CN113822819A - Hdr场景检测方法与装置、终端及可读存储介质 - Google Patents
Hdr场景检测方法与装置、终端及可读存储介质 Download PDFInfo
- Publication number
- CN113822819A CN113822819A CN202111203958.7A CN202111203958A CN113822819A CN 113822819 A CN113822819 A CN 113822819A CN 202111203958 A CN202111203958 A CN 202111203958A CN 113822819 A CN113822819 A CN 113822819A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- area
- exposure
- difference
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 75
- 230000008859 change Effects 0.000 claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 17
- 238000010586 diagram Methods 0.000 description 21
- 230000009286 beneficial effect Effects 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06T5/73—Deblurring; Sharpening
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/741—Circuitry for compensating brightness variation in the scene by increasing the dynamic range of the image compared to the dynamic range of the electronic image sensors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/50—Control of the SSIS exposure
- H04N25/57—Control of the dynamic range
- H04N25/58—Control of the dynamic range involving two or more exposures
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20208—High dynamic range [HDR] image processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本申请公开了一种HDR场景检测方法、HDR场景检测装置、终端及非易失性计算机可读存储介质。HDR场景检测方法包括:根据预设的查找表、包含当前场景的第一图像及第二图像获取差异区域,第一图像的曝光时长比第二图像的曝光时长长,查找表用于表征不同像素强度在不同曝光时长差下的标定像素差值;计算第一图像的信息熵、第一图像的亮度方差;并计算在差异区域内过曝区的面积和过暗区的面积;及根据信息熵、亮度方差、过曝区的面积、过暗区的面积、预设权重确定当前场景是否为HDR场景。本申请相较于直接通过图像的灰度变化获取图像的过曝区及过暗区,能够排除图像中自然黑色和/或白色物体区块的影响,从而有利于提升HDR场景检测的精确性。
Description
技术领域
本申请涉及影像技术领域,特别涉及一种HDR场景检测方法、HDR场景检测装置、终端及非易失性计算机可读存储介质。
背景技术
当前用户对手机的拍照功能越来越高,但现有手机拍摄技术受限于光学器件尺寸的大小如果场景中包含大逆光、高对比度的光照情况,拍摄出的图像可能会丢失大量细节。目前的解决办法是通过HDR(High Dynamic Range,高动态范围)处理来提升图像的动态范围。然而,对于非专业摄影用户来说不知道何时需要HDR处理,如果当前拍摄场景不是HDR场景,即当前拍摄场景不适合采用HDR处理,对同一场景进行多次曝光和高动态范围算法处理会增加计算成本和时间;如果当前拍摄场景是HDR场景,即当前拍摄场景适合采用HDR处理,却没有采用HDR处理会使得拍摄成像信息丢失。因此自动准确检测HDR场景是非常重要的,错误的检测算法不但不能提升图像的质量反而还会影响用户体验。
发明内容
本申请实施方式提供了一种HDR场景检测方法、HDR场景检测装置、终端及非易失性计算机可读存储介质。
本申请实施方式提供一种HDR场景检测方法。HDR场景检测方法包括:根据预设的查找表、包含当前场景的第一图像及第二图像获取差异区域,所述第一图像的曝光时长比所述第二图像的曝光时长长,所述查找表用于表征不同像素强度在不同曝光时长差下的标定像素差值;计算所述第一图像的信息熵、所述第一图像的亮度方差;并计算在所述差异区域内过曝区的面积和过暗区的面积;及根据所述信息熵、所述亮度方差、所述过曝区的面积、所述过暗区的面积、预设权重确定所述当前场景是否为HDR场景。
本申请实施方式提供一种HDR场景检测装置。HDR场景检测装置包括获取模块、计算模块及确定模块。获取模块用于根据预设的查找表、包含当前场景的第一图像及第二图像获取差异区域,所述第一图像的曝光时长比所述第二图像的曝光时长长,所述查找表用于表征不同像素强度在不同曝光时长差下的标定像素差值;计算模块用于计算所述第一图像的信息熵、所述第一图像的亮度方差;并计算在所述差异区域内过曝区的面积和过暗区的面积;确定模块用于根据所述信息熵、所述亮度方差、所述过曝区的面积、所述过暗区的面积、预设权重确定所述当前场景是否为HDR场景。
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HDR场景检测方法的指令。所述HDR场景检测方法包括:根据预设的查找表、包含当前场景的第一图像及第二图像获取差异区域,所述第一图像的曝光时长比所述第二图像的曝光时长长,所述查找表用于表征不同像素强度在不同曝光时长差下的标定像素差值;计算所述第一图像的信息熵、所述第一图像的亮度方差;并计算在所述差异区域内过曝区的面积和过暗区的面积;及根据所述信息熵、所述亮度方差、所述过曝区的面积、所述过暗区的面积、预设权重确定所述当前场景是否为HDR场景。
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HDR场景检测方法:根据预设的查找表、包含当前场景的第一图像及第二图像获取差异区域,所述第一图像的曝光时长比所述第二图像的曝光时长长,所述查找表用于表征不同像素强度在不同曝光时长差下的标定像素差值;计算所述第一图像的信息熵、所述第一图像的亮度方差;并计算在所述差异区域内过曝区的面积和过暗区的面积;及根据所述信息熵、所述亮度方差、所述过曝区的面积、所述过暗区的面积、预设权重确定所述当前场景是否为HDR场景。
本申请的HDR场景检测方法、HDR场景检测装置、终端及非易失性计算机可读存储介质,通过根据两帧以不同曝光时长曝光的两帧图像及预设查找表获取差异区域,再根据曝光时长较长的图像的信息熵、亮度方差、差异区域内的过曝区的面积、及差异区域内的过暗区的面积,确定当前场景是否为HDR场景。如此相较于直接通过图像的灰度变化获取图像的过曝区及过暗区,能够排除图像中自然黑色和/或白色物体区块的影响,从而有利于提升HDR场景检测的精确性。
