CN116916168A - 一种伽马校正方法、装置、芯片及模组设备 - Google Patents

一种伽马校正方法、装置、芯片及模组设备 Download PDF

Info

Publication number
CN116916168A
CN116916168A CN202310913975.2A CN202310913975A CN116916168A CN 116916168 A CN116916168 A CN 116916168A CN 202310913975 A CN202310913975 A CN 202310913975A CN 116916168 A CN116916168 A CN 116916168A
Authority
CN
China
Prior art keywords
gamma curve
brightness
image data
gamma
determining
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
CN202310913975.2A
Other languages
English (en)
Inventor
霍星
宋若男
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.)
Beijing Ziguang Zhanrui Communication Technology Co Ltd
Original Assignee
Beijing Ziguang Zhanrui Communication 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 Beijing Ziguang Zhanrui Communication Technology Co Ltd filed Critical Beijing Ziguang Zhanrui Communication Technology Co Ltd
Priority to CN202310913975.2A priority Critical patent/CN116916168A/zh
Publication of CN116916168A publication Critical patent/CN116916168A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/82—Camera processing pipelines; Components thereof for controlling camera response irrespective of the scene brightness, e.g. gamma correction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
    • H04N23/86—Camera processing pipelines; Components thereof for processing colour signals for controlling the colour saturation of colour signals, e.g. automatic chroma control circuits

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本申请公开了一种伽马校正方法、装置、芯片及模组设备，该方法包括：获取第一图像数据；确定该第一图像数据对应的亮度直方图，该亮度直方图用于表示该第一图像数据中各个像素点的亮度值的分布情况；基于该亮度直方图确定该第一图像数据对应的场景类别；确定该场景类别对应的第一伽马曲线；基于该第一伽马曲线对该第一图像数据进行伽马校正。基于本申请所描述的方法，能够根据场景自适应调整伽马曲线，满足各种场景的亮度映射需求。

