CN115082291A - 图像亮度调整的方法、计算机程序产品、电子设备及介质 - Google Patents
图像亮度调整的方法、计算机程序产品、电子设备及介质 Download PDFInfo
- Publication number
- CN115082291A CN115082291A CN202210564955.4A CN202210564955A CN115082291A CN 115082291 A CN115082291 A CN 115082291A CN 202210564955 A CN202210564955 A CN 202210564955A CN 115082291 A CN115082291 A CN 115082291A
- Authority
- CN
- China
- Prior art keywords
- image
- original image
- gray value
- probability
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004590 computer program Methods 0.000 title claims description 28
- 238000013507 mapping Methods 0.000 claims abstract description 212
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 230000001186 cumulative effect Effects 0.000 claims description 80
- 238000005315 distribution function Methods 0.000 claims description 78
- 230000008859 change Effects 0.000 claims description 67
- 238000003860 storage Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 51
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000000903 blocking effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 230000003796 beauty Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请属于图像处理技术领域,公开了图像亮度调整的方法、计算机程序产品、电子设备及介质,该方法包括,基于待处理的原始图像中各像素点的灰度值,以及参考图像中各像素点的灰度值,确定原始图像和参考图像之间的全局亮度映射关系,以及确定原始图像与参考图像中多对图像块各自对应的局部亮度映射关系,全局亮度映射关系用于指示原始图像中的像素点与参考图像中对应位置的像素点之间的灰度值的转换关系,根据全局亮度映射关系以及各局部亮度映射关系,分别对原始图像中的每一原始图像块进行亮度调整;基于调整后的各原始图像块,生成调整后的原始图像。这样,提高了不同图像之间的亮度一致性。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及图像亮度调整的方法、计算机程序产品、电子设备及介质。
背景技术
在图像处理的过程中,通常需要对图像的灰度值进行调整,以保持不同图像(如,同一视频中相近的两个视频帧)之间的亮度一致性。
现有技术下,通常基于直方图匹配的方式,按照参考图像对原始图像的灰度值进行调整,以对原始图像和参考图像进行亮度一致性调整。
但是,采用这种方式对图像进行亮度一致性调整时,通常存在图像亮度一致性较差的问题。
发明内容
本申请实施例的目的在于提供图像亮度调整的方法、计算机程序产品、电子设备及介质,用以在对不同图像进行亮度一致性调整时,提高不同图像之间的亮度一致性。
一方面,提供一种图像亮度调整的方法,包括:
基于待处理的原始图像中各像素点的灰度值,以及参考图像中各像素点的灰度值,确定原始图像和参考图像之间的全局亮度映射关系,以及确定原始图像与参考图像中多对图像块各自对应的局部亮度映射关系,全局亮度映射关系用于指示原始图像中的像素点与参考图像中对应位置的像素点之间的灰度值的转换关系,每对图像块的局部亮度映射关系用于指示每对图像块中的原始图像块的像素点与每对图像块中的参考图像中对应位置的像素点之间的灰度值的转换关系;根据全局亮度映射关系以及各局部亮度映射关系,分别对原始图像中的每一原始图像块进行亮度调整;基于调整后的各原始图像块,生成调整后的原始图像。
在上述实现过程中,基于图像分块调整亮度一致性的思想,提高了图像的局部区域、高光区域以及暗区的亮度一致性。
一种实施方式中,基于待处理的原始图像中各像素点的灰度值,以及参考图像中各像素点的灰度值,确定原始图像和参考图像之间的全局亮度映射关系,包括:基于原始图像中各像素点的灰度值,分别确定原始图像中每一灰度值的像素点概率,每一灰度值的像素点概率是基于每一灰度值的像素点数量在原始图像中所有像素点的总数量的占比确定的;根据原始图像中各灰度值的像素点概率,获得原始图像的概率累积分布函数,概率累积分布函数用于指示各灰度值分别在图像中的像素点概率的累积分布;基于参考图像中各像素点的灰度值,分别确定参考图像中每一灰度值的像素点概率;根据参考图像中每一灰度值的像素点概率,获得参考图像的概率累积分布函数;根据原始图像的概率累积分布函数,以及参考图像的概率累积分布函数,确定全局亮度映射关系。
在上述实现过程中,采用直方图匹配的方式,可以确定整个图像之间的全局亮度映射关系,从而可以通过全局亮度映射关系进行灰度值转换。
一种实施方式中,确定原始图像和参考图像中多对图像块的局部亮度映射关系,包括:分别针对每一对图像块,执行以下步骤:基于一对图像块中的原始图像块中各像素点的灰度值,分别确定原始图像块中每一灰度值的像素点概率;根据原始图像块中各灰度值的像素点概率,获得原始图像块的概率累积分布函数,概率累积分布函数用于指示各灰度值分别在图像中的像素点概率的累积分布;基于一对图像块中的参考图像块中各像素点的灰度值,分别确定参考图像块中每一灰度值的像素点概率;根据参考图像块中各灰度值的像素点概率,获得参考图像块的概率累积分布函数;根据原始图像块的概率累积分布函数,以及参考图像块的概率累积分布函数,确定一对图像块的局部亮度映射关系。
在上述实现过程中,采用直方图匹配的方式,可以确定局部的图像块之间的全局亮度映射关系,从而可以通过全局亮度映射关系进行灰度值转换。
一种实施方式中,根据全局亮度映射关系以及各局部亮度映射关系,分别对原始图像中的每一原始图像块进行亮度调整,包括:分别针对每一对图像块,执行以下步骤:确定一对图像块的局部亮度映射关系的亮度映射变化率,亮度映射变化率用于指示局部亮度映射关系对应的局部亮度映射曲线的斜率;判断亮度映射变化率是否符合局部映射条件,若是,则根据一对图像块对应的局部亮度映射关系,对一对图像块中的原始图像块进行亮度调整;否则,根据全局亮度映射关系,对一对图像块中的原始图像块进行亮度调整。
在上述实现过程中,将全局亮度映射关系和局部亮度映射关系结合,对于存在异常突变的图像块,采用全局亮度映射关系进行图像调整,对于未出现异常突变的图像块,采用局部亮度映射关系进行图像调整,从而可以解决图像块的样本少导致的异常问题,消除基于图像块的亮度一致性调整存在的负增益问题。
一种实施方式中,亮度映射变化率为多个,判断亮度映射变化率是否符合局部映射条件,包括:若各亮度映射变化率均小于变化率阈值,则确定亮度映射变化率符合局部映射条件。
在上述实现过程中,可以通过亮度映射变化率判断全局亮度映射关系是否存在异常。
一种实施方式中,基于调整后的各原始图像块,生成调整后的原始图像,包括:确定相邻的原始图像块在原始图像中的重叠区域,原始图像块是按照目标尺寸从原始图像中划分出的,目标尺寸为相邻图像块之间的重叠区域的尺寸;针对原始图像中的重叠区域中的目标像素点,从调整后的各原始图像块中,筛选出包含目标像素点的多个目标图像块,目标像素点为重叠区域中的任一像素点;确定目标像素点分别在每一目标图像块中的灰度值和权重;将目标像素点的各灰度值进行加权求和;根据加权求和结果,调整目标像素点分别在每一目标图像块中的灰度值,获得调整后的目标图像块;将调整后的各目标图像块进行组合,获得调整后的原始图像。
在上述实现过程中,通过像素点在多个原始图像块中的灰度值以及权重,对图像块边界的重叠区域中的该像素点的灰度值进行调整,从而避免了图像块边界的过渡不自然现象,消除了块效应的问题。
一种实施方式中,确定目标像素点分别在每一目标图像块中的权重,包括:根据目标像素点在调整后的各目标图像块中的灰度值,分别确定目标像素点在每一目标图像块中的权重;或者,根据目标像素点与各目标图像块的中心点的距离,分别确定目标像素点在每一目标图像块中的权重。
在上述实现过程中,根据目标像素点与各图像块的距离或者在各图像块中的灰度值,确定权重,以调整灰度值。
一方面,提供一种图像亮度调整的装置,包括:
确定单元,用于基于待处理的原始图像中各像素点的灰度值,以及参考图像中各像素点的灰度值,确定原始图像和参考图像之间的全局亮度映射关系,以及确定原始图像与参考图像中多对图像块各自对应的局部亮度映射关系,全局亮度映射关系用于指示原始图像中的像素点与参考图像中对应位置的像素点之间的灰度值的转换关系,每对图像块的局部亮度映射关系用于指示每对图像块中的原始图像块的像素点与每对图像块中的参考图像中对应位置的像素点之间的灰度值的转换关系;调整单元,用于根据全局亮度映射关系以及各局部亮度映射关系,分别对原始图像中的每一原始图像块进行亮度调整;生成单元,用于基于调整后的各原始图像块,生成调整后的原始图像。
一种实施方式中,确定单元用于:基于原始图像中各像素点的灰度值,分别确定原始图像中每一灰度值的像素点概率,每一灰度值的像素点概率是基于每一灰度值的像素点数量在原始图像中所有像素点的总数量的占比确定的;根据原始图像中各灰度值的像素点概率,获得原始图像的概率累积分布函数,概率累积分布函数用于指示各灰度值分别在图像中的像素点概率的累积分布;基于参考图像中各像素点的灰度值,分别确定参考图像中每一灰度值的像素点概率;根据参考图像中每一灰度值的像素点概率,获得参考图像的概率累积分布函数;根据原始图像的概率累积分布函数,以及参考图像的概率累积分布函数,确定全局亮度映射关系。
一种实施方式中,确定单元用于:分别针对每一对图像块,执行以下步骤:基于一对图像块中的原始图像块中各像素点的灰度值,分别确定原始图像块中每一灰度值的像素点概率;根据原始图像块中各灰度值的像素点概率,获得原始图像块的概率累积分布函数,概率累积分布函数用于指示各灰度值分别在图像中的像素点概率的累积分布;基于一对图像块中的参考图像块中各像素点的灰度值,分别确定参考图像块中每一灰度值的像素点概率;根据参考图像块中各灰度值的像素点概率,获得参考图像块的概率累积分布函数;根据原始图像块的概率累积分布函数,以及参考图像块的概率累积分布函数,确定一对图像块的局部亮度映射关系。
一种实施方式中,调整单元用于:分别针对每一对图像块,执行以下步骤:确定一对图像块的局部亮度映射关系的亮度映射变化率,亮度映射变化率用于指示局部亮度映射关系对应的局部亮度映射曲线的斜率;判断亮度映射变化率是否符合局部映射条件,若是,则根据一对图像块对应的局部亮度映射关系,对一对图像块中的原始图像块进行亮度调整;否则,根据全局亮度映射关系,对一对图像块中的原始图像块进行亮度调整。
一种实施方式中,亮度映射变化率为多个,调整单元用于:若各亮度映射变化率均小于变化率阈值,则确定亮度映射变化率符合局部映射条件。
一种实施方式中,生成单元用于:确定相邻的原始图像块在原始图像中的重叠区域,原始图像块是按照目标尺寸从原始图像中划分出的,目标尺寸为相邻图像块之间的重叠区域的尺寸;针对原始图像中的重叠区域中的目标像素点,从调整后的各原始图像块中,筛选出包含目标像素点的多个目标图像块,目标像素点为重叠区域中的任一像素点;确定目标像素点分别在每一目标图像块中的灰度值和权重;将目标像素点的各灰度值进行加权求和;根据加权求和结果,调整目标像素点分别在每一目标图像块中的灰度值,获得调整后的目标图像块;将调整后的各目标图像块进行组合,获得调整后的原始图像。
一种实施方式中,生成单元用于:根据目标像素点在调整后的各目标图像块中的灰度值,分别确定目标像素点在每一目标图像块中的权重;或者,根据目标像素点与各目标图像块的中心点的距离,分别确定目标像素点在每一目标图像块中的权重。
一方面,提供了一种电子设备,包括:存储器以及处理器,存储器中存储有计算机程序指令,计算机程序指令被处理器读取并运行时,执行如上述任一种图像亮度调整的各种可选实现方式中提供的方法的步骤。
一方面,提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器读取并运行时,执行如上述任一种图像亮度调整的各种可选实现方式中提供的方法的步骤。
一方面,提供了一种计算机程序产品,包括计算机程序指令,计算机程序指令被处理器读取并运行时,执行如上述任一种图像亮度调整的各种可选实现方式中提供的方法的步骤。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种图像亮度调整的方法的实施流程图;
图2为本申请实施例提供的一种图像亮度调整的方法的具体实施流程图;
图3为本申请实施例提供的一种图像亮度调整的装置的结构框图;
图4为本申请实施方式中一种电子设备的结构示意图。
具体实施方式
近年来,基于人工智能的计算机视觉、深度学习、机器学习、图像亮度调整、图像识别等技术研究取得了重要进展。人工智能(Artificial Intelligence,简称AI)是研究、开发用于模拟、延伸人的智能的理论、方法、技术及应用系统的新兴科学技术。人工智能学科是一门综合性学科,涉及芯片、大数据、云计算、物联网、分布式存储、深度学习、机器学习、神经网络等诸多技术种类。计算机视觉作为人工智能的一个重要分支,具体是让机器识别世界,计算机视觉技术通常包括人脸识别、活体检测、指纹识别与防伪验证、生物特征识别、人脸检测、行人检测、目标检测、行人识别、图像亮度调整、图像识别、图像语义理解、图像检索、文字识别、视频处理、视频内容识别、行为识别、三维重建、虚拟现实、增强现实、同步定位与地图构建、计算摄影、机器人导航与定位等技术。随着人工智能技术的研究和进步,该项技术在众多领域展开了应用,例如安防、城市管理、交通管理、楼宇管理、园区管理、人脸通行、人脸考勤、物流管理、仓储管理、机器人、智能营销、计算摄影、手机影像、云服务、智能家居、穿戴设备、无人驾驶、自动驾驶、智能医疗、人脸支付、人脸解锁、指纹解锁、人证核验、智慧屏、智能电视、摄像机、移动互联网、网络直播、美颜、美妆、医疗美容、智能测温等领域。本申请实施例中的图像亮度调整的方法也利用了人工智能等方面的技术。
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
首先对本申请实施例中涉及的部分用语进行说明,以便于本领域技术人员理解。
终端设备:可以是移动终端、固定终端或便携式终端,例如移动手机、站点、单元、设备、多媒体计算机、多媒体平板、互联网节点、通信器、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、个人通信系统设备、个人导航设备、个人数字助理、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备或者其任意组合,包括这些设备的配件和外设或者其任意组合。还可预见到的是,终端设备能够支持任意类型的针对用户的接口(例如可穿戴设备)等。
服务器:可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务以及大数据和人工智能平台等基础云计算服务的云服务器。
灰度值:是指绘画、摄影作品或其他视觉作品等画面中每个颜色与自身色光对应的明度值。
图像直方图:用于表示图像各灰度值的统计特性与图像的灰度值的之间的映射关系,用于统计一幅图像中各个灰度值出现的像素点次数或像素点概率,从图形上来说,它是一个二维图。
直方图规定化:即直方图匹配,是指将一个图像的图像直方图变换到指定的形状,是一种图像增强技术。具体原理为:是对两个图像直方图都均衡化,变成相同的归一化的均匀直方图,并以此均匀直方图起到媒介作用,再对参考图像做均衡化的逆运算。
灰度分布函数:表示图像中各灰度值x与像素点概率P(x)之间的映射关系。
亮度映射关系:用于指示不同图像中的灰度值之间的转换关系。例如,亮度映射关系可以采用亮度映射表(Look-Up-Table,LUT)表示。
本申请实施例中,执行主体为用于图像亮度调整的电子设备,可选的,电子设备可以为服务器,也可以为终端设备,在此不作限制。
参阅图1所示,为本申请实施例提供的一种图像亮度调整的方法的实施流程图,该方法的具体实施流程如下:步骤101:基于待处理的原始图像中各像素点的灰度值,以及参考图像中各像素点的灰度值,确定原始图像和参考图像之间的全局亮度映射关系,以及确定原始图像与参考图像中多对图像块各自对应的局部亮度映射关系,全局亮度映射关系用于指示原始图像中的像素点与参考图像中对应位置的像素点之间的灰度值的转换关系,每对图像块的局部亮度映射关系用于指示每对图像块中的原始图像块的像素点与每对图像块中的参考图像中对应位置的像素点之间的灰度值的转换关系;步骤102:根据全局亮度映射关系以及各局部亮度映射关系,分别对原始图像中的每一原始图像块进行亮度调整;步骤103:基于调整后的各原始图像块,生成调整后的原始图像。
一种实施方式中,在需要将两个图像的亮度进行一致性调整时,将该两个图像中的一个图像,作为参考图像,将另一个图像作为待处理的原始图像。例如,确定接收到针对两个曝光度不同的图像(即图像ev0和图像ev2)的亮度一致性调整请求时,则将图像ev0确定为原始图像,将图像ev2确定为参考图像。
需要说明的是,确定全局亮度映射关系的步骤以及确定局部亮度映射的步骤,可以先后执行,也可以同时执行,两者的执行顺序不做限制。
本申请实施例中,基于图像分块调整亮度一致性的思想,结合全局亮度映射关系以及各局部亮度映射关系,对原始图像进行亮度调整,提高了图像的局部区域、高光区域以及暗区的亮度一致性。
在步骤101中的基于待处理的原始图像中各像素点的灰度值,以及参考图像中各像素点的灰度值,确定原始图像和参考图像之间的全局亮度映射关系,可以包括以下步骤:
S101a1:基于原始图像中各像素点的灰度值,分别确定原始图像中每一灰度值的像素点概率,每一灰度值的像素点概率是基于每一灰度值的像素点数量在原始图像中所有像素点的总数量的占比确定的。
一种实施方式中,统计原始图像中每一灰度值对应的像素点数量,以及原始图像中所有像素点的总数量,并根据各灰度值的像素点数量与总数量之间的比值,分别获得每一灰度值的像素点概率。
例如,原始图像中包含200个像素点,其中,有20个像素点的灰度值均为50,则灰度值50对应的像素点概率为20/200=0.1。
S101a2:根据原始图像中各灰度值的像素点概率,获得原始图像的概率累积分布函数。概率累积分布函数用于指示各灰度值分别在图像中的像素点概率的累积分布。
一种实施方式中,根据各灰度值分别对应的像素点概率,确定原始图像对应的灰度分布函数,并对原始图像对应的灰度分布函数,进行积分处理,获得原始图像的概率累积分布函数。
其中,灰度分布函数用于指示各灰度值分别在图像中的像素点概率,即表示图像中各灰度值x与像素点概率P(x)之间的映射关系。
可选的,灰度分布函数还可以采用图像直方图表示。图像直方图用于表示图像各灰度值的统计特性与图像的灰度值的之间的映射关系,用于统计一幅图像中各个灰度值出现的像素点次数或像素点概率,从图形上来说,它是一个二维图。作为一个示例,设置图像直方图的横坐标为灰度值,纵坐标为像素点概率,则可以基于原始图像中各像素点的灰度值,生成原始图像的图像直方图。进一步的,灰度分布函数还可以为用于指示图像中各灰度值的像素点数量等,在此不作限制。
其中,概率累积分布函数用于对像素点概率P(x)进行积分运算,以获得灰度值x与概率累积结果S(x)之间的映射关系,其中,S(x)为小于等于灰度值x的灰度值的像素点概率P(x)的和。可选的,概率累积分布函数还可以采用概率累积分布函数(CumulativeDistribution Function,CDF)曲线表示。其中,CDF曲线的横坐标为:灰度值x,纵坐标为:概率累积结果S(x)。
S101a3:基于参考图像中各像素点的灰度值,分别确定参考图像中每一灰度值的像素点概率。
一种实施方式中,统计参考图像中每一灰度值对应的像素点数量,以及参考图像中像素点的总数量,并根据各灰度值的像素点数量与总数量之间的比值,分别获得每一灰度值的像素点概率。
S101a4:根据参考图像中每一灰度值的像素点概率,获得参考图像的概率累积分布函数。
一种实施方式中,根据各灰度值分别对应的像素点概率,确定参考图像对应的灰度分布函数,并对参考图像对应的灰度分布函数,进行积分处理,获得参考图像的概率累积分布函数。可选的,参考图像的灰度分布函数也可以表示为图像直方图。
需要说明的是,可以基于与确定原始图像的概率累积分布函数相似的原理,确定参考图像的概率累积分布函数,在此不做赘述。
需要说明的是,确定原始图像的概率累积分布函数以及确定参考图像的概率累积分布函数,两者可以先后执行,也可以并行执行,两者的执行顺序在此不作限制。
S101a5:根据原始图像的概率累积分布函数,以及参考图像的概率累积分布函数,确定全局亮度映射关系。
具体的,基于直方图规定化技术(即直方图匹配),根据原始图像对应的概率累积分布函数,以及参考图像对应的概率累积分布函数,确定全局亮度映射关系。作为一个示例,全局亮度映射关系还可以采用LUT表示。亮度映射表又可以称为颜色查找表。通过LUT表可以进行灰度值转换,从而实现亮度的调整。其中,直方图规定化,即直方图匹配,是指将一个图像的图像直方图变换到指定的形状,是一种图像增强技术。具体原理为:是对两个图像直方图都均衡化,变成相同的归一化的均匀直方图,并以此均匀直方图起到媒介作用,再对参考图像做均衡化的逆运算。
其中,全局亮度映射关系的原理可以采用以下公式推导说明:原始图像的概率累积分布函数为F1(x1)=S1,参考图像的概率累积分布函数为F2(x2)=S2。若将参考图像和原始图像均衡化,变成相同的归一化的均匀直方图,则F1(x1)=S1=S2=F2(x2),由此可知,x2=F2-1(S2)=F2-1(S1)=F2-1(F1(x1)),即全局亮度映射关系可以表示为:x2=F2-1(F1(x1))。
其中,x1表示原始图像中的灰度值,x2表示参考图像中的灰度值。F1表示原始图像的概率累积分布函数,F2表示参考图像的概率累积分布函数,S1表示原始图像中的概率累积结果,S2表示参考图像中的概率累积结果。
这样,就可以确定原始图像和目标图像之间的全局亮度映射关系,即原始图像中像素点的灰度值与参考图像中相应位置的像素点的灰度值之间的映射关系(即转换关系)。
进一步的,还可以分别将原始图像和目标图像进行划分,获得多对图像块。需要说明的是,原始图像块是按照目标尺寸从原始图像中划分出的,参考图像块是按照目标尺寸从参考图像中划分出的。目标尺寸为相邻图像块(如,相邻原始图像块或相邻参考图像块)之间的重叠区域的尺寸。
一种实施方式中,获得多对图像块时,可以采用以下任一方式:
方式1:根据参考图像中各参考图像块所在的位置,对原始图像进行划分,获得各参考图像块在原始图像中对应位置的原始图像块。参考图像块是按照目标尺寸从参考图像中划分出的各图像块。
方式2:按照目标尺寸,分别将原始图像和参考图像进行分块,获得原始图像中各原始图像块及其在参考图像中对应位置的参考图像。
作为一个示例,采用部分重叠(overlap)思想,确定图像块的初始尺寸与目标尺寸的和,获得图像块尺寸,并按照图像块尺寸划分原始图像,获得多个原始图像块,以及按照图像块尺寸划分参考图像,获得多个参考图像块,并将原始图像中的各原始图像块,分别与参考图像中对应位置的参考图像块划分为同一组,获得多对图像块。相邻原始图像块中存在重叠区域,相邻参考图像块中存在重叠区域。
其中,初始尺寸用于指示图像块初始的大小,作为一个示例,初始尺寸是根据图像尺寸以及目标图像块数量(如,4个)确定的,作为另一个示例,初始尺寸是预先设置的。实际应用中,目标图像块数量、初始尺寸以及目标尺寸均可以根据实际应用场景进行设置,在此不作限制。
作为一个示例,获取原始图像的图像尺寸(包括图像长度和图像宽度),并根据图像尺寸以及目标图像块数量,计算出每一原始图像块的初始尺寸(包括初始长度和初始宽度),并确定初始尺寸与目标尺寸(包括目标长度和目标宽度)的和,获得原始图像块的图像块尺寸(图像块长度和图像块宽度),以及按照图像块尺寸,对原始图像进行划分,获得多个原始图像块。
作为一个示例,上述各尺寸(包括图像尺寸、初始尺寸、目标尺寸以及图像块尺寸)均可以采用分辨率描述,如,原始图像为分辨率为4000*3000(即图像尺寸)的图像。
例如,原始图像为分辨率为4000*3000的图像,需要将图像划分为10*10个图像块,则每一图像块的分辨率为(400+overlap)*(300+overlap)。其中,overlap为目标重叠分辨率。
本申请实施例中,可以基于与获得原始图像块相似的原理,获得参考图像中的各参考图像块,在此不做赘述。
这样,分别对原始图像以及参考图像进行分块处理后,相邻的图像块(即相邻的原始图像块,或者,相邻的参考图像块)之间均存在重叠区域。
需要说明的是,同一图像中不同图像块的大小可以相同,也可以不同。但是,参考图像和原始图像中每组匹配的图像块的大小是一致的。
这样,就可以分别将原始图像和参考图像进行分块,进而可以在后续步骤中,通过匹配的图像块进行亮度一致性调整。
一种实施方式中,将原始图像中的各原始图像块,分别与参考图像中对应位置的参考图像块划分为同一组,获得多对图像块,可以包括:根据各原始图像块的图像位置,以及各参考图像块的图像位置,将在不同图像中处于相同位置的图像块划分为同一组,获得多对图像块。
需要说明的是,原始图像中的第一对象(包括原始图像块以及像素点)在参考图像中对应位置的第二对象(包括原始图像块以及像素点),是指第一对象和第二对象在不同图像中的坐标位置或区域位置相同。如,原始图像中的像素点的坐标点为(0,0),则该像素点在参考图像中的坐标点也为(0,0)。
一种实施方式中,在步骤101中的确定原始图像和参考图像中多对图像块的局部亮度映射关系,可以包括:分别针对每一对图像块,执行以下步骤:
S101b1:基于一对图像块中的原始图像块中各像素点的灰度值,分别确定每一灰度值的像素点概率。
S101b2根据原始图像块中各灰度值的像素点概率,获得原始图像块的概率累积分布函数,概率累积分布函数用于指示各灰度值分别在图像中的像素点概率的累积分布。
S101b3:基于一对图像块中的参考图像块中各像素点的灰度值,分别确定参考图像中每一灰度值的像素点概率。
S101b4:根据参考图像块中各灰度值的像素点概率,获得参考图像块的概率累积分布函数。
本申请实施例中,可以基于与确定原始图像和参考图像的概率累积分布函数相似的原理,确定原始图像块和参考图像块的概率累积分布函数,在此不做赘述。
需要说明的是,确定原始图像块的概率累积分布函数的步骤与确定参考图像块的概率累积分布函数的步骤,两者可以先后执行,也可以并行执行,两者的执行顺序在此不作限制。
S101b5:根据原始图像块的概率累积分布函数,以及参考图像块的概率累积分布函数,确定一对图像块的局部亮度映射关系。作为一个示例,局部亮度映射关系还可以采用亮度映射表LUT表示。具体的,可以基于与确定全局亮度映射关系相似的原理,确定各对图像块的局部亮度映射关系,即执行步骤101b5时,具体步骤可以参见上述步骤101a5,在此不做赘述。
一种实施方式中,执行步骤102中的根据全局亮度映射关系以及各局部亮度映射关系,分别对原始图像中的每一原始图像块进行亮度调整,可以包括:分别针对每一对图像块,执行以下步骤:确定一对图像块的局部亮度映射关系的亮度映射变化率,亮度映射变化率用于指示局部亮度映射关系对应的局部亮度映射曲线的斜率。判断亮度映射变化率是否符合局部映射条件,若是,则根据一对图像块对应的局部亮度映射关系,对一对图像块中的原始图像块进行亮度调整;否则,根据全局亮度映射关系,对一对图像块中的原始图像块进行亮度调整。
一种实施方式中,确定一对图像块的局部亮度映射关系的亮度映射变化率,可以包括:局部亮度映射关系可以表示为局部亮度映射曲线。局部亮度映射曲线的横坐标为原始图像块中的灰度值(即原始图像灰度值),纵坐标为参考图像块中的灰度值(即参考图像灰度值)。局部亮度映射曲线中的坐标点为(原始图像灰度值,参考图像灰度值)。则按照局部亮度映射曲线中各坐标点的顺序,依次分别确定每n个坐标点对应的斜率,即亮度映射变化率。
其中,n表示设定间隔数量,为正整数。也就是说,设置步长为n,分别获得每一步长的局部亮度映射曲线的斜率。
实际应用中,n的大小可以根据实际应用场景进行设置,如,n可以为5,在此不作限制。亮度映射变化率的数量为多个。
其中,确定亮度映射变化率k时,可以采用以下公式:
k=(x2n1-x2n2)/(x1n1-x1n2);
其中,k为亮度映射变化率,(x1n1,x2n1)表示局部亮度映射曲线中第n1个坐标点,(x1n2,x2n2)示局部亮度映射曲线中第n2个坐标点,x1n1和x1n2均为原始图像灰度值,x2n1和x2n2均为参考图像灰度值。n2-n1为设定间隔数量n。
一种实施方式中,亮度映射变化率为多个,则判断亮度映射变化率是否符合局部映射条件,可以包括:若各亮度映射变化率均小于变化率阈值,则确定亮度映射变化率符合局部映射条件;若各亮度映射变化率中存在不小于变化率阈值的亮度映射变化率,则确定亮度映射变化率不符合局部映射条件。
具体的,局部映射条件以及变化率阈值均可以根据实际应用场景进行设置,在此不作限制。
进一步的,还可以根据不小于变化率阈值的亮度映射变化率的数量,判断亮度映射变化率是否符合局部映射条件。
例如,若各亮度映射变化率中不小于变化率阈值的亮度映射变化率高于设定数量,则确定亮度映射变化率不符合局部映射条件,否则,确定亮度映射变化率符合局部映射条件。
实际应用中,设定数量,均可以根据实际应用场景进行设置,在此不作限制。
进一步的,还可以根据亮度映射变化率的均值或均方差等,判断亮度映射变化率是否符合局部映射条件,自此不做限制。
例如,若各亮度映射变化率的均值或均方差小于变化率阈值的亮度映射变化率,则确定亮度映射变化率符合局部映射条件,否则,确定亮度映射变化率符合局部映射条件。
一种实施方式中,根据一对图像块对应的局部亮度映射关系,对一对图像块中的原始图像块进行亮度调整,可以包括:根据一对图像块对应的局部亮度映射关系,以及上述一对图像块中的原始图像块中各像素点的原始图像灰度值,分别获得每一原始图像灰度值对应的目标图像灰度值,并将各像素点的原始图像灰度值调整为对应的目标图像灰度值。
一种实施方式中,根据全局亮度映射关系,对一对图像块中的原始图像块进行亮度调整,可以包括:根据一对图像块对应的全局亮度映射关系,以及上述一对图像块中的原始图像块中各像素点的原始图像灰度值,分别获得每一原始图像灰度值对应的目标图像灰度值,并将各像素点的原始图像灰度值调整为对应的目标图像灰度值。
这是由于将图像分块后,图像块中的样本数量(即像素点数量)较少,在对图像块进行亮度映射关系统计时,可能会出现异常突变的问题,即在某个很小的范围内,局部亮度映射曲线有很大的跳跃,因此,本申请实施例中,将全局亮度映射关系和局部亮度映射关系结合,对于存在异常突变的图像块,采用全局亮度映射关系进行图像调整,对于未出现异常突变的图像块,采用局部亮度映射关系进行图像调整,从而可以解决图像块的样本少导致的异常问题,消除基于图像块的亮度一致性调整存在的负增益问题。
一种实施方式中,执行步骤103中的基于调整后的各原始图像块,生成调整后的原始图像,可以包括以下步骤:
S1031:确定相邻的原始图像块在原始图像中的重叠区域。
具体的,相邻的原始图像块之间均存在重叠的图像区域,即重叠区域。
S1032:针对原始图像中的重叠区域中的目标像素点,从调整后的各原始图像块中,筛选出包含目标像素点的多个目标图像块,目标像素点为重叠区域中的任一像素点。
这是由于位于重叠区域的目标像素点至少被两个目标图像块包含。重叠区域中的每一像素点至少被两个原始图像块覆盖,可以为二个、三个或者四个。覆盖同一像素点的原始图像块的数量,可以根据实际应用场景进行设置,在此不作限制。
S1033:确定目标像素点分别在每一目标图像块中的灰度值和权重,权重是根据目标像素点在调整后的各目标图像块中的灰度值或目标像素点与各目标图像块的中心点的距离确定的。
一种实施方式中,根据目标像素点在调整后的各目标图像块的灰度值,确定目标像素点在各目标图像块中的权重,其中,权重与灰度值呈正相关。
一种实施方式中,确定目标像素点分别与每一目标图像块的中心点之间的距离,并根据各距离,确定目标像素点在各目标图像块中的权重,其中,权重与距离呈负相关。
作为一个示例,目标像素点在目标图像块i中的权重可以为:
wi=(1/hi)/(1/h1+1/h2…+1/hi…1/hm);
其中,hi为目标像素点与目标图像块i之间的距离,m为目标图像块的总数量。
实际应用中,像素点与各原始图像块之间的距离的确定方式,还可以根据实际应用场景进行设置,在此不作限制。进一步的,也可以不对原始图像块进行筛选,这是由于目标像素点在未覆盖目标像素点的原始图像块中的灰度值为零,因此,即便不对原始图像块进行筛选,也不会影响后续的灰度值的加权求和结果。
S1034:将目标像素点的各灰度值进行加权求和。
具体的,对目标像素点的各灰度值进行加权求和时,可以采用以下公式:
Q=q1*w1+q2*w2……qi*wi;
其中,Q为目标像素点的各灰度值的加权求和结果,qi为目标像素点在第i个调整后的目标图像块中的灰度值,wi为目标像素点在第i个调整后的目标图像块中的权重。
S1035:根据加权求和结果,调整目标像素点分别在每一目标图像块中的灰度值,获得调整后的目标图像块;将调整后的各目标图像块进行组合,获得调整后的原始图像。
具体的,将上述一个像素点的灰度值,调整为该加权求和结果。需要说明的是,由于目标像素点为原始图像中的任一像素点,因此,对包含目标像素点的各目标图像块进行调整完成后,即是对所有原始图像块进行了再次调整,则将调整后的各目标图像块进行组合,获得调整后的原始图像,即基于再次调整后的所有原始图像块进行组合,获得调整后的原始图像。其中,在进行图像块组合时,按照相邻图像块中的重叠区域,将相邻图像块互相重叠后拼接,获得调整后的原始图像。
这是由于直接将调整后的原始图像块拼接后获得的图像,会存在块效应的问题,即在原始图像块的边界会出现不连续的问题,使得通过拼接获得的图像存在明显缺陷,因此,本申请实施例中,通过重叠区域的像素点在多个原始图像块中的灰度值,对该像素点的灰度值进行调整,从而避免了图像块边界的过渡不自然现象,消除了块效应的问题。
下面采用一个具体的应用场景,对上述实施例进行进一步举例说明,对参阅图2所示,为本申请实施例提供的一种图像亮度调整的方法的具体实施流程图,该方法的具体实施流程如下:
步骤200:接收针对原始图像和参考图像的亮度一致性调整请求。
步骤201:基于原始图像中各像素点的灰度值,以及参考图像中各像素点的灰度值,分别生成原始图像和参考图像的图像直方图。
步骤202:根据原始图像的图像直方图,生成原始图像的全局CDF曲线,并根据参考图像的图像直方图,生成参考图像的全局CDF曲线。
步骤203:根据原始图像的全局CDF曲线以及参考图像的全局CDF曲线,生成全局LUT表。
步骤204:基于overlap思想,分别对原始图像和参考图像进行分块,获得多对图像块。
步骤205:分别确定每一对图像块对应的局部LUT表。
步骤206:分别确定每一对图像块的局部亮度映射关系的亮度映射变化率。
步骤207:分别针对每一对图像块,若该对图像块的亮度映射变化率符合局部映射条件,则基于该对图像块的局部LUT表进行亮度调整,否则,基于全局LUT表进行亮度调整。
步骤208:分别对原始图像的重叠区域中的每一个像素点分别在各调整后的原始图像块中的灰度值和权重,进行加权求和。
步骤209:根据各像素点的加权求和结果,对原始图像中的相应像素点的灰度值进行调整,获得调整后的原始图像。
传统方式中,通常是基于整个图像进行亮度一致性调整,但是,这无法突出局部的图像分布特征,当图像中存在局部大面积过曝,或局部大面积死黑时,传统的亮度一致性调整方式,会将这些过曝或死黑的区域调整为灰色,使得图像的局部区域、高光区域以及暗区的亮度一致性均较差,而本申请实施例中,基于图像分块调整亮度一致性的思想,提高了图像的局部区域、高光区域以及暗区的亮度一致性,再者,将全局亮度映射关系和局部亮度映射关系结合,对于存在异常突变的图像块,采用全局亮度映射关系进行图像调整,对于未出现异常突变的图像块,采用局部亮度映射关系进行图像调整,从而可以解决图像块的样本少导致的异常问题,消除基于图像块的亮度一致性调整存在的负增益问题。进一步的,通过像素点在多个原始图像块中的灰度值值以及该像素点与各原始图像块之间的距离,对图像块边界的重叠区域中的该像素点的灰度值进行调整,从而避免了图像块边界的过渡不自然现象,消除了块效应的问题。
基于同一发明构思,本申请实施例中还提供了一种图像亮度调整的装置,由于上述装置及设备解决问题的原理与一种图像亮度调整的方法相似,因此,上述装置的实施可以参见方法的实施,重复之处不再赘述。
如图3所示,其为本申请实施例提供的一种图像亮度调整的装置的结构示意图,包括:
确定单元301,用于基于待处理的原始图像中各像素点的灰度值,以及参考图像中各像素点的灰度值,确定原始图像和参考图像之间的全局亮度映射关系,以及确定原始图像与参考图像中多对图像块各自对应的局部亮度映射关系,全局亮度映射关系用于指示原始图像中的像素点与参考图像中对应位置的像素点之间的灰度值的转换关系,每对图像块的局部亮度映射关系用于指示每对图像块中的原始图像块的像素点与每对图像块中的参考图像中对应位置的像素点之间的灰度值的转换关系;调整单元302,用于根据全局亮度映射关系以及各局部亮度映射关系,分别对原始图像中的每一原始图像块进行亮度调整;生成单元303,用于基于调整后的各原始图像块,生成调整后的原始图像。
一种实施方式中,确定单元301用于:基于原始图像中各像素点的灰度值,分别确定原始图像中每一灰度值的像素点概率,每一灰度值的像素点概率是基于每一灰度值的像素点数量在原始图像中所有像素点的总数量的占比确定的;根据原始图像中各灰度值的像素点概率,获得原始图像的概率累积分布函数,概率累积分布函数用于指示各灰度值分别在图像中的像素点概率的累积分布;基于参考图像中各像素点的灰度值,分别确定参考图像中每一灰度值的像素点概率;根据参考图像中每一灰度值的像素点概率,获得参考图像的概率累积分布函数;根据原始图像的概率累积分布函数,以及参考图像的概率累积分布函数,确定全局亮度映射关系。
一种实施方式中,确定单元301用于:分别针对每一对图像块,执行以下步骤:基于一对图像块中的原始图像块中各像素点的灰度值,分别确定原始图像块中每一灰度值的像素点概率;根据原始图像块中各灰度值的像素点概率,获得原始图像块的概率累积分布函数,概率累积分布函数用于指示各灰度值分别在图像中的像素点概率的累积分布;基于一对图像块中的参考图像块中各像素点的灰度值,分别确定参考图像块中每一灰度值的像素点概率;根据参考图像块中各灰度值的像素点概率,获得参考图像块的概率累积分布函数;根据原始图像块的概率累积分布函数,以及参考图像块的概率累积分布函数,确定一对图像块的局部亮度映射关系。
一种实施方式中,调整单元302用于:分别针对每一对图像块,执行以下步骤:确定一对图像块的局部亮度映射关系的亮度映射变化率,亮度映射变化率用于指示局部亮度映射关系对应的局部亮度映射曲线的斜率;判断亮度映射变化率是否符合局部映射条件,若是,则根据一对图像块对应的局部亮度映射关系,对一对图像块中的原始图像块进行亮度调整;否则,根据全局亮度映射关系,对一对图像块中的原始图像块进行亮度调整。
一种实施方式中,亮度映射变化率为多个,调整单元302用于:若各亮度映射变化率均小于变化率阈值,则确定亮度映射变化率符合局部映射条件。
一种实施方式中,生成单元303用于:确定相邻的原始图像块在原始图像中的重叠区域,原始图像块是按照目标尺寸从原始图像中划分出的,目标尺寸为相邻图像块之间的重叠区域的尺寸;针对原始图像中的重叠区域中的目标像素点,从调整后的各原始图像块中,筛选出包含目标像素点的多个目标图像块,目标像素点为重叠区域中的任一像素点;确定目标像素点分别在每一目标图像块中的灰度值和权重;将目标像素点的各灰度值进行加权求和;根据加权求和结果,调整目标像素点分别在每一目标图像块中的灰度值,获得调整后的目标图像块;将调整后的各目标图像块进行组合,获得调整后的原始图像。
一种实施方式中,生成单元303用于:根据目标像素点在调整后的各目标图像块中的灰度值,分别确定目标像素点在每一目标图像块中的权重;或者,根据目标像素点与各目标图像块的中心点的距离,分别确定目标像素点在每一目标图像块中的权重。
本申请实施例提供的图像亮度调整的方法、计算机程序产品、电子设备及介质中,基于待处理的原始图像中各像素点的灰度值,以及参考图像中各像素点的灰度值,确定原始图像和参考图像之间的全局亮度映射关系,以及确定原始图像与参考图像中多对图像块各自对应的局部亮度映射关系,全局亮度映射关系用于指示原始图像中的像素点与参考图像中对应位置的像素点之间的灰度值的转换关系,根据全局亮度映射关系以及各局部亮度映射关系,分别对原始图像中的每一原始图像块进行亮度调整;基于调整后的各原始图像块,生成调整后的原始图像。这样,提高了不同图像之间的亮度一致性。
图4示出了一种电子设备4000的结构示意图。参阅图4所示,电子设备4000包括:处理器4010以及存储器4020,可选的,还可以包括电源4030、显示单元4040、输入单元4050。
处理器4010是电子设备4000的控制中心,利用各种接口和线路连接各个部件,通过运行或执行存储在存储器4020内的软件程序和/或数据,执行电子设备4000的各种功能,从而对电子设备4000进行整体监控。
本申请实施例中,处理器4010调用存储器4020中存储的计算机程序时执行上述实施例中的各个步骤。
可选的,处理器4010可包括一个或多个处理单元;优选的,处理器4010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4010中。在一些实施例中,处理器、存储器、可以在单一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
存储器4020可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、各种应用等;存储数据区可存储根据电子设备4000的使用所创建的数据等。此外,存储器4020可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件等。
电子设备4000还包括给各个部件供电的电源4030(比如电池),电源可以通过电源管理系统与处理器4010逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗等功能。
显示单元4040可用于显示由用户输入的信息或提供给用户的信息以及电子设备4000的各种菜单等,本发明实施例中主要用于显示电子设备4000中各应用的显示界面以及显示界面中显示的文本、图片等对象。显示单元4040可以包括显示面板4041。显示面板4041可以采用液晶显示屏(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置。
输入单元4050可用于接收用户输入的数字或字符等信息。输入单元4050可包括触控面板4051以及其他输入设备4052。其中,触控面板4051,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触摸笔等任何适合的物体或附件在触控面板4051上或在触控面板4051附近的操作)。
具体的,触控面板4051可以检测用户的触摸操作,并检测触摸操作带来的信号,将这些信号转换成触点坐标,发送给处理器4010,并接收处理器4010发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板4051。其他输入设备4052可以包括但不限于物理键盘、功能键(比如音量控制按键、开关机按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
当然,触控面板4051可覆盖显示面板4041,当触控面板4051检测到在其上或附近的触摸操作后,传送给处理器4010以确定触摸事件的类型,随后处理器4010根据触摸事件的类型在显示面板4041上提供相应的视觉输出。虽然在图4中,触控面板4051与显示面板4041是作为两个独立的部件来实现电子设备4000的输入和输出功能,但是在某些实施例中,可以将触控面板4051与显示面板4041集成而实现电子设备4000的输入和输出功能。
电子设备4000还可包括一个或多个传感器,例如压力传感器、重力加速度传感器、接近光传感器等。当然,根据具体应用中的需要,上述电子设备4000还可以包括摄像头等其它部件,由于这些部件不是本申请实施例中重点使用的部件,因此,在图4中没有示出,且不再详述。
本领域技术人员可以理解,图4仅仅是电子设备的举例,并不构成对电子设备的限定,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。
本申请实施例中,一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器读取并运行时,执行上述实施例中的各个步骤。
本申请实施例中,一种计算机程序产品,包括计算机程序指令,计算机程序指令被处理器读取并运行时,执行上述实施例中的各个步骤。
为了描述的方便,以上各部分按照功能划分为各模块(或单元)分别描述。当然,在实施本申请时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种图像亮度调整的方法,其特征在于,包括:
基于待处理的原始图像中各像素点的灰度值,以及参考图像中各像素点的灰度值,确定所述原始图像和所述参考图像之间的全局亮度映射关系,以及确定所述原始图像与所述参考图像中多对图像块各自对应的局部亮度映射关系,所述全局亮度映射关系用于指示所述原始图像中的像素点与所述参考图像中对应位置的像素点之间的灰度值的转换关系,每对图像块的局部亮度映射关系用于指示所述每对图像块中的原始图像块的像素点与所述每对图像块中的参考图像中对应位置的像素点之间的灰度值的转换关系;
根据所述全局亮度映射关系以及各局部亮度映射关系,分别对所述原始图像中的每一原始图像块进行亮度调整;
基于调整后的各原始图像块,生成调整后的原始图像。
2.如权利要求1所述的方法,其特征在于,所述基于待处理的原始图像中各像素点的灰度值,以及参考图像中各像素点的灰度值,确定所述原始图像和所述参考图像之间的全局亮度映射关系,包括:
基于所述原始图像中各像素点的灰度值,分别确定所述原始图像中每一灰度值的像素点概率,每一灰度值的像素点概率是基于所述每一灰度值的像素点数量在所述原始图像中所有像素点的总数量的占比确定的;
根据所述原始图像中各灰度值的像素点概率,获得所述原始图像的概率累积分布函数,所述概率累积分布函数用于指示各灰度值分别在图像中的像素点概率的累积分布;
基于所述参考图像中各像素点的灰度值,分别确定所述参考图像中每一灰度值的像素点概率;
根据所述参考图像中每一灰度值的像素点概率,获得所述参考图像的概率累积分布函数;
根据所述原始图像的概率累积分布函数,以及所述参考图像的概率累积分布函数,确定所述全局亮度映射关系。
3.如权利要求1或2所述的方法,其特征在于,所述确定所述原始图像和所述参考图像中多对图像块的局部亮度映射关系,包括:
分别针对每一对图像块,执行以下步骤:
基于一对图像块中的原始图像块中各像素点的灰度值,分别确定所述原始图像块中每一灰度值的像素点概率;
根据所述原始图像块中各灰度值的像素点概率,获得所述原始图像块的概率累积分布函数,所述概率累积分布函数用于指示各灰度值分别在图像中的像素点概率的累积分布;
基于所述一对图像块中的参考图像块中各像素点的灰度值,分别确定所述参考图像块中每一灰度值的像素点概率;
根据所述参考图像块中各灰度值的像素点概率,获得所述参考图像块的概率累积分布函数;
根据所述原始图像块的概率累积分布函数,以及所述参考图像块的概率累积分布函数,确定所述一对图像块的局部亮度映射关系。
4.如权利要求1-3任一项所述的方法,其特征在于,所述根据所述全局亮度映射关系以及各局部亮度映射关系,分别对所述原始图像中的每一原始图像块进行亮度调整,包括:
分别针对每一对图像块,执行以下步骤:
确定一对图像块的局部亮度映射关系的亮度映射变化率,所述亮度映射变化率用于指示所述局部亮度映射关系对应的局部亮度映射曲线的斜率;
判断所述亮度映射变化率是否符合局部映射条件,若是,则根据所述一对图像块对应的局部亮度映射关系,对所述一对图像块中的原始图像块进行亮度调整;
否则,根据所述全局亮度映射关系,对所述一对图像块中的原始图像块进行亮度调整。
5.如权利要求4所述的方法,其特征在于,所述亮度映射变化率为多个,所述判断所述亮度映射变化率是否符合局部映射条件,包括:
若各亮度映射变化率均小于变化率阈值,则确定所述亮度映射变化率符合所述局部映射条件。
6.如权利要求1-5任一项所述的方法,其特征在于,所述基于调整后的各原始图像块,生成调整后的原始图像,包括:
确定相邻的原始图像块在所述原始图像中的重叠区域,所述原始图像块是按照目标尺寸从所述原始图像中划分出的,所述目标尺寸为相邻图像块之间的重叠区域的尺寸;
针对所述原始图像中的重叠区域中的目标像素点,从调整后的各原始图像块中,筛选出包含所述目标像素点的多个目标图像块,所述目标像素点为所述重叠区域中的任一像素点;
确定所述目标像素点分别在每一目标图像块中的灰度值和权重;
将所述目标像素点的各灰度值进行加权求和;
根据加权求和结果,调整所述目标像素点分别在每一目标图像块中的灰度值,获得调整后的目标图像块;
将调整后的各目标图像块进行组合,获得所述调整后的原始图像。
7.如权利要求6所述的方法,其特征在于,确定所述目标像素点分别在每一目标图像块中的权重,包括:
根据所述目标像素点在调整后的各目标图像块中的灰度值,分别确定所述目标像素点在每一目标图像块中的权重;
或者,根据所述目标像素点与各目标图像块的中心点的距离,分别确定所述目标像素点在每一目标图像块中的权重。
8.一种电子设备,其特征在于,包括:存储器以及处理器,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器读取并运行时,执行权利要求1-7中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器读取并运行时,执行如权利要求1-7中任一项所述的方法。
10.一种计算机程序产品,其特征在于,包括计算机程序指令,所述计算机程序指令被处理器读取并运行时,执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210564955.4A CN115082291A (zh) | 2022-05-23 | 2022-05-23 | 图像亮度调整的方法、计算机程序产品、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210564955.4A CN115082291A (zh) | 2022-05-23 | 2022-05-23 | 图像亮度调整的方法、计算机程序产品、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115082291A true CN115082291A (zh) | 2022-09-20 |
Family
ID=83248755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210564955.4A Pending CN115082291A (zh) | 2022-05-23 | 2022-05-23 | 图像亮度调整的方法、计算机程序产品、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115082291A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115442575A (zh) * | 2022-11-08 | 2022-12-06 | 广东电网有限责任公司中山供电局 | 一种基于视频质量评估的视频自适应传输方法及系统 |
CN116128759A (zh) * | 2023-02-08 | 2023-05-16 | 爱芯元智半导体(上海)有限公司 | 图像的光照补偿方法及其装置 |
-
2022
- 2022-05-23 CN CN202210564955.4A patent/CN115082291A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115442575A (zh) * | 2022-11-08 | 2022-12-06 | 广东电网有限责任公司中山供电局 | 一种基于视频质量评估的视频自适应传输方法及系统 |
CN116128759A (zh) * | 2023-02-08 | 2023-05-16 | 爱芯元智半导体(上海)有限公司 | 图像的光照补偿方法及其装置 |
CN116128759B (zh) * | 2023-02-08 | 2024-01-09 | 爱芯元智半导体(上海)有限公司 | 图像的光照补偿方法及其装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108898086B (zh) | 视频图像处理方法及装置、计算机可读介质和电子设备 | |
CN108846440B (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
CN111476309A (zh) | 图像处理方法、模型训练方法、装置、设备及可读介质 | |
US20220237887A1 (en) | Saliency of an Object for Image Processing Operations | |
CN112069414A (zh) | 推荐模型训练方法、装置、计算机设备及存储介质 | |
CN115082291A (zh) | 图像亮度调整的方法、计算机程序产品、电子设备及介质 | |
CN110189246A (zh) | 图像风格化生成方法、装置及电子设备 | |
CN110211017B (zh) | 图像处理方法、装置及电子设备 | |
CN116168038B (zh) | 一种图像翻拍检测的方法、装置、电子设备及存储介质 | |
CN111538852A (zh) | 多媒体资源处理方法、装置、存储介质及设备 | |
CN110852209B (zh) | 目标检测方法及装置、介质和设备 | |
CN113128526B (zh) | 图像识别方法、装置、电子设备和计算机可读存储介质 | |
CN114282587A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN117746015A (zh) | 小目标检测模型训练方法、小目标检测方法及相关设备 | |
CN110197459B (zh) | 图像风格化生成方法、装置及电子设备 | |
CN113515994A (zh) | 视频特征提取方法、装置、设备以及存储介质 | |
CN109799905B (zh) | 一种手部跟踪方法和广告机 | |
CN116563588A (zh) | 图像聚类方法、装置、电子设备及存储介质 | |
CN115002516B (zh) | 视频处理的系统、方法、电子设备、存储介质及程序产品 | |
CN110781809A (zh) | 基于注册特征更新的识别方法、装置及电子设备 | |
CN115984093A (zh) | 基于红外图像的深度估计方法、电子设备以及存储介质 | |
CN111652831B (zh) | 对象融合方法、装置、计算机可读存储介质及电子设备 | |
CN110348422B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN113705309A (zh) | 一种景别类型判断方法、装置、电子设备和存储介质 | |
CN113538537B (zh) | 图像配准、模型训练方法、装置、设备、服务器及介质 |
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 |