CN114331852A - 高动态范围图像的处理方法、装置及存储介质 - Google Patents
高动态范围图像的处理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114331852A CN114331852A CN202011055540.1A CN202011055540A CN114331852A CN 114331852 A CN114331852 A CN 114331852A CN 202011055540 A CN202011055540 A CN 202011055540A CN 114331852 A CN114331852 A CN 114331852A
- Authority
- CN
- China
- Prior art keywords
- image data
- dynamic range
- high dynamic
- value
- 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
Images
Landscapes
- Studio Devices (AREA)
- Color Television Image Signal Generators (AREA)
- Image Processing (AREA)
Abstract
本公开是一种高动态范围图像的处理方法、装置及存储介质。所述处理方法包括:按照预设调整规则调整分析单元中的图像数据;根据所述的高动态范围图像,确定所述高动态范围图像中分析单元的带宽阈值;根据所述高动态范围图像的带宽,确定所述高动态范围图像需压缩的图像数据的节点值;将带宽阈值超出所述节点值的图像数据的带宽压缩至所述节点值和所述的高动态范围图像的带宽之间。本公开所提供的处理方法能够增加高动态范围图像的动态范围。
Description
技术领域
本公开涉及图像处理领域,尤其涉及一种高动态范围图像的处理方法、装置及存储介质。
背景技术
相关技术中,高动态范围成像技术(High Dynamic Range Imaging,HDRI)提供了一种在数字图像和视频中尽可能真实展示世界的方法。现有技术中,包括两种实现方案,一种是硬件实现方案,HDRI的硬件实现方案是从成像传感器着手,致力于捕获真实世界的HDR(High Dynamic Range)内容,采用这种方法的成本很高;另一种是软件实现方案,HDRI的软件实现方案是使用LDR(Low Dynamic Range)相机在多次曝光下捕捉同一场景,形成多帧LDR图像,通过多帧LDR图像合成一张HDR图像,采用这种方法容易产生在成像过程中的运动问题。提供一种简单、高效地高动态范围图像的处理方法,是亟待解决的问题。
发明内容
为克服相关技术中存在的问题,本公开提供一种高动态范围图像的处理方法、装置及存储介质。
根据本公开实施例的第一方面,提供一种高动态范围图像的处理方法,应用于电子设备,所述处理方法包括:
按照预设调整规则调整图像数据饱和的分析单元中的图像数据;
根据所述高动态范围图像,确定所述高动态范围图像中分析单元的带宽阈值;
根据所述高动态范围图像的带宽,确定所述高动态范围图像需压缩的图像数据的节点值;
将带宽阈值超出所述节点值的图像数据的带宽,压缩至所述节点值和所述高动态范围图像的带宽之间。
其中,所述按照预设调整规则调整图像数据饱和的分析单元中的图像数据包括:
确定所述高动态范围图像在增益处理前图像数据饱和的分析单元,基于每个分析单元的增益处理前的图像数据及对应的阈值,确定高动态范围图像在增益处理前图像数据饱和的分析单元,按照预设调整规则调整图像数据饱和的分析单元中的图像数据。
其中,所述基于每个分析单元的增益处理前的图像数据及对应的阈值,确定高动态范围图像在增益处理前图像数据饱和的分析单元包括:
以所述高动态范围图像的拜耳阵列为分析单元,将拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B分别与对应的增益值的比值确定为拜耳阵列的增益处理前的图像数据;
取拜耳阵列的增益处理前的图像数据的最小值,若该最小值大于等于对应的阈值,则该拜耳阵列为高动态范围图像在增益处理前图像数据饱和的分析单元。
其中,所述确定所述高动态范围图像在增益处理前图像数据饱和的分析单元还包括:
若该最小值小于对应的阈值,取拜耳阵列的增益处理前的图像数据的最大值,若该最大值大于等于对应的阈值,取拜耳阵列中像素值Gr和像素值Gb的增益处理前的图像数据中的最大值,若该最大值大于等于对应的阈值,则该拜耳阵列为高动态范围图像在增益处理前图像数据饱和的分析单元。
其中,所述按照预设调整规则调整图像数据饱和的分析单元中的图像数据包括:
取高动态范围图像在增益处理前图像数据饱和的分析单元中像素值Gr和像素值Gb的最大值;
将像素值R与像素值Gr和像素值Gb的最大值中的最小值作为调整后的像素值R’;
将像素值Gr与像素值Gr和像素值Gb的最大值中的最小值为调整后的像素值Gr’;
将像素值Gb与像素值Gr和像素值Gb的最大值中的最小值为调整后的像素值Gb’
将像素值B与像素值Gr和像素值Gb的最大值中的最小值作为调整后的像素值B’。
其中,所述确定所述高动态范围图像中分析单元的带宽阈值包括:
将所述高动态范围图像按照预设划分规则划分成一个或多个图像块;
以图像块为单位,基于图像块中分析单元的图像数据及对应的阈值以及分析单元的在增益处理前的图像数据及对应的阈值,确定所述高动态范围图像的图像数据饱和的分析单元,基于所确定的所述高动态范围图像的图像数据饱和的分析单元的个数,确定所述高动态范围图像中分析单元的带宽阈值。
其中,所述以图像块为单位,基于图像块中分析单元的图像数据及对应的阈值以及分析单元的在增益处理前的图像数据及对应的阈值,确定所述高动态范围图像的图像数据饱和的分析单元包括:
以所述高动态范围图像的拜耳阵列为分析单元,将拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B分别与对应的增益值的比值确定为拜耳阵列的增益处理前的图像数据;
将图像块中拜耳阵列的增益处理前的图像数据的最大值小于对应的阈值且拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B的最大值大于对应的阈值的拜耳阵列确定为所述高动态范围图像的图像数据饱和的分析单元。
其中,所述基于所确定的所述高动态范围图像的图像数据饱和的分析单元的个数,确定所述高动态范围图像中分析单元的带宽阈值包括:
基于所确定的所述高动态范围图像的图像数据饱和的分析单元的图像数据,得到灰度值与所确定的所述高动态范围图像的图像数据饱和的分析单元的个数的对应关系;
根据所得到的灰度值与所确定的所述高动态范围图像的图像数据饱和的分析单元的个数的对应关系,确定每个图像块的带宽阈值;
基于图像块的带宽阈值,确定该图像块中每个分析单元的带宽阈值。
其中,所述基于图像块的带宽阈值,确定每个分析单元的带宽阈值包括:
将每个图像块的带宽阈值分别进行上采样,得到相应图像块中每个分析单元的带宽阈值。
根据本公开实施例的第二方面,提供一种高动态范围图像的处理装置,所述处理装置包括:
调整模块,按照预设调整规则调整所确定的图像数据饱和的分析单元中的图像数据;
带宽阈值确定模块,根据所述高动态范围图像,,确定所述的高动态范围图像中分析单元的带宽阈值;
节点值确定模块,根据所述高动态范围图像的带宽,确定所述高动态范围图像需压缩的图像数据的节点值;
