CN116363148A - 图像处理方法、装置、芯片及存储介质 - Google Patents

图像处理方法、装置、芯片及存储介质 Download PDF

Info

Publication number
CN116363148A
CN116363148A CN202210709541.6A CN202210709541A CN116363148A CN 116363148 A CN116363148 A CN 116363148A CN 202210709541 A CN202210709541 A CN 202210709541A CN 116363148 A CN116363148 A CN 116363148A
Authority
CN
China
Prior art keywords
image
target
initial
pixel point
gray
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
Application number
CN202210709541.6A
Other languages
English (en)
Other versions
CN116363148B (zh
Inventor
周千琪
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.)
Shanghai Xuanjie Technology Co ltd
Original Assignee
Shanghai Xuanjie Technology 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 Shanghai Xuanjie Technology Co ltd filed Critical Shanghai Xuanjie Technology Co ltd
Priority to CN202210709541.6A priority Critical patent/CN116363148B/zh
Publication of CN116363148A publication Critical patent/CN116363148A/zh
Application granted granted Critical
Publication of CN116363148B publication Critical patent/CN116363148B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • 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
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping

Landscapes

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

Abstract

本公开是关于一种图像处理方法、装置、芯片及存储介质。该方法包括：从初始彩色图像中确定目标区域；根据初始彩色图像，确定目标灰度图像；至少根据目标区域中各个目标像素点在目标灰度图像中的亮度值，确定亮度调整曲线；利用亮度调整曲线，对目标像素点进行映射处理，得到目标像素点对应的目标亮度值；根据各个目标像素点对应的目标亮度值和各个目标像素点在初始灰度图像中的初始亮度值，对各个目标像素点在初始彩色图像中的亮度值进行校正处理，得到目标彩色图像；其中，初始灰度图像由初始彩色图像转换得到。不仅能使得到的目标彩色图像中目标区域的对比度与当前的场景更匹配，还能实现图像在数值维度上的平滑过渡，提升目标彩色图像的显示效果。

