CN114066785A - 图像处理方法及装置、终端和存储介质 - Google Patents

图像处理方法及装置、终端和存储介质 Download PDF

Info

Publication number
CN114066785A
CN114066785A CN202010761645.2A CN202010761645A CN114066785A CN 114066785 A CN114066785 A CN 114066785A CN 202010761645 A CN202010761645 A CN 202010761645A CN 114066785 A CN114066785 A CN 114066785A
Authority
CN
China
Prior art keywords
image
brightness
diffraction
area
region
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
CN202010761645.2A
Other languages
English (en)
Inventor
潘佳河
刘霖
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.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN202010761645.2A priority Critical patent/CN114066785A/zh
Priority to KR1020210035024A priority patent/KR102459527B1/ko
Priority to JP2021046853A priority patent/JP7136956B2/ja
Priority to US17/212,993 priority patent/US11783450B2/en
Priority to EP21165513.9A priority patent/EP3945491A1/en
Publication of CN114066785A publication Critical patent/CN114066785A/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
    • 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
    • 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
    • G06T5/73—Deblurring; Sharpening
    • G06T5/75—Unsharp masking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/68—Circuits for processing colour signals for controlling the amplitude of colour signals, e.g. automatic chroma control circuits
    • H04N9/69—Circuits for processing colour signals for controlling the amplitude of colour signals, e.g. automatic chroma control circuits for modifying the colour signals by gamma correction
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • 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]
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)

Abstract

本公开是关于一种图像处理方法及装置、终端和存储介质。该方法包括：根据第一图像中像素的亮度，确定出高亮区域；其中，所述高亮区域所包含像素的亮度大于所述高亮区域的周边像素的亮度；根据所述高亮区域，确定所述第一图像中的衍射区域；所述衍射区域为：分布在所述高亮区域周围的图像区域；降低所述衍射区域的亮度，得到第二图像。通过该方法，降低衍射区域的亮度后，减轻了衍射产生的重叠影像，使得图像更为真实。

