CN116805976A - 视频处理方法、装置及存储介质 - Google Patents
视频处理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116805976A CN116805976A CN202210265442.3A CN202210265442A CN116805976A CN 116805976 A CN116805976 A CN 116805976A CN 202210265442 A CN202210265442 A CN 202210265442A CN 116805976 A CN116805976 A CN 116805976A
- Authority
- CN
- China
- Prior art keywords
- frame image
- video
- dynamic range
- target
- resolution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 156
- 230000000694 effects Effects 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 105
- 238000004422 calculation algorithm Methods 0.000 claims description 52
- 238000012549 training Methods 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 4
- 230000002349 favourable effect Effects 0.000 abstract description 3
- 230000001737 promoting effect Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003706 image smoothing Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
- H04N21/440218—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by transcoding between formats or standards, e.g. from MPEG-2 to MPEG-4
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
- H04N21/440281—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by altering the temporal resolution, e.g. by frame skipping
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开提供一种视频处理方法、装置及存储介质，该视频处理方法通过将第一动态范围的视频转换为第二动态范围的视频；获取该第二动态范围的视频中指定帧图像的场景类型，分辨率和直方图信息；根据该指定帧图像的该场景类型，该分辨率和该直方图信息，确定该指定帧图像对应的目标处理方式；按照该目标处理方式处理该指定帧图像，以得到目标视频。这样，能够将该第一动态范围的视频转换为具有高质量显示效果的第二动态范围的视频，能够有效提升视频的显示质量，能够满足高质量显示设备的显示需求，有利于提升用户体验。
Description
技术领域
本公开涉及计算机技术，尤其涉及一种视频处理方法、装置及存储介质。
背景技术
随着移动设备和网络技术的发展，越来越多的用户习惯在手机，平板等移动设备上浏览视频。当前大多数主流的显示设备都能够支持较高的动态显示范围。当显示器的对比度、亮度、动态范围等参数都能达到HDR(High Dynamic Range，高动态范围)视频的显示标准时，就可以展示视频中更多的细节，例如明亮处不会过曝，暗处的细节能够得以保留，画面的层次感更强。然而当前一些主流的视频源都是SDR(Standard Dynamic Range，标准动态范围)视频，SDR视频本身不具备高的动态显示范围，所以无法发挥出当前显示设备的高质量显示效果。
发明内容
为克服相关技术中存在的问题，本公开提供一种视频处理方法、装置及存储介质。
根据本公开实施例的第一方面，提供一种视频处理方法，所述方法包括：
将第一动态范围的视频转换为第二动态范围的视频，所述第二动态范围高于所述第一动态范围；
获取所述第二动态范围的视频中指定帧图像的场景类型、分辨率和直方图信息；
根据所述指定帧图像的所述场景类型、所述分辨率和所述直方图信息，确定所述指定帧图像对应的目标处理方式，所述目标处理方式用于提升所述指定帧图像的显示效果；
按照所述目标处理方式处理所述指定帧图像，以得到目标视频
可选地，所述根据所述指定帧图像的所述场景类型、所述分辨率和所述直方图信息确定所述指定帧图像对应的目标处理方式，包括：
从预设的多组对应关系中确定所述场景类型、所述分辨率以及所述直方图信息对应的所述目标处理方式；
其中，所述多组对应关系用于表征在不同的场景类型、不同的分辨率和不同的直方图信息时要采用的处理方式。
可选地，所述根据所述指定帧图像的所述场景类型、所述分辨率和所述直方图信息，确定所述指定帧图像对应的目标处理方式，包括：
根据所述分辨率和所述直方图信息，确定所述指定帧图像在指定灰度区间对应的概率质量函数值；
根据所述场景类型、所述分辨率和所述概率质量函数值，确定所述目标处理方式。
可选地，所述直方图信息包括所述指定帧图像在多个颜色通道中的灰度直方图，所述根据所述分辨率和所述直方图信息，确定所述指定帧图像在指定灰度区间对应的概率质量函数值，包括：
根据所述指定帧图像在多个颜色通道中的灰度直方图，确定所述指定帧图像在所述指定灰度区间内的像素数目和；
根据所述分辨率与所述像素数目和确定所述概率质量函数值。
可选地，所述根据所述场景类型，所述分辨率和所述概率质量函数值确定所述目标处理方式，包括：
在所述场景类型为建筑场景类型的情况下，若所述分辨率小于第一分辨率阈值、所述概率质量函数值大于第一函数值阈值，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度和对比度，降低所述指定帧图像的锐利度；
在所述概率质量函数值小于或者等于所述第一函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度，降低所述指定帧图像的锐利度；