本申请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,或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点可以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中的HDR场景检测方法的流程示意图;
图2是本申请某些实施方式的HDR场景检测装置的结构示意图;
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中的HDR场景检测方法的流程示意图;
图5是本申请某些实施方式中的HDR场景检测方法中获取第一图像及第二图像的示意图;
图6是本申请某些实施方式中的HDR场景检测方法的流程示意图;
图7是本申请某些实施方式中的HDR场景检测方法中获取第一图像及第二图像的示意图;
图8是本申请某些实施方式中的HDR场景检测方法的流程示意图;
图9是本申请某些实施方式中的HDR场景检测方法中获取差异区域的示意图;
图10是本申请某些实施方式中的HDR场景检测方法的流程示意图;
图11是本申请某些实施方式中的HDR场景检测方法中获取灰度图像的示意图;
图12至图13是本申请某些实施方式中的HDR场景检测方法的流程示意图;
图14是本申请某些实施方式中的HDR场景检测方法中获取差异区域中的过曝区及过暗区的示意图;
图15至图16是本申请某些实施方式中的HDR场景检测方法的流程示意图;
图17是本申请某些实施方式中的HDR场景检测方法中长曝光图像及短曝光图像的示意图;
图18是本申请某些实施方式中的HDR场景检测方法的流程示意图;
图19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。
“动态范围”是用来描述画面中从最暗的阴影部分到最亮的高光部分的光量强度分布范围。在拍照/摄影中,通常有“场景的动态范围”和“相机的动态范围”两个概念,其中,“场景的动态范围”是指拍摄场景中最大亮度和最小亮度的范围或比值,也就是画面中最亮区域和最暗区域的差异;而“相机的动态范围”是指感光元件所能接受的亮度变化范围。高动态范围(High Dynamic Range,HDR)场景即场景的动态范围大于了相机动态范围的场景,这种场景中有过亮或过暗的区域,超出了感光元件所能记录的范围,表现在拍出的照片中出现全白(高光溢出变成完全的白色)或全黑(阴影区域变成完全的黑色)的区块,缺少亮部或暗部细节,成像画质大大降低。针对这类场景,当前可以通过应用HDR算法处理来提升成像质量。因此首先要解决的就是明确拍摄场景是否为HDR场景。目前的HDR检测算法对当前场景是否适合使用高动态范围成像模式(即HDR模式)进行拍照的判别准确率较低,尤其是当场景中有自然黑色或自然白色的物体时,对图像亮度分析容易误判为欠曝区、过曝区,进而使得场景动态判别不准确。
为了解决上述问题,请参阅图1,本申请实施方式提供一种HDR(High DynamicRange,高动态范围)场景检测方法,该HDR场景检测方法包括:
01:根据预设的查找表、包含当前场景的第一图像及第二图像获取差异区域,第一图像的曝光时长比第二图像的曝光时长长,查找表用于表征不同像素强度在不同曝光时长差下的标定像素差值;
02:计算第一图像的信息熵、第一图像的亮度方差;并计算在差异区域内过曝区的面积和过暗区的面积;及
03:根据信息熵、亮度方差、过曝区的面积、过暗区的面积、预设权重确定当前场景是否为HDR场景。
请结合图2,本申请实施方式还提供一种HDR场景检测装置100,HDR场景检测装置100包括获取模块10、计算模块20及确定模块30。HDR场景检测方法中的步骤01可以由获取模块10执行实现,步骤02可以由计算模块20执行实现,步骤03可以由确定模块30执行实现。也即是说,获取模块10可以用于根据预设的查找表、包含当前场景的第一图像及第二图像获取差异区域,第一图像的曝光时长比第二图像的曝光时长长,查找表用于表征不同像素强度在不同曝光时长差下的标定像素差值;计算模块20可以用于计算第一图像的信息熵、第一图像的亮度方差;并计算在差异区域内过曝区的面积和过暗区的面积;确定模块30可以用于根据信息熵、亮度方差、过曝区的面积、过暗区的面积、预设权重确定当前场景是否为HDR场景。
请结合图3,本申请实施方式还提供一种终端1000,终端1000包括一个或多个处理器200、存储器300、和一个或多个程序。其中,一个或多个程序被存储在存储器300中,并且被一个或多个处理器200执行,程序包括用于执行本申请实施方式的HDR场景检测方法的指令。即,一个或多个处理器30执行程序时,处理器30可以实现步骤01、步骤02及步骤03中的方法。即,一个或多个处理器200用于:根据预设的查找表、包含当前场景的第一图像及第二图像获取差异区域,第一图像的曝光时长比第二图像的曝光时长长,查找表用于表征不同像素强度在不同曝光时长差下的标定像素差值;计算第一图像的信息熵、第一图像的亮度方差;并计算在差异区域内过曝区的面积和过暗区的面积;及根据信息熵、亮度方差、过曝区的面积、过暗区的面积、预设权重确定当前场景是否为HDR场景。
具体地,终端1000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、头显设备、无人机、数字相机、数字摄录像机或电脑等终端设备。HDR场景检测装置100可以是集成在终端1000中的功能模块的集成。本申请仅以终端1000是手机为例进行说明,终端1000是其他类型的设备时的情形与手机类似,不详细展开说明。
本申请中的HDR场景检测方法、HDR场景检测装置100及终端1000,通过根据两帧以不同曝光时长曝光的两帧图像及预设查找表获取差异区域,再根据曝光时长较长的图像的信息熵、亮度方差、差异区域内的过曝区的面积、及差异区域内的过暗区的面积,确定当前场景是否为HDR场景。如此相较于直接通过图像的灰度变化获取图像的过曝区及过暗区,能够排除图像中自然黑色和/或白色物体区块的影响,从而有利于提升HDR场景检测的精确性。
需要说明的是,在一些实施例中,请参阅图2及图5,HDR场景检测装置还包括成像模组40,成像模组40包括像素阵列41,像素阵列41包括以二维阵列排布的多个光感像素411。感光像素411在曝光后能够生成像素信息,从而得到图像。成像模组40以不同曝光时长对同一场景(当前场景)进行拍摄获取的两张图像即为第一图像及第二图像。其中,第一图像的曝光时长相较于第二图像的曝光时长更长。
示例地,请参阅图4及图5,在一些实施例中,HDR检测方法还包括:
041:控制像素阵列41以第一曝光时长曝光获得第一图像,控制像素阵列41以第二曝光时长曝光获得第二图像,第一曝光时长比第二曝光时长长。
请结合图2,在一些实施例中,HDR场景检测装置100还包括控制模块50,步骤041可以由控制模块50执行实现。也即是说,控制模块50可以用于控制像素阵列41以第一曝光时长曝光获得第一图像,控制像素阵列41以第二曝光时长曝光获得第二图像,第一曝光时长比第二曝光时长长。
请结合图3,在一些实施例中,步骤041还可以由一个或多个处理器200执行实现。也即是说,一个或多个处理器200还用于控制像素阵列41以第一曝光时长曝光获得第一图像,控制像素阵列41以第二曝光时长曝光获得第二图像,第一曝光时长比第二曝光时长长。
