CN114782261A - 图像处理方法和装置、电子设备和可读存储介质 - Google Patents
图像处理方法和装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN114782261A CN114782261A CN202210311321.8A CN202210311321A CN114782261A CN 114782261 A CN114782261 A CN 114782261A CN 202210311321 A CN202210311321 A CN 202210311321A CN 114782261 A CN114782261 A CN 114782261A
- Authority
- CN
- China
- Prior art keywords
- image
- saturation
- purple
- module
- acquiring
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 40
- 230000009466 transformation Effects 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims 1
- 238000000034 method Methods 0.000 description 25
- 230000000694 effects Effects 0.000 description 13
- 238000012360 testing method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 6
- 230000001360 synchronised effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000010339 dilation Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001131 transforming effect Effects 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
- G06T5/90—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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/04—Architectural design, interior design
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种图像处理方法和装置、电子设备和可读存储介质，属于图像处理技术领域。其中，图像处理方法，包括：获取第一图像。对第一图像进行图像预处理，得到二值化图像。获取二值化图像的高亮区域。对高亮区域进行填充以及膨胀处理，得到第二图像。基于第一图像和第二图像，获取紫边出现区域。基于紫边出现区域，对第一图像进行处理，得到第三图像。对第三图像进行色彩空间变换，得到第四图像。基于第四图像和紫色色相阈值，获取紫边区域。获取紫边区域内目标像素第一饱和度，基于第一饱和度，将目标像素的饱和度设置为第二饱和度，得到第五图像。
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和装置、电子设备和可读存储介质。
背景技术
相关技术中，相机的镜头和传感器普遍存在误差，导致在拍摄高反差大背光物体的照片中，物体边缘或多或少的会出现“紫边”现象，在房产领域，大部分的图像采集都选择在自然光照条件较好的时间，“紫边”出现的概率变得更大，影响用户线上看房的体验。
相关技术中，一般有两种方式去除紫边，第一种方式为：后期人工手动在专业绘图软件上对图像进行调整，在房产领域中，由于线上看房的需求量巨大，如果采用人工后期修图会增加人力成本。第二种方式为：使用添加BR镜片的镜头，其中，BR镜片是指采用了BR光学元件(蓝色光谱折射光学元件)的复合镜片。但是，BR镜片造价十分昂贵，在房产领域，需要大规模配置拍摄设备，如果采用BR镜片，会增加大量成本。
发明内容
本申请实施例的目的是提供一种图像处理方法和装置、电子设备和可读存储介质，能够解决相机的镜头和传感器普遍存在误差，导致在拍摄高反差大背光物体的照片中，物体边缘会出现“紫边”现象，影响用户线上看房的体验的问题。
第一方面，本申请实施例提供了一种图像处理方法，包括：获取第一图像；对第一图像进行图像预处理，得到二值化图像；获取二值化图像的高亮区域；对高亮区域进行填充以及膨胀处理，得到第二图像；基于第一图像和第二图像，获取紫边出现区域；基于紫边出现区域，对第一图像进行处理，得到第三图像；对第三图像进行色彩空间变换，得到第四图像；基于第四图像和紫色色相阈值，获取紫边区域；获取紫边区域内目标像素第一饱和度，基于第一饱和度，将目标像素的饱和度设置为第二饱和度，得到第五图像。
第二方面，本申请实施例提供了一种图像处理装置，包括第一获取模块、第一处理模块、第二获取模块、第二处理模块、第三获取模块、第三处理模块、变换模块、第四获取模块和第五获取模块；第一获取模块用于获取第一图像；第一处理模块用于对第一图像进行图像预处理，得到二值化图像；第二获取模块用于获取二值化图像的高亮区域；第二处理模块用于对高亮区域进行填充以及膨胀处理，得到第二图像；第三获取模块用于基于第一图像和第二图像，获取紫边出现区域；第三处理模块基于紫边出现区域，对第一图像进行处理，得到第三图像；变换模块用于对第三图像进行色彩空间变换，得到第四图像；第四获取模块用于基于第四图像和紫色色相阈值，获取紫边区域；第五获取模块用于获取紫边区域内目标像素第一饱和度，基于第一饱和度，将目标像素的饱和度设置为第二饱和度，得到第五图像。
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和存储器，存储器存储可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面的图像处理方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如第一方面的图像处理方法的步骤。
本申请通过对第一图像的处理，可以去除第一图像中出现的紫边区域，并且，没有引入其他的颜色，将原本为紫色物体的原始色彩进行保留，提升用户观看体验。
附图说明
图1示出了本申请实施例提供的图像处理方法的流程示意图之一；
图2示出了本申请实施例提供的图像处理方法的流程示意图之二；
图3示出了本申请实施例提供的图像处理方法的流程示意图之三；
图4示出了本申请实施例提供的图像处理方法的流程示意图之四；
图5示出了本申请实施例提供的图像处理方法的流程示意图之五；
图6示出了本申请实施例提供的图像处理装置的结构框图；
图7示出了本申请实施例提供的电子设备的结构框图；
图8示出了本申请实施例的一种电子设备的硬件结构示意图。
图中，图6至图8中附图标记与部件名称之间的对应关系为：
100：图像处理装置；110：第一获取模块；120：第一处理模块；130：第二获取模块；140：第二处理模块；150：第三获取模块；160：第三处理模块；170：变换模块；180：第四获取模块；190：第五获取模块；1000：电子设备；1002：处理器；1004：存储器；1100：电子设备；1101：射频单元；1102：网络模块；1103：音频输出单元；1104：输入单元；11041：图形处理器；11042：麦克风；1105：传感器；1106：显示单元；11061：显示面板；1107：用户输入单元；11071：触控面板；11072：其他输入设备；1108：接口单元；1109：存储器；1110：处理器。
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1至图7，通过具体的实施例及其应用场景对本申请实施例提供的图像处理方法和装置、电子设备和可读存储介质进行详细地说明。
在本申请实施例提供了一种图像处理方法，图1示出了本申请实施例提供的图像处理方法的流程示意图之一，如图1所示，图像处理方法包括：
步骤102，获取第一图像。
步骤104，对第一图像进行图像预处理，得到二值化图像。
步骤106，获取二值化图像的高亮区域。
步骤108，对高亮区域进行填充以及膨胀处理，得到第二图像。
步骤110，基于第一图像和第二图像，获取紫边出现区域。
步骤112，基于紫边出现区域，对第一图像进行处理，得到第三图像。
步骤114，对第三图像进行色彩空间变换，得到第四图像。
步骤116，基于第四图像和紫色色相阈值，获取紫边区域。
步骤118，获取紫边区域内目标像素第一饱和度，基于第一饱和度，将目标像素的饱和度设置为第二饱和度，得到第五图像。
可以理解的是，第一图像可以为需要进行处理的图像，可选地，第一图像可以为房产领域中房源的实景采集图像。
可以理解的是，在房产领域vr看房的场景，相机采集的图像大部分是在日照条件较好时拍摄，拍摄的图片大部分会有紫边现象，另外，房源内部的家具、装修等很多时候会涉及到紫色，在图像保持原有紫色物体的情况下，去除紫边成为一个必须解决的技术问题。
相关技术中自动去紫边的算法，存在以下问题：第一，大部分是在ISP层(ImageSignal Processing，图像信号处理)直接修正raw(未经加工图像)数据，在房产领域，输入一般是相机ISP处理过后的jpg(Joint Photographic Experts Group，JPEG格式)或yuv(颜色编码方法)，输入丢失了很多像素信息，自动去紫边的难度大，效果查。第二，通过引入别的颜色信息或者黑白灰颜色来替代紫边区域，但其会导致在某些场景下，紫色物体的原本颜色会被改变，影响观感。
可以理解的是，在实际应用中，通过相机等设备可以拍摄大量房产相关图片，对大量的房产相关图片进行测试，得到效果较好的紫色色相阈值，通过设置上述紫色色相阈值可以获取较为准确的紫边区域。
本实施例中，紫色色相阈值可以通过大量现有对图像进行去紫边处理测试比较得出。
本实施例的图像处理方法，可以部署在服务器端，工作人员通过相机采集到房源的实景图像，可以视为第一图像，将第一图像传输至服务器端，服务器端设置的图像处理方法对第一图像进行处理，得到第五图像，第五图像为去除紫边区域的图像，第五图像可以用于生成房源全景图等操作。
本实施例中，计算紫边区域内目标像素的第一饱和度，根据第一饱和度计算第二饱和度，然后将紫边区域内目标像素的饱和度设置为第二饱和度。本实施例动态调整紫边区域的饱和度，使得紫边区域与周围区域的颜色过渡会显得更平滑，提升去紫边准确度。