在所述场景类型为建筑场景类型的情况下，若所述分辨率大于或者等于所述第一分辨率阈值，所述概率质量函数值小于所述第一函数值阈值，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度和锐利度；
在所述概率质量函数值大于或者等于所述第一函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度、对比度和锐利度。
可选地，所述根据所述场景类型、所述分辨率和所述概率质量函数值确定所述目标处理方式，包括：
在所述场景类型为人像场景类型的情况下，若所述分辨率小于第二分辨率阈值、所述概率质量函数值大于第二函数值阈值，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度和对比度；
在所述概率质量函数值小于或者等于所述第二函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度；
在所述场景类型为人像场景类型的情况下，若所述分辨率大于或者等于所述第二分辨率阈值，则在所述概率质量函数值大于所述第二函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度、对比度和锐利度；
在所述概率质量函数值小于或者等于所述第二函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度和锐利度。
可选地，所述按照所述目标处理方式处理所述指定帧图像，以得到目标视频，包括：
调用所述目标处理方式对应的目标图像处理算法；
根据所述目标图像处理算法处理所述指定帧图像，以得到目标视频。
可选地，所述目标图像处理算法包括色彩饱和度调节算法，对比度调节算法和锐利度调节算法中的至少一个。
可选地，获取所述第二动态范围的视频中指定帧图像的场景类型，包括：
将所述第二动态范围视频中的所述指定帧图像输入预设场景识别模型，确定所述指定帧图像对应的所述场景类型；
和/或，
获取所述指定帧图像在所述第一动态范围的视频中对应的目标帧图像；
获取所述目标帧图像对应的待定场景类型；
将所述待定场景类型作为所述指定帧图像的场景类型。
可选地，所述预设场景识别模型通过以下方式训练得到：
获取多个第一图像样本，所述第一图像样本包括场景类型标注数据；
以所述多个第一图像样本为训练数据，对第一预设初始模型进行模型训练，以得到所述预设场景识别模型。
可选地，所述将第一动态范围的视频转换为第二动态范围的视频，包括：
将所述第一动态范围的视频输入预设风格转换模型，获得所述第一动态范围的视频对应的所述第一动态范围的视频。
可选地，所述预设风格转换模型通过以下方式训练得到：
获取多帧第一动态范围的图像样本；
对每帧所述第一动态范围的图像样本进行亮度调整，以得到所述第一动态范围的图像样本对应的第二动态范围的图像样本；
针对每帧所述第一动态范围的图像样本，将所述第一动态范围的图像样本与所述第一动态范围的图像样本对应的所述第二动态范围的图像样本作为一组目标样本数据，以得到多帧第一动态范围的图像样本对应的多组所述目标样本数据；
以所述多组目标样本数据为训练数据，对第二预设初始模型进行训练，以得到所述预设风格转换模型。
根据本公开实施例的第二方面，提供了一种视频处理装置，所述装置包括：
转化模块，被配置为将第一动态范围的视频转换为第二动态范围的视频；
获取模块，被配置为获取所述第二动态范围的视频中指定帧图像的场景类型、分辨率和直方图信息；
第一确定模块，被配置为根据所述指定帧图像的所述场景类型、所述分辨率和所述直方图信息，确定所述指定帧图像对应的目标处理方式，所述目标处理方式用于提升所述指定帧图像的显示效果；
第二确定模块，被配置为按照所述目标处理方式处理所述指定帧图像，以得到目标视频。
可选地，所述第一确定模块，被配置为：
从预设的多组对应关系中确定所述场景类型、所述分辨率以及所述直方图信息对应的所述目标处理方式；
其中，所述多组对应关系用于表征在不同的场景类型、不同的分辨率和不同的直方图信息时要采用的处理方式。
可选地，所述第一确定模块，被配置为：
根据所述分辨率和所述直方图信息确定所述指定帧图像在指定灰度区间对应的概率质量函数值；
根据所述场景类型，所述分辨率和所述概率质量函数值确定所述目标处理方式。
可选地，所述第一确定模块，被配置为：所述直方图信息包括所述指定帧图像在多个颜色通道中的灰度直方图，所述根据所述分辨率和所述直方图信息，确定所述指定帧图像在指定灰度区间对应的概率质量函数值，包括：
根据所述指定帧图像在多个颜色通道中的灰度直方图，确定所述指定帧图像在所述指定灰度区间内的像素数目和；
根据所述分辨率与所述像素数目和确定所述概率质量函数值。
可选地，所述第一确定模块，被配置为：
在所述场景类型为建筑场景类型的情况下，若所述分辨率小于第一分辨率阈值、所述概率质量函数值大于第一函数值阈值，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度和对比度，降低所述指定帧图像的锐利度；
在所述概率质量函数值小于或者等于所述第一函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度，降低所述指定帧图像的锐利度；
在所述场景类型为建筑场景类型的情况下，若所述分辨率大于或者等于所述第一分辨率阈值，所述概率质量函数值小于所述第一函数值阈值，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度和锐利度；
在所述概率质量函数值大于或者等于所述第一函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度、对比度和锐利度。
可选地，所述第一确定模块，还被配置为：
在所述场景类型为人像场景类型的情况下，若所述分辨率小于第二分辨率阈值、所述概率质量函数值大于第二函数值阈值，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度和对比度；
在所述概率质量函数值小于或者等于所述第二函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度；
在所述场景类型为人像场景类型的情况下，若所述分辨率大于或者等于所述第二分辨率阈值，则在所述概率质量函数值大于所述第二函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度、对比度和锐利度；