具体地,控制模块50可以控制像素阵列41进行两次曝光,以使成像模组40对当前场景进行拍摄,以获得两张包含当前场景的图像。例如,请参阅图5,在第一次曝光中,像素阵列41以第一曝光时长L曝光得到第一图像。此时,第一图像包括像素阵列41中所有感光像素411以第一曝光时长L曝光后生成的第一像素信息。在第二次曝光中,像素阵列41以第二曝光时长S曝光得到第二图像,其中第一曝光时长L相较于第二曝光时长S更长。此时,第二图像包括像素阵列41中所有感光像素411以第二曝光时长S曝光后生成的第二像素信息。由于每次都是像素阵列41上所有感光像素411曝光,即第一图像及第二图像均包括所有感光像素411曝光后生成的像素信息,相较于每次曝光仅有部分感光像素411曝光,即获得的图像仅包含部分感光像素411曝光后生成的像素信息,能够具有更多的像素信息,有利于提升图像的分辨率及图像质量。
请参阅图6及图7,在一些实施例中,HDR检测方法还包括:
042:控制像素阵列曝光,至少一个感光像素以第一曝光时长曝光,至少一个感光像素以小于第一曝光时长的第二曝光时长曝光;其中,以第一曝光时长曝光的感光像素生成第一像素信息得到第一图像,以第二曝光时长曝光的感光像素生成第二像素信息得到第二图像。
请结合图2,在一些实施例中,步骤042可以由控制模块50执行实现。也即是说,控制模块50还可以用于控制像素阵列曝光,至少一个感光像素以第一曝光时长曝光,至少一个感光像素以小于第一曝光时长的第二曝光时长曝光;其中,以第一曝光时长曝光的感光像素生成第一像素信息得到第一图像,以第二曝光时长曝光的感光像素生成第二像素信息得到第二图像。
请结合图3,在一些实施例中,步骤042还可以由一个或多个处理器200执行实现。也即是说,一个或多个处理器200还用于控制像素阵列曝光,至少一个感光像素以第一曝光时长曝光,至少一个感光像素以小于第一曝光时长的第二曝光时长曝光;其中,以第一曝光时长曝光的感光像素生成第一像素信息得到第一图像,以第二曝光时长曝光的感光像素生成第二像素信息得到第二图像。
具体地,控制模块50控制像素阵列41曝光,像素阵列41中至少一个感光像素411以第一曝光时长L曝光,所有以第一曝光时长L曝光的感光像素411生成第一像素信息,以得到第一图像;至少一个感光像素411以小于第一曝光时长L的第二曝光时长S曝光,所有以第二曝光时长S曝光的感光像素411生成第二像素信息,以得到第二图像。控制像素阵列41曝光,其中的感光像素411部分以第一曝光时长L曝光,部分以第二曝光时长S曝光,以此获得两张曝光时长不同的图像,相较于控制像素阵列41曝光分别曝光两次,有利于避免由于采集两帧图像(第一图像及第二图像)之间有一定的时间间隔,而产生的运动拖影等效果问题,从而有利于后续根据第一图像及第二图像确定当前场景是否为HDR场景。
例如,在一些实施例中,如图7所示,以第一曝光时长L曝光的感光像素411(图7左侧图中标有L的感光像素411)、与以第二曝光时长S曝光的感光像素411(图7左侧图中标有S的感光像素411)间隔设置。控制模块50控制像素阵列41曝光,图7左侧图中标有L的感光像素411以第一曝光时长曝光,图7左侧图中标有S的感光像素411以第二曝光时长曝光。以第一曝光时长曝光的感光像素411生成第一像素信息(即图7第一中间图像中标有L的像像素)排列形成第一中间图像,第一中间图像还包括空像素N(图7中第一中间图像中标有N的像素,其像素值为0)。通过相邻的两个第一像素信息进行插值处理将第一中间图像像素中的所有空像素N插值出来,以获得第一图像。同样地,以第二曝光时长曝光的感光像素411生成第二像素信息(即图7第二中间图像中标有S的像像素)排列形成第二中间图像,第二中间图像还包括空像素N(图7第二中间图像中标有N的像素,其像素值为0)。通过相邻的两个第二像素信息进行插值处理将第二中间图像像素中的所有空像素N插值出来,以获得第二图像。由于不同曝光时长的感光像素411间隔设置,如此有利于后续对获得的图像进行插值处理。
需要说明的是,在某些实施例中,像素阵列41的曝光过程可以是:(1)以第一曝光时长L曝光的感光像素411、及以第二曝光时长S曝光的感光像素411依次序曝光(其中两者的曝光顺序不作限制),且两者的曝光进行时间均不重叠;(2)第一曝光时长L曝光的感光像素411、及以第二曝光时长S曝光的感光像素411依次序曝光(其中两者的曝光顺序不作限制),且两者的曝光进行时间均不重叠;(3)以第二曝光时长S曝光的感光像素411的曝光进行时间均位于第一曝光时长L的曝光的感光像素411的曝光进行时间内。特别地,采用第(3)种曝光方式可以缩短像素阵列41所需要的整体曝光时长,有利于提升图像的帧率。
在获取到第一图像及第二图像后,根据预设的查找表、包含当前场景的第一图像及第二图像获取差异区域。具体地,请参阅图1及图8,在一些实施例中,步骤01:根据预设的查找表、包含当前场景的第一图像及第二图像获取差异区域,包括:
011:获取第二图像中每个像素与第一图像中对应的像素之间的信息差;
012:根据第二图像、信息差及查找表,获取第二图像中的每个像素对应的信息量变化值,信息变化值为像素对应的信息差、与像素对应的标定像素差值之间的差值;及
013:根据第二图像中每个像素对应的信息量变化值、与预设的变化阈值获取差异区域。
请结合图2,在一些实施例中,步骤011、步骤012及步骤013均可以由获取模块10执行实现。也即是说,获取模块10还可以用于获取第二图像中每个像素与第一图像中对应的像素之间的信息差;根据第二图像、信息差及查找表,获取第二图像中的每个像素对应的信息量变化值,信息变化值为像素对应的信息差、与像素对应的标定像素差值之间的差值;及根据第二图像中每个像素对应的信息量变化值、与预设的变化阈值获取差异区域。
请结合图3,在一些实施例中,步骤011、步骤012及步骤013还可以由一个或多个处理器200执行实现。也即是说,一个或多个处理器200还用于获取第二图像中每个像素与第一图像中对应的像素之间的信息差;根据第二图像、信息差及查找表,获取第二图像中的每个像素对应的信息量变化值,信息变化值为像素对应的信息差、与像素对应的标定像素差值之间的差值;及根据第二图像中每个像素对应的信息量变化值、与预设的变化阈值获取差异区域。
在获取到第一图像及第二图像后,获取第二图像中每个像素与第一图像对应的像素之间的信息差。示例地,在一些实施例中,根据第二图像中每个像素的像素值与第一图像对应的像素的像素值之间的差值获取差分图像,其中差分图像中的每个像素的像素值为第二图像中对应位置的像素与第一图像中对应的像素之间的信息差。例如,如图9所示,排列在差分图像第1行第1列的像素C1的像素值是排列在第二图像第1行第1列的像素B1、与排列在第一图像第1行第1列的像素A1与之间的信息差。其中,差分图像中的像素C1的像素值等于第一图像中的像素A1的像素值减去第二图像中的像素B1的像素值。
在获取到第二图像中每个像素与第一图像中对应的像素之间的信息差后,根据第二图像、信息差及查找表,获取第二图像中的每个像素对应的信息量变化值,信息变化值为像素对应的信息差、与像素对应的标定像素差值之间的差值。
需要说明的是,由于在没有噪声干扰下的情况下,当其他条件相同,只有曝光时长变化时,除饱和区(包括过曝区及过暗区)外像素强度(即像素的像素值)变化应该和曝光时长成线性关系。例如,曝光时长加倍,观察到的图像像素强度也几乎加倍。但是在数字信号转换过程中,不可避免的会引入噪声的影响,如此会使得像素强度(即像素的像素值)变化与曝光时长之间并非是线性关系。因此为了排除噪声干扰,可以预先生成查找表,查找表用于表征不同像素强度(即像素的像素值)在不同曝光时长差下的标定像素差值。也即,查找表中标定了不同像素强度(即像素的像素值)在不同曝光时长差下应该变化多少。例如,在一个例子中,假设查找表标定了曝光时长差为0.1s,像素值为60的像素对应的标定像素差值为20,表示当以不同曝光时长拍摄相同场景获得第三图像及第四图像,第三图像的曝光时长比第四图像的曝光时长短0.1s,且第三图像的非饱和区(除了过曝区及过暗区之外的区域)中存在像素值为60的像素时,在第四图像中与第三图像像素值为60对应位置的像素的像素值应该为80。
