，获得所述任一均值滤波值对应的目标亮度值；
亮度融合模块，用于对多个所述均值滤波值对应的多个目标亮度值进行亮度融合，获得所述任一像素点的亮度融合值；
图像增强模块，用于基于所述亮度融合值，获得所述待处理图像增强处理后的图像
第三方面，本发明还提供了一种图像增强处理设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像增强处理程序，所述图像增强处理程序配置为实现如上所述的图像增强处理方法。
第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有图像增强处理程序，所述图像增强处理程序被处理器执行时实现如上所述的图像增强处理方法。
本发明实施例提供了一种图像增强方法，通过多个预设滤波尺度过滤后融合获得更多的图像细节，并局部自适应、差异化地调节图像每个位置的亮度，从而能够同时恢复逆光图像暗区和亮区的细节，较好地保留图像局部对比度，更好地还原真实场景，使得处理后的图像能够更好地反映出真实环境中的视觉效果。
附图说明
图1为本发明图像增强设备的结构示意图；
图2为本发明图像增强方法第一实施例的流程示意图；
图3为本发明图像增强方法第一实施例的提升亮度曲线示意图；
图4为本发明图像增强方法第三实施例的降低亮度曲线示意图；
图5为本发明图像增强装置的功能模块示意图。
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。
相关技术中，对于安防摄摄像头等监控设备的逆光监控图像，以及智能手机、平板电脑等用户终端在逆光环境下的拍摄或者拍照图像，为了使得上述图像可以反映出真实环境中的视觉效果，需要对其进行图像增强处理。
但是，基于直方图均衡化的技术变换后图像的灰度级减少，某些细节可能消失，对于某些图像，如直方图有高峰，经处理后对比度不自然。
为此，本发明提供了一种图像增强方法，通过多尺度融合获得更多的图像细节，局部自适应调节图像每个位置的亮度，能够同时恢复逆光图像暗区和亮区的细节，较好地保留图像局部对比度，更好地还原真实场景，可以解决在逆光环境下摄像头采集的图像光照明暗不均和细节丢失的问题，处理后的图像能够更好地反映出真实环境中的视觉效果。
下面结合一些具体实施例进一步阐述本申请的发明构思。
图1所示为本发明实施例涉及的图像增强设备的结构示意图。
图像增强设备可以是智能电话、笔记本电脑、平板电脑(PAD)等用户设备(UserEquipment，UE)、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备、移动台(Mobile station，MS)等。图像增强设备可能被称为用户终端、便携式终端、台式终端等。
通常，图像增强设备包括：至少一个处理器301、存储器302以及存储在所述存储器上并可在所述处理器上运行的图像增强程序，所述图像增强程序配置为实现如下方法实施例所述的图像增强方法的步骤。
处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(CentralProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责投影仪所需要投影的内容的渲染和绘制。处理器301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关图像增强操作，使得图像增强模型可以自主训练学习，提高效率和准确度。
存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的图像增强方法。
图像增强设备还包括有：通信接口303。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。
本领域技术人员可以理解，图1中示出的结构并不构成对图像增强设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
基于上述硬件结构但不限于上述硬件结构，提出本申请的图像增强方法第一实施例。参阅图2，图2为本发明图像增强方法第一实施例的流程步骤示意图。
本实施例中，一种图像增强方法，包括：
步骤S101、获取待处理图像和所述待处理图像的任一像素点的原始亮度值。
本实施例中，图像增强方法的执行主体可以是智能手机或者平板电脑等用户终端，该用户终端具有摄像头，从而在获得逆光拍摄的拍摄图像后直接对其进行图像增强处理，以获得可反映出真实环境中的视觉效果的增强图像。
或者，图像增强方法的执行主体还可以是与用户终端或者监控终端通信连接的服务器。智能手机或者平板电脑等用户终端具有摄像头，从而可获得逆光拍摄的拍摄图像，监控终端可以是监控摄像头，以获取逆光环境下拍摄的监控图像。用户终端或者监控终端将逆光环境下拍摄的图像通过有线或者无线通信的方式发送至服务器。
下文以将进行图像增强处理的执行主体为用户终端进行举例说明。