Description

图像处理方法、装置、芯片及存储介质
技术领域
本公开涉及图像技术领域，尤其涉及一种图像处理方法、装置、芯片及存储介质。
背景技术
随着电子设备的产品功能的不断更新，其所涉及的软件技术和硬件技术也在同步发展。以具有显示模组和图像采集模组的电子设备为例，受限于电子设备的研发技术和生产成本，其显示的灰度级范围只有0至255。当真实场景的亮度范围被线性压缩到这个范围内进行显示时，会导致图像中大量区域的信息和细节的严重丢失，进而导致所显示的图像效果较差，所以需要对图像的亮度进行调整。
但是，相关技术中，在对图像的亮度进行调整时，会出现最终得到的图像的对比度不合适，进而导致得到的图像的显示效果较差。
发明内容
为克服相关技术中存在的问题，本公开提供一种图像处理方法、装置、芯片及存储介质。不仅能够使得到的目标彩色图像中目标区域的对比度与当前的场景更加匹配，且能够实现图像在数值维度上的平滑过渡，进而提升所得到的目标彩色图像的显示效果。
根据本公开实施例的第一方面，提供一种图像处理方法，包括：
从初始彩色图像中确定目标区域；
根据所述初始彩色图像，确定目标灰度图像；
至少根据所述目标区域中各个目标像素点在所述目标灰度图像中的亮度值，确定亮度调整曲线；
利用所述亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的目标亮度值；
根据各个所述目标像素点对应的所述目标亮度值和各个所述目标像素点在初始灰度图像中的初始亮度值，对各个所述目标像素点在所述初始彩色图像中的亮度值进行校正处理，得到目标彩色图像；
其中，所述初始灰度图像由所述初始彩色图像转换得到。
在一些实施例中，所述根据所述初始彩色图像，确定目标灰度图像，包括：
将所述初始彩色图像转换为所述初始灰度图像；
根据所述初始灰度图像的信息熵，对所述初始灰度图像进行调整，得到所述目标灰度图像。
在一些实施例中，所述根据所述初始灰度图像的信息熵，对所述初始灰度图像进行调整，得到所述目标灰度图像，包括：
利用初始裁剪阈值，对所述初始灰度图像进行校正处理，得到校正灰度图像；
根据所述校正灰度图像的信息熵和所述初始灰度图像的信息熵之间的差异，对所述初始裁剪阈值进行调整，直至达到预设停止条件，得到目标裁剪阈值；
利用所述目标裁剪阈值，对所述初始灰度图像进行校正处理，得到所述目标灰度图像。
在一些实施例中，所述预设停止条件包括以下至少之一：
对所述初始裁剪阈值进行调整的调整次数大于或者等于预设调整次数；
所述校正灰度图像的信息熵位于预设信息熵范围内；
所述校正灰度图像的信息熵与所述初始灰度图像的信息熵之间的差异小于预设差异阈值。
在一些实施例中，所述利用所述目标裁剪阈值，对所述初始灰度图像进行校正处理，得到所述目标灰度图像，包括：
对所述初始灰度图像进行分块处理，得到至少一个子图像；
确定各个所述子图像的初始直方图；
根据所述目标裁剪阈值，对各个所述初始直方图进行裁剪处理，得到各个所述子图像的累计直方图；
根据所述累计直方图，确定变换曲线；
根据所述变换曲线对所述初始灰度图像进行映射处理，得到所述目标灰度图像。
在一些实施例中，所述至少根据所述目标区域中各个目标像素点在所述目标灰度图像中的亮度值，确定亮度调整曲线，包括：
在所述目标灰度图像对应有子图像的情况下，确定各个所述目标像素点所在的目标子图像；其中，所述目标灰度图像对应的子图像与所述初始灰度对应的子图像中的像素点相同；
根据各个所述目标子图像中，各个所述目标像素点的亮度值，确定各个所述目标子图像对应的所述亮度调整曲线。
在一些实施例中，所述根据各个所述目标子图像中，各个所述目标像素点的亮度值，确定各个所述目标子图像对应的所述亮度调整曲线，包括：
根据所述目标子图像中各个所述目标像素点的亮度值和预设亮度值，对标准曲线进行调整，得到所述亮度调整曲线。
在一些实施例中，所述方法还包括：
利用预设尺寸的滤波器对所述亮度调整曲线进行滤波处理；
利用滤波处理之后的亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的所述目标亮度值。
在一些实施例中，所述根据各个所述目标像素点对应的所述目标亮度值和各个所述目标像素点在初始灰度图像中的初始亮度值，对各个所述目标像素点在所述初始彩色图像中的亮度值进行校正处理，得到目标彩色图像，包括：
将所述目标亮度值和所述初始亮度值之间的比值，确定为所述目标像素点对应的校正值；
将所述校正值，分别与所述目标像素点在所述初始彩色图像中各个通道的色彩分量值相乘，得到各个所述目标像素点对应的目标像素值；
根据各个所述目标像素值和所述初始彩色图像，得到所述目标彩色图像。
在一些实施例中，所述从初始彩色图像中确定目标区域，包括：
将以第一色彩空间表示的初始彩色图像转换至以第二色彩空间表示；
根据所述初始彩色图像中各个像素点在所述第二色彩空间中各个通道的色彩分量，确定各个像素点对应的置信度；
根据各个像素点的置信度，从所述初始彩色图像中确定所述目标区域。
根据本公开实施例的第二方面，提供一种图像处理装置，包括：
第一确定模块，配置为从初始彩色图像中确定目标区域；
第二确定模块，配置为根据所述初始彩色图像，确定目标灰度图像；
第三确定模块，配置为至少根据所述目标区域中各个目标像素点在所述目标灰度图像中的亮度值，确定亮度调整曲线；
第一映射模块，配置为利用所述亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的目标亮度值；
校正模块，配置为根据各个所述目标像素点对应的所述目标亮度值和各个所述目标像素点在初始灰度图像中的初始亮度值，对各个所述目标像素点在所述初始彩色图像中的亮度值进行校正处理，得到目标彩色图像；
其中，所述初始灰度图像由所述初始彩色图像转换得到。
在一些实施例中，所述第二确定模块，配置为：
将所述初始彩色图像转换为所述初始灰度图像；
根据所述初始灰度图像的信息熵，对所述初始灰度图像进行调整，得到所述目标灰度图像。
在一些实施例中，所述第二确定模块，配置为：
利用初始裁剪阈值，对所述初始灰度图像进行校正处理，得到校正灰度图像；
根据所述校正灰度图像的信息熵和所述初始灰度图像的信息熵之间的差异，对所述初始裁剪阈值进行调整，直至达到预设停止条件，得到目标裁剪阈值；
利用所述目标裁剪阈值，对所述初始灰度图像进行校正处理，得到所述目标灰度图像。
在一些实施例中，所述预设停止条件包括以下至少之一：
对所述初始裁剪阈值进行调整的调整次数大于或者等于预设调整次数；
所述校正灰度图像的信息熵位于预设信息熵范围内；
所述校正灰度图像的信息熵与所述初始灰度图像的信息熵之间的差异小于预设差异阈值。
在一些实施例中，所述第二确定模块，配置为：
对所述初始灰度图像进行分块处理，得到至少一个子图像；
确定各个所述子图像的初始直方图；
根据所述目标裁剪阈值，对各个所述初始直方图进行裁剪处理，得到各个所述子图像的累计直方图；
根据所述累计直方图，确定变换曲线；
根据所述变换曲线对所述初始灰度图像进行映射处理，得到所述目标灰度图像。
在一些实施例中，所述第三确定模块，配置为：
在所述目标灰度图像对应有子图像的情况下，确定各个所述目标像素点所在的目标子图像；其中，所述目标灰度图像对应的子图像与所述初始灰度对应的子图像中的像素点相同；
根据各个所述目标子图像中，各个所述目标像素点的亮度值，确定各个所述目标子图像对应的所述亮度调整曲线。
在一些实施例中，所述第三确定模块，配置为：
根据所述目标子图像中各个所述目标像素点的亮度值和预设亮度值，对标准曲线进行调整，得到所述亮度调整曲线。
在一些实施例中，所述装置还包括：
滤波模块，配置为利用预设尺寸的滤波器对所述亮度调整曲线进行滤波处理；
第二映射模块，配置为利用滤波处理之后的亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的所述目标亮度值。
在一些实施例中，所述校正模块，配置为：
将所述目标亮度值和所述初始亮度值之间的比值，确定为所述目标像素点对应的校正值；
将所述校正值，分别与所述目标像素点在所述初始彩色图像中各个通道的色彩分量值相乘，得到各个所述目标像素点对应的目标像素值；
根据各个所述目标像素值和所述初始彩色图像，得到所述目标彩色图像。
在一些实施例中，所述第一确定模块，配置为：
将以第一色彩空间表示的初始彩色图像转换至以第二色彩空间表示；
根据所述初始彩色图像中各个像素点在所述第二色彩空间中各个通道的色彩分量，确定各个像素点对应的置信度；
根据各个像素点的置信度，从所述初始彩色图像中确定所述目标区域。
根据本公开实施例的第三方面，提供一种图像处理装置，包括：
处理器；
配置为存储处理器可执行指令的存储器；
其中，所述处理器配置为：执行时实现上述第一方面中任一种图像处理方法中的步骤。
根据本公开实施例的第四方面，提供一种芯片，所述芯片包括：
处理器和通信接口，所述通信接口和所述处理器耦合，所述通信接口用于传输图像数据，所述处理器用于运行程序或指令，实现如上述第一方面中任一种图像处理方法中的步骤。根据本公开实施例的第五方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由图像处理装置的处理器执行时，使得所述装置能够执行上述第一方面中任一种图像处理方法。
本公开的实施例提供的技术方案可以包括以下有益效果：
本公开实施例中，可以从初始彩色图像中确定目标区域，并根据初始彩色图像，确定目标灰度图像，至少根据目标区域中各个目标像素点在目标灰度图像中的亮度值，确定亮度调整曲线，利用亮度调整曲线，对目标像素点进行映射处理，得到目标像素点对应的目标亮度值，根据各个目标像素点对应的目标亮度值和各个目标像素点在由初始彩色图像转换得到的初始灰度图像中的初始亮度值，对各个目标像素点在初始彩色图像中的亮度值进行校正处理，得到目标彩色图像。