请参阅图9,以获取排列在第二图像第1行第1列的像素B1对应的信息量变化值为例进行说明,获取位于第二图像其他位置的像素对应的信息变化值相似,在此不再赘述。示例地,获取排列在第二图像第1行第1列的像素B1的像素值,再在查找表中查找到与该像素值对应的标定像素差值。在获取与第二图像中像素B1对应的标定像素差值后,根据第二图像中像素B1与第一图像中像素A1(即排列在第一图像第1行第1列的像素)之间的信息差、及与第二图像中像素B1对应的标定像素差值之间的差值,并将该差值作为像素B1的像素对应的信息量变化值。例如,假设排列在第二图像第1行第1列的像素B1的像素值为m,排列在差分图像第1行第1列的像素C1的像素值为p,即第二图像中像素B1与第一图像中像素A1(即排列在第一图像第1行第1列的像素)之间的信息差为p,且查找表中标定了像素值为m对应的标定像素差值为n,则像素B1的像素对应的信息量变化值为p与n之间的差的绝对值。
特别地,若查找表中标定了相同的像素强度(即像素的像素值)在不同曝光时长差下的标定像素差值各不相同时,在一些实施例中,还可以根据第二图像、信息差、查找表、及第一图像与第二图像曝光时长之间的差值,获取第二图像中的每个像素对应的信息量变化值。例如,假设第一图像与第二图像曝光时长之间的差值为t1,排列在第二图像第1行第1列的像素B1的像素值为m,排列在差分图像第1行第1列的像素C1的像素值为p,即第二图像中像素B1与第一图像中像素A1(即排列在第一图像第1行第1列的像素)之间的信息差为p,且查找表中标定了:曝光时长差值为t1时,像素值为m对应的标定像素差值为n1;曝光时长差值为t2时,像素值为m对应的标定像素差值为n2;则像素B1的像素对应的信息量变化值为p与n1之间的差的绝对值。
在获取到第二图像中的每个像素对应的信息量变化值后,根据第二图像中每个像素对应的信息量变化值、预设的变化阈值获取差异区域。具体地,请参阅图9,在一些实施例中,任意选取第二图像中的一个像素,并获取该像素对应的信息量变化值,随后比较该像素对应的信息量变化值与预设的变化阈值之间的大小。若该像素对应的信息变化值大于预设的变化阈值,可以认为第一图像与第二图像此处的信息量变化很大,并且该变化并不是单单由于曝光时长差异引起的,则确定在第一图像中与该像素对应位置为差异区域;若该像素对应的信息变化值小于预设的变化阈值,可以认为第一图像与第二图像此处的信息量变化不大,并且该变化是由于曝光时长差异引起的,则确定在第一图像中与该像素对应位置为非差异区域。随后选取第二图像中的另一个像素重复上述步骤,直至遍历完第二图像中的所有像素,如此即可获得差异区域。例如,如图9所示,排列在第二图像的第2行第2列的像素B2的变化量大于预设阈值,则可以确定排列在第一图像的第2行第2列的像素A2位于差异区域;排列在在第二图像的第1行第1列的像素B1的变化量小于预设阈值,则可以确定排列在第一图像的第1行第1列的像素A1位于非差异区域。
需要说明的是,也可以按照一定顺序依次遍历第二图像中的像素,比较像素对应的信息量变化值与预设的变化阈值之间的大小,例如从左到右、从上到下等,在此不作限制。由于差异区域中的像素均是信息变化很大且并非由于曝光时长差异引起的,后续根据差异区域获取图像的过曝区及过暗区,相较于直接通过图像的灰度变化获取图像的过曝区及过暗区,能够排除图像中自然黑色和/或白色物体区块的影响,从而有利于提升HDR场景检测的精确性。
在获取到差异区域后,计算第一图像的信息熵、亮度方差,并计算在差异区域内过曝区的面积。具体地,请参阅图1及图10,在一些实施例中,计算第一图像的信息熵、第一图像的亮度方差,包括:
021:对第一图像进行灰度处理以获得灰度图像;及
022:根据灰度图像中所有像素的灰度值生成灰度直方图,并根据灰度直方图获取信息熵及亮度方差。
请结合图2,在一些实施例中,步骤021及步骤022均可以由计算模块20执行实现。也即是说,计算模块20还用于对第一图像进行灰度处理以获得灰度图像;及根据灰度图像中所有像素的灰度值生成灰度直方图,并根据灰度直方图获取信息熵及亮度方差。
请结合图3,在一些实施例中,步骤021及步骤022还可以由一个或多个处理器200执行实现。也即是说,一个或多个处理器200还用于对第一图像进行灰度处理以获得灰度图像;及根据灰度图像中所有像素的灰度值生成灰度直方图,并根据灰度直方图获取信息熵及亮度方差。
具体地,请参阅图11,先对第一图像进行灰度处理以获得灰度图像,再根据灰度图像中所有像素的灰度值生成灰度直方图。例如,在一个实施例中,可以统计灰度图像中所有的灰度值的大小、及为相同灰度值的像素的数量,以生成灰度直方图。获取灰度直方图后,根据灰度直方图获取第一图像的信息熵及第一图像的亮度方差。具体地,计算第一图像的亮度方差时,先通过灰度直方图计算第一图像的亮度均值,其中亮度均值记为第一亮度方差则记为其中,xi表示第一图像中灰度值为i的像素所占比例,即为灰度级。图像熵反映了图像中灰度级集合的比特平均数,描述了图像信源的平均信息量,第一图像的信息熵可以通过计算公式计算获得。
请参阅图1及图12,在一些实施例中,计算在差异区域内过曝区的面积和过暗区的面积,包括:
021:对第一图像进行灰度处理以获得灰度图像;
023:根据差异区域及灰度图像中像素的灰度值,获取在差异区域的过曝区及过暗区;及
024:根据过曝区中的像素数量、过暗区中的像素数量及第一图像中所有像素的数量,计算过曝区的面积及过暗区的面积。
请结合图2,在一些实施例中,步骤021、步骤023及步骤024均可以由计算模块20执行实现,也即是说,计算模块20还用于对第一图像进行灰度处理以获得灰度图像;根据差异区域及灰度图像中像素的灰度值,获取在差异区域的过曝区及过暗区;及根据过曝区中的像素数量、过暗区中的像素数量及第一图像中所有像素的数量,计算过曝区的面积及过暗区的面积。
请结合图3,在一些实施例中,步骤021、步骤023及步骤024还可以由一个或多个处理器200执行实现。也即是说,一个或多个处理器200还用于对第一图像进行灰度处理以获得灰度图像;根据差异区域及灰度图像中像素的灰度值,获取在差异区域的过曝区及过暗区;及根据过曝区中的像素数量、过暗区中的像素数量及第一图像中所有像素的数量,计算过曝区的面积及过暗区的面积。
先对第一图像进行灰度处理以获得灰度图像,再根据差异区域及灰度图像中像素的灰度值,获取在差异区域的过曝区及过暗区。示例地,请参阅图13,在一些实施例中,步骤023:根据差异区域及灰度图像中像素的灰度值,获取在差异区域的过曝区及过暗区,包括:
0231:遍历灰度图像中的所有像素,并比较每个像素的灰度值与第一灰度阈值和第二灰度阈值,若当前像素的灰度值大于第一灰度阈值,且在第一图像中与当前像素对应的像素位于差异区域,则确定在第一图像中与当前像素对应的像素位于过曝区;若当前像素的灰度值小于第二灰度阈值,且在第一图像中与当前像素对应的像素位于差异区域,则确定在第一图像中与当前像素对应的像素位于过暗区。
请结合图2,在一些实施例中,步骤0231可以由计算模块20执行实现。也即是说,计算模块20还用于遍历灰度图像中的所有像素,并比较每个像素的灰度值与第一灰度阈值和第二灰度阈值,若当前像素的灰度值大于第一灰度阈值,且在第一图像中与当前像素对应的像素位于差异区域,则确定在第一图像中与当前像素对应的像素位于过曝区;若当前像素的灰度值小于第二灰度阈值,且在第一图像中与当前像素对应的像素位于差异区域,则确定在第一图像中与当前像素对应的像素位于过暗区。