在所述概率质量函数值小于或者等于所述第二函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度和锐利度。
可选地，所述第二确定模块，被配置为：
调用所述目标处理方式对应的目标图像处理算法；
根据所述目标图像处理算法处理所述指定帧图像，以得到目标视频。
可选地，所述目标图像处理算法包括色彩饱和度调节算法，对比度调节算法和锐利度调节算法中的至少一个。
可选地，所述获取模块，被配置为：
将所述第二动态范围视频中的所述指定帧图像输入预设场景识别模型，以使所述预设场景识别模型输出所述指定帧图像对应的所述场景类型；
和/或，
获取所述指定帧图像在所述第一动态范围的视频中对应的目标帧图像；
获取所述目标帧图像对应的待定场景类型；
将所述待定场景类型作为所述指定帧图像的场景类型。
可选地，所述装置还包括：第一模型训练模块，被配置为：
获取多个第一图像样本，所述第一图像样本包括场景类型标注数据；
以所述多个第一图像样本为训练数据，对第一预设初始模型进行模型训练，以得到所述预设场景识别模型。
可选地，所述转换模块，杯配置为：
将所述第一动态范围的视频输入预设风格转换模型，以使所述预设风格转换模型输出所述第一动态范围的视频对应的所述第二动态范围的视频。
可选地，所述装置还包括：第二模型训练模块，被配置为：
获取多帧第一动态范围的图像样本；
对每帧所述第一动态范围的图像样本进行亮度调整，以得到所述第一动态范围的图像样本对应的第二动态范围的图像样本；
针对每帧所述第一动态范围的图像样本，将所述第一动态范围的图像样本与所述第一动态范围的图像样本对应的所述第二动态范围的图像样本作为一组目标样本数据，以得到多帧第一动态范围的图像样本对应的多组所述目标样本数据；
以所述多组目标样本数据为训练数据，对第二预设初始模型进行训练，以得到所述预设风格转换模型。
根据本公开实施例的第三方面，提供一种视频处理装置，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现以上第一方面所述方法的步骤。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现以上第一方面所述方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：通过将第一动态范围的视频转换为第二动态范围的视频；获取所述第二动态范围的视频中指定帧图像的场景类型，分辨率和直方图信息；根据所述指定帧图像的所述场景类型，所述分辨率和所述直方图信息，确定所述指定帧图像对应的目标处理方式；按照所述目标处理方式处理所述指定帧图像，以得到目标视频。这样，能够将该第一动态范围的视频转换为具有高质量显示效果的第二动态范围的视频，能够有效提升视频的显示质量，能够满足高质量显示设备的显示需求，有利于提升用户体验。
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是本公开一示例性实施例示出的一种视频处理方法的流程图；
图2是本公开一示例性实施例示出的一种模型训练方法的流程图；
图3是根据本公开图1所示实施例示出的一种视频处理方法的流程图；
图4是本公开一示例性实施例示出的另一种模型训练方法的流程图；
图5是本公开一示例性实施例示出的一种视频处理装置的框图；
图6是根据本公开图5所示实施例示出的一种视频处理装置的框图；
图7是根据一示例性实施例示出的另一种视频处理装置的框图。
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。
需要说明的是，本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
在详细介绍本公开的具体实施方式之前，首先对本公开的应用场景进行以下说明，本公开可以应用于将SDR视频处理成能够显示出更多细节的高质量视频的过程中，相关技术中的视频处理方法，例如存在一些SDR to HDR的算法，这些算法虽然能够实现SDR视频到HDR视频的转换，但是通过这些算法得到的HDR视频通常都存在一些质量缺陷，例如在亮度较高的场景存在过曝导致细节丢失，为了提升对比度而导致暗部场景过暗，以至于难以识别等。也就是说，目前的视频处理算法无法满足当前高质量显示设备的显示需求，不利于提升显示设备显示的图像展示效果，从而不利于提升用户体验。
为克服相关技术中存在的问题，本公开提供一种视频处理方法、装置及存储介质，该视频处理方法通过将第一动态范围的视频转换为第二动态范围的视频；获取该第二动态范围的视频中指定帧图像的场景类型，分辨率和直方图信息；根据该指定帧图像的该场景类型，该分辨率和该直方图信息，确定该指定帧图像对应的目标处理方式；按照该目标处理方式处理该指定帧图像，以得到目标视频。这样，能够将该第一动态范围的视频转换为具有高质量显示效果的第二动态范围的视频，能够有效提升视频的显示质量，能够满足高质量显示设备的显示需求，有利于提升用户体验。
下面结合具体实施例对本公开的技术方案进行详细阐述。
图1是本公开一示例性实施例示出的一种视频处理方法的流程图；如图1所示，该视频处理方法，可以包括以下步骤：
步骤101，将第一动态范围的视频转换为第二动态范围的视频。
示例地，该第一动态范围的视频可以是SDR视频，该第二动态范围的视频可以是HDR视频。
本步骤，一种可能的实施方式中，可以采用现有技术中的SDR视频转换为HDR视频的任一算法，将该第一动态范围的视频转化为该第二动态范围的视频。
另一种可能的实施方式为：预先训练一种预设风格转换模型，将该第一动态范围的视频输入预设风格转换模型，以使该预设风格转换模型输出该第一动态范围的视频对应的该第二动态范围的视频。
其中，该预设风格转换模型可以通过以下图2所示步骤训练得到，图2是本公开一示例性实施例示出的一种模型训练方法的流程图，如图2所示，该预设风格转换模型的训练方法包括：
S11，获取多帧第一动态范围的图像样本。
S12，对每帧该第一动态范围的图像样本进行亮度调整以得到该第一动态范围的图像样本对应的第二动态范围的图像样本。
示例地，在进行亮度调整时，可以将因为该亮度较高而损失细节的部分调度调低，将亮度较暗，影响细节展示的部分，亮度增大。
S13，针对每帧第一动态范围的图像样本，将该第一动态范围的图像样本与该第一动态范围的图像样本对应的该第二动态范围的图像样本作为一组目标样本数据，以得到多帧第一动态范围的图像样本对应的多组该目标样本数据。
S14，以该多组目标样本数据为训练数据，对第二预设初始模型进行训练，以得到该预设风格转换模型。
其中，该第二预设初始模型可以是HDRnet模型，该HDRnet模型的具体结构细节可以参考现有技术中的相关描述，现有技术中该部分内容比较容易获取，本公开在此不再赘述。