压缩模块,将带宽阈值超出所述节点值的图像数据的带宽,压缩至所述节点值和所述高动态范围图像的带宽之间。
其中,所述调整模块被配置为:
确定所述高动态范围图像在增益处理前图像数据饱和的分析单元,基于每个分析单元的增益处理前的图像数据及对应的阈值,确定高动态范围图像在增益处理前图像数据饱和的分析单元,按照预设调整规则调整图像数据饱和的分析单元中的图像数据。
其中,所述调整模块被配置为:
以所述高动态范围图像的拜耳阵列为分析单元,将拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B分别与对应的增益值的比值确定为拜耳阵列的增益处理前的图像数据;
取拜耳阵列的增益处理前的图像数据的最小值,若该最小值大于等于对应的阈值,则该拜耳阵列为高动态范围图像在增益处理前图像数据饱和的分析单元。
其中,所述调整模块被配置为:
若该最小值小于对应的阈值,取拜耳阵列的增益处理前的图像数据的最大值,若该最大值大于等于对应的阈值,取拜耳阵列中像素值Gr和像素值Gb的增益处理前的图像数据中的最大值,若该最大值大于等于对应的阈值,则该拜耳阵列为高动态范围图像在增益处理前图像数据饱和的分析单元。
其中,所述调整模块被配置为:
取高动态范围图像在增益处理前图像数据饱和的分析单元中像素值Gr和像素值Gb的最大值;
将像素值R与像素值Gr和像素值Gb的最大值中的最小值作为调整后的像素值R’;
将像素值Gr与像素值Gr和像素值Gb的最大值中的最小值为调整后的像素值Gr’;
将像素值Gb与像素值Gr和像素值Gb的最大值中的最小值为调整后的像素值Gb’
将像素值B与像素值Gr和像素值Gb的最大值中的最小值作为调整后的像素值B’。
其中,所述带宽阈值确定模块被配置为:
将所述高动态范围图像按照预设划分规则划分成一个或多个图像块;
以图像块为单位,基于图像块中分析单元的图像数据及对应的阈值以及分析单元的在增益处理前的图像数据及对应的阈值,确定所述高动态范围图像的图像数据饱和的分析单元,基于所确定的所述高动态范围图像的图像数据饱和的分析单元的个数,确定所述高动态范围图像中分析单元的带宽阈值。
其中,所述带宽阈值确定模块被配置为:
以所述高动态范围图像的拜耳阵列为分析单元,将拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B分别与对应的增益值的比值确定为拜耳阵列的增益处理前的图像数据;
将图像块中拜耳阵列的增益处理前的图像数据的最大值小于对应的阈值且拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B的最大值大于对应的阈值的拜耳阵列确定为所述高动态范围图像的图像数据饱和的分析单元。
其中,所述带宽阈值确定模块被配置为:
基于所确定的所述高动态范围图像的图像数据饱和的分析单元的图像数据,得到灰度值与所确定的所述高动态范围图像的图像数据饱和的分析单元的个数的对应关系;
根据所得到的灰度值与所确定的所述高动态范围图像的图像数据饱和的分析单元的个数的对应关系,确定每个图像块的带宽阈值;
基于图像块的带宽阈值,确定该图像块中每个分析单元的带宽阈值。
其中,所述带宽阈值确定模块被配置为:
将每个图像块的带宽阈值分别进行上采样,得到相应图像块中每个分析单元的带宽阈值。
根据本公开实施例的第三方面,提供一种高动态范围图像的处理装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
按照预设调整规则调整图像数据饱和的分析单元中的图像数据;
根据所述的高动态范围图像,确定所述高动态范围图像中分析单元的带宽阈值;
根据所述高动态范围图像的带宽,确定所述高动态范围图像需压缩的图像数据的节点值;
将带宽阈值超出所述节点值的图像数据的带宽,压缩至所述节点值和所述高动态范围图像的带宽之间。
根据本公开实施例的第四方面,提供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移动终端的处理器执行时,使得移动终端能够执行一种高动态范围图像的处理方法,所述处理方法包括:
按照预设调整规则调整图像数据饱和的分析单元中的图像数据;
根据所述的高动态范围图像,确定所述高动态范围图像中分析单元的带宽阈值;
根据所述高动态范围图像的带宽,确定所述高动态范围图像需压缩的图像数据的节点值;
将带宽阈值超出所述节点值的图像数据的带宽,压缩至所述节点值和所述高动态范围图像的带宽之间。
本公开的实施例提供的技术方案可以包括以下有益效果:本公开所提供的高动态范围图像的处理方法中,对饱和的图像数据按照预设调整规则进行调整,确定每个分析单元的阈值带宽,使得每个分析单元均具有不同带宽阈值,使得每个分析单元均具有不同的动态压缩范围,能时限动态范围的局部化控制,进而能够恢复出部分高光出的细节,增加高动态范围图像的动态范围,且能够准确恢复出高光处图像的颜色。
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,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1示出了根据一示例性实施例示出的一种高动态范围图像的处理方法的流程图;
图2示出了基于每个分析单元的增益处理前的图像数据及对应的阈值,确定高动态范围图像在增益处理前图像数据饱和的分析单元的方法流程图;
图3示出了按照预设调整规则调整图像数据饱和的分析单元中的图像数据的方法流程图;
图4示出了图1中步骤S13中,确定所述高动态范围图像中分析单元的带宽阈值的方法流程图;
图5a示出了按照预设大小将高动态范围图像划分成图像块的示意图;
图5b中示出了图5a中图像块BlockM1中的拜耳阵列图;
图5c示出了图像块BlockM1对应的灰度直方图;
图5d示出了图像块BlockM1对应的累积分布直方图;
图5e中示出了与图5a中各图像块中对应的带宽阈值;
图5f示出了将带宽阈值超出节点值的分析单元中的图像数据的带宽压缩至节点值和高动态范围图像的带宽之间的示意图;
图6示出了图4中步骤S132中以图像块为单位,基于图像块中分析单元的图像数据及对应的阈值以及分析单元的在增益处理前的图像数据及对应的阈值,确定高动态范围图像的图像数据饱和的分析单元的方法流程图;
图7示出了图1中步骤S13中,基于所确定的高动态范围图像的图像数据饱和的分析单元的个数,确定高动态范围图像中分析单元的带宽阈值的方法流程图;
图8示出了根据一示例性实施例示出的一种高动态范围图像的处理装置框图;
图9示出了根据一示例性实施例示出的一种高动态范围图像的处理装置的框图(移动终端的一般结构)。
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发明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、本发明的一些方面相一致的装置和方法的例子。
在HDR(High Dynamic Range)场景中,图像或视频采集设备采集的数据的过曝问题可能来源于两个方面:一是成像传感器的动态范围的限制导致高动态范围图像数据饱和;另一方面是在图像信号处理器(ISP,Image Signal Processor)对高动态范围图像进行镜头阴影校正LSC(Lens Shading Correction)以及自动白平衡校正AWB(Auto WhiteBalance)等增益处理引起图像数据超过图像信号处理器的处理带宽。成像传感器的动态范围的限制导致高动态范围图像数据饱和相比较于增益处理后的高动态范围图像数据饱和要轻微。本公开旨在对高动态范围图像数据进行处理以解决高动态范围图像数据饱和所带来的问题,例如可以对增益处理后的高动态范围图像数据进行处理以解决增益处理后高动态范围图像数据饱和所带来的问题。