Description

一种伽马校正方法、装置、芯片及模组设备
技术领域
本发明涉及计算机领域，尤其涉及一种伽马校正方法、装置、芯片及模组设备。
背景技术
在相机系统中，伽马校正是图像信号处理(image signal processing，ISP)流水线的重要组成部分，是调整图像亮度的关键模块。所谓的伽马校正是指对图像的伽马曲线(gammacurve)进行编辑，以实现对图像进行非线性色调编辑的方法，能够检出图像信号中的深色部分和浅色部分，并使两者比例增大，从而提高图像对比度效果。其中，计算机绘图领域惯以此屏幕输出电压与对应亮度的转换关系曲线，称为伽马曲线。
伽马校正通常配置一条调试出的特定曲线，或者，根据简单的场景划分配置若干条特定的曲线来做亮度映射。但是在实际自然场景中，场景内容千差万别，有限的几条曲线很难满足各种场景的亮度映射需求。
发明内容
本申请提供一种伽马校正方法、装置、芯片及模组设备，能够根据场景自适应调整伽马曲线，满足各种场景的亮度映射需求。
第一方面，本申请提供一种伽马校正方法，该方法包括：获取第一图像数据；确定该第一图像数据对应的亮度直方图，该亮度直方图用于表示该第一图像数据中各个像素点的亮度值的分布情况；基于该亮度直方图确定该第一图像数据对应的场景类别；确定该场景类别对应的第一伽马曲线；基于该第一伽马曲线对该第一图像数据进行伽马校正。
基于第一方面所描述的方法，利用该第一伽马曲线对该第一图像数据进行伽马校正时，由于该第一伽马曲线是参考了该第一图像数据对应的场景类别等参数确定出的伽马曲线，能够根据场景自适应调整伽马曲线，可以控制和适配各场景下的亮度效果，满足各种场景的亮度映射需求。
在一种可能的实现方式中，确定该场景类别对应的第一伽马曲线，包括：根据该场景类别确定第二伽马曲线，该第二伽马曲线是针对该场景类别预设的基础伽马曲线；基于该亮度直方图确定第三伽马曲线；基于该第二伽马曲线和该第三伽马曲线确定该场景类别对应的第一伽马曲线。基于该方式，能够控制和适配各场景下的亮度效果，并且对第二伽马曲线与第三伽马曲线做策略性融合，可以灵活应对某些对效果有特殊需求的场景。
在一种可能的实现方式中，基于该第二伽马曲线和该第三伽马曲线确定该场景类别对应的第一伽马曲线，包括：对该第二伽马曲线和该第三伽马曲线进行融合处理，得到第四伽马曲线；对该第四伽马曲线进行调整，得到第一伽马曲线。基于该方式，能够提高伽马曲线的精确度。
在一种可能的实现方式中，对该第四伽马曲线进行调整，得到第一伽马曲线，包括：基于该亮度直方图中的最大亮度值、该亮度直方图中的最小亮度值、预设暗区阈值和预设亮区阈值对该第四伽马曲线进行调整，得到第五伽马曲线；基于该亮度直方图对该第五伽马曲线进行对比度调整，得到第六伽马曲线；基于第一阈值对该第六伽马曲线进行稳定性调整，得到第一伽马曲线。基于该方式，能够对图像亮度和对比度做更精细的控制和调节。
在一种可能的实现方式中，当该亮度值小于该预设暗区阈值时，该第五伽马曲线是基于该亮度直方图中的最小亮度值、该第四伽马曲线、该预设暗区阈值和预设暗区提亮曲线确定的；当该亮度值大于或等于该预设暗区阈值，且该亮度值小于或等于该预设亮区阈值时，该第五伽马曲线为该第四伽马曲线；当该亮度值大于该预设亮区阈值时，该第五伽马曲线是基于该亮度直方图中的最大亮度值、该第四伽马曲线、该预设亮区阈值和预设高光抑制曲线确定的。基于该方式，能够实现对暗区提亮程度的精细调节、亮区细节保持的精细控制，以实现对图像亮区或暗区在有效果偏好时的单独调节。
在一种可能的实现方式中，基于该亮度直方图对该第五伽马曲线进行对比度调整，得到第六伽马曲线，包括：基于该亮度直方图确定该第一图像数据对应的亮度均值；利用该亮度均值和该亮度直方图中的最大亮度值对该第五伽马曲线进行对比度调节，得到第六伽马曲线。基于该方式，能够实现对图像整体对比度做精细控制。
在一种可能的实现方式中，基于第一阈值对该第六伽马曲线进行稳定性调整，得到第一伽马曲线，包括：获取该第一图像数据的前N-1帧图像数据对应的第七伽马曲线，该N为大于1的整数；基于该前N-1帧图像数据对应的第七伽马曲线和该第六伽马曲线，确定平均伽马曲线；基于该平均伽马曲线、该前N-1帧图像数据对应的第七伽马曲线和该第六伽马曲线，确定方差伽马曲线；基于该方差伽马曲线确定偏差参数；若该偏差参数小于或等于第一阈值，则将第N-1帧图像数据对应的第七伽马曲线确定为第一伽马曲线；若该偏差参数大于第一阈值，则对该前N-1帧图像数据对应的第七伽马曲线和该第六伽马曲线进行加权平均计算，得到第一伽马曲线。基于该方式，能够实现对图像亮度稳定性的控制。
在一种可能的实现方式中，基于该亮度直方图确定第三伽马曲线，包括：基于该亮度直方图中的最大亮度值、该亮度直方图中的最小亮度值和该第一图像数据的动态范围的最大值确定第三伽马曲线。基于该方式，能够参考场景分类结果，对自适应算法参数进行自动调整，以控制和适配各场景下的亮度效果。
第二方面，本申请提供一种伽马校正装置，该装置包括：获取单元，用于获取第一图像数据；确定单元，用于确定该第一图像数据对应的亮度直方图，该亮度直方图用于表示该第一图像数据中各个像素点的亮度值的分布情况；该确定单元，还用于基于该亮度直方图确定该第一图像数据对应的场景类别；该确定单元，还用于确定该场景类别对应的第一伽马曲线；处理单元，用于基于该第一伽马曲线对该第一图像数据进行伽马校正。
第三方面，本申请提供了一种芯片，该芯片包括处理器和通信接口，处理器被配置用于使芯片执行上述第一方面或其任一种可能的实现方式中的方法。
第四方面，本申请提供了一种模组设备，该模组设备包括通信模组、电源模组、存储模组以及芯片，其中：该电源模组用于为该模组设备提供电能；该存储模组用于存储数据和指令；该通信模组用于进行模组设备内部通信，或者用于该模组设备与外部设备进行通信；该芯片用于执行上述第一方面或其任一种可能的实现方式中的方法。
第五方面，本发明实施例公开了一种伽马校正装置，该伽马校正装置包括存储器和处理器，该存储器用于存储计算机程序，该计算机程序包括程序指令，该处理器被配置用于调用该程序指令，执行上述第一方面或其任一种可能的实现方式中的方法。
第六方面，本申请提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机可读指令，当该计算机可读指令在伽马校正装置上运行时，使得该伽马校正装置执行上述第一方面或其任一种可能的实现方式中的方法。
第七方面，本申请提供一种计算机程序或计算机程序产品，包括代码或指令，当代码或指令在计算机上运行时，使得计算机执行如第一方面或其任一种可能的实现方式中的方法。
附图说明
图1是本申请实施例提供的一种伽马校正方法的流程示意图；
图2是本申请实施例提供的一种第一图像数据对应的亮度直方图的示意图；
图3A是本申请实施例提供的一种确定场景类别对应的第一伽马曲线的流程示意图；
图3B是本申请实施例提供的一种基于第二伽马曲线和第三伽马曲线确定场景类别对应的第一伽马曲线的流程示意图；
图3C是本申请实施例提供的一种对第四伽马曲线进行调整的流程示意图；
图3D是本申请实施例提供的一种基于亮度直方图对第五伽马曲线进行对比度调整的流程示意图；
图3E是本申请实施例提供的一种基于第一阈值对第六伽马曲线进行稳定性调整的流程示意图；
图4是本申请实施例提供的另一种伽马校正方法的流程示意图；
图5是本申请实施例提供的一种伽马曲线的亮度粗调和亮度精调的流程示意图；
图6是本申请实施例提供的一种伽马校正装置的结构示意图；
图7是本申请实施例提供的另一种伽马校正装置的结构示意图；
图8是本申请实施例提供的一种模组设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请以下实施例中所使用的术语只是为了描述特定实施例的目的，而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样，单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式，除非其上下文中明确地有相反指示。还应当理解，本申请中使用的术语“和/或”是指并包含一个或多个所列出项目的任何或所有可能组合。