通过以上步骤S11至S14能够快速有效地训练到该预设风格转换模型，由于训练数据是人为调整的，因此可以按照个人喜好调整图像亮度，从而能够训练出可以满足用户个人喜好的预设风格转换模型，通过该预设风格转换模型能够有效地将该第一动态范围的视频调整为满足用户个性化需求的第二动态范围的视频。
步骤102，获取该第二动态范围的视频中指定帧图像的场景类型，分辨率和直方图信息。
其中，该指定帧图像可以是该第一动态范围的视频中的每帧图像，也可以从该第一动态范围的视频中每隔N帧得到一个指定帧图像，例如，在N为2时，每隔2帧得到一个指定帧图像，即将该第二动态范围的视频中的第1+2n帧图像确定为该指定帧图像，n为自然数。该场景类型可以是人像场景类型，美食场景类型，建筑场景类型，动物场景类型，天空场景类型，植物场景类型，风景场景类型等。该直方图信息可以包括所述指定帧图像在多个颜色通道中的灰度直方图，例如可以是在RGB三颜色通道中每个灰度级对应的像素数目。
示例地，一个指定帧图像在R颜色通道上灰度为0的像素数目为20，灰度为255的像素数目为90，在G颜色通道上灰度为0的像素数目为10，灰度为255的像素数目为63，在B颜色通道上灰度为0的像素数目为31，灰度为255的像素数目为15，则在该直方图信息中，该灰度0对应的像素数据为20+10+31，该灰度255对应的像素数目为90+63+15。
以上所述的获取所述第二动态范围的视频中指定帧图像的场景类型的实施方式可以是：
将所述第二动态范围视频中的所述指定帧图像输入预设场景识别模型，确定所述指定帧图像对应的所述场景类型；
也可以是，获取所述指定帧图像在所述第一动态范围的视频中对应的目标帧图像；获取所述目标帧图像对应的待定场景类型；将所述待定场景类型作为所述指定帧图像的场景类型。
还可以是分别通过以上两种实施方式，得到两个待定场景类型，再在两个待定场景类型相同的情况下，将该待定场景类型作为该指定帧图像的场景类型。
需要说明的是，该人像场景类型的图像可以是以人像为主的图像，该建筑场景类型的图像可以是以建筑为主的图像，该美食场景类型可以是以美食为主的图像，其他场景类型依此类推。
示例地，在指定帧图像中包括多个对象(比如指定帧图像中同时包括人像和建筑等对象)时，可以以各对象在指定帧图像中所占区域占比、各对象在指定帧图像中的位置区域等中的至少一者确定场景类型；例如可以基于在指定帧图像中所占区域占比最大的对象，确定其对应的场景类型为指定帧图像的场景类型；例如可以确定在指定帧图像中位于预设图像构图方式的设定位置区域的对象，确定其对应的场景类型为指定帧图像的场景类型。
在一些可能的实现示例中，也可以通过基于AI场景模型训练确定场景类型。
步骤103，根据该指定帧图像的该场景类型，该分辨率和该直方图信息，确定该指定帧图像对应的目标处理方式。
其中，该目标处理方式用于提升该指定帧图像的显示效果，该显示效果可以从饱和度，对比度以及锐利度中的至少一个体现。
本步骤中，一种可能的实施方式为从预设的多组对应关系中确定该场景类型，该分辨率以及该直方图信息对应的该目标处理方式。
其中，该多组对应关系用于表征在不同的场景类型、不同的分辨率和不同的直方图信息时要采用的处理方式。该处理方式可以包括饱和度调整方式，锐利度调整方式和对比度调整方式中的至少一个等。
示例地，预设的多组对应关系中可以如以下表1所示：
表1
另一种可能的实施方式中，可以根据该分辨率和该直方图信息确定该指定帧图像在指定灰度区间对应的概率质量函数值；根据该场景类型，该分辨率和该概率质量函数值确定该目标处理方式。
其中，该指定灰度区间可以是0-255之间的任意区间，该概率质量函数的计算公式可以是：F(r)＝Nk/XY，其中，F(r)为第k个灰度级对应的概率质量函数值，Nk为RGB三个颜色通道中第k个灰度级的像素数目之和，XY是整个指定帧图像所有的像素数目。
示例地，在该指定灰度区间为灰度为0-50之间，则获取0至50之间每个灰度级在RGB三个颜色通道中的像素数目之和与该指定帧图像所有的像素数目之比，以得到每个灰度级对应的概率质量函数值，然后再获取0至50之间每个灰度级对应的概率质量函数值之和，以得到该指定灰度区间(0-50区间)对应的概率质量函数值。
步骤104，按照该目标处理方式处理该指定帧图像，以得到目标视频。
本步骤中，可以调用该目标处理方式对应的目标图像处理算法；根据该目标图像处理算法处理该指定帧图像，以得到目标视频。
其中，该目标图像处理算法包括色彩饱和度调节算法，对比度调节算法和锐利度调节算法中的至少一个。
示例地，在该目标处理方式为饱和度调整至a％，锐利度调整至b％，对比度调整至c％的情况下，可以分别调用该色彩饱和度调节算法调整该指定帧图像的饱和度，调用锐利度调节算法调整该指定帧图像的锐利度，调用对比度调节算法调整该指定帧图像的对比度。
需要说明的是，该色彩饱和度调节算法可以是现有技术中的任一种饱和度调节算法，在进行饱和度调节时，发明人发现，虽然当前的视频帧都是通过RGB颜色通道进行表示，但是直接调节RGB各个颜色通道，或者在RGB空间调整色彩饱和度并不直观，因此本公开的色彩饱和度调节算法可以先将图像的像素RGB值转换到HSL(Hue Saturation Lightness，色相、饱和度、亮度)色彩模式得到饱和度S(Saturation)，通过调整S的值调节饱和度的大小，然后将调整后的视频帧从HSL色彩模式转换到RGB色彩模式用于显示。
该锐利度调节算法，在降低锐利度时，可以使用一些边缘平滑算法作为锐利度调节算法，例如低通高斯滤波器，低通巴特沃斯滤波器等频率域图像平滑算法，也可以采用低通卷积滤波器，中值滤波等空间域图像平滑算法。在增大锐利度时，可以使用一些边缘锐化算法作为锐利度调节算法，例如梯度锐化，拉普拉斯算子，sobel算子(索贝尔算子)等等。
该对比度调节算法可以是直方图均衡化，直方图匹配以及自适应对比度增强等算法，以上直方图均衡化，直方图匹配以及自适应对比度增强等算法均为现有技术中常用的对比度调节算法，本公开对此不作限定。
以上技术方案，能够根据该指定帧图像的该场景类型，该分辨率和该直方图信息，确定该指定帧图像对应的目标处理方式，按照该目标处理方式处理该指定帧图像，以得到目标视频，能够将该第一动态范围的视频转换为具有高质量显示效果的第二动态范围的视频，能够有效提升视频的显示质量，从而能够满足高质量显示设备的显示需求，提升用户体验。
图3是根据本公开图1所示实施例示出的一种视频处理方法的流程图；如图3所示，以上步骤103所述的实施方式可以包括：
步骤1031，根据该分辨率和该直方图信息确定该指定帧图像在指定灰度区间对应的概率质量函数值。