Description

图像处理方法及装置、终端和存储介质
技术领域
本公开涉及电子设备技术领域，尤其涉及一种图像处理方法及装置、终端和存储介质。
背景技术
随着终端技术的不断发展，给人们的日常生活带来越来越多的便利，用户对终端设备美观等方面的要求也逐渐提高。其中，全面屏已经成为移动终端发展的趋势。
当前全面屏都是用升降式的方式来实现，比如模组升降、滑盖、侧旋等升降机构，还有其他如水滴屏与挖孔屏的设计方式。
上述全面屏的设计方式中，用于拍照的镜头模组均位于显示屏的下方。由于显示屏上有金属电路分布，这些区域会降低透光率，且电路部分的部分透光区域存在散射和衍射，因此利用位于显示屏下的镜头模组拍照时，存在画质损失的问题。
发明内容
本公开提供一种图像处理方法及装置、终端和存储介质。
根据本公开实施例的第一方面，提供一种图像处理方法，包括：
根据第一图像中像素的亮度，确定出高亮区域；其中，所述高亮区域所包含像素的亮度大于所述高亮区域的周边像素的亮度；
根据所述高亮区域，确定所述第一图像中的衍射区域；所述衍射区域为：分布在所述高亮区域周围的图像区域；
降低所述衍射区域的亮度，得到第二图像。
可选的，所述根据所述高亮区域，确定所述第一图像中的衍射区域，包括：
确定所述第一图像中像素的亮度的光场分布；
根据所述光场分布，确定所述第一图像中所述高亮区域的亮度下降方向上，是否存在满足衍射现象的图像区域；
若存在满足所述衍射现象的图像区域，则确定所述图像区域为所述衍射区域。
可选的，所述根据所述光场分布，确定所述第一图像中所述高亮区域的亮度下降方向上，是否存在满足衍射现象的图像区域，包括：
根据所述光场分布及所述衍射现象的亮度特性，确定是否存在高阶位置；其中，所述高阶位置为：在所述第一图像除所述高亮区域之外的区域中，第一部分区域的像素亮度与第二部分区域的像素亮度之间的差值大于第一阈值时，第一部分区域的像素所在位置；所述第一部分区域的像素亮度大于第二部分区域的像素亮度；
若存在所述高阶位置，确定存在满足所述衍射现象的所述图像区域。
可选的，所述若存在所述高阶位置，确定存在满足所述衍射现象的所述图像区域，包括：
确定位于所述高阶位置的像素构成的形状与所述高亮区域的形状的相似度，是否大于第一相似度阈值；
若大于所述第一相似度阈值，确定存在满足所述衍射现象的所述图像区域。
可选的，所述第一图像中包括K个阶次的所述高阶位置；其中，所述K大于或等于2，第K个阶次的所述高阶位置的像素亮度与第K-1个阶次的所述高阶位置的像素亮度相等或与所述K值呈负相关。
可选的，所述方法还包括：
根据所述衍射区域内的像素和所述衍射区域外的像素之间的色彩差异程度，确定所述衍射区域内是否存在色散现象；
所述降低所述衍射区域的亮度，得到第二图像，包括：
若所述衍射区域存在色散现象，降低所述衍射区域的亮度和颜色饱和度，得到所述第二图像。
可选的，所述根据所述衍射区域内的像素和所述衍射区域外的像素之间的色彩差异程度，确定所述衍射区域内是否存在色散现象，包括：
获取所述衍射区域内的像素颜色与所述衍射区域外像素之间的颜色差异值；
若所述颜色差异值大于预设颜色阈值，确定所述衍射区域内存在所述色散现象。
可选的，所述降低所述衍射区域的亮度，得到第二图像，包括：
根据所述衍射区域内各像素点的亮度值，按与所述亮度值正相关的关系确定待调整亮度值；
将所述衍射区域内各像素点的亮度值减去所述各像素点对应的待调整亮度值，得到亮度值呈高斯分布的所述第二图像。
可选的，所述降低所述衍射区域的亮度，得到第二图像，包括：
按照反Gamma函数降低所述衍射区域的亮度，得到亮度调整后的所述第二图像。
可选的，所述根据第一图像中像素的亮度，确定出高亮区域，包括：
根据所述第一图像中各像素点的亮度值做聚类，划分出不同的区域；任一所述区域中像素点之间的亮度差异在预设差异范围内；
获取划分的所述区域中，区域的平均亮度值最大的区域为所述高亮区域。
可选的，所述降低所述衍射区域的亮度，得到第二图像，包括：
将包含所述衍射区域的第一图像输入预设画质补偿模型，得到亮度调整后的所述第二图像；其中，所述预设画质补偿模型采用神经网络方式训练后获得。
根据本公开实施例的第二方面，提供一种图像处理装置，包括：
第一确定模块，确定为根据第一图像中像素的亮度，确定出高亮区域；其中，所述高亮区域所包含像素的亮度大于所述高亮区域的周边像素的亮度；
第二确定模块，配置为根据所述高亮区域，确定所述第一图像中的衍射区域；所述衍射区域为：分布在所述高亮区域周围的图像区域；
调整模块，配置为降低所述衍射区域的亮度，得到第二图像。
可选的，所述第二确定模块，具体配置为确定所述第一图像中像素的亮度的光场分布；根据所述光场分布，确定所述第一图像中所述高亮区域的亮度下降方向上，是否存在满足衍射现象的图像区域；若存在满足所述衍射现象的图像区域，则确定所述图像区域为所述衍射区域。
可选的，所述第二确定模块，具体配置为根据所述光场分布及所述衍射现象的亮度特性，确定是否存在高阶位置；其中，所述高阶位置为：在所述第一图像除所述高亮区域之外的区域中，第一部分区域的像素亮度与第二部分区域的像素亮度之间的差值大于第一阈值时，第一部分区域的像素所在位置；所述第一部分区域的像素亮度大于第二部分区域的像素亮度。
可选的，所述第二确定模块，具体配置为确定位于所述高阶位置的像素构成的形状与所述高亮区域的形状的相似度，是否大于第一相似度阈值；若大于所述第一相似度阈值，确定存在满足所述衍射现象的所述图像区域。可选的，所述装置还包括：
可选的，所述第一图像中包括K个阶次的所述高阶位置；其中，所述K大于或等于2，第K个阶次的所述高阶位置的像素亮度与第K-1个阶次的所述高阶位置的像素亮度相等或与所述K值呈负相关。
第三确定模块，具体配置为根据所述衍射区域内的像素和所述衍射区域外的像素之间的色彩差异程度，确定所述衍射区域内是否存在色散现象；若所述衍射区域存在色散现象，降低所述衍射区域的颜色饱和度；
所述调整模块，具体配置若所述衍射区域存在色散现象，降低所述衍射区域的亮度和颜色饱和度，得到所述第二图像。
可选的，所述第三确定模块，具体配置为获取所述衍射区域内的像素颜色与所述衍射区域外像素之间的颜色差异值；若所述颜色差异值大于预设颜色阈值，确定所述衍射区域内存在所述色散现象。
可选的，所述调整模块，具体配置为根据所述衍射区域内各像素点的亮度值，按与所述亮度值正相关的关系确定待调整亮度值；将所述衍射区域内各像素点的亮度值减去所述各像素点对应的待调整亮度值，得到亮度值呈高斯分布的所述第二图像。
可选的，所述调整模块，具体配置为按照反Gamma函数降低所述衍射区域的亮度，得到亮度调整后的所述第二图像。
可选的，所述调整模块，具体配置为将包含所述衍射区域的第一图像输入预设画质补偿模型，得到亮度调整后的所述第二图像；其中，所述预设画质补偿模型采用神经网络方式训练后获得。