请结合图3,在一些实施例中,步骤0231还可以由一个或多个处理器200执行实现。也即是说,一个或多个处理器200还可以用于遍历灰度图像中的所有像素,并比较每个像素的灰度值与第一灰度阈值和第二灰度阈值,若当前像素的灰度值大于第一灰度阈值,且在第一图像中与当前像素对应的像素位于差异区域,则确定在第一图像中与当前像素对应的像素位于过曝区;若当前像素的灰度值小于第二灰度阈值,且在第一图像中与当前像素对应的像素位于差异区域,则确定在第一图像中与当前像素对应的像素位于过暗区。
需要说明的是,第一灰度阈值及第二灰度阈值可以为预选设置的,当灰度图像中像素的灰度值大于第一灰度阈值时,说明在第一图像中与当前像素对应的像素可能过曝,或者在第一图像中与当前像素对应位置可能存在白色物体;当灰度图像中素的灰度值小于第二灰度阈值时,说明在第一图像中与当前像素对应的像素可能过暗,或者在第一图像中与当前像素对应位置可能存在黑色物体。此外,由于位于差异区域内的像素均是信息变化很大且并非由于曝光时长差异引起的,如此能够根据差异区域及灰度值来获取过曝区及过暗区,以避免误将黑色物体所在区域判断为过暗区;和/或误将白色物体所在区域判断为过曝区,从而有利于提升HDR场景检测的精确性。
具体地,请参阅图14,在一些实施例中,任意选取灰度中的一个像素,并获取当前像素的灰度值。比较当前像素的灰度值与第一灰度阈值和第二灰度阈值之间的大小。若当前像素的灰度值大于第一灰度阈值,且在第一图像中与当前像素对应的像素位于差异区域,则确认在第一图像中的与当前像素对应的像素过曝,即确认在第一图像中的与当前像素对应的像素位于差异区域的过曝区;若当前像素的灰度值小于第二灰度阈值,且在第一图像中与当前像素对应的像素位于差异区域,则确认在第一图像中的与当前像素对应的像素位于差异区域的过曝暗区。随后选取灰度图像中的另一个像素重复上述步骤,直至遍历完灰度图像中的所有像素,如此即可获得过暗区及过曝区。例如,如图14所示,排列在灰度图像第1行第1列的像素D1的灰度值大于第一灰度阈值,但排列在第一图像第1行第1列的像素A1在非差异区域,则确定第一图像中的像素A1位于非差异区域(即不在过曝区也不在过暗区);排列在灰度图像第2行第2列的像素D2的灰度值大于第一灰度阈值,且排列在第一图像第2行第2列的像素A2位于差异区域,则确定第一图像中的像素A2位于过曝区;排列在灰度图像第7行第7列的像素D7的灰度值小于第二灰度阈值,且排列在第一图像第7行第7列的像素A7位于差异区域,则确定第一图像中的像素A7位于过暗区。
需要说明的是,也可以按照一定顺序依次遍历灰度图像中的像素,比较每个像素的灰度值与第一灰度阈值和第二灰度阈值之间的大小,例如从左到右、从上到下等,在此不作限制。此外,在一些实施例中,还可以选取一个位于第一图像的差异区域中的像素,比较该像素在灰度图像中与其对应的像素的灰度值,与第一灰度阈值和第二灰度阈值之间的大小,若在灰度图像中与该像素对应的像素的灰度值大于第一灰度阈值,则确认该像素位于差异区域的过曝区;若在灰度图像中与该像素对应的像素的灰度值小于第二灰度阈值,则确认该像素对应的像素位于差异区域的过曝暗区。随后在第一图像的差异区域选取另一个像素重复上述步骤,直至第一图像的差异区域内的所有像素均被选择。如此即可获得过暗区及过曝区,相较于将灰度图像中所有像素的灰度值均与第一灰度阈值和第二灰度阈值进行比较,本实施例能够在获得差异区域的过曝区及过暗区的同时减小计算量,有利于提升HDR场景检测的速度。
在获取到差异区域的过曝区及过暗区后,根据过曝区中的像素数量、过暗区中的像素数量、及第一图像中所有像素的数量,计算过曝区的面积及过暗区的面积。示例地,在一些实施例中,可以通过计算公式计算过曝区的面积;及通过计算公式 计算过暗区的面积。其中,Ao为过曝区的面积、Au为过暗区的面积、N(Mover)为过曝区中的像素数量、N(Munder)为过暗区中的像素数量、N(I)为第一图像中的像素数量。
在获得第一图像的信息熵、第一图像的亮度方差、过曝区的面积及过暗区的面积后,可以根据第一图像的信息熵、第一图像的亮度方差、过曝区的面积、过暗区的面积及预设权重确定当前场景是否为HDR场景。具体地,请参阅图1及图16,在一些实施例中,步骤03:根据第一图像的信息熵、第一图像的亮度方差、过曝区的面积、过暗区的面积及预设权重确定当前场景是否为HDR场景,包括:
031:根据信息熵、亮度方差、过曝区的面积、过暗区的面积、预设权重计算评价值;
032:若评价值大于预设阈值,确定当前场景为HDR场景;若评价值小于预设阈值,确定当前场景为非HDR场景。
请结合图2,在一些实施例中,步骤031及步骤032可以由确定模块30执行实现。也即是说,确定模块30还用于根据信息熵、亮度方差、过曝区的面积、过暗区的面积、预设权重计算评价值;及若评价值大于预设阈值,确定当前场景为HDR场景;若评价值小于预设阈值,确定当前场景为非HDR场景。
请结合图3,在一些实施例中,步骤031及步骤032还可以由一个或多个处理器200执行实现。也即是说,一个或多个处理器200还用于根据信息熵、亮度方差、过曝区的面积、过暗区的面积、预设权重计算评价值;及若评价值大于预设阈值,确定当前场景为HDR场景;若评价值小于预设阈值,确定当前场景为非HDR场景。
具体地,在一些实施例中,可以根据信息熵、亮度方差、过曝区的面积、过暗区的面积、预设权重计算评价值。例如,在一些实施例中,可以根据计算公式计算评价值。其中,HDRscore为评价值、E为信息熵、σ2为亮度方差、Ao为过曝区的面积、Au为过暗区的面积,w1、w2、w3、及w4均为设计的权重,并且w1、w2、w3、及w4分别与信息熵、亮度方差、过曝区的面积、过暗区的面积对应。特别地,在一些实施例中,还可以根据计算公式计算评价值。其中,C为设计的参数,C可以为一个根据需求预先设计的常数。
在获得评价值后,比较评价值与预设阈值之间的大小。若评价值大于预设阈值,说明当前场景适合采用HDR处理,即确定当前场景为HDR场景;若评价值小于预设阈值,说明当前场景不适合采用HDR处理,即确定当前场景为非HDR场景,如此便完成了HDR场景检测。需要说明的是,若评价值等于预设阈值,可以确定当前场景为HDR场景,也可以确定当前场景为非HDR场景,在此不作限制。
请参阅图17,在一些实施例中,HDR场景检测方法还包括:
051:获取包含相同标定信息的短曝光图像及长曝光图像,长曝光图像的曝光时长比短曝光图像的曝光时长长;
052:根据短曝光图像中每个像素的像素值、与在长曝光图像中对应的像素的像素值,计算短曝光图像中每个像素的像素值对应的第一差值;及
053根据短曝光图像中每个像素的像素值、对应的第一差值,生成查找表。
请结合图2,在一些实施例中,HDR场景检测装置100还包括生成模块60。步骤051、步骤052及步骤053可以由生成模块60执行实现。也即是说,生成模块60可以用于获取包含相同标定信息的短曝光图像及长曝光图像,长曝光图像的曝光时长比短曝光图像的曝光时长长;根据短曝光图像中每个像素的像素值、与在长曝光图像中对应的像素的像素值,计算短曝光图像中每个像素的像素值对应的第一差值;及根据短曝光图像中每个像素的像素值、对应的第一差值,生成查找表。
请结合图3,在一些实施例中,步骤051、步骤052及步骤053还可以有一个或多个处理器200执行实现。也即是说,一个或多个处理器200还可以用于获取包含相同标定信息的短曝光图像及长曝光图像,长曝光图像的曝光时长比短曝光图像的曝光时长长;根据短曝光图像中每个像素的像素值、与在长曝光图像中对应的像素的像素值,计算短曝光图像中每个像素的像素值对应的第一差值;及根据短曝光图像中每个像素的像素值、对应的第一差值,生成查找表。
需要说明的是,在一些实施例中,标定信息可以为标准色卡,如此对标定信息进行拍摄后获得的短曝光图像后,有利于使位于短曝光图像不同位置的像素的像素值不相同(即位于短曝光图像不同位置的像素强度不同),从而有利于后续能够获得更多与不同像素的像素值(即像素强度)相对应的标定像素差值。此外,获取查找表的过程(即上述步骤051、步骤052及步骤053)只需要在HDR场景检测装置100或终端1000组装完成后,执行一次即可,无需在每次HDR场景检测前都执行。
示例地,获取包含相同标定信息的短曝光图像及长曝光图像,其中长曝光图的曝光时长比短曝光图像的曝光时长更长。随后根据短曝光图像中每个像素的像素值、与在长曝光图像中对应的像素的像素值,计算短曝光图像中每个像素的像素值对应的第一差值。例如,如图17所示,以计算排列在短曝光图像的第1行第1列的像素S1对应的第一差值为例进行说明,与短曝光图像中的像素S1对应的第一差值等于长曝光图像中的像素L1(即排列在长曝光图像第1行第1列的像素)的像素值,减去像素S1的像素值。
在获得短曝光图像中每个像素对应的第一差值后,根据短曝光图像中每个像素的像素值、对应的第一差值,生成查找表。具体地,在一些实施例中,获取短曝光图像中一个像素的像素值,并获取其对应的第一差值。随后将二者关联起来并填入查找表中,再获取短曝光图像中下一个像素的像素值,重复上述步骤直至将短曝光图像中的所有像素均选取完,如此便获得了查找表。例如,短曝光图像中像素值为m1的像素对应的第一差值为n1;短曝光图像中像素值为m2的像素对应的第一差值为n2,则在查找表中记载,像素值m1的像素对应的标定像素差值为n1,像素值m2的像素对应的标定像素差值为n2。
请参阅图19,在一些实施例中,HDR场景检测方法还包括:
061:获取包含相同标定信息的短曝光图像及多帧长曝光图像,所有长曝光图像的曝光时长均比短曝光图像的曝光时长长,且每帧长曝光图像的曝光时长均不同;
062:在多帧长曝光图像中选取一帧长曝光图像,计算选取的长曝光图像曝光时长与短曝光图像曝光时长之间的第二差值,并根据短曝光图像中每个像素的像素值、与在选取的长曝光图像中对应的像素的像素值,计算短曝光图像中每个像素的像素值对应的第一差值;在多帧长曝光图像中选取另一帧长曝光图像,重复上述步骤直至所有长曝光图像均被选取;
063:根据短曝光图像中每个像素的像素值、对应的第一差值及对应的第二差值,生成预设的查找表。
请结合图2,在一些实施例中,步骤061、步骤062及步骤063可以由生成模块60执行实现。也即是说,生成模块60可以用于获取包含相同标定信息的短曝光图像及多帧长曝光图像,所有长曝光图像的曝光时长均比短曝光图像的曝光时长长,且每帧长曝光图像的曝光时长均不同;在多帧长曝光图像中选取一帧长曝光图像,计算选取的长曝光图像曝光时长与短曝光图像曝光时长之间的第二差值,并根据短曝光图像中每个像素的像素值、与在选取的长曝光图像中对应的像素的像素值,计算短曝光图像中每个像素的像素值对应的第一差值;在多帧长曝光图像中选取另一帧长曝光图像,重复上述步骤直至所有长曝光图像均被选取;及根据短曝光图像中每个像素的像素值、对应的第一差值及对应的第二差值,生成预设的查找表。
请结合图3,在一些实施例中,步骤061、步骤062及步骤063还可以有一个或多个处理器200执行实现。也即是说,一个或多个处理器200还可以用于获取包含相同标定信息的短曝光图像及多帧长曝光图像,所有长曝光图像的曝光时长均比短曝光图像的曝光时长长,且每帧长曝光图像的曝光时长均不同;在多帧长曝光图像中选取一帧长曝光图像,计算选取的长曝光图像曝光时长与短曝光图像曝光时长之间的第二差值,并根据短曝光图像中每个像素的像素值、与在选取的长曝光图像中对应的像素的像素值,计算短曝光图像中每个像素的像素值对应的第一差值;在多帧长曝光图像中选取另一帧长曝光图像,重复上述步骤直至所有长曝光图像均被选取;及根据短曝光图像中每个像素的像素值、对应的第一差值及对应的第二差值,生成预设的查找表
需要说明的是,在一些实施例中,标定信息可以为标准色卡,如此对标定信息进行拍摄后获得的短曝光图像后,有利于使位于短曝光图像不同位置的像素的像素值不相同(即位于短曝光图像不同位置的像素强度不同),从而有利于后续能够获得更多与不同像素的像素值(即像素强度)相对应的标定像素差值。此外,获取查找表的过程(即上述步骤061、步骤062及步骤063)只需要在HDR场景检测装置100或终端1000组装完成后,执行一次即可,无需在每次HDR场景检测前都执行。
示例地,获取包含相同标定信息的短曝光图像及多帧长曝光图像,所有长曝光图像的曝光时长均比短曝光图像的曝光时长长,且每帧长曝光图像的曝光时长均不同。在多帧长曝光图像中选取一帧长曝光图像,计算选取的长曝光图像曝光时长与短曝光图像曝光时长之间的第二差值,并根据短曝光图像中每个像素的像素值、与在选取的长曝光图像中对应的像素的像素值,计算短曝光图像中每个像素的像素值对应的第一差值;在多帧长曝光图像中选取另一帧长曝光图像,重复上述步骤直至所有长曝光图像均被选取。如此便获得了短曝光图像的曝光时长与多帧长曝光图像曝光时长之间的第二差值,及短曝光图像中每个像素的像素值、与在每一帧长曝光图像中对应的像素的像素值之间的第一差值。
其中,根据短曝光图像中每个像素的像素值、与在选取的长曝光图像中对应的像素的像素值,计算短曝光图像中每个像素的像素值对应的第一差值的具体实施方式,与上述实施例中根据短曝光图像中每个像素的像素值、与在长曝光图像中对应的像素的像素值,计算短曝光图像中每个像素的像素值对应的第一差值相同,在此不作赘述。
在获得短曝光图像的曝光时长与多帧长曝光图像曝光时长之间的第二差值,及短曝光图像中每个像素的像素值、与在每一帧长曝光图像中对应的像素的像素值之间的第一差值后,根据短曝光图像中每个像素的像素值、对应的第一差值及对应的第二差值,生成预设的查找表。具体地,在一些实施例中,在多帧长曝光图像中选取一帧长曝光图像,获取与选取的长曝光图像对应的第二差值(即选取的长曝光图像曝光时长与短曝光图像曝光时长之间的差值),再选取短曝光图像中一个像素获取其的像素值,并获取其的像素值与在选取长曝光图像中对应像素的像素值之间的第一差值。随后三者关联起来并填入查找表中,再获取短曝光图像中下一个像素的像素值,重复上述步骤直至将短曝光图像中的所有像素均选取完后,如此便获得了在该曝光时长差下,不同像素强度(即像素值)对应的标定像素差值。随后再选取另一帧长曝光图像重复上述步骤,直至将所有长曝光图像均选取完毕,如此便获得了包含不同像素强度(即像素值)不同曝光时长差下的标定像素差值的查找表。例如,短曝光图像中像素值为m1的像素,与在第一长曝光图像中对应的像素之间的第一差值为n1;短曝光图像中像素值为m1的像素,与在第二长曝光图像中对应的像素之间的第一差值为n2,且短曝光图像的曝光时长与第一长曝光的曝光时长之间的第二差值为t1;曝光图像的曝光时长与第二长曝光的曝光时长之间的第二差值为t2,则在查找表中记载,当曝光时长差为t1时,像素值m1对应n1;当曝光时长差为t1时,像素值m2对应n2。
请参阅图1及图19,本申请实施方式还提供一种包含计算机程序401的非易失性计算机可读存储介质400。当计算机程序401被一个或多个处理器200执行时,使得处理器200执行01、011、012、013、02、021、022、023、0231、024、03、031、032、041、042、051、052、053、061、062、及063中的HDR场景检测方法。
例如,当计算机程序401被一个或多个处理器200执行时,使得处理器200执行以下方法:
01:根据预设的查找表、包含当前场景的第一图像及第二图像获取差异区域,第一图像的曝光时长比第二图像的曝光时长长,查找表用于表征不同像素强度在不同曝光时长差下的标定像素差值;
02:计算第一图像的信息熵、第一图像的亮度方差;并计算在差异区域内过曝区的面积和过暗区的面积;及
03:根据信息熵、亮度方差、过曝区的面积、过暗区的面积、预设权重确定当前场景是否为HDR场景。
在本说明书的描述中,参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”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 (11)
1.一种HDR场景检测方法,其特征在于,包括:
根据预设的查找表、包含当前场景的第一图像及第二图像获取差异区域,所述第一图像的曝光时长比所述第二图像的曝光时长长,所述查找表用于表征不同像素强度在不同曝光时长差下的标定像素差值;
计算所述第一图像的信息熵、所述第一图像的亮度方差;并计算在所述差异区域内过曝区的面积和过暗区的面积;及
根据所述信息熵、所述亮度方差、所述过曝区的面积、所述过暗区的面积、预设权重确定所述当前场景是否为HDR场景。
2.根据权利要求1所述的HDR场景检测方法,其特征在于,所述根据预设的查找表、包含当前场景的第一图像及第二图像获取差异区域,包括:
获取所述第二图像中每个像素与所述第一图像中对应的像素之间的信息差;
根据所述第二图像、所述信息差及所述查找表,获取所述第二图像中的每个像素对应的信息量变化值,所述信息变化值为所述像素对应的所述信息差、与所述像素对应的所述标定像素差值之间的差值;及
根据所述第二图像中每个像素对应的信息量变化值、与预设的变化阈值获取所述差异区域。
3.根据权利要求1所述的HDR场景检测方法,其特征在于,所述计算所述第一图像的信息熵、第一图像的亮度方差,包括:
对所述第一图像进行灰度处理以获得灰度图像;
根据所述灰度图像中所有像素的灰度值生成灰度直方图,并根据所述灰度直方图获取所述信息熵及所述亮度方差。
4.根据权利要求1所述的HDR场景检测方法,其特征在于,所述计算在所述差异区域内过曝区的面积和过暗区的面积,包括:
对所述第一图像进行灰度处理以获得灰度图像;
根据所述差异区域及所述灰度图像中像素的灰度值,获取在所述差异区域的过曝区及过暗区;及
根据所述过曝区中的像素数量、所述过暗区中的像素数量及所述第一图像中所有像素的数量,计算所述过曝区的面积及所述过暗区的面积。
5.根据权利要求4所述的HDR场景检测方法,其特征在于,所述根据所述差异区域及所述灰度图像中像素的灰度值,获取在所述差异区域的过曝区及过暗区,包括:
遍历所述灰度图像中的所有像素,并比较每个像素的灰度值与第一灰度阈值和第二灰度阈值,若当前像素的灰度值大于第一灰度阈值,且在所述第一图像中与所述当前像素对应的像素位于所述差异区域,则确定在所述第一图像中与所述当前像素对应的像素位于过曝区;若当前像素的灰度值小于第二灰度阈值,且在所述第一图像中与所述当前像素对应的像素位于所述差异区域,则确定在所述第一图像中与所述当前像素对应的像素位于过暗区。
6.根据权利要求1所述的HDR场景检测方法,其特征在于,所述根据所述信息熵、所述亮度方差、所述过曝区的面积、所述过暗区的面积、及预设权重确定所述当前场景是否为HDR场景,包括:
根据所述信息熵、所述亮度方差、所述过曝区的面积、所述过暗区的面积、预设权重计算评价值;
若所述评价值大于预设阈值,确定所述当前场景为HDR场景;若所述评价值小于预设阈值,确定所述当前场景为非HDR场景。
7.根据权利要求1所述的HDR场景检测方法,其特征在于,还包括:
获取包含相同标定信息的短曝光图像及长曝光图像,所述长曝光图像的曝光时长比所述短曝光图像的曝光时长长;
根据所述短曝光图像中每个像素的像素值、与在所述长曝光图像中对应的像素的像素值,计算所述短曝光图像中每个像素的像素值对应的第一差值;及
根据所述短曝光图像中每个像素的像素值、对应的所述第一差值,生成所述查找表。
8.根据权利要求1所述的HDR场景检测方法,其特征在于,所述HDR场景检测方法还包括:
控制所述像素阵列曝光,至少一个所述感光像素以第一曝光时长曝光,至少一个所述感光像素以小于所述第一曝光时长的第二曝光时长曝光;其中,以第一曝光时长曝光的所述感光像素生成第一像素信息得到所述第一图像,以第二曝光时长曝光的所述感光像素生成第二像素信息得到所述第二图像;或
控制所述像素阵列以第一曝光时长曝光获得所述第一图像,控制所述像素阵列以第二曝光时长曝光获得所述第二图像,所述第一曝光时长比所述第二曝光时长长。
9.一种HDR场景检测装置,其特征在于,包括:
获取模块,用于根据预设的查找表、包含当前场景的第一图像及第二图像获取差异区域,所述第一图像的曝光时长比所述第二图像的曝光时长长,所述查找表用于表征不同像素强度在不同曝光时长差下的标定像素差值;
计算模块,用于计算所述第一图像的信息熵、亮度方差;并计算在所述差异区域内过曝区和过暗区的面积;及
确定模块,用于根据所述信息熵、所述亮度方差、所述过曝区的面积、所述过暗区的面积、预设权重及参数确定所述当前场景是否为HDR场景。
10.一种终端,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8任意一项所述的HDR场景检测方法的指令。
11.一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8任意一项所述的HDR场景检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111203958.7A CN113822819B (zh) | 2021-10-15 | 2021-10-15 | Hdr场景检测方法与装置、终端及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111203958.7A CN113822819B (zh) | 2021-10-15 | 2021-10-15 | Hdr场景检测方法与装置、终端及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113822819A true CN113822819A (zh) | 2021-12-21 |
CN113822819B CN113822819B (zh) | 2023-10-27 |
Family
ID=78916832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111203958.7A Active CN113822819B (zh) | 2021-10-15 | 2021-10-15 | Hdr场景检测方法与装置、终端及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113822819B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016032289A (ja) * | 2014-07-25 | 2016-03-07 | 日本電気株式会社 | 画像合成システム、画像合成方法、画像合成プログラム |
WO2017215527A1 (zh) * | 2016-06-15 | 2017-12-21 | 深圳市万普拉斯科技有限公司 | Hdr场景侦测方法、装置和计算机存储介质 |
CN108322669A (zh) * | 2018-03-06 | 2018-07-24 | 广东欧珀移动通信有限公司 | 图像的获取方法及装置、成像装置、计算机可读存储介质和计算机设备 |
CN109005361A (zh) * | 2018-08-06 | 2018-12-14 | Oppo广东移动通信有限公司 | 控制方法、装置、成像设备、电子设备及可读存储介质 |
WO2019183813A1 (zh) * | 2018-03-27 | 2019-10-03 | 华为技术有限公司 | 一种拍摄方法及设备 |
CN110619593A (zh) * | 2019-07-30 | 2019-12-27 | 西安电子科技大学 | 一种基于动态场景的双曝光视频成像系统 |
CN111131719A (zh) * | 2019-12-09 | 2020-05-08 | 北京空间机电研究所 | 一种视频流水线的处理方法及装置 |
CN111479070A (zh) * | 2019-01-24 | 2020-07-31 | 杭州海康机器人技术有限公司 | 一种图像亮度确定方法、装置及设备 |
CN111985527A (zh) * | 2020-07-03 | 2020-11-24 | 西安理工大学 | 一种逆光图像自动检测方法 |
-
2021
- 2021-10-15 CN CN202111203958.7A patent/CN113822819B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016032289A (ja) * | 2014-07-25 | 2016-03-07 | 日本電気株式会社 | 画像合成システム、画像合成方法、画像合成プログラム |
WO2017215527A1 (zh) * | 2016-06-15 | 2017-12-21 | 深圳市万普拉斯科技有限公司 | Hdr场景侦测方法、装置和计算机存储介质 |
CN108322669A (zh) * | 2018-03-06 | 2018-07-24 | 广东欧珀移动通信有限公司 | 图像的获取方法及装置、成像装置、计算机可读存储介质和计算机设备 |
WO2019183813A1 (zh) * | 2018-03-27 | 2019-10-03 | 华为技术有限公司 | 一种拍摄方法及设备 |
CN109005361A (zh) * | 2018-08-06 | 2018-12-14 | Oppo广东移动通信有限公司 | 控制方法、装置、成像设备、电子设备及可读存储介质 |
US20200045219A1 (en) * | 2018-08-06 | 2020-02-06 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Control method, control apparatus, imaging device, and electronic device |
CN111479070A (zh) * | 2019-01-24 | 2020-07-31 | 杭州海康机器人技术有限公司 | 一种图像亮度确定方法、装置及设备 |
CN110619593A (zh) * | 2019-07-30 | 2019-12-27 | 西安电子科技大学 | 一种基于动态场景的双曝光视频成像系统 |
CN111131719A (zh) * | 2019-12-09 | 2020-05-08 | 北京空间机电研究所 | 一种视频流水线的处理方法及装置 |
CN111985527A (zh) * | 2020-07-03 | 2020-11-24 | 西安理工大学 | 一种逆光图像自动检测方法 |
Non-Patent Citations (3)
Title |
---|
HANNING YU ET AL.: "Luminance attentive networks for HDR image and panorama reconstruction", COMPUTER VISION AND PATTERN RECOGNITION * |
侯幸林;罗海波;周培培;: "基于局部信息熵最大的多曝光控制方法", 红外与激光工程, no. 07 * |
张淑芳;朱彤;: "一种基于HDR技术的交通标志牌检测和识别方法", 激光与光电子学进展, no. 09 * |
Also Published As
Publication number | Publication date |
---|---|
CN113822819B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108989700B (zh) | 成像控制方法、装置、电子设备以及计算机可读存储介质 | |
EP3694203B1 (en) | Method and device for obtaining exposure compensation value of high-dynamic-range image | |
US8305487B2 (en) | Method and apparatus for controlling multiple exposures | |
CN109040609B (zh) | 曝光控制方法、装置、电子设备和计算机可读存储介质 | |
CN105812675B (zh) | 基于亮度分布和运动之间的折中生成场景的hdr图像的方法 | |
EP3609177A1 (en) | Control method, control apparatus, imaging device, and electronic device | |
CN108632537B (zh) | 控制方法及装置、成像设备、计算机设备及可读存储介质 | |
US8737755B2 (en) | Method for creating high dynamic range image | |
CN107846556B (zh) | 成像方法、装置、移动终端和存储介质 | |
CN110246101B (zh) | 图像处理方法和装置 | |
CN108683863B (zh) | 成像控制方法、装置、电子设备以及可读存储介质 | |
CN108616689B (zh) | 基于人像的高动态范围图像获取方法、装置及设备 | |
CN108337446B (zh) | 基于双摄像头的高动态范围图像获取方法、装置及设备 | |
CN109040607B (zh) | 成像控制方法、装置、电子设备和计算机可读存储介质 | |
JP6935272B2 (ja) | ハイダイナミックレンジ画像を作成する装置、方法、及びプログラム | |
US11601600B2 (en) | Control method and electronic device | |
JP2003348438A (ja) | 画像撮影方法および装置、画像選択方法および装置並びにプログラム | |
JP2009017229A (ja) | 撮像装置及び撮像制御方法 | |
US20110043674A1 (en) | Photographing apparatus and method | |
JP2015144475A (ja) | 撮像装置、撮像装置の制御方法、プログラム及び記憶媒体 | |
JP2022179514A (ja) | 制御装置、撮像装置、制御方法およびプログラム | |
US20130063622A1 (en) | Image sensor and method of capturing an image | |
US20070097254A1 (en) | Devices and methods for calculating pixel values representative of a scene | |
JP5713643B2 (ja) | 撮像装置、撮像装置の制御方法、プログラム及び記憶媒体 | |
JP2011044966A (ja) | 撮像装置および撮像方法 |
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 |