摄像头采集的待处理图像。该待处理图像在逆光环境下获得并保存在本地。用户可通过用户终端的图像增强界面上的打开控件打开该待处理图像，从而获取到该待处理图像。或者，摄像头采集得到待处理图像后，在将其展示在图像预览界面前，用户终端在后台即获取待处理图像并对其进行本实施例的图像增强处理后，再将其展示在拍摄界面的图像预览界面中，用户可在满意拍摄效果时通过拍摄界面的保存控件保存该图像，或者在不满意拍摄效果时通过删除控件删除该图像并重新拍照。
该待处理图像为在RGB颜色空间中的RGB图像。对于待处理图像中的任一像素点(i,j)，其在RGB颜色空间中具有初始R值Rin(i,j)、初始G值Gin(i,j)和初始B值Bin(i,j)。对待处理图像进行颜色空间变换，可提取得到该待处理图像的亮度分量图，对于任一像素点(i,j)，其在亮度分量图的像素值为对应的原始亮度值S0。其中：
S0(i,j)＝0.299*Rin(i,j)+0.587*Gin(i,j)+0.114*Bin(i,j)。
步骤S102、基于多个预设滤波尺度，对所述任一像素点的原始亮度值进行均值滤波处理，获得多个均值滤波值。
其中，均值滤波是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素点(以目标像素点为中心的周围K个像素，构成一个滤波模板，该滤波模板包括目标像素本身)，再用滤波模板中的全体像素点的平均值来代替目标像素点的值。其中，滤波模板为K*K的矩形区域，K即为预设滤波尺度。
均值滤波值可反映出任一像素点周围K*K邻域内的像素亮度均值的明暗程度。
本步骤中，基于不同的预设滤波尺度对待处理图像进行均值滤波处理，类似于深度学习中用不同大小的卷积核进行卷积的过程，卷积核的尺寸越小，感受野越小，看到的图像细节越丰富，反之看到的细节越少，结构化的信息更多。多种尺度滤波处理后的待处理图像中，小尺度滤波后处理的局部细节信息最多，对应的高频成分较多，中尺度和大尺度率滤波处理后的图中的低频成分较多，从而可使得多个图融合后的结果图含有丰富的频率信息，因而能够呈现更丰富的细节。
如本步骤中，具有三个预设滤波尺度K1，K2和K3，K1＜K2＜K3。其中，参阅图，K1表示半径为3个像素点的尺度，该尺度对应的滤波模板为以目标像素点为中心、边为7个像素点的矩形区域。即K1为小尺度。K2表示半径为5个像素点的尺度，该尺度对应的滤波模板为以目标像素点为中心、边为11个像素点的矩形区域。即K2为中尺度。K3表示半径为7个像素点的尺度，该尺度对应的滤波模板为以目标像素点为中心、半径为15个像素点的矩形区域。即K3为大尺度。
此时，基于第一预设滤波尺度K1，对任一像素点的原始亮度值S0(i,j)进行均值滤波处理，获得第一均值滤波值S1(i,j)。第一均值滤波值S1(i,j)可反映处理更多的局部细节信息，其中包括的高频成分较多。
基于第二预设滤波尺度K2，对任一像素点的原始亮度值S0(i,j)进行均值滤波处理，获得第二均值滤波值S2(i,j)。
基于第三预设滤波尺度K2，对任一像素点的原始亮度值S0(i,j)进行均值滤波处理，获得第三均值滤波值S3(i,j)。第二均值滤波值S2(i,j)和S3(i,j)低频成分较多。
在一具体实施方式中，均值滤波值可通过下述预设均值滤波公式获得：
其中，Kn为预设滤波尺度，其中，n为大于0的整数，S0(i,j)为所述任一像素点(i,j)的所述原始亮度值，Sn(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下的均值滤波值。如，Kn可为K1，K2和K3中的任一值，对于任一点(i,j)，可得到其第一均值滤波值S1(i,j)、第二均值滤波值S2(i,j)和第三均值滤波值S3(i,j)。
对于待处理图像中的所有像素点，可基于S1(i,j)、第二均值滤波值S2(i,j)和第三均值滤波值S3(i,j)。获得三张均值滤波结果图S1、S2和S3。
步骤S103、对所述任一均值滤波值进行像素值调节，获得所述任一均值滤波值对应的目标亮度值。其中，所述目标亮度值与所述任一均值滤波值之间的差值与所述任一均值滤波值相对应。
该步骤中，对任一像素点的任一均值滤波值进行像素值调节，且调节后所述目标亮度值与所述任一均值滤波值之间的差值与所述任一均值滤波值相对应。即基于任一均值滤波值的具体数值自适应地调节图像每个局部位置的亮度，以能够较好地保留图像局部对比度。
如，根据亮度分量图S0中每个像素点周围K*K邻域内的像素灰度均值的明暗程度，即每个像素点的均值滤波值采用不同的目标像素值调节策略进行像素值调节，得到像素值调节后的灰度变换结果图。
在一具体实施方式中，步骤S103包括：
步骤A10、基于所述任一均值滤波值和预设亮度阈值之间的数值关系，从多个待选像素值调节策略中确定出目标像素值调节策略。
步骤A20、基于所述目标像素值调节策略，获得所述任一均值滤波值对应的目标亮度值。
如该步骤中，可通过所述任一均值滤波值和预设亮度阈值的数值关系对所述任一均值滤波值进行自适应调节，即对于不同的数值关系，采取不同的目标像素值调节策略，自适应地、差异化地调节图像每个局部位置的亮度，以能够较好地保留图像局部对比度。
其中，多个待选像素值调节策略包括提升策略和降低策略。在一具体实施方式中，步骤A10包括：