需要说明的是，本申请的说明书和权利要求书中及上述附图中的属于“第一”、“第二”、“第三”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述以外的顺序实施。此外，术语“包括”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了能够根据场景自适应调整伽马曲线，满足各种场景的亮度映射需求，本申请提供了一种伽马校正方法。在具体实现中，上述所提及的伽马校正方法可以由终端设备执行。下面对终端设备进行介绍：
终端设备包括向用户提供语音和/或数据连通性的设备，例如终端设备是一种具有无线收发功能的设备，可以部署在陆地上，包括室内或室外、手持、穿戴或车载；也可以部署在水面上(如轮船等)；还可以部署在空中(例如飞机、气球和卫星上等)。所述终端可以是手机(mobile phone)、平板电脑(Pad)、带无线收发功能的电脑、虚拟现实(VR)终端设备、增强现实(AR)终端设备、工业控制(industrial control)中的无线终端、车载终端设备、无人驾驶(self driving)中的无线终端、远程医疗(remote medical)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端、智慧家庭(smart home)中的无线终端、可穿戴终端设备等等。本申请的实施例对应用场景不做限定。终端有时也可以称为终端设备、用户设备(userequipment，UE)、接入终端设备、车载终端、工业控制终端、UE单元、UE站、移动站、移动台、远方站、远程终端设备、移动设备、UE终端设备、终端设备、无线通信设备、UE代理或UE装置等。终端也可以是固定的或者移动的。本申请实施例中，用于实现终端设备的功能的装置可以是终端设备，也可以是能够支持终端设备实现该功能的装置，例如芯片系统或可实现终端设备功能的组合器件、部件，该装置可以被安装在终端设备中。
为了便于理解本申请实施例提供的方案，下面对伽马校正进行介绍：
伽马校正是指对图像的伽马曲线(gamma curve)进行编辑，以对图像进行非线性色调编辑的方法，能够检出图像信号中的深色部分和浅色部分，并使两者比例增大，从而提高图像对比度效果。其中，所谓的伽马曲线是指计算机绘图领域惯以此屏幕输出电压与对应亮度的转换关系曲线。非线性转换的目的主要是为了优化储存空间和带宽，传递函数能够更好的帮我们利用编码空间。在相机系统中，伽马校正是图像信号处理(image signalprocessing，ISP)流水线的重要组成部分，是调整图像亮度的关键模块。
目前，伽马校正可以通过配置参数的方法实现，即向伽马校正模块配置一组调试出的定制曲线，以应对不同场景的亮度调整需求，例如对白天和夜晚场景设置不同的伽马曲线。由于受场景划分算法的限制，场景类别比较有限，被划成相同类别的场景，有些也存在明显的差异，对亮度调整的需求甚至都不在同一方向。因此，经常出现某个特定场景下调试出的伽马曲线，不能满足同类别其他场景的效果需求，造成调试困难，影响调试效率；而且在实际自然场景中，场景内容千差万别，有限的几条曲线也很难满足各种场景的亮度映射需求。
另外，针对已有的高级亮度调整算法，例如全局色调映射、局部色调映射等，虽然可以对亮度和动态范围做进一步的优化，但是需要设计更为复杂的算法，增加硬件实现成本。对于没有加持这些高级亮度调整算法的平台，其亮度效果还是需要伽马校正来调整，因此有必要实现一种功能比较强大的伽马校正方法。
下面进一步对本申请提供的伽马校正方法进行详细描述。请参见图1，图1是本申请实施例提供的一种伽马校正方法的流程示意图。如图1所示，该伽马校正方法包括如下步骤S101～S105，图1所示的方法执行主体包括终端设备(如上述提及的终端设备)。或者，图1所示的方法执行主体包括终端设备中的芯片、芯片系统、或处理器。或者，图1所示的方法执行主体还可以是能实现终端设备的全部或部分功能的逻辑模块或软件。本申请实施例对该伽马校正方法的执行主体不做限定。图1以终端设备为执行主体为例进行说明。其中：
S101、终端设备获取第一图像数据。
在本申请实施例中，所谓的图像数据是指用数值表示的图像中各像素点(pixel)的灰度值的集合。图像数据可以捕捉多种信息，包括形状、色彩、大小以及明暗程度等。该第一图像数据可以是相机拍摄的任意一帧图像的数据，也可以是视频中任意一帧图像的数据，在此不做限定。
S102、终端设备确定该第一图像数据对应的亮度直方图。
在本申请实施例中，该亮度直方图用于表示该第一图像数据中各个像素点的亮度值的分布情况，也可以理解为是该第一图像数据中针对不同亮度值的像素点的占比情况。其中，亮度直方图也可以称为灰度直方图，能够将图像中各个像素点，按照亮度值的大小，统计其出现的频率。当然，亮度直方图只是一种表示各个像素点的亮度值的分布情况的示例，也可以采用其他形式来表示各个像素点的亮度值的分布情况，在此不做限定。
终端设备获取到该第一图像数据后，便可以统计出该第一图像数据对应的亮度直方图。具体地，首先可以采用以下公式(1)来计算各个像素点的亮度值。
Y＝C1*R+C2*G+C3*B+C4*max(R,G,B) (1)
公式(1)中，Y表示计算出的当前像素点的亮度值；R、G、B代表该第一图像数据中当前像素点的三个颜色通道像素值；C1、C2、C3、C4为可配置参数，例如C1＝0.15、C2＝0.2、C3＝0.15、C4＝0.5；max(·)表示取最大值。
然后，终端设备将计算出的该第一图像数据中各个像素点的亮度值，按照亮度值的大小，统计其出现的频率，得到该第一图像数据对应的亮度直方图(YHist)，并将该亮度直方图保存至内存(如双倍速率同步动态随机存储器(doubledata rate synchronousdynamic randomaccess memory，DDR))。
如图2所示，图2是本申请实施例提供的一种第一图像数据对应的亮度直方图的示意图。在该亮度直方图中，竖轴表示该第一图像数据中不同亮度值的像素点数量，横轴表示0～255的亮度值。终端设备将亮度值分为0～255，数值越大，代表亮度越高。其中，亮度值为0表示纯黑色的最暗区域，亮度值为255表示纯白色的最亮区域，而位于0到255中间的亮度值则表示不同亮度的灰色。进一步可以将这些亮度值分为5个区域，分别是黑部(黑色)、暗部(阴影)、灰部(正常曝光)、亮部(高光)和高亮(白色)。终端设备对该第一图像数据中各个像素点的亮度值进行统计，通过该亮度直方图中各个区域的像素点数量，便可以看出该第一图像数据中亮度的分布情况和比例，即该第一图像数据中位于灰部和亮部的像素点较多，位于黑部、暗部和高亮的像素点较少。
S103、终端设备基于该亮度直方图确定该第一图像数据对应的场景类别。
在本申请实施例中，终端设备可以预先设置多种场景类别，例如可以预设10种场景类别供判断选择：欠曝普通、欠曝高动态、低亮普通、低亮高动态、中亮普通、中亮高动态、高亮普通、高亮高动态、过曝普通、过曝高动态。当然，该场景类别也可以是其他形式，在此不做限定。终端设备可以根据该亮度直方图中各个像素点的亮度值的分布情况，分析出该第一图像数据对应的场景类别。
例如，当亮度直方图中位于黑部(黑色)的像素点达到预设阈值1，表示该第一图像数据曝光不足(即欠曝)；当亮度直方图中位于高亮(白色)的像素点达到预设阈值2，表示该第一图像数据曝光过度(即过曝)。
当亮度直方图中位于亮部(高光)的像素点小于预设阈值3，表示该第一图像数据的亮度较低(即低亮)；当亮度直方图中位于亮部(高光)的像素点大于或等于预设阈值3，且小于或等于预设阈值4，表示该第一图像数据的亮度适中(即中亮)；当亮度直方图中位于亮部(高光)的像素点大于预设阈值4，表示该第一图像数据的亮度较高(即高亮)。
当亮度直方图中动态范围(即场景中暗部(阴影)到亮部(高光)的亮度范围)小于预设阈值5，表示该第一图像数据的动态范围小(即低动态)；当亮度直方图中动态范围大于或等于预设阈值5，且小于或等于预设阈值6，表示该第一图像数据的动态范围普通；当亮度直方图中动态范围大于预设阈值6，表示该第一图像数据的动态范围高(即高动态)。
当然，判断该第一图像数据对应的场景类别也可以采用其他方式，在此不做限定。
S104、终端设备确定该场景类别对应的第一伽马曲线。
在本申请实施例中，由于该第一伽马曲线是参考了该第一图像数据对应的场景类别确定出的伽马曲线，能够根据场景自适应调整伽马曲线，可以控制和适配各场景下的亮度效果，满足各种场景的亮度映射需求。
在一种可能的实现方式中，终端设备确定该场景类别对应的第一伽马曲线时，如图3A所示，具体的实现方式可以包括以下步骤s11～s13。
