CN116363545A - 图像场景识别的方法、系统、电子装置和存储介质 - Google Patents

图像场景识别的方法、系统、电子装置和存储介质 Download PDF

Info

Publication number
CN116363545A
CN116363545A CN202211100559.2A CN202211100559A CN116363545A CN 116363545 A CN116363545 A CN 116363545A CN 202211100559 A CN202211100559 A CN 202211100559A CN 116363545 A CN116363545 A CN 116363545A
Authority
CN
China
Prior art keywords
image
ratio
scene
color temperature
gray level
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
CN202211100559.2A
Other languages
English (en)
Inventor
邹健飞
冯上栋
肖传宝
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.)
Hangzhou Moredian Technology Co ltd
Original Assignee
Hangzhou Moredian 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 Hangzhou Moredian Technology Co ltd filed Critical Hangzhou Moredian Technology Co ltd
Priority to CN202211100559.2A priority Critical patent/CN116363545A/zh
Publication of CN116363545A publication Critical patent/CN116363545A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种图像场景识别的方法、系统、电子装置和存储介质，通过获取图像和图像的灰度直方图，将灰度级别划分为预设值个范围，根据灰度直方图，分别统计预设值个范围里像素点数量的占比，获取图像的红色通道均值与绿色通道均值的比值，记为第一比值，图像的蓝色通道均值与绿色通道均值的比值，记为第二比值，根据第一比值和第二比值，查找色温表，获取目标色温，根据预设值个范围里像素点数量的占比和目标色温，查找场景对照表，获得图像对应的目标场景，其中，场景对照表记录预设值个范围里像素点数量的占比和色温对应的场景，解决了相关技术中通过深度学习算法判断图像场景，训练耗时长且增加摄像机系统负担的问题。