(1)、判断所述任一均值滤波值是否小于预设亮度阈值。
判断Sn(i,j)＜TH是否成立。其中，预设亮度阈值为TH。即将经过滤波处理后的亮度分量图S0中每个像素点的均值滤波值逐一与预设亮度阈值进行比较，判断亮度分量图S0每一像素点周围K*K局部区域的明暗程度。
(2)、若小于所述预设亮度阈值，则将所述任一均值滤波值对应的目标像素值调节策略确定为提升策略。
即增大所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值。当任一像素点(i,j)周围像素点的灰度均值Sn(i,j)小于TH时，可认为该点的亮度较暗，则提升该点的像素灰度值，获得Sn(i,j)对应的目标亮度值S’n(i,j)。
(3)、若大于或者等于所述预设亮度阈值，则将所述任一均值滤波值对应的目标像素值调节策略确定为降低策略。
当任一像素点(i,j)周围像素点的灰度均值Sn(i,j)≥TH时，可认为该点的亮度较高，则降低该点的像素灰度值，获得Sn(i,j)对应的目标亮度值S’n(i,j)。
即本实施例通过所述任一均值滤波值和预设亮度阈值的大小判断结果对所述任一均值滤波值进行自适应调节，基于不同的像素值调节策略获得差异化调节的目标亮度值。使得图像处理后可以能够较好地保留图像局部对比度，避免细节丢失。
此时，步骤A20包括：
基于所述提升策略，增大所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值；或者
基于所述降低策略，减小所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值。
为了更好的保留图像局部对比度，避免细节丢失，该步骤中，对于不同阈值范围的像素点，可采用不同的调整策略，具体而言：
(1)若小于所述预设亮度阈值，步骤A20包括：
步骤A21、确定所述任一均值滤波值对应的提升值；其中，所述提升值和所述任一均值滤波值呈负相关；
步骤A22、基于所述提升值和所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值；。
具体而言，当任一像素点(i,j)周围像素点的灰度均值Sn(i,j)小于TH时，Sn(i,j)越小，所述目标亮度值与所述任一均值滤波值的差值，即提升值越大，即灰度变换处理后亮度的提升程度越大。
(2)若大于或者等于所述预设亮度阈值，步骤A20包括：
步骤A23、确定所述任一均值滤波值对应的降低值；其中，所述降低值和所述任一均值滤波值呈正相关；
步骤A24、基于所述降低值和所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值。
此时，所述目标亮度值与所述任一均值滤波值的差值，即降低值和所述任一均值滤波值呈正相关。
当任一像素点(i,j)周围像素点的灰度均值Sn(i,j)≥TH时，Sn(i,j)越大，所述目标亮度值与所述任一均值滤波值的差值越大，即灰度变换处理后亮度的局部对比度更加明显，更加容易被保留。
通过上述处理步骤，以预设亮度阈值划分后，对不同于阈值范围的像素点，采用不同的亮度调整策略，使得像素点之间的对比度更加明显。
如在一实施例中，当增大所述任一均值滤波值时，步骤A20具体为：基于所述任一像素点的原始亮度值、所述任一均值滤波值和亮度提升预设公式，获得所述任一均值滤波值对应的目标亮度值；
所述亮度提升预设公式为：
其中，TH为预设亮度阈值，B、TH、Cdark以及l均为常数，S’n(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下的目标亮度值，Sn(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下的均值滤波值，S0(i,j)为所述任一像素点(i,j)的所述原始亮度值，n为大于0的整数。
其中，
可表示为A1，A1可反映出亮度提升预设公式的凹凸程度。
如，在B＝255，假设A分别取值为2B，B，10-1B或者10-2B时，分别绘制提升亮度变换曲线曲线如图3所示。
此时，周围亮度均值Sn(i,j)越小，则A1也越小，由图3可知，A1值越小，亮度的提升程度越大。
当减小所述任一均值滤波值时，步骤A20具体为：
若大于或者等于所述预设亮度阈值，则基于所述任一像素点的原始亮度值、所述任一均值滤波值和亮度降低预设公式，获得所述任一均值滤波值对应的目标亮度值；
所述亮度降低预设公式为：
其中，其中，TH为预设亮度阈值，Cbright、B、TH以及l均为常数，S’n(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下的目标亮度值，Sn(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下的均值滤波值，S0(i,j)为所述任一像素点(i,j)的所述原始亮度值，n为大于0的整数。
此时，
可表示为A2，A2可反映出亮度降低预设公式的凹凸程度。