s11、终端设备根据该场景类别确定第二伽马曲线，该第二伽马曲线是针对该场景类别预设的基础伽马曲线。
在具体实现中，终端设备可以预先设置不同场景类别对应的基础伽马曲线，这些基础伽马曲线支持用户根据亮度偏好进行配置和修改。终端设备确定出该第一图像数据对应的场景类别后，便可以选择出针对该第一图像数据对应的场景类别的基础伽马曲线，即第二伽马曲线。
例如，假设终端设备预设了3个场景类别(即欠曝普通、欠曝高动态、低亮普通)对应的基础伽马曲线，即欠曝普通对应的基础伽马曲线为伽马曲线1、欠曝高动态对应的基础伽马曲线为伽马曲线2、低亮普通对应的基础伽马曲线为伽马曲线3。当终端设备确定出该第一图像数据对应的场景类别为欠曝普通时，可以确定出该第二伽马曲线为伽马曲线1。
s12、终端设备基于该亮度直方图确定第三伽马曲线。
可选地，终端设备基于该亮度直方图确定第三伽马曲线时，具体的实现方式可以是：终端设备基于该亮度直方图中的最大亮度值、该亮度直方图中的最小亮度值和该第一图像数据的动态范围的最大值确定第三伽马曲线。
在具体实现中，终端设备根据亮度直方图计算出第三伽马曲线。该第三伽马曲线可以理解为是自适应伽马曲线，可以参考场景类别对自适应算法参数进行自动调整，以控制和适配各场景下的亮度效果。具体地，可以采用以下公式(2)来计算第三伽马曲线。
公式(2)中，C1(x)表示第三伽马曲线；Ymin表示该亮度直方图中的最小亮度值；Ymax表示该亮度直方图中的最大亮度值；x表示第x个映射点(即当前映射点)，也可以代表其亮度值；t表示设定的可配置曲线控制参数；Dmax表示该第一图像数据的动态范围的最大值，例如8bit的图像数据的动态范围的最大值则为255。其中，当x<Ymin时，x＝Ymin。
s13、终端设备基于该第二伽马曲线和该第三伽马曲线确定该场景类别对应的第一伽马曲线。
在具体实现中，终端设备可以参考场景类别以及获取的该第一图像数据的人脸信息等参数，对第二伽马曲线与第三伽马曲线做策略性融合，以控制自适应算法对最终效果的贡献，来保证某些自适应算法表现不佳场景的效果，还可以灵活应对某些对效果有特殊需求的场景。
可选地，终端设备基于该第二伽马曲线和该第三伽马曲线确定该场景类别对应的第一伽马曲线时，如图3B所示，具体的实现方式可以包括以下步骤A和步骤B。
步骤A、终端设备对该第二伽马曲线和该第三伽马曲线进行融合处理，得到第四伽马曲线。
可选地，终端设备对该第二伽马曲线和该第三伽马曲线进行融合处理，得到第四伽马曲线时，具体的实现方式可以是：终端设备对该第二伽马曲线和该第三伽马曲线进行加权和计算，得到第四伽马曲线。
例如，可以采用以下公式(3)来对该第二伽马曲线和该第三伽马曲线进行融合处理，得到第四伽马曲线。
C′(x)＝ω*C2(x)+(1-ω)*C1(x) (3)
公式(3)中，C′(x)表示第四伽马曲线；C2(x)表示第二伽马曲线；C1(x)表示第三伽马曲线；ω表示第二伽马曲线的权重值，ω可以是基于该第一图像数据的人脸信息等参数确定的，可以支持调试实际配置；也可以是预设默认值，在此不做限定；(1-ω)表示第三伽马曲线的权重值。
需要说明的是，步骤s11、步骤s12以及步骤s13中的步骤A可以认为是对该第一图像数据的伽马曲线的亮度粗调，包含根据亮度直方图确定场景类别、基础伽马曲线(即第二伽马曲线)的选择、自适应伽马曲线(即第三伽马曲线)计算以及基础伽马曲线和自适应伽马曲线的融合计算，以确定出整体基本亮度水平和效果。
步骤B、终端设备对该第四伽马曲线进行调整，得到第一伽马曲线。
可选地，终端设备对该第四伽马曲线进行调整，得到第一伽马曲线时，如图3C所示，具体的实现方式可以包括以下步骤a～c。
步骤a、终端设备基于该亮度直方图中的最大亮度值、该亮度直方图中的最小亮度值、预设暗区阈值和预设亮区阈值对该第四伽马曲线进行调整，得到第五伽马曲线。
在具体实现中，终端设备需要进一步对第四伽马曲线进行暗区和亮区的控制，可以实现对暗区提亮程度的精细调节、亮区细节保持的精细控制，以实现对图像亮区或暗区在有效果偏好时的单独调节。步骤a可以认为是对图像的暗区和亮区的亮度控制。
可选地，针对该第五伽马曲线，下面可以分为3种不同情况。
情况1：当该亮度值小于该预设暗区阈值时，该第五伽马曲线是基于该亮度直方图中的最小亮度值、该第四伽马曲线、该预设暗区阈值和预设暗区提亮曲线确定的。
例如，当该亮度值小于该预设暗区阈值时，可以采用以下公式(4)来计算该第五伽马曲线。
公式(4)中，C″(x)表示第五伽马曲线；dark_thr表示预设暗区阈值；Cdark(x)表示预设暗区提亮曲线，实现针对小于dark_thr暗区的提亮，并且平滑过渡到dark_thr；Ymin表示该亮度直方图中的最小亮度值；C′(x)表示第四伽马曲线；x表示第x个映射点(即当前映射点)，也可以代表其亮度值。
情况2：当该亮度值大于或等于该预设暗区阈值，且该亮度值小于或等于该预设亮区阈值时，该第五伽马曲线为该第四伽马曲线。
例如，当该亮度值大于或等于该预设暗区阈值，且该亮度值小于或等于该预设亮区阈值时，可以采用以下公式(5)来计算该第五伽马曲线。
C″(x)＝C′(x),dark_thr≤x≤bright_thr (5)
公式(5)中，C″(x)表示第五伽马曲线；dark_thr表示预设暗区阈值；bright_thr表示预设亮区阈值；C′(x)表示第四伽马曲线；x表示第x个映射点(即当前映射点)，也可以代表其亮度值。
情况3：当该亮度值大于该预设亮区阈值时，该第五伽马曲线是基于该亮度直方图中的最大亮度值、该第四伽马曲线、该预设亮区阈值和预设高光抑制曲线确定的。
例如，当该亮度值大于该预设亮区阈值时，可以采用以下公式(6)来计算该第五伽马曲线。
公式(6)中，C″(x)表示第五伽马曲线；bright_thr表示预设亮区阈值；Cbright(x)表示预设高光抑制曲线，实现针对大于bright_thr高光的抑制，并且平滑过渡到bright_thr；Ymax表示该亮度直方图中的最大亮度值；C′(x)表示第四伽马曲线；x表示第x个映射点(即当前映射点)，也可以代表其亮度值。
总的来说，该第五伽马曲线可以表示为一个分段函数，即公式(7)。
步骤b、终端设备基于该亮度直方图对该第五伽马曲线进行对比度调整，得到第六伽马曲线。
在具体实现中，图像数据经过非线性的全局亮度提升后，可能会出现对比度有所下降的情况，可根据对比度偏好，实现对图像整体对比度做精细控制。步骤b可以认为是对全局对比度的控制。
可选地，终端设备基于该亮度直方图对该第五伽马曲线进行对比度调整，得到第六伽马曲线时，如图3D所示，具体的实现方式可以包括步骤一和步骤二。
步骤一、终端设备基于该亮度直方图确定该第一图像数据对应的亮度均值。
例如，假设第五伽马曲线包含m个映射点(即选取m个像素点的亮度值进行映射)，可以采用以下公式(8)计算该第一图像数据对应的亮度均值。
公式(8)中，Ymean表示该第一图像数据对应的亮度均值；YHist(i)表示第i个映射点对应的亮度值。
步骤二、终端设备利用该亮度均值和该亮度直方图中的最大亮度值对该第五伽马曲线进行对比度调节，得到第六伽马曲线。
例如，可以采用以下公式(9)计算出第六伽马曲线。
公式(9)中，C″′(x)表示第六伽马曲线；C″(x)表示第五伽马曲线；Ymean表示该第一图像数据对应的亮度均值；contrast表示对比度调节控制参数，可根据实际效果需求进行调试；Ymax表示该亮度直方图中的最大亮度值。
步骤c、终端设备基于第一阈值对该第六伽马曲线进行稳定性调整，得到第一伽马曲线。
在具体实现中，终端设备可以根据当前该第一图像数据实时计算的伽马曲线，和前面若干帧计算出的亮度曲线做时域亮度平滑操作，可配置参与平滑的帧数与平滑的强度，较多的帧数和较高的平滑强度能产生更好的时域亮度稳定效果，但是也会削弱场景自适应能力，场景发生变化时曲线变化的反应更为迟钝。因此，在配置参与平滑的帧数与平滑的强度时，可以根据实际需求进行合理配置。步骤c可以认为是对图像亮度稳定性的控制。
可选地，终端设备基于第一阈值对该第六伽马曲线进行稳定性调整，得到第一伽马曲线时，如图3E所示，具体的实现方式可以包括以下步骤1～7。
步骤1、终端设备获取该第一图像数据的前N-1帧图像数据对应的第七伽马曲线，该N为大于1的整数。
步骤2、终端设备基于该前N-1帧图像数据对应的第七伽马曲线和该第六伽马曲线，确定平均伽马曲线。