其中，该直方图信息可以包括该指定帧图像在多个颜色通道中的灰度直方图。
本步骤中，可以根据该指定帧图像在多个颜色通道中的灰度直方图，确定该指定帧图像在该指定灰度区间内的像素数目和；根据该分辨率与该像素数目和确定该概率质量函数值。
需要说明的是，该指定灰度区间可以是0-255之间的任意区间，该概率质量函数的计算公式可以是：F(r)＝Nk/XY，其中，F(r)为第k个灰度级对应的概率质量函数值，Nk为RGB三个颜色通道中第k个灰度级的像素数目之和，XY是整个指定帧图像所有的像素数目。
示例地，在该指定灰度区间为灰度为0-50之间，则获取0至50之间每个灰度级在RGB三个颜色通道中的像素数目之和与该指定帧图像所有的像素数目之比，以得到每个灰度级对应的概率质量函数值，然后再获取0至50之间每个灰度级对应的概率质量函数值之和，以得到该指定灰度区间(0-50区间)对应的概率质量函数值。
步骤1032，根据该场景类型、该分辨率和该概率质量函数值，确定该目标处理方式。
其中，该目标处理方式可以包括色彩饱和度，对比度和锐利度中至少一个的调整方式。
示例地，在该场景类型为建筑场景类型的情况下，若该分辨率小于第一分辨率阈值、该概率质量函数值大于第一函数值阈值，确定该目标处理方式为：提升该指定帧图像的色彩饱和度和对比度，降低该指定帧图像的锐利度；在该概率质量函数值小于或者等于该第一函数值阈值的情况下，确定该目标处理方式为：提升该指定帧图像的色彩饱和度，降低该指定帧图像的锐利度；
在该场景类型为建筑场景类型的情况下，若该分辨率大于或者等于该第一分辨率阈值，该概率质量函数值小于该第一函数值阈值，确定该目标处理方式为：提升该指定帧图像的色彩饱和度和锐利度；在该概率质量函数值大于或者等于该第一函数值阈值的情况下，确定该目标处理方式为：提升该指定帧图像的色彩饱和度、对比度和锐利度。
另外，在该场景类型为人像场景类型的情况下，若该分辨率小于第二分辨率阈值、该概率质量函数值大于第二函数值阈值，确定该目标处理方式为：提升该指定帧图像的色彩饱和度和对比度；在该概率质量函数值小于或者等于该第二函数值阈值的情况下，确定该目标处理方式为：提升该指定帧图像的色彩饱和度；
在该场景类型为人像场景类型的情况下，若该分辨率大于或者等于该第二分辨率阈值，则在该概率质量函数值大于该第二函数值阈值的情况下，确定该目标处理方式为：提升该指定帧图像的色彩饱和度、对比度和锐利度；在该概率质量函数值小于或者等于该第二函数值阈值的情况下，确定该目标处理方式为：提升该指定帧图像的色彩饱和度和锐利度。
以上技术方案，能够根据该指定帧图像的该场景类型，该分辨率和该直方图信息，确定该指定帧图像对应的目标处理方式，按照该目标处理方式处理该指定帧图像，以得到目标视频，能够将该第一动态范围的视频转换为具有高质量显示效果的第二动态范围视频，能够有效提升视频的显示质量，从而能够满足高质量显示设备的显示需求，提升用户体验。
可选地，以上图1中步骤102所示的获取该第二动态范围的视频中指定帧图像的场景类型，可以通过以下方式实现：
将该第二动态范围的视频中的该指定帧图像输入预设场景识别模型，以使该预设场景识别模型输出该指定帧图像对应的该场景类型。
其中，该预设场景识别模型可以通过以下图4所示步骤训练得到，图4是本公开一示例性实施例示出的另一种模型训练方法的流程图，如图4所示，该预设场景识别模型的训练方法可以包括：
S21，获取多个第一图像样本，该第一图像样本包括场景类型标注数据。
S22，以该多个第一图像样本为训练数据，对第一预设初始模型进行模型训练，以得到该预设场景识别模型。
其中，该第一预设初始模型可以是现有技术中的任意一种AI(ArtificialIntelligence，人工智能)场景识别算法，例如可以是AlexNet，MobileNet，ResNet等等。
一种可能的实施方式中，可以将模型能够识别的场景类型设定为M个，包括人像场景类型，食物场景类型，动物场景类型，天空场景类型，植物场景类型等，然后构建每个场景类型的图像集，之后将图像集分为训练集和验证集两个部分，其中训练集包含的图像数目远大于验证集的图像数目，利用训练集对所选定的AI场景识别算法进行训练，在模型训练完毕后，利用验证集验证训练得到的AI场景识别模型的识别结果的准确性，如果AI场景识别模型识别结果的准确性满足预设的准确性要求，则模型训练完毕，得到该预设场景识别模型。
通过以上步骤S21至S22所示方案，能够有效得到用于获取视频中图像的场景类型的预设场景识别模型，通过该预设场景识别模型能够准确地识别到每个指定帧图像对应的场景类型，能够为指定帧图像对应的目标处理方式的确定提供可靠的数据依据。
可选地，以上图1中步骤102所示的获取该第二动态范围的视频中指定帧图像的场景类型，可以通过以下方式实现：
获取该指定帧图像在该第一动态范围的视频中对应的目标帧图像；获取该目标帧图像对应的待定场景类型；将该待定场景类型作为该指定帧图像的场景类型。
其中，在获取该目标帧图像对应的待定场景类型时，可以采用以上预设场景识别模型，即将该目标帧图像输入该预设场景识别模型，以得到该目标帧图像对应的待定场景类型，也可以采用现有技术中的其他方式，本公开对此不作限定。
图5是本公开一示例性实施例示出的一种视频处理装置的框图；如图5所示，该装置可以包括：
转化模块601，被配置为将第一动态范围的视频转换为第二动态范围的视频；
获取模块602，被配置为获取该第二动态范围的视频中指定帧图像的场景类型，分辨率和直方图信息；
第一确定模块603，被配置为根据该指定帧图像的该场景类型，该分辨率和该直方图信息，确定该指定帧图像对应的目标处理方式，该目标处理方式用于提升该指定帧图像的显示效果；
第二确定模块604，被配置为按照该目标处理方式处理该指定帧图像，以得到目标视频。
以上技术方案，能够根据该指定帧图像的该场景类型，该分辨率和该直方图信息，确定该指定帧图像对应的目标处理方式，按照该目标处理方式处理该指定帧图像，以得到目标视频，能够将该第一动态范围的视频转换为具有高质量显示效果的第二动态范围的视频，能够有效提升视频的显示质量，从而能够满足高质量显示设备的显示需求，提升用户体验。
可选地，该第一确定模块603，被配置为：
从预设的多组对应关系中确定该场景类型、该分辨率以及该直方图信息对应的该目标处理方式；
其中，该多组对应关系用于表征在不同的场景类型，不同的分辨率和不同的直方图信息时要采用的处理方式。
可选地，该第一确定模块603，被配置为：
根据该分辨率和该直方图信息确定该指定帧图像在指定灰度区间对应的概率质量函数值；
根据该场景类型，该分辨率和该概率质量函数值确定该目标处理方式。
可选地，该第一确定模块603，被配置为：
该直方图信息包括该指定帧图像在多个颜色通道中的灰度直方图，该根据该分辨率和该直方图信息，确定该指定帧图像在指定灰度区间对应的概率质量函数值，包括：
根据该指定帧图像在多个颜色通道中的灰度直方图，确定该指定帧图像在该指定灰度区间内的像素数目和；
根据该分辨率与该像素数目和确定该概率质量函数值。
可选地，该第一确定模块603，被配置为：
在该场景类型为建筑场景类型的情况下，若该分辨率小于第一分辨率阈值、该概率质量函数值大于第一函数值阈值，确定该目标处理方式为：提升该指定帧图像的色彩饱和度和对比度，降低该指定帧图像的锐利度；
在该概率质量函数值小于或者等于该第一函数值阈值的情况下，确定该目标处理方式为：提升该指定帧图像的色彩饱和度，降低该指定帧图像的锐利度；
在该场景类型为建筑场景类型的情况下，若该分辨率大于或者等于该第一分辨率阈值，该概率质量函数值小于该第一函数值阈值，确定该目标处理方式为：提升该指定帧图像的色彩饱和度和锐利度；
在该概率质量函数值大于或者等于该第一函数值阈值的情况下，确定该目标处理方式为：提升该指定帧图像的色彩饱和度、对比度和锐利度。
可选地，该第一确定模块603，还被配置为：
在该场景类型为人像场景类型的情况下，若该分辨率小于第二分辨率阈值、该概率质量函数值大于第二函数值阈值，确定该目标处理方式为：提升该指定帧图像的色彩饱和度和对比度；
在该概率质量函数值小于或者等于该第二函数值阈值的情况下，确定该目标处理方式为：提升该指定帧图像的色彩饱和度；
在该场景类型为人像场景类型的情况下，若该分辨率大于或者等于该第二分辨率阈值，则在该概率质量函数值大于该第二函数值阈值的情况下，确定该目标处理方式为：提升该指定帧图像的色彩饱和度、对比度和锐利度；
在该概率质量函数值小于或者等于该第二函数值阈值的情况下，确定该目标处理方式为：提升该指定帧图像的色彩饱和度和锐利度。
可选地，该第二确定模块604，被配置为：
调用该目标处理方式对应的目标图像处理算法；
根据该目标图像处理算法处理该指定帧图像，以得到目标视频。
可选地，该目标图像处理算法包括色彩饱和度调节算法，对比度调节算法和锐利度调节算法中的至少一个。
可选地，该获取模块602，被配置为：
将该第二动态范围的视频中的该指定帧图像输入预设场景识别模型，以使该预设场景识别模型输出该指定帧图像对应的该场景类型；
和/或，
获取该指定帧图像在该第一动态范围的视频中对应的目标帧图像；
获取该目标帧图像对应的待定场景类型；
将该待定场景类型作为该指定帧图像的场景类型。
图6是根据本公开图5所示实施例示出的一种视频处理装置的框图；如图6所示，该装置还包括：第一模型训练模块605，被配置为：
获取多个第一图像样本，该第一图像样本包括场景类型标注数据；
以该多个第一图像样本为训练数据，对第一预设初始模型进行模型训练，以得到该预设场景识别模型。
以上技术方案，能够有效得到用于获取视频中图像的场景类型的预设场景识别模型，通过该预设场景识别模型能够准确地识别到每个指定帧图像对应的场景类型，能够为指定帧图像对应的目标处理方式的确定提供可靠的数据依据。
可选地，该转换模块601，杯配置为：
将该第一动态范围的视频输入预设风格转换模型，以使该预设风格转换模型输出该第一动态范围的视频对应的该第二动态范围的视频。
可选地，该装置还包括：第二模型训练模块606，被配置为：
获取多帧第一动态范围的图像样本；
对每帧该第一动态范围的图像样本进行亮度调整，以得到该第一动态范围的图像样本对应的第二动态范围的图像样本；
针对每帧该第一动态范围的图像样本，将该第一动态范围的图像样本与该第一动态范围的图像样本对应的该第二动态范围的图像样本作为一组目标样本数据，以得到多帧第一动态范围的图像样本对应的多组该目标样本数据；
以该多组目标样本数据为训练数据，对第二预设初始模型进行训练，以得到该预设风格转换模型。
以上技术方案，由于训练数据是人为调整的，因此可以按照个人喜好调整图像亮度，从而能够训练出可以满足用户个人喜好的预设风格转换模型，通过该预设风格转换模型能够有效地将该第一动态范围的视频调整为满足用户个性化需求的第二动态范围的视频。
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。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开提供的视频处理方法的步骤。
图7是根据一示例性实施例示出的另一种视频处理装置的框图。例如，装置800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7，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电力组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800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802可以包括一个或多个处理器820来执行指令，以完成上述视频处理方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800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804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806为装置800的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在该装置800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。该触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与该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808包括一个前置摄像头和/或后置摄像头。当装置800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810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800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804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802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814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如该组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814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814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814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816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816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，该通信组件816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800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，用于执行上述视频处理方法。
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804，上述指令可由装置800的处理器820执行以完成上述视频处理方法。例如，该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。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的视频处理方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后，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 (15)
1.一种视频处理方法，其特征在于，所述方法包括：
将第一动态范围的视频转换为第二动态范围的视频，所述第二动态范围高于所述第一动态范围；
获取所述第二动态范围的视频中指定帧图像的场景类型、分辨率和直方图信息；
根据所述指定帧图像的所述场景类型、所述分辨率和所述直方图信息，确定所述指定帧图像对应的目标处理方式，所述目标处理方式用于提升所述指定帧图像的显示效果；
按照所述目标处理方式处理所述指定帧图像，以得到目标视频。
2.根据权利要求1所述的方法，其特征在于，所述根据所述指定帧图像的所述场景类型、所述分辨率和所述直方图信息确定所述指定帧图像对应的目标处理方式，包括：
从预设的多组对应关系中确定所述场景类型、所述分辨率以及所述直方图信息对应的所述目标处理方式；
其中，所述多组对应关系用于表征在不同的场景类型、不同的分辨率和不同的直方图信息时要采用的处理方式。
3.根据权利要求1所述的方法，其特征在于，所述根据所述指定帧图像的所述场景类型、所述分辨率和所述直方图信息，确定所述指定帧图像对应的目标处理方式，包括：
根据所述分辨率和所述直方图信息，确定所述指定帧图像在指定灰度区间对应的概率质量函数值；
根据所述场景类型、所述分辨率和所述概率质量函数值，确定所述目标处理方式。
4.根据权利要求3所述的方法，其特征在于，所述直方图信息包括所述指定帧图像在多个颜色通道中的灰度直方图，所述根据所述分辨率和所述直方图信息，确定所述指定帧图像在指定灰度区间对应的概率质量函数值，包括：
根据所述指定帧图像在多个颜色通道中的灰度直方图，确定所述指定帧图像在所述指定灰度区间内的像素数目和；
根据所述分辨率与所述像素数目和确定所述概率质量函数值。
5.根据权利要求3所述的方法，其特征在于，所述根据所述场景类型，所述分辨率和所述概率质量函数值确定所述目标处理方式，包括：
在所述场景类型为建筑场景类型的情况下，若所述分辨率小于第一分辨率阈值、所述概率质量函数值大于第一函数值阈值，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度和对比度，降低所述指定帧图像的锐利度；
在所述概率质量函数值小于或者等于所述第一函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度，降低所述指定帧图像的锐利度；
在所述场景类型为建筑场景类型的情况下，若所述分辨率大于或者等于所述第一分辨率阈值，所述概率质量函数值小于所述第一函数值阈值，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度和锐利度；
在所述概率质量函数值大于或者等于所述第一函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度、对比度和锐利度。
6.根据权利要求3所述的方法，其特征在于，所述根据所述场景类型、所述分辨率和所述概率质量函数值确定所述目标处理方式，包括：
在所述场景类型为人像场景类型的情况下，若所述分辨率小于第二分辨率阈值、所述概率质量函数值大于第二函数值阈值，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度和对比度；
在所述概率质量函数值小于或者等于所述第二函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度；
在所述场景类型为人像场景类型的情况下，若所述分辨率大于或者等于所述第二分辨率阈值，则在所述概率质量函数值大于所述第二函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度、对比度和锐利度；
在所述概率质量函数值小于或者等于所述第二函数值阈值的情况下，确定所述目标处理方式为：提升所述指定帧图像的色彩饱和度和锐利度。
7.根据权利要求1所述的方法，其特征在于，所述按照所述目标处理方式处理所述指定帧图像，以得到目标视频，包括：
调用所述目标处理方式对应的目标图像处理算法；
根据所述目标图像处理算法处理所述指定帧图像，以得到目标视频。
8.根据权利要求7所述的方法，其特征在于，所述目标图像处理算法包括色彩饱和度调节算法，对比度调节算法和锐利度调节算法中的至少一个。
9.根据权利要求1-8任一项所述的方法，其特征在于，获取所述第二动态范围的视频中指定帧图像的场景类型，包括：
将所述第二动态范围视频中的所述指定帧图像输入预设场景识别模型，确定所述指定帧图像对应的所述场景类型；
和/或，
获取所述指定帧图像在所述第一动态范围的视频中对应的目标帧图像；
获取所述目标帧图像对应的待定场景类型；
将所述待定场景类型作为所述指定帧图像的场景类型。
10.根据权利要求9所述的方法，其特征在于，所述预设场景识别模型通过以下方式训练得到：
获取多个第一图像样本，所述第一图像样本包括场景类型标注数据；
以所述多个第一图像样本为训练数据，对第一预设初始模型进行模型训练，以得到所述预设场景识别模型。
11.根据权利要求1-8任一项所述的方法，其特征在于，所述将第一动态范围的视频转换为第二动态范围的视频，包括：
将所述第一动态范围的视频输入预设风格转换模型，获得所述第一动态范围的视频对应的所述第一动态范围的视频。
12.根据权利要求11所述的方法，其特征在于，所述预设风格转换模型通过以下方式训练得到：
获取多帧第一动态范围的图像样本；
对每帧所述第一动态范围的图像样本进行亮度调整，以得到所述第一动态范围的图像样本对应的第二动态范围的图像样本；
针对每帧所述第一动态范围的图像样本，将所述第一动态范围的图像样本与所述第一动态范围的图像样本对应的所述第二动态范围的图像样本作为一组目标样本数据，以得到多帧第一动态范围的图像样本对应的多组所述目标样本数据；
以所述多组目标样本数据为训练数据，对第二预设初始模型进行训练，以得到所述预设风格转换模型。
13.一种视频处理装置，其特征在于，所述装置包括：
转化模块，被配置为将第一动态范围的视频转换为第二动态范围的视频；
获取模块，被配置为获取所述第二动态范围的视频中指定帧图像的场景类型、分辨率和直方图信息；
第一确定模块，被配置为根据所述指定帧图像的所述场景类型、所述分辨率和所述直方图信息，确定所述指定帧图像对应的目标处理方式，所述目标处理方式用于提升所述指定帧图像的显示效果；
第二确定模块，被配置为按照所述目标处理方式处理所述指定帧图像，以得到目标视频。
14.一种视频处理装置，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-12中任一项所述方法的步骤。
15.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1-12中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210265442.3A CN116805976A (zh) | 2022-03-17 | 2022-03-17 | 视频处理方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210265442.3A CN116805976A (zh) | 2022-03-17 | 2022-03-17 | 视频处理方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116805976A true CN116805976A (zh) | 2023-09-26 |
Family
ID=88079844
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210265442.3A Pending CN116805976A (zh) | 2022-03-17 | 2022-03-17 | 视频处理方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116805976A (zh) |
-
2022
- 2022-03-17 CN CN202210265442.3A patent/CN116805976A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109345485B (zh) | 一种图像增强方法、装置、电子设备及存储介质 | |
| CN109379572B (zh) | 图像转换方法、装置、电子设备及存储介质 | |
| CN111709891B (zh) | 图像去噪模型的训练方法、图像去噪方法、装置及介质 | |
| CN108462833B (zh) | 拍摄方法、装置及计算机可读存储介质 | |
| CN105528765B (zh) | 处理图像的方法及装置 | |
| CN107967459B (zh) | 卷积处理方法、装置及存储介质 | |
| CN110677734B (zh) | 视频合成方法、装置、电子设备及存储介质 | |
| CN112614064B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN112634160A (zh) | 拍照方法及装置、终端、存储介质 | |
| CN113411498A (zh) | 图像拍摄方法、移动终端及存储介质 | |
| CN112669231B (zh) | 图像处理方法、图像处理模型的训练方法、装置、介质 | |
| US11989863B2 (en) | Method and device for processing image, and storage medium | |
| CN110728180A (zh) | 图像处理方法、装置及存储介质 | |
| CN112950503A (zh) | 训练样本的生成方法及装置、真值图像的生成方法及装置 | |
| CN116805976A (zh) | 视频处理方法、装置及存储介质 | |
| CN115641269A (zh) | 一种图像修补方法、装置及可读存储介质 | |
| CN114331852A (zh) | 高动态范围图像的处理方法、装置及存储介质 | |
| CN113254118B (zh) | 肤色显示及装置 | |
| CN113191994B (zh) | 图像处理方法、装置及存储介质 | |
| US20240005521A1 (en) | Photographing method and apparatus, medium and chip | |
| 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 | |
| CN117455782A (zh) | 图像增强方法、图像增强装置及存储介质 | |
| CN117252769A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN118102080A (zh) | 图像拍摄方法、装置、终端及存储介质 | |
| CN116934607A (zh) | 图像白平衡处理方法、装置、电子设备及存储介质 |
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 |