Description

图像场景识别的方法、系统、电子装置和存储介质
技术领域
本申请涉及图像识别技术领域，特别是涉及图像场景识别的方法、系统、电子装置和存储介质。
背景技术
摄像机作为图像传感器在机器视觉领域是必不可少的。而摄像机成像质量往往受到物理属性和成本的限制，比如在白天我们需要一个清晰而艳丽的画面，而到了晚上相比于艳丽的色彩我们更希望降低噪声的影响得到一个通透的画面而这二者往往需要不同的参数设定，单一而通用的设定要么成本太高要么效果不好，所以识别当前摄像机所处的场景，基于场景修改参数显得尤为重要。相关技术中，可以基于深度学习算法判断图像场景，但该方案需要引入算法库，算法训练耗时长，而且对于资源有限的摄像机系统来说，引入算法库也增加了摄像机系统负担。
目前针对相关技术中通过深度学习算法判断图像场景，训练耗时长且增加摄像机系统负担的问题，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种图像场景识别的方法、系统、电子装置和存储介质，以至少解决相关技术中通过深度学习算法判断图像场景，训练耗时长且增加摄像机系统负担的问题。
第一方面，本申请实施例提供了一种图像场景识别的方法，所述方法包括：
获取图像和所述图像的灰度直方图；
将灰度级别划分为预设值个范围，根据所述灰度直方图，分别统计所述预设值个范围里像素点数量的占比；
获取所述图像的红色通道均值与绿色通道均值的比值，记为第一比值，所述图像的蓝色通道均值与绿色通道均值的比值，记为第二比值，根据所述第一比值和所述第二比值，查找色温表，获取目标色温；
根据所述预设值个范围里像素点数量的占比和所述目标色温，查找场景对照表，获得所述图像对应的目标场景，其中，所述场景对照表记录所述预设值个范围里像素点数量的占比和色温对应的场景。
在其中一些实施例中，获取预设数量的图像，在每张图像预设值个范围里像素点数量的占比情况不一致，或每张图像的目标色温不一致的情况下，所述方法还包括：
重新获取预设数量的图像，获取每张图像预设值个范围里像素点数量的占比和目标色温，直至每张图像预设值个范围里像素点数量的占比情况和目标色温一致，根据所述预设值个范围里像素点数量的占比和所述目标色温，查找场景对照表，获得所述图像对应的目标场景。
在其中一些实施例中，获取所述图像的灰度直方图包括：
对所述图像进行灰度处理，获得灰度图像；
根据所述灰度图像中各灰度级别像素点的数量，获得各灰度级别像素点的占比；
根据所述各灰度级别像素点的占比，获得所述图像的灰度直方图。
在其中一些实施例中，所述预设值为三，则所述方法还包括：
三个范围根据灰度级别从小到大分别记为第一范围、第二范围和第三范围；
根据所述灰度直方图，分别统计所述第一范围、第二范围和第三范围的像素点数量的占比，记为第一占比，第二占比和第三占比；
判断所述第一占比是否大于阈值，若是，则判断为第一目标场景，若否，则判断所述第三占比是否大于阈值，若是，则判断为第二目标场景，若否，则判断为第三目标场景。
在其中一些实施例中，所述方法还包括：将所述第一目标场景、所述第二目标场景或第三目标场景记为第一子目标场景，根据所述目标色温，获得对应的第二子目标场景，结合所述第一子目标场景和所述第二子目标场景，获得所述图像对应的目标场景。
第二方面，本申请实施例提供了一种图像场景识别的系统，所述系统包括获取模块、划分模块、第一查找模块和第二查找模块，
所述获取模块，用于获取图像和所述图像的灰度直方图；
所述划分模块，用于将灰度级别划分为预设值个范围，根据所述灰度直方图，分别统计所述预设值个范围里像素点数量的占比；
所述第一查找模块，用于获取所述图像的红色通道均值与绿色通道均值的比值，记为第一比值，所述图像的蓝色通道均值与绿色通道均值的比值，记为第二比值，根据所述第一比值和所述第二比值，查找色温表，获取目标色温；
所述第二查找模块，用于根据所述预设值个范围里像素点数量的占比和所述目标色温，查找场景对照表，获得所述图像对应的目标场景，其中，所述场景对照表记录所述预设值个范围里像素点数量的占比和色温对应的场景。
在其中一些实施例中，获取预设数量的图像，在每张图像预设值个范围里像素点数量的占比情况不一致，或每张图像的目标色温不一致的情况下，
所述第二查找模块，还用于重新获取预设数量的图像，获取每张图像预设值个范围里像素点数量的占比和目标色温，直至每张图像预设值个范围里像素点数量的占比情况和目标色温一致，根据所述预设值个范围里像素点数量的占比和所述目标色温，查找场景对照表，获得所述图像对应的目标场景。
在其中一些实施例中，获取所述图像的灰度直方图包括：
对所述图像进行灰度处理，获得灰度图像；
根据所述灰度图像中各灰度级别像素点的数量，根据所述各灰度级别像素点的数量，获得各灰度级别像素点的占比；
根据所述各灰度级别像素点的占比，获得所述图像的灰度直方图。在其中一些实施例中，所述系统还包括修正模块：
第三方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的图像场景识别的方法。
第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的图像场景识别的方法。