例如，假设第六伽马曲线和第七伽马曲线均包含m个映射点，参与平滑的总帧数为N，N为大于1的整数。该第一图像数据为第N帧图像数据，记该第一图像数据实时计算的伽马曲线(即第六伽马曲线)为CN(x)，记第N-1帧图像数据对应的第七伽马曲线为CN-1(x)，记第N-2帧图像数据对应的第七伽马曲线为CN-2(x)，依次类推。可以采用以下公式(10)来计算平均伽马曲线。
公式(10)中，Cmean(x)表示平均伽马曲线；N表示参与平滑的总帧数；Ci(x)表示第i帧图像数据对应的伽马曲线，即当i＝1,2,...,N-1时，Ci(x)表示前N-1帧图像数据对应的第七伽马曲线；当i＝N时，Ci(x)表示第六伽马曲线；x表示第x个映射点(即当前映射点)；m表示伽马曲线中包含m个映射点。
步骤3、终端设备基于该平均伽马曲线、前N-1帧图像数据对应的第七伽马曲线和该第六伽马曲线，确定方差伽马曲线。
例如，可以采用以下公式(11)来计算方差伽马曲线。
公式(11)中，Cdev(x)表示方差伽马曲线；Cmean(x)表示平均伽马曲线；Ci(x)表示第i帧图像数据对应的伽马曲线，即当i＝1,2,...,N-1时，Ci(x)表示前N-1帧图像数据对应的第七伽马曲线；当i＝N时，Ci(x)表示第六伽马曲线；x表示第x个映射点(即当前映射点)；m表示伽马曲线中包含m个映射点。
步骤4、终端设备基于该方差伽马曲线确定偏差参数。
例如，可以采用以下公式(12)来计算方差伽马曲线。
公式(12)中，c_diff表示偏差参数；Cdev(x)表示方差伽马曲线；x表示第x个映射点(即当前映射点)；m表示伽马曲线中包含m个映射点。
步骤5、终端设备判断该偏差参数是否大于第一阈值。
其中，若该偏差参数小于或等于第一阈值，执行步骤6；若该偏差参数大于第一阈值，执行步骤7。
步骤6、终端设备将第N-1帧图像数据对应的第七伽马曲线确定为第一伽马曲线。
例如，可以采用以下公式(13)来确定第一伽马曲线。
Cnew(x)＝CN-1(x),x∈[0,m-1] (13)
公式(13)中，Cnew(x)表示第一伽马曲线；CN-1(x)表示第N-1帧图像数据对应的第七伽马曲线；x表示第x个映射点(即当前映射点)；m表示伽马曲线中包含m个映射点。
步骤7、终端设备对该前N-1帧图像数据对应的第七伽马曲线和该第六伽马曲线进行加权平均计算，得到第一伽马曲线。
例如，可以采用以下公式(14)来确定第一伽马曲线。
公式(14)中，Cnew(x)表示第一伽马曲线。Ci(x)表示第i帧图像数据对应的伽马曲线，即当i＝1,2,...,N-1时，Ci(x)表示前N-1帧图像数据对应的第七伽马曲线；当i＝N时，Ci(x)表示第六伽马曲线。ωi表示第i帧图像数据对应的伽马曲线的权重值，即当i＝1,2,...,N-1时，Ci(x)表示前N-1帧图像数据对应的第七伽马曲线的权重值；当i＝N时，Ci(x)表示第六伽马曲线的权重值。x表示第x个映射点(即当前映射点)。m表示伽马曲线中包含m个映射点。
需要说明的是，步骤s13中的步骤B可以认为是对该第一图像数据的伽马曲线的亮度精调，包括对图像的暗区和亮区的亮度控制、对全局对比度的控制以及对图像亮度稳定性的控制，以实现对图像亮度和对比度做更精细的控制和调节。
S105、终端设备基于该第一伽马曲线对该第一图像数据进行伽马校正。
在本申请实施例中，终端设备确定出最终的第一伽马曲线后，利用该第一伽马曲线对该第一图像数据进行伽马校正，以调整该第一图像数据的亮度效果。
总的来说，如图4所示，该伽马校正方法可以分为3个模块，即直方图统计模块、软件参数计算模块和伽马校正模块。终端设备获取到第一图像数据后，将该第一图像数据输入至直方图统计模块执行上述步骤S102描述的过程，得到该第一图像数据对应的亮度直方图；然后将该亮度直方图和其他参数输入至软件参数计算模块执行上述步骤S103和步骤S104描述的过程，得到第一伽马曲线；最后将该第一伽马曲线输入至伽马校正模块执行上述步骤S105描述的过程，得到伽马校正后的第一图像数据，即完成了对该第一图像数据的伽马校正。
其中，步骤S103和步骤S104描述的过程可以分为对伽马曲线的亮度粗调和亮度精调。如图5所示，亮度粗调用于确定出整体基本亮度水平和效果，包括上述步骤s11、步骤s12以及步骤s13中的步骤A描述的过程，即根据亮度直方图确定场景类别、选择基础伽马曲线(即第二伽马曲线)、计算自适应伽马曲线(即第三伽马曲线)以及基础伽马曲线和自适应伽马曲线的融合计算(即曲线融合)。亮度精调用于实现对图像亮度和对比度做更精细的控制和调节，包括步骤s13中的步骤B描述的所有过程，即对图像的暗区的亮度控制和亮区的亮度控制、对全局对比度的控制以及对图像亮度稳定性的控制。
可见，基于图1所描述的方法，终端设备获取到第一图像数据后，确定该第一图像数据对应的亮度直方图，基于该亮度直方图确定该第一图像数据对应的场景类别，然后确定该场景类别对应的第一伽马曲线，最后利用该第一伽马曲线对该第一图像数据进行伽马校正，由于该第一伽马曲线是参考了该第一图像数据对应的场景类别等参数确定出的伽马曲线，能够根据场景自适应调整伽马曲线，可以控制和适配各场景下的亮度效果，满足各种场景的亮度映射需求。
请参见图6，图6是本发明实施例提供的一种伽马校正装置的结构示意图，该伽马校正装置可以为终端设备或具有终端设备功能的装置(例如芯片)。具体的，如图6所示，伽马校正装置600，可以包括获取单元601、确定单元602和处理单元603。其中：
获取单元601，用于获取第一图像数据；
确定单元602，用于确定该第一图像数据对应的亮度直方图，该亮度直方图用于表示该第一图像数据中各个像素点的亮度值的分布情况；
确定单元602，还用于基于该亮度直方图确定该第一图像数据对应的场景类别；
确定单元602，还用于确定该场景类别对应的第一伽马曲线；
处理单元603，用于基于该第一伽马曲线对该第一图像数据进行伽马校正。
在一种可能的实现方式中，确定单元602，在确定该场景类别对应的第一伽马曲线时，具体用于：根据该场景类别确定第二伽马曲线，该第二伽马曲线是针对该场景类别预设的基础伽马曲线；基于该亮度直方图确定第三伽马曲线；基于该第二伽马曲线和该第三伽马曲线确定该场景类别对应的第一伽马曲线。
在一种可能的实现方式中，确定单元602，在基于该第二伽马曲线和该第三伽马曲线确定该场景类别对应的第一伽马曲线时，具体用于：对该第二伽马曲线和该第三伽马曲线进行融合处理，得到第四伽马曲线；对该第四伽马曲线进行调整，得到第一伽马曲线。
在一种可能的实现方式中，确定单元602，在对该第四伽马曲线进行调整，得到第一伽马曲线时，具体用于：基于该亮度直方图中的最大亮度值、该亮度直方图中的最小亮度值、预设暗区阈值和预设亮区阈值对该第四伽马曲线进行调整，得到第五伽马曲线；基于该亮度直方图对该第五伽马曲线进行对比度调整，得到第六伽马曲线；基于第一阈值对该第六伽马曲线进行稳定性调整，得到第一伽马曲线。
在一种可能的实现方式中，当该亮度值小于该预设暗区阈值时，该第五伽马曲线是基于该亮度直方图中的最小亮度值、该第四伽马曲线、该预设暗区阈值和预设暗区提亮曲线确定的；当该亮度值大于或等于该预设暗区阈值，且该亮度值小于或等于该预设亮区阈值时，该第五伽马曲线为该第四伽马曲线；当该亮度值大于该预设亮区阈值时，该第五伽马曲线是基于该亮度直方图中的最大亮度值、该第四伽马曲线、该预设亮区阈值和预设高光抑制曲线确定的。
在一种可能的实现方式中，确定单元602，在基于该亮度直方图对该第五伽马曲线进行对比度调整，得到第六伽马曲线时，具体用于：基于该亮度直方图确定该第一图像数据对应的亮度均值；利用该亮度均值和该亮度直方图中的最大亮度值对该第五伽马曲线进行对比度调节，得到第六伽马曲线。
在一种可能的实现方式中，确定单元602，在基于第一阈值对该第六伽马曲线进行稳定性调整，得到第一伽马曲线时，具体用于：获取该第一图像数据的前N-1帧图像数据对应的第七伽马曲线，该N为大于1的整数；基于该前N-1帧图像数据对应的第七伽马曲线和该第六伽马曲线，确定平均伽马曲线；基于该平均伽马曲线、该前N-1帧图像数据对应的第七伽马曲线和该第六伽马曲线，确定方差伽马曲线；基于该方差伽马曲线确定偏差参数；若该偏差参数小于或等于第一阈值，则将第N-1帧图像数据对应的第七伽马曲线确定为第一伽马曲线；若该偏差参数大于第一阈值，则对该前N-1帧图像数据对应的第七伽马曲线和该第六伽马曲线进行加权平均计算，得到第一伽马曲线。