本实施例中，通过对第一图像的处理，可以去除第一图像中出现的紫边区域，实现自动去除全景图紫边效应。并且，没有引入其他的颜色，将原本为紫色物体的原始色彩进行保留，提升用户观看体验。
在本申请的一些实施例中，图2示出了本申请实施例提供的图像处理方法的流程示意图之二，如图2所示，对第一图像进行图像预处理，得到二值化图像，具体包括：
步骤202，将第一图像转换为灰度图。
步骤204，将灰度图分割为二值化图像。
可以理解的是，相机拍摄的第一图像为彩色图像，彩色图像可以是HSV色彩空间图，将第一图像转换为灰度图，然后将灰度图进行分割，进而得到二值化图像。
本实施例中，通过对第一图像进行处理，得到二值化图像，进而，通过二值化图像，可以得到紫边区域，最终去除紫边区域，提升用户观看体验。
在本申请的一些实施例中，将灰度图分割为二值化图像，具体包括：
将灰度图通过第一阈值分割为二值化图像。
可以理解的是，房产领域的VR看房，会通过相机等设备拍摄大量图片，通过对大量图片的测试，获取第一阈值，使得通过二值化图像获取的紫边边缘较为准确。
本实施例中，第一阈值可以通过大量现有对图像进行去紫边处理测试比较得出。
本实施例中，通过测试获取第一阈值，然后采用第一阈值对灰度图进行分割，得到二值化图像，后续对二值化图像进行处理，获取紫边边缘时，可以使紫边边缘的范围更叫准确。
在本申请的一些实施例中，图3示出了本申请实施例提供的图像处理方法的流程示意图之三，如图3所示，对高亮区域进行填充以及膨胀处理，得到第二图像，具体包括：
步骤302，获取二值化图像中离散的高亮区域，并填充离散的高亮区域，得到第五图像。
步骤304，获取第五图像中集中的高亮区域，并膨胀集中的高亮区域，得到第六图像。
步骤306，合并第五图像和第六图像，得到第二图像。
本实施例中，对于二值化图像中存在的离散高亮区域进行填充，可以使得提炼紫边出现区域的准确度更高。并且，只在明显的亮暗交界处去除紫边，不会影响到紫色物体的原始颜色，提升用户观看体验。
本实施例中，离散的高亮区域会被忽略掉，避免图像中出现类似马赛克的突兀像素块，原本紫色的物体也会被保留下原始色彩，提升用户观看体验。
本实施例中，动态调整紫边区域的饱和度，和周围区域的颜色过渡会更平滑，观感更佳。
在本申请的一些实施例中，基于第一图像和第二图像，获取紫边出现区域，具体包括：
将第一图像与第二图像进行合并，得到紫边出现区域。
本实施例中，通过合并第一图像和第二图像，可以得到紫边出现区域，这种方式能够降低最终获取紫边区域的难度，并且提升准确度。
在本申请的一些实施例中，基于紫边出现区域，对第一图像进行处理，得到第三图像，具体包括：
将紫边出现区域与第一图像进行合并，得到第三图像。
本实施例中，通过合并紫边出现区域和第一图像即原始输入图像获取第三图像，后续进一步对第三图像进行处理，即可实现去除紫边，提升用户观看体验。
在本申请的一些实施例中，对第三图像进行色彩空间变换，得到第四图像，具体包括：
将第三图像转换为HSV色彩空间，得到第四图像。
本实施例中，针对第三图像，将其转换到HSV色彩空间，得到第四图像，第四图像即为去除紫边的图像。用户对房源进行查看时(例如在VR看房时或浏览房源图片等)，呈现出去除紫边效果的图，可以提升用户观看体验。
在本申请的一些实施例中，图4示出了本申请实施例提供的图像处理方法的流程示意图之四，如图4所示，获取紫边区域内目标像素第一饱和度，基于第一饱和度，将目标像素的饱和度设置为第二饱和度，得到第五图像，具体包括：
步骤402，获取目标像素的第一饱和度；
步骤404，基于第一饱和度的占比，获取第二饱和度；
步骤406，将目标像素的饱和度设置为第二饱和度。
本实施例中，首先获取目标像素的第一饱和度，然后获取第一饱和度的占比，再得到第二饱和度，将目标像素的饱和度调整为第二饱和度。本实施例根据第一饱和度的占比，适当降低饱和度。本实施例动态调整目标像素的饱和度，饱和度高的就降的多，饱和度低的降的少，可以让紫边区域和周围区域的颜色过渡更平滑。
本实施例中，第一饱和度的占比可以指第一饱和度与255.0的比值，第二饱和度的计算公式可以为：
new_saturation＝old_saturation×(1-old_saturation/255.0)
其中，new_saturation表示目标像素的第二饱和度，old_saturation表示目标像素的第一饱和度，首先获取第一饱和度与255.0的比值，然后，获取1与比值的差，最后，获取第一饱和度与差的乘积，上述乘积即为第二饱和度。
本实施例中，针对每个图像的紫边区域均存在差异的情况，计算紫边区域内目标像素的第一饱和度，然后根据得到的第一饱和度进行动态调整，将紫边区域的饱和度设置为第二饱和度，此时，饱和度高的就降的多，饱和度低的降的少，提升去紫边准确度。
在本申请的一些实施例中，图5示出了本申请实施例提供的图像处理方法的流程示意图之五，如图5所示，图像处理方法，包括：
步骤502，输入图像；
其中，图像可以为全景图；
步骤504，将图像转为灰度图；
步骤506，设定固定阈值，将灰度图通过固定阈值分割成二值化图像。
其中，固定阈值通过大量现有case(案例)测试比较得出。
步骤508，对二值化图像中的细碎白色孔洞(即离散的高亮区域)进行填充，得到图像img1。
步骤510，将填充完孔洞的图像img1中集中的高亮区域向外膨胀一圈，得到图像img2。
步骤512，将图像img1和图像img2进行合并，得到紫边出现的区域；