相比于相关技术，本申请实施例提供的图像场景识别的方法，通过获取图像和图像的灰度直方图，将灰度级别划分为预设值个范围，根据灰度直方图，分别统计预设值个范围里像素点数量的占比，获取图像的红色通道均值与绿色通道均值的比值，记为第一比值，图像的蓝色通道均值与绿色通道均值的比值，记为第二比值，根据第一比值和第二比值，查找色温表，获取目标色温，根据预设值个范围里像素点数量的占比和目标色温，查找场景对照表，获得图像对应的目标场景，其中，场景对照表记录预设值个范围里像素点数量的占比和色温对应的场景，解决了相关技术中通过深度学习算法判断图像场景，训练耗时长且增加系统负担的问题，且不需要额外增加硬件模块来实现，只需软件算法实现，并可在摄像机拍摄过程中，实时输出场景识别结果，并实时调整摄像机参数，使场景变化时，能及时自动调整参数。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的图像场景识别的方法的流程图；
图2是根据本申请实施例的图像场景识别的系统的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“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。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本实施例提供了一种图像场景识别的方法，图1是根据本申请实施例的图像场景识别的方法的流程图，如图1所示，该方法包括如下步骤：
步骤S101，获取图像和该图像的灰度直方图；本实施例中，可以从摄像机的缓冲器中获取到拍摄的图像。
可选的，获取到图像后，获取图像的灰度直方图包括以下步骤：
S1011，对获取到的图像进行灰度处理，获得灰度图像，灰度图像的计算如公式1所示：
Gray＝R*0.299+G*0.587+B*0.114 公式1
其中，Gray为灰度图像，R、G、B分别表示该图像像素的R、G、B颜色分量。
S1012，根据灰度图像中各灰度级别像素点的数量，获得各灰度级别像素点的占比；其中，灰度图像中共有0-255灰度级别，计算各灰度级别像素点的占比如公式2所示：
Figure BDA0003839128710000051
其中，P(k)为第k级像素点的占比，k为图像的第k级灰度级别，L为255，nk为图像中灰度级别为k的像素个数，n为图像的总像素个数。
S1013，根据各灰度级别像素点的占比，获得图像的灰度直方图。其中，灰度直方图是关于灰度级别分布的函数，是对图像中灰度级别分布的统计。灰度直方图将数字图像中的所有像素，按照灰度级别的大小，统计其出现的频率。
步骤S102，将灰度级别划分为预设值个范围，根据灰度直方图，分别统计预设值个范围里像素点数量的占比；本实施例中，可以任意划分为不同数量的范围，优选划分为三个范围，则三个范围的灰度级别可以分别是[O，85]，(85，170]，(170，255]，当三个范围内各个范围的像素点数量总和分别为N1、N2和N3时，三个范围里像素点数量的占比分别为
Figure BDA0003839128710000052
和/>
Figure BDA0003839128710000053
步骤S103，获取图像的红色通道均值与绿色通道均值的比值，记为第一比值，图像的蓝色通道均值与绿色通道均值的比值，记为第二比值，根据第一比值和第二比值，查找色温表，获取目标色温；
可选的，红色通道均值Ravg、绿色通道均值Gavg和蓝色通道均值Bavg的计算方式如公式3-公式5所示：
Figure BDA0003839128710000061
Figure BDA0003839128710000062
Figure BDA0003839128710000063
其中，H，W分别表示图像的高与宽，fr(i，j)、fg(i，j)和fb(i，j)分别表示取坐标点为i，j的像素点对应的R值、G值和B值。
则第一比值
Figure BDA0003839128710000064
第二比值/>
Figure BDA0003839128710000065
由于色温表是根据/>
Figure BDA0003839128710000066
和/>
Figure BDA0003839128710000067
建立起来的，因此，可以根据这两个比值查找色温表，获取图像对应的目标色温，例如，当1.197＜R_G＜1.378，0.594＜B_G＜0.788时，对应的色温为3000k-4200k，或当0.987＜R_G＜0.995，1.066＜B_G＜1.071时，对应的色温为7500k。
步骤S104，根据预设值个范围里像素点数量的占比和目标色温，查找场景对照表，获得图像对应的目标场景，其中，场景对照表记录预设值个范围里像素点数量的占比和色温对应的场景。本实施例中，可以根据常见场景制作场景对照表，场景对照表中记录有不同范围里像素点数量的占比和色温对应何种场景，还可以在使用过程中完善并更新该场景对照表。
例如，当三个范围的灰度级别分别是[O，85]，(85，170]，(170，255]，且(170，255]范围里像素点数量的占比较多，则其他两个范围像素点数量的占比较少，说明图像中亮度较亮的区域更多，图像所处的场景可能是逆光环境；当色温越高的时候，光源发出的颜色就越偏冷，大致是经历一个红，橙红，黄，黄白，白，蓝白的渐变过程，因此色温也可反应图像所处的场景，例如色温为5000k时，说明图像所处场景为室内白天环境，因此，场景对照表可以保存有(170，255]范围里像素点数量的占比较多且目标色温为5000k时，对应的场景为室内逆光场景。
当图像(85，170]范围里像素点数量的占比较多，说明图像亮度分布均匀，不会过黑或发白，处于正常室内或室外环境，而色温为4200k时，说明图像所处场景为室内的暖白色调，因此，场景对照表可以保存有(85，170]范围里像素点数量的占比较多且目标色温为4200k时，对应的场景为室内暖光场景。