第一方面，通过从初始彩色图像中确定目标区域，并对目标区域中各个目标像素点在初始彩色图像中的亮度值进行校正处理，能够细化到目标区域中各个目标像素点，针对各个目标像素点进行不同的调整，能够使得到的目标彩色图像中目标区域的对比度与当前的场景更加匹配。第二方面，至少根据目标区域中各个目标像素点在目标灰度图像中的亮度值，确定亮度调整曲线，进而根据亮度调整曲线得到各个目标像素点的目标亮度值，并根据目标像素点的目标亮度值和初始亮度值对目标像素点在初始彩色图像中的亮度值进行校正处理，能够实现图像在数值维度上的平滑过渡，进而提升所得到的目标彩色图像的显示效果。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种图像处理方法的流程示意图；
图2A是根据一示例性实施例示出的图像示意图一；
图2B是根据一示例性实施例示出的直方图示意图一；
图3A是根据一示例性实施例示出的图像示意图二；
图3B是根据一示例性实施例示出的直方图示意图二；
图4A是根据一示例性实施例示出的图像示意图三；
图4B是根据一示例性实施例示出的直方图示意图三；
图5是根据一示例性实施例示出的直方图的裁剪示意图；
图6是根据一示例性实施例示出的一种贝塞尔曲线的示意图；
图7是根据一示例性实施例示出的一种亮度调整曲线的示意图；
图8是根据一示例性实施例示出的像素点的分布示意图；
图9是根据一示例性实施例示出的一种图像处理装置框图；
图10是根据一示例性实施例示出的一种用于图像处理装置1200的框图；
图11是根据一示例性实施例示出的另一种用于图像处理装置1300的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开实施例中提供了一种图像处理方法，图1是根据一示例性实施例示出的一种图像处理方法的流程示意图，如图1所示，该方法主要包括以下步骤：
在步骤101中，从初始彩色图像中确定目标区域；
在步骤102中，根据所述初始彩色图像，确定目标灰度图像；
在步骤103中，至少根据所述目标区域中各个目标像素点在所述目标灰度图像中的亮度值，确定亮度调整曲线；
在步骤104中，利用所述亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的目标亮度值；
在步骤105中，根据各个所述目标像素点对应的所述目标亮度值和各个所述目标像素点在初始灰度图像中的初始亮度值，对各个所述目标像素点在所述初始彩色图像中的亮度值进行校正处理，得到目标彩色图像；其中，所述初始灰度图像由所述初始彩色图像转换得到。
本公开实施例中所涉及的图像处理方法可以应用于电子设备，这里，电子设备包括移动终端和固定终端，其中，移动终端包括：手机、平板电脑、笔记本电脑等；固定终端包括：个人计算机。在其他可选的实施例中，该图像处理方法也可以运行于网络侧设备，其中，网络侧设备包括：服务器、处理中心等。当然，该电子设备也可以是能够单独使用的相机，或者是可以嵌入终端设备的相机等。
以电子设备是手机为例，在利用手机进行拍照时，可以根据场景亮度自动调整曝光参数，以满足图像的曝光需求，获取曝光良好的图像。而图像对比度可分为局部对比度和全局对比度，当局部对比度和全局对比度均比较合适时，就可以得到显示效果较佳的图像。但是，在一些比较极端的场景下，只依靠自动曝光无法得到亮度、对比度合适的图像。
如图2A和图2B所示，图2A示例了一张欠曝的图像201a，图2B示例了图2A中的图像对应的直方图201b，从直方图201b可以看出，图像201a中大部分像素都分布在暗区，造成图像201a全局对比度不够，暗处细节丢失。如图3A和图3B所示，图3A示例了一张欠曝的图像301a，图3B示例了图3A中的图像对应的直方图301b，从直方图301b可以看出，图像301a中的大部分区域像素都分布在高亮区域，图像301a对比度不够，图像301a细节丢失。图4A展示了一张高动态范围(High-Dynamic Range，HDR)场景的图像401a，由于逆光拍摄，图像401a中窗外高亮区域过曝，室内人像欠曝，导致亮区和暗区细节都有严重丢失的现象。从图4B示出的直方图401b来看，图像401a中的像素主要分布于极亮和极暗区域，该图像401a具有很好的全局对比度，但是局部对比度严重不足，且人脸区域亮度过低，难以看清细节。
本公开实施例中，可以从初始彩色图像中确定目标区域，并根据初始彩色图像，确定目标灰度图像，至少根据目标区域中各个目标像素点在目标灰度图像中的亮度值，确定亮度调整曲线，利用亮度调整曲线，对目标像素点进行映射处理，得到目标像素点对应的目标亮度值，根据各个目标像素点对应的目标亮度值和各个目标像素点在由初始彩色图像转换得到的初始灰度图像中的初始亮度值，对各个目标像素点在初始彩色图像中的亮度值进行校正处理，得到目标彩色图像。
这里，初始彩色图像可以是基于电子设备的图像采集模组采集的图像，也可以是预先存储至电子设备上的图像，或者是电子设备从其他设备获取的图像，在此不作具体限定。在一些实施例中，初始彩色图像可以是以第一色彩空间表示的初始图像。这里，第一色彩空间可以包括：RGB色彩空间，其中，R表示红色通道，G表示绿色通道，B表示蓝色通道。
在得到初始彩色图像之后，可以从初始彩色图像中确定目标区域。其中，目标区域可以包括：肤色区域、绿植区域、建筑物区域等，可以根据实际需求设置不同类型的目标区域。
在一些实施例中，可以通过图像处理模型对初始彩色图像进行处理，从初始彩色图像中确定目标区域。例如，可以将初始彩色图像输入图像处理模型，通过图像处理模型从初始彩色图像中确定出目标区域。
在一些实施例中，图像处理模型可以是预先通过迭代训练的方法对初始模型(如，神经网络)进行训练得到的模型，在训练图像处理模型时，可以通过交叉熵损失函数确定初始模型的损失值，然后基于损失值对初始模型的模型参数进行调整，直至达到收敛条件，并将最后一次进行模型参数调整后的初始模型确定为图像处理模型。其中，收敛条件可以包括：模型参数调整次数达到阈值或初始模型的性能满足预设要求。在一些实施例中，神经网络可以包括：卷积神经网络(Convolutional Neural Networks，CNN)和全卷积神经网络(Fully Convolutional Neural Networks，FCN)等。
在另一些实施例中，还可以通过阈值分割算法从初始彩色图像中确定目标区域。
在另一些实施例中，所述从初始彩色图像中确定目标区域，包括：
将以第一色彩空间表示的初始彩色图像转换至以第二色彩空间表示；
根据所述初始彩色图像中各个像素点在所述第二色彩空间中各个通道的色彩分量，确定各个像素点对应的置信度；
根据各个像素点的置信度，从所述初始彩色图像中确定所述目标区域。
在一些实施例中，在得到以第一色彩空间表示的初始彩色图像之后，可以将以第一色彩空间表示的初始彩色图像转换至以第二色彩空间表示。这里，以第一色彩空间是RGB色彩空间为例，则第二色彩空间可以包括：HSV色彩空间，其中，HSV色彩空间是将RGB色彩空间中的点在倒圆锥体中的表示方法，其中，H表示色相(Hue)，S代表饱和度(Saturation)，V代表明度(Value)。
在将初始彩色图像转换为以第二色彩空间表示之后，可以根据初始彩色图像中各个像素点在第二色彩空间中各个通道的色彩分量，确定各个像素点对应的置信度。例如，可以根据各个色彩分量，确定各个通道的置信度，进而根据各个通道的置信度，确定对应像素点的置信度。其中，置信度用于表征各个色彩分量所在的阈值范围，可以用于确定该像素点位于目标区域的概率。
以第二色彩空间具有三个通道为例，则各个像素点在第二色彩空间下可以具有三个通道，每个色彩通道对应有一个色彩分量，即每个像素点对应有三个色彩分量，该三个色彩分量分别为：第一色彩分量、第二色彩分量以及第三色彩分量。在得到第一色彩分量、第二色彩分量以及第三色彩分量之后，可以根据第一色彩分量，确定第一通道的置信度；根据第二色彩分量，确定第二通道的置信度；根据第三色彩分量，确定第三通道的置信度。
在得到第一通道的置信度、第二通道的置信度以及第三通道的置信度之后，可以根据第一通道的置信度、第二通道的置信度以及第三通道的置信度，确定该像素点的置信度。例如，可以根据第一通道的置信度、第二通道的置信度以及第三通道的置信度之间的乘积，确定该像素点的置信度。
再例如，可以基于第一权重对第一通道的置信度进行加权，得到第一加权值；基于第二权重对第二通道的置信度进行加权，得到第二加权值；基于第三权重对第三通道的置信度进行加权，得到第三加权值；在得到第一加权值、第二加权值以及第三加权值之后，可以基于第一加权值、第二加权值以及第三加权值之间的和值，确定该像素点的置信度。
以第二色彩空间是HSV色彩空间为例，在一些实施例中，可以基于HSV色彩空间的阈值分割算法对目标区域(如，肤色区域)进行粗提取。以目标区域是肤色区域为例，可以通过各个像素点对应的色相值、饱和度值以及明度值确定各个像素点的置信度。例如，可以根据色相值确定第一通道(H通道)的置信度，根据饱和度值确定第二通道(S通道)的置信度，根据明度值确定第三通道(V通道)的置信度，然后根据第一通道的置信度、第二通道的置信度以及第三通道的置信度确定该像素的置信度。例如，可以根据第一通道的置信度、第二通道的置信度以及第三通道的置信度的乘积，确定该像素的置信度。
在一些实施例中，可以确定各个色彩分量所在的阈值区间，根据各个色彩分量所在的阈值区间，确定该色彩分量所在的通道对应的置信度。以确定H通道的置信度、色彩分量是色相值(H)为例，如果2<H<13，则可以确定该H通道对应的置信度是1。在另一些实施例中，还可以设置过渡区域，通过过渡区域降低误判的可能性。例如，在1.5<H<2时，可以使得该H通道的置信度在0-1之间变动，色相值(H)距离2越近，置信度越接近1。
以确定S通道的置信度、色彩分量是饱和度(S)为例，如果28<S<256，则可以确定该S通道对应的置信度是1。以确定V通道的置信度、色彩分量是明度值(V)为例，如果50<V<256，则可以确定该V通道对应的置信度是1。
在确定出H通道的置信度、S通道的置信度以及V通道的置信度之后，可以基于H通道的置信度、S通道的置信度以及V通道的置信度的乘积，确定该像素点对应的置信度。
在确定出各个像素点对应的置信度之后，可以根据各个像素点的置信度，确定该像素点所在的区域是肤色区域的概率。例如，在置信度为1时，可以确定该置信度对应的像素点所在的区域是肤色区域的概率为100％。在置信度为0时，可以确定该置信度对应的像素点所在的区域是肤色区域的概率为0。在置信度为0.5时，可以确定该置信度对应的像素点所在的区域时肤色区域的概率为50％等。
在确定出各个像素点对应的置信度之后，可以对初始彩色图像中所有的像素点的置信度进行分析之后，从初始彩色图像中确定出目标区域。本公开实施例中，对目标区域进行亮度调整方面，采用基于颜色空间的阈值分割模型来粗略提取目标区域，算法简单，成本低。
需要说明的是，在确定出目标区域之后，至少可以根据目标区域中各个目标像素点在目标灰度图像中的亮度值，确定亮度调整曲线。其中，目标灰度图像可以根据初始彩色图像确定。例如，目标灰度图像可以由初始彩色图像直接转换而来，这时，目标灰度图像与初始灰度图像相同。
当然，目标灰度图像也可以与初始灰度图像不同。例如，可以对初始彩色图像进行转换处理，得到初始灰度图像，然后再基于初始灰度图像得到目标灰度图像。再例如，目标灰度图像可以包括对初始灰度图像的动态范围进行调整之后得到的图像。
在一些实施例中，所述根据所述初始彩色图像，确定目标灰度图像，包括：
将所述初始彩色图像转换为所述初始灰度图像；
根据所述初始灰度图像的信息熵，对所述初始灰度图像进行调整，得到所述目标灰度图像。
在一些实施例中，可以通过转换算法对初始彩色图像进行转换处理，得到初始灰度图像。例如，可以通过平均法，将初始彩色图像中同一个像素点的三个通道(RGB通道)的色彩分量值进行平均，得到各个像素点对应的灰度值，进而得到初始灰度图像。只要能够将初始彩色图像转换为初始灰度图像即可，转换方式在此不作具体限定。
在转换得到初始灰度图像之后，可以根据初始灰度图像的信息熵，对初始灰度图像进行调整，得到目标灰度图像。其中，初始灰度图像的信息熵是一种特征的统计形式，也可以称为图像熵，图像熵反映了初始灰度图像中平均信息量的多少。例如，初始灰度图像的一维熵表示初始灰度图像中灰度分布的聚集特征所包含的信息量。初始灰度图像的信息熵的计算公式可以如下：
Figure BDA0003706539170000111
公式(1)中，H表示初始灰度图像的信息熵；pi表示初始灰度图像中灰度值为i的像素点所占的比例。
本公开实施例中，可以根据初始灰度图像的信息熵，对初始灰度图像进行调整，得到目标灰度图像，通过将初始灰度图像的信息熵作为参考，动态调整初始灰度图像，能够使得到的目标灰度图像的对比度和动态范围与当前的场景更加匹配。
在一些实施例中，所述根据所述初始灰度图像的信息熵，对所述初始灰度图像进行调整，得到所述目标灰度图像，包括：
利用初始裁剪阈值，对所述初始灰度图像进行校正处理，得到校正灰度图像；
根据所述校正灰度图像的信息熵和所述初始灰度图像的信息熵之间的差异，对所述初始裁剪阈值进行调整，直至达到预设停止条件，得到目标裁剪阈值；
利用所述目标裁剪阈值，对所述初始灰度图像进行校正处理，得到所述目标灰度图像。
在一些实施例中，利用初始裁剪阈值，对初始灰度图像进行校正处理，得到校正灰度图像，包括：对初始灰度图像进行分块处理，得到至少一个子图像；确定各个子图像的初始直方图；根据初始裁剪阈值，对各个初始直方图进行裁剪处理，得到各个子图像的累计直方图；根据累计直方图，确定变换曲线；根据变换曲线对初始灰度图像进行映射处理，得到校正灰度图像。
例如，可以将初始灰度图像分成13*10块，并分别统计每个子图像的初始直方图，然后可以根据初始裁剪阈值对各个初始直方图进行裁剪，得到对应的累计直方图。
需要说明的是，裁剪的过程是为了将直方图的幅值限制于裁剪阈值的范围内，在裁剪的过程中，可以将裁剪出的部分裁剪值均匀地分布至直方图的整个灰度区间上，以保证直方图总面积不变。
图5是根据一示例性实施例示出的直方图的裁剪示意图，如图5所示，可以通过初始裁剪阈值对初始直方图进行裁剪处理，并将裁剪的部分501均匀地分布至初始直方图的整个灰度区间上，得到累计直方图。这里，直方图是图像的最基本的统计特征，是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律，直方图反映了图像的明暗分布规律。
在一些实施例中，初始裁剪阈值可以根据需要设置，在此不作具体限定。例如，可以设置为每个子图像中的总像素个数的80％等。
本公开实施例中，可以将三通道的初始彩色图像转成单通道的初始灰度图像，并对初始灰度图像计算图像信息熵，得到信息熵初始值(即，初始灰度图像的信息熵)。再将初始灰度图像分成13*10块，并分别统计每个子图像的初始直方图。
然后可以根据裁剪阈值(例如，初始裁剪阈值)对各个初始直方图进行裁剪，得到对应的累计直方图，并获取对应的变换曲线，这里，变换曲线可以是根据累计直方图得到的直方图曲线。
在一些实施例中，在得到变换曲线之后，可以根据获得的变换曲线对整幅图像(例如，初始灰度图像)进行映射，得到图像动态范围和对比度校正后的图像(例如，校正灰度图像)。这时，可以计算出校正后的图像(例如，校正灰度图像)的信息熵，得到信息熵校正值，根据信息熵校正值和信息熵初始值之间的差异，调整裁剪阈值(例如，初始裁剪阈值)，然后再次对初始灰度图像进行限制对比度的直方图执行均衡化操作，依此循环直至达到预设停止条件。
本公开实施例中，以图像信息熵为参考标准，自动调整裁剪阈值，能够达到针对不同图像动态调整裁剪阈值的目的，从而实现在不同场景下的图像均能获得更好的对比度和动态范围。
在一些实施例中，所述预设停止条件包括以下至少之一：
对所述初始裁剪阈值进行调整的调整次数大于或者等于预设调整次数；
所述校正灰度图像的信息熵位于预设信息熵范围内；
所述校正灰度图像的信息熵与所述初始灰度图像的信息熵之间的差异小于预设差异阈值。
需要说明的是，对初始裁剪阈值进行调整的次数也可以为迭代次数，即对初始裁剪阈值进行调整的整个过程的执行次数。对初始裁剪阈值进行调整的调整次数大于或者等于预设调整次数，也可以理解为迭代次数达到上限值，这时即可停止对初始裁剪阈值的调整，也可以称为停止迭代。这时，可以将对初始裁剪阈值进行最后一次调整得到的数值确定为目标裁剪阈值。也可以将信息熵最大的校正灰度图像对应的那次调整过程中，调整后的初始裁剪阈值，确定为目标裁剪阈值，在此不作具体限定。
在校正灰度图像的信息熵位于预设信息熵范围内的情况下，表明校正灰度图像的信息熵满足要求，即，校正灰度图像的信息熵满足需求会停止迭代。其中，预设信息熵范围可以根据需要，例如，可以设置为大于等于5且小于等于8，如果校正灰度图像的信息熵为7，则可以确定校正灰度图像的信息熵位于预设信息熵范围内，这时，就可以将此次调整过程中所使用的裁剪阈值确定为目标裁剪阈值。
校正灰度图像的信息熵与初始灰度图像的信息熵之间的差异，可以根据校正灰度图像的信息熵与初始灰度图像的信息熵之间的差值确定。在一些实施例中，在确定出校正灰度图像的信息熵与初始灰度图像的信息熵之间的差值之后，可以确定该差值是都小于预设阈值，在校正灰度图像的信息熵与初始灰度图像的信息熵之间的差值小于预设阈值的情况下，确定达到预设停止条件。这时，可以将差值小于预设阈值对应的那次调整过程中，调整后的初始裁剪阈值，确定为目标裁剪阈值，在此不作具体限定。
本公开实施例中，通过设置预设停止条件，并在达到预设停止条件之后确定目标裁剪阈值，可以达到获取最优裁剪阈值的目的。
在得到目标裁剪阈值之后，可以利用目标裁剪阈值，对初始灰度图像进行校正处理，得到目标灰度图像。
在一些实施例中，所述利用所述目标裁剪阈值，对所述初始灰度图像进行校正处理，得到所述目标灰度图像，包括：
对所述初始灰度图像进行分块处理，得到至少一个子图像；
确定各个所述子图像的初始直方图；
根据所述目标裁剪阈值，对各个所述初始直方图进行裁剪处理，得到各个所述子图像的累计直方图；
根据所述累计直方图，确定变换曲线；
根据所述变换曲线对所述初始灰度图像进行映射处理，得到所述目标灰度图像。
例如，可以将初始灰度图像分成13*10块，并分别统计每个子图像的初始直方图，然后可以根据目标裁剪阈值对各个初始直方图进行裁剪，得到对应的累计直方图。
需要说明的是，得到目标裁剪阈值之后，可以根据目标裁剪阈值对各个初始直方图进行裁剪，得到对应的累计直方图，并获取对应的变换曲线，这里，变换曲线可以是根据累计直方图得到的直方图曲线。
在一些实施例中，在得到变换曲线之后，可以根据获得的变换曲线对初始灰度图像进行映射，得到图像动态范围和对比度校正后的目标灰度图像。
本公开实施例中，通过设置预设停止条件，并在达到预设停止条件之后确定目标裁剪阈值，可以达到获取最优裁剪阈值的目的，从而获取到对比度和动态范围更好的目标灰度图像。
在确定出目标灰度图像之后，可以至少根据目标区域中各个目标像素点在目标灰度图像中的亮度值，确定亮度调整曲线。
这里，亮度调整曲线包括：贝塞尔曲线(Bezier Curve)。其中，贝塞尔曲线是应用于二维图形应用程序的数学曲线。贝塞尔曲线的形状可以由起始点、终止点(也称锚点)以及控制点来确定，其中，起始点和终止点各有一个，控制点可以有多个。
图6是根据一示例性实施例示出的一种贝塞尔曲线的示意图，如图6所示，以二次贝塞尔曲线为例，点A可以为起始点，点C可以为终止点，点B可以为控制点，这样，通过点A、点B以及点C这三个点就能够确定了一条贝塞尔曲线(加粗部分)。
本公开实施例中，至少可以根据目标区域中各个目标像素点在目标灰度图像中的亮度值，确定亮度调整曲线。由于是统计目标区域的亮度信息对亮度调整曲线进行调整，相当于在数值维度上进行了很好的过渡，能够很好的减弱基于颜色空间的阈值分割模型带来的漏检、错检问题。
在一些实施例中，所述至少根据所述目标区域中各个目标像素点在所述目标灰度图像中的亮度值，确定亮度调整曲线，包括：
在所述目标灰度图像对应有子图像的情况下，确定各个所述目标像素点所在的目标子图像；其中，所述目标灰度图像对应的子图像与所述初始灰度对应的子图像中的像素点相同；
根据各个所述目标子图像中，各个所述目标像素点的亮度值，确定各个所述目标子图像对应的所述亮度调整曲线。
需要说明的是，目标灰度图像对应的子图像和初始灰度图像对应的子图像的尺寸和数量，以及各个子图像的排列和位置均相同。目标灰度图像对应的子图像与所述初始灰度对应的子图像中的像素点也相同。
本公开实施例中，在确定出目标区域和目标灰度图像之后，可以确定目标区域中各个目标像素点所在的目标子图像。进而根据各个目标子图像中，各个目标像素点的亮度值，确定各个目标子图像对应的亮度调整曲线。
通过针对各个目标子图像均设置对应的亮度调整曲线，可以将图像的亮度调整细化至各个子图像以及各个子图像中的像素点，能够实现图像在数值维度上的平滑过渡，进而提升所得到的目标彩色图像的效果。
在一些实施例中，所述根据各个所述目标子图像中，各个所述目标像素点的亮度值，确定各个所述目标子图像对应的所述亮度调整曲线，包括：
根据所述目标子图像中各个所述目标像素点的亮度值和预设亮度值，对标准曲线进行调整，得到所述亮度调整曲线。
这里，预设亮度值可以为用户根据需要设置的希望调整至的亮度值。这里，目标子图像中各个目标像素点的亮度值可以包括：目标子图像中各个目标像素点的平均亮度值、目标子图像中各个目标像素点的最大亮度值以及目标子图像中各个目标像素点的最小亮度值。其中，平均亮度值可以根据目标子图像中各个目标像素点的亮度值的平均值确定；最大亮度值和最小亮度值可以对目标子图像中各个目标像素点的亮度值按照预设顺序进行排序得到。其中，预设顺序可以是从大至小的顺序，也可以是从小至大的顺序。
图7是根据一示例性实施例示出的一种亮度调整曲线的示意图，如图7所示，点P3的横坐标由目标区域的平均亮度值确定，纵坐标由预设亮度值(用户设置希望调整的亮度目标值)确定；点P1的横坐标由置信度为1的目标区域的最小亮度值确定，纵坐标由预设亮度值确定(用户设置)；点P5的横坐标由置信度为1的目标区域的最大亮度值确定，纵坐标由预设亮度值确定(用户设置)；点P0的横坐标由置信度为0.25的目标区域的最小亮度值确定，纵坐标与标准曲线(基础曲线)相应点的值保持一致；点P6的横坐标由置信度为0.25的目标区域的最大亮度值确定，纵坐标与标准曲线相应点的值保持一致。点P2与点P1的横坐标距离和点P0到点P1的横坐标距离相同，纵坐标由预设亮度值确定(用户设置)。点P4与点P5的横坐标距离和点P5到点P6的横坐标距离相同，纵坐标由预设亮度值确定(用户设置)。
其中，置信度为1的目标区域可以根据置信度为1的目标像素点组成的区域，置信度为0.25的目标区域可以根据置信度为0.25的目标像素点组成的区域。目标区域可以包括：肤色区域。亮度调整曲线上各个点的坐标计算公式如下：
Figure BDA0003706539170000161
公式(2)中，B(t)表示要计算的点在亮度调整曲线上的坐标；t为常数，t∈[0,1]；n表示控制点的个数；p0、p1……pn-1、pn表示亮度调整曲线上控制点的坐标。
本公开实施例中，可以对检测出的目标区域进行位置判断，确定目标区域在图像的哪个子图像中，再对目标区域的亮度值进行统计，获取目标区域的平均亮度、最大亮度值以及最小亮度值，进而对标准曲线进行调整，得到亮度调整曲线。
通过本公开实施例中的方式设置的亮度调整曲线，从整体而言，曲线灵活度高，用户可根据需求灵活调整，能够提高亮度调整的灵活性和便利性。
在一些实施例中，所述方法还包括：
利用预设尺寸的滤波器对所述亮度调整曲线进行滤波处理；
利用滤波处理之后的亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的所述目标亮度值。
需要说明的是，在得到亮度调整曲线之后，每个目标子图像的亮度调整曲线设定完毕，为了防止出现块效应，可以对各个目标子图像对应的亮度调整曲线进行滤波处理，并利用滤波处理之后的亮度调整曲线，对目标像素点进行映射处理，得到目标像素点对应的目标亮度值。例如，可以对各个目标子图像对应的亮度调整曲线进行卷积计算，进而实现对亮度调整曲线的滤波处理。再例如，可以对亮度调整曲线进行3*3的滤波操作，即各个卷积核的尺寸可以为3*3。
在得到亮度调整曲线之后，可以利用亮度调整曲线，对目标像素点进行映射处理，得到目标像素点对应的目标亮度值。在一些实施例中，对位于不同位置的像素点，可以采用不同的映射策略，即针对不同位置的像素点，可以采用不同的映射方式进行映射。
图8是根据一示例性实施例示出的像素点的分布示意图，如图8所示，可以根据计算所得亮度调整曲线对灰度图像中的各个像素点进行映射处理，在利用亮度调整曲线对目标像素点进行映射处理时，位于图像中第一部分801(中间位置)的像素点采用双线性查插值，位于第二部分802(边缘位置)的像素点采用线性插值，位于第三部分803(图像角的位置)直接使用该像素点所属子图像对应的变换函数，其中，子图像对应的变换函数即可以为该子图像对应的变换曲线。
本公开实施例中，通过不同的映射策略，利用亮度调整曲线对各个像素点进行映射处理，能够涵盖位于不同位置的像素点，使得到的目标亮度值更加精确和完整。
在得到目标亮度值之后，可以根据各个目标像素点对应的目标亮度值和各个目标像素点在初始灰度图像中的初始亮度值，对各个目标像素点在初始彩色图像中的亮度值进行校正处理，得到目标彩色图像。
本公开实施例中，第一方面，通过从初始彩色图像中确定目标区域，并对目标区域中各个目标像素点在初始彩色图像中的亮度值进行校正处理，能够细化到目标区域中各个目标像素点，针对各个目标像素点进行不同的调整，能够使得到的目标彩色图像中目标区域的对比度与当前的场景更加匹配。第二方面，至少根据目标区域中各个目标像素点在目标灰度图像中的亮度值，确定亮度调整曲线，进而根据亮度调整曲线得到各个目标像素点的目标亮度值，并根据目标像素点的目标亮度值和初始亮度值对目标像素点在初始彩色图像中的亮度值进行校正处理，能够实现图像在数值维度上的平滑过渡，进而提升所得到的目标彩色图像的效果。
在一些实施例中，所述根据各个所述目标像素点对应的所述目标亮度值和各个所述目标像素点在初始灰度图像中的初始亮度值，对各个所述目标像素点在所述初始彩色图像中的亮度值进行校正处理，得到目标彩色图像，包括：
将所述目标亮度值和所述初始亮度值之间的比值，确定为所述目标像素点对应的校正值；
将所述校正值，分别与所述目标像素点在所述初始彩色图像中各个通道的色彩分量值相乘，得到各个所述目标像素点对应的目标像素值；
根据各个所述目标像素值和所述初始彩色图像，得到所述目标彩色图像。
这里，在得到各个目标像素点对应的目标亮度值之后，可以将目标像素点的目标亮度值和初始亮度相除，得到目标亮度值和初始亮度值之间的比值，并将该目标亮度值和初始亮度值之间的比值确定为该目标像素点的校正值。
以初始彩色图像以第一色彩空间表示为例，可以将映射后的亮度值(目标亮度值)与初始灰度图的初始亮度值相除，获取每个点的校正值(gain值)，将校正值作用到RGB三个通道上，得到处理后的最终结果。例如，可以将校正值，分别与目标像素点在初始彩色图像中各个通道的色彩分量值相乘，得到各个目标像素点对应的目标像素值，根据各个目标像素值和初始彩色图像，得到目标彩色图像。
本公开实施例中，可以通过将初始灰度图像的信息熵作为参考，动态调整初始灰度图像，能够使得到的目标灰度图像的对比度和动态范围与当前的场景更加匹配，实现全局对比度的调整。对目标区域进行亮度调整方面，采用基于颜色空间的阈值分割模型来粗略提取目标区域，算法简单，成本低。通过至少可以根据目标区域中各个目标像素点在目标灰度图像中的亮度值，确定亮度调整曲线，由于是统计目标区域的亮度信息对亮度调整曲线进行调整，相当于在数值维度上进行了很好的过渡，能够很好的减弱基于颜色空间的阈值分割模型带来的漏检、错检问题。
图9是根据一示例性实施例示出的一种图像处理装置框图，如图9所示，该装置900主要包括：
第一确定模块901，配置为从初始彩色图像中确定目标区域；
第二确定模块902，配置为根据所述初始彩色图像，确定目标灰度图像；
第三确定模块903，配置为至少根据所述目标区域中各个目标像素点在所述目标灰度图像中的亮度值，确定亮度调整曲线；
第一映射模块904，配置为利用所述亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的目标亮度值；
校正模块905，配置为根据各个所述目标像素点对应的所述目标亮度值和各个所述目标像素点在初始灰度图像中的初始亮度值，对各个所述目标像素点在所述初始彩色图像中的亮度值进行校正处理，得到目标彩色图像；
其中，所述初始灰度图像由所述初始彩色图像转换得到。
在一些实施例中，所述第二确定模块902，配置为：
将所述初始彩色图像转换为所述初始灰度图像；
根据所述初始灰度图像的信息熵，对所述初始灰度图像进行调整，得到所述目标灰度图像。
在一些实施例中，所述第二确定模块902，配置为：
利用初始裁剪阈值，对所述初始灰度图像进行校正处理，得到校正灰度图像；
根据所述校正灰度图像的信息熵和所述初始灰度图像的信息熵之间的差异，对所述初始裁剪阈值进行调整，直至达到预设停止条件，得到目标裁剪阈值；
利用所述目标裁剪阈值，对所述初始灰度图像进行校正处理，得到所述目标灰度图像。
在一些实施例中，所述预设停止条件包括以下至少之一：
对所述初始裁剪阈值进行调整的调整次数大于或者等于预设调整次数；
所述校正灰度图像的信息熵位于预设信息熵范围内；
所述校正灰度图像的信息熵与所述初始灰度图像的信息熵之间的差异小于预设差异阈值。
在一些实施例中，所述第二确定模块902，配置为：
对所述初始灰度图像进行分块处理，得到至少一个子图像；
确定各个所述子图像的初始直方图；
根据所述目标裁剪阈值，对各个所述初始直方图进行裁剪处理，得到各个所述子图像的累计直方图；
根据所述累计直方图，确定变换曲线；
根据所述变换曲线对所述初始灰度图像进行映射处理，得到所述目标灰度图像。
在一些实施例中，所述第三确定模块903，配置为：
在所述目标灰度图像对应有子图像的情况下，确定各个所述目标像素点所在的目标子图像；其中，所述目标灰度图像对应的子图像与所述初始灰度对应的子图像中的像素点相同；
根据各个所述目标子图像中，各个所述目标像素点的亮度值，确定各个所述目标子图像对应的所述亮度调整曲线。
在一些实施例中，所述第三确定模块903，配置为：
根据所述目标子图像中各个所述目标像素点的亮度值和预设亮度值，对标准曲线进行调整，得到所述亮度调整曲线。
在一些实施例中，所述装置900还包括：
滤波模块，配置为利用预设尺寸的滤波器对所述亮度调整曲线进行滤波处理；
第二映射模块，配置为利用滤波处理之后的亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的所述目标亮度值。
在一些实施例中，所述校正模块905，配置为：
将所述目标亮度值和所述初始亮度值之间的比值，确定为所述目标像素点对应的校正值；
将所述校正值，分别与所述目标像素点在所述初始彩色图像中各个通道的色彩分量值相乘，得到各个所述目标像素点对应的目标像素值；
根据各个所述目标像素值和所述初始彩色图像，得到所述目标彩色图像。
在一些实施例中，所述第一确定模块901，配置为：
将以第一色彩空间表示的初始彩色图像转换至以第二色彩空间表示；
根据所述初始彩色图像中各个像素点在所述第二色彩空间中各个通道的色彩分量，确定各个像素点对应的置信度；
根据各个像素点的置信度，从所述初始彩色图像中确定所述目标区域。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图10是根据一示例性实施例示出的一种用于图像处理装置1200的框图。例如，装置1200可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图10，装置1200可以包括以下一个或多个组件：处理组件1202，存储器1204，电力组件1206，多媒体组件1208，音频组件1210，输入/输出(I/O)接口1212，传感器组件1214，以及通信组件1216。
处理组件1202通常控制装置1200的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1202可以包括一个或多个处理器1220来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1202可以包括一个或多个模块，便于处理组件1202和其他组件之间的交互。例如，处理组件1202可以包括多媒体模块，以方便多媒体组件1208和处理组件1202之间的交互。
存储器1204被配置为存储各种类型的数据以支持在设备1200的操作。这些数据的示例包括用于在装置1200上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电力组件1206为装置1200的各种组件提供电力。电力组件1206可以包括电源管理系统，一个或多个电源，及其他与为装置1200生成、管理和分配电力相关联的组件。
多媒体组件1208包括在所述装置1200和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1208包括一个前置摄像头和/或后置摄像头。当设备1200处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件1210被配置为输出和/或输入音频信号。例如，音频组件1210包括一个麦克风(MIC)，当装置1200处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1204或经由通信组件1216发送。在一些实施例中，音频组件1210还包括一个扬声器，用于输出音频信号。
I/O接口1212为处理组件1202和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1214包括一个或多个传感器，用于为装置1200提供各个方面的状态评估。例如，传感器组件1214可以检测到设备1200的打开/关闭状态，组件的相对定位，例如所述组件为装置1200的显示器和小键盘，传感器组件1214还可以检测装置1200或装置1200一个组件的位置改变，用户与装置1200接触的存在或不存在，装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1214还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1214还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件1216被配置为便于装置1200和其他设备之间有线或无线方式的通信。装置1200可以接入基于通信标准的无线网络，如WiFi，4G或5G，或它们的组合。在一个示例性实施例中，通信组件1216经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1216还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置1200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1204，上述指令可由装置1200的处理器1220执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由图像处理装置的处理器执行时，使得图像处理装置能够执行一种图像处理方法，所述方法包括：
从初始彩色图像中确定目标区域；
根据所述初始彩色图像，确定目标灰度图像；
至少根据所述目标区域中各个目标像素点在所述目标灰度图像中的亮度值，确定亮度调整曲线；
利用所述亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的目标亮度值；
根据各个所述目标像素点对应的所述目标亮度值和各个所述目标像素点在初始灰度图像中的初始亮度值，对各个所述目标像素点在所述初始彩色图像中的亮度值进行校正处理，得到目标彩色图像；
其中，所述初始灰度图像由所述初始彩色图像转换得到。
一种芯片，所述芯片包括：
处理器和通信接口，所述通信接口和所述处理器耦合，所述通信接口用于传输图像数据，所述处理器用于运行程序或指令，实现一种图像处理方法，所述方法包括：
从初始彩色图像中确定目标区域；
根据所述初始彩色图像，确定目标灰度图像；
至少根据所述目标区域中各个目标像素点在所述目标灰度图像中的亮度值，确定亮度调整曲线；
利用所述亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的目标亮度值；
根据各个所述目标像素点对应的所述目标亮度值和各个所述目标像素点在初始灰度图像中的初始亮度值，对各个所述目标像素点在所述初始彩色图像中的亮度值进行校正处理，得到目标彩色图像；
其中，所述初始灰度图像由所述初始彩色图像转换得到。
在一些实施例中，该芯片可以是能够单独使用的集成电路，也可以是设置于电子设备内的功能组件。在另一些实施例中，芯片的类型可以根据需要设置，在此不作具体限定，例如，可以包括：图形处理器(Graphic Processing Unit，GPU)、图像信号处理芯片(Image Signal Processor，ISP)、系统芯片(System on a Chip，SOC)等类型。
图11是根据一示例性实施例示出的另一种用于图像处理装置1300的框图。例如，装置1300可以被提供为一服务器。参照图11，装置1300包括处理组件1322，其进一步包括一个或多个处理器，以及由存储器1332所代表的存储器资源，用于存储可由处理组件1322的执行的指令，例如应用程序。存储器1332中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1322被配置为执行指令，以执行上述图像处理方法，所述方法包括：
从初始彩色图像中确定目标区域；
根据所述初始彩色图像，确定目标灰度图像；
至少根据所述目标区域中各个目标像素点在所述目标灰度图像中的亮度值，确定亮度调整曲线；
利用所述亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的目标亮度值；
根据各个所述目标像素点对应的所述目标亮度值和各个所述目标像素点在初始灰度图像中的初始亮度值，对各个所述目标像素点在所述初始彩色图像中的亮度值进行校正处理，得到目标彩色图像；
其中，所述初始灰度图像由所述初始彩色图像转换得到。
装置1300还可以包括一个电源组件1326被配置为执行装置1300的电源管理，一个有线或无线网络接口1350被配置为将装置1300连接到网络，和一个输入输出(I/O)接口1358。装置1300可以操作基于存储在存储器1332的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (23)