步骤514，将上述区域和原始输入图像进行合并，并转换为HSV色彩空间。
步骤516，确定紫色色相的阈值，找到图像中的紫色区域，根据其饱和度的占比，适当降低饱和度。
其中，紫色色相的阈值通过大量现有case(案例)测试比较得出。
最终紫边效应得以减弱和去除。
本实施例中，通过大量测试得出的阈值进行图像二值化以及填充离散高亮空洞，使得提炼紫边出现区域的准确度更高。
本实施例中，没有使用别的色彩替代紫边，而是通过计算目标像素饱和度的占比，动态调整紫边区域的饱和度，饱和度高的就降的多，饱和度低的降的少，和周围区域的颜色过渡会显得更平滑，提升去紫边准确度，图像观感更佳。
本实施例中，离散的高亮区域会被忽略掉，避免图像中出现类似马赛克的突兀像素块，原本紫色的物体也会被保留下原始色彩。并且，只在明显的亮暗交界处去除紫边，不会影响到紫色物体的原始颜色。
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。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。
在本申请的一些实施例中提供了一种图像处理装置，图6示出了本申请实施例提供的图像处理装置的结构框图，如图6所示，图像处理装置100，包括第一获取模块110、第一处理模块120、第二获取模块130、第二处理模块140、第三获取模块150、第三处理模块160、变换模块170、第四获取模块180和第五获取模块190。第一获取模块110用于获取第一图像。第一处理模块120用于对第一图像进行图像预处理，得到二值化图像。第二获取模块130用于获取二值化图像的高亮区域。第二处理模块140用于对高亮区域进行填充以及膨胀处理，得到第二图像。第三获取模块150用于基于第一图像和第二图像，获取紫边出现区域。第三处理模块160用于基于紫边出现区域，对第一图像进行处理，得到第三图像。变换模块170用于对第三图像进行色彩空间变换，得到第四图像。第四获取模块180用于基于第四图像和紫色色相阈值，获取紫边区域。第五获取模块190用于获取紫边区域内目标像素第一饱和度，基于第一饱和度，将目标像素的饱和度设置为第二饱和度，得到第五图像。
本实施例中，通过对第一图像的处理，可以去除第一图像中出现的紫边区域，实现自动去除全景图紫边效应。并且，没有引入其他的颜色，将原本为紫色物体的原始色彩进行保留，提升用户观看体验。
在本申请的一些实施例中，第一处理模块120具体包括灰度图转换模块和二值化图像转换模。灰度图转换模块用于将第一图像转换为灰度图。二值化图像转换模块用于将灰度图分割为二值化图像。
本实施例中，通过对第一图像进行处理，得到二值化图像，进而，通过二值化图像，可以得到紫边区域，最终去除紫边区域，提升用户观看体验。
在本申请的一些实施例中，二值化图像转换模块包括分割模块，分割模块用于将灰度图通过第一阈值分割为二值化图像。
本实施例中，通过测试获取第一阈值，然后采用第一阈值对灰度图进行分割，得到二值化图像，后续对二值化图像进行处理，获取紫边边缘时，可以使紫边边缘的范围更叫准确。
在本申请的一些实施例中，第二处理模块140包括填充模块、膨胀模块和第一合并模块。填充模块用于获取二值化图像中离散的高亮区域，并填充离散的高亮区域，得到第五图像。膨胀模块用于获取第五图像中集中的高亮区域，并膨胀集中的高亮区域，得到第六图像。第一合并模块用于合并第五图像和第六图像，得到第二图像。
本实施例中，对于二值化图像中存在的离散高亮区域进行填充，可以使得提炼紫边出现区域的准确度更高。并且，只在明显的亮暗交界处去除紫边，不会影响到紫色物体的原始颜色，提升用户观看体验。
在本申请的一些实施例中，第三获取模块150包括第二合并模块。第二合并模块用于将第一图像与第二图像进行合并，得到紫边出现区域。
本实施例中，通过合并第一图像和第二图像，可以得到紫边出现区域，这种方式能够提升获取紫边区域的准确度。
在本申请的一些实施例中，第三处理模块160包括第三合并模块。第三合并模块用于将紫边出现区域与第一图像进行合并，得到第三图像。
本实施例中，通过合并紫边出现区域和第一图像即原始输入图像获取第三图像，后续进一步对第三图像进行处理，即可实现去除紫边，提升用户观看体验。
在本申请的一些实施例中，变换模块170包括转换模块。转换模块用于将第三图像转换为HSV色彩空间，得到第四图像。
本实施例中，针对第三图像，将其转换到HSV色彩空间，得到第四图像，第四图像即为去除紫边的图像。用户对房源进行查看时(例如在VR看房时或浏览房源图片等)，呈现出去除紫边效果的图，可以提升用户观看体验。
在本申请的一些实施例中，第五获取模块包括第一饱和度获取模块、第二饱和度获取模块和设置模块。第一饱和度获取模块用于获取目标像素的第一饱和度。第二饱和度获取模块用于基于第一饱和度的占比，获取第二饱和度。设置模块用于将目标像素的饱和度设置为第二饱和度。
本实施例中，针对每个图像的紫边区域均存在差异的情况，计算紫边区域内目标像素的第一饱和度，然后根据得到的第一饱和度进行动态调整，将紫边区域的饱和度设置为第二饱和度，此时，饱和度高的就降的多，饱和度低的降的少，提升去紫边准确度。