在一种可能的实现方式中，确定单元602，在基于该亮度直方图确定第三伽马曲线时，具体用于：基于该亮度直方图中的最大亮度值、该亮度直方图中的最小亮度值和该第一图像数据的动态范围的最大值确定第三伽马曲线。
本申请实施例还提供了一种芯片，该芯片可以执行前述方法实施例中终端设备的相关步骤。该芯片，包括处理器和通信接口，该处理器被配置用于使芯片执行如下操作：获取第一图像数据；确定该第一图像数据对应的亮度直方图，该亮度直方图用于表示该第一图像数据中各个像素点的亮度值的分布情况；基于该亮度直方图确定该第一图像数据对应的场景类别；确定该场景类别对应的第一伽马曲线；基于该第一伽马曲线对该第一图像数据进行伽马校正。
在一种可能的实现方式中，在确定该场景类别对应的第一伽马曲线时，该处理器具体被配置用于使芯片执行如下操作：根据该场景类别确定第二伽马曲线，该第二伽马曲线是针对该场景类别预设的基础伽马曲线；基于该亮度直方图确定第三伽马曲线；基于该第二伽马曲线和该第三伽马曲线确定该场景类别对应的第一伽马曲线。
在一种可能的实现方式中，在基于该第二伽马曲线和该第三伽马曲线确定该场景类别对应的第一伽马曲线时，该处理器具体被配置用于使芯片执行如下操作：对该第二伽马曲线和该第三伽马曲线进行融合处理，得到第四伽马曲线；对该第四伽马曲线进行调整，得到第一伽马曲线。
在一种可能的实现方式中，在对该第四伽马曲线进行调整，得到第一伽马曲线时，该处理器具体被配置用于使芯片执行如下操作：基于该亮度直方图中的最大亮度值、该亮度直方图中的最小亮度值、预设暗区阈值和预设亮区阈值对该第四伽马曲线进行调整，得到第五伽马曲线；基于该亮度直方图对该第五伽马曲线进行对比度调整，得到第六伽马曲线；基于第一阈值对该第六伽马曲线进行稳定性调整，得到第一伽马曲线。
在一种可能的实现方式中，当该亮度值小于该预设暗区阈值时，该第五伽马曲线是基于该亮度直方图中的最小亮度值、该第四伽马曲线、该预设暗区阈值和预设暗区提亮曲线确定的；当该亮度值大于或等于该预设暗区阈值，且该亮度值小于或等于该预设亮区阈值时，该第五伽马曲线为该第四伽马曲线；当该亮度值大于该预设亮区阈值时，该第五伽马曲线是基于该亮度直方图中的最大亮度值、该第四伽马曲线、该预设亮区阈值和预设高光抑制曲线确定的。
在一种可能的实现方式中，在基于该亮度直方图对该第五伽马曲线进行对比度调整，得到第六伽马曲线时，该处理器具体被配置用于使芯片执行如下操作：基于该亮度直方图确定该第一图像数据对应的亮度均值；利用该亮度均值和该亮度直方图中的最大亮度值对该第五伽马曲线进行对比度调节，得到第六伽马曲线。
在一种可能的实现方式中，在基于第一阈值对该第六伽马曲线进行稳定性调整，得到第一伽马曲线时，该处理器具体被配置用于使芯片执行如下操作：获取该第一图像数据的前N-1帧图像数据对应的第七伽马曲线，该N为大于1的整数；基于该前N-1帧图像数据对应的第七伽马曲线和该第六伽马曲线，确定平均伽马曲线；基于该平均伽马曲线、该前N-1帧图像数据对应的第七伽马曲线和该第六伽马曲线，确定方差伽马曲线；基于该方差伽马曲线确定偏差参数；若该偏差参数小于或等于第一阈值，则将第N-1帧图像数据对应的第七伽马曲线确定为第一伽马曲线；若该偏差参数大于第一阈值，则对该前N-1帧图像数据对应的第七伽马曲线和该第六伽马曲线进行加权平均计算，得到第一伽马曲线。
在一种可能的实现方式中，在基于该亮度直方图确定第三伽马曲线时，该处理器具体被配置用于使芯片执行如下操作：基于该亮度直方图中的最大亮度值、该亮度直方图中的最小亮度值和该第一图像数据的动态范围的最大值确定第三伽马曲线。
对于应用于或集成于芯片的各个装置、产品，其包含的各个模块可以都采用电路等硬件的方式实现，或者，至少部分模块可以采用软件程序的方式实现，该软件程序运行于芯片内部集成的处理器，剩余的(如果有)部分模块可以采用电路等硬件方式实现。
请参阅图7，图7是本发明实施例提供的一种伽马校正装置的结构示意图。该伽马校正装置700可以包括存储器701、处理器702。可选地，还包括通信接口703。存储器701、处理器702和通信接口703通过一条或多条通信总线连接。其中，通信接口703受处理器702的控制用于收发信息。
存储器701可以包括只读存储器和随机存取存储器，并向处理器702提供指令和数据。存储器701的一部分还可以包括非易失性随机存取存储器。
通信接口703用于接收或发送数据。
处理器702可以是中央处理单元(central processing unit，CPU)，该处理器702还可以是其他通用处理器、数字信号处理器(digital signal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field-programmable gatearray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器，可选地，该处理器702也可以是任何常规的处理器等。其中：
存储器701，用于存储程序指令。
处理器702，用于调用存储器701中存储的程序指令。
处理器702调用存储器701中存储的程序指令，使该伽马校正装置700执行上述方法实施例中终端设备所执行的方法。
如图8所示，图8是本申请实施例提供的一种模组设备的结构示意图。该模组设备800可以执行前述方法实施例中终端设备的相关步骤，该模组设备800包括：通信模组801、电源模组802、存储模组803以及芯片804。
其中，电源模组802用于为模组设备提供电能；存储模组803用于存储数据和指令；通信模组801用于进行模组设备内部通信，或者用于模组设备与外部设备进行通信；芯片804用于执行上述方法实施例中终端设备所执行的方法。
需要说明的是，图6～图8对应的实施例中未提及的内容以及各个步骤的具体实现方式可参见图1所示实施例以及前述内容，这里不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在处理器上运行时，上述方法实施例的方法流程得以实现。
本申请实施例还提供一种计算机程序产品，当所述计算机程序产品在处理器上运行时，上述方法实施例的方法流程得以实现。
关于上述实施例中描述的各个装置、产品包含的各个模块/单元，其可以是软件模块/单元，也可以是硬件模块/单元，或者也可以部分是软件模块/单元，部分是硬件模块/单元。例如，对于应用于或集成于芯片的各个装置、产品其包含的各个模块/单元可以都采用电路等硬件的方式实现，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片内部集成处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于芯片模组的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同模块/单元可以位于芯片模组的同一件(例如芯片、电路模块等)或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片模组内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于终端的各个装置、产品，其包含的模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于终端内同一组件(例如，芯片、电路模块等)或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于终端内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些操作可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
本申请提供的各实施例的描述可以相互参照，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。为描述的方便和简洁，例如关于本申请实施例提供的各装置、设备的功能以及执行的操作可以参照本申请方法实施例的相关描述，各方法实施例之间、各装置实施例之间也可以互相参考、结合或引用。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (13)

1.一种伽马校正方法，其特征在于，所述方法包括：
获取第一图像数据；
确定所述第一图像数据对应的亮度直方图，所述亮度直方图用于表示所述第一图像数据中各个像素点的亮度值的分布情况；
基于所述亮度直方图确定所述第一图像数据对应的场景类别；
确定所述场景类别对应的第一伽马曲线；
基于所述第一伽马曲线对所述第一图像数据进行伽马校正。
2.根据权利要求1所述的方法，其特征在于，所述确定所述场景类别对应的第一伽马曲线，包括：
根据所述场景类别确定第二伽马曲线，所述第二伽马曲线是针对所述场景类别预设的基础伽马曲线；
基于所述亮度直方图确定第三伽马曲线；
基于所述第二伽马曲线和所述第三伽马曲线确定所述场景类别对应的第一伽马曲线。
3.根据权利要求2所述的方法，其特征在于，所述基于所述第二伽马曲线和所述第三伽马曲线确定所述场景类别对应的第一伽马曲线，包括：
对所述第二伽马曲线和所述第三伽马曲线进行融合处理，得到第四伽马曲线；
对所述第四伽马曲线进行调整，得到第一伽马曲线。
4.根据权利要求3所述的方法，其特征在于，所述对所述第四伽马曲线进行调整，得到第一伽马曲线，包括：
基于所述亮度直方图中的最大亮度值、所述亮度直方图中的最小亮度值、预设暗区阈值和预设亮区阈值对所述第四伽马曲线进行调整，得到第五伽马曲线；
基于所述亮度直方图对所述第五伽马曲线进行对比度调整，得到第六伽马曲线；
基于第一阈值对所述第六伽马曲线进行稳定性调整，得到第一伽马曲线。
5.根据权利要求4所述的方法，其特征在于，
当所述亮度值小于所述预设暗区阈值时，所述第五伽马曲线是基于所述亮度直方图中的最小亮度值、所述第四伽马曲线、所述预设暗区阈值和预设暗区提亮曲线确定的；
当所述亮度值大于或等于所述预设暗区阈值，且所述亮度值小于或等于所述预设亮区阈值时，所述第五伽马曲线为所述第四伽马曲线；
当所述亮度值大于所述预设亮区阈值时，所述第五伽马曲线是基于所述亮度直方图中的最大亮度值、所述第四伽马曲线、所述预设亮区阈值和预设高光抑制曲线确定的。
6.根据权利要求4所述的方法，其特征在于，所述基于所述亮度直方图对所述第五伽马曲线进行对比度调整，得到第六伽马曲线，包括：
基于所述亮度直方图确定所述第一图像数据对应的亮度均值；
利用所述亮度均值和所述亮度直方图中的最大亮度值对所述第五伽马曲线进行对比度调节，得到第六伽马曲线。
7.根据权利要求4所述的方法，其特征在于，所述基于第一阈值对所述第六伽马曲线进行稳定性调整，得到第一伽马曲线，包括：
获取所述第一图像数据的前N-1帧图像数据对应的第七伽马曲线，所述N为大于1的整数；
基于所述前N-1帧图像数据对应的第七伽马曲线和所述第六伽马曲线，确定平均伽马曲线；
基于所述平均伽马曲线、所述前N-1帧图像数据对应的第七伽马曲线和所述第六伽马曲线，确定方差伽马曲线；
基于所述方差伽马曲线确定偏差参数；
若所述偏差参数小于或等于第一阈值，则将第N-1帧图像数据对应的第七伽马曲线确定为第一伽马曲线；
若所述偏差参数大于第一阈值，则对所述前N-1帧图像数据对应的第七伽马曲线和所述第六伽马曲线进行加权平均计算，得到第一伽马曲线。
8.根据权利要求2-7中任一项所述的方法，其特征在于，所述基于所述亮度直方图确定第三伽马曲线，包括：
基于所述亮度直方图中的最大亮度值、所述亮度直方图中的最小亮度值和所述第一图像数据的动态范围的最大值确定第三伽马曲线。
9.一种伽马校正装置，其特征在于，所述装置包括：
获取单元，用于获取第一图像数据；
确定单元，用于确定所述第一图像数据对应的亮度直方图，所述亮度直方图用于表示所述第一图像数据中各个像素点的亮度值的分布情况；
所述确定单元，还用于基于所述亮度直方图确定所述第一图像数据对应的场景类别；
所述确定单元，还用于确定所述场景类别对应的第一伽马曲线；
处理单元，用于基于所述第一伽马曲线对所述第一图像数据进行伽马校正。
10.一种芯片，其特征在于，包括处理器和通信接口，所述处理器被配置用于使所述芯片执行如权利要求1-8中任一项所述的方法。
11.一种模组设备，其特征在于，所述模组设备包括通信模组、电源模组、存储模组以及芯片，其中：
所述电源模组用于为所述模组设备提供电能；
所述存储模组用于存储数据和指令；
所述通信模组用于进行模组设备内部通信，或者用于所述模组设备与外部设备进行通信；
所述芯片用于执行如权利要求1-8中任一项所述的方法。
12.一种伽马校正装置，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，使所述伽马校正装置执行如权利要求1-8中任一项所述的方法。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可读指令，当所述计算机可读指令在伽马校正装置上运行时，使得所述伽马校正装置执行如权利要求1-8中任一项所述的方法。
CN202310913975.2A 2023-07-24 2023-07-24 一种伽马校正方法、装置、芯片及模组设备 Pending CN116916168A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310913975.2A CN116916168A (zh) 2023-07-24 2023-07-24 一种伽马校正方法、装置、芯片及模组设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310913975.2A CN116916168A (zh) 2023-07-24 2023-07-24 一种伽马校正方法、装置、芯片及模组设备