可选的，所述第一确定模块，具体配置为根据所述第一图像中各像素点的亮度值做聚类，划分出不同的区域；任一所述区域中像素点之间的亮度差异在预设差异范围内；获取划分的所述区域中，区域的平均亮度值最大的区域为所述高亮区域。
根据本公开实施例的第三方面，提供一种终端，包括上述第二方面中的图像处理装置。根据本公开实施例的第四方面，提供一种存储介质，包括：
当所述存储介质中的指令由计算机的处理器执行时，使得计算机能够执行如上述第一方面中所述的图像处理方法。
本公开的实施例提供的技术方案可以包括以下有益效果：
本公开先确定第一图像中的高亮区域，再基于高亮区域确定衍射区域，并降低衍射区域的亮度获得第二图像。相对于基于多组曝光值图像进行合成以减轻衍射现象的方式，一方面，基于单帧图像来降低亮度以减轻衍射造成的重叠影像的方式，因只用基于单帧图像进行处理，不用受其他不同曝光下获得图像的影响，因而在减轻衍射形成的重叠影像时的效果会更稳定；另一方面，无需调整曝光值拍摄多帧图像，因而能减少移动终端频繁拍照的功耗；再者，可以避免基于多组曝光值图像进行合成时产生如鬼影等的反效果。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是本公开实施例示出的一种图像处理方法流程图。
图2a为本公开实施例中一种图像的示例图一。
图2b为本公开实施例中一种图像的示例图二。
图3为本公开实施例中一种衍射图像的示例图三。
图4为本公开实施例中一种衍射图像的示例图四
图5a为本公开实施例中一种衍射图像的示例图五。
图5b为本公开实施例中一种降低衍射区域亮度的示意图。
图6为本公开实施例中一种曝光图像示例图。
图7是衍射现象对应的光强分布曲线图。
图8a为本公开实施例中一种衍射区域内有色散现象的示意图。
图8b为本公开实施例中一种降低衍射区域内边缘部分色彩饱和度的示意图。
图9为反Gamma函数的曲线示意图。
图10是根据一示例性实施例示出的一种图像处理装置图。
图11是本公开实施例示出的一种终端的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是本公开实施例示出的一种图像处理方法流程图，如图1所示，图像处理方法包括以下步骤：
S11、根据第一图像中像素的亮度，确定出高亮区域；其中，所述高亮区域所包含像素的亮度大于所述高亮区域的周边像素的亮度；
S12、根据所述高亮区域，确定所述第一图像中的衍射区域；所述衍射区域为：分布在所述高亮区域周围的图像区域；
S13、降低所述衍射区域的亮度，得到第二图像。
本公开的图像处理方法可应用于移动终端中，也可以应用于服务器中。当应用于服务器中时，移动终端可将采集的第一图像发送给服务器，服务器对第一图像采用S11-S13的步骤进行处理获得第二图像后，将第二图像发送给移动终端，以便移动终端显示。
以图像处理方法应用于移动终端为例，移动终端包括：手机、平板电脑、相机或智能穿戴设备等。移动终端中包括图像采集模组，例如手机中的前置摄像头或后置摄像头，可进行图像采集。
图2a为本公开实施例中一种图像的示例图一，图2b为本公开实施例中一种图像的示例图二。如图2a所示图像是在不存在显示屏或玻璃等遮挡物影响情况下获得的图像，而图2b为在存在显示屏或玻璃等遮挡物影响情况下获得的图像。对比图2a和图2b可知，图2a所示图像的清晰度和对比度要优于图2b。
上述画质受损的现象，尤其在拍摄包括亮度比较大的对象，例如照明光源或太阳光时最为明显。
图3为本公开实施例中一种衍射图像的示例图三，图4为本公开实施例中一种衍射图像的示例图四。如图3和图4所示，由于显示屏的影响，在对照明光源成像时，由于显示屏的影响，在光源附近出现了衍射产生的重叠影像，使得图像不真实。
对此，本公开检测图像中亮度较大的区域(高亮区域)，并在高亮区域附近找出图像衍射产生的重叠区域进行补偿，以去除衍射产生的重叠影像从而得到更为真实的图像。
在本公开的实施例中，根据第一图像中像素的亮度，确定出高亮区域，高亮区域所包含像素的亮度大于高亮区域的周边像素的亮度，其中高亮区域所包含像素的亮度大于高亮区域的周边像素的亮度可以是高亮区域的亮度与高亮区域周边像素的亮度之间的差值大于预定差值，也可以是高亮区域的亮度平均值高于高亮区域周边像素的平均值。
在一个实施例中，在步骤S11中，该高亮区域可以是图像中亮度最大的一块连续区域，高亮区域所包含像素的亮度比高亮区域的周边像素的亮度均要高。
在另一个实施例中，在步骤S11中，该高亮区域可是图像中图像像素亮度发生突变的多个区域中亮度较高的一个或多个区域。例如，若在图像采集时，被采集的空间内有多个离散分布的灯亮着，则会在图像中形成多个与灯对应的高亮区域。
在一种方式中，基于通常对光源等高亮物体拍照时，高亮物体成像后各像素的值趋于采集位宽的饱和值，因此可预设趋近于饱和值的阈值来确定高亮区域。例如，当图像的采集位宽为8比特，那么像素取值范围是0～255，其中255即为饱和值。此时，可设置阈值为230，并将超过阈值230的像素确定为属于高亮区域的像素。
在另一种方式中，所述根据第一图像中像素的亮度，确定出高亮区域，包括：
根据所述第一图像中各像素点的亮度值做聚类，划分出不同的区域；任一所述区域中像素点之间的亮度差异在预设差异范围内；
获取划分的所述区域中，区域的平均亮度值最大的区域为所述高亮区域。
在该实施例中，图像处理装置对第一图像中各像素点的亮度值做聚类，将亮度相似(即亮度差异在预设差异范围内)的像素点聚为一类，从而划分出不同的区域。针对划分出的不同亮度区域，可统计区域的平均亮度值，并将平均亮度值最大的区域作为高亮区域。
可以理解的是，因区域内的亮度差异在预设范围内，因此将区域的平均亮度值最大的区域作为高亮区域时，该高亮区域内所包含像素的亮度比高亮区域的周边像素的亮度也要大。相对于基于阈值的方式来确定出高亮区域，聚类方式更具有普适性。
在步骤S12中，图像处理装置会根据高亮区域，确定第一图像中分布在高亮区域周围的衍射区域。衍射是因为光在传播过程中遇到障碍物而偏离原来直线传播，并形成光强分布的物理现象。经衍射形成的衍射区域内包括明暗相间(即亮度不均)的各子区域，且可能存在与高亮区域的形状相似的子区域。
以图3为例，L1标识的区域均为高亮区域，高亮区域为环形，在高亮区域附近存在亮度不均的衍射区域，该衍射区域内包括形状类似环形的子区域。
以图4为例，L2标识的为高亮区域，高亮区域的两侧也存在亮度不均的衍射区域，且衍射区域内包括形状类似长方形的子区域。
需要说明的是，由于衍射现象在拍摄照明光源或太阳等亮度较大的对象时更为明显，因此拍照获得的第一图像中，衍射区域的亮度相对于背景区域的亮度可能要更大，其中，背景区域是指第一图像中，除衍射区域和高亮区域之外的区域。对此，本公开在步骤S13中降低衍射区域的亮度，获得第二图像。可以理解的是，通过降低衍射区域的亮度，即减轻衍射产生的重叠影像的影响，因而能获得更为真实的图像。