本申请实施例中的图像处理装置可以是电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，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、移动上网装置(Mobile Internet Device，MID)、增强现实(augmented reality，AR)/虚拟现实(virtualreality，VR)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobile personalcomputer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等，还可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personalcomputer，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上述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，如图7所示，本申请实施例还提供一种电子设备1000，电子设备1000包括处理器1002和存储器1004，存储器1004上存储有可在处理器1002上运行的程序或指令，该程序或指令被处理器1002执行时实现上述方法实施例的各个步骤，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的移动电子设备和非移动电子设备。
图8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1100包括但不限于：射频单元1101、网络模块1102、音频输出单元1103、输入单元1104、传感器1105、显示单元1106、用户输入单元1107、接口单元1108、存储器1109、以及处理器1110等部件。
本领域技术人员可以理解，电子设备1100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1110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8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1110，用于获取第一图像。
处理器1110，用于对第一图像进行图像预处理，得到二值化图像。
处理器1110，用于获取二值化图像的高亮区域。
处理器1110，用于对高亮区域进行填充以及膨胀处理，得到第二图像。
处理器1110，用于基于第一图像和第二图像，获取紫边出现区域。
处理器1110，用于基于紫边出现区域，对第一图像进行处理，得到第三图像。
处理器1110，用于对第三图像进行色彩空间变换，得到第四图像。
处理器1110，用于基于第四图像和紫色色相阈值，获取紫边区域。
处理器1110，用于获取紫边区域内目标像素第一饱和度，基于第一饱和度，将目标像素的饱和度设置为第二饱和度，得到第五图像。
本实施例中，通过对第一图像的处理，可以去除第一图像中出现的紫边区域，实现自动去除全景图紫边效应。并且，没有引入其他的颜色，将原本为紫色物体的原始色彩进行保留，提升用户观看体验。
进一步地，处理器1110用于对第一图像进行图像预处理，得到二值化图像，具体包括：
处理器1110，用于将第一图像转换为灰度图。
处理器1110，用于将灰度图分割为二值化图像。
本实施例中，通过对第一图像进行处理，得到二值化图像，进而，通过二值化图像，可以得到紫边区域，最终去除紫边区域，提升用户观看体验。
进一步地，处理器1110用于将灰度图分割为二值化图像，具体包括：
处理器1110，用于将灰度图通过第一阈值分割为二值化图像。
本实施例中，通过测试获取第一阈值，然后采用第一阈值对灰度图进行分割，得到二值化图像，后续对二值化图像进行处理，获取紫边边缘时，可以使紫边边缘的范围更叫准确。
进一步地，处理器1110用于对高亮区域进行填充以及膨胀处理，得到第二图像，具体包括：
处理器1110，用于获取二值化图像中离散的高亮区域，并填充离散的高亮区域，得到第五图像。
处理器1110，用于获取第五图像中集中的高亮区域，并膨胀集中的高亮区域，得到第六图像。
处理器1110，用于合并第五图像和第六图像，得到第二图像。
本实施例中，对于二值化图像中存在的离散高亮区域进行填充，可以使得提炼紫边出现区域的准确度更高。并且，只在明显的亮暗交界处去除紫边，不会影响到紫色物体的原始颜色，提升用户观看体验。
进一步地，处理器1110用于基于第一图像和第二图像，获取紫边出现区域，具体包括：
处理器1110，用于将第一图像与第二图像进行合并，得到紫边出现区域。
本实施例中，通过合并第一图像和第二图像，可以得到紫边出现区域，这种方式能够提升获取紫边区域的准确度。
进一步地，处理器1110用于基于紫边出现区域，对第一图像进行处理，得到第三图像，具体包括：
处理器1110，用于将紫边出现区域与第一图像进行合并，得到第三图像。
本实施例中，通过合并紫边出现区域和第一图像即原始输入图像获取第三图像，后续进一步对第三图像进行处理，即可实现去除紫边，提升用户观看体验。
进一步地，处理器1110用于对第三图像进行色彩空间变换，得到第四图像，具体包括：
处理器1110，用于将第三图像转换为HSV色彩空间，得到第四图像。
本实施例中，针对第三图像，将其转换到HSV色彩空间，得到第四图像，第四图像即为去除紫边的图像。用户对房源进行查看时，呈现出去除紫边效果的图，可以提升用户观看体验。
在本申请的一些实施例中，处理器1110用于获取紫边区域内目标像素第一饱和度，基于第一饱和度，将目标像素的饱和度设置为第二饱和度，得到第五图像，具体包括：
处理器1110，用于第一饱和度获取模块用于获取目标像素的第一饱和度。
处理器1110，用于基于第一饱和度的占比，获取第二饱和度。
处理器1110，用于将目标像素的饱和度设置为第二饱和度。
本实施例中，针对每个图像的紫边区域均存在差异的情况，计算紫边区域内目标像素的第一饱和度，然后根据得到的第一饱和度进行动态调整，将紫边区域的饱和度设置为第二饱和度，此时，饱和度高的就降的多，饱和度低的降的少，提升去紫边准确度。
应理解的是，本申请实施例中，输入单元1104可以包括图形处理器(GraphicsProcessing Unit，GPU)11041和麦克风11042，图形处理器11041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1106可包括显示面板11061，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11061。用户输入单元1107包括触控面板11071以及其他输入设备11072中的至少一种。触控面板11071，也称为触摸屏。触控面板11071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11072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1109可用于存储软件程序以及各种数据。存储器1109可主要包括存储程序或指令的第一存储区和存储数据的第二存储区，其中，第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器1109可以包括易失性存储器或非易失性存储器，或者，存储器1109可以包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，DRRAM)。本申请实施例中的存储器1109包括但不限于这些和任意其它适合类型的存储器。
处理器1110可包括一个或多个处理单元；可选的，处理器1110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涉及操作系统、用户界面和应用程序等的操作，调制解调处理器主要处理无线通信信号，如基带处理器。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1110中。
本申请实施例还提供一种可读存储介质，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，处理器为上述实施例中的电子设备中的处理器。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ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例另提供了一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，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。
本申请实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如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，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 (15)
1.一种图像处理方法，其特征在于，包括：
获取第一图像；
对所述第一图像进行图像预处理，得到二值化图像；
获取所述二值化图像的高亮区域；
对所述高亮区域进行填充以及膨胀处理，得到第二图像；
基于所述第一图像和所述第二图像，获取紫边出现区域；
基于所述紫边出现区域，对所述第一图像进行处理，得到第三图像；
对所述第三图像进行色彩空间变换，得到第四图像；
基于所述第四图像和紫色色相阈值，获取紫边区域；
获取所述紫边区域内目标像素第一饱和度，基于所述第一饱和度，将所述目标像素的饱和度设置为第二饱和度，得到第五图像。
2.根据权利要求1所述的图像处理方法，其特征在于，所述对所述第一图像进行图像预处理，得到二值化图像，具体包括：
将所述第一图像转换为灰度图；
将所述灰度图分割为二值化图像。
3.根据权利要求2所述的图像处理方法，其特征在于，所述将所述灰度图分割为二值化图像，具体包括：
将所述灰度图通过第一阈值分割为所述二值化图像。
4.根据权利要求1所述的图像处理方法，其特征在于，所述对所述高亮区域进行填充以及膨胀处理，得到第二图像，具体包括：
获取所述二值化图像中离散的高亮区域，并填充所述离散的高亮区域，得到第五图像；
获取所述第五图像中集中的高亮区域，并膨胀所述集中的高亮区域，得到第六图像；
合并所述第五图像和所述第六图像，得到所述第二图像。
5.根据权利要求1所述的图像处理方法，其特征在于，所述基于所述第一图像和所述第二图像，获取紫边出现区域，具体包括：
将所述第一图像与所述第二图像进行合并，得到所述紫边出现区域。
6.根据权利要求1所述的图像处理方法，其特征在于，所述基于所述紫边出现区域，对所述第一图像进行处理，得到第三图像，具体包括：
将所述紫边出现区域与所述第一图像进行合并，得到第三图像。
7.根据权利要求1所述的图像处理方法，其特征在于，对所述第三图像进行色彩空间变换，得到第四图像，具体包括：
将所述第三图像转换为HSV色彩空间，得到所述第四图像。
8.根据权利要求1至7中任一项所述的图像处理方法，其特征在于，所述获取所述紫边区域内目标像素第一饱和度，基于所述第一饱和度，将所述目标像素的饱和度设置为第二饱和度，得到第五图像，具体包括：
获取所述目标像素的第一饱和度；
基于所述第一饱和度的占比，获取所述第二饱和度；
将所述目标像素的饱和度设置为所述第二饱和度。
9.一种图像处理装置，其特征在于，包括：
第一获取模块，用于获取第一图像；
第一处理模块，用于对所述第一图像进行图像预处理，得到二值化图像；
第二获取模块，用于获取所述二值化图像的高亮区域；
第二处理模块，用于对所述高亮区域进行填充以及膨胀处理，得到第二图像；
第三获取模块，用于基于所述第一图像和所述第二图像，获取紫边出现区域；
第三处理模块，用于基于所述紫边出现区域，对所述第一图像进行处理，得到第三图像；
变换模块，用于对所述第三图像进行色彩空间变换，得到第四图像；
第四获取模块，用于基于所述第四图像和紫色色相阈值，获取紫边区域；
第五获取模块，用于获取所述紫边区域内目标像素第一饱和度，基于所述第一饱和度，将所述目标像素的饱和度设置为第二饱和度，得到第五图像。
10.根据权利要求9所述的图像处理装置，其特征在于，所述第一处理模块具体包括：
灰度图转换模块，用于将所述第一图像转换为灰度图；
二值化图像转换模块，用于将所述灰度图分割为二值化图像。
11.根据权利要求10所述的图像处理装置，其特征在于，所述二值化图像转换模块包括：
分割模块，用于将所述灰度图通过第一阈值分割为所述二值化图像。
12.根据权利要求9所述的图像处理装置，其特征在于，所述第二处理模块具体包括：
填充模块，用于获取所述二值化图像中离散的高亮区域，并填充所述离散的高亮区域，得到第五图像；
膨胀模块，用于获取所述第五图像中集中的高亮区域，并膨胀所述集中的高亮区域，得到第六图像；
第一合并模块，用于合并所述第五图像和所述第六图像，得到所述第二图像。
13.根据权利要求9所述的图像处理装置，其特征在于，所述第五获取模块包括：
第一饱和度获取模块，用于获取所述目标像素的第一饱和度；
第二饱和度获取模块，用于基于所述第一饱和度的占比，获取所述第二饱和度；
设置模块，用于将所述目标像素的饱和度设置为所述第二饱和度。
14.一种电子设备，其特征在于，包括：
存储器，其上存储有程序或指令；
处理器，用于执行所述程序或指令时实现如权利要求1至8中任一项所述的图像处理方法的步骤。
15.一种可读存储介质，其上存储有程序或指令，其特征在于，所述程序或指令被处理器执行时实现如权利要求1至8中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 |
|---|---|---|---|
| CN202210311321.8A CN114782261B (zh) | 2022-03-28 | 2022-03-28 | 图像处理方法和装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210311321.8A CN114782261B (zh) | 2022-03-28 | 2022-03-28 | 图像处理方法和装置、电子设备和可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114782261A true CN114782261A (zh) | 2022-07-22 |
| CN114782261B CN114782261B (zh) | 2024-09-17 |
Family
ID=82424456
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210311321.8A Active CN114782261B (zh) | 2022-03-28 | 2022-03-28 | 图像处理方法和装置、电子设备和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114782261B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101840576A (zh) * | 2010-05-12 | 2010-09-22 | 浙江大学 | 一种可视化的测试数码相机各个成像区域分辨率的方法 |
| US20130100310A1 (en) * | 2010-07-05 | 2013-04-25 | Nikon Corporation | Image processing device, imaging device, and image processing program |
| CN111199524A (zh) * | 2019-12-26 | 2020-05-26 | 浙江大学 | 一种针对可调光圈光学系统的图像紫边校正方法 |
| CN111353960A (zh) * | 2020-03-02 | 2020-06-30 | 浙江大学 | 一种基于区域生长与交叉通道信息的图像紫边校正方法 |