可选的，可以预先制作场景参数对照表，根据场景参数对照表，判断目标场景对应要调整的参数，当判断出图像所处场景时，摄像机可以针对所处的场景进行自动参数调整来优化图像质量，例如，目标场景为室内逆光场景时，需要提升曝光亮度，使得拍摄的画面更清晰。
通过步骤S101至步骤S104，相对于相关技术中通过深度学习算法判断图像场景，训练耗时长且增加摄像机系统负担的问题，本实施例通过获取图像和图像的灰度直方图，将灰度级别划分为预设值个范围，根据灰度直方图，分别统计预设值个范围里像素点数量的占比，获取图像的红色通道均值与绿色通道均值的比值，记为第一比值，图像的蓝色通道均值与绿色通道均值的比值，记为第二比值，根据第一比值和第二比值，查找色温表，获取目标色温，根据预设值个范围里像素点数量的占比和目标色温，查找场景对照表，获得图像对应的目标场景，其中，场景对照表记录预设值个范围里像素点数量的占比和色温对应的场景，解决了相关技术中通过深度学习算法判断图像场景，训练耗时长且增加摄像机系统负担的问题，且不需要额外增加硬件模块来实现，只需软件算法实现，并可在摄像机拍摄过程中，实时输出场景识别结果，并实时调整摄像机参数，使场景变化时，能及时自动调整参数。
仅根据一张图像判断出目标场景，会由于场景突变或图像拍虚等原因，导致所判断的场景不准确，因此，在其中一些实施例中，图像场景识别的方法还可以包括如下步骤：
步骤S201，获取预设数量的图像，在每张图像预设值个范围里像素点数量的占比情况不一致，或每张图像的目标色温不一致的情况下，重新获取预设数量的图像；本实施例中，可以从摄像机缓冲器中连续抓取M张图像，延续上述实施例，三个范围里像素点数量的占比分别为R(N1)，R(N2)和R(N3)，当M张图像中，有的图像R(N1)较大，而有的图像R(N3)较大，说明每张图像预设值个范围里像素点数量的占比情况不一致，或者M张图像中，有的图像目标色温为3000k，有的图像目标色温为5000k，说明每张图像的目标色温不一致，则重新从缓冲器中连续抓取M张图像进行图像场景识别。
步骤S202，获取每张图像预设值个范围里像素点数量的占比和目标色温，直至每张图像预设值个范围里像素点数量的占比情况和目标色温一致，根据预设值个范围里像素点数量的占比和目标色温，查找场景对照表，获得图像对应的目标场景。
通过步骤S201至步骤S202，避免了仅根据一张图像判断出目标场景，会出现误判的情况。
可选的，摄像机在实时拍摄过程中，可能会经历不同的场景，例如从早上拍到晚上，或者从室外拍到室内等情况，而不同的场景需要调整不同的摄像机参数，因此可以一边拍摄一边实时识别图像所述的场景有无变化，在发生变化时，根据识别出的场景自动调整摄像机参数，使无需人工调整摄像机参数，还能提高图像质量，节省了人力。
在其中一些实施例中，预设值为三，则三个范围根据灰度级别从小到大分别记为第一范围[0，85]、第二范围(85，170]和第三范围(170，255]；
根据灰度直方图，分别统计第一范围、第二范围和第三范围的像素点数量的占比，记为第一占比R(N1)，第二占比R(N2)和第三占比R(N3)；
判断第一占比R(N1)是否大于阈值T1，若是，则判断为第一目标场景，由于R(N1)＞T1时，图像中亮度较黑的区域更多，因此，第一目标场景为暗环境或夜晚场景，若否，则判断第三占比R(N3)是否大于阈值T1，若是，则判断为第二目标场景，由于R(N3)＞T1时，图像中亮度较亮的区域更多，即第二目标场景为逆光场景，若否，则说明R(N2)＞T1或R(N1)、R(N2)和R(N3)相差不大，图像亮度分布均匀，不会过黑或发白，因此，第三目标场景为正常室内或室外场景。本实施例中，也可以预先制作亮度场景对照表，仅根据三个范围里像素点数量的占比判断出对应的场景后，直接根据该场景调整摄像机参数，使调整过程更简单，更快速。
若只用图像亮度或色温两种中的一种维度判断场景，可能会出现误判，故在其中一些实施例中，将第一目标场景、第二目标场景或第三目标场景记为第一子目标场景，根据目标色温，获得对应的第二子目标场景，结合第一子目标场景和第二子目标场景，获得图像对应的目标场景。本实施例中，可以预先制作子目标场景对照表，该子目标场景对照表记录有第一子目标场景和第二子目标场景对应的目标场景，先分别判断出第一子目标场景和第二子目标场景后，再查找子目标场景对照表，获得对应的目标场景。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种图像场景识别的系统，该系统用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图2是根据本申请实施例的图像场景识别的系统的结构框图，如图2所示，该系统包括获取模块21、划分模块22、第一查找模块23和第二查找模块24，获取模块21用于获取图像和图像的灰度直方图，划分模块22用于将灰度级别划分为预设值个范围，根据灰度直方图，分别统计预设值个范围里像素点数量的占比，第一查找模块23用于获取图像的红色通道均值与绿色通道均值的比值，记为第一比值，图像的蓝色通道均值与绿色通道均值的比值，记为第二比值，根据第一比值和第二比值，查找色温表，获取目标色温，第二查找模块24用于根据预设值个范围里像素点数量的占比和目标色温，查找场景对照表，获得图像对应的目标场景，其中，场景对照表记录预设值个范围里像素点数量的占比和色温对应的场景，解决了相关技术中通过深度学习算法判断图像场景，训练耗时长且增加摄像机系统负担的问题，。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
