CN113902639A - 图像处理方法、装置、电子设备及存储介质 - Google Patents
图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113902639A CN113902639A CN202111173165.5A CN202111173165A CN113902639A CN 113902639 A CN113902639 A CN 113902639A CN 202111173165 A CN202111173165 A CN 202111173165A CN 113902639 A CN113902639 A CN 113902639A
- Authority
- CN
- China
- Prior art keywords
- image
- sequence
- weight map
- image sequence
- coefficient
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 107
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 74
- 238000001914 filtration Methods 0.000 claims abstract description 25
- 238000005070 sampling Methods 0.000 claims abstract description 19
- 238000005457 optimization Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 230000004927 fusion Effects 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 206010047571 Visual impairment Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000004973 liquid crystal related 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种图像处理方法、装置、电子设备及存储介质,属于图像处理技术领域。该方法包括:通过第一滤波核和第二滤波核,分别对待处理图像进行多尺度下采样,得到第一图像序列和第二图像序列;基于M个预设灰度切片值和所述待处理图像中各个像素点的灰度值,确定各个所述预设灰度切片值对应的第一权重图;基于图像处理系数,对各个所述第一权重图进行系数处理,得到M个第二权重图,其中,所述图像处理系数为噪点去除系数或局部增强系数,M为正整数;基于各个所述第二权重图、所述第一图像序列和所述第二图像序列,得到目标图像。
Description
技术领域
本申请属于图像处理技术领域,具体涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
随着电子设备的不断发展,电子设备开始融入人们的日常生活中,越来越多的用户开始借助电子设备来进行图像拍摄。
而在使用电子设备拍摄过程中,可能会因为硬件或外界环境的影响,导致最终的拍摄的图像效果不佳,而现有技术中存在可以通过噪点去除或图像局部增强处理,来对电子设备拍摄的图像进行优化处理,而现有技术中,无法通过一套图像处理算法同时兼容这两种图像优化方案,因此导致算法程序体积较大,功耗较高。
因此,如何通过一套图像处理算法来同时兼容噪点去除和图像局部增强处理这两种图像优化方案,已经成为业界亟待解决的问题。
发明内容
本申请实施例的目的是提供一种图像处理方法、装置、电子设备及存储介质,能够解决通过一套图像处理算法来同时兼容噪点去除和图像局部增强处理这两种图像优化方案的问题。
第一方面,本申请实施例提供了一种图像处理方法,该方法包括:
通过第一滤波核和第二滤波核,分别对待处理图像进行多尺度下采样,得到第一图像序列和第二图像序列;
基于M个预设灰度切片值和所述待处理图像中各个像素点的灰度值,确定各个所述预设灰度切片值对应的第一权重图;
基于图像处理系数,对各个所述第一权重图进行系数处理,得到M个第二权重图,其中,所述图像处理系数为噪点去除系数或局部增强系数,M为正整数;
基于各个所述第二权重图、所述第一图像序列和所述第二图像序列,得到目标图像。
第二方面,本申请实施例提供了一种图像处理装置,包括:
下采样模块,用于通过第一滤波核和第二滤波核,分别对待处理图像进行多尺度下采样,得到第一图像序列和第二图像序列;
第一确定模块,用于基于M个预设灰度切片值和所述待处理图像中各个像素点的灰度值,确定各个所述预设灰度切片值对应的第一权重图;
第一处理模块,用于基于图像处理系数,对各个所述第一权重图进行系数处理,得到M个第二权重图,其中,所述图像处理系数为噪点去除系数或局部增强系数,M为正整数;