-
2022
- 2022-03-28 CN CN202210311321.8A patent/CN114782261B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101840576A (zh) * | 2010-05-12 | 2010-09-22 | 浙江大学 | 一种可视化的测试数码相机各个成像区域分辨率的方法 |
| US20130100310A1 (en) * | 2010-07-05 | 2013-04-25 | Nikon Corporation | Image processing device, imaging device, and image processing program |
| CN111199524A (zh) * | 2019-12-26 | 2020-05-26 | 浙江大学 | 一种针对可调光圈光学系统的图像紫边校正方法 |
| CN111353960A (zh) * | 2020-03-02 | 2020-06-30 | 浙江大学 | 一种基于区域生长与交叉通道信息的图像紫边校正方法 |
Non-Patent Citations (1)
| Title |
|---|
| BAEK-KYU KIM等: "Automatic detection and correction of purple fringing using the gradient information and desaturation", 《16TH EUROPEAN SIGNAL PROCESSING CONFERENCE》, 31 December 2008 (2008-12-31), pages 1 - 5 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114782261B (zh) | 2024-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shi et al. | Normalised gamma transformation‐based contrast‐limited adaptive histogram equalisation with colour correction for sand–dust image enhancement | |
| US9679366B2 (en) | Guided color grading for extended dynamic range | |
| US20090041375A1 (en) | Viewing wide angle images using dynamic tone mapping | |
| CN105657272A (zh) | 一种终端设备及其拍摄方法 | |
| CN110288549B (zh) | 视频修复方法、装置及电子设备 | |
| CN112419218B (zh) | 图像处理方法、装置及电子设备 | |
| CN112508820A (zh) | 图像处理方法、装置及电子设备 | |
| CN112511890A (zh) | 视频图像处理方法、装置及电子设备 | |
| CN114782261B (zh) | 图像处理方法和装置、电子设备和可读存储介质 | |
| CN113012085A (zh) | 图像处理方法和装置 | |
| CN112446848A (zh) | 图像处理方法、装置及电子设备 | |
| CN113393391A (zh) | 图像增强方法、图像增强装置、电子设备和存储介质 | |
| US20210014563A1 (en) | Video fractal cross correlated action bubble transition | |
| Wang et al. | Near-infrared fusion for deep lightness enhancement | |
| Jiang et al. | An image defogging method using adaptive bi-channel priors | |
| CN114638951B (zh) | 房屋模型的展示方法、装置、电子设备和可读存储介质 | |
| CN116453131B (zh) | 文档图像矫正方法、电子设备及存储介质 | |
| CN113923367B (zh) | 拍摄方法、拍摄装置 | |
| CN117097983A (zh) | 图像处理方法及装置 | |
| CN117746175A (zh) | 模型训练方法、图像处理方法、装置和设备 | |
| CN117793513A (zh) | 视频处理方法及其装置 | |
| CN115423817A (zh) | 图像分割方法、装置、电子设备和介质 | |
| CN116862801A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN116721377A (zh) | 场景获取方法、装置和电子设备 | |
| CN115376121A (zh) | 图像识别方法、装置、电子设备和可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |