CN115082347A - 图像优化方法、装置、电子设备及计算机可读存储介质 - Google Patents

图像优化方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN115082347A
CN115082347A CN202210761111.9A CN202210761111A CN115082347A CN 115082347 A CN115082347 A CN 115082347A CN 202210761111 A CN202210761111 A CN 202210761111A CN 115082347 A CN115082347 A CN 115082347A
Authority
CN
China
Prior art keywords
image
mapping table
camera
optimization method
gamma mapping
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
CN202210761111.9A
Other languages
English (en)
Inventor
邹毅
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.)
Sky Light Electronic Shenzhen Ltd corp
Original Assignee
Sky Light Electronic Shenzhen Ltd corp
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 Sky Light Electronic Shenzhen Ltd corp filed Critical Sky Light Electronic Shenzhen Ltd corp
Priority to CN202210761111.9A priority Critical patent/CN115082347A/zh
Publication of CN115082347A publication Critical patent/CN115082347A/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
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种图像优化方法、装置、电子设备及计算机可读存储介质，该图像优化方法包括有如下步骤：获取相机拍摄的raw图的亮度直方图；根据亮度直方图计算图像模糊指标graylevel；根据图像模糊指标graylevel确定目标gamma映射表；根据所述目标gamma映射表对所述raw图进行图像校正得到优化后的图像。本发明根据不同的图像模糊指标graylevel，选择不同的gamma映射表对在不同灰朦场景下拍摄得到的raw图进行图像校正，提高了图像的清晰度，解决了现有技术中存在的逆光拍摄导致图像模糊、镜头油污使图像模糊的技术问题。

Description

图像优化方法、装置、电子设备及计算机可读存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像优化方法、装置及计算机可读存储介质。
背景技术
随着人们生活水平的提高，摄像头、数码相机、摄录机等视频捕捉采集设备，使用的越来越普遍，需要更好的图像处理方法，来满足复杂的使用场景。目前监控行业的摄像头，普遍存在逆光拍摄导致图像模糊、镜头油污使图像模糊、红外夜视模式有反光物体时画面模糊等问题。
发明内容
本发明所要解决的技术问题在于提供一种图像优化方法、装置、电子设备及计算机可读存储介质，可以解决现有技术中存在的逆光拍摄导致图像模糊、镜头油污使图像模糊的技术问题。
为解决上述技术问题，本发明采用如下所述的技术方案：
本发明第一方面提供了一种图像优化方法，其包括有如下步骤：获取相机拍摄的raw图的亮度直方图；根据亮度直方图计算图像模糊指标graylevel；根据图像模糊指标graylevel确定目标gamma映射表；根据所述目标gamma映射表对所述raw图进行图像校正得到优化后的图像。
本发明第二方面提供了一种图像优化方法，其包括有如下步骤：获取相机拍摄的raw图的亮度直方图；确定相机当前的工作模式，相机的工作模式包括白天模式和红外夜视模式；根据亮度直方图和相机当前的工作模式计算图像模糊指标graylevel；根据相机当前的工作模式和图像模糊指标graylevel确定目标gamma映射表；根据所述目标gamma映射表对所述raw图进行图像校正得到优化后的图像。
本发明第三方面提供了一种图像优化装置，其包括有：直方图获取模块，用于获取相机拍摄的raw图的亮度直方图；模糊指标计算模块，用于根据亮度直方图计算图像模糊指标graylevel；映射表确定模块，用于根据图像模糊指标graylevel确定目标gamma映射表；图像校正模块，用于根据所述目标gamma映射表对所述raw图进行图像校正得到优化后的图像。
本发明第四方面提供了一种图像优化装置，其包括有：直方图获取模块，用于获取相机拍摄的raw图的亮度直方图；工作模式确定模块，用于确定相机当前的工作模式，相机的工作模式包括白天模式和红外夜视模式；模糊指标计算模块，用于根据亮度直方图和相机当前的工作模式计算图像模糊指标graylevel；映射表确定模块，用于根据相机当前的工作模式和图像模糊指标graylevel确定目标gamma映射表；图像校正模块，用于根据所述目标gamma映射表对所述raw图进行图像校正得到优化后的图像。
本发明第五方面提供了一种电子设备，其包括有至少一个处理器以及与所述处理器通信连接的至少一个存储器，其中，所述存储器存储有程序指令，所述程序指令被所述处理器调用执行时实现上述的图像优化方法。
本发明第六方面提供了一种计算机存储介质，其存储有程序指令，所述程序指令被处理器执行时实现上述的图像优化方法。
本发明的有益技术效果在于：本发明通过根据相机拍摄的raw图的亮度直方图计算图像模糊指标graylevel，再根据图像模糊指标graylevel选择对应的gamma映射表对所述raw图进行图像校正，针对不同的图像模糊指标graylevel，选择不同的gamma映射表对在不同灰朦场景下拍摄得到的raw图进行图像校正，提高了图像的清晰度，解决了现有技术中存在的逆光拍摄导致图像模糊、镜头油污使图像模糊的技术问题。
附图说明
图1为本发明一个实施例中的图像优化方法的工作流程图；
图2为本发明另一个实施例中的图像优化方法的工作流程图；
图3为本发明一个实施例中的图像优化装置的结构示意图；
图4为本发明另一个实施例中的图像优化装置的结构示意图。
具体实施方式
为使本领域的普通技术人员更加清楚地理解本发明的目的、技术方案和优点，以下结合附图和实施例对本发明做进一步的阐述。
如图1所示，在本发明一些实施例中，图像优化方法包括有如下步骤：
S10、获取相机拍摄的raw图的亮度直方图。
在该步骤中，所要处理的对象是相机摄像头拍摄的未经过处理的原始图像数据，即raw图，通过对raw图进行处理，获取亮度直方图以待后续分析处理用。
S20、根据亮度直方图计算图像模糊指标graylevel。
在该步骤中，可以将所述亮度直方图划分为多个不同的亮度区间，再对多个不同亮度区间的像素点进行加权求和，从而得到图像模糊指标graylevel，该图像模糊指标graylevel代表了图像的模糊程度(也称灰朦程度)。
在具体实施例中，可以将亮度直方图按亮度(0～255)分为52个亮度区间，即亮度0～4为亮度区间1，亮度5～9为亮度区间2，...，亮度250～254为亮度区间51，亮度256为亮度区间52。然后，使用不同的权值对52个亮度区间的像素点进行加权求和，得到图像模糊指标graylevel。
在实际应用中，由于亮度0～4，5～9，...，35-39这几个亮度区间的像素点对图像灰朦程度影响最大，所以为了减少运算，可以只对这几个亮度区间的像素点进行加权求和，即可得到图像模糊指标graylevel。
因此，可以采用如下公式计算得到图像模糊指标graylevel：
Figure BDA0003721027420000041
其中，xi代表亮度直方图中亮度为i的像素点数量，0≤i≤255，k1、k2、…k8为常量。
针对不同的相机，k1、k2、…k8的数值也不相同，k1、k2、…k8可以通过相机调试获得。k1、k2、…k8调试的目的是为了使graylevel数值变化与人眼对图像灰朦程度变化的主观感受接近，使graylevel数值与图像灰朦程度之间保持线性关系。k1、k2、…k8调试过程如下：
先任意设置一组权重(即k1、k2、…k8)，手动增减0～4亮度区间的权重(k1)，使不同graylevel数值(比如100，200，300，...，500)时的图像灰朦程度变化趋势往线性化方向发展，不断重复此过程，直到选出最合适的权重k1。完成0～4亮度区间的权重调试后，再手动增减5～9亮度区间的权重(k2)，使不同graylevel数值时的图像灰朦程度变化趋势往线性化方向发展，不断重复此过程，直到选出最合适的权重k2。以此类推，完成k1、k2、…k8的全部调试过程。
S30、根据图像模糊指标graylevel确定目标gamma映射表。
在该步骤中，在确定了图像模糊指标graylevel之后，可以根据图像模糊指标graylevel确定对应的gamma映射表(本文中称为目标gamma映射表)。
在本发明的一个优选实施例中，步骤S30可以进一步包括：确定所述图像模糊指标graylevel对应的目标灰朦场景；将预设的与所述目标灰朦场景对应的gamma映射表确定为目标gamma映射表。
在该实施例中，可以预先将拍摄场景按灰朦程度划分为多个不同的灰朦场景，不同灰朦场景对应不同区间的graylevel数值，同时，每一灰朦场景对应预设有一gamma映射表。例如，可以按灰朦程度将拍摄场景划分为5个不同灰朦场景，即灰朦场景1，灰朦场景2，...，灰朦场景5，其中灰朦场景1画面最通透，灰朦场景5画面最灰朦，并为每一灰朦场景对应预设一gamma映射表。
为灰朦场景对应预设gamma映射表的过程如下：
先调节拍摄场景逆光程度，使相机处于特定灰朦场景(灰朦程度通过graylevel数值表征)下，拍摄20级灰阶卡图；再利用公式G(mi)＝ni/mi，构建当前灰朦场景下gamma映射表，其中i代表灰阶卡中的第i阶灰度，ni代表第i阶灰度的理想亮度，ni可以直接从灰阶卡中获取，mi代表相机对灰阶卡图(RAW图)中第i阶灰度的测量亮度，G(mi)代表gamma表中输入为mi的项，表征的是输入值(mi)与输出值(ni)之间的映射关系。
在该实施例中，在确定了图像模糊指标graylevel之后，可以根据图像模糊指标graylevel查询确定对应的灰朦场景，记为目标灰朦场景，并将预设的与所述目标灰朦场景对应的gamma映射表确定为目标gamma映射表。
S40、根据所述目标gamma映射表对所述raw图进行图像校正得到优化后的图像。
在该步骤中，在确定了目标gamma映射表之后，可以根据目标gamma映射表对所述raw图进行图像校正得到优化后的图像。同一物体处于不同灰朦场景，相机拍摄得到的raw图具有不同的图像模糊指标graylevel，选择不同的目标gamma映射表对在不同灰朦场景下拍摄得到的raw图进行图像校正，优化后输出的图像效果一致。
本实施例中的图像优化方法，通过根据相机拍摄的raw图的亮度直方图计算图像模糊指标graylevel，再根据图像模糊指标graylevel选择对应的gamma映射表对所述raw图进行图像校正，针对不同的图像模糊指标graylevel，选择不同的gamma映射表对在不同灰朦场景下拍摄得到的raw图进行图像校正，提高了图像的清晰度，解决了现有技术中存在的逆光拍摄导致图像模糊、镜头油污使图像模糊的技术问题。
在本发明的一些优选实施例中，会对图像模糊指标graylevel进行量级转换，将最通透场景下的graylevel值转换为0，将最灰朦场景下的graylevel值转换为500，中间按比例转换，从而将图像模糊指标graylevel的取值范围转换成0～500。因此，在步骤20确定图像模糊指标graylevel后，需要将graylevel值转换成0～500中的一个数值；相应地，gamma映射表中使用的graylevel值也是经过转换量级后的数值。通过对图像模糊指标graylevel进行量级转换，可以使得调试维护等工作更方便。
如图2所示，在本发明另一些实施例中，图像优化方法包括有如下步骤：
S110、获取相机拍摄的raw图的亮度直方图。
在该步骤中，所要处理的对象是相机摄像头拍摄的未经过处理的原始图像数据，即raw图，通过对raw图进行处理，获取亮度直方图以待后续分析处理用。
S120、确定相机当前的工作模式。
相机有两种工作模式，包括白天模式和红外夜视模式。在该步骤中，可以通过获取相机的相关数据直接识别相机当前的工作模式为白天模式或者红外夜视模式。
S130、根据亮度直方图和相机当前的工作模式计算图像模糊指标graylevel。
在该步骤中，可以将所述亮度直方图划分为多个不同的亮度区间，再对多个不同亮度区间的像素点进行加权求和，从而得到图像模糊指标graylevel，该图像模糊指标graylevel代表了图像的模糊程度(也称灰朦程度)。
在具体实施例中，可以将亮度直方图按亮度(0～255)分为52个亮度区间，即亮度0～4为亮度区间1，亮度5～9为亮度区间2，...，亮度250～254为亮度区间51，亮度256为亮度区间52。然后，使用不同的权值对52个亮度区间的像素点进行加权求和，得到图像模糊指标graylevel。
在实际应用中，由于亮度0～4，5～9，...，35-39这几个亮度区间的像素点对图像灰朦程度影响最大，所以为了减少运算，可以只对这几个亮度区间的像素点进行加权求和，即可得到图像模糊指标graylevel。
因此，可以采用如下公式计算得到图像模糊指标graylevel：
Figure BDA0003721027420000071
其中，xi代表亮度直方图中亮度为i的像素点数量，k1、k2、…k8为常量。
针对不同的相机，k1、k2、…k8的数值也不相同，k1、k2、…k8可以通过相机调试获得。k1、k2、…k8调试的目的是为了使graylevel数值变化与人眼对图像灰朦程度变化的主观感受接近，使graylevel数值与图像灰朦程度之间保持线性关系。
由于相机具有白天模式和红外夜视模式两种工作模式，COMS(Charge coupledDevice，电荷耦合元件，也可以称为CCD图像传感器)对红外线的光谱曲线和对可见光的光谱曲线感应不一样，因此需要调试两组权值来分别计算白天模式和红外夜视模式下的图像模糊指标graylevel。
针对白天模式，k1、k2、…k8调试过程如下：
相机切换至白天模式，任意设置一组权重(即k1、k2、…k8)，手动增减0～4亮度区间的权重(k1)，使不同graylevel数值(比如100，200，300，...，500)时的图像灰朦程度变化趋势往线性化方向发展，不断重复此过程，直到选出最合适的权重k1。完成0～4亮度区间的权重调试后，再手动增减5～9亮度区间的权重(k2)，使不同graylevel数值时的图像灰朦程度变化趋势往线性化方向发展，不断重复此过程，直到选出最合适的权重k2。以此类推，完成白天模式下k1、k2、…k8的全部调试过程。
针对红外夜视模式，k1、k2、…k8调试过程如下：
相机切换至红外夜视模式，任意设置一组权重(即k1、k2、…k8)，手动增减0～4亮度区间的权重(k1)，使不同graylevel数值(比如100，200，300，...，500)时的图像灰朦程度变化趋势往线性化方向发展，不断重复此过程，直到选出最合适的权重k1。完成0～4亮度区间的权重调试后，再手动增减5～9亮度区间的权重(k2)，使不同graylevel数值时的图像灰朦程度变化趋势往线性化方向发展，不断重复此过程，直到选出最合适的权重k2。以此类推，完成红外夜视模式下k1、k2、…k8的全部调试过程。
S140、根据相机当前的工作模式和图像模糊指标graylevel确定目标gamma映射表。
在该步骤中，在确定了相机当前的工作模式以及图像模糊指标graylevel之后，可以根据相机当前的工作模式以及图像模糊指标graylevel确定对应的gamma映射表(本文中称为目标gamma映射表)。
在该实施例中，可以预先将拍摄场景按灰朦程度划分为多个不同的灰朦场景，不同灰朦场景对应不同区间的graylevel数值，同时，每一灰朦场景对应预设有一gamma映射表。例如，可以按灰朦程度将拍摄场景划分为5个不同灰朦场景，即灰朦场景1，灰朦场景2，...，灰朦场景5，其中灰朦场景1画面最通透，灰朦场景5画面最灰朦，并为每一灰朦场景对应预设一gamma映射表。
由于相机的不同工作模式下，因此，针对白天模式和红外夜视模式，需要预设两组对应的gamma映射表，其中一组gamma映射表与白天模式下的多个不同灰朦场景一一对应，另一组gamma映射表与红外夜视模式的多个不同灰朦场景一一对应。
白天模式下，为灰朦场景对应预设gamma映射表的过程如下：
相机切换至白天模式，调节拍摄场景逆光程度，使相机处于特定灰朦场景(灰朦程度通过graylevel数值表征)下，拍摄20级灰阶卡图；再利用公式G(mi)＝ni/mi，构建当前灰朦场景下gamma映射表，其中i代表灰阶卡中的第i阶灰度，ni代表第i阶灰度的理想亮度，ni可以直接从灰阶卡中获取，mi代表相机对灰阶卡图(RAW图)中第i阶灰度的测量亮度，G(mi)代表gamma表中输入为mi的项，表征的是输入值(mi)与输出值(ni)之间的映射关系。
红外夜视模式下，为灰朦场景对应预设gamma映射表的过程如下：
相机切换至红外夜视模式，调节拍摄场景逆光程度，使相机处于特定灰朦场景(灰朦程度通过graylevel数值表征)下，拍摄20级灰阶卡图；再利用公式G(mi)＝ni/mi，构建当前灰朦场景下gamma映射表，其中i代表灰阶卡中的第i阶灰度，ni代表第i阶灰度的理想亮度，ni可以直接从灰阶卡中获取，mi代表相机对灰阶卡图(RAW图)中第i阶灰度的测量亮度，G(mi)代表gamma表中输入为mi的项，表征的是输入值(mi)与输出值(ni)之间的映射关系。
在该实施例中，在确定了相机当前的工作模式以及图像模糊指标graylevel之后，可以根据相机当前的工作模式以及图像模糊指标graylevel查询确定对应的灰朦场景，记为目标灰朦场景，并将预设的与所述目标灰朦场景对应的gamma映射表确定为目标gamma映射表。
S150、根据所述目标gamma映射表对所述raw图进行图像校正得到优化后的图像。
在该步骤中，在确定了目标gamma映射表之后，可以根据目标gamma映射表对所述raw图进行图像校正得到优化后的图像。同一物体处于不同灰朦场景，相机拍摄得到的raw图具有不同的图像模糊指标graylevel，选择不同的目标gamma映射表对在不同灰朦场景下拍摄得到的raw图进行图像校正，优化后输出的图像效果一致。