1.一种图像处理方法，其特征在于，包括：
从初始彩色图像中确定目标区域；
根据所述初始彩色图像，确定目标灰度图像；
至少根据所述目标区域中各个目标像素点在所述目标灰度图像中的亮度值，确定亮度调整曲线；
利用所述亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的目标亮度值；
根据各个所述目标像素点对应的所述目标亮度值和各个所述目标像素点在初始灰度图像中的初始亮度值，对各个所述目标像素点在所述初始彩色图像中的亮度值进行校正处理，得到目标彩色图像；
其中，所述初始灰度图像由所述初始彩色图像转换得到。
2.根据权利要求1所述的方法，其特征在于，所述根据所述初始彩色图像，确定目标灰度图像，包括：
将所述初始彩色图像转换为所述初始灰度图像；
根据所述初始灰度图像的信息熵，对所述初始灰度图像进行调整，得到所述目标灰度图像。
3.根据权利要求2所述的方法，其特征在于，所述根据所述初始灰度图像的信息熵，对所述初始灰度图像进行调整，得到所述目标灰度图像，包括：
利用初始裁剪阈值，对所述初始灰度图像进行校正处理，得到校正灰度图像；
根据所述校正灰度图像的信息熵和所述初始灰度图像的信息熵之间的差异，对所述初始裁剪阈值进行调整，直至达到预设停止条件，得到目标裁剪阈值；
利用所述目标裁剪阈值，对所述初始灰度图像进行校正处理，得到所述目标灰度图像。
4.根据权利要求3所述的方法，其特征在于，所述预设停止条件包括以下至少之一：
对所述初始裁剪阈值进行调整的调整次数大于或者等于预设调整次数；
所述校正灰度图像的信息熵位于预设信息熵范围内；
所述校正灰度图像的信息熵与所述初始灰度图像的信息熵之间的差异小于预设差异阈值。
5.根据权利要求3所述的方法，其特征在于，所述利用所述目标裁剪阈值，对所述初始灰度图像进行校正处理，得到所述目标灰度图像，包括：
对所述初始灰度图像进行分块处理，得到至少一个子图像；
确定各个所述子图像的初始直方图；
根据所述目标裁剪阈值，对各个所述初始直方图进行裁剪处理，得到各个所述子图像的累计直方图；
根据所述累计直方图，确定变换曲线；
根据所述变换曲线对所述初始灰度图像进行映射处理，得到所述目标灰度图像。
6.根据权利要求1所述的方法，其特征在于，所述至少根据所述目标区域中各个目标像素点在所述目标灰度图像中的亮度值，确定亮度调整曲线，包括：
在所述目标灰度图像对应有子图像的情况下，确定各个所述目标像素点所在的目标子图像；其中，所述目标灰度图像对应的子图像与所述初始灰度对应的子图像中的像素点相同；
根据各个所述目标子图像中，各个所述目标像素点的亮度值，确定各个所述目标子图像对应的所述亮度调整曲线。
7.根据权利要求6所述的方法，其特征在于，所述根据各个所述目标子图像中，各个所述目标像素点的亮度值，确定各个所述目标子图像对应的所述亮度调整曲线，包括：
根据所述目标子图像中各个所述目标像素点的亮度值和预设亮度值，对标准曲线进行调整，得到所述亮度调整曲线。
8.根据权利要求6所述的方法，其特征在于，所述方法还包括：
利用预设尺寸的滤波器对所述亮度调整曲线进行滤波处理；
利用滤波处理之后的亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的所述目标亮度值。
9.根据权利要求1所述的方法，其特征在于，所述根据各个所述目标像素点对应的所述目标亮度值和各个所述目标像素点在初始灰度图像中的初始亮度值，对各个所述目标像素点在所述初始彩色图像中的亮度值进行校正处理，得到目标彩色图像，包括：
将所述目标亮度值和所述初始亮度值之间的比值，确定为所述目标像素点对应的校正值；
将所述校正值，分别与所述目标像素点在所述初始彩色图像中各个通道的色彩分量值相乘，得到各个所述目标像素点对应的目标像素值；
根据各个所述目标像素值和所述初始彩色图像，得到所述目标彩色图像。
10.根据权利要求1至9任一项所述的方法，其特征在于，所述从初始彩色图像中确定目标区域，包括：
将以第一色彩空间表示的初始彩色图像转换至以第二色彩空间表示；
根据所述初始彩色图像中各个像素点在所述第二色彩空间中各个通道的色彩分量，确定各个像素点对应的置信度；
根据各个像素点的置信度，从所述初始彩色图像中确定所述目标区域。
11.一种图像处理装置，其特征在于，包括：
第一确定模块，配置为从初始彩色图像中确定目标区域；
第二确定模块，配置为根据所述初始彩色图像，确定目标灰度图像；
第三确定模块，配置为至少根据所述目标区域中各个目标像素点在所述目标灰度图像中的亮度值，确定亮度调整曲线；
第一映射模块，配置为利用所述亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的目标亮度值；
校正模块，配置为根据各个所述目标像素点对应的所述目标亮度值和各个所述目标像素点在初始灰度图像中的初始亮度值，对各个所述目标像素点在所述初始彩色图像中的亮度值进行校正处理，得到目标彩色图像；
其中，所述初始灰度图像由所述初始彩色图像转换得到。
12.根据权利要求11所述的装置，其特征在于，所述第二确定模块，配置为：
将所述初始彩色图像转换为所述初始灰度图像；
根据所述初始灰度图像的信息熵，对所述初始灰度图像进行调整，得到所述目标灰度图像。
13.根据权利要求12所述的装置，其特征在于，所述第二确定模块，配置为：
利用初始裁剪阈值，对所述初始灰度图像进行校正处理，得到校正灰度图像；
根据所述校正灰度图像的信息熵和所述初始灰度图像的信息熵之间的差异，对所述初始裁剪阈值进行调整，直至达到预设停止条件，得到目标裁剪阈值；
利用所述目标裁剪阈值，对所述初始灰度图像进行校正处理，得到所述目标灰度图像。
14.根据权利要求13所述的装置，其特征在于，所述预设停止条件包括以下至少之一：
对所述初始裁剪阈值进行调整的调整次数大于或者等于预设调整次数；
所述校正灰度图像的信息熵位于预设信息熵范围内；
所述校正灰度图像的信息熵与所述初始灰度图像的信息熵之间的差异小于预设差异阈值。
15.根据权利要求13所述的装置，其特征在于，所述第二确定模块，配置为：
对所述初始灰度图像进行分块处理，得到至少一个子图像；
确定各个所述子图像的初始直方图；
根据所述目标裁剪阈值，对各个所述初始直方图进行裁剪处理，得到各个所述子图像的累计直方图；
根据所述累计直方图，确定变换曲线；
根据所述变换曲线对所述初始灰度图像进行映射处理，得到所述目标灰度图像。
16.根据权利要求11所述的装置，其特征在于，所述第三确定模块，配置为：
在所述目标灰度图像对应有子图像的情况下，确定各个所述目标像素点所在的目标子图像；其中，所述目标灰度图像对应的子图像与所述初始灰度对应的子图像中的像素点相同；
根据各个所述目标子图像中，各个所述目标像素点的亮度值，确定各个所述目标子图像对应的所述亮度调整曲线。
17.根据权利要求16所述的装置，其特征在于，所述第三确定模块，配置为：
根据所述目标子图像中各个所述目标像素点的亮度值和预设亮度值，对标准曲线进行调整，得到所述亮度调整曲线。
18.根据权利要求16所述的装置，其特征在于，所述装置还包括：
滤波模块，配置为利用预设尺寸的滤波器对所述亮度调整曲线进行滤波处理；
第二映射模块，配置为利用滤波处理之后的亮度调整曲线，对所述目标像素点进行映射处理，得到所述目标像素点对应的所述目标亮度值。
19.根据权利要求11所述的装置，其特征在于，所述校正模块，配置为：
将所述目标亮度值和所述初始亮度值之间的比值，确定为所述目标像素点对应的校正值；
将所述校正值，分别与所述目标像素点在所述初始彩色图像中各个通道的色彩分量值相乘，得到各个所述目标像素点对应的目标像素值；
根据各个所述目标像素值和所述初始彩色图像，得到所述目标彩色图像。
20.根据权利要求11至19任一项所述的装置，其特征在于，所述第一确定模块，配置为：
将以第一色彩空间表示的初始彩色图像转换至以第二色彩空间表示；
根据所述初始彩色图像中各个像素点在所述第二色彩空间中各个通道的色彩分量，确定各个像素点对应的置信度；
根据各个像素点的置信度，从所述初始彩色图像中确定所述目标区域。
21.一种图像处理装置，其特征在于，包括：
处理器；
配置为存储处理器可执行指令的存储器；
其中，所述处理器配置为：执行时实现上述权利要求1至10中任一种图像处理方法中的步骤。
22.一种芯片，其特征在于，所述芯片包括：
处理器和通信接口，所述通信接口和所述处理器耦合，所述通信接口用于传输图像数据，所述处理器用于运行程序或指令，实现如上述权利要求1至10中任一种图像处理方法中的步骤。
23.一种非临时性计算机可读存储介质，当所述存储介质中的指令由图像处理装置的处理器执行时，使得所述装置能够执行上述权利要求1至10中任一种图像处理方法。
CN202210709541.6A 2022-06-21 2022-06-21 图像处理方法、装置、芯片及存储介质 Active CN116363148B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210709541.6A CN116363148B (zh) 2022-06-21 2022-06-21 图像处理方法、装置、芯片及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210709541.6A CN116363148B (zh) 2022-06-21 2022-06-21 图像处理方法、装置、芯片及存储介质

Publications (2)

Publication Number Publication Date
CN116363148A true CN116363148A (zh) 2023-06-30
CN116363148B CN116363148B (zh) 2024-04-02

Family

ID=86911370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210709541.6A Active CN116363148B (zh) 2022-06-21 2022-06-21 图像处理方法、装置、芯片及存储介质

Country Status (1)

Country Link
CN (1) CN116363148B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1885317A (zh) * 2006-07-06 2006-12-27 上海交通大学 基于形态学和信息熵的自适应边缘检测方法
CN104794705A (zh) * 2015-03-27 2015-07-22 努比亚技术有限公司 基于图像局部内容特征的图像去雾方法及装置
WO2017166886A1 (zh) * 2016-03-30 2017-10-05 努比亚技术有限公司 一种图像处理系统和方法
CN109410126A (zh) * 2017-08-30 2019-03-01 中山大学 一种细节增强与亮度自适应的高动态范围图像的色调映射方法
CN111127341A (zh) * 2019-12-05 2020-05-08 Oppo广东移动通信有限公司 图像处理方法和装置、及存储介质
CN112102386A (zh) * 2019-01-22 2020-12-18 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备和计算机可读存储介质
CN112200848A (zh) * 2020-10-30 2021-01-08 中国科学院自动化研究所 低光照弱对比复杂环境下的深度相机视觉增强方法及系统
WO2021212810A1 (zh) * 2020-04-23 2021-10-28 北京达佳互联信息技术有限公司 图像处理方法、装置、电子设备及存储介质
WO2022087973A1 (zh) * 2020-10-29 2022-05-05 Oppo广东移动通信有限公司 图像处理方法及装置、计算机可读介质和电子设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1885317A (zh) * 2006-07-06 2006-12-27 上海交通大学 基于形态学和信息熵的自适应边缘检测方法
CN104794705A (zh) * 2015-03-27 2015-07-22 努比亚技术有限公司 基于图像局部内容特征的图像去雾方法及装置
WO2017166886A1 (zh) * 2016-03-30 2017-10-05 努比亚技术有限公司 一种图像处理系统和方法
CN109410126A (zh) * 2017-08-30 2019-03-01 中山大学 一种细节增强与亮度自适应的高动态范围图像的色调映射方法
CN112102386A (zh) * 2019-01-22 2020-12-18 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备和计算机可读存储介质
CN111127341A (zh) * 2019-12-05 2020-05-08 Oppo广东移动通信有限公司 图像处理方法和装置、及存储介质
WO2021212810A1 (zh) * 2020-04-23 2021-10-28 北京达佳互联信息技术有限公司 图像处理方法、装置、电子设备及存储介质
WO2022087973A1 (zh) * 2020-10-29 2022-05-05 Oppo广东移动通信有限公司 图像处理方法及装置、计算机可读介质和电子设备
CN112200848A (zh) * 2020-10-30 2021-01-08 中国科学院自动化研究所 低光照弱对比复杂环境下的深度相机视觉增强方法及系统

Also Published As

Publication number Publication date
CN116363148B (zh) 2024-04-02

Similar Documents

Publication Publication Date Title
CN109547701B (zh) 图像拍摄方法、装置、存储介质及电子设备
CN110675310B (zh) 视频处理方法、装置、电子设备及存储介质
CN109345485B (zh) 一种图像增强方法、装置、电子设备及存储介质
WO2019183813A1 (zh) 一种拍摄方法及设备
CN112073645B (zh) 曝光控制方法、装置、终端设备及存储介质
CN107967459B (zh) 卷积处理方法、装置及存储介质
CN108932696B (zh) 信号灯的光晕抑制方法及装置
CN106651777B (zh) 图像处理方法及装置、电子设备
CN112201211B (zh) 环境光采集方法、装置、终端及存储介质
CN109104578B (zh) 一种图像处理方法及移动终端
CN110570370B (zh) 图像信息的处理方法、装置、存储介质及电子设备
CN112669231B (zh) 图像处理方法、图像处理模型的训练方法、装置、介质
CN115239570A (zh) 图像处理方法、图像处理装置及存储介质
CN116363148B (zh) 图像处理方法、装置、芯片及存储介质
CN117616774A (zh) 图像的处理方法、装置及存储介质
CN114331852A (zh) 高动态范围图像的处理方法、装置及存储介质
CN115552415A (zh) 图像处理方法、装置、电子设备及存储介质
CN108182658B (zh) 图像美化方法及装置
CN112785537A (zh) 图像处理方法、装置以及存储介质
CN111385400A (zh) 背光亮度调节方法和装置
CN118052744A (zh) 图像处理方法、装置、终端及存储介质
JP7212128B2 (ja) 画像処理方法、装置及び記憶媒体
CN116805976A (zh) 视频处理方法、装置及存储介质
CN114972047A (zh) 图像处理方法、装置及存储介质
CN116416505A (zh) 图像处理模型的训练方法、图像处理方法、装置及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant