CN116157823A - 一种显示设备系统及自适应增强画质的方法 - Google Patents

一种显示设备系统及自适应增强画质的方法 Download PDF

Info

Publication number
CN116157823A
CN116157823A CN202180002630.0A CN202180002630A CN116157823A CN 116157823 A CN116157823 A CN 116157823A CN 202180002630 A CN202180002630 A CN 202180002630A CN 116157823 A CN116157823 A CN 116157823A
Authority
CN
China
Prior art keywords
image
iteration
contrast
original image
ith iteration
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
CN202180002630.0A
Other languages
English (en)
Inventor
吴艳红
陈冠男
朱丹
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Publication of CN116157823A publication Critical patent/CN116157823A/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
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • 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
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20004—Adaptive image processing
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • 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
    • G06T2210/32—Image data format

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本公开公开了一种显示设备系统及自适应增强画质的方法，用于最大限度的对不同图像的画质进行增强处理。包括：获取原始图像，利用包含迭代更新的滤波参数的至少一个滤波函数，对所述原始图像进行迭代的细节增强处理，确定所述输入图像和所述第i次迭代的细节增强图像的质量评价分数的差值满足迭代条件时，对所述第i次迭代的滤波参数进行更新，得到第i+1次迭代的滤波参数，利用包含第i+1次迭代的滤波参数的至少一个滤波函数，继续对输入图像进行细节增强处理，直至所述输入图像和所述第i+1次迭代的细节增强图像的质量评价分数的差值满足迭代条件时停止；所述显示设备系统还包括显示屏，被配置为显示最后一次迭代的细节增强图像。

Description

一种显示设备系统及自适应增强画质的方法 技术领域
本公开涉及图像处理技术领域，特别涉及一种显示设备系统及自适应增强画质的方法。
背景技术
画质增强的原理是通过调节图像画面的对比度、饱和度、颜色等使得画质得到一定程度的提升，视觉上能够提升画质的清晰度。目前应用于显示设备上的画质增强方案，都需要不断调试，根据不同的图像类型、图像内容不断调整参数，当使用该画质增强方案时，利用调整好的参数对输入的图像进行画质增强。
由于目前的画质增强方案，针对任一输入的图像在进行画质增强处理时，使用的参数都是固定的，而不同的图像对比度、饱和度、颜色等都存在差异，如果使用同一套参数对不同的图像进行画质增强，很容易导致画质增强的效果较差，无法根据输入的不同的图像自适应调整参数，并进行画质增强处理。
发明内容
本公开提供一种显示设备系统及自适应增强画质的方法，用于根据输入的不同图像的边缘特征和高频信息进行自适应的画质增强处理，从而最大限度的对不同图像的画质进行增强处理。
第一方面，本公开实施例提供的一种显示设备，包括：
存储器，其上存储有计算机可读指令；
处理器，被配置为运行所述计算机可读指令时执行如下步骤：
获取原始图像，利用包含迭代更新的滤波参数的至少一个滤波函数，对所述原始图像进行迭代的细节增强处理，具体包括：
对所述细节增强处理的输入图像，利用包含第i次迭代更新的滤波参数的 至少一个滤波函数，提取所述输入图像第i次迭代的特征信息，利用第i次迭代的特征信息对所述输入图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像；其中，所述输入图像包括与所述原始图像相关的图像，i为大于等于1的整数；
确定所述输入图像和所述第i次迭代的细节增强图像的质量评价分数的差值满足迭代条件时，对所述第i次迭代的滤波参数进行更新，得到第i+1次迭代的滤波参数，利用包含第i+1次迭代的滤波参数的至少一个滤波函数，继续对输入图像进行细节增强处理，直至所述输入图像和所述第i+1次迭代的细节增强图像的质量评价分数的差值满足迭代条件时停止；
所述显示设备系统还包括显示屏，被配置为显示最后一次迭代的细节增强图像。
所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，所述处理器具体还被配置为执行：
当确定所述原始图像为RGB图像时，对所述RGB的原始图像进行颜色通道HSV转换得到HSV的原始图像；
将所述HSV的原始图像的明度V通道图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述显示最后一次迭代的细节增强处理的图像之前，所述处理器具体还被配置为执行：
将最后一次迭代的细节增强处理的图像转换为RGB细节增强图像；
所述显示屏具体被配置为执行：
显示所述RGB细节增强图像。
作为一种可能的实施方式，所述处理器具体被配置为执行：
利用包含第i次迭代更新的第一滤波参数的第一滤波函数，提取所述原始图像第i次迭代的第一特征信息，利用第i次迭代的第一特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的第一增强图像；
利用包含第i次迭代更新的第二滤波参数的第二滤波函数，提取所述第一增强图像第i次迭代的第二特征信息，利用第i次迭代的第二特征信息对所述第一增强图像进行第i次迭代的细节增强处理，得到所述第i次迭代的细节增强图像。
作为一种可能的实施方式，所述处理器具体被配置为执行：
将第i次迭代的第一特征信息叠加到所述原始图像，得到第i次迭代的第一增强图像；
将第i次迭代的第二特征信息叠加到所述第i次迭代的第一增强图像，得到所述第i次迭代的细节增强图像。
作为一种可能的实施方式，所述控制器具体被配置为执行：
利用包含第i次迭代更新的第一滤波参数的第一滤波函数，对所述原始图像进行滤波，得到第i次迭代的第一滤波图；将所述原始图像与所述第i次迭代的第一滤波图相减，得到第i次迭代的第一特征信息；
利用包含第i次迭代更新的第二滤波参数的第二滤波函数，对所述第i次迭代的第一增强图像进行滤波，得到第i次迭代的第二滤波图；将所述第i次迭代的第一增强图与所述第i次迭代的第二滤波图相减，得到第i次迭代的第二特征信息。
作为一种可能的实施方式，所述第一滤波函数为导向滤波函数，所述第二滤波函数为高斯滤波函数；或，
所述第一滤波函数为高斯滤波函数，所述第二滤波函数为导向滤波函数。
作为一种可能的实施方式，所述原始图像的质量评价分数为，通过无参考图像质量评价NIQE算法对所述原始图像的质量进行评价，得到的第一NIQE分数；
所述第i次迭代的细节增强图像的质量评价分数为，通过NIQE算法对所述第i次迭代的细节增强图像的质量进行评价，得到的第二NIQE分数。
作为一种可能的实施方式，所述控制器具体被配置为执行：
确定所述第一NIQE分数和所述第二NIQE分数的差值，小于等于零或大 于等于预设阈值。
作为一种可能的实施方式，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，所述控制器具体还被配置为执行：
利用超分辨率算法，将超分处理的输入图像的分辨率重建到预设分辨率，得到重建图像，其中所述预设分辨率高于所述原始图像的分辨率；其中所述超分处理的输入图像为所述原始图像或对比度增强图像，所述对比度增强图像是对所述原始图像进行对比度增强处理后得到的；
以所述重建图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述控制器具体被配置为执行：
根据所述原始图像的尺寸确定与所述尺寸对应的超分倍率因子；
根据所述超分倍率因子以及超分辨率算法，将所述原始图像的分辨率重建到预设分辨率。
作为一种可能的实施方式，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，所述控制器具体还被配置为执行：
将经过超分处理的所述重建图像或者未经过超分处理的所述原始图像作为输入图像，利用迭代更新的伽马值进行迭代的对比度增强处理：
对所述对比度增强处理的输入图像，按照第j次迭代更新的伽马值进行伽马变换，得到第j次迭代的对比度增强图像；其中，j为大于等于1的整数；
确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值，大于对比度阈值时，将所述对比度增强的输入图像的对比度替换为所述第j次迭代的对比度增强图像的对比度，并对所述第j次迭代的伽马值进行更新，得到第j+1次迭代的伽马值，利用第j+1次迭代的伽马值，继续对所述对比度增强的输入图像进行迭代的对比度增强处理，直至确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值小于等于对比度阈值时停止；
将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像之前，所述控制器具体还被配置为执行：
确定所述对比度增强处理的输入图像和最后一次迭代的对比度增强图像的亮度均值的差值；
将所述差值与所述最后一次迭代的对比度增强图像的亮度进行叠加，得到叠加图像；
将所述叠加图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述利用迭代更新的伽马值进行迭代的对比度增强处理之前，所述控制器具体还被配置为执行：
当确定经过超分处理的所述重建图像为RGB图像时，将所述重建图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的V通道图像作为所述对比度增强处理的输入图像；或，
当确定未经过超分处理的所述原始图像为RGB图像时，将所述原始图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的V通道图像作为所述对比度增强处理的输入图像。
作为一种可能的实施方式，所述将所述叠加图像作为所述细节增强处理的输入图像之前，所述控制器具体还被配置为执行：
将所述叠加图像转换为RGB的叠加图像。
第二方面，本公开实施例提供的一种自适应增强画质的方法，该方法包括：
获取原始图像，利用包含迭代更新的滤波参数的至少一个滤波函数，对所述原始图像进行迭代的细节增强处理；具体包括：对所述细节增强处理的输入图像，利用包含第i次迭代更新的滤波参数的至少一个滤波函数，提取所述输入图像第i次迭代的特征信息，利用第i次迭代的特征信息对所述输入图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像；其中，所述输入图像包括与所述原始图像相关的图像，i为大于等于1的整数；
确定所述输入图像和所述第i次迭代的细节增强图像的质量评价分数的差值满足迭代条件时，对所述第i次迭代的滤波参数进行更新，得到第i+1次迭代的滤波参数，利用包含第i+1次迭代的滤波参数的至少一个滤波函数，继续对输入图像进行细节增强处理，直至所述输入图像和所述第i+1次迭代的细节增强图像的质量评价分数的差值满足迭代条件时停止；
显示最后一次迭代的细节增强图像。
作为一种可能的实施方式，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，该方法还包括：
当确定所述原始图像为RGB图像时，对所述RGB的原始图像进行颜色通道HSV转换得到HSV的原始图像；
将所述HSV的原始图像的明度V通道图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述显示最后一次迭代的细节增强处理的图像之前，该方法还包括：
将最后一次迭代的细节增强处理的图像转换为RGB细节增强图像；
所述显示最后一次迭代的细节增强图像，具体包括：
显示所述RGB细节增强图像。
作为一种可能的实施方式，所述利用包含第i次迭代更新的滤波参数的至少一个滤波函数，提取所述原始图像第i次迭代的特征信息，利用第i次迭代的特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像，具体包括：
利用包含第i次迭代更新的第一滤波参数的第一滤波函数，提取所述原始图像第i次迭代的第一特征信息，利用第i次迭代的第一特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的第一增强图像；
利用包含第i次迭代更新的第二滤波参数的第二滤波函数，提取所述第一增强图像第i次迭代的第二特征信息，利用第i次迭代的第二特征信息对所述 第一增强图像进行第i次迭代的细节增强处理，得到所述第i次迭代的细节增强图像。
作为一种可能的实施方式，所利用第i次迭代的第一特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的第一增强图像，包括：
将第i次迭代的第一特征信息叠加到所述原始图像，得到第i次迭代的第一增强图像；
所述利用第i次迭代的第二特征信息对所述第一增强图像进行第i次迭代的细节增强处理，包括：
将第i次迭代的第二特征信息叠加到所述第i次迭代的第一增强图像，得到所述第i次迭代的细节增强图像。
作为一种可能的实施方式，所述利用包含第i次迭代更新的第一滤波参数的第一滤波函数，提取所述原始图像第i次迭代的第一特征信息，包括：
利用包含第i次迭代更新的第一滤波参数的第一滤波函数，对所述原始图像进行滤波，得到第i次迭代的第一滤波图；将所述原始图像与所述第i次迭代的第一滤波图相减，得到第i次迭代的第一特征信息；
所述利用包含第i次迭代更新的第二滤波参数的第二滤波函数，提取所述第一增强图像第i次迭代的第二特征信息，包括：
利用包含第i次迭代更新的第二滤波参数的第二滤波函数，对所述第i次迭代的第一增强图像进行滤波，得到第i次迭代的第二滤波图；将所述第i次迭代的第一增强图与所述第i次迭代的第二滤波图相减，得到第i次迭代的第二特征信息。
作为一种可能的实施方式，所述第一滤波函数为导向滤波函数，所述第二滤波函数为高斯滤波函数；或，
所述第一滤波函数为高斯滤波函数，所述第二滤波函数为导向滤波函数。
作为一种可能的实施方式，所述原始图像的质量评价分数为，通过无参考图像质量评价NIQE算法对所述原始图像的质量进行评价，得到的第一NIQE分数；
所述第i次迭代的细节增强图像的质量评价分数为，通过NIQE算法对所述第i次迭代的细节增强图像的质量进行评价，得到的第二NIQE分数。
作为一种可能的实施方式，所述确定所述原始图像和所述第i次迭代的细节增强图像的质量评价分数的差值满足迭代条件，包括：
确定所述第一NIQE分数和所述第二NIQE分数的差值，小于等于零或大于等于预设阈值。
作为一种可能的实施方式，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，该方法还包括：
利用超分辨率算法，将超分处理的输入图像的分辨率重建到预设分辨率，得到重建图像，其中所述预设分辨率高于所述原始图像的分辨率；其中所述超分处理的输入图像为所述原始图像或对比度增强图像，所述对比度增强图像是对所述原始图像进行对比度增强处理后得到的；
以所述重建图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述利用超分辨率算法，将所述原始图像的分辨率重建到预设分辨率，包括：
根据所述原始图像的尺寸确定与所述尺寸对应的超分倍率因子；
根据所述超分倍率因子以及超分辨率算法，将所述原始图像的分辨率重建到预设分辨率。
作为一种可能的实施方式，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，该方法还包括：
将经过超分处理的所述重建图像或者未经过超分处理的所述原始图像作为输入图像，利用迭代更新的伽马值进行迭代的对比度增强处理：
对所述对比度增强处理的输入图像，按照第j次迭代更新的伽马值进行伽马变换，得到第j次迭代的对比度增强图像；其中，j为大于等于1的整数；
确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的 对比度的对比度差值，大于对比度阈值时，将所述对比度增强的输入图像的对比度替换为所述第j次迭代的对比度增强图像的对比度，并对所述第j次迭代的伽马值进行更新，得到第j+1次迭代的伽马值，利用第j+1次迭代的伽马值，继续对所述对比度增强的输入图像进行迭代的对比度增强处理，直至确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值小于等于对比度阈值时停止；
将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像之前，该方法还包括：
确定所述对比度增强处理的输入图像和最后一次迭代的对比度增强图像的亮度均值的差值；
将所述差值与所述最后一次迭代的对比度增强图像的亮度进行叠加，得到叠加图像；
将所述叠加图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述利用迭代更新的伽马值进行迭代的对比度增强处理之前，该方法还包括：
当确定经过超分处理的所述重建图像为RGB图像时，将所述重建图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的V通道图像作为所述对比度增强处理的输入图像；或，
当确定未经过超分处理的所述原始图像为RGB图像时，将所述原始图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的V通道图像作为所述对比度增强处理的输入图像。
作为一种可能的实施方式，所述将所述叠加图像作为所述细节增强处理的输入图像之前，该方法还包括：
将所述叠加图像转换为RGB的叠加图像。
第三方面，本公开实施例还提供一种自适应增强画质的装置，包括：
增强处理单元，用于获取原始图像，利用包含迭代更新的滤波参数的至 少一个滤波函数，对所述原始图像进行迭代的细节增强处理，具体包括：对所述细节增强处理的输入图像，利用包含第i次迭代更新的滤波参数的至少一个滤波函数，提取所述输入图像第i次迭代的特征信息，利用第i次迭代的特征信息对所述输入图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像；其中，所述输入图像包括与所述原始图像相关的图像，i为大于等于1的整数；
确定所述输入图像和所述第i次迭代的细节增强图像的质量评价分数的差值满足迭代条件时，对所述第i次迭代的滤波参数进行更新，得到第i+1次迭代的滤波参数，利用包含第i+1次迭代的滤波参数的至少一个滤波函数，继续对输入图像进行细节增强处理，直至所述输入图像和所述第i+1次迭代的细节增强图像的质量评价分数的差值满足迭代条件时停止；
增强输出单元，用于显示最后一次迭代的细节增强图像。
作为一种可能的实施方式，所述显示最后一次迭代的细节增强处理的图像之前，还包括变换单元具体用于：
将最后一次迭代的细节增强处理的图像转换为RGB细节增强图像；
所述增强输出单元具体还用于：
显示所述RGB细节增强图像。
作为一种可能的实施方式，所述增强处理单元具体用于：
利用包含第i次迭代更新的第一滤波参数的第一滤波函数，提取所述原始图像第i次迭代的第一特征信息，利用第i次迭代的第一特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的第一增强图像；
利用包含第i次迭代更新的第二滤波参数的第二滤波函数，提取所述第一增强图像第i次迭代的第二特征信息，利用第i次迭代的第二特征信息对所述第一增强图像进行第i次迭代的细节增强处理，得到所述第i次迭代的细节增强图像。
作为一种可能的实施方式，所述增强处理单元具体用于：
将第i次迭代的第一特征信息叠加到所述原始图像，得到第i次迭代的第 一增强图像；
将第i次迭代的第二特征信息叠加到所述第i次迭代的第一增强图像，得到所述第i次迭代的细节增强图像。
作为一种可能的实施方式，所述增强处理单元具体用于：
利用包含第i次迭代更新的第一滤波参数的第一滤波函数，对所述原始图像进行滤波，得到第i次迭代的第一滤波图；将所述原始图像与所述第i次迭代的第一滤波图相减，得到第i次迭代的第一特征信息；
利用包含第i次迭代更新的第二滤波参数的第二滤波函数，对所述第i次迭代的第一增强图像进行滤波，得到第i次迭代的第二滤波图；将所述第i次迭代的第一增强图与所述第i次迭代的第二滤波图相减，得到第i次迭代的第二特征信息。
作为一种可能的实施方式，所述第一滤波函数为导向滤波函数，所述第二滤波函数为高斯滤波函数；或，
所述第一滤波函数为高斯滤波函数，所述第二滤波函数为导向滤波函数。
作为一种可能的实施方式，所述原始图像的质量评价分数为，通过无参考图像质量评价NIQE算法对所述原始图像的质量进行评价，得到的第一NIQE分数；
所述第i次迭代的细节增强图像的质量评价分数为，通过NIQE算法对所述第i次迭代的细节增强图像的质量进行评价，得到的第二NIQE分数。
作为一种可能的实施方式，所述差值判断单元901具体用于：
确定所述第一NIQE分数和所述第二NIQE分数的差值，小于等于零或大于等于预设阈值。
作为一种可能的实施方式，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，还包括重建单元具体用于：
利用超分辨率算法，将超分处理的输入图像的分辨率重建到预设分辨率，得到重建图像，其中所述预设分辨率高于所述原始图像的分辨率；其中所述 超分处理的输入图像为所述原始图像或对比度增强图像，所述对比度增强图像是对所述原始图像进行对比度增强处理后得到的；
以所述重建图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述重建单元具体用于：
根据所述原始图像的尺寸确定与所述尺寸对应的超分倍率因子；
根据所述超分倍率因子以及超分辨率算法，将所述原始图像的分辨率重建到预设分辨率。
作为一种可能的实施方式，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，还包括对比度增强单元具体用于：
将经过超分处理的所述重建图像或者未经过超分处理的所述原始图像作为输入图像，利用迭代更新的伽马值进行迭代的对比度增强处理：
对所述对比度增强处理的输入图像，按照第j次迭代更新的伽马值进行伽马变换，得到第j次迭代的对比度增强图像；其中，j为大于等于1的整数；
确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值，大于对比度阈值时，将所述对比度增强的输入图像的对比度替换为所述第j次迭代的对比度增强图像的对比度，并对所述第j次迭代的伽马值进行更新，得到第j+1次迭代的伽马值，利用第j+1次迭代的伽马值，继续对所述对比度增强的输入图像进行迭代的对比度增强处理，直至确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值小于等于对比度阈值时停止；
将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像之前，所述对比度增强单元具体还用于：
确定所述对比度增强处理的输入图像和最后一次迭代的对比度增强图像的亮度均值的差值；
将所述差值与所述最后一次迭代的对比度增强图像的亮度进行叠加，得 到叠加图像；
将所述叠加图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述利用迭代更新的伽马值进行迭代的对比度增强处理之前，所述对比度增强单元具体还用于：
当确定经过超分处理的所述重建图像为RGB图像时，将所述重建图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的V通道图像作为所述对比度增强处理的输入图像；或，
当确定未经过超分处理的所述原始图像为RGB图像时，将所述原始图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的V通道图像作为所述对比度增强处理的输入图像。
作为一种可能的实施方式，所述将所述叠加图像作为所述细节增强处理的输入图像之前，所述对比度增强单元具体还用于：
将所述叠加图像转换为RGB的叠加图像。
第四方面，本公开实施例还提供非瞬态计算机存储介质，其上存储有计算机程序，该程序被处理器执行时用于实现上述第一方面所述方法的步骤。
本公开的这些方面或其他方面在以下的实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本公开实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的一种显示设备示意图；
图2为本公开实施例提供的一种自适应增强处理的迭代流程图；
图3为本公开实施例提供的对原始图像的V通道图像进行增强处理的实施流程图；
图4为本公开实施例提供的一种针对一次增强处理时具体的实施流程图；
图5为本公开实施例提供的一种超分辨率重建方法实施流程图；
图6为本公开实施例提供的一种对比度增强的处理方法实施流程图；
图7为本公开实施例提供的一种包含三种增强处理方式的具体实施流程图；
图8为本公开实施例提供的一种自适应增强画质的方法实施流程图；
图9为本公开实施例提供的一种自适应增强画质的装置示意图。
具体实施方式
为了使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开作进一步地详细描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。
本公开实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本公开实施例描述的应用场景是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。其中，在本公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。
画质增强的原理是通过调节图像画面的对比度、饱和度、颜色等使得画质得到一定程度的提升，视觉上能够提升画质的清晰度。目前应用于显示设备上的画质增强方案，都需要不断调试，根据不同的图像类型、图像内容不断调整参数，当使用该画质增强方案时，利用调整好的参数对输入的图像进行画质增强，而在画质增强方案的算法交付给显示设备后，该算法对应的调整好的参数便固定不变了。目前画质增强的使用场景通常是显示设备给用户 提供画质增强的选项，对应的画质增强算法的参数都是固定不变的，在接收到用户输入的画质增强指令之后，利用已经交付的固定参数的画质增强算法对输入的具有不同边缘特征、不同高频信息、不同分辨率、不同对比度、不同尺寸的图像进行相同参数的画质增强算法，容易导致画质增强的效果较差，用户的体验较差，也不利于后续进行算法优化。由于目前的画质增强方案，针对任一输入的图像在进行画质增强处理时，使用的参数都是固定的，而不同的图像在对比度、饱和度、颜色、等都存在差异，如果使用同一套参数对不同的图像进行画质增强，很容易导致画质增强的效果较差，无法根据输入的不同的图像自适应调整参数，并进行画质增强处理。
本实施例提供的自适应增强画质的方法，能够根据不同图像的特征信息，更具针对性地对输入的图像进行画质增强，有效提高画质增强算法的自适应能力。本实施例画质增强处理的核心算法是，利用迭代增强的方式，基于原始图像和本次增强处理后的图像的质量评价分数是否接近，来进行迭代增强，每一次迭代，都利用原始图像的本次的各个特征信息对原始图像进行增强处理，然后根据原始图像和本次增强处理后的图像之间的质量评价分数是否接近，判断是否继续对原始图像进行增强处理，如果继续对原始图像进行增强处理，则对本次的各个特征信息进行更新，从而利用更新后的各个特征信息继续对原始图像进行增强处理，直至原始图像和本次增强处理后的图像的质量评价分数接近停止迭代；将最后一次进行增强处理后的图像输出，作为输入的原始图像的画质增强处理后的图像。其中，本实施例中的本次具体是指迭代的细节增强处理过程中的第i次迭代，i≥1。
本实施例中每一次进行增强处理都需要对各个滤波参数进行更新，利用更新的各个滤波参数来对各个特征信息进行更新，从而利用更新的各个特征信息对原始图像继续进行增强处理。本实施例的画质增强算法能够基于原始图像自身的特征信息，利用提取的原始图像的特征信息来对原始图像进一步增强，从而在视觉上使得原始图像变得更加清晰，达到画质增强的目的，由于能够针对原始图像本身的一些语义信息(特征信息)进行增强处理，因此 能够最大程度地对输入的原始图像进行画质增强，有效提高画质增强的效果。
本实施例提供的自适应增强画质的方法，主要应用于显示设备，该显示设备包括但不限于大尺寸(一般为50寸以上)的智能交互显示设备，大尺寸的电子白板，大尺寸的显示屏(可以是拼接屏)等。
如图1所示，本公开实施例提供的一种显示设备系统，包括存储器100、处理器101、显示屏102，其中：
存储器100，其上存储有计算机可读指令；
处理器101，被配置为运行所述计算机可读指令时执行如下步骤：
获取原始图像，利用包含迭代更新的滤波参数的至少一个滤波函数，对所述原始图像进行迭代的细节增强处理，具体包括：
对所述细节增强处理的输入图像，利用包含第i次迭代更新的滤波参数的至少一个滤波函数，提取所述输入图像第i次迭代的特征信息，利用第i次迭代的特征信息对所述输入图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像；其中，所述输入图像包括与所述原始图像相关的图像，i为大于等于1的整数；
确定所述输入图像和所述第i次迭代的细节增强图像的质量评价分数的差值满足迭代条件时，对所述第i次迭代的滤波参数进行更新，得到第i+1次迭代的滤波参数，利用包含第i+1次迭代的滤波参数的至少一个滤波函数，继续对输入图像进行细节增强处理，直至所述输入图像和所述第i+1次迭代的细节增强图像的质量评价分数的差值满足迭代条件时停止；
显示屏102，被配置为显示最后一次迭代的细节增强图像。
在一些实施例中，细节增强处理的输入图像与所述原始图像相关的图像，包括但不限于原始图像、HSV的原始图像的V通道图像等。
需要说明的是，本实施例中显示设备在进行画质增强的过程中，相对于用户来说是无感知的，显示屏102能够直接将细节增强处理完成的图像进行显示，实现画质增强处理；
实施中，特征信息和滤波参数是唯一对应的，滤波函数和滤波参数也是 唯一对应的；初始的至少一个滤波函数的滤波参数是预先设定的；本实施例中的滤波参数用于表示滤波窗口的大小，针对本实施例中的任意一个滤波参数，本实例中对滤波参数进行更新的方式是利用对第i次迭代的滤波参数叠加预设步长的方式，逐渐增大滤波窗口的大小；或利用对第i次迭代的滤波参数分别减去预设步长的方式，逐渐减小滤波窗口的大小，本实施例对具体更新滤波参数的方式不作过多限定。
在一些实施例中，根据至少一个滤波函数的滤波参数提取原始图像中的特征信息，从而确定原始图像的特征信息。本实施例中的特征信息包括但不限于边缘特征信息、高频信息中的至少一种。
在一些实施例中，本实施例中的滤波函数包括但不限于：导向滤波函数、高斯滤波函数中的至少一种。
在一些实施例中，利用无参考图像质量评价(Natural image quality evaluator，NIQE)算法对图像的质量进行评价。其中NIQE是一种无参考的图像质量评价方法，NIQE用于计算自然图像的空域NSS(Natural Scene Statistics，自然场景统计)的特征，然后拟合一个多元的高斯模型(MVG)，通过125张自然图像，计算出多元高斯模型的均值和协方差。利用该多元高斯模型来确定输入图像的NIQE分数，其中该多元高斯模型中的权值是公开的，可以直接获取的。计算NIQE分数时，首先计算待测图像(包括原始图像和细节增强处理后的图像)的MVG的均值、方差，然后计算待测图像与自然图像之间的距离，其中距离越近即NIQE分数越低，说明待测图像越真实，质量越好。
本实施例中所述原始图像的质量评价分数为，通过无参考图像质量评价NIQE算法对所述原始图像的质量进行评价，得到的第一NIQE分数；
所述第i次迭代的细节增强图像的质量评价分数为，通过NIQE算法对所述第i次迭代的细节增强图像的质量进行评价，得到的第二NIQE分数。
可选的，通过如下方式确定是否满足迭代条件：
若所述第一NIQE分数和所述第二NIQE分数的差值，小于等于零或大于 等于预设阈值，则确定满足迭代条件；
若所述第一NIQE分数和所述第二NIQE分数的差值，大于零且小于预设阈值，则确定该差值不满足迭代条件，直接输出第i次迭代的细节增强图像。
需要说明的是，NIQE分数和滤波参数是强相关的，合适的滤波参数能够使得NIQE分数在原始图像或增强处理后的图像上具有局部最小值，从而基于NIQE分数来对各个滤波参数进行更新，从而确定出最合适的滤波参数。
实施中，迭代总次数的确定是基于原始图像和本次增强处理后的图像的质量平均分数的差值确定的，而每次迭代改变的是原始图像的特征信息，也就是说，每一次输入的原始图像的特征信息是不同的，在迭代增强处理的过程中，通过改变每次输入的原始图像的特征信息，使得利用特征信息对原始图像的增强处理后的图像质量更加接近原始图像的质量，保证画质增强后不会导致图像质量的下降。
如图2所示，本实施例中自适应细节增强处理的迭代流程如下所示：
步骤200、获取原始图像，确定与所述原始图像相关的细节增强处理的输入图像；
可选的，原始图像包括但不限于RGB图像、HSV图像或其他格式的图像，本实施例对原始图像的格式不作过多限定。
需要说明的是，本实施例中的细节增强处理的输入图像包括但不限于如下任一或任多种：
原始图像；对原始图像进行HSV转换后得到的V通道图像；经过对原始图像进行超分处理得到的重建图像；经过对原始图像进行对比度增强处理得到的对比度增强图像或叠加图像。
步骤201、对所述细节增强处理的输入图像，利用包含第i次迭代更新的滤波参数的至少一个滤波函数，提取所述输入图像第i次迭代的特征信息，利用第i次迭代的特征信息对所述输入图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像；其中，所述输入图像包括与所述原始图像相关的图像；
其中，i为大于等于1的整数；
在一些实施例中，本实施例提供级联的细节增强处理方式，具体的处理步骤是利用两个滤波函数(第一滤波函数和第二滤波函数)进行级联的细节增强处理，其中第一滤波函数包含第一滤波参数，第二滤波函数包含第二滤波参数，在迭代的细节增强处理的过程中，第一滤波参数和第二滤波参数都是迭代更新的。实施中，先利用包含第i次迭代更新的第一滤波参数的第一滤波函数对原始图像进行增强处理，得到第一增强图，再利用第i次迭代更新的第二滤波参数的第二滤波函数对得到的第一增强图再次进行增强处理，通过级联的增强处理方式，并利用不同的滤波参数对应的特征信息对原始图像不断地进行细节增强处理，最终能够提高画质增强的处理效果，使得画质更加清晰，具体实施流程如下所示：
需要说明的是，本实施例中的特征信息由于是和滤波参数、滤波函数一一对应的，其中，第一滤波函数对原始图像进行特征提取得到第一特征信息，第二滤波函数对第一增强图进行特征提取得到第二特征信息，在一些实施例中，第一滤波函数为导向滤波函数，第二滤波函数为高斯滤波函数，第一特征信息用于表示原始图像的边缘特征，第二特征信息用于表示原始图像的高频信息；或，第一滤波函数为高斯滤波函数，第二滤波函数为导向滤波函数，第一特征信息用于表示原始图像的高频特征，第二特征信息用于表示原始图像的边缘信息。其中第一滤波参数用于表示导向滤波函数的第一滤波窗口的大小，第二滤波参数用于表示高斯滤波函数的第二滤波窗口的大小。
实施中，利用包含第i次迭代更新的滤波参数的至少一个滤波函数，提取所述原始图像第i次迭代的特征信息，利用第i次迭代的特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像，具体包括：
流程1-1、利用包含第i次迭代更新的第一滤波参数的第一滤波函数，提取所述原始图像第i次迭代的第一特征信息，利用第i次迭代的第一特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的第一增强 图像；
实施中，本实施例中的第一特征信息和第一滤波参数是一一对应的，将第i次迭代的第一特征信息叠加到所述原始图像，得到第i次迭代的第一增强图像，具体通过如下方式确定第一增强图：
a)利用包含第i次迭代更新的第一滤波参数的第一滤波函数，对所述原始图像进行滤波，得到第i次迭代的第一滤波图；
在一些实施例中，第一滤波参数可以是用于表示导向滤波的第一滤波窗口的大小，利用第一滤波参数对原始图像进行导向滤波时，由于导向滤波需要预先确定引导图，引导图可以是单独的图像或是原始图像，引导图用于指出第一滤波图中哪里是平滑区域，哪里是边缘区域，当引导图为输入的原始图像时，导向滤波用于实现保持原始图像边缘的滤波操作，可以应用于图像重建。具体实施中，通过如下方式确定第一特征图：
a1)根据所述第一滤波参数以及对所述原始图像进行均值滤波得到的引导图，对所述原始图像进行导向滤波得到导向滤波图(即第一滤波图)；
实施中，均值滤波是典型的线性滤波算法，从频率域观点来看均值滤波是一种低通滤波器，会去掉高频信号，因此可以帮助消除图像尖锐噪声，实现图像平滑，模糊等功能。理想的均值滤波是用每个像素和它周围像素(例如4邻域或8邻域)计算出来的平均值替换图像中每个像素。采样核Kernel数据通常是3×3的矩阵，从左到右从上到下计算图像中的每个像素，最终得到处理后的图像。均值滤波还可以加上两个参数，即迭代次数，核(Kernel)大小。一个相同的Kernel，但是多次迭代就会效果越来越好。同样，迭代次数相同，Kernel矩阵越大，均值滤波的效果就越明显。本实施例对具体选用的均值滤波的Kernel以及迭代次数不作过多限定。
a2)将所述原始图像与所述第i次迭代的第一滤波图相减，得到第i次迭代的第一特征信息，即将所述原始图像与第i次迭代的导向滤波图相减，得到第i次迭代的包含第一特征信息的第一特征图。
由于导向滤波图是将原始图像的边缘特征进行滤除，因此将原始图像与 所述导向滤波图相减，能够得到包含原始图像边缘特征的第一特征图，需要说明的是，图像可以通过像素矩阵表示，因此，图像和图像相减具体是指不同图像对应的像素矩阵之间进行相减，即原始图像对应的像素矩阵和导向滤波图对应的像素矩阵相减。
本实施例是利用对原始图像进行均值滤波得到的滤波图作为引导图，使得输入的原始图像经过滤波得到的导向滤波图能够很好地提取边缘，用于增强输入的原始图像，达到清晰化的目的，引导滤波的滤波窗口kernel的大小是可以更新的，kernel越大，说明对原始图像的增强效果越强，但是kernel大到一定程度以后，就容易导致增强后的图像失真。
b)将第i次迭代的第一特征信息叠加到所述原始图像，得到第i次迭代的第一增强图像。
由于第一特征图是包含原始图像的边缘特征的图像，因此，通过将该第一特征图和原始图像叠加的方式，实现对原始图像的增强处理，对原始图像的边缘特征进行增强。需要说明的是，图像可以通过像素矩阵表示，因此，图像和图像的叠加具体是指不同图像对应的像素矩阵之间进行叠加，即原始图像对应的像素矩阵和第一特征图对应的像素矩阵进行叠加。
流程1-2、利用包含第i次迭代更新的第二滤波参数的第二滤波函数，提取所述第一增强图像第i次迭代的第二特征信息，利用第i次迭代的第二特征信息对所述第一增强图像进行第i次迭代的细节增强处理，得到所述第i次迭代的细节增强图像。
需要说明的是第二特征信息是与第二滤波参数对应的，第二滤波参数用于表示高斯滤波的第二滤波窗口的大小，第二次增强处理实际上是对第一增强图进行高斯滤波，并利用高斯滤波提取的高频信息对第一增强图继续进行增强处理。实施中，通过如下方式确定本次增强处理后的图像：
c)利用包含第i次迭代更新的第二滤波参数的第二滤波函数，对所述第i次迭代的第一增强图像进行滤波，得到第i次迭代的第二滤波图；
在一些实施例中，第二滤波参数表示高斯滤波的第二滤波窗口的大小， 需要说明的是，本实施例中的滤波窗口的大小具体是指使用的滤波窗口的核kernel大小。
高斯滤波在图像处理概念下，是指将图像频域处理和时域处理相联系，作为低通滤波器使用，得到图像的低频信息后进一步计算滤除得到图像的高频信息，从而起到平滑图像的作用。高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值替代模板中心像素点的值。高斯平滑滤波器对于抑制服从正态分布的噪声非常有效。本实施例中使用高斯滤波作为进一步增强的细节提取器，能够有效提取图像的部分细节，增强图像对比度。高斯滤波的滤波窗口的大小也是可更新的，其中滤波窗口越大，增强处理的效果越明显，但是当滤波窗口达到一定程度，也会导致增强处理的图像失真。具体实施中，通过如下方式确定第二特征图：
c1)根据所述第二滤波参数对所述第一增强图进行高斯滤波，得到高斯滤波图(即第二滤波图)；
需要说明的是，高斯滤波是一个低通滤波器，能够得到第一增强图的低频信息，从而经过下面的步骤得到第一增强图的高频信息，以用于对第一增强图继续进行增强处理。
c2)将所述第i次迭代的第一增强图与所述第i次迭代的第二滤波图相减，得到第i次迭代的包含第二特征信息的第二特征图。
由于高斯滤波图得到的是第一增强图的低频信息，因此利用第一增强图与所述高斯滤波图相减，能够得到第一增强图的高频信息，即第二特征信息；由于图像可以通过像素矩阵来表示，因此第一增强图与所述高斯滤波图相减得到的实际上是包含高频信息的第二特征图。
d)将第i次迭代的第二特征信息叠加到所述第i次迭代的第一增强图像， 得到所述第i次迭代的细节增强图像，即将所述第一增强图和所述第二特征图进行叠加，得到第i次迭代的细节增强图像。
由于已经提取出高频信息，因此将包含高频信息的第二特征图和第一增强图进行叠加，能进一步增强原始图像的高频信息，使得增强处理后的图像更加清晰。
在上述实施过程中，可选的，第一滤波函数为高斯滤波函数，第二滤波函数为导向滤波函数。
需要说明的是，本实施例中的级联增强方式中进行第一次增强处理和第二次增强处理的顺序是可调的，作为一种可选的实施方式，如下所示：
流程2-1、利用包含第i次迭代更新的第二滤波参数的第二滤波函数，提取所述原始图像第i次迭代的第二特征信息，利用第i次迭代的第二特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的第一增强图像；
流程2-2、利用包含第i次迭代更新的第一滤波参数的第一滤波函数，提取所述第一增强图像第i次迭代的第一特征信息，利用第i次迭代的第一特征信息对所述第一增强图像进行第i次迭代的细节增强处理，得到所述第i次迭代的细节增强图像。
其中，第二滤波函数为高斯滤波函数，第一滤波函数为导向滤波函数。
上述两种流程可以任选一种进行实施，本实施例对此不作过多限定。流程2-1、流程2-2中具体的实施步骤可参见上述流程1-1、流程1-2中的内容，此处不再赘述。
步骤202、判断输入图像和本次迭代的细节增强图像的质量评价分数的差值是否满足迭代条件，若是执行步骤203，否则执行步骤204；
步骤203、对第i次迭代的滤波参数进行更新，得到第i+1次迭代的滤波参数，利用包含第i+1次迭代的滤波参数的至少一个滤波函数，继续对输入图像进行细节增强处理，返回执行步骤202；
步骤204、输出本次迭代的细节增强图像。
在一些实施例中，如果原始图像为RGB(红(R)、绿(G)、蓝(B))图像，那么为了避免原始图像经过增强处理后发生颜色变化，本实施例还可以将原始图像转换为HSV((Hue，Saturation，Value)，色调(H)，饱和度(S)，明度(V))图像，仅对HSV图像中的V通道图像进行细节增强处理。
具体实施中，述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，当确定所述原始图像为RGB图像时，对所述原始图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的明度V通道图像作为所述细节增强处理的输入图像，利用包含迭代更新的滤波参数的至少一个滤波函数，对HSV的原始图像的明度V通道图像进行迭代的细节增强处理。需要说明的是，将原始图像替换成V通道图像之后，在利用上述方法进行增强处理的迭代过程中，并不是对RGB图像进行增强处理，而是对原始图像的V通道图像进行增强处理，由于并没有对颜色通道进行增强处理，因此，本实施例的画质增强的方法并不会改变原始图像的颜色，从而保证图像增强后得到的图像的色彩效果不会失真。
在一些实施例中，如果对HSV的原始图像的明度V通道图像，利用包含迭代更新的滤波参数的至少一个滤波函数，进行迭代的细节增强处理，那么最后一次迭代的细节增强图像也是V通道图像，在显示之前还需要将最后一次迭代的细节增强处理的图像转换为RGB细节增强图像，然后显示RGB细节增强图像。
需要说明的是，如果将原始图像替换为HSV图像的V通道图像之后，利用本次的各个特征信息对输入的V通道图像进行增强处理，得到本次增强处理后的图像，确定所述V通道图像和本次增强处理后的图像的质量评价分数的差值，满足迭代条件时，对本次的各个滤波参数进行更新，并利用更新后的各个滤波参数确定更新的各个特征信息，将更新的各个特征信息作为下一次的各个特征信息，继续对所述V通道图像进行增强处理，直至确定所述差值不满足迭代条件时停止；输出最后一次进行增强处理后的图像；由于原始 图像是V通道图像，那么最后一次进行增强处理后的图像也是V通道图像，因此，为了将增强处理后的图像恢复成RGB图像进行显示，会在输出最后一次进行增强处理后的图像之前，将最后一次进行增强处理后的图像转换为RGB图像，然后输出RGB图像。
如图3所示，以细节增强处理的输入图像为原始图像为例进行说明，本实施例对原始图像的V通道图像进行细节增强处理的实施流程如下所示：
步骤300、输入原始图像，将原始图像转换为HSV的原始图像并获取HSV的原始图像的V通道图像；
步骤301、利用本次迭代的滤波参数确定本次迭代的特征信息，利用本次迭代的特征信息对该V通道图像进行迭代的细节增强处理，得到本次迭代的细节增强图像；
其中，滤波参数和滤波函数是一一对应的，滤波参数和特征信息也是一一对应的。本次迭代用于表示第i次迭代。
步骤302、判断V通道图像和本次迭代的细节增强图像的质量评价分数的差值是否满足迭代条件，若是执行步骤303，否则执行步骤304；
步骤303、对本次迭代的滤波参数进行更新，得到下一次迭代的滤波参数，返回执行步骤301；
步骤304、将本次迭代的细节增强图像转换为RGB图像后显示。
本实施例中每一次都先利用各个滤波参数确定各个特征信息，再利用各个特征信息对原始图像进行增强处理，得到每一次增强处理后的图像，其中，不同次的增强处理的过程的区别在于使用的滤波参数不同，如图4所示，本实施例针对一次细节增强处理时具体的实施流程如下所示：
步骤400、利用本次迭代的第一滤波参数以及对原始图像的V通道图像进行均值滤波得到的引导图，对原始图像进行导向滤波得到导向滤波图；
步骤401、将所述原始图像与所述导向滤波图相减，得到包含第一特征信息的第一特征图；
步骤402、将所述原始图像和所述第一特征图进行叠加，得到所述第一增 强图；
步骤403、根据本次迭代的第二滤波参数对所述第一增强图进行高斯滤波，得到高斯滤波图；
步骤404、将所述第一增强图与所述高斯滤波图相减，得到包含第二特征信息的第二特征图；
步骤405、将所述第一增强图和所述第二特征图进行叠加，得到本次迭代的细节增强图像。
其中，此时增强处理后的图像是V通道图像。
在一些实施例中，本实施例利用上述方式进行细节增强处理之前，还可以对原始图像的分辨率进行增强处理，利用超分辨率重建算法(也称超分辨率算法、超分辨率拉伸)对原始图像的分辨率进行重建，从而提高原始图像的清晰度的超分处理方法，该方法的具体实施流程如下：
利用超分辨率算法，将超分处理的输入图像的分辨率重建到预设分辨率，得到重建图像，其中所述预设分辨率高于所述原始图像的分辨率；以所述重建图像作为所述细节增强处理的输入图像。
其中所述超分处理的输入图像为所述原始图像或对比度增强图像，所述对比度增强图像是对所述原始图像进行对比度增强处理后得到的。
超分辨率算法是一项在放大图像时用于恢复图像中细节内容的技术，是利用数字图像处理、计算机视觉等领域的相关知识，借由特定的算法和处理流程，从给定的低分辨率图像中重建出高分辨率图像的过程。超分辨率算法包括传统算法和深度学习算法两类。
目前传统的超分辨率算法主要依靠基本的数字图像处理技术进行重建，例如基于插值的超分辨率重建，是利用已知的像素信息为平面上未知的像素信息进行拟合的过程，通常由一个预定义的变换函数或者插值核来完成。基于插值的方法计算简单、易于理解，但是也存在着一些明显的缺陷，往往会导致复原出的图像出现模糊、锯齿等现象。常见的基于插值的方法包括最近邻插值法、双线性插值法和双立方插值法等。
本实施例采用深度学习算法进行超分辨率重建，通过多层非线性变换，提取图像的高层抽象特征，学习图像潜在的分布规律，从而获取对重建后的图像做出合理的判断或者预测的能力。本实施例采用的超分辨率算法包括但不限于SRCNN(Super Resolution Convolutional Network，超分辨率卷积网络)、VDSR(Very Deep Convolutional networks Super Resolution，非常深的超分辨率卷积网络)、EDSR(Enhanced Deep Super-Resolution network，增强的深度超分辨率重建网络)、SRGAN(Super Resolution Generative Adversarial network，超分辨率生成对抗网络)中的至少一种。