图1示出了根据一示例性实施例示出的一种高动态范围图像的处理方法的流程图。如图1所示,高动态范围图像的处理方法用于电子设备中,包括以下步骤:
在步骤S11中,按照预设调整规则调整图像数据饱和的分析单元中的图像数据;
在步骤S12中,根据高动态范围图像,确定高动态范围图像中分析单元的带宽阈值;
在步骤S13中,根据高动态范围图像的带宽,确定高动态范围图像需压缩的图像数据的节点值;
在步骤S14中,将带宽阈值超出节点值的图像数据的带宽,压缩至节点值和高动态范围图像的带宽之间。
在本公开所提供的高动态范围图像的处理方法中,先按照预设调整规则调整图像数据饱和的分析单元中的图像数据,以使饱和的图像数据尽可能接近真实值。其中,分析单元可以是任意可以用于分析高动态范围图像的单元,例如,分析单元可以是拜耳阵列(Bayer Pattern)。
在对饱和的高动态范围图像的图像数据进行预处理后,确定高动态范围图像中分析单元的带宽阈值。根据高动态范围图像的带宽,确定需压缩高动态范围图像的图像数据的节点值;将带宽阈值超出所述节点值的分析单元中图像数据的带宽压缩至节点值和高动态范围图像的带宽之间。
本公开所提供的高动态范围图像的处理方法可以是针对增益处理后的高动态范围图像的处理方法。本公开所提供的高动态范围图像的处理方法中,对饱和的图像数据按照预设调整规则进行调整,确定每个分析单元的阈值带宽,使得每个分析单元均具有不同带宽阈值,使得每个分析单元均具有不同的动态压缩范围,能时限动态范围的局部化控制,进而能够恢复出部分高光出的细节,增加高动态范围图像的动态范围,且能够准确恢复出高光处图像的颜色。
本公开实施例提供了一种高动态范围图像的处理方法,其中,按照预设调整规则调整图像数据饱和的分析单元中的图像数据包括:
确定所述高动态范围图像在增益处理前图像数据饱和的分析单元,基于每个分析单元的增益处理前的图像数据及对应的阈值,确定高动态范围图像在增益处理前图像数据饱和的分析单元,按照预设调整规则调整图像数据饱和的分析单元中的图像数据。
在本公开所提供的高动态范围图像的处理方法中,可以先对增益处理前就饱和的高动态范围图像数据按照预设调整规则进行调整。根据每个分析单元的增益处理前的图像数据以及对应的阈值,确定高动态范围图像在增益处理前图像数据饱和的分析单元,按照预设调整规则调整图像数据饱和的分析单元中的图像数据。
在本公开所提供的高动态范围图像的处理方法中,还提供了根据每个分析单元的增益处理前的图像数据以及对应的阈值,确定高动态范围图像在增益处理前图像数据饱和的分析单元的方法。如图2所示,图2示出了基于每个分析单元的增益处理前的图像数据及对应的阈值,确定高动态范围图像在增益处理前图像数据饱和的分析单元的方法流程图:
在步骤S111中,以高动态范围图像的拜耳阵列为分析单元,将拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B分别与对应的增益值的比值确定为拜耳阵列的增益处理前的图像数据;
在步骤S112中,取拜耳阵列的增益处理前的图像数据的最小值,若该最小值大于等于对应的阈值,则该拜耳阵列为高动态范围图像在增益处理前图像数据饱和的分析单元。
在本公开所提供的高动态范围图像的处理方法中,分析单元可以是拜耳阵列(Bayer Pattern),也可以是任意其他可以用于分析高动态范围图像的单元。为了确定增益处理前的图像数据,将拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B分别与对应的增益值,gain_R,gain_Gr,gain_Gb,gain_B,的比值,得到增益处理前的图像数据,即分别得到R/gain_R,Gr/gain_Gr,Gb/gain_Gr,B/gain_B。
取拜耳阵列的增益处理前的图像数据的最小值,若该最小值大于等于对应的阈值,则该拜耳阵列为高动态范围图像在增益处理前图像数据饱和的分析单元。取R/gain_R,Gr/gain_Gr,Gb/gain_Gr,B/gain_B中最小值,如果该最小值大于等于对应的阈值Threshold0,则该拜耳阵列为高动态范围图像在增益处理前图像数据饱和的分析单元。其中,对应的阈值Threshold0表示增益处理前的图像数据的最大带宽。为了提高确定的准确性,考虑到噪声,可以引入偏置量offset,对应的阈值可以为Threshold0-offset。
如果拜耳阵列中增益处理前的图像数据,即像素值R/gain_R,Gr/gain_Gr,Gb/gain_Gr,B/gain_B中最小值大于等于对应的阈值Threshold0-offset,Min(R/gain_R,Gr/gain_Gr,Gb/gain_Gr,B/gain_B)>=Threshold0-offset,那么说明,增益处理后的高动态范围图像进行增益处理前在该拜耳阵列处RGB(Red,Green,Blue)通道中每个通道的图像数据均饱和,则该拜耳阵列需要进行预处理,即按照预设调整规则进行调整。
在本公开所提供的高动态范围图像的处理方法中,若该最小值小于对应的阈值,还包括如图2中虚线所示部分:
在步骤S113中,若该最小值小于对应的阈值,取拜耳阵列的增益处理前的图像数据的最大值,若该最大值大于等于对应的阈值,取拜耳阵列中像素值Gr和像素值Gb的增益处理前的图像数据中的最大值,若该最大值大于等于对应的阈值,则该拜耳阵列为高动态范围图像在增益处理前图像数据饱和的分析单元。
在本公开所提供的高动态范围图像的处理方法中,如果像素值R/gain_R,Gr/gain_Gr,Gb/gain_Gr,B/gain_B中最大值大于等于对应的阈值Threshold0,Max(R/gain_R,Gr/gain_Gr,Gb/gain_Gr,B/gain_B)>=Threshold0-offset,那么说明,高动态范围图像进行增益处理前在该拜耳阵列处RGB(Red,Green,Blue)通道中至少一个通道的图像数据饱和。考虑到绿色的光感光能力最强,其像素值Gr和Gb的值最大,对高动态范围图像进行增益处理时,例如自动白平衡校正增益处理时,即其增益值为1,因此,取拜耳阵列中像素值Gr和像素值Gb的增益处理前的图像数据中的最大值,如果该最大值大于等于对应的阈值,Max(Gr/gain_Gr,Gb/gain_Gr)>=Threshold0-offset,那么说明,高动态范围图像进行增益处理前在该拜耳阵列处RGB(Red,Green,Blue)通道中至少绿色通道的图像数据饱和,则该拜耳阵列需要进行预处理。
本公开所提供的高动态范围图像的处理方法中,以拜耳阵列为分析单元对高动态范围图像的增益处理前的饱和图像数据进行预处理,能够使增益处理前的饱和图像数据的预处理精确到拜耳阵列,使得本公开所提供的高动态范围图像的处理方法对图像数据的处理更精准。
本公开所提供的高动态范围图像的处理方法中,按照预设调整规则调整图像数据饱和的分析单元中的图像数据。如图3所示,图3示出了按照预设调整规则调整图像数据饱和的分析单元中的图像数据的方法流程图:
在步骤S114中,取高动态范围图像在增益处理前图像数据饱和的分析单元中像素值Gr和像素值Gb的最大值;
在步骤S115中,将像素值R与像素值Gr和像素值Gb的最大值中的最小值作为调整后的像素值R’;