本实施例中的图像优化方法，通过根据相机拍摄的raw图的亮度直方图计算图像模糊指标graylevel，再根据图像模糊指标graylevel选择对应的gamma映射表对所述raw图进行图像校正，针对不同的图像模糊指标graylevel，选择不同的gamma映射表对在不同灰朦场景下拍摄得到的raw图进行图像校正，提高了图像的清晰度，解决了现有技术中存在的逆光拍摄导致图像模糊、镜头油污使图像模糊的技术问题。此外，在白天模式和红外夜视模式下，通过对图像模糊指标graylevel的计算方式以及目标gamma映射表的确定方式进行调整，进一步提高了图像的质量。
如图3所示，基于图1所示实施例中的图像优化方法，本发明提供了一种图像优化装置，该图像优化装置包括有直方图获取模块10、模糊指标计算模块20、映射表确定模块30和图像校正模块40。
直方图获取模块10，用于获取相机拍摄的raw图的亮度直方图，即用于执行图1所示实施例中的图像优化方法中的步骤S10。
模糊指标计算模块20，用于根据亮度直方图计算图像模糊指标graylevel，即用于执行图1所示实施例中的图像优化方法中的步骤S20。
映射表确定模块30，用于根据图像模糊指标graylevel确定目标gamma映射表，即用于执行图1所示实施例中的图像优化方法中的步骤S30。
图像校正模块40，用于根据所述目标gamma映射表对所述raw图进行图像校正得到优化后的图像，即用于执行图1所示实施例中的图像优化方法中的步骤S40。
如图4所示，基于图2所示实施例中的图像优化方法，本发明提供了一种图像优化装置，该图像优化装置包括有直方图获取模块110、工作模式确定模块120、模糊指标计算模块130、映射表确定模块140和图像校正模块150。
直方图获取模块110，用于获取相机拍摄的raw图的亮度直方图，即用于执行图2所示实施例中的图像优化方法中的步骤S110。
工作模式确定模块120，用于确定相机当前的工作模式，即用于执行图2所示实施例中的图像优化方法中的步骤S120。其中，相机的工作模式包括白天模式和红外夜视模式。
模糊指标计算模块130，用于根据亮度直方图和相机当前的工作模式计算图像模糊指标graylevel，即用于执行图2所示实施例中的图像优化方法中的步骤S130。
映射表确定模块140，用于根据相机当前的工作模式和图像模糊指标graylevel确定目标gamma映射表，即用于执行图2所示实施例中的图像优化方法中的步骤S140。
图像校正模块150，用于根据所述目标gamma映射表对所述raw图进行图像校正得到优化后的图像，即用于执行图2所示实施例中的图像优化方法中的步骤S150。
本发明还提供了一种电子设备，所述电子设备包括有处理器以及与所述处理器通信连接的存储器，其中，存储器用于存储各种类型的数据以支持在该设备上的操作，这些数据可以包括用于在该设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如，用于执行图1或图2所示实施例中的图像优化方法的程序指令。该存储器可以由任何类型的一个或一个以上易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。处理器可以采用一个或一个以上，处理器用于控制该设备的整体操作，通过调用执行所述存储器存储的程序指令，以完成图1或图2所示实施例中的图像优化方法的步骤。
本发明还提供了一种计算机存储介质，所述计算机存储介质存储有程序指令，该程序指令被处理器执行时实现上述图像优化方法的步骤。其中，该存储介质可以为上述包括程序指令的存储器，上述程序指令可由处理器执行以完成图1或图2所示实施例中的图像优化方法的步骤。
以上所述仅为本发明的优选实施例，而非对本发明做任何形式上的限制。本领域的技术人员可在上述实施例的基础上施以各种等同的更改和改进，凡在权利要求范围内所做的等同变化或修饰，均应落入本发明的保护范围之内。

Claims (10)

1.一种图像优化方法，其特征在于，所述图像优化方法包括有如下步骤：
S10、获取相机拍摄的raw图的亮度直方图；
S20、根据亮度直方图计算图像模糊指标graylevel；
S30、根据图像模糊指标graylevel确定目标gamma映射表；
S40、根据所述目标gamma映射表对所述raw图进行图像校正得到优化后的图像。
2.如权利要求1所述的图像优化方法，其特征在于，所述步骤S20进一步包括有：
将所述亮度直方图划分为多个不同的亮度区间；
对多个不同亮度区间的像素点进行加权求和得到图像模糊指标graylevel。
3.如权利要求2所述的图像优化方法，其特征在于，采用如下公式计算得到图像模糊指标graylevel：
Figure FDA0003721027410000011