在降低衍射区域的亮度时，可以根据背景区域的亮度来确定衍射区域的亮度的调整值，使得衍射区域的亮度趋向于和背景一致；也可以通过拟合函数的形式来降低衍射区域的亮度，对此，本公开实施例不做限制。
图5a为本公开实施例中一种衍射图像的示例图，图5b为本公开实施例中一种降低衍射区域亮度的示意图。如图5a所示，B所指示的纵向区域即为包括高亮区域和衍射区域的部分，从图中可以看出，高亮区域周围的衍射区域的亮度要大于背景区域。如图5b所示，降低衍射区域的亮度后，减轻了衍射产生的重叠影像，使得图像更为真实。
在一种方式中，为降低衍射造成的不真实现象，可利用高动态范围图像(High-Dynamic Range，HDR)的方式，将正常曝光下获得的图与一组或多组曝光降低时获得的图进行合成来降低衍射产生的重叠影像。
图6为本公开实施例中一种曝光图像示例图，图6左侧的图像为正常曝光时获得的图像，右侧的图像为曝光值低于正常曝光时获得图像。如图6所示，正常曝光的图像中存在衍射产生的重叠影像，而右侧低曝光值对应的图像中衍射产生的重叠影像较不明显，因而将该两种图像合成，即可降低衍射产生的重叠影像现象，从而使得合成后的图像更真实。
然而，上述利用HDR的方式中，因曝光值难以控制，若曝光值调节得过低，对原本高亮的区域合成有所影响；而若曝光值调节得不够，有可能在低曝光时获得图像中仍存在衍射产生的重叠影像，因而在合成时存在无法消除衍射产生的重叠影像的问题。
相对于上述方式，可以理解的是，本公开先确定第一图像中的高亮区域，再基于高亮区域确定衍射区域，并降低衍射区域的亮度获得亮度调整后的第二图像的方式，一方面，无需调整曝光值拍摄多帧图像，因而能减少移动终端频繁拍照时的功耗；另一方面，基于单帧图像来降低亮度以减轻衍射造成的重叠影像，因不用受其他不同曝光下获得图像的影响，因而在减轻衍射产生的重叠影像时的效果会更好。
在一种实施例中，步骤S12包括：
确定所述第一图像中像素的亮度的光场分布；
根据所述光场分布，确定所述第一图像中所述高亮区域的亮度下降方向上，是否存在满足衍射现象的图像区域；
若存在满足所述衍射现象的图像区域，则确定所述图像区域为所述衍射区域。
如前所述的，衍射是光在传播过程中遇障碍物而偏离原由传播路径形成的一种光强分布现象。图7是衍射现象对应的光强分布曲线图，如图7所示，横轴表示光源向外扩展的范围，纵轴表示对应扩展范围下的光强与光源处光强的比值。
从图7中可以看出，光源处光强最大，以光源为中心，远离光源的局部范围内，光强呈正态分布。而正态分布的边界处，在远离光源的方向上，光强又开始逐步增大，增大到最大值后，光强又开始减小，呈现一个新的类似正态分布的现象，即图7所示的K1。从图7中可以看出，该正态分布的现象反复出现，只是越远离光源，正态分布的峰值越小，光强分布曲线中还存在一个正态分布K2。当然，可能还存在其他峰值逐步减小的正态分布现象，图7中未示出。上述光强分布的变化趋势，即衍射区域内存在明暗相间子区域的现象。
图7所示的光强分布曲线为点扩散函数(Point Spread Function，PSF)对应的曲线。由于图像的亮度是光强的体现，因此可将第一图像中各像素的亮度与PSF模型做拟合，确定第一图像中像素的亮度的光场分布。可以理解的是，若存在衍射，则第一图像中各像素的亮度的光场分布类似图7中的光强分布曲线。
在该实施例中，基于第一图像中各像素的光场分布，确定第一图像中高亮区域的亮度下降方向上，是否存在满足衍射现象的图像区域。需要说明的是，衍射现象可以是根据衍射实验，对衍射时光强分布进行拟合得到图7中光强分布曲线中存在的反复出现的正态分布(如K1和K2部分)现象确定的图像模式，该图像模式下存在明暗相间区域，即衍射区域内存在明暗相间子区域。
因此，在本公开的实施例中，若存在衍射现象，则第一图像上会存在明暗相间的图样，此时，确定包括明暗相间图样的图像区域为衍射区域。
在一种实施例中，所述根据所述光场分布，确定所述第一图像中所述高亮区域的亮度下降方向上，是否存在满足衍射现象的图像区域，包括：
根据所述光场分布及所述衍射现象的亮度特性，确定是否存在高阶位置；其中，所述高阶位置为：在所述第一图像除所述高亮区域之外的区域中，第一部分区域的像素亮度与第二部分区域的像素亮度之间的差值大于第一阈值时，第一部分区域的像素所在位置；所述第一部分区域的像素亮度大于第二部分区域的像素亮度；
若存在所述高阶位置，确定存在满足所述衍射现象的所述图像区域。
在本公开的实施例中，衍射现象的亮度特性可根据实验来确定。例如，根据衍射实验获得图7所示的光强分布曲线中，K1所标识的正态分布为一阶位置；K2所标识的正态分布为二阶位置，二阶位置对应的光强值小于一阶位置对应的光强值。需要说明的是，该一阶位置和二阶位置均为因衍射造成的部分区域的亮度相对于实际亮度升高的位置，一阶位置的像素亮度高于一阶位置周边部分区域的像素亮度，和二阶位置的像素亮度也高于二阶位置周边部分区域的像素亮度。本公开实施例中，一阶位置和二阶位置均属于高阶位置。存在高阶位置，以及高阶位置处像素的亮度与光源处的亮度可具有一定比例关系，高阶位置的像素亮度高于周边部分区域的像素亮度，以及随着阶次的增大，高阶位置的像素亮度降低，上述特点均属于衍射现象的亮度特性。
需要说明的是，本公开中，高阶位置并不限定于一阶位置和二阶位置。例如当光源亮度足够强时，还可能包括三阶位置、四阶位置等更多阶次的高阶位置，其中，三阶位置处的亮度低于二阶位置处的亮度，四阶位置的亮度低于三阶位置的亮度。需要说明的是，衍射现象发生时，至少存在一阶位置。
基于上述衍射现象的亮度特性，因此本公开可根据第一图像的光场分布以及衍射现象的亮度特性来确定是否存在高阶位置。具体的，根据第一图像中各像素的亮度的光场分布，确定是否存在类似图7中的光强分布曲线中所包括的高阶位置。该高阶位置为：在第一图像除高亮区域之外的区域中，第一部分区域的像素亮度与第二部分区域的像素亮度之间的差值大于第一阈值时，第一部分区域的像素所在位置；所述第一部分区域的像素亮度大于第二部分区域的像素亮度。
在该实施例中，高亮区域之外的区域包括第一部分区域和第二部分区域。当第一部分区域和第二部分区域的像素亮度差大于第一阈值时，确定像素亮度较大的第一区域的像素所在位置为高阶位置。其中，第一部分区域和第二部分区域为相邻的区域。
需要说明的是，在本公开的实施例中，可采用聚类算法，针对高亮区域之外的区域的各像素亮度进行亮度聚类，确定出不同亮度的部分区域，并比对相邻部分区域的亮度的差值是否大于第一阈值，以确定出高阶位置。
在一种实施例中，第一图像中包括一个所述高阶位置，例如，图像处理装置确定光场分布中是否存在类似图7中K1所标识的一阶位置。
在另一种实施例中，第一图像中包括K个阶次的所述高阶位置，其中，所述K大于或等于2，第K个阶次的所述高阶位置的像素亮度与第K-1个阶次的所述高阶位置的像素亮度相等或与所述K值呈负相关。例如，当存在有2个阶次的高阶位置时，图像处理装置确定光场分布中是否存在类似K1所标识的一阶位置和K2所标识的二阶位置；其中，一阶位置的像素亮度大于二阶位置的像素亮度。再例如，当存在3个高阶位置时，图像处理装置还确定是否存在未在图7中标识的三阶位置，其中三阶位置的像素亮度小于二阶位置的像素亮度。
此外，需要说明的是，在本公开的实施例中，在确定不同阶次的高阶位置时，第一阈值可以是变化的，例如，第一阈值可与K值负相关。
在一种实施例中，所述若存在所述高阶位置，确定存在满足所述衍射现象的所述图像区域，包括：
确定位于所述高阶位置的像素构成的形状与所述高亮区域的形状的相似度，是否大于第一相似度阈值；
若大于所述第一相似度阈值，确定存在满足所述衍射现象的所述图像区域。
由于衍射发生时，衍射区域内可能存在与高亮区域的形状相似的子区域。该子区域即对应高阶位置中一阶位置或二阶位置的像素构成的区域。因此，在该实施例中，还需进一步确定高阶位置的像素构成的形状与高亮区域的形状的相似度，是否大于第一相似度阈值。大于第一相似度阈值，则确定存在满足衍射现象的图像区域。
需要说明的是，当高阶位置包括一阶位置时，则确定一阶位置的像素构成的形状与高亮区域的形状的相似度是否大于第一相似度阈值；当高阶位置包括一阶位置和二阶位置时，需分别确定一阶位置和二阶位置的像素构成的形状与高亮区域的形状的相似度是否大于第一相似度阈值。
以图4为例，图4中A1即为一阶位置，A1中的像素的亮度仅次于高亮区域L2所包含像素的亮度，A1的形状类似长条形；图4中A2即为二阶位置，A2中的像素的亮度小于A1中像素的亮度，A2的形状也类似长条形。
需要说明的是，在第一图像中确定高亮区域、一阶位置和二阶位置的像素构成的形状时，可利用边缘检测算子来确定轮廓，例如canny算子、sobel算子等。基于确定的轮廓，即可分别比较一阶位置对应的轮廓特征和二阶位置对应的轮廓特征，与高亮区域的轮廓特征的相似度。其中，轮廓特征可以是轮廓的曲率、轮廓的长度和直径的相似度等，本公开对如何确定形状的相似度不做具体限制。
可以理解的是，在本公开的实施例中，在确定是否存在衍射区域时，不仅根据衍射现象发生时的亮度特性来确定是否存在高阶位置，还根据高阶位置与高亮区域的形状相似度是否满足条件来确定是否存在衍射区域，能提升衍射区域确定的准确性。
在一种实施例中，所述方法还包括：
根据所述衍射区域内的像素和所述衍射区域外的像素之间的色彩差异程度，确定所述衍射区域内是否存在色散现象；
所述降低所述衍射区域的亮度，得到第二图像，包括：
若所述衍射区域存在色散现象，降低所述衍射区域的亮度和颜色饱和度，得到所述第二图像。得到第二图像色散现象是指复色光分解为多个单色光的现象。例如，白光由不同波长的光合成，当白光透过介质(例如三棱镜)时，看到七种颜色分散的单色光，即属于色散现象。可以理解的是，色散现象发生时，会改变成像的颜色。
衍射区的色散现象有时出现在边缘区域，由于在没有色散时，衍射区域内边缘的像素的色彩与背景部分较一致。其中，背景部分是指高亮区域和衍射区域之外的部分。而若发生色散，衍射区域内边缘像素的色彩则会与背景部分不同。在本公开实施例中，衍射区域内边缘的像素和衍射区域外的像素之间的色彩差异程度体现在以下几个方面，包括：1、衍射区域内边缘像素的色彩模式是否与衍射区域外的像素的色彩模式一致。例如衍射区域外的像素是单一的颜色，而衍射区域内边缘的像素存在多种颜色，则认为色彩模式不同，色彩模式不同则可能存在色散。2、衍射区域内边缘像素的色彩饱和度与衍射区域外像素的色彩饱和度是否存在差异。
对此，本公开根据衍射区域内的像素和衍射区域外的像素之间的色彩差异程度，确定衍射区域内是否存在色散现象。在该实施例中，若衍射区域存在色散现象，则降低衍射区域内有色散现象的颜色饱和度以减轻色散现象。
图8a为本公开实施例中一种衍射区域内有色散现象的示意图，图8b为本公开实施例中一种降低衍射区域内边缘部分色彩饱和度的示意图。如图8a所示，在照明光源的周围存在衍射区域，且白光的照明光源经衍射后，衍射区域内包括了多种颜色成分，即衍射区域内存在色散现象。如图8b所示，经降低衍射区域内有色散现象的色彩饱和度后，衍射区域边缘的色彩趋向于背景部分。
在该实施例中，若衍射区域存在色散，则不仅降低衍射区域的亮度，还降低衍射区域有色散现象的边缘的颜色饱和度来得到第二图像。可以理解的是，通过该种方式，不仅能通过降低衍射区域的亮度来减轻衍射产生的重叠影像，此外，还能减轻因色散造成的伪色彩问题，因而能进一步获得更为真实的图像。
在一种实施例中，所述根据所述衍射区域内的像素和所述衍射区域外的像素之间的色彩差异程度，确定所述衍射区域内是否存在色散现象，包括：
获取所述衍射区域内有色散现象的像素颜色与所述衍射区域外像素之间的颜色差异值；
若所述颜色差异值大于预设颜色阈值，确定所述衍射区域内存在所述色散现象。
在该实施例中，在根据衍射区域内的像素和衍射区域外的像素之间的色彩差异程度，确定衍射区域内是否存在色散现象时，可基于颜色差异值和预设颜色阈值来判断。
在确定颜色差异值时，可根据衍射区域内的像素和衍射区域外像素的颜色信息，例如RGB颜色空间下各像素的颜色分量：红色像素(R)、绿色像素(G)和蓝色像素(B)，分别确定R分量的均值、G分量的均值以及B分量的均值，并将衍射区域内有色散现象的像素的颜色分量均值和衍射区域外的像素的对应颜色分量均值相减。同时，基于预设的针对各颜色分量的颜色阈值，在确定各颜色分量均值之间的差值大于对应预设颜色阈值时，确定衍射区域内存在色散现象。
由于RGB空间下，各颜色分量值均与亮度密切相关，即只要亮度改变，各颜色分量值会随之相应的改变。因此，RGB空间可能不能更直观的反映颜色相关信息，对此，本公开可以将属于RGB空间的第一图像转换到HSV/HSL空间，在HSV/HSL空间下获取衍射区域内有色散现象的像素颜色与衍射区域外像素之间的颜色差异值。
因HSV/HSL空间中，色调(H)反应了色相，饱和度(S)反应了所处色相空间下颜色的饱和程度，H和S均是反应颜色的信息，因此可根据颜色空间转换后H和S的信息来确定颜色差异值，以提升颜色差异确定的准确性。
在HSV/HSL空间中，例如，可分别统计衍射区域内和衍射区域外的像素的H分量的均值，S分量的均值，并基于均值之间的差异以及对应分量的预设颜色阈值，在确定各分量均值之间的差值大于对应预设颜色阈值时，确定衍射区域内存在色散现象。
在一种实施例中，步骤S13包括：
根据所述衍射区域内各像素点的亮度值，按与所述亮度值正相关的关系确定待调整亮度值；
将所述衍射区域内各像素点的亮度值减去所述各像素点对应的待调整亮度值，得到亮度值呈高斯分布的所述第二图像。
在该实施例中，在降低衍射区域的亮度获得亮度调整后的第二图像时，可以根据衍射区域内各像素点的亮度值，按与亮度值正相关的关系来确定待调整亮度值。其中，正相关是指，衍射区域内像素点的亮度值越大，则确定的待调整亮度值越大。
如前所述的，第一图像中各像素的亮度的光场分布类似图7中的光强分布曲线，衍射区域包括K1和K2在内的正态分布部分。以K1为例，在确定待调整亮度值时，可设定峰值处的待调整值最大，而峰值周边的像素点对应的待调整值相对较小，使得K1部分的待调整值呈一个类似反正态分布的曲线。基于上述方式确定了待调整值后，即可将K1部分的各像素点的亮度值减去该部分对应的待调整值，从而使得K1部分趋近于直线。同样，对于k2部分以同样的方法确定待调整值，并用K2部分的各像素点的亮度值减去该部分对应的待调整值，使得K2部分呈正态分布的曲线也变化为趋近于直线。
可以理解的是，将衍射区域内各像素点的亮度值减去各像素点对应的待调整亮度值后，类似图7中K1和K2的正态分布现象消失，整体呈现一个亮度呈高斯分布(即正态分布)的曲线。即，得到的第二图像的亮度值呈高斯分布。
在一种实施例中，步骤S13包括：
按照反Gamma函数降低所述衍射区域的亮度，得到亮度调整后的所述第二图像。
在本公开的实施例中，也可以按照反Gamma函数来降低衍射区域的亮度。图9为反Gamma函数的曲线示意图，基于图9所示的反Gamma函数曲线，可以理解的是，在第一图像的基础上利用反Gamma函数来降低亮度时，图7所示中属于衍射区域的K1和K2部分亮度会降低；而除K1和K2的光源部分维持不变。因此通过该方法得到的亮度调整后的第二图像，也能在一定程度上减轻衍射带来的衍射产生的重叠影像，使得第二图像相对第一图像更为真实。
在一种实施例中，步骤S13包括：
将包含所述衍射区域的第一图像输入预设画质补偿模型，得到亮度调整后的所述第二图像；其中，所述预设画质补偿模型采用神经网络方式训练后获得。
在本公开的实施例中，还可以通过预设画质补偿模型来对第一图像的画质进行补偿，需要说明的是，该画质补偿模型可对输入图像的亮度进行调整以提升图像的画质，因而将第一图像输入到该模型后，即可得到亮度调整后的第二图像。
在该实施例中，预设画质补偿模型采用神经网络方式训练后获得，例如画质补偿模型是通过卷积神经网络或深度神经网络，对大量的样本图像训练后得到的模型。具体的，样本图像可以是在终端出厂前，对同样的目标对象进行图像采集，分别获得包含衍射现象的实际图像以及不包含衍射现象的对标图像。其中，包含衍射现象的实际图像为在终端的摄像头上设置有显示屏的场景下获取，而不包含衍射现象的对标图像为在终端的摄像头上没有显示屏的场景下获取。基于获取的不包含衍射现象的实际图像，利用神经网络模型进行训练，训练过程中，通过损失函数来衡量实际图像的训练值和对标图像之间的画质差异，从而反向传播来不断优化网络中的参数从而获得训练好的画质补偿模型。
图10是根据一示例性实施例示出的一种图像处理装置图。参照图10，该图像处理装置包括：
第一确定模块101，确定为根据第一图像中像素的亮度，确定出高亮区域；其中，所述高亮区域所包含像素的亮度大于所述高亮区域的周边像素的亮度；
第二确定模块102，配置为根据所述高亮区域，确定所述第一图像中的衍射区域；所述衍射区域为：分布在所述高亮区域周围的图像区域；
调整模块103，配置为降低所述衍射区域的亮度，得到第二图像。
可选的，所述第二确定模块102，具体配置为确定所述第一图像中像素的亮度的光场分布；根据所述光场分布，确定所述第一图像中所述高亮区域的亮度下降方向上，是否存在满足衍射现象的图像区域；若存在满足所述衍射现象的图像区域，则确定所述图像区域为所述衍射区域。
可选的，所述第二确定模块102，具体配置为根据所述光场分布及所述衍射现象的亮度特性，确定是否存在高阶位置；其中，所述高阶位置为：在所述第一图像除所述高亮区域之外的区域中，第一部分区域的像素亮度与第二部分区域的像素亮度之间的差值大于第一阈值时，第一部分区域的像素所在位置；所述第一部分区域的像素亮度大于第二部分区域的像素亮度。
可选的，所述第二确定模块，具体配置为确定位于所述高阶位置的像素构成的形状与所述高亮区域的形状的相似度，是否大于第一相似度阈值；若大于所述第一相似度阈值，确定存在满足所述衍射现象的所述图像区域。若大于所述第一相似度阈值，确定存在满足所述衍射现象的所述图像区域。
可选的，所述第一图像中包括K个阶次的所述高阶位置；其中，所述K大于或等于2，第K个阶次的所述高阶位置的像素亮度与第K-1个阶次的所述高阶位置的像素亮度相等或与所述K值呈负相关。
可选的，所述装置还包括：
第三确定模块104，具体配置为根据所述衍射区域内的像素和所述衍射区域外的像素之间的色彩差异程度，确定所述衍射区域内是否存在色散现象；若所述衍射区域存在色散现象，降低所述衍射区域的颜色饱和度；
所述调整模块103，具体配置为若所述衍射区域存在色散现象，降低所述衍射区域的亮度和颜色饱和度，得到所述第二图像。
可选的，所述第三确定模块104，具体配置为获取所述衍射区域内的像素颜色与所述衍射区域外像素之间的颜色差异值；若所述颜色差异值大于预设颜色阈值，确定所述衍射区域内存在所述色散现象。
可选的，所述调整模块103，具体配置为根据所述衍射区域内各像素点的亮度值，按与所述亮度值正相关的关系确定待调整亮度值；将所述衍射区域内各像素点的亮度值减去所述各像素点对应的待调整亮度值，得到亮度值呈高斯分布的所述第二图像。
可选的，所述调整模块103，具体配置为按照反Gamma函数降低所述衍射区域的亮度，得到亮度调整后的所述第二图像。
可选的，所述调整模块103，具体配置为将包含所述衍射区域的第一图像输入预设画质补偿模型，得到亮度调整后的所述第二图像；其中，所述预设画质补偿模型采用神经网络方式训练后获得。
可选的，所述第一确定模块101，具体配置为根据所述第一图像中各像素点的亮度值做聚类，划分出不同的区域；任一所述区域中像素点之间的亮度差异在预设差异范围内；获取划分的所述区域中，区域的平均亮度值最大的区域为所述高亮区域。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图11是根据一示例性实施例示出的一种终端装置800的框图。例如，装置800可以是移动电话，移动电脑等。
参照图11，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如Wi-Fi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行控制方法，所述方法包括：
根据第一图像中像素的亮度，确定出高亮区域；其中，所述高亮区域所包含像素的亮度大于所述高亮区域的周边像素的亮度；
根据所述高亮区域，确定所述第一图像中的衍射区域；所述衍射区域为：分布在所述高亮区域周围的图像区域；
降低所述衍射区域的亮度，得到第二图像。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (24)

1.一种图像处理方法，其特征在于，所述方法包括：
根据第一图像中像素的亮度，确定出高亮区域；其中，所述高亮区域所包含像素的亮度大于所述高亮区域的周边像素的亮度；
根据所述高亮区域，确定所述第一图像中的衍射区域；所述衍射区域为：分布在所述高亮区域周围的图像区域；
降低所述衍射区域的亮度，得到第二图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述高亮区域，确定所述第一图像中的衍射区域，包括：
确定所述第一图像中像素的亮度的光场分布；
根据所述光场分布，确定所述第一图像中所述高亮区域的亮度下降方向上，是否存在满足衍射现象的图像区域；
若存在满足所述衍射现象的图像区域，则确定所述图像区域为所述衍射区域。
3.根据权利要求2所述的方法，其特征在于，所述根据所述光场分布，确定所述第一图像中所述高亮区域的亮度下降方向上，是否存在满足衍射现象的图像区域，包括：
根据所述光场分布及所述衍射现象的亮度特性，确定是否存在高阶位置；其中，所述高阶位置为：在所述第一图像除所述高亮区域之外的区域中，第一部分区域的像素亮度与第二部分区域的像素亮度之间的差值大于第一阈值时，第一部分区域的像素所在位置；所述第一部分区域的像素亮度大于第二部分区域的像素亮度；
若存在所述高阶位置，确定存在满足所述衍射现象的所述图像区域。
4.根据权利要求3所述的方法，其特征在于，所述若存在所述高阶位置，确定存在满足所述衍射现象的所述图像区域，包括：
确定位于所述高阶位置的像素构成的形状与所述高亮区域的形状的相似度，是否大于第一相似度阈值；
若大于所述第一相似度阈值，确定存在满足所述衍射现象的所述图像区域。
5.根据权利要求3所述的方法，其特征在于，所述第一图像中包括K个阶次的所述高阶位置；其中，所述K大于或等于2，第K个阶次的所述高阶位置的像素亮度与第K-1个阶次的所述高阶位置的像素亮度相等或与所述K值呈负相关。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述衍射区域内的像素和所述衍射区域外的像素之间的色彩差异程度，确定所述衍射区域内是否存在色散现象；
所述降低所述衍射区域的亮度，得到第二图像，包括：
若所述衍射区域存在色散现象，降低所述衍射区域的亮度和颜色饱和度，得到所述第二图像。
7.根据权利要求6所述的方法，其特征在于，所述根据所述衍射区域内的像素和所述衍射区域外的像素之间的色彩差异程度，确定所述衍射区域内是否存在色散现象，包括：
获取所述衍射区域内的像素颜色与所述衍射区域外像素之间的颜色差异值；
若所述颜色差异值大于预设颜色阈值，确定所述衍射区域内存在所述色散现象。
8.根据权利要求1所述的方法，其特征在于，所述降低所述衍射区域的亮度，得到第二图像，包括：
根据所述衍射区域内各像素点的亮度值，按与所述亮度值正相关的关系确定待调整亮度值；
将所述衍射区域内各像素点的亮度值减去所述各像素点对应的待调整亮度值，得到亮度值呈高斯分布的所述第二图像。
9.根据权利要求1所述的方法，其特征在于，所述降低所述衍射区域的亮度，得到第二图像，包括：
按照反Gamma函数降低所述衍射区域的亮度，得到亮度调整后的所述第二图像。
10.根据权利要求1所述的方法，其特征在于，所述降低所述衍射区域的亮度，得到第二图像，包括：
将包含所述衍射区域的第一图像输入预设画质补偿模型，得到亮度调整后的所述第二图像；其中，所述预设画质补偿模型采用神经网络方式训练后获得。
11.根据权利要求1所述的方法，其特征在于，所述根据第一图像中像素的亮度，确定出高亮区域，包括：
根据所述第一图像中各像素点的亮度值做聚类，划分出不同的区域；任一所述区域中像素点之间的亮度差异在预设差异范围内；
获取划分的所述区域中，区域的平均亮度值最大的区域为所述高亮区域。
12.一种图像处理装置，其特征在于，所述装置包括：
第一确定模块，确定为根据第一图像中像素的亮度，确定出高亮区域；其中，所述高亮区域所包含像素的亮度大于所述高亮区域的周边像素的亮度；
第二确定模块，配置为根据所述高亮区域，确定所述第一图像中的衍射区域；所述衍射区域为：分布在所述高亮区域周围的图像区域；
调整模块，配置为降低所述衍射区域的亮度，得到第二图像。
13.根据权利要求12所述的装置，其特征在于，
所述第二确定模块，具体配置为确定所述第一图像中像素的亮度的光场分布；根据所述光场分布，确定所述第一图像中所述高亮区域的亮度下降方向上，是否存在满足衍射现象的图像区域；若存在满足所述衍射现象的图像区域，则确定所述图像区域为所述衍射区域。
14.根据权利要求13所述的装置，其特征在于，
所述第二确定模块，具体配置为根据所述光场分布及所述衍射现象的亮度特性，确定是否存在高阶位置；其中，所述高阶位置为：在所述第一图像除所述高亮区域之外的区域中，第一部分区域的像素亮度与第二部分区域的像素亮度之间的差值大于第一阈值时，第一部分区域的像素所在位置；所述第一部分区域的像素亮度大于第二部分区域的像素亮度在所述第一图像除所述高亮区域之外的区域中，第一部分区域的像素亮度与第二部分区域的像素亮度之间的差值大于第一阈值时，第一部分区域的像素所在位置；所述第一部分区域的像素亮度大于第二部分区域的像素亮度。
15.根据权利要求14所述的装置，其特征在于，
所述第二确定模块，具体配置为确定位于所述高阶位置的像素构成的形状与所述高亮区域的形状的相似度，是否大于第一相似度阈值；若大于所述第一相似度阈值，确定存在满足所述衍射现象的所述图像区域。
16.根据权利要求14所述的装置，其特征在于，所述第一图像中包括K个阶次的所述高阶位置；其中，所述K大于或等于2，第K个阶次的所述高阶位置的像素亮度与第K-1个阶次的所述高阶位置的像素亮度相等或与所述K值呈负相关。
17.根据权利要求12所述的装置，其特征在于，所述装置还包括：
第三确定模块，具体配置为根据所述衍射区域内的像素和所述衍射区域外的像素之间的色彩差异程度，确定所述衍射区域内是否存在色散现象；
所述调整模块，具体配置若所述衍射区域存在色散现象，降低所述衍射区域的亮度和颜色饱和度，得到所述第二图像。
18.根据权利要求17所述的装置，其特征在于，
所述第三确定模块，具体配置为获取所述衍射区域内的像素颜色与所述衍射区域外像素之间的颜色差异值；若所述颜色差异值大于预设颜色阈值，确定所述衍射区域内存在所述色散现象。
19.根据权利要求12所述的装置，其特征在于，
所述调整模块，具体配置为根据所述衍射区域内各像素点的亮度值，按与所述亮度值正相关的关系确定待调整亮度值；将所述衍射区域内各像素点的亮度值减去所述各像素点对应的待调整亮度值，得到亮度值呈高斯分布的所述第二图像。
20.根据权利要求12所述的装置，其特征在于，
所述调整模块，具体配置为按照反Gamma函数降低所述衍射区域的亮度，得到亮度调整后的所述第二图像。
21.根据权利要求12所述的装置，其特征在于，
所述调整模块，具体配置为将包含所述衍射区域的第一图像输入预设画质补偿模型，得到亮度调整后的所述第二图像；其中，所述预设画质补偿模型采用神经网络方式训练后获得。
22.根据权利要求12所述的装置，其特征在于，
所述第一确定模块，具体配置为根据所述第一图像中各像素点的亮度值做聚类，划分出不同的区域；任一所述区域中像素点之间的亮度差异在预设差异范围内；获取划分的所述区域中，区域的平均亮度值最大的区域为所述高亮区域。
23.一种终端，其特征在于，包括如权利要求12至22中任一项所述的图像处理装置。
24.一种非临时性计算机可读存储介质，当所述存储介质中的指令由计算机的处理器执行时，使得计算机能够执行如权利要求1至11中任一项所述的图像处理方法。
CN202010761645.2A 2020-07-31 2020-07-31 图像处理方法及装置、终端和存储介质 Pending CN114066785A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010761645.2A CN114066785A (zh) 2020-07-31 2020-07-31 图像处理方法及装置、终端和存储介质
KR1020210035024A KR102459527B1 (ko) 2020-07-31 2021-03-18 이미지 처리 방법 및 장치, 단말 및 저장 매체
JP2021046853A JP7136956B2 (ja) 2020-07-31 2021-03-22 画像処理方法及び装置、端末並びに記憶媒体
US17/212,993 US11783450B2 (en) 2020-07-31 2021-03-25 Method and device for image processing, terminal device and storage medium
EP21165513.9A EP3945491A1 (en) 2020-07-31 2021-03-29 Image processing for reducing brightness of a diffraction region

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010761645.2A CN114066785A (zh) 2020-07-31 2020-07-31 图像处理方法及装置、终端和存储介质

Publications (1)

Publication Number Publication Date
CN114066785A true CN114066785A (zh) 2022-02-18

Family

ID=75277821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010761645.2A Pending CN114066785A (zh) 2020-07-31 2020-07-31 图像处理方法及装置、终端和存储介质

Country Status (5)

Country Link
US (1) US11783450B2 (zh)
EP (1) EP3945491A1 (zh)
JP (1) JP7136956B2 (zh)
KR (1) KR102459527B1 (zh)
CN (1) CN114066785A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114845062A (zh) * 2022-04-29 2022-08-02 深圳市联洲国际技术有限公司 图像的处理方法、非易失性存储介质、处理器与电子设备
CN115116406A (zh) * 2022-05-27 2022-09-27 青岛海信移动通信技术股份有限公司 一种反射屏模组前光亮点补偿方法、设备、系统及介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066785A (zh) * 2020-07-31 2022-02-18 北京小米移动软件有限公司 图像处理方法及装置、终端和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009303061A (ja) * 2008-06-16 2009-12-24 Canon Inc 画像処理装置およびその制御方法
CN101861599A (zh) * 2008-09-17 2010-10-13 松下电器产业株式会社 图像处理装置、摄像装置、评价装置、图像处理方法以及光学系统评价方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1528797B1 (en) * 2003-10-31 2015-07-08 Canon Kabushiki Kaisha Image processing apparatus, image-taking system and image processing method
JP4250506B2 (ja) * 2003-10-31 2009-04-08 キヤノン株式会社 画像処理方法、画像処理装置、画像処理プログラムおよび撮像システム
JP4830923B2 (ja) * 2007-03-13 2011-12-07 Ｎｋワークス株式会社 画像処理装置及び画像処理方法
KR20090061926A (ko) * 2007-12-12 2009-06-17 삼성전자주식회사 디스플레이장치 및 그 제어방법
JP2011022656A (ja) * 2009-07-13 2011-02-03 Nikon Corp 画像処理装置及び画像処理プログラム
US8989436B2 (en) * 2010-03-30 2015-03-24 Nikon Corporation Image processing method, computer-readable storage medium, image processing apparatus, and imaging apparatus
JP5459085B2 (ja) 2010-06-07 2014-04-02 ソニー株式会社 画像表示装置、電子機器、画像表示システム、画像取得方法、プログラム
WO2012127552A1 (ja) * 2011-03-23 2012-09-27 パナソニック株式会社 画像処理装置、撮像装置及び画像処理方法
US8908062B2 (en) * 2011-06-30 2014-12-09 Nikon Corporation Flare determination apparatus, image processing apparatus, and storage medium storing flare determination program
JP2016051982A (ja) * 2014-08-29 2016-04-11 株式会社ニコン 画像処理装置、カメラおよび画像処理プログラム
US9979909B2 (en) * 2015-07-24 2018-05-22 Lytro, Inc. Automatic lens flare detection and correction for light-field images
JP7242185B2 (ja) * 2018-01-10 2023-03-20 キヤノン株式会社 画像処理方法、画像処理装置、画像処理プログラム、および、記憶媒体
US10382712B1 (en) * 2018-08-01 2019-08-13 Qualcomm Incorporated Automatic removal of lens flares from images
WO2020059565A1 (ja) * 2018-09-18 2020-03-26 パナソニックＩｐマネジメント株式会社 奥行取得装置、奥行取得方法およびプログラム
CN109489583B (zh) * 2018-11-19 2021-09-17 先临三维科技股份有限公司 投影装置、采集装置及具有其的三维扫描系统
KR20200094058A (ko) * 2019-01-29 2020-08-06 한국과학기술원 렌즈리스 초분광 영상 이미징 방법 및 그 장치
CN110489580B (zh) 2019-08-26 2022-04-26 Oppo（重庆）智能科技有限公司 图像处理方法、装置、显示屏组件以及电子设备
CN114066785A (zh) * 2020-07-31 2022-02-18 北京小米移动软件有限公司 图像处理方法及装置、终端和存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009303061A (ja) * 2008-06-16 2009-12-24 Canon Inc 画像処理装置およびその制御方法
CN101861599A (zh) * 2008-09-17 2010-10-13 松下电器产业株式会社 图像处理装置、摄像装置、评价装置、图像处理方法以及光学系统评价方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114845062A (zh) * 2022-04-29 2022-08-02 深圳市联洲国际技术有限公司 图像的处理方法、非易失性存储介质、处理器与电子设备
CN114845062B (zh) * 2022-04-29 2024-04-02 深圳市联洲国际技术有限公司 图像的处理方法、非易失性存储介质、处理器与电子设备
CN115116406A (zh) * 2022-05-27 2022-09-27 青岛海信移动通信技术股份有限公司 一种反射屏模组前光亮点补偿方法、设备、系统及介质
CN115116406B (zh) * 2022-05-27 2023-10-27 青岛海信移动通信技术有限公司 一种反射屏模组前光亮点补偿方法、设备、系统及介质

Also Published As

Publication number Publication date
JP2022027436A (ja) 2022-02-10
KR102459527B1 (ko) 2022-10-27
KR20220015915A (ko) 2022-02-08
US20220036511A1 (en) 2022-02-03
JP7136956B2 (ja) 2022-09-13
US11783450B2 (en) 2023-10-10
EP3945491A1 (en) 2022-02-02

Similar Documents

Publication Publication Date Title
CN114066785A (zh) 图像处理方法及装置、终端和存储介质
CN110958401B (zh) 一种超级夜景图像颜色校正方法、装置和电子设备
CN106131441B (zh) 拍照方法及装置、电子设备
CN108932696B (zh) 信号灯的光晕抑制方法及装置
US11768423B2 (en) Image acquisition apparatus, electronic device, image acquisition method and storage medium
CN105791790B (zh) 图像处理方法及装置
CN106982327B (zh) 图像处理方法和装置
CN111383166B (zh) 处理待显示图像的方法及装置、电子设备、可读存储介质
CN111741187A (zh) 图像处理方法、装置及存储介质
CN115239570A (zh) 图像处理方法、图像处理装置及存储介质
CN109862332B (zh) 用于检测并减小彩色边纹效应的方法、装置和系统
CN108156381B (zh) 拍照方法及装置
CN116152078A (zh) 图像处理方法、装置、系统及存储介质
EP3975548B1 (en) Photographing method and apparatus, terminal, and storage medium
CN111277754B (zh) 移动终端拍摄方法及装置
CN112785537A (zh) 图像处理方法、装置以及存储介质
CN111385457A (zh) 图像处理方法、装置、电子设备、机器可读存储介质
CN113055605B (zh) 图像色温调整方法、装置以及存储介质
WO2023236215A1 (zh) 图像处理方法、装置及存储介质
CN111310600B (zh) 一种图像处理方法、装置、设备及介质
CN118261838A (zh) 一种图像校正方法及装置、终端设备、存储介质
CN114066740A (zh) 图像处理方法、装置、存储介质及电子设备
CN114418924A (zh) 图像处理方法、装置、电子设备及存储介质
CN116167924A (zh) 图像处理方法、装置及存储介质
CN113873211A (zh) 拍照方法及装置、电子设备及存储介质

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