将像素值Gr与像素值Gr和像素值Gb的最大值中的最小值为调整后的像素值Gr’;
将像素值Gb与像素值Gr和像素值Gb的最大值中的最小值为调整后的像素值Gb’
将像素值B与像素值Gr和像素值Gb的最大值中的最小值作为调整后的像素值B’。
为了使高动态范围图像在增益处理前图像数据饱和的拜耳单元中的图像数据更接近于真实值,例如,拜耳阵列中像素值更接近于真实值。考虑到绿色的光感光能力最强,其像素值Gr和Gb的值最大,对高动态范围图像进行增益处理时,例如自动白平衡校正增益处理时,以其为基准进行增益处理,增益处理后的高动态范围图像中绿色对应的像素值更接近于真实值。在红色和蓝色在增益处理时,其增益值一般大于1,即在进行增益处理后的红色和蓝色对应的像素值与真实值具有一定的差值。取高动态范围图像在增益处理前图像数据饱和的拜耳单元中像素值Gr和像素值Gb的最大值,与增益处理后的红色、蓝色和绿色对应的像素值进行对比,取其中最小值作为增益处理后的红色、蓝色和绿色所对应的像素的调整后的值,以使增益处理后的红色、蓝色和绿色所对应的像素的调整后的值更接近真实值。这样,可以降低在压缩过程中,图像数据的失真程度。因此,在本公开所提供的高动态范围图像的处理方法中,取高动态范围图像在增益处理前图像数据饱和的拜耳单元中像素值Gr和像素值Gb的最大值,将像素值R与像素值Gr和像素值Gb的最大值中的最小值作为调整后的像素值R’,R’=Min(R,Max_GrGb);将像素值Gr与像素值Gr和像素值Gb的最大值中的最小值为调整后的像素值Gr’,Gr’=Min(Gr,Max_GrGb);将像素值Gb与像素值Gr和像素值Gb的最大值中的最小值为调整后的像素值Gb’,Gb’=Min(Gb,Max_GrGb);将像素值B与像素值Gr和像素值Gb的最大值中的最小值作为调整后的像素值B’,B’=Min(B,Max_GrGb)。
在本公开所提供的高动态范围图像的处理方法中,还提供了确定所述高动态范围图像中分析单元的带宽阈值的方法,如图4所示,图4示出了图1中步骤S13中,确定所述高动态范围图像中分析单元的带宽阈值的方法流程图:
在步骤S121中,将高动态范围图像按照预设划分规则划分成一个或多个图像块;
在步骤S122中,以图像块为单位,基于图像块中分析单元的图像数据及对应的阈值以及分析单元的在增益处理前的图像数据及对应的阈值,确定高动态范围图像的图像数据饱和的分析单元,基于所确定的高动态范围图像的图像数据饱和的分析单元的个数,确定高动态范围图像中分析单元的带宽阈值。
在本公开所提供的高动态范围图像的处理方法中,可以将高动态范围图像按照预设划分规则划分成一个或多个图像块。图像块的划分可以按照任意能够对高动态范围图像进行图像块划分的规则进行划分。例如可以按照预设大小进行划分,也可以按照图像块的个数进行划分。如图5a所示,图5a示出了按照预设大小将高动态范围图像划分成图像块的示意图。在图5a中,将大小为图像高度为W,宽度为H的整帧高动态范围图像划分为M*N个图像块,每个图像块的大小为M0*N0,其中M0=H/M,N0=W/N。当M=1,N=1时,则是将整帧高动态范围图像作为一个图像块。
在以图像块为单位,确定高动态范围图像的图像数据饱和的分析单元时,可以基于图像块中各分析单元的图像数据及对应的阈值以及各分析单元的增益处理前的图像数据及对应的阈值,来统计高动态范围图像的图像数据饱和的分析单元。分析单元可以是任意可以用于对图像块进行统计分析的单元,例如,分析单元可以是拜耳阵列,可以是一个拜耳阵列也可以是一组拜耳阵列。当分析单元是一个拜耳阵列时,在对拜耳阵列进行统计分析时,考虑到拜耳阵列中的图像数据,像素值R,像素值Gr,像素值Gb和像素值B与对应的阈值,以及拜耳阵列中的图像数据在增益处理前的图像数据与对应的阈值的比较结果来对拜耳阵列进行统计和分析。基于所确定的高动态范围图像的图像数据饱和的分析单元的个数,确定高动态范围图像中分析单元的带宽阈值。
如图6所示,图6示出了图4中步骤S132中以图像块为单位,基于图像块中分析单元的图像数据及对应的阈值以及分析单元的在增益处理前的图像数据及对应的阈值,确定高动态范围图像的图像数据饱和的分析单元的方法流程图:
在步骤S1221中,以高动态范围图像的拜耳阵列为分析单元,将拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B分别与对应的增益值的比值确定为拜耳阵列的增益处理前的图像数据;
在步骤S1222中,将图像块中拜耳阵列的增益处理前的图像数据的最大值小于对应的阈值且拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B的最大值大于对应的阈值的拜耳阵列确定为高动态范围图像的图像数据饱和的分析单元。
在以高动态范围图像的拜耳阵列为分析单元进行分析时,可以拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B在增益处理前的最大值小于对应的阈值,且在增益处理后的最大值大于对应的阈值的拜耳阵列确定为高动态范围图像的图像数据饱和的分析单元。
拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B在进行增益处理后,均乘以了一个增益系数,那么为了确定增益处理前的图像数据,可以将像素值R,像素值Gr,像素值Gb和像素值B分别与对应的增益值的比值,即将像素值R,像素值Gr,像素值Gb和像素值B分别除以对应的增益值得到增益处理前的图像数据,R/gain_R,Gr/gain_Gr,Gb/gain_Gr,B/gain_B。
为了准确确定由于增益处理所带来的数据饱和的问题,即为了准确确定哪些拜耳阵列中的图像数据由于增益处理而产生的图像数据的饱和,将拜耳阵列中的像素值R,像素值Gr,像素值Gb和像素值B在增益处理前的最大值小于对应的阈值,且在增益处理后的最大值大于对应的阈值的拜耳阵列确定为高动态范围图像的图像数据饱和的分析单元,Max(R/gain_R,Gr/gain_Gr,Gb/gain_Gr,B/gain_B)<Threshold0-offset且Max(R,Gr,Gb,B)>Threshold1。即将图像数据在增益处理前未饱和,但在增益处理后饱和的拜耳阵列确定为高动态范围图像的图像数据饱和的分析单元。其中,对应的阈值Threshold0表示增益处理前的图像数据的最大带宽。为了提高确定的准确性,考虑到噪声,可以引入偏置量offset,对应的阈值可以为Threshold0-offset。Threshold1表示增益处理后的图像数据的最大带宽。
在本公开所提供的高动态范围图像的处理方法中,以图像块为单位,统计该图像块中图像数据满足在增益处理前未饱和,但在增益处理后饱和的拜耳阵列。如图5b所示,图5b中示出了图5a中图像块BlockM1中的拜耳阵列图。图像块BlockM1高为M0宽为N0。每个拜耳阵列包括四个像素值,像素值R,像素值Gr,像素值Gb和像素值B,图中虚线所划部分为一个拜耳阵列。基于拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B,将图像块BlockM1中拜耳阵列的增益处理前的图像数据的最大值小于对应的阈值且拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B的最大值大于对应的阈值的拜耳阵列确定为高动态范围图像的图像数据饱和的分析单元。即将增益处理前的图像数据的最大值小于对应的阈值且增益处理后的图像数据最大值大于对应的阈值的拜耳阵列确定为高动态范围图像的图像数据饱和的分析单元。
在本公开所提供的高动态范围图像的处理方法中,在确定对图像数据在增益处理前未饱和但在增益处理后饱和的拜耳阵列后,根据确定的拜耳阵列的个数,确定高动态范围图像中分析单元的带宽阈值。如图7所示,图7示出了图1中步骤S13中,基于所确定的高动态范围图像的图像数据饱和的分析单元的个数,确定高动态范围图像中分析单元的带宽阈值的方法流程图:
在步骤S123中,基于所确定的高动态范围图像的图像数据饱和的分析单元的图像数据,得到灰度值与所确定的高动态范围图像的图像数据饱和的分析单元的个数的对应关系;
在步骤S124中,根据所得到的灰度值与所确定的高动态范围图像的图像数据饱和的分析单元的个数的对应关系,确定每个图像块的带宽阈值;
在步骤S125中,基于图像块的带宽阈值,确定该图像块中每个分析单元的带宽阈值。
在本公开所提供的高动态范围图像的处理方法中,基于所确定的高动态范围图像的图像数据饱和的分析单元的图像数据,得到灰度值与所确定的高动态范围图像的图像数据饱和的分析单元的个数的对应关系。例如基于每个图像块中所确定图像数据饱和的拜耳阵列中的图像数据,像素值R,像素值Gr,像素值Gb和像素值B,得到该图像块的灰度值与所确定图像数据饱和的拜耳阵列的个数的对应关系,即得到该图像块的灰度值与所确定图像数据饱和的拜耳阵列个数的灰度直方图。可以通过本领域中常规方法通过像素值R,像素值Gr,像素值Gb和像素值B获得灰度直方图。灰度值与图像的过曝程度有关,灰度值越大,过曝程度越大。如图5c所示,图5c示出了图像块BlockM1对应的灰度直方图。其中横轴是灰度值L,沿着横轴方向,灰度值越来越大。纵轴是与灰度值对应的拜耳阵列的个数n。
根据所得到的灰度值与所确定图像数据饱和的拜耳阵列个数的对应关系,确定每个图像块的带宽阈值。在本公开所提供的高动态范围图像的处理方法中,可以根据灰度直方图得到灰度值与所确定图像数据饱和的拜耳阵列个数累计总和之间的关系,即得到累计分布直方图。如图5d所示,图5d示出了图像块BlockM1对应的累积分布直方图,其中,横轴是灰度值L,沿着横轴方向,灰度值越来越大。纵轴是与灰度值对应的图像块BlockM1累计的拜耳阵列的个数N。基于图5d所示,可以参考灰度值L与拜耳阵列的累计个数N的分布关系,确定该图像块BlockM1的带宽阈值,例如可以将图像块BlockM1累计的拜耳阵列的累计个数乘以一个系统配置参数得到的结果作为带宽阈值。如图5d所示,图像块BlockM1累计的拜耳阵列的个数为N为Num,系统配置参数为ratio,图像块BlockM1的带宽阈值为Num0=Num*ratio所对应的阈值Value0。其中,系统配置参数可以根据电子设备的系统配置而定,例如可以设置为一个固定的值,例如0.8。
按照上述方法可以获得该整帧高动态范围图像的所有图像块的阈值,例如,如图5e所示,图5e中示出了与图5a中各图像块中对应的带宽阈值,例如,图5e中阈值11为图5a中Block11的阈值,图5e中阈值12为图5a中Block12的阈值,以此类推,图5e中阈值MN为图5a中BlockMN的阈值。
基于图像块的带宽阈值,确定该图像块中每个分析单元的带宽阈值。在本公开所提供的高动态范围图像的处理方法中,在确定了图像块的带宽阈值后,可以根据所确定的图像块的带宽阈值确定该图像块中每个分析单元的带宽阈值。例如,可以将每个图像块的带宽阈值分别进行上采样,得到相应图像块中每个分析单元的带宽阈值。如图5a所示的图像块中,可以将图像块Block11对应的带宽阈值11进行上采样,得到图像块Block11中每个拜耳阵列的带宽阈值。其中,上采样的方法可以是双线性、双三次等常见的插值方法。
为了确定对高动态范围图像的图像数据进行压缩的范围,根据高动态范围图像的带宽确定需要进行压缩处理的图像数据的节点值,即确定该高动态范围图像开始进行压缩的节点。节点值的选取可以根据系统设置,例如选择高动态范围图像的带宽的80%作为节点值。将带宽阈值超出节点值的分析单元中的图像数据的带宽压缩至节点值和高动态范围图像的带宽之间。如图5f所示,图5f示出了将带宽阈值超出节点值的分析单元中的图像数据的带宽压缩至节点值和高动态范围图像的带宽之间的示意图。其中,横轴为输入Input,横轴中的点P为分析单元的带宽阈值,图中只是示例性的示出一个分析单元,拜耳阵列,所对应的带宽阈值。每个分析单元的带宽阈值均不同。横轴中的点B为高动态范围图像的带宽,m为所选取的节点。纵轴为输出Output,即分析单元的图像数据的带宽压缩后的带宽输出值,其中,纵轴中的点B为高动态范围图像的带宽。节点可以根据高动态范围图像的带宽选择,例如带宽值的80%。在带宽值在节点值以下的分析单元的图像数据不需要进行压缩,这期间为线性区域,带宽值在节点值以上的分析单元的图像数据需要进行压缩,可以选用平滑过渡的压缩曲线,以使压缩后的分析单元的图像数据能够平滑过渡。由图5f可以看出,分析单元中的图像数据的带宽经压缩后均在节点值与高动态范围图像的带宽之间。
本公开所提供的高动态范围图像的处理方法,以分析单元为单位进行分析,对增益处理前就饱和的图像数据进行预处理,以使其尽可能接近真实值,并根据增益处理后饱和的图像数据的分析单元的个数确定每个分析单元的带宽阈值,即基于每个分析单元,例如拜耳阵列,所确定的带宽阈值,对高动态范围图像进行压缩处理,使得高动态范围图像中每个分析单元均具有不同动态压缩范围,实现了动态范围的局部化控制。也使得对于高光处的细节得以充分恢复,准确恢复出高光处图像的色彩,提高了图像处理的质量。
图8示出了根据一示例性实施例示出的一种高动态范围图像的处理装置框图。参照图8,该装置包括获调整模块801,带宽阈值确定模块802,节点值确定模块803和压缩模块804。
调整模块801,按照预设调整规则调整所确定的图像数据饱和的分析单元中的图像数据;
带宽阈值确定模块802,根据所述高动态范围图像,,确定所述的高动态范围图像中分析单元的带宽阈值;
节点值确定模块803,根据所述高动态范围图像的带宽,确定所述高动态范围图像需压缩的图像数据的节点值;
压缩模块804,将带宽阈值超出所述节点值的图像数据的带宽,压缩至所述节点值和所述高动态范围图像的带宽之间。
其中,所述调整模块801被配置为:
确定所述高动态范围图像在增益处理前图像数据饱和的分析单元,基于每个分析单元的增益处理前的图像数据及对应的阈值,确定高动态范围图像在增益处理前图像数据饱和的分析单元,按照预设调整规则调整图像数据饱和的分析单元中的图像数据。
其中,所述调整模块801被配置为:
以所述高动态范围图像的拜耳阵列为分析单元,将拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B分别与对应的增益值的比值确定为拜耳阵列的增益处理前的图像数据;
取拜耳阵列的增益处理前的图像数据的最小值,若该最小值大于等于对应的阈值,则该拜耳阵列为高动态范围图像在增益处理前图像数据饱和的分析单元。
其中,所述调整模块801被配置为:
若该最小值小于对应的阈值,取拜耳阵列的增益处理前的图像数据的最大值,若该最大值大于等于对应的阈值,取拜耳阵列中像素值Gr和像素值Gb的增益处理前的图像数据中的最大值,若该最大值大于等于对应的阈值,则该拜耳阵列为高动态范围图像在增益处理前图像数据饱和的分析单元。
其中,所述调整模块801被配置为:
取高动态范围图像在增益处理前图像数据饱和的分析单元中像素值Gr和像素值Gb的最大值;
将像素值R与像素值Gr和像素值Gb的最大值中的最小值作为调整后的像素值R’;
将像素值Gr与像素值Gr和像素值Gb的最大值中的最小值为调整后的像素值Gr’;
将像素值Gb与像素值Gr和像素值Gb的最大值中的最小值为调整后的像素值Gb’
将像素值B与像素值Gr和像素值Gb的最大值中的最小值作为调整后的像素值B’。
其中,所述带宽阈值确定模块802被配置为:
将所述高动态范围图像按照预设划分规则划分成一个或多个图像块;
以图像块为单位,基于图像块中分析单元的图像数据及对应的阈值以及分析单元的在增益处理前的图像数据及对应的阈值,确定所述高动态范围图像的图像数据饱和的分析单元,基于所确定的所述高动态范围图像的图像数据饱和的分析单元的个数,确定所述高动态范围图像中分析单元的带宽阈值。
其中,所述带宽阈值确定模块802被配置为:
以所述高动态范围图像的拜耳阵列为分析单元,将拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B分别与对应的增益值的比值确定为拜耳阵列的增益处理前的图像数据;
将图像块中拜耳阵列的增益处理前的图像数据的最大值小于对应的阈值且拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B的最大值大于对应的阈值的拜耳阵列确定为所述高动态范围图像的图像数据饱和的分析单元。
其中,所述带宽阈值确定模块802被配置为:
基于所确定的所述高动态范围图像的图像数据饱和的分析单元的图像数据,得到灰度值与所确定的所述高动态范围图像的图像数据饱和的分析单元的个数的对应关系;
根据所得到的灰度值与所确定的所述高动态范围图像的图像数据饱和的分析单元的个数的对应关系,确定每个图像块的带宽阈值;
基于图像块的带宽阈值,确定该图像块中每个分析单元的带宽阈值。
其中,所述带宽阈值确定模块802被配置为:
将每个图像块的带宽阈值分别进行上采样,得到相应图像块中每个分析单元的带宽阈值。
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9示出了根据一示例性实施例示出的一种高动态范围图像的处理装置900的框图。例如,装置900可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图9,装置900可以包括以下一个或多个组件:处理组件902,存储器904,电力组件906,多媒体组件908,音频组件910,输入/输出(I/O)的接口912,传感器组件914,以及通信组件916。
处理组件902通常控制装置900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902可以包括一个或多个处理器920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902可以包括一个或多个模块,便于处理组件902和其他组件之间的交互。例如,处理组件902可以包括多媒体模块,以方便多媒体组件908和处理组件902之间的交互。
存储器904被配置为存储各种类型的数据以支持在设备900的操作。这些数据的示例包括用于在装置900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904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。
电力组件906为装置900的各种组件提供电力。电力组件906可以包括电源管理系统,一个或多个电源,及其他与为装置900生成、管理和分配电力相关联的组件。
多媒体组件908包括在所述装置900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908包括一个前置摄像头和/或后置摄像头。当设备900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910被配置为输出和/或输入音频信号。例如,音频组件910包括一个麦克风(MIC),当装置900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904或经由通信组件916发送。在一些实施例中,音频组件910还包括一个扬声器,用于输出音频信号。
I/O接口912为处理组件902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914包括一个或多个传感器,用于为装置900提供各个方面的状态评估。例如,传感器组件914可以检测到设备900的打开/关闭状态,组件的相对定位,例如所述组件为装置900的显示器和小键盘,传感器组件914还可以检测装置900或装置900一个组件的位置改变,用户与装置900接触的存在或不存在,装置900方位或加速/减速和装置900的温度变化。传感器组件914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914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914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916被配置为便于装置900和其他设备之间有线或无线方式的通信。装置900可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件916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916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900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904,上述指令可由装置900的处理器920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。当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种高动态范围图像的处理方法,所述处理方法包括:
按照预设调整规则调整图像数据饱和的分析单元中的图像数据;
根据所述的高动态范围图像,确定所述高动态范围图像中分析单元的带宽阈值;
根据所述高动态范围图像的带宽,确定所述高动态范围图像需压缩的图像数据的节点值;
将带宽阈值超出所述节点值的图像数据的带宽,压缩至所述节点值和所述高动态范围图像的带宽之间。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、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发明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,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明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。本发明的范围仅由所附的权利要求来限制。
Claims (20)
1.一种高动态范围图像的处理方法,应用于电子设备,其特征在于,所述处理方法包括:
按照预设调整规则调整图像数据饱和的分析单元中的图像数据;
根据所述高动态范围图像,确定所述高动态范围图像中分析单元的带宽阈值;
根据所述高动态范围图像的带宽,确定所述高动态范围图像需压缩的图像数据的节点值;
将带宽阈值超出所述节点值的图像数据的带宽,压缩至所述节点值和所述高动态范围图像的带宽之间。
2.根据权利要求1所述的处理方法,其特征在于,所述按照预设调整规则调整图像数据饱和的分析单元中的图像数据包括:
确定所述高动态范围图像在增益处理前图像数据饱和的分析单元,基于每个分析单元的增益处理前的图像数据及对应的阈值,确定高动态范围图像在增益处理前图像数据饱和的分析单元,按照预设调整规则调整图像数据饱和的分析单元中的图像数据。
3.根据权利要求2所述的处理方法,其特征在于,所述基于每个分析单元的增益处理前的图像数据及对应的阈值,确定高动态范围图像在增益处理前图像数据饱和的分析单元包括:
以所述高动态范围图像的拜耳阵列为分析单元,将拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B分别与对应的增益值的比值确定为拜耳阵列的增益处理前的图像数据;
取拜耳阵列的增益处理前的图像数据的最小值,若该最小值大于等于对应的阈值,则该拜耳阵列为高动态范围图像在增益处理前图像数据饱和的分析单元。
4.根据权利要求3所述的处理方法,其特征在于,所述确定所述高动态范围图像在增益处理前图像数据饱和的分析单元还包括:
若该最小值小于对应的阈值,取拜耳阵列的增益处理前的图像数据的最大值,若该最大值大于等于对应的阈值,取拜耳阵列中像素值Gr和像素值Gb的增益处理前的图像数据中的最大值,若该最大值大于等于对应的阈值,则该拜耳阵列为高动态范围图像在增益处理前图像数据饱和的分析单元。
5.根据权利要求3或4所述的处理方法,其特征在于,所述按照预设调整规则调整图像数据饱和的分析单元中的图像数据包括:
取高动态范围图像在增益处理前图像数据饱和的分析单元中像素值Gr和像素值Gb的最大值;
将像素值R与像素值Gr和像素值Gb的最大值中的最小值作为调整后的像素值R’;
将像素值Gr与像素值Gr和像素值Gb的最大值中的最小值为调整后的像素值Gr’;
将像素值Gb与像素值Gr和像素值Gb的最大值中的最小值为调整后的像素值Gb’
将像素值B与像素值Gr和像素值Gb的最大值中的最小值作为调整后的像素值B’。
6.根据权利要求1所述的处理方法,其特征在于,所述确定所述高动态范围图像中分析单元的带宽阈值包括:
将所述高动态范围图像按照预设划分规则划分成一个或多个图像块;
以图像块为单位,基于图像块中分析单元的图像数据及对应的阈值以及分析单元的在增益处理前的图像数据及对应的阈值,确定所述高动态范围图像的图像数据饱和的分析单元,基于所确定的所述高动态范围图像的图像数据饱和的分析单元的个数,确定所述高动态范围图像中分析单元的带宽阈值。
7.根据权利要求6所述的处理方法,其特征在于,所述以图像块为单位,基于图像块中分析单元的图像数据及对应的阈值以及分析单元的在增益处理前的图像数据及对应的阈值,确定所述高动态范围图像的图像数据饱和的分析单元包括:
以所述高动态范围图像的拜耳阵列为分析单元,将拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B分别与对应的增益值的比值确定为拜耳阵列的增益处理前的图像数据;
将图像块中拜耳阵列的增益处理前的图像数据的最大值小于对应的阈值且拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B的最大值大于对应的阈值的拜耳阵列确定为所述高动态范围图像的图像数据饱和的分析单元。
8.根据权利要求6或7所述的处理方法,其特征在于,所述基于所确定的所述高动态范围图像的图像数据饱和的分析单元的个数,确定所述高动态范围图像中分析单元的带宽阈值包括:
基于所确定的所述高动态范围图像的图像数据饱和的分析单元的图像数据,得到灰度值与所确定的所述高动态范围图像的图像数据饱和的分析单元的个数的对应关系;
根据所得到的灰度值与所确定的所述高动态范围图像的图像数据饱和的分析单元的个数的对应关系,确定每个图像块的带宽阈值;
基于图像块的带宽阈值,确定该图像块中每个分析单元的带宽阈值。
9.根据权利要求8所述的处理方法,其特征在于,所述基于图像块的带宽阈值,确定每个分析单元的带宽阈值包括:
将每个图像块的带宽阈值分别进行上采样,得到相应图像块中每个分析单元的带宽阈值。
10.一种高动态范围图像的处理装置,其特征在于,所述处理装置包括:
调整模块,按照预设调整规则调整所确定的图像数据饱和的分析单元中的图像数据;
带宽阈值确定模块,根据所述高动态范围图像,,确定所述的高动态范围图像中分析单元的带宽阈值;
节点值确定模块,根据所述高动态范围图像的带宽,确定所述高动态范围图像需压缩的图像数据的节点值;
压缩模块,将带宽阈值超出所述节点值的图像数据的带宽,压缩至所述节点值和所述高动态范围图像的带宽之间。
11.根据权利要求10所述的处理装置,其特征在于,所述调整模块被配置为:
确定所述高动态范围图像在增益处理前图像数据饱和的分析单元,基于每个分析单元的增益处理前的图像数据及对应的阈值,确定高动态范围图像在增益处理前图像数据饱和的分析单元,按照预设调整规则调整图像数据饱和的分析单元中的图像数据。
12.根据权利要求11所述的处理装置,其特征在于,所述调整模块被配置为:
以所述高动态范围图像的拜耳阵列为分析单元,将拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B分别与对应的增益值的比值确定为拜耳阵列的增益处理前的图像数据;
取拜耳阵列的增益处理前的图像数据的最小值,若该最小值大于等于对应的阈值,则该拜耳阵列为高动态范围图像在增益处理前图像数据饱和的分析单元。
13.根据权利要求12所述的处理装置,其特征在于,所述调整模块被配置为:
若该最小值小于对应的阈值,取拜耳阵列的增益处理前的图像数据的最大值,若该最大值大于等于对应的阈值,取拜耳阵列中像素值Gr和像素值Gb的增益处理前的图像数据中的最大值,若该最大值大于等于对应的阈值,则该拜耳阵列为高动态范围图像在增益处理前图像数据饱和的分析单元。
14.根据权利要求12或13所述的处理装置,其特征在于,所述调整模块被配置为:
取高动态范围图像在增益处理前图像数据饱和的分析单元中像素值Gr和像素值Gb的最大值;
将像素值R与像素值Gr和像素值Gb的最大值中的最小值作为调整后的像素值R’;
将像素值Gr与像素值Gr和像素值Gb的最大值中的最小值为调整后的像素值Gr’;
将像素值Gb与像素值Gr和像素值Gb的最大值中的最小值为调整后的像素值Gb’
将像素值B与像素值Gr和像素值Gb的最大值中的最小值作为调整后的像素值B’。
15.根据权利要求10所述的处理装置,其特征在于,所述带宽阈值确定模块被配置为:
将所述高动态范围图像按照预设划分规则划分成一个或多个图像块;
以图像块为单位,基于图像块中分析单元的图像数据及对应的阈值以及分析单元的在增益处理前的图像数据及对应的阈值,确定所述高动态范围图像的图像数据饱和的分析单元,基于所确定的所述高动态范围图像的图像数据饱和的分析单元的个数,确定所述高动态范围图像中分析单元的带宽阈值。
16.根据权利要求15所述的处理装置,其特征在于,所述带宽阈值确定模块被配置为:
以所述高动态范围图像的拜耳阵列为分析单元,将拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B分别与对应的增益值的比值确定为拜耳阵列的增益处理前的图像数据;
将图像块中拜耳阵列的增益处理前的图像数据的最大值小于对应的阈值且拜耳阵列中像素值R,像素值Gr,像素值Gb和像素值B的最大值大于对应的阈值的拜耳阵列确定为所述高动态范围图像的图像数据饱和的分析单元。
17.根据权利要求15或16所述的处理装置,其特征在于,所述带宽阈值确定模块被配置为:
基于所确定的所述高动态范围图像的图像数据饱和的分析单元的图像数据,得到灰度值与所确定的所述高动态范围图像的图像数据饱和的分析单元的个数的对应关系;
根据所得到的灰度值与所确定的所述高动态范围图像的图像数据饱和的分析单元的个数的对应关系,确定每个图像块的带宽阈值;
基于图像块的带宽阈值,确定该图像块中每个分析单元的带宽阈值。
18.根据权利要求17所述的处理装置,其特征在于,所述带宽阈值确定模块被配置为:
将每个图像块的带宽阈值分别进行上采样,得到相应图像块中每个分析单元的带宽阈值。
19.一种高动态范围图像的处理装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
按照预设调整规则调整图像数据饱和的分析单元中的图像数据;
根据所述的高动态范围图像,确定所述高动态范围图像中分析单元的带宽阈值;
根据所述高动态范围图像的带宽,确定所述高动态范围图像需压缩的图像数据的节点值;
将带宽阈值超出所述节点值的图像数据的带宽,压缩至所述节点值和所述高动态范围图像的带宽之间。
20.一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移动终端的处理器执行时,使得移动终端能够执行一种高动态范围图像的处理方法,所述处理方法包括:
按照预设调整规则调整图像数据饱和的分析单元中的图像数据;
根据所述的高动态范围图像,确定所述高动态范围图像中分析单元的带宽阈值;
根据所述高动态范围图像的带宽,确定所述高动态范围图像需压缩的图像数据的节点值;
将带宽阈值超出所述节点值的图像数据的带宽,压缩至所述节点值和所述高动态范围图像的带宽之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011055540.1A CN114331852A (zh) | 2020-09-29 | 2020-09-29 | 高动态范围图像的处理方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011055540.1A CN114331852A (zh) | 2020-09-29 | 2020-09-29 | 高动态范围图像的处理方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114331852A true CN114331852A (zh) | 2022-04-12 |
Family
ID=81011009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011055540.1A Pending CN114331852A (zh) | 2020-09-29 | 2020-09-29 | 高动态范围图像的处理方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114331852A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115209060A (zh) * | 2022-07-15 | 2022-10-18 | 长光辰芯比利时有限责任公司 | 高动态范围图像压缩方法、解压缩方法及图像传感器 |
-
2020
- 2020-09-29 CN CN202011055540.1A patent/CN114331852A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115209060A (zh) * | 2022-07-15 | 2022-10-18 | 长光辰芯比利时有限责任公司 | 高动态范围图像压缩方法、解压缩方法及图像传感器 |
CN115209060B (zh) * | 2022-07-15 | 2024-04-05 | 长光辰芯比利时有限责任公司 | 高动态范围图像压缩方法、解压缩方法及图像传感器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345485B (zh) | 一种图像增强方法、装置、电子设备及存储介质 | |
CN107707827B (zh) | 一种高动态图像拍摄方法及移动终端 | |
CN110958401B (zh) | 一种超级夜景图像颜色校正方法、装置和电子设备 | |
US11580327B2 (en) | Image denoising model training method, imaging denoising method, devices and storage medium | |
CN108986053B (zh) | 屏幕显示方法及装置 | |
CN110677734B (zh) | 视频合成方法、装置、电子设备及存储介质 | |
CN108040204B (zh) | 一种基于多摄像头的图像拍摄方法、装置及存储介质 | |
US11222235B2 (en) | Method and apparatus for training image processing model, and storage medium | |
CN105791790A (zh) | 图像处理方法及装置 | |
CN114331852A (zh) | 高动态范围图像的处理方法、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 | |
CN112288657A (zh) | 图像处理方法、图像处理装置及存储介质 | |
CN112669231A (zh) | 图像处理方法、图像处理模型的训练方法、装置、介质 | |
CN114143471A (zh) | 图像处理方法、系统、移动终端及计算机可读存储介质 | |
CN115641269A (zh) | 一种图像修补方法、装置及可读存储介质 | |
CN114338956A (zh) | 图像处理方法、图像处理装置及存储介质 | |
CN116363148B (zh) | 图像处理方法、装置、芯片及存储介质 | |
CN110874829A (zh) | 图像处理方法及装置、电子设备及存储介质 | |
EP4304188A1 (en) | Photographing method and apparatus, medium and chip | |
CN110876015B (zh) | 确定图像分辨率的方法及装置、电子设备及存储介质 | |
CN114339187A (zh) | 图像处理方法、图像处理装置及存储介质 | |
CN117764895A (zh) | 图像处理方法、装置及存储介质 | |
CN116805976A (zh) | 视频处理方法、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 | |
CN115170680A (zh) | 图像处理方法、装置及存储介质 |
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 |