在一些实施例中，本实施例中的预设分辨率包括但不限于4K分辨率、8K分辨率中的至少一种，其中预设分辨率远高于原始图像的分辨率。具体的超分辨率重建流程如下所示：
首先，根据所述原始图像的尺寸确定与所述尺寸对应的超分倍率因子；其次，根据所述超分倍率因子以及超分辨率算法，将所述原始图像的分辨率重建到预设分辨率。
该流程中，可以预先设置多个超分倍率因子，其中，尺寸约小，该尺寸对应的超分倍率因子越大，利用与原始图像的尺寸对应的超分倍率因子进行超分辨率重建，从而动态的基于输入的原始图像来决定超分倍率因子，即决定对输入的原始图像的拉伸倍率，从而平衡超分辨率算法的效果和响应时间。
如图5所示，以预设分辨率为4K为例，对本实施例中的超分辨率重建方法进行如下说明：
步骤500、获取原始图像并确定原始图像的宽和高中的最大值；
步骤501、利用3840除以最大值，得到参数D；
可选的，上述3840可替换成在4K分辨率范围内的像素值，本实施例对此不作过多限定；
步骤502、分别计算参数D与1、2、3、4、8的差值的绝对值，得到对应的D1、D2、D3、D4、D8；
其中，1、2、3、4、8的选取可以根据需求确定，此处仅为一种示例，用 于判断D分别与1K分辨率、2K分辨率、3K分辨率、4K分辨率、8K分辨率的接近程度，基于该判断原理选取的数值都属于本公开的保护范围，此处不再逐一列举。
步骤503、从D1、D2、D3、D4、D8中选取最小值，确定与该最小值对应的超分倍率因子；
实施中，若D1最小，则说明原始图像的分辨率接近4K，与D1对应的超分倍率因子为1，即直接利用双立方插值方法，将原始图像拉伸至4K；
若D2最小，则说明原始图像的分辨率接近2K，与D2对应的超分倍率因子为2，使用2倍的超分倍率算法，将原始图像拉伸至4K；
若D3最小，则说明原始图像的分辨率接近1.5K，与D3对应的超分倍率因子为3，使用3倍的超分倍率算法，将原始图像拉伸至4K；
若D4最小，则说明原始图像的分辨率接近1K，与D4对应的超分倍率因子为4，使用4倍的超分倍率算法，将原始图像拉伸至4K；
若D5最小，则说明原始图像的分辨率接近0.5K，与D5对应的超分倍率因子为8，使用8倍的超分倍率算法，将原始图像拉伸至4K。
步骤504、利用超分倍率因子以及超分辨率算法，将所述原始图像的分辨率重建到4K分辨率。
利用上述方式将原始图像的分辨率重建到预设分辨率后，对重建后得到的重建图像进行迭代的细节增强处理，即将重建图像作为所述细节增强处理的输入图像，进行细节增强处理。从而在对原始图像的分辨率进行重建之后，进一步对重建后得到的重建图像继续进行细节增强处理，能够有效改善原始图像的清晰度，尤其适用于超大尺寸的显示设备的显示需求，能够为用户提供超清晰的视频观看体验。
在一些实施例中，为了对原始图像的画质进行更进一步地增强处理，还可以对原始图像的对比度进行增强处理，需要说明的是，本实施例中对原始图像进行超分辨率重建的实施方案与对比度增强的实施方案没有先后顺序的规定，具体实施中，可以先利用超分辨率算法，将所述原始图像的分辨率重 建到预设分辨率，得到重建图像，然后对重建图像进行对比度增强处理，最后利用各个特征信息对所述对比度增强处理得到的图像，继续进行增强处理。在一些实施例中，还可以先对原始图像进行对比度增强处理，对得到的对比度增强图像进行超分处理，最后对超分处理得到的重建图像进行细节增强处理。
在一些实施例中，对原始图像进行细节增强处理，具体可以是对HSV的原始图像的V通道图像进行细节增强处理，得到细节增强图像之后转换为RGB细节增强图像；同理，对原始图像进行对比度增强处理，具体可以是对HSV的原始图像的V通道图像进行对比度增强处理，得到对比度增强图像或叠加图像之后转换为RGB图像。
在一些实施例中，本实施例的对比度增强处理的实施原理是，通过迭代的伽马变换不断的对经过超分处理的所述重建图像或者未经过超分处理的所述原始图像进行对比度增强处理，其中伽马值在迭代的过程中是更新的，每一次迭代过程，都需要利用本次的伽马值对重建图像或原始图像进行伽马变换，并计算变化后的图像和所述原始图像的对比度的对比度差值，如果对比度差值大于对比度阈值，则需要对伽马值进行更新后继续利用更新的伽马值，对重建图像或原始图像进行伽马变换，知道伽马变换后的图像和原始图像的对比度差值小于等于对比度阈值时，确定此时伽马变换后的图像是增强处理好的图像，可以输出到显示设备进行显示。
下面对本实施例的对比度增强处理的方案的实施流程进行如下说明：
将经过超分处理的所述重建图像或者未经过超分处理的所述原始图像作为输入图像，利用迭代更新的伽马值进行迭代的对比度增强处理：
对所述对比度增强处理的输入图像，按照第j次迭代更新的伽马值进行伽马变换，得到第j次迭代的对比度增强图像；其中，j为大于等于1的整数；
确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值，大于对比度阈值时，将所述对比度增强的输入图像的对比度替换为所述第j次迭代的对比度增强图像的对比度，并对所述第j次迭 代的伽马值进行更新，得到第j+1次迭代的伽马值，利用第j+1次迭代的伽马值，继续对所述对比度增强的输入图像进行迭代的对比度增强处理，直至确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值小于等于对比度阈值时停止；
将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像。
实施中，利用第j次迭代的伽马值，对所述原始图像进行伽马变换得到第j次迭代的对比度增强图像；需要说明的是，第一次的伽马值是预先设定的，不同的迭代次数对原始图像进行伽马变换时使用的伽马值是不同的，也就是说，通过不断更新伽马值的方式，不断对原始图像进行不同伽马值的伽马变换，从而使得变换后的图像的对比度能够接近原始图像的对比度；
其中，对比度用于表示亮暗的拉伸对比程度，通常表现了图像画质的清晰程度。本实施例可通过如下公式(1)计算原始图像和伽马变换后的图像的对比度：
C＝∑ δδ(i,j) 2P δ(i,j) 公式(1)；
其中δ(i,j)＝|i-j|表示像素i与邻域像素j之间的灰度值差，P δ(i,j)表示像素差为δ的概率。
邻域像素可选择4邻域像素(上下左右)或8邻域像素(上下左右，左上角，右上角，左下角，右下角)。
确定第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值，大于对比度阈值时，将所述输入图像的对比度替换为第j次迭代的对比度增强图像的对比度，以及对第j次迭代的伽马值进行更新，得到第j+1次迭代的伽马值，继续对所述原始图像进行伽马变换，直至确定所述对比度差值小于等于对比度阈值时停止；将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像。
实施中，迭代的过程是对伽马值进行更新并利用更新的伽马值进行伽马变换的过程，并且，输入图像的对比度随着伽马值的更新也是不断在更新的，每一次变换后都会将输入图像的对比度替换成变换后得到的图像的对比度， 然后不断计算上一次变换后得到的图像的对比度和本次变换得到的对比度的差值是否大于阈值，如果不是，说明对比度的提升幅度较小时，可以停止迭代。输出最后一次迭代的对比度增强图像。
需要说明的是，对比度增强有多种方案，包括对数变化、幂律变换、直方图均衡等，本实施例考虑到幂律变换的可控性和可调整性，选择使用幂律变换进行对比度增强。幂律变换又称伽马变换，是对每一个像素进行幂函数操作，如公式(2)所示。
s＝cr γ 公式(2)；
其中，c、γ(即伽马)为常数，r表示像素值，s表示伽马变换后的像素值。
当γ<1时，能够提高图像亮度，降低图像的对比度。当γ>1时，能够降低图像的亮度，图像变暗，但对比度增强，因此要适当提高图像的对比度，应采用大于1的γ值。
需要说明的是，为了保证在伽马变换的过程中，不改变原始图像的颜色，可以将输入图像变换为HSV图像，对HSV图像的V通道图像进行伽马变换，具体实施时，当确定经过超分处理的所述重建图像为RGB图像时，将所述重建图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的V通道图像作为所述对比度增强处理的输入图像；或者，当确定未经过超分处理的所述原始图像为RGB图像时，将所述原始图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的V通道图像作为所述对比度增强处理的输入图像。
实施中，可以对V通道图像进行伽马变换，计算V通道图像的对比度，判断对比度的提升幅度是否大于对比度阈值，如果是，则增大伽马(γ)值，进行伽马变换，迭代计算对比度，再次判断提升幅度，最后确定γ值。
需要说明的是，如果对原始图像的V通道图像进行伽马变换，那么最终确定出的伽马变换后的图像也是V通道图像，因此还需要将该V通道图像转换为RGB图像。
在一些实施例中，由于原始图像进行伽马变换后的对比度提升了，因此伽马变换后的图像的整体亮度会降低，本实施例在确定所述对比度差值小于等于对比度阈值之后，首先会进行亮度拉伸，将亮度拉伸后的图像作为最终输出的图像，实施中，通过如下方式进行亮度拉伸：
确定所述原始图像和最后一次进行伽马变换得到的对比度增强图像的亮度均值的差值；其中，如果输入图像为V通道图像，则输入图像的亮度均值为V通道图像中所有灰度值的平均值，同样的，如果输入图像为V通道图像，则最后一次进行伽马变换得到的对比度增强图像也是V通道图像，那么最后一次进行伽马变换得到的对比度增强图像的亮度均值，也是所有灰度值的平均值；
将所述差值与所述最后一次进行伽马变换得到的对比度增强图像的亮度进行叠加，得到叠加图像；其中，将图像的亮度作为一个亮度矩阵，则差值与该伽马变换得到的对比度增强图像的亮度进行叠加，即差值与该亮度矩阵进行叠加，得到叠加图像；
将最后一次进行伽马变换得到的对比度增强图像替换为所述叠加图像，其中，叠加图像可以视为进行亮度拉伸后的图像。通过叠加亮度均值的差值，并进行亮度范围的拉伸，能够稳定图像的亮度。需要说明的是，进行亮度拉伸后，由于此时每个像素的取值范围很有可能不在标准范围内(如0-255范围)，因此还可以将每个像素的取值映射到标准范围内，最终得到叠加图像。
实施中，通过亮度的叠加，能够使图像整体的亮度保持不变，通过对比度增强，能够有效提升图像的清晰度，由于本方案在对比度增强的基础上进行亮度保持，因此能够起到很好的增强效果。
在一些实施例中，如果输入的原始图像为V通道图像，那么进行亮度拉伸后的图像即该叠加图像也是V通道图像，因此在输出之前需要将该叠加图像转换为RGB图像。
如图6所示，本实施例提供一种对比度增强的处理方法，该方法的具体实施流程如下所示：
步骤600、将经过超分处理的重建图像或者未经过超分处理的原始图像进行HSV转换得到HSV图像，获取HSV图像的V通道图像；
步骤601、利用本次迭代的伽马值，对V通道图像进行伽马变换得到本次变换后的对比度增强图像；
其中，本次是指第j次迭代。
步骤602、判断本次变换后的图像和V通道图像的对比度的对比度差值，是否大于对比度阈值，若是执行步骤603，否则执行步骤604；
步骤603、将V通道图像的对比度替换为本次变换后的对比度增强图像的对比度，以及对所述本次迭代的伽马值进行更新，得到下一次迭代的伽马值，返回执行步骤601；
实施中，对伽马值进行更新的方式包括叠加设定步长的方式增大伽马值，或者减去设定步长的方式降低伽马值，可以根据实际需求确定，本实施例对此不作过多限定。
步骤604、确定所述V通道图像和最后一次进行伽马变换得到的对比度增强图像的亮度均值的差值；
步骤605、将所述差值与所述最后一次进行伽马变换得到的对比度增强图像的亮度进行叠加，得到叠加图像；
步骤606、将所述叠加图像转换为RGB图像后输出。
为了对本实施例提供的上述三种增强处理的方式进行完整的说明，本实施例提供一种增强画质的处理流程，该流程仅为一种示例，用于说明包含三种增强处理的方式的具体流程，如图7所示，该流程的具体实施方式如下：
步骤700、输入原始图像，利用超分辨率算法，将原始图像的分辨率重建到预设分辨率，得到重建图像；
步骤701、将重建图像转换成HSV图像，获取HSV图像的V通道图像；
步骤702、对所述V通道图像，按照第j次迭代更新的伽马值进行伽马变换，得到第j次迭代的对比度增强图像；确定所述第j次迭代的对比度增强图 像和所述V通道图像的对比度的对比度差值，大于对比度阈值时，将V通道图像的对比度替换为所述第j次迭代的对比度增强图像的对比度，并对所述第j次迭代的伽马值进行更新，得到第j+1次迭代的伽马值，利用第j+1次迭代的伽马值，继续对V通道图像进行迭代的对比度增强处理，直至确定所述第j次迭代的对比度增强图像和V通道图像的对比度的对比度差值小于等于对比度阈值时停止；
其中，j为大于等于1的整数；
步骤703、确定V通道图像和最后一次迭代的对比度增强图像的亮度均值的差值，将所述差值与所述最后一次迭代的对比度增强图像的亮度进行叠加，得到叠加图像；
步骤704、利用包含第i次迭代更新的滤波参数的至少一个滤波函数，提取叠加图像第i次迭代的特征信息，利用第i次迭代的特征信息对叠加图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像；确定所述叠加图像和所述第i次迭代的细节增强图像的质量评价分数的差值满足迭代条件时，对所述第i次迭代的滤波参数进行更新，得到第i+1次迭代的滤波参数，利用包含第i+1次迭代的滤波参数的至少一个滤波函数，继续对叠加图像进行细节增强处理，直至叠加图像和所述第i+1次迭代的细节增强图像的质量评价分数的差值满足迭代条件时停止；
其中，i为大于等于1的整数；
步骤705、显示最后一次迭代的细节增强图像。
综上所述，本公开实施例提供了三种增强处理的方式，分别包括：第1种，细节增强处理，即利用原始图像的边缘特征信息和高频信息对输入图像的细节进行增强处理；第2种，超分重建处理(即超分处理)，即利用超分辨率重建算法对输入图像进行超分辨率重建；第3种，对比度增强处理，即利用伽马变换对输入图像进行对比度增强处理。在具体实施中，上述三种增强处理的方式可以独立实施，也可以结合实施，本实施例对此不作过多限定。
在结合实施中，上述三种增强处理方式的实施顺序可以根据需要定义， 本实施例对此不作过多限定。在一些实施例中，先对原始图像进行超分处理，得到重建图像，再对HSV的重建图像的V通道图像进行迭代的对比度增强处理，得到RGB的叠加图像，最后，对HSV的叠加图像的V通道图像进行迭代的细节增强处理，得到RGB细节增强图像。在一些实施例中，先对HSV的原始图像的V通道图像进行迭代的对比度增强处理，得到RGB的叠加图像，再对RGB的叠加图像进行超分辨率重建处理(超分处理)，得到重建图像，最后，对HSV的重建图像的V通道图像进行迭代的细节增强处理，得到RGB细节增强图像。
基于相同的发明构思，本公开实施例还提供了一种自适应增强画质的方法，由于该方法即是本公开实施例中的显示设备使用的方法，并且该方法解决问题的原理与该显示设备相似，因此该方法的实施可以参见显示设备的实施，重复之处不再赘述。
如图8所示，本实施例还提供了一种自适应增强画质的方法，该方法的具体实施流程如下所示：
步骤800、获取原始图像，利用包含迭代更新的滤波参数的至少一个滤波函数，对所述原始图像进行迭代的细节增强处理；具体包括：对所述细节增强处理的输入图像，利用包含第i次迭代更新的滤波参数的至少一个滤波函数，提取所述输入图像第i次迭代的特征信息，利用第i次迭代的特征信息对所述输入图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像；其中，所述输入图像包括与所述原始图像相关的图像，i为大于等于1的整数；
实施中，利用本次的各个特征信息对输入的原始图像进行增强处理，得到本次增强处理后的图像，其中各个特征信息是根据本次的各个滤波参数确定的，各个滤波参数用于表示提取原始图像的特征信息时使用的滤波窗口的大小；
步骤801、确定所述输入图像和所述第i次迭代的细节增强图像的质量评价分数的差值满足迭代条件时，对所述第i次迭代的滤波参数进行更新，得到 第i+1次迭代的滤波参数，利用包含第i+1次迭代的滤波参数的至少一个滤波函数，继续对输入图像进行细节增强处理，直至所述输入图像和所述第i+1次迭代的细节增强图像的质量评价分数的差值满足迭代条件时停止；
步骤802、显示最后一次迭代的细节增强图像。
作为一种可能的实施方式，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，该方法还包括：
当确定所述原始图像为RGB图像时，对所述RGB的原始图像进行颜色通道HSV转换得到HSV的原始图像；
将所述HSV的原始图像的明度V通道图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述显示最后一次迭代的细节增强处理的图像之前，该方法还包括：
将最后一次迭代的细节增强处理的图像转换为RGB细节增强图像；
所述显示最后一次迭代的细节增强图像，具体包括：
显示所述RGB细节增强图像。
作为一种可能的实施方式，所述利用包含第i次迭代更新的滤波参数的至少一个滤波函数，提取所述原始图像第i次迭代的特征信息，利用第i次迭代的特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像，具体包括：
利用包含第i次迭代更新的第一滤波参数的第一滤波函数，提取所述原始图像第i次迭代的第一特征信息，利用第i次迭代的第一特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的第一增强图像；
利用包含第i次迭代更新的第二滤波参数的第二滤波函数，提取所述第一增强图像第i次迭代的第二特征信息，利用第i次迭代的第二特征信息对所述第一增强图像进行第i次迭代的细节增强处理，得到所述第i次迭代的细节增强图像。
作为一种可能的实施方式，所利用第i次迭代的第一特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的第一增强图像，包括：
将第i次迭代的第一特征信息叠加到所述原始图像，得到第i次迭代的第一增强图像；
所述利用第i次迭代的第二特征信息对所述第一增强图像进行第i次迭代的细节增强处理，包括：
将第i次迭代的第二特征信息叠加到所述第i次迭代的第一增强图像，得到所述第i次迭代的细节增强图像。
作为一种可能的实施方式，所述利用包含第i次迭代更新的第一滤波参数的第一滤波函数，提取所述原始图像第i次迭代的第一特征信息，包括：
利用包含第i次迭代更新的第一滤波参数的第一滤波函数，对所述原始图像进行滤波，得到第i次迭代的第一滤波图；将所述原始图像与所述第i次迭代的第一滤波图相减，得到第i次迭代的第一特征信息；
所述利用包含第i次迭代更新的第二滤波参数的第二滤波函数，提取所述第一增强图像第i次迭代的第二特征信息，包括：
利用包含第i次迭代更新的第二滤波参数的第二滤波函数，对所述第i次迭代的第一增强图像进行滤波，得到第i次迭代的第二滤波图；将所述第i次迭代的第一增强图与所述第i次迭代的第二滤波图相减，得到第i次迭代的第二特征信息。
作为一种可能的实施方式，所述第一滤波函数为导向滤波函数，所述第二滤波函数为高斯滤波函数；或，
所述第一滤波函数为高斯滤波函数，所述第二滤波函数为导向滤波函数。
作为一种可能的实施方式，所述原始图像的质量评价分数为，通过无参考图像质量评价NIQE算法对所述原始图像的质量进行评价，得到的第一NIQE分数；
所述第i次迭代的细节增强图像的质量评价分数为，通过NIQE算法对所述第i次迭代的细节增强图像的质量进行评价，得到的第二NIQE分数。
作为一种可能的实施方式，所述确定所述原始图像和所述第i次迭代的细节增强图像的质量评价分数的差值满足迭代条件，包括：
确定所述第一NIQE分数和所述第二NIQE分数的差值，小于等于零或大于等于预设阈值。
作为一种可能的实施方式，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，该方法还包括：
利用超分辨率算法，将超分处理的输入图像的分辨率重建到预设分辨率，得到重建图像，其中所述预设分辨率高于所述原始图像的分辨率；其中所述超分处理的输入图像为所述原始图像或对比度增强图像，所述对比度增强图像是对所述原始图像进行对比度增强处理后得到的；
以所述重建图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述利用超分辨率算法，将所述原始图像的分辨率重建到预设分辨率，包括：
根据所述原始图像的尺寸确定与所述尺寸对应的超分倍率因子；
根据所述超分倍率因子以及超分辨率算法，将所述原始图像的分辨率重建到预设分辨率。
作为一种可能的实施方式，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，该方法还包括：
将经过超分处理的所述重建图像或者未经过超分处理的所述原始图像作为输入图像，利用迭代更新的伽马值进行迭代的对比度增强处理：
对所述对比度增强处理的输入图像，按照第j次迭代更新的伽马值进行伽马变换，得到第j次迭代的对比度增强图像；其中，j为大于等于1的整数；
确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值，大于对比度阈值时，将所述对比度增强的输入图像的对比度替换为所述第j次迭代的对比度增强图像的对比度，并对所述第j次迭 代的伽马值进行更新，得到第j+1次迭代的伽马值，利用第j+1次迭代的伽马值，继续对所述对比度增强的输入图像进行迭代的对比度增强处理，直至确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值小于等于对比度阈值时停止；
将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像之前，该方法还包括：
确定所述对比度增强处理的输入图像和最后一次迭代的对比度增强图像的亮度均值的差值；
将所述差值与所述最后一次迭代的对比度增强图像的亮度进行叠加，得到叠加图像；
将所述叠加图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述利用迭代更新的伽马值进行迭代的对比度增强处理之前，该方法还包括：
当确定经过超分处理的所述重建图像为RGB图像时，将所述重建图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的V通道图像作为所述对比度增强处理的输入图像；或，
当确定未经过超分处理的所述原始图像为RGB图像时，将所述原始图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的V通道图像作为所述对比度增强处理的输入图像。
作为一种可能的实施方式，所述将所述叠加图像作为所述细节增强处理的输入图像之前，该方法还包括：
将所述叠加图像转换为RGB的叠加图像。
基于相同的发明构思，本公开实施例还提供了一种自适应增强画质的装置，由于该装置即是本公开实施例中的方法对应的装置，并且该装置解决问题的原理与该方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。
如图9所示，该装置包括：
增强处理单元900，用于获取原始图像，利用包含迭代更新的滤波参数的至少一个滤波函数，对所述原始图像进行迭代的细节增强处理，具体包括：对所述细节增强处理的输入图像，利用包含第i次迭代更新的滤波参数的至少一个滤波函数，提取所述原始图像第i次迭代的特征信息，利用第i次迭代的特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像；其中，i为大于等于1的整数；
差值判断单元901，用于确定所述原始图像和所述第i次迭代的细节增强图像的质量评价分数的差值满足迭代条件时，对所述第i次迭代的滤波参数进行更新，得到第i+1次迭代的滤波参数，利用包含第i+1次迭代的滤波参数的至少一个滤波函数，继续对第i次迭代的细节增强图像进行细节增强处理，直至所述原始图像和所述第i+1次迭代的细节增强图像的质量评价分数的差值满足迭代条件时停止；
增强输出单元902，用于显示最后一次迭代的细节增强图像。
作为一种可能的实施方式，所述显示最后一次迭代的细节增强处理的图像之前，还包括变换单元具体用于：
将最后一次迭代的细节增强处理的图像转换为RGB细节增强图像；
所述增强输出单元902具体还用于：
显示所述RGB细节增强图像。
作为一种可能的实施方式，所述增强处理单元900具体用于：
利用包含第i次迭代更新的第一滤波参数的第一滤波函数，提取所述原始图像第i次迭代的第一特征信息，利用第i次迭代的第一特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的第一增强图像；
利用包含第i次迭代更新的第二滤波参数的第二滤波函数，提取所述第一增强图像第i次迭代的第二特征信息，利用第i次迭代的第二特征信息对所述第一增强图像进行第i次迭代的细节增强处理，得到所述第i次迭代的细节增强图像。
作为一种可能的实施方式，所述增强处理单元900具体用于：
将第i次迭代的第一特征信息叠加到所述原始图像，得到第i次迭代的第一增强图像；
将第i次迭代的第二特征信息叠加到所述第i次迭代的第一增强图像，得到所述第i次迭代的细节增强图像。
作为一种可能的实施方式，所述增强处理单元900具体用于：
利用包含第i次迭代更新的第一滤波参数的第一滤波函数，对所述原始图像进行滤波，得到第i次迭代的第一滤波图；将所述原始图像与所述第i次迭代的第一滤波图相减，得到第i次迭代的第一特征信息；
利用包含第i次迭代更新的第二滤波参数的第二滤波函数，对所述第i次迭代的第一增强图像进行滤波，得到第i次迭代的第二滤波图；将所述第i次迭代的第一增强图与所述第i次迭代的第二滤波图相减，得到第i次迭代的第二特征信息。
作为一种可能的实施方式，所述第一滤波函数为导向滤波函数，所述第二滤波函数为高斯滤波函数；或，
所述第一滤波函数为高斯滤波函数，所述第二滤波函数为导向滤波函数。
作为一种可能的实施方式，所述原始图像的质量评价分数为，通过无参考图像质量评价NIQE算法对所述原始图像的质量进行评价，得到的第一NIQE分数；
所述第i次迭代的细节增强图像的质量评价分数为，通过NIQE算法对所述第i次迭代的细节增强图像的质量进行评价，得到的第二NIQE分数。
作为一种可能的实施方式，所述差值判断单元901具体用于：
确定所述第一NIQE分数和所述第二NIQE分数的差值，小于等于零或大于等于预设阈值。
作为一种可能的实施方式，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，还包括重建单元具体用于：
利用超分辨率算法，将超分处理的输入图像的分辨率重建到预设分辨率，得到重建图像，其中所述预设分辨率高于所述原始图像的分辨率；其中所述超分处理的输入图像为所述原始图像或对比度增强图像，所述对比度增强图像是对所述原始图像进行对比度增强处理后得到的；
以所述重建图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述重建单元具体用于：
根据所述原始图像的尺寸确定与所述尺寸对应的超分倍率因子；
根据所述超分倍率因子以及超分辨率算法，将所述原始图像的分辨率重建到预设分辨率。
作为一种可能的实施方式，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，还包括对比度增强单元具体用于：
将经过超分处理的所述重建图像或者未经过超分处理的所述原始图像作为输入图像，利用迭代更新的伽马值进行迭代的对比度增强处理：
对所述对比度增强处理的输入图像，按照第j次迭代更新的伽马值进行伽马变换，得到第j次迭代的对比度增强图像；其中，j为大于等于1的整数；
确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值，大于对比度阈值时，将所述对比度增强的输入图像的对比度替换为所述第j次迭代的对比度增强图像的对比度，并对所述第j次迭代的伽马值进行更新，得到第j+1次迭代的伽马值，利用第j+1次迭代的伽马值，继续对所述对比度增强的输入图像进行迭代的对比度增强处理，直至确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值小于等于对比度阈值时停止；
将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像之前，所述对比度增强单元具体还用于：
确定所述对比度增强处理的输入图像和最后一次迭代的对比度增强图像 的亮度均值的差值；
将所述差值与所述最后一次迭代的对比度增强图像的亮度进行叠加，得到叠加图像；
将所述叠加图像作为所述细节增强处理的输入图像。
作为一种可能的实施方式，所述利用迭代更新的伽马值进行迭代的对比度增强处理之前，所述对比度增强单元具体还用于：
当确定经过超分处理的所述重建图像为RGB图像时，将所述重建图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的V通道图像作为所述对比度增强处理的输入图像；或，
当确定未经过超分处理的所述原始图像为RGB图像时，将所述原始图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的V通道图像作为所述对比度增强处理的输入图像。
作为一种可能的实施方式，所述将所述叠加图像作为所述细节增强处理的输入图像之前，所述对比度增强单元具体还用于：
将所述叠加图像转换为RGB的叠加图像。
基于相同的发明构思，本公开实施例还提供了一种非瞬态计算机存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如下步骤：
获取原始图像，利用包含迭代更新的滤波参数的至少一个滤波函数，对所述原始图像进行迭代的细节增强处理，具体包括：对所述细节增强处理的输入图像，利用包含第i次迭代更新的滤波参数的至少一个滤波函数，提取所述输入图像第i次迭代的特征信息，利用第i次迭代的特征信息对所述输入图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像；其中，所述输入图像包括与所述原始图像相关的图像，i为大于等于1的整数；
确定所述输入图像和所述第i次迭代的细节增强图像的质量评价分数的差值满足迭代条件时，对所述第i次迭代的滤波参数进行更新，得到第i+1次迭代的滤波参数，利用包含第i+1次迭代的滤波参数的至少一个滤波函数，继续对输入图像进行细节增强处理，直至所述输入图像和所述第i+1次迭代的细 节增强图像的质量评价分数的差值满足迭代条件时停止；
显示最后一次迭代的细节增强图像。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、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。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作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发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不 脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (20)

  1. 一种显示设备系统，其中，包括：
    存储器，其上存储有计算机可读指令；
    处理器，被配置为运行所述计算机可读指令时执行如下步骤：
    获取原始图像，利用包含迭代更新的滤波参数的至少一个滤波函数，对所述原始图像进行迭代的细节增强处理，具体包括：
    对所述细节增强处理的输入图像，利用包含第i次迭代更新的滤波参数的至少一个滤波函数，提取所述输入图像第i次迭代的特征信息，利用第i次迭代的特征信息对所述输入图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像；其中，所述输入图像包括与所述原始图像相关的图像，i为大于等于1的整数；
    确定所述输入图像和所述第i次迭代的细节增强图像的质量评价分数的差值满足迭代条件时，对所述第i次迭代的滤波参数进行更新，得到第i+1次迭代的滤波参数，利用包含第i+1次迭代的滤波参数的至少一个滤波函数，继续对所述输入图像进行细节增强处理，直至所述输入图像和所述第i+1次迭代的细节增强图像的质量评价分数的差值满足迭代条件时停止；
    所述显示设备系统还包括显示屏，被配置为显示最后一次迭代的细节增强图像。
  2. 根据权利要求1所述的显示设备系统，其中，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，所述处理器具体还被配置为执行：
    当确定所述原始图像为RGB图像时，对所述RGB的原始图像进行颜色通道HSV转换得到HSV的原始图像；
    将所述HSV的原始图像的明度V通道图像作为所述细节增强处理的输入图像。
  3. 根据权利要求2所述的显示设备系统，其中，所述显示最后一次迭代 的细节增强处理的图像之前，所述处理器具体还被配置为执行：
    将最后一次迭代的细节增强处理的图像转换为RGB细节增强图像；
    所述显示屏具体被配置为执行：
    显示所述RGB细节增强图像。
  4. 根据权利要求1所述的显示设备系统，其中，所述处理器具体被配置为执行：
    利用包含第i次迭代更新的第一滤波参数的第一滤波函数，提取所述原始图像第i次迭代的第一特征信息，利用第i次迭代的第一特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的第一增强图像；
    利用包含第i次迭代更新的第二滤波参数的第二滤波函数，提取所述第一增强图像第i次迭代的第二特征信息，利用第i次迭代的第二特征信息对所述第一增强图像进行第i次迭代的细节增强处理，得到所述第i次迭代的细节增强图像。
  5. 根据权利要求4所述的显示设备系统，其中，所述处理器具体被配置为执行：
    将第i次迭代的第一特征信息叠加到所述原始图像，得到第i次迭代的第一增强图像；
    将第i次迭代的第二特征信息叠加到所述第i次迭代的第一增强图像，得到所述第i次迭代的细节增强图像。
  6. 根据权利要求4所述的显示设备系统，其中，所述控制器具体被配置为执行：
    利用包含第i次迭代更新的第一滤波参数的第一滤波函数，对所述原始图像进行滤波，得到第i次迭代的第一滤波图；将所述原始图像与所述第i次迭代的第一滤波图相减，得到第i次迭代的第一特征信息；
    利用包含第i次迭代更新的第二滤波参数的第二滤波函数，对所述第i次迭代的第一增强图像进行滤波，得到第i次迭代的第二滤波图；将所述第i次迭代的第一增强图与所述第i次迭代的第二滤波图相减，得到第i次迭代的第 二特征信息。
  7. 根据权利要求4所述的显示设备系统，其中，所述第一滤波函数为导向滤波函数，所述第二滤波函数为高斯滤波函数；或，
    所述第一滤波函数为高斯滤波函数，所述第二滤波函数为导向滤波函数。
  8. 根据权利要求1所述的显示设备系统，其中，所述原始图像的质量评价分数为，通过无参考图像质量评价NIQE算法对所述原始图像的质量进行评价，得到的第一NIQE分数；
    所述第i次迭代的细节增强图像的质量评价分数为，通过NIQE算法对所述第i次迭代的细节增强图像的质量进行评价，得到的第二NIQE分数。
  9. 根据权利要求8所述的显示设备系统，其中，所述控制器具体被配置为执行：
    确定所述第一NIQE分数和所述第二NIQE分数的差值，小于等于零或大于等于预设阈值。
  10. 根据权利要求1～9任一所述的显示设备系统，其中，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，所述控制器具体还被配置为执行：
    利用超分辨率算法，将超分处理的输入图像的分辨率重建到预设分辨率，得到重建图像，其中所述预设分辨率高于所述原始图像的分辨率；其中所述超分处理的输入图像为所述原始图像或对比度增强图像，所述对比度增强图像是对所述原始图像进行对比度增强处理后得到的；
    以所述重建图像作为所述细节增强处理的输入图像。
  11. 根据权利要求10所述的显示设备系统，其中，所述控制器具体被配置为执行：
    根据所述原始图像的尺寸确定与所述尺寸对应的超分倍率因子；
    根据所述超分倍率因子以及超分辨率算法，将所述原始图像的分辨率重建到预设分辨率。
  12. 根据权利要求1～9任一所述的显示设备系统，其中，所述获取原始 图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，所述控制器具体还被配置为执行：
    将经过超分处理的所述重建图像或者未经过超分处理的所述原始图像作为输入图像，利用迭代更新的伽马值进行迭代的对比度增强处理：
    对所述对比度增强处理的输入图像，按照第j次迭代更新的伽马值进行伽马变换，得到第j次迭代的对比度增强图像；其中，j为大于等于1的整数；
    确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值，大于对比度阈值时，将所述对比度增强的输入图像的对比度替换为所述第j次迭代的对比度增强图像的对比度，并对所述第j次迭代的伽马值进行更新，得到第j+1次迭代的伽马值，利用第j+1次迭代的伽马值，继续对所述对比度增强的输入图像进行迭代的对比度增强处理，直至确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值小于等于对比度阈值时停止；
    将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像。
  13. 根据权利要求12所述的显示设备系统，其中，所述将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像之前，所述控制器具体还被配置为执行：
    确定所述对比度增强处理的输入图像和最后一次迭代的对比度增强图像的亮度均值的差值；
    将所述差值与所述最后一次迭代的对比度增强图像的亮度进行叠加，得到叠加图像；
    将所述叠加图像作为所述细节增强处理的输入图像。
  14. 根据权利要求13所述的显示设备系统，其中，所述利用迭代更新的伽马值进行迭代的对比度增强处理之前，所述控制器具体还被配置为执行：
    当确定经过超分处理的所述重建图像为RGB图像时，将所述重建图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的V通道图像作为所述对比度增强处理的输入图像；或，
    当确定未经过超分处理的所述原始图像为RGB图像时，将所述原始图像进行HSV转换得到HSV的原始图像，将所述HSV的原始图像的V通道图像作为所述对比度增强处理的输入图像。
  15. 根据权利要求14所述的显示设备系统，其中，所述将所述叠加图像作为所述细节增强处理的输入图像之前，所述控制器具体还被配置为执行：
    将所述叠加图像转换为RGB的叠加图像。
  16. 一种自适应增强画质的方法，其中，该方法包括：
    获取原始图像，利用包含迭代更新的滤波参数的至少一个滤波函数，对所述原始图像进行迭代的细节增强处理，具体包括：对所述细节增强处理的输入图像，利用包含第i次迭代更新的滤波参数的至少一个滤波函数，提取所述输入图像第i次迭代的特征信息，利用第i次迭代的特征信息对所述输入图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像；其中，所述输入图像包括与所述原始图像相关的图像，i为大于等于1的整数；
    确定所述输入图像和所述第i次迭代的细节增强图像的质量评价分数的差值满足迭代条件时，对所述第i次迭代的滤波参数进行更新，得到第i+1次迭代的滤波参数，利用包含第i+1次迭代的滤波参数的至少一个滤波函数，继续对所述输入图像进行细节增强处理，直至所述输入图像和所述第i+1次迭代的细节增强图像的质量评价分数的差值满足迭代条件时停止；
    显示最后一次迭代的细节增强图像。
  17. 根据权利要求16所述的方法，其中，所述利用包含第i次迭代更新的滤波参数的至少一个滤波函数，提取所述原始图像第i次迭代的特征信息，利用第i次迭代的特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的细节增强图像，具体包括：
    利用包含第i次迭代更新的第一滤波参数的第一滤波函数，提取所述原始图像第i次迭代的第一特征信息，利用第i次迭代的第一特征信息对所述原始图像进行第i次迭代的细节增强处理，得到第i次迭代的第一增强图像；
    利用包含第i次迭代更新的第二滤波参数的第二滤波函数，提取所述第一 增强图像第i次迭代的第二特征信息，利用第i次迭代的第二特征信息对所述第一增强图像进行第i次迭代的细节增强处理，得到所述第i次迭代的细节增强图像。
  18. 根据权利要求16或17所述的方法，其中，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，该方法还包括：
    利用超分辨率算法，将超分处理的输入图像的分辨率重建到预设分辨率，得到重建图像，其中所述预设分辨率高于所述原始图像的分辨率；其中所述超分处理的输入图像为所述原始图像或对比度增强图像，所述对比度增强图像是对所述原始图像进行对比度增强处理后得到的；
    以所述重建图像作为所述细节增强处理的输入图像。
  19. 根据权利要求16或17所述的方法，其中，所述获取原始图像之后，利用至少一个包含迭代更新的滤波参数的滤波函数，对所述原始图像进行迭代的细节增强处理之前，该方法还包括：
    将经过超分处理的所述重建图像或者未经过超分处理的所述原始图像作为输入图像，利用迭代更新的伽马值进行迭代的对比度增强处理：
    对所述对比度增强处理的输入图像，按照第j次迭代更新的伽马值进行伽马变换，得到第j次迭代的对比度增强图像；其中，j为大于等于1的整数；
    确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值，大于对比度阈值时，将所述对比度增强的输入图像的对比度替换为所述第j次迭代的对比度增强图像的对比度，并对所述第j次迭代更新的伽马值进行更新，得到第j+1次迭代的伽马值，利用第j+1次迭代的伽马值，继续对所述对比度增强的输入图像进行迭代的对比度增强处理，直至确定所述第j次迭代的对比度增强图像和所述对比度增强的输入图像的对比度的对比度差值小于等于对比度阈值时停止；
    将最后一次迭代的对比度增强图像作为所述细节增强处理的输入图像。
  20. 一种非瞬态计算机存储介质，其上存储有计算机程序，其中，该程 序被处理器执行时实现如权利要求16～19任一所述方法的步骤。
CN202180002630.0A 2021-09-23 2021-09-23 一种显示设备系统及自适应增强画质的方法 Pending CN116157823A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2021/119834 WO2023044653A1 (zh) 2021-09-23 2021-09-23 一种显示设备系统及自适应增强画质的方法

Publications (1)

Publication Number Publication Date
CN116157823A true CN116157823A (zh) 2023-05-23

Family

ID=85719804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180002630.0A Pending CN116157823A (zh) 2021-09-23 2021-09-23 一种显示设备系统及自适应增强画质的方法

Country Status (3)

Country Link
US (1) US20240193734A1 (zh)
CN (1) CN116157823A (zh)
WO (1) WO2023044653A1 (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007141368A1 (en) * 2006-06-09 2007-12-13 Nokia Siemens Networks Oy A method, a device, a module and a computer program product for determining the quality of an image
CN102646265B (zh) * 2011-02-22 2015-09-23 株式会社东芝 图像处理设备和方法
CN102156966A (zh) * 2011-04-11 2011-08-17 北方工业大学 医学图像去噪
US11049230B2 (en) * 2016-08-22 2021-06-29 Koninklijke Philips N.V. Feature-based image processing using feature images extracted from different iterations

Also Published As

Publication number Publication date
US20240193734A1 (en) 2024-06-13
WO2023044653A1 (zh) 2023-03-30

Similar Documents

Publication Publication Date Title
CN108702496B (zh) 用于实时色调映射的系统和方法
CN103606132B (zh) 基于空域和时域联合滤波的多帧数字图像去噪方法
US20210073957A1 (en) Image processor and method
CN107408296A (zh) 用于高动态范围图像的实时噪声消除和图像增强的方法以及系统
JP2018527687A (ja) 知覚的な縮小方法を用いて画像を縮小するための画像処理システム
CN106780417A (zh) 一种光照不均图像的增强方法及系统
CN111105376B (zh) 基于双分支神经网络的单曝光高动态范围图像生成方法
CN107862672B (zh) 图像去雾的方法及装置
JP2013041565A (ja) 画像処理装置、画像表示装置、画像処理方法、コンピュータプログラム及び記憶媒体
WO2021093718A1 (zh) 视频处理方法、视频修复方法、装置及设备
CN109146780A (zh) 一种影像质量优化方法、计算机装置及可读存储介质
Kim et al. Tone mapping with contrast preservation and lightness correction in high dynamic range imaging
KR102462265B1 (ko) 지향성 스케일링 시스템들 및 방법들
Liu et al. Color enhancement using global parameters and local features learning
Jia et al. Real-time content adaptive contrast enhancement for see-through fog and rain
CN103685858A (zh) 视频实时处理的方法及设备
Muniraj et al. Underwater image enhancement by modified color correction and adaptive Look-Up-Table with edge-preserving filter
US11574391B2 (en) Median based frequency separation local area contrast enhancement
WO2020107308A1 (zh) 一种基于Retinex的微光图像快速增强方法及其装置
JP5410378B2 (ja) 映像信号補正装置および映像信号補正プログラム
Yang et al. Correction of overexposure utilizing haze removal model and image fusion technique
CN110545414B (zh) 一种图像锐化方法
CN116468636A (zh) 低照度增强方法、装置、电子设备和可读存储介质
CN116157823A (zh) 一种显示设备系统及自适应增强画质的方法
WO2020241337A1 (ja) 画像処理装置

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