如，在B＝255，假设A分别取值为2B，B，10-1B或者10-2B时，分别绘制降低亮度变换曲线如图4所示。
此时，周围亮度均值Sn(i,j)越大，则A2也越小，由图4可知，A2值越小，亮度的降低程度越大。
其中，Cbright和Cdark可根据待处理图像的整体明暗程度设置，用于分别调节降低亮度变换曲线和提升亮度变换曲线的非线性，当Cbright和Cdark越小时，相应的降低亮度变换曲线和提升亮度变换曲线的非线性程度越大。
也即是本实施例中，根据亮度分量图S0中每个像素点周围K*K邻域内的像素灰度均值的明暗程度，即每个像素点的均值滤波值采用不同的目标像素值调节策略进行像素值调节，且针对每个像素点的均值滤波值，对需要使用的降低亮度变换曲线或者提升亮度变换曲线进行凹凸程度的变换，然后基于变换后降低亮度变换曲线或者提升亮度变换曲线进行像素值调节，得到像素值调节后的灰度变换结果图。从而对于每个像素点，不仅自适应地采用不同的像素值调节策略，且对于同一像素值调节策略，还对于不同像素点对该策略所需的降低亮度变换曲线或者提升亮度变换曲线进行自适应性的凹凸程度的变换，以更进一步地自适应调节图像每个位置的亮度，能够同时恢复逆光图像暗区和亮区的细节，较好地保留图像局部对比度，更好地还原真实场景，视觉效果提升更加明显；通过多尺度融合获得更多的图像细节。
对于任一像素点(i,j)，在具有三个预设滤波尺度K1，K2和K3时，可得到第一均值滤波值S1(i,j)对应的目标亮度值S’1(i,j)、第二均值滤波值S2(i,j)对应的目标亮度值S’2(i,j)和第三均值滤波值S3(i,j)对应的目标亮度值S’3(i,j)。
对于待处理图像中的所有像素点，可基于S’1(i,j)、S’2(i,j)和S’3(i,j)，在三张均值滤波结果图S1、S2和S3的基础上，通过灰度变换获得三张灰度变换结果图S1’、S2’和S3’。
步骤S104、对多个所述均值滤波值对应的多个目标亮度值进行亮度融合，获得所述任一像素点的亮度融合值。
然后对这三个不同滤波尺度下的结果图进行融合处理，本领域技术人员可知晓如何融合方法不限，本实施例对此并不限制。
如，在一实施例中，亮度融合值S’out可采用下式获得：
其中，S’out(i,j)为所述任一像素点(i,j)的亮度融合值，S’n(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下的目标亮度值，n为大于0的整数。
如，在一具体实施方式中，S’out＝(S’1(i,j)+S’2(i,j)+S’3(i,j))/3
本步骤中，对三张灰度变换结果图S1’、S2’和S3’进行融合处理，获得融合结果图，融合结果图中的任一像素点的像素值为亮度融合值S’out(i,j)。
步骤S105、基于所述亮度融合值，获得所述待处理图像增强处理后的图像。
如在获得亮度融合值后，可通过彩色恢复方法获得图像增强处理后的RGB图像。
本实施例中，通过多个预设滤波尺度过滤后融合获得更多的图像细节，并通过任一像素点的任一均值滤波值和预设亮度阈值的大小判断结果局部自适应、差异化地调节图像每个位置的亮度，从而能够同时恢复逆光图像暗区和亮区的细节，较好地保留图像局部对比度，更好地还原真实场景，使得处理后的图像能够更好地反映出真实环境中的视觉效果。
作为一个实施例，在本发明实施例图像增强方法第一实施例的基础上，提出本发明实施例图像增强方法第二实施例。
本实施例中，步骤S105包括：
步骤B10、在RGB空间，基于所述任一像素点的初始R值、所述原始亮度值、所述亮度融合值和第一预设色彩恢复公式，获得所述任一像素点的目标R值；其中，所述初始R值为所述任一像素点在所述待处理图像中的R值；第一预设色彩恢复公式为：
步骤B20、基于所述任一像素点的初始G值、原始亮度值、亮度融合值和第二预设色彩恢复公式，获得所述任一像素点的目标G值；其中，所述初始G值为所述任一像素点在所述待处理图像中的G值；第二预设色彩恢复公式为：
步骤B30、基于所述任一像素点的初始B值、原始亮度值、亮度融合值和第三预设色彩恢复公式，获得所述任一像素点的目标B值；其中，所述初始B值为所述任一像素点在所述待处理图像中的B值；
其中，Rout(i,j)为所述任一像素点(i,j)的目标R值，Gout(i,j)为所述任一像素点(i,j)的目标G值，Bout(i,j)为所述任一像素点(i,j)的目标B值，Rin(i,j)为所述任一像素点(i,j)的初始R值，Gin(i,j)为所述任一像素点(i,j)的初始G值，Bin(i,j)为所述任一像素点(i,j)的初始B值，S’out(i,j)为所述任一像素点(i,j)的亮度融合值，S0(i,j)为所述任一像素点(i,j)的所述原始亮度值，ω为饱和度系数，0≤ω≤1。
可以理解的，当ω＝1时，公式变为一般的彩色恢复公式：
因此，相较于现有的色彩恢复公式，本实施例增设了一饱和度系数ω，通过调节饱和度系数ω改变各颜色分量的饱和度，从而避免最终获得的RGB图像出现颜色失真的情况。
此外，参阅图5，本发明还提供了一种图像增强装置，包括：
图像获取模块10，用于获取待处理图像和所述待处理图像的任一像素点的原始亮度值；
均值滤波模块20，用于基于多个预设滤波尺度，对所述任一像素点的原始亮度值进行均值滤波处理，获得多个均值滤波值；
灰度变化值确定模块30，用于对所述任一均值滤波值进行调节，获得所述任一均值滤波值对应的目标亮度值；
亮度融合模块40，用于对多个所述均值滤波值对应的多个目标亮度值进行亮度融合，获得所述任一像素点的亮度融合值；
图像增强模块50，用于基于所述亮度融合值，获得所述待处理图像增强处理后的图像。
本发明图像增强装置的其他实施例和具体实施方式可参照上述方法实施例的阐述，此处不再赘述。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有图像增强处理程序，所述图像增强处理程序被处理器执行时实现如上文所述的图像增强方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。确定为示例，程序指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等，包括若干指令用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)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明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，均同理包括在本发明的专利保护范围内。
Claims (12)
1.一种图像增强方法，其特征在于，所述方法包括：
获取待处理图像和所述待处理图像的任一像素点的原始亮度值；
基于多个预设滤波尺度，对所述任一像素点的原始亮度值进行均值滤波处理，获得多个均值滤波值；
对任一均值滤波值进行像素值调节，获得所述任一均值滤波值对应的目标亮度值；其中，所述目标亮度值与所述任一均值滤波值之间的差值与所述任一均值滤波值相对应；
对多个所述均值滤波值对应的多个目标亮度值进行亮度融合，获得所述任一像素点的亮度融合值；
基于所述亮度融合值，获得所述待处理图像增强处理后的图像。
2.根据权利要求1的图像增强方法，其特征在于，所述对任一均值滤波值进行像素值调节，获得所述任一均值滤波值对应的目标亮度值，包括：
基于所述任一均值滤波值和预设亮度阈值之间的数值关系，从多个待选像素值调节策略中确定出目标像素值调节策略；
基于所述目标像素值调节策略，获得所述任一均值滤波值对应的目标亮度值。
3.根据权利要求2所述的图像增强方法，其特征在于，多个所述待选像素值调节策略包括提升策略和降低策略；
所述基于所述目标像素值调节策略，获得所述任一均值滤波值对应的目标亮度值，包括：
基于所述提升策略，增大所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值；
基于所述降低策略，减小所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值。
4.根据权利要求3所述的图像增强方法，其特征在于，所述增大所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值，包括：
确定所述任一均值滤波值对应的提升值；其中，所述提升值和所述任一均值滤波值呈负相关；
基于所述提升值和所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值；和/或
所述减小所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值，包括：
确定所述任一均值滤波值对应的降低值；其中，所述降低值和所述任一均值滤波值呈正相关；
基于所述降低值和所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值。
5.根据权利要求4所述的图像增强方法，其特征在于，所述增大所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值，包括：
基于所述任一像素点的原始亮度值、所述任一均值滤波值和亮度提升预设公式，获得所述任一均值滤波值对应的目标亮度值；
所述亮度提升预设公式为：
其中，TH为预设亮度阈值，B、TH、Cdark以及l均为常数，S'n(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下的目标亮度值，Sn(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下的均值滤波值，S0(i,j)为所述任一像素点(i,j)的所述原始亮度值，n为大于0的整数。
6.根据权利要求4所述的图像增强方法，其特征在于，所述减小所述任一均值滤波值，获得所述任一均值滤波值对应的目标亮度值，包括：
基于所述任一像素点的原始亮度值、所述任一均值滤波值和亮度降低预设公式，获得所述任一均值滤波值对应的目标亮度值；
所述亮度降低预设公式为：
其中，TH为预设亮度阈值，Cbright、B、TH、Cdark以及l均为常数，S'n(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下目标亮度值，Sn(i,j)为所述任一像素点(i,j)的在预设滤波尺度Kn下的均值滤波值，S0(i,j)为所述任一像素点(i,j)的所述原始亮度值，n为大于0的整数。
7.根据权利要求1所述的图像增强方法，其特征在于，所述对多个所述均值滤波值对应的多个目标亮度值进行亮度融合，获得所述任一像素点的亮度融合值，包括：
基于亮度融合公式，对多个所述均值滤波值对应的多个目标亮度值进行亮度融合，获得所述任一像素点的亮度融合值；所述亮度融合公式为：
其中，S'out(i,j)为所述任一像素点(i,j)的亮度融合值，S'n(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下的目标亮度值，n为大于0的整数。
8.根据权利要求1或7所述的图像增强方法，其特征在于，所述基于所述亮度融合值，获得所述待处理图像增强处理后的图像，包括：
在RGB空间，基于所述任一像素点的初始R值、所述原始亮度值、所述亮度融合值和第一预设色彩恢复公式，获得所述任一像素点的目标R值；其中，所述初始R值为所述任一像素点在所述待处理图像中的R值；第一预设色彩恢复公式为：
基于所述任一像素点的初始G值、所述原始亮度值、亮度融合值和第二预设色彩恢复公式，获得所述任一像素点的目标G值；其中，所述初始G值为所述任一像素点在所述待处理图像中的G值；第二预设色彩恢复公式为：
基于所述任一像素点的初始B值、所述原始亮度值、亮度融合值和第三预设色彩恢复公式，获得所述任一像素点的目标B值；其中，所述初始B值为所述任一像素点在所述待处理图像中的B值；
其中，Rout(i,j)为所述任一像素点(i,j)的目标R值，Gout(i,j)为所述任一像素点(i,j)的目标G值，Bout(i,j)为所述任一像素点(i,j)的目标B值，Rin(i,j)为所述任一像素点(i,j)的初始R值，Gin(i,j)S'out(i,j)为所述任一像素点(i,j)的初始G值，Bin(i,j)为所述任一像素点(i,j)的初始B值，S'out(i,j)为所述任一像素点(i,j)的亮度融合值，S0(i,j)为所述任一像素点(i,j)的所述原始亮度值，ω为饱和度系数，0≤ω≤1。
9.根据权利要求1所述的图像增强方法，其特征在于，所述均值滤波值可通过下述预设均值滤波公式获得：
其中，Kn为预设滤波尺度，其中，n为大于0的整数，S0(i,j)为所述任一像素点(i,j)的所述亮度值，Sn(i,j)为所述任一像素点(i,j)在预设滤波尺度Kn下的均值滤波值。
10.一种图像增强装置，其特征在于，包括：
图像获取模块，用于获取待处理图像和所述待处理图像的任一像素点的原始亮度值；
均值滤波模块，用于基于多个预设滤波尺度，对所述任一像素点的原始亮度值进行均值滤波处理，获得多个均值滤波值；
灰度变化值确定模块，用于对所述任一均值滤波值进行像素值调节，获得所述任一均值滤波值对应的目标亮度值；
亮度融合模块，用于对多个所述均值滤波值对应的多个目标亮度值进行亮度融合，获得所述任一像素点的亮度融合值；
图像增强模块，用于基于所述亮度融合值，获得所述待处理图像增强处理后的图像。
11.一种图像增强处理设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像增强处理程序，所述图像增强处理程序配置为实现如权利要求1至9中任一项所述的图像增强处理方法。
12.一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上存储有图像增强处理程序，所述图像增强处理程序被处理器执行时实现如权利要求1至9任一项所述的图像增强处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111018339.0A CN113781338A (zh) | 2021-08-31 | 2021-08-31 | 图像增强方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111018339.0A CN113781338A (zh) | 2021-08-31 | 2021-08-31 | 图像增强方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113781338A true CN113781338A (zh) | 2021-12-10 |
Family
ID=78840458
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111018339.0A Pending CN113781338A (zh) | 2021-08-31 | 2021-08-31 | 图像增强方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113781338A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114494036A (zh) * | 2021-12-28 | 2022-05-13 | 东莞市金锐显数码科技有限公司 | 一种图像饱和度调整方法、装置、计算机设备和存储介质 |
| CN114529490A (zh) * | 2022-04-24 | 2022-05-24 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、装置、设备以及可读存储介质 |
| CN114998207A (zh) * | 2022-04-28 | 2022-09-02 | 南通升祥盈纺织品有限公司 | 基于图像处理的棉织品丝光处理方法 |
| CN117314795A (zh) * | 2023-11-30 | 2023-12-29 | 成都玖锦科技有限公司 | 一种利用背景数据的sar图像增强方法 |
| WO2024016791A1 (zh) * | 2022-07-22 | 2024-01-25 | 宁德时代新能源科技股份有限公司 | 处理图形符号的方法、装置和计算机可读存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014169579A1 (zh) * | 2013-04-19 | 2014-10-23 | 华为技术有限公司 | 一种色彩增强方法及装置 |
| CN111383181A (zh) * | 2018-12-28 | 2020-07-07 | 展讯通信（上海）有限公司 | 图像增强方法及装置、存储介质、终端 |
| US20210217173A1 (en) * | 2020-01-15 | 2021-07-15 | Ricoh Company, Ltd. | Normalization and enhancement of mri brain images using multiscale filtering |
-
2021
- 2021-08-31 CN CN202111018339.0A patent/CN113781338A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014169579A1 (zh) * | 2013-04-19 | 2014-10-23 | 华为技术有限公司 | 一种色彩增强方法及装置 |
| CN111383181A (zh) * | 2018-12-28 | 2020-07-07 | 展讯通信（上海）有限公司 | 图像增强方法及装置、存储介质、终端 |
| US20210217173A1 (en) * | 2020-01-15 | 2021-07-15 | Ricoh Company, Ltd. | Normalization and enhancement of mri brain images using multiscale filtering |
Non-Patent Citations (6)
| Title |
|---|
| R. RIZAL ISNANTO ET AL.: "Assessment on Image Quality Changes as a Result of Implementing Median Filtering, Wiener Filtering, Histogram Equalization, and Hybrid Methods on Noisy Images", 《 2020 7TH INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY, COMPUTER, AND ELECTRICAL ENGINEERING (ICITACEE)》 * |
| 刘帆 等: "结合最优亮度分量的遥感图像融合方法", 《西安电子科技大学学报》, vol. 41, no. 6 * |
| 唐宁;赵鹏;吴绍启;: "改进多尺度Retinex的彩色图像增强", 电子设计工程, no. 12 * |
| 李忠海;陈灿灿;金海洋;: "改进重构的自适应权重Retinex图像增强算法", 火力与指挥控制, no. 04 * |
| 武昆 等: "多尺度引导滤波及其在去雾中的应用", 《光学精密工程》 * |
| 邱红梅: "基于视觉底层特征和多尺度分析的图像融合研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, no. 1 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114494036A (zh) * | 2021-12-28 | 2022-05-13 | 东莞市金锐显数码科技有限公司 | 一种图像饱和度调整方法、装置、计算机设备和存储介质 |
| CN114529490A (zh) * | 2022-04-24 | 2022-05-24 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、装置、设备以及可读存储介质 |
| WO2023207408A1 (zh) * | 2022-04-24 | 2023-11-02 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、装置、设备以及可读存储介质 |
| CN114998207A (zh) * | 2022-04-28 | 2022-09-02 | 南通升祥盈纺织品有限公司 | 基于图像处理的棉织品丝光处理方法 |
| CN114998207B (zh) * | 2022-04-28 | 2024-05-14 | 汕头市鼎泰丰实业有限公司 | 基于图像处理的棉织品丝光处理方法 |
| WO2024016791A1 (zh) * | 2022-07-22 | 2024-01-25 | 宁德时代新能源科技股份有限公司 | 处理图形符号的方法、装置和计算机可读存储介质 |
| CN117314795A (zh) * | 2023-11-30 | 2023-12-29 | 成都玖锦科技有限公司 | 一种利用背景数据的sar图像增强方法 |
| CN117314795B (zh) * | 2023-11-30 | 2024-02-27 | 成都玖锦科技有限公司 | 一种利用背景数据的sar图像增强方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113781338A (zh) | 图像增强方法、装置、设备及介质 | |
| US11467661B2 (en) | Gaze-point determining method, contrast adjusting method, and contrast adjusting apparatus, virtual reality device and storage medium | |
| EP3674967B1 (en) | Image signal processing method, apparatus and device | |
| US10410327B2 (en) | Shallow depth of field rendering | |
| CN110766639B (zh) | 图像增强方法、装置、移动设备及计算机可读存储介质 | |
| CN109817170B (zh) | 像素补偿方法、装置和终端设备 | |
| CN112602088B (zh) | 提高弱光图像的质量的方法、系统和计算机可读介质 | |
| EP3379822A1 (en) | Real-time video enhancement method, terminal, and nonvolatile computer readable storage medium | |
| WO2018076167A1 (zh) | 适用于无人机控制端的屏幕亮度调整方法及无人机控制端 | |
| CN112950499B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN112837251B (zh) | 图像处理方法及装置 | |
| CN110163816B (zh) | 图像信息的处理方法、装置、存储介质及电子设备 | |
| CN110570370B (zh) | 图像信息的处理方法、装置、存储介质及电子设备 | |
| CN115082350A (zh) | 频闪图像处理方法、装置、电子设备和可读存储介质 | |
| CN113052923B (zh) | 色调映射方法、装置、电子设备和存储介质 | |
| CN113592739A (zh) | 一种镜头阴影校正的方法、装置及存储介质 | |
| CN110473156B (zh) | 图像信息的处理方法、装置、存储介质及电子设备 | |
| CN113658065A (zh) | 图像降噪方法及装置、计算机可读介质和电子设备 | |
| CN117274107A (zh) | 低照度场景下端到端色彩及细节增强方法、装置及设备 | |
| CN114862706B (zh) | 一种保持图像梯度方向的色阶映射方法 | |
| CN115082345A (zh) | 图像阴影去除方法、装置、计算机设备和存储介质 | |
| WO2022247702A1 (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN113989895A (zh) | 一种人脸皮肤分割方法、电子设备及存储介质 | |
| CN116263942A (zh) | 一种调整图像对比度的方法、存储介质及计算机程序产品 | |
| CN113642364B (zh) | 人脸图像处理方法、装置、设备及计算机可读存储介质 |
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 |