Publications (1)

Publication Number Publication Date
CN116916168A true CN116916168A (zh) 2023-10-20

Family

ID=88366514

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310913975.2A Pending CN116916168A (zh) 2023-07-24 2023-07-24 一种伽马校正方法、装置、芯片及模组设备

Country Status (1)

Country Link
CN (1) CN116916168A (zh)

Similar Documents

Publication Publication Date Title
CN111418201B (zh) 一种拍摄方法及设备
US11849224B2 (en) Global tone mapping
US9369684B2 (en) Image tone adjustment using local tone curve computation
US11430209B2 (en) Image signal processing method, apparatus, and device
JP5254466B2 (ja) ハイダイナミックレンジイメージ合成
CN110060213B (zh) 图像处理方法、装置、存储介质及电子设备
US8781225B2 (en) Automatic tone mapping method and image processing device
KR20150099302A (ko) 전자 장치와, 그의 제어 방법
CN113299245B (zh) 显示设备局部背光调节方法、装置、显示设备及存储介质
CN105578068A (zh) 一种高动态范围图像的生成方法、装置及移动终端
CN110766639A (zh) 图像增强方法、装置、移动设备及计算机可读存储介质
CN107993189B (zh) 一种基于局部分块的图像色调动态调节方法和装置
CN110047060B (zh) 图像处理方法、装置、存储介质及电子设备
US9635333B2 (en) White balancing device and method of driving the same
JP6351377B2 (ja) 画像処理システム、撮像装置及び記録装置
CN110473156B (zh) 图像信息的处理方法、装置、存储介质及电子设备
CN116916168A (zh) 一种伽马校正方法、装置、芯片及模组设备
CN113364994B (zh) 一种背光补偿方法及背光补偿电路
CN111062923B (zh) 图像处理方法及相关装置
JP2011022779A (ja) 画像補正装置、画像補正方法及びプログラム
US20120314970A1 (en) Image processing device, processing method thereof, and image processing system having the same
CN118014915A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN118096625A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN118134781A (zh) 图像处理方法、装置、电子设备、存储介质和程序产品
CN115118886A (zh) 图像处理芯片、应用处理芯片、电子设备及图像处理方法

Legal Events

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