另外，结合上述实施例中的图像场景识别的方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种图像场景识别的方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像场景识别的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种图像场景识别的方法，其特征在于，所述方法包括：
获取图像和所述图像的灰度直方图；
将灰度级别划分为预设值个范围，根据所述灰度直方图，分别统计所述预设值个范围里像素点数量的占比；
获取所述图像的红色通道均值与绿色通道均值的比值，记为第一比值，所述图像的蓝色通道均值与绿色通道均值的比值，记为第二比值，根据所述第一比值和所述第二比值，查找色温表，获取目标色温；
根据所述预设值个范围里像素点数量的占比和所述目标色温，查找场景对照表，获得所述图像对应的目标场景，其中，所述场景对照表记录所述预设值个范围里像素点数量的占比和色温对应的场景。
2.根据权利要求1所述的方法，其特征在于，获取预设数量的图像，在每张图像预设值个范围里像素点数量的占比情况不一致，或每张图像的目标色温不一致的情况下，所述方法还包括：
重新获取预设数量的图像，获取每张图像预设值个范围里像素点数量的占比和目标色温，直至每张图像预设值个范围里像素点数量的占比情况和目标色温一致，根据所述预设值个范围里像素点数量的占比和所述目标色温，查找场景对照表，获得所述图像对应的目标场景。
3.根据权利要求1所述的方法，其特征在于，获取所述图像的灰度直方图包括：
对所述图像进行灰度处理，获得灰度图像；
根据所述灰度图像中各灰度级别像素点的数量，获得各灰度级别像素点的占比；
根据所述各灰度级别像素点的占比，获得所述图像的灰度直方图。
4.根据权利要求1所述的方法，其特征在于，所述预设值为三，则所述方法还包括：
三个范围根据灰度级别从小到大分别记为第一范围、第二范围和第三范围；
根据所述灰度直方图，分别统计所述第一范围、第二范围和第三范围的像素点数量的占比，记为第一占比，第二占比和第三占比；
判断所述第一占比是否大于阈值，若是，则判断为第一目标场景，若否，则判断所述第三占比是否大于阈值，若是，则判断为第二目标场景，若否，则判断为第三目标场景。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：将所述第一目标场景、所述第二目标场景或第三目标场景记为第一子目标场景，根据所述目标色温，获得对应的第二子目标场景，结合所述第一子目标场景和所述第二子目标场景，获得所述图像对应的目标场景。
6.一种图像场景识别的系统，其特征在于，所述系统包括获取模块、划分模块、第一查找模块和第二查找模块，
所述获取模块，用于获取图像和所述图像的灰度直方图；
所述划分模块，用于将灰度级别划分为预设值个范围，根据所述灰度直方图，分别统计所述预设值个范围里像素点数量的占比；
所述第一查找模块，用于获取所述图像的红色通道均值与绿色通道均值的比值，记为第一比值，所述图像的蓝色通道均值与绿色通道均值的比值，记为第二比值，根据所述第一比值和所述第二比值，查找色温表，获取目标色温；
所述第二查找模块，用于根据所述预设值个范围里像素点数量的占比和所述目标色温，查找场景对照表，获得所述图像对应的目标场景，其中，所述场景对照表记录所述预设值个范围里像素点数量的占比和色温对应的场景。
7.根据权利要求6所述的系统，其特征在于，获取预设数量的图像，在每张图像预设值个范围里像素点数量的占比情况不一致，或每张图像的目标色温不一致的情况下，
所述第二查找模块，还用于重新获取预设数量的图像，获取每张图像预设值个范围里像素点数量的占比和目标色温，直至每张图像预设值个范围里像素点数量的占比情况和目标色温一致，根据所述预设值个范围里像素点数量的占比和所述目标色温，查找场景对照表，获得所述图像对应的目标场景。
8.根据权利要求6所述的系统，其特征在于，获取所述图像的灰度直方图包括：
对所述图像进行灰度处理，获得灰度图像；
根据所述灰度图像中各灰度级别像素点的数量，根据所述各灰度级别像素点的数量，获得各灰度级别像素点的占比；
根据所述各灰度级别像素点的占比，获得所述图像的灰度直方图。
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至5中任一项所述的图像场景识别的方法。
10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至5中任一项所述的图像场景识别的方法。
CN202211100559.2A 2022-09-08 2022-09-08 图像场景识别的方法、系统、电子装置和存储介质 Pending CN116363545A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211100559.2A CN116363545A (zh) 2022-09-08 2022-09-08 图像场景识别的方法、系统、电子装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211100559.2A CN116363545A (zh) 2022-09-08 2022-09-08 图像场景识别的方法、系统、电子装置和存储介质

Publications (1)

Publication Number Publication Date
CN116363545A true CN116363545A (zh) 2023-06-30

Family

ID=86926199

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211100559.2A Pending CN116363545A (zh) 2022-09-08 2022-09-08 图像场景识别的方法、系统、电子装置和存储介质

Country Status (1)

Country Link
CN (1) CN116363545A (zh)

Similar Documents

Publication Publication Date Title
US11375128B2 (en) Method for obtaining exposure compensation values of high dynamic range image, terminal device and non-transitory computer-readable storage medium
US9749551B2 (en) Noise models for image processing
KR102302352B1 (ko) 관심 영역의 자동 노출 제어를 위한 조절 방법, 단말 장치 및 비 일시적 컴퓨터 판독 가능 저장 매체
US9172888B2 (en) Determining exposure times using split paxels
CN107888840B (zh) 高动态范围图像获取方法和装置
US7595823B2 (en) Providing optimized digital images
CN110445988A (zh) 图像处理方法、装置、存储介质及电子设备
CN108616689B (zh) 基于人像的高动态范围图像获取方法、装置及设备
CN112565636B (zh) 图像处理方法、装置、设备和存储介质
WO2021143300A1 (zh) 图像处理方法、装置、电子设备及存储介质
CN112669758A (zh) 显示屏校正方法、装置、系统和计算机可读存储介质
WO2021218603A1 (zh) 图像处理方法及投影系统
CN116416122B (zh) 图像处理方法及其相关设备
CN116645527A (zh) 图像识别方法、系统、电子设备和存储介质
CN108259754A (zh) 图像处理方法及装置、计算机可读存储介质和计算机设备
CN112598609A (zh) 一种动态图像的处理方法及装置
CN108337448B (zh) 高动态范围图像获取方法、装置、终端设备及存储介质
CN116363545A (zh) 图像场景识别的方法、系统、电子装置和存储介质
CN113747062B (zh) Hdr场景检测方法与装置、终端及可读存储介质
CN115914850A (zh) 增强宽动态图像通透性的方法、电子设备和存储介质
CN111757079B (zh) 一种白平衡统计方法、装置
JP2007288245A (ja) 撮像装置、画像処理方法及び画像処理プログラム
CN114630095B (zh) 目标场景图像的自动白平衡方法及装置、终端
CN103841384A (zh) 一种图像质量的优化方法及装置
WO2024082288A1 (zh) 视频处理方法、装置及显示设备

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