第二处理模块,用于基于各个所述第二权重图、所述第一图像序列和所述第二图像序列,得到目标图像。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
第五方面,本申请实施例提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法。
在本申请实施例中,在一套图像处理方法中,引入两种不同的图像处理系数,即噪点去除系数或局部增强系数,从而分别支持对图像进行图像局部增强处理和图像噪点去除处理的图像优化处理方案,本申请实施例中能够在有效支持局部增强优化和图像噪点去除优化的基础上,有效节省程序体积,有效减少搭载该图像处理方法芯片的面积。
附图说明
图1为本申请实施例提供的图像处理方法流程示意图;
图2为本申请实施例提供的图像处理装置;
图3为本申请实施例提供的电子设备结构示意图;
图4为实现本申请实施例的一种电子设备的硬件结构示意图。
具体实施方式
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获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的一种图像处理方法、装置、电子设备及存储介质进行详细地说明。
图1为本申请实施例提供的图像处理方法流程示意图,如图1所示,包括:
步骤110,通过第一滤波核和第二滤波核,分别对待处理图像进行多尺度下采样,得到第一图像序列和第二图像序列;
具体地,本申请实施例中所描述的待处理图像,具体可以是通过对于不同曝光时间的多帧输入进行融合,得到待处理图像或者视频流中的某一帧图像,将融合后的该帧图像进行全局影调映射后,即会得到待处理图像。
具体的,在本申请实施例中,对于特定的某一帧图像,由于不同类型的图像传感器支持不同类型的高动态范围图像(High-Dynamic Range,HDR)数据采集方式,因此本申请实施例中可能接收到1至N帧数据,对于这些数据,根据不同的曝光量进行基础亮度对齐,然后进行融合,即是指根据N帧间的曝光差异,逐像素调节至相同曝光水平,此刻曝光参考帧为曝光时间最短的那一帧,亮度对齐后,逐像素进行多帧融合,得到待处理图像或者视频流中的某一帧图像。
在本申请实施例中,得到经过多帧融合后的图像后,在对其进行全局影调映射,在该图像为高位宽HDR融合图像的情况下,通过贝塞尔曲线对其进行映射,然后对其手动调配,获得理想的全局影调映射结果,即待处理图像。
在多帧融合后的图像为常规位宽HDR融合图像的情况下,通过根据局部曝光量统计信息以及全局直方图分布信息,生成合理的映射曲线,进行全局影调映射,得到全局影调映射结果,即待处理图像。
本申请实施例中所描述的第一滤波核和第二滤波核是不同类型的滤波核,对应地,其分别对待处理图像进行处理后,能够得到两组不同的图像数据组,即N个依次按照图像尺寸排列的第一图像组成的第一图像序列和N个依次按照图像尺寸排列的第二图像组成的第二图像序列。
在本申请实施例中所生成的第一图像的数量和第二图像的数量相同,各个第一图像和各个第二图像可以是按照图像尺寸依次排布,即呈图像排布金字塔形。
步骤120,基于M个预设灰度切片值和所述待处理图像中各个像素点的灰度值,确定各个所述预设灰度切片值对应的第一权重图;
在本申请实施例中,本申请实施例中所描述的M个预设灰度切片值,可以是预先设定的,且各个灰度切片值之间的间隔step相同,该预设灰度切片值的个数M=1/step,例如各个灰度切片值之间的间隔step为0.1时,则相应地,M=1/0.1=10,此时灰度切片值=(0.1,0.2,0.3…1)。
本申请实施例中所描述的待处理图像是由各个像素点组成的,因此对于该待处理图像中的每一个像素点,计算该像素点的灰度值和当前选取的灰度切片值之间的差值,然后根据差值,计算方差f(待处理图像input-灰度切片值),并根据该方差信息得到该灰度切片值对应的权重图JOJO。
而本申请实施例中存在不同的灰度切片值,因此可以根据上述步骤,确定各个灰度切片值对应的权重图JOJO,例如若存在10个灰度切片值,则对应有十个不同的权重图JOJO。
根据各个像素点对应的方差来生成各个所述预设灰度切片值对应的第一权重图。
步骤130,基于图像处理系数,对各个所述第一权重图进行系数处理,得到M个第二权重图,其中,所述图像处理系数为噪点去除系数或局部增强系数,M为正整数;
具体地,本申请实施例中所描述的图像处理系数是用于实现不同的图像调整效果,噪点去除系数是用于实现对图像实现噪点去除效果,而局部增强系数是用于对图像实现局部增强处理。
在本申请实施例中,每次优化过程中只能选取一类图像处理系数,也就是本申请实施例中所描述的图像处理方法,只能分别支持噪点去除效果或局部增强处理,并不能同时支持者两种算法。
而由于本申请实施例中所描述的图像处理系数可以后期用户输入或者调整的,在该图像处理系数magic_number>0时,则此时图像处理系数属于局部增强系数,在该图像处理系数magic_number≤0时,则此时该图像处理系数属于噪点去除系数。
因此在本申请实施例中可以通过控制图像调整系数的输入,从而在同一套算法中支持两种图像优化方案。
本申请中基于图像处理系数,对各个所述第一权重图进行系数处理,具体可以是指每个第一权重图中的像素进行逐点的系数乘法处理,该系数即是图像处理系数。
本申请中所描述的第二权重图即是经过系数乘法处理后的第一权重图。
在本申请实施例中,由于存在M个预设灰度切片值,且每个预设灰度切片值均对应有一个第一权重图,因此,对各个第一权重图进行系数处理后,会得到M个第二权重图。
步骤140,基于各个所述第二权重图、所述第一图像序列和所述第二图像序列,得到目标图像。
具体地,本申请实施例中可以根据各个所述第二权重图、所述第一图像序列和所述第二图像序列进行图像组循环更新后,然后进行图像重构,最终得到优化后的目标图像。
在本申请实施例中,在一套图像处理方法中,引入两种不同的图像处理系数,即噪点去除系数或局部增强系数,从而分别支持对图像进行图像局部增强处理和图像噪点去除处理的图像优化处理方案,本申请实施例中能够在有效支持局部增强优化和图像噪点去除优化的基础上,有效节省程序体积,有效减少搭载该图像处理方法芯片的面积。
可选地,所述基于各个所述第二权重图、所述第一图像序列和所述第二图像序列,得到目标图像,包括:
通过所述第二滤波核,对各个所述第二权重图进行多尺度下采样,得到M组第三权重图序列,其中,每组第三权重图序列中包含N个按照图像尺寸排列的第三权重图;
基于第M组所述第三权重图序列、所述第一图像序列和所述第二图像序列,得到第三图像序列,其中,所述第一图像序列包括N个依次按照图像尺寸排列的第一图像,所述第二图像序列包括N个依次按照图像尺寸排列的第二图像,N为正整数;
在得到所述第三图像序列后,每一次迭代更新第三图像序列的过程中,根据M-1组第三权重图序列中的任一组所述第三权重图序列、各个所述第一图像和上一次迭代过程中获取的第三图像序列,得到新的第三图像序列,直至遍历所有的第三权重图序列,输出第四图像序列;
对所述第四图像序列进行重构处理,得到目标图像。
具体地,对应于灰度切片值的数量为M个,本申请实施例中所描述的第二权重图的数量也为M个,而通过上述的第二滤波核,对各个第二权重图分别进行多尺度下采样,会得到M组第三权重图序列。
本申请实施例中每组第三权重图序列中包含N个按照图像尺寸排列的第三权重图。
而由于此处对第二权重图进行下采样使用的是上述实施例中的第二滤波核,因此此时多尺度下采样后得到的每组第三权重图序列中的第三图像的数量和第一图像、第二图像的数量相同,即第三图像数量也为N个。
本申请实施例中所描述的第M组第三权重图序列,具体可以是最大的灰度切片值对应的第二权重图生成的第三权重图序列,也可以是最小的灰度切片值对应的第二权重图生成的第三权重图序列。
本申请实施例中所描述的M-1组第三权重图序列,是M组第三权重图序列中除了第M组第三权重图序列之外的所有第三权重图序列。
本申请实施例中初次生成第三图像序列时,主要是以N个第二图像为基础,并结合第M组的第三权重图序列和N个第一图像确定的图像调整信息,得到第三图像序列。
在初次得到第三图像序列后,需要通过M-1组的第三权重图序列,对第三图像序列不断进行迭代更新,后续每次更新第三图像序列的过程都是以上一次迭代过程中获取的第三图像序列为基础,并结合新的第三权重图序列和N个第一图像确定的图像调整信息进行的。
在本申请实施例中,在完成遍历M-1组第三权重图序列之后,即完成第三图像序列的迭代更新,将最后迭代更新的结果作为输出结果,输出第四图像序列。
在本申请实施例中,得到第四图像序列后,将其重构处理为一帧图像,得到完成图像处理后的目标图像。
在本申请实施例,通过利用各个第二权重图下采样后得到的M组第三权重图序列,同时结合各个第一图像和各个第二图像,能够有效对第三图像序列进行更新,有效实现对于图像的处理,最终得到第四图像序列。
可选地,所述基于第M组所述第三权重图序列、所述第一图像序列和所述第二图像序列,得到第三图像序列,包括:
执行N次第三图像更新过程,得到第三图像序列,在不同的更新过程中K的取值不同,K为1至N的正整数;
所述第三图像更新过程包括:
基于第K个第一图像中各个像素点的灰度值和第M组所述第三权重图序列对应的第一预设灰度切片值,确定所述第K个第一图像中的目标像素点;
基于所述第三权重图序列中的第K个第三权重图和所述第K个第一图像中的目标像素点,确定第K个图像调整系数;
基于所述第K个图像调整系数和所述第K个第一图像,得到第K个第三图像。
具体地,本申请实施例中所描述的第M组所述第三权重图序列是基于第二权重图生成的,而该第二权重图是基于预设灰度切片值对应的第一权重图,因此其此时第三权重图序列也会存在对应的第一预设灰度切片值。
本申请中所描述的K个第一图像是指N个第一图像中按照图像尺寸大小排列的第K个。
本申请实施例中所描述的确定所述第K个第一图像中的目标像素点,具体是可以首先计算第K个第一图像中各个像素点的灰度值与第一预设灰度切片值之间差值的绝对值,即第一绝对值,然后比较第一绝对值和第一预设灰度切片值之间的关系,选取第一绝对值大于第一预设灰度切片值对应的像素点,作为第K个第一图像中的目标像素点。
在本申请实施例中,在确定目标像素点后,首先获取目标像素点在第K个第三权重图中对应的第一像素点集合。
然后获取第K个第一图像中,像素点的灰度值与第一预设灰度切片值的差值,能够被各个灰度切片值之间的间隔step整除的像素点,即第二像素点集合。
本申请实施例中,基于第二像素点集合、第一像素点集合和各个目标像素点之间的乘积,确定第K个图像调整系数。
最终,根据第K个图像调整系数和所述第K个第一图像之间的和,得到第K个第三图像。
本申请实施例中获取到第K个第三图像后,会继续执行N次第三图像的更新过程,且在不同的更新过程中K的取值都不同,,K为1至N的正整数,直至得到N个第三图像,得到完成的第三图像序列。
可选地,所述根据M-1组所述第三权重图序列中的任一组所述第三权重图序列、各个所述第一图像和上一次迭代过程中获取的第三图像序列,得到新的第三图像序列,包括:
执行N次新的第三图像更新过程,得到新的第三图像序列,在不同的更新过程中P的取值不同,P为1至N的正整数;
所述新的第三图像更新过程包括:
基于第P个第一图像中各个像素点的灰度值和所述第三权重图序列对应的第二预设灰度切片值,确定所述第P个第一图像中的目标像素点;
基于所述第三权重图序列中的第P个第三权重图和所述第P个第一图像中的目标像素点,确定第P个图像调整系数;
基于所述第P个图像调整系数和上一次迭代过程中获取的第三图像序列,得到第P个新的第三图像。
具体地,本申请实施例中所描述的确定目标像素点和图像调整系数的方式均和上述实施例中的方式一致。
本申请实施例中,得到每次得到新的第三图像是根据第P个图像调整系数和上一次迭代过程中获取的第三图像序列之和得到的。
在本申请实施例中的循环更新过程中,不断利用以上次循环时第三图像序列中的各个第三图像,始终仅保存有一组对应的第三图像序列,执行N次新的第三图像更新过程,得到新的第三图像序列,在不同的更新过程中P的取值不同,P为1至N的正整数。
在本申请实施例中,通过构建第三图像序列后,不断对第三图像序列进行更新,能够有效保证图像处理的有效性,保证图像处理的效果。
可选地,所述对所述第四图像序列进行重构处理,得到目标图像,包括:
将所述第四图像序列中的第N个第四图像,替换为第N个所述第二图像,得到第四目标图像序列;
基于所述第四目标图像序列的图像尺寸排列,对所述第四目标图像序列进行逐层叠加处理,得到目标图像。
具体地,本申请实施例中所描述的第N个第四图像是指第四图像序列中图像尺寸最大的第四图像,第N个第二图像是指各个第二图像中图像尺寸最大的第二图像。
本申请实施例中将第四图像序列中的第N个第四图像,替换为第N个所述第二图像,是为了保证最终输出的图像尺寸和待处理图像的尺寸一致。
本申请实施例中所描述的对所述第四目标图像序列进行逐层叠加处理,具体可以是从第四目标图像序列中图像尺寸最大的图像开始,依次开始逐层叠加,最终输出目标图像。
在本申请实施例中,通过对第四图像序列进行重构,能够得到和待处理图像尺寸相同的目标图像,从而完成图像处理。
需要说明的是,本申请实施例提供的图像处理方法,执行主体可以为图像处理装置,或者该图像处理装置中的用于执行图像处理方法的控制模块。本申请实施例中以图像处理装置执行图像处理方法为例,说明本申请实施例提供的图像处理装置。
图2为本申请实施例提供的图像处理装置,如图2所示,包括:下采样模块210、确定模块220、第一处理模块230和第二处理模块240;其中,下采样模块210用于通过第一滤波核和第二滤波核,分别对待处理图像进行多尺度下采样,得到第一图像序列和第二图像序列;其中,第一确定模块220用于基于M个预设灰度切片值和所述待处理图像中各个像素点的灰度值,确定各个所述预设灰度切片值对应的第一权重图;其中,第一处理模块230用于基于图像处理系数,对各个所述第一权重图进行系数处理,得到M个第二权重图,其中,所述图像处理系数为噪点去除系数或局部增强系数,M为正整数;其中,第二处理模块240用于基于各个所述第二权重图、所述第一图像序列和所述第二图像序列,得到目标图像。
可选地,所述第二处理模块,具体用于:
通过所述第二滤波核,对各个所述第二权重图进行多尺度下采样,得到M组第三权重图序列,其中,每组第三权重图序列中包含N个按照图像尺寸排列的第三权重图;
基于第M组所述第三权重图序列、所述第一图像序列和所述第二图像序列,得到第三图像序列,其中,所述第一图像序列包括N个依次按照图像尺寸排列的第一图像,所述第二图像序列包括N个依次按照图像尺寸排列的第二图像,N为正整数;
在得到所述第三图像序列后,每一次迭代更新第三图像序列的过程中,根据M-1组第三权重图序列中的任一组所述第三权重图序列、各个所述第一图像和上一次迭代过程中获取的第三图像序列,得到新的第三图像序列,直至遍历所有的第三权重图序列,输出第四图像序列;
对所述第四图像序列进行重构处理,得到目标图像。
可选地,所述第二处理模块,具体还用于:
执行N次第三图像更新过程,得到第三图像序列,在不同的更新过程中K的取值不同,K为1至N的正整数;
所述第三图像更新过程包括:
基于第K个第一图像中各个像素点的灰度值和第M组所述第三权重图序列对应的第一预设灰度切片值,确定所述第K个第一图像中的目标像素点;
基于所述第三权重图序列中的第K个第三权重图和所述第K个第一图像中的目标像素点,确定第K个图像调整系数;
基于所述第K个图像调整系数和所述第K个第一图像,得到第K个第三图像。
可选地,所述第二处理模块,具体还用于:
执行N次新的第三图像更新过程,得到新的第三图像序列,在不同的更新过程中P的取值不同,P为1至N的正整数;
所述新的第三图像更新过程包括:
基于第P个第一图像中各个像素点的灰度值和所述第三权重图序列对应的第二预设灰度切片值,确定所述第P个第一图像中的目标像素点;
基于所述第三权重图序列中的第P个第三权重图和所述第P个第一图像中的目标像素点,确定第P个图像调整系数;
基于所述第P个图像调整系数和上一次迭代过程中获取的第三图像序列,得到第P个新的第三图像。
可选地,所述第二处理模块,具体还用于:
将所述第四图像序列中的第N个第四图像,替换为第N个所述第二图像,得到第四目标图像序列;
基于所述第四目标图像序列的图像尺寸排列,对所述第四目标图像序列进行逐层叠加处理,得到目标图像。
在本申请实施例中,在一套图像处理方法中,引入两种不同的图像处理系数,即噪点去除系数或局部增强系数,从而分别支持对图像进行图像局部增强处理和图像噪点去除处理的图像优化处理方案,本申请实施例中能够在有效支持局部增强优化和图像噪点去除优化的基础上,有效节省程序体积,有效减少搭载该图像处理方法芯片的面积。
本申请实施例中的图像处理装置可以是装置,也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personaldigital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(NetworkAttached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的图像处理装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为ios操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的图像处理装置能够实现图1的方法实施例实现的各个过程,为避免重复,这里不再赘述。
可选地,图3为本申请实施例提供的电子设备结构示意图,如图3所示,本申请实施例还提供一种电子设备300,包括处理器301,存储器302,存储在存储器302上并可在所述处理器301上运行的程序或指令,该程序或指令被处理器301执行时实现上述图像处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
图4为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备400包括但不限于:射频单元401、网络模块402、音频输出单元403、输入单元404、传感器405、显示单元406、用户输入单元407、接口单元408、存储器409、以及处理器410等部件。
本领域技术人员可以理解,电子设备400还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器410逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图4中示出的电子设备结构并不构成对电子设备的限定,电子设备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,在此不再赘述。
其中,处理器410用于通过第一滤波核和第二滤波核,分别对待处理图像进行多尺度下采样,得到第一图像序列和第二图像序列;
基于M个预设灰度切片值和所述待处理图像中各个像素点的灰度值,确定各个所述预设灰度切片值对应的第一权重图;
基于图像处理系数,对各个所述第一权重图进行系数处理,得到M个第二权重图,其中,所述图像处理系数为噪点去除系数或局部增强系数,M为正整数;
基于各个所述第二权重图、所述第一图像序列和所述第二图像序列,得到目标图像。
处理器410用于通过所述第二滤波核,对各个所述第二权重图进行多尺度下采样,得到M组第三权重图序列,其中,每组第三权重图序列中包含N个按照图像尺寸排列的第三权重图;
基于第M组所述第三权重图序列、所述第一图像序列和所述第二图像序列,得到第三图像序列,其中,所述第一图像序列包括N个依次按照图像尺寸排列的第一图像,所述第二图像序列包括N个依次按照图像尺寸排列的第二图像,N为正整数;
在得到所述第三图像序列后,每一次迭代更新第三图像序列的过程中,根据M-1组第三权重图序列中的任一组所述第三权重图序列、各个所述第一图像和上一次迭代过程中获取的第三图像序列,得到新的第三图像序列,直至遍历所有的第三权重图序列,输出第四图像序列;
对所述第四图像序列进行重构处理,得到目标图像。
处理器410用于执行N次第三图像更新过程,得到第三图像序列,在不同的更新过程中K的取值不同,K为1至N的正整数;
所述第三图像更新过程包括:
基于第K个第一图像中各个像素点的灰度值和第M组所述第三权重图序列对应的第一预设灰度切片值,确定所述第K个第一图像中的目标像素点;
基于所述第三权重图序列中的第K个第三权重图和所述第K个第一图像中的目标像素点,确定第K个图像调整系数;
基于所述第K个图像调整系数和所述第K个第一图像,得到第K个第三图像。
处理器410用于执行N次新的第三图像更新过程,得到新的第三图像序列,在不同的更新过程中P的取值不同,P为1至N的正整数;
所述新的第三图像更新过程包括:
基于第P个第一图像中各个像素点的灰度值和所述第三权重图序列对应的第二预设灰度切片值,确定所述第P个第一图像中的目标像素点;
基于所述第三权重图序列中的第P个第三权重图和所述第P个第一图像中的目标像素点,确定第P个图像调整系数;
基于所述第P个图像调整系数和上一次迭代过程中获取的第三图像序列,得到第P个新的第三图像。
处理器410用于将所述第四图像序列中的第N个第四图像,替换为第N个所述第二图像,得到第四目标图像序列;
基于所述第四目标图像序列的图像尺寸排列,对所述第四目标图像序列进行逐层叠加处理,得到目标图像。
在本申请实施例中,在一套图像处理方法中,引入两种不同的图像处理系数,即噪点去除系数或局部增强系数,从而分别支持对图像进行图像局部增强处理和图像噪点去除处理的图像优化处理方案,本申请实施例中能够在有效支持局部增强优化和图像噪点去除优化的基础上,有效节省程序体积,有效减少搭载该图像处理方法芯片的面积。
应理解的是,本申请实施例中,输入单元404可以包括图形处理器(GraphicsProcessing Unit,GPU)4041和麦克风4042,图形处理器4041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元406可包括显示面板4061,可以采用液晶显示器、有机发光二极管等形式来配置显示面板4061。用户输入单元407包括触控面板4071以及其他输入设备4072。触控面板4071,也称为触摸屏。触控面板4071可包括触摸检测装置和触摸控制器两个部分。其他输入设备4072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。存储器409可用于存储软件程序以及各种数据,包括但不限于应用程序和操作系统。处理器410可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器410中。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述图像处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述图像处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可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,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请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计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
通过第一滤波核和第二滤波核,分别对待处理图像进行多尺度下采样,得到第一图像序列和第二图像序列;
基于M个预设灰度切片值和所述待处理图像中各个像素点的灰度值,确定各个所述预设灰度切片值对应的第一权重图;
基于图像处理系数,对各个所述第一权重图进行系数处理,得到M个第二权重图,其中,所述图像处理系数为噪点去除系数或局部增强系数,M为正整数;
基于各个所述第二权重图、所述第一图像序列和所述第二图像序列,得到目标图像。
2.根据权利要求1所述的图像处理方法,其特征在于,所述基于各个所述第二权重图、所述第一图像序列和所述第二图像序列,得到目标图像,包括:
通过所述第二滤波核,对各个所述第二权重图进行多尺度下采样,得到M组第三权重图序列,其中,每组第三权重图序列中包含N个按照图像尺寸排列的第三权重图;
基于第M组所述第三权重图序列、所述第一图像序列和所述第二图像序列,得到第三图像序列,其中,所述第一图像序列包括N个依次按照图像尺寸排列的第一图像,所述第二图像序列包括N个依次按照图像尺寸排列的第二图像,N为正整数;
在得到所述第三图像序列后,每一次迭代更新第三图像序列的过程中,根据M-1组第三权重图序列中的任一组所述第三权重图序列、各个所述第一图像和上一次迭代过程中获取的第三图像序列,得到新的第三图像序列,直至遍历所有的第三权重图序列,输出第四图像序列;
对所述第四图像序列进行重构处理,得到目标图像。
3.根据权利要求2所述的图像处理方法,其特征在于,所述基于第M组所述第三权重图序列、所述第一图像序列和所述第二图像序列,得到第三图像序列,包括:
执行N次第三图像更新过程,得到第三图像序列,在不同的更新过程中K的取值不同,K为1至N的正整数;
所述第三图像更新过程包括:
基于第K个第一图像中各个像素点的灰度值和第M组所述第三权重图序列对应的第一预设灰度切片值,确定所述第K个第一图像中的目标像素点;
基于所述第三权重图序列中的第K个第三权重图和所述第K个第一图像中的目标像素点,确定第K个图像调整系数;
基于所述第K个图像调整系数和所述第K个第二图像,得到第K个第三图像。
4.根据权利要求2所述的图像处理方法,其特征在于,所述根据M-1组所述第三权重图序列中的任一组所述第三权重图序列、各个所述第一图像和上一次迭代过程中获取的第三图像序列,得到新的第三图像序列,包括:
执行N次新的第三图像更新过程,得到新的第三图像序列,在不同的更新过程中P的取值不同,P为1至N的正整数;
所述新的第三图像更新过程包括:
基于第P个第一图像中各个像素点的灰度值和所述第三权重图序列对应的第二预设灰度切片值,确定所述第P个第一图像中的目标像素点;
基于所述第三权重图序列中的第P个第三权重图和所述第P个第一图像中的目标像素点,确定第P个图像调整系数;
基于所述第P个图像调整系数和上一次迭代过程中获取的第三图像序列,得到第P个新的第三图像。
5.据权利要求2所述的图像处理方法,其特征在于,所述对所述第四图像序列进行重构处理,得到目标图像,包括:
将所述第四图像序列中的第N个第四图像,替换为第N个所述第二图像,得到第四目标图像序列;
基于所述第四目标图像序列的图像尺寸排列,对所述第四目标图像序列进行逐层叠加处理,得到目标图像。
6.一种图像处理装置,其特征在于,包括:
下采样模块,用于通过第一滤波核和第二滤波核,分别对待处理图像进行多尺度下采样,得到第一图像序列和第二图像序列;
第一确定模块,用于基于M个预设灰度切片值和所述待处理图像中各个像素点的灰度值,确定各个所述预设灰度切片值对应的第一权重图;
第一处理模块,用于基于图像处理系数,对各个所述第一权重图进行系数处理,得到M个第二权重图,其中,所述图像处理系数为噪点去除系数或局部增强系数,M为正整数;
第二处理模块,用于基于各个所述第二权重图、所述第一图像序列和所述第二图像序列,得到目标图像。
7.根据权利要求6所述的图像处理装置,其特征在于,所述第二处理模块,具体用于:
通过所述第二滤波核,对各个所述第二权重图进行多尺度下采样,得到M组第三权重图序列,其中,每组第三权重图序列中包含N个按照图像尺寸排列的第三权重图;
基于第M组所述第三权重图序列、所述第一图像序列和所述第二图像序列,得到第三图像序列,其中,所述第一图像序列包括N个依次按照图像尺寸排列的第一图像,所述第二图像序列包括N个依次按照图像尺寸排列的第二图像,N为正整数;
在得到所述第三图像序列后,每一次迭代更新第三图像序列的过程中,根据M-1组第三权重图序列中的任一组所述第三权重图序列、各个所述第一图像和上一次迭代过程中获取的第三图像序列,得到新的第三图像序列,直至遍历所有的第三权重图序列,输出第四图像序列;
对所述第四图像序列进行重构处理,得到目标图像。
8.根据权利要求7所述的图像处理装置,其特征在于,所述第二处理模块,具体还用于:
执行N次第三图像更新过程,得到第三图像序列,在不同的更新过程中K的取值不同,K为1至N的正整数;
所述第三图像更新过程包括:
基于第K个第一图像中各个像素点的灰度值和第M组所述第三权重图序列对应的第一预设灰度切片值,确定所述第K个第一图像中的目标像素点;
基于所述第三权重图序列中的第K个第三权重图和所述第K个第一图像中的目标像素点,确定第K个图像调整系数;
基于所述第K个图像调整系数和所述第K个第一图像,得到第K个第三图像。
9.一种电子设备,其特征在于,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-5任一项所述的图像处理方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1-5任一项所述的图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111173165.5A CN113902639A (zh) | 2021-10-08 | 2021-10-08 | 图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111173165.5A CN113902639A (zh) | 2021-10-08 | 2021-10-08 | 图像处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113902639A true CN113902639A (zh) | 2022-01-07 |
Family
ID=79190603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111173165.5A Pending CN113902639A (zh) | 2021-10-08 | 2021-10-08 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113902639A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116152105A (zh) * | 2023-02-27 | 2023-05-23 | 上海福柯斯智能科技有限公司 | 一种图像亮度和对比度自动调整方法及装置 |
-
2021
- 2021-10-08 CN CN202111173165.5A patent/CN113902639A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116152105A (zh) * | 2023-02-27 | 2023-05-23 | 上海福柯斯智能科技有限公司 | 一种图像亮度和对比度自动调整方法及装置 |
CN116152105B (zh) * | 2023-02-27 | 2024-04-16 | 上海福柯斯智能科技有限公司 | 一种图像亮度和对比度自动调整方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109670558B (zh) | 使用深度学习的数字图像完成 | |
CN111340711B (zh) | 一种超分辨率重建方法、装置、设备和存储介质 | |
CN108921806B (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
US9430817B2 (en) | Blind image deblurring with cascade architecture | |
US9396523B2 (en) | Image restoration cascade | |
CN111833461B (zh) | 一种图像特效的实现方法、装置、电子设备及存储介质 | |
CN113222855B (zh) | 一种图像恢复方法、装置和设备 | |
CN112561846A (zh) | 训练图像融合模型的方法、装置和电子设备 | |
CN110349107B (zh) | 图像增强的方法、装置、电子设备、及存储介质 | |
US10521918B2 (en) | Method and device for filtering texture, using patch shift | |
Wu et al. | LiTMNet: A deep CNN for efficient HDR image reconstruction from a single LDR image | |
Conde et al. | Real-time under-display cameras image restoration and hdr on mobile devices | |
CN113902639A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN116934577A (zh) | 一种风格图像生成方法、装置、设备及介质 | |
Lapray et al. | Hardware-based smart camera for recovering high dynamic range video from multiple exposures | |
CN116757962A (zh) | 一种图像去噪方法、装置 | |
CN115049572A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN110706167B (zh) | 一种遥感图像待修复区域的精细补全处理方法及装置 | |
CN111696041B (zh) | 图像处理方法、装置及电子设备 | |
CN112150486B (zh) | 图像处理方法及装置 | |
CN112734658A (zh) | 图像增强方法、装置及电子设备 | |
GB2567723A (en) | Digital image completion using deep learning | |
CN108810322B (zh) | 图像处理方法以及相关装置 | |
CN116152233B (zh) | 图像处理方法、智能终端及存储介质 | |
CN115409752A (zh) | 图像处理方法及其装置 |
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 |