其中，xi代表亮度直方图中亮度为i的像素点数量，k1、k2、…k8为常量。
4.如权利要求1-3任一项所述的图像优化方法，其特征在于，所述步骤S30进一步包括有：
确定所述图像模糊指标graylevel对应的目标灰朦场景；
将预设的与所述目标灰朦场景对应的gamma映射表确定为目标gamma映射表。
5.一种图像优化方法，其特征在于，所述图像优化方法包括有如下步骤：
S110、获取相机拍摄的raw图的亮度直方图；
S120、确定相机当前的工作模式，相机的工作模式包括白天模式和红外夜视模式；
S130、根据亮度直方图和相机当前的工作模式计算图像模糊指标graylevel；
S140、根据相机当前的工作模式和图像模糊指标graylevel确定目标gamma映射表；
S150、根据所述目标gamma映射表对所述raw图进行图像校正得到优化后的图像。
6.一种图像优化装置，其特征在于，所述图像优化装置包括有：
直方图获取模块，用于获取相机拍摄的raw图的亮度直方图；
模糊指标计算模块，用于根据亮度直方图计算图像模糊指标graylevel；
映射表确定模块，用于根据图像模糊指标graylevel确定目标gamma映射表；
图像校正模块，用于根据所述目标gamma映射表对所述raw图进行图像校正得到优化后的图像。
7.权利要求6所述的图像优化装置，其特征在于，所述模糊指标计算模块用于将所述亮度直方图划分为多个不同的亮度区间，以及用于对多个不同亮度区间的像素点进行加权求和得到图像模糊指标graylevel。
8.一种图像优化装置，其特征在于，所述图像优化装置包括有：
直方图获取模块，用于获取相机拍摄的raw图的亮度直方图；
工作模式确定模块，用于确定相机当前的工作模式，相机的工作模式包括白天模式和红外夜视模式；
模糊指标计算模块，用于根据亮度直方图和相机当前的工作模式计算图像模糊指标graylevel；
映射表确定模块，用于根据相机当前的工作模式和图像模糊指标graylevel确定目标gamma映射表；
图像校正模块，用于根据所述目标gamma映射表对所述raw图进行图像校正得到优化后的图像。
9.一种电子设备，其特征在于，所述电子设备包括有至少一个处理器以及与所述处理器通信连接的至少一个存储器，其中，所述存储器存储有程序指令，所述程序指令被所述处理器调用执行时实现权利要求1至5任一项所述的图像优化方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有程序指令，所述程序指令被处理器执行时实现权利要求1至5任一项所述的图像优化方法。
CN202210761111.9A 2022-06-29 2022-06-29 图像优化方法、装置、电子设备及计算机可读存储介质 Pending CN115082347A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210761111.9A CN115082347A (zh) 2022-06-29 2022-06-29 图像优化方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210761111.9A CN115082347A (zh) 2022-06-29 2022-06-29 图像优化方法、装置、电子设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN115082347A true CN115082347A (zh) 2022-09-20

Family

ID=83254990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210761111.9A Pending CN115082347A (zh) 2022-06-29 2022-06-29 图像优化方法、装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN115082347A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002232728A (ja) * 2001-01-30 2002-08-16 Minolta Co Ltd 画像処理プログラム、画像処理プログラムを記録したコンピュータ読み取り可能な記録媒体、画像処理装置および画像処理方法
CN102196175A (zh) * 2010-03-10 2011-09-21 索尼公司 图像处理设备和方法以及程序
CN102385746A (zh) * 2010-09-06 2012-03-21 索尼公司 图像处理装置及其方法,以及程序
CN105100632A (zh) * 2014-05-13 2015-11-25 北京展讯高科通信技术有限公司 成像设备自动曝光的调整方法及装置、成像设备
CN109741288A (zh) * 2019-01-04 2019-05-10 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN110139020A (zh) * 2018-02-09 2019-08-16 杭州海康威视数字技术股份有限公司 一种图像处理方法及其装置
CN113920022A (zh) * 2021-09-29 2022-01-11 深圳市景阳科技股份有限公司 一种图像优化方法、装置、终端设备及可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002232728A (ja) * 2001-01-30 2002-08-16 Minolta Co Ltd 画像処理プログラム、画像処理プログラムを記録したコンピュータ読み取り可能な記録媒体、画像処理装置および画像処理方法
CN102196175A (zh) * 2010-03-10 2011-09-21 索尼公司 图像处理设备和方法以及程序
CN102385746A (zh) * 2010-09-06 2012-03-21 索尼公司 图像处理装置及其方法,以及程序
CN105100632A (zh) * 2014-05-13 2015-11-25 北京展讯高科通信技术有限公司 成像设备自动曝光的调整方法及装置、成像设备
CN110139020A (zh) * 2018-02-09 2019-08-16 杭州海康威视数字技术股份有限公司 一种图像处理方法及其装置
CN109741288A (zh) * 2019-01-04 2019-05-10 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN113920022A (zh) * 2021-09-29 2022-01-11 深圳市景阳科技股份有限公司 一种图像优化方法、装置、终端设备及可读存储介质

Similar Documents

Publication Publication Date Title
US10997696B2 (en) Image processing method, apparatus and device
CN108055452B (zh) 图像处理方法、装置及设备
CN109767467A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
WO2020033524A1 (en) Artificial intelligence techniques for image enhancement
CN108111749B (zh) 图像处理方法和装置
CN108090886B (zh) 一种高动态范围红外图像的显示与细节增强方法
CN109785240B (zh) 一种低照度图像增强方法、装置及图像处理设备
CN108024054B (zh) 图像处理方法、装置、设备及存储介质
CN112752023B (zh) 一种图像调整方法、装置、电子设备及存储介质
CN110660090B (zh) 主体检测方法和装置、电子设备、计算机可读存储介质
CN108156369B (zh) 图像处理方法和装置
CN111565261B (zh) 图像处理方法、装置及电子设备
CN108024057B (zh) 背景虚化处理方法、装置及设备
CN110866486B (zh) 主体检测方法和装置、电子设备、计算机可读存储介质
CN108989699B (zh) 图像合成方法、装置、成像设备、电子设备以及计算机可读存储介质
CN114331907A (zh) 颜色阴影校正方法及装置
CN110782400A (zh) 一种自适应的光照均匀实现方法和装置
CN107635124B (zh) 人脸拍摄的白平衡处理方法、装置及设备
CN113411510A (zh) 一种基于图像质量评价和红热锻件的相机自动曝光算法
CN115278103B (zh) 一种基于环境感知的安防监控图像补偿处理方法及系统
CN115082347A (zh) 图像优化方法、装置、电子设备及计算机可读存储介质
CN114582278B (zh) Led显示屏亮度校正系数调整方法、装置及校正系统
GB2588616A (en) Image processing method and apparatus
CN106973194A (zh) 拍摄装置、图像处理装置、图像处理方法
CN114283170B (zh) 一种光斑提取方法

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