CN116996786B - 一种rgb-ir图像色彩恢复及校正的方法及装置 - Google Patents
一种rgb-ir图像色彩恢复及校正的方法及装置 Download PDFInfo
- Publication number
- CN116996786B CN116996786B CN202311222067.5A CN202311222067A CN116996786B CN 116996786 B CN116996786 B CN 116996786B CN 202311222067 A CN202311222067 A CN 202311222067A CN 116996786 B CN116996786 B CN 116996786B
- Authority
- CN
- China
- Prior art keywords
- rgb
- image
- key region
- color recovery
- correction
- 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.)
- Active
Links
- 238000011084 recovery Methods 0.000 title claims abstract description 177
- 238000012937 correction Methods 0.000 title claims abstract description 170
- 238000000034 method Methods 0.000 title claims abstract description 54
- 239000011159 matrix material Substances 0.000 claims abstract description 89
- 238000012545 processing Methods 0.000 claims abstract description 60
- 229920006395 saturated elastomer Polymers 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 8
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 230000000717 retained effect Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims 3
- 230000006870 function Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/10—Circuitry of solid-state image sensors [SSIS]; Control thereof for transforming different wavelengths into image signals
- H04N25/11—Arrangement of colour filter arrays [CFA]; Filter mosaics
- H04N25/13—Arrangement of colour filter arrays [CFA]; Filter mosaics characterised by the spectral characteristics of the filter elements
- H04N25/131—Arrangement of colour filter arrays [CFA]; Filter mosaics characterised by the spectral characteristics of the filter elements including elements passing infrared wavelengths
-
- 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)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Processing Of Color Television Signals (AREA)
Abstract
本发明涉及图像处理技术领域，提供一种RGB‑IR图像色彩恢复及校正的方法及装置，包括：获取RGB‑IR图像，提取图像中RGB三通道和IR分量像素的数值；将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，根据逐个像素的统计分布，动态调节关键区域权重值，生成比较结果；根据所述比较结果判断是否需要进行抗饱和处理，生成判断结果；根据所述判断结果和关键区域权重进行RGB通道中IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB‑IR图像色彩联合恢复及校正。本发明实现了图像关键区域权重动态调节，色彩恢复中自适应抗饱和处理以及生成色彩恢复校正联合矩阵的功能。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种RGB-IR图像色彩恢复及校正的方法及装置。
背景技术
传统的CMOS图像传感器采用Bayer格式作为色彩滤波阵列（CFA, Color FilterArray），像素点的色彩信息根据特定波长的光来确定。RGB-IR传感器是一种新型的传感器，在RGB彩色颜色模式中加入IR滤镜，即红外光波长的感测。增加了IR摄像头，RGB-IR传感器可以提高暗光环境下的图像质量。RGB-IR图像传感器：一种新的滤镜（色彩滤波阵列，ColorFilter Array，简称CFA）排列方式，和传统图像传感器的Bayer格式滤镜排列方式相比，将Bayer格式的部分颜色通道滤镜换成红外滤镜（Infra Red，简称IR），能同时感应可见光和非可见光。RGB-IR图像传感器的像素具有四种类型的滤色器：红色（R）、绿色（G）、蓝色（B）和IR。标准彩色图像传感器具有按Bayer模式排列的滤色阵列（CFA）。目前RGB-IR传感器的CFA图案有更多的可变性，比较常见的为2×2和4×4像素的阵列。将IR通道添加到RGB传感器的一个简单解决方案是将Bayer模式中的红色和蓝色的数量减少一半。RGB滤色器在可见光谱中是选择性透射的，但在IR域中通常是高透射率的，因此RGB滤色器会接收来自IR通道的显著串扰。
RGB像素暴露于IR辐射会降低彩色图像的图像质量属性，随着IR部分的增加，颜色精度、空间分辨率、信噪比和动态范围都会退化。这种图像对于一些计算机视觉应用来说仍然是可以接受的，但是在智能人脸相机应用中，会导致严重的局部伪影，影响人脸识别效果，必须加以处理。对于RGB-IR图像传感器，现有的主流技术方案是将RGB通道中串扰进去的IR分量减掉，再按照传统的图像处理算法进行后续处理。但是由于R、G和B像素实际上分别是IR通道和R、G、B通道的叠加，且RGB滤波器具有高的IR透射率，更容易出现饱和与噪声。当出现饱和时，直接减去IR分量，会导致RGB颜色显得“褪色”，影响图像识别效果。
从RGB-IR图像中得到高质量的RGB和IR图像也可以被视为非传统滤色阵列的去马赛克问题。传统的去马赛克算法应用于RGB-IR传感器是不可能的，一是由于每个波段的折射率不同，RGB和IR图像的聚焦不同；二是RGB和IR通道之间引入了串扰；而且由于红外光的存在，原本图像传感器RGB信号与人类观察到的RGB图像之间的线性关系的假设将不成立，传统的色彩校正算法也不再支持。因此对于RGB-IR图像传感器的去马赛克算法和色彩校正算法均需要进行优化。
发明内容
本发明提供一种RGB-IR图像色彩恢复及校正的方法及装置，用以解决现有RGB-IR图像色彩恢复中过饱和以及IR分量去除操作复杂、效果差的问题，实现了RGB-IR图像关键区域权重动态调节，色彩恢复中自适应抗饱和处理以及生成色彩恢复校正联合矩阵的功能。
本发明提供一种RGB-IR图像色彩恢复及校正的方法，包括：
获取RGB-IR图像，提取RGB-IR图像中RGB三通道和IR分量像素的数值；
将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，根据逐个像素的统计分布，动态调整关键区域权重值，生成比较结果；
根据所述比较结果判断是否需要进行抗饱和处理，生成判断结果；
根据所述判断结果和关键区域权重进行RGB通道中IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩联合恢复及校正。
根据本发明提供的一种RGB-IR图像色彩恢复及校正的方法，所述获取RGB-IR图像，提取RGB-IR图像中RGB三通道和IR分量像素的数值，具体包括：
输入RGB-IR图像，提取每个像素点R通道，G通道，B通道和IR通道的数据；
计算每个像素点R通道，G通道，B通道各自通道分量值，并计算RGB三通道中个通道中IR分量值和比例。
根据本发明提供的一种RGB-IR图像色彩恢复及校正的方法，将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，根据逐个像素的统计分布，动态调节关键区域权重值，生成比较结果，具体包括：
将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，比较结果为大于设定阈值，则为饱和像素；
将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，比较结果为小于等于设定阈值，则为不饱和像素；
根据关键区域和非关键区域饱和像素和不饱和像素的个数及不饱和像素亮度值分布情况，动态调节关键区域权重值。
根据本发明提供的一种RGB-IR图像色彩恢复及校正的方法，根据所述比较结果判断是否需要进行抗饱和处理，生成判断结果，具体包括：
在不饱和像素的情况下，亮度适中时，色彩恢复时将IR分量全部去除，不进行抗饱和处理；
在不饱和像素的情况下，亮度低时，色彩恢复时将IR分量部分去除，部分进行抗饱和处理；
在饱和像素的情况下，色彩恢复时保留IR分量，进行抗饱和处理。
根据本发明提供的一种RGB-IR图像色彩恢复及校正的方法，根据所述判断结果和关键区域权重进行RGB通道中的IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩恢复及校正，具体包括：
在不需要抗饱和处理情况下，根据亮度值的高低以及IR分量的比例，确定去除RGB通道中的全部IR分量；
对于关键区域，根据关键区域权重和去除RGB通道中的全部IR分量的目的，得到关键区域第一色彩恢复校正矩阵：
；
对于关键区域，根据关键区域权重和去除RGB通道中的部分IR分量的目的，得到关键区域第二色彩恢复校正矩阵，所述关键区域第二色彩恢复校正矩阵与第一色彩恢复校正矩阵仅系数不同。
根据本发明提供的一种RGB-IR图像色彩恢复及校正的方法，根据所述判断结果和关键区域权重进行RGB通道中的IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩恢复及校正，还包括：
在不需要抗饱和处理情况下，根据亮度值的高低以及IR分量的比例，确定去除RGB通道中部分IR分量；
对于非关键区域，根据非关键区域权重和去除RGB通道中的全部IR分量的目的，得到非关键区域第一色彩恢复校正矩阵：
；
对于非关键区域，根据非关键区域权重和去除RGB通道中的部分IR分量的目的，得到非关键区域第二色彩恢复校正矩阵，所述非关键区域第二色彩恢复校正矩阵与第一色彩恢复校正矩阵仅系数不同。
根据本发明提供的一种RGB-IR图像色彩恢复及校正的方法，根据所述判断结果和关键区域权重进行RGB通道中的IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩恢复及校正，还包括：
在需要抗饱和处理的情况下，对于关键区域，根据CMOS图像传感器的光谱响应曲线和关键区域权重得到关键区域第三色彩恢复校正矩阵；
通过关键区域第三色彩恢复校正矩阵进行关键区域饱和像素的色彩恢复及校正，关键区域第三色彩恢复校正矩阵为：
；
在需要抗饱和处理情况下，对于非关键区域，根据CMOS图像传感器的光谱响应曲线和非关键区域权重得到非关键区域第三色彩恢复校正矩阵；
通过非关键区域第三色彩恢复校正矩阵进行非关键区域饱和像素的色彩恢复及校正，非关键区域第三色彩恢复校正矩阵与关键区域第三色彩恢复校正矩阵均为3x3矩阵，只是系数不同。
本发明还提供一种RGB-IR图像色彩恢复及校正的装置，所述装置包括：
数据获取模块，用于获取RGB-IR图像，提取RGB-IR图像中RGB三通道和IR分量像素的数值；
比较模块，用于将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，根据逐个像素的统计分布，动态调节关键区域权重值，生成比较结果；
判断模块，用于根据所述比较结果判断是否需要进行抗饱和处理，生成判断结果；
图像色彩恢复及校正模块，用于根据所述判断结果和关键区域进行IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩恢复及校正。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述RGB-IR图像色彩联合恢复及校正的方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述RGB-IR图像色彩恢复及校正的方法。
本发明提供的一种RGB-IR图像色彩恢复及校正的方法及装置，通过对RGB值与阈值的比较，动态调节关键区域权重值，生成比较结果，根据比较结果判断是否需要抗饱和处理，采用不同的色彩恢复校正联合矩阵，不但可以实现自适应抗饱和处理，还可以精确、高效、简便地实现去除掉IR分量对图像的影响，优化信噪比、提升动态范围，并根据关键区域权重，生成色彩恢复校正联合矩阵，实现图像色彩恢复和校正。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的一种RGB-IR图像色彩恢复及校正的方法的流程示意图之一；
图2是本发明提供的一种RGB-IR图像色彩恢复及校正的方法的流程示意图之二；
图3是本发明提供的一种RGB-IR图像色彩恢复及校正的方法的流程示意图之三；
图4是本发明提供的一种RGB-IR图像色彩恢复及校正的方法的流程示意图之四；
图5是本发明提供的一种RGB-IR图像色彩恢复及校正的方法的比较结果分类示意图；
图6是本发明提供的一种RGB-IR图像色彩恢复及校正的装置的模块连接示意图；
图7是本发明提供的电子设备的结构示意图。
附图标记：
110：数据获取模块；120：比较模块；130：判断模块；140：图像色彩恢复及校正模块；
710：处理器；720：通信接口；730：存储器；740：通信总线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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做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。
下面结合图1-图5描述本发明的一种RGB-IR图像色彩恢复及校正的方法，包括：
S100、获取RGB-IR图像，提取RGB-IR图像中RGB三通道和IR分量像素的数值；
S200、将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，根据逐个像素的统计分布，动态调节关键其余权重值，生成比较结果；
S300、根据所述比较结果判断是否需要进行抗饱和处理，生成判断结果；
S400、根据所述判断结果和关键区域权重进行RGB通道中IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩联合恢复及校正。
在本发明中，通过对RGB三通道的数值与设定阈值进行比较判断，得到关键区域和非关键区域权重，自适应抗饱和处理，据此建立不同的色彩恢复校正联合矩阵，完成图像色彩恢复及校正。
获取RGB-IR图像，提取RGB-IR图像中RGB三通道和IR分量像素的数值，具体包括：
S101、输入RGB-IR图像，提取每个像素点R通道，G通道，B通道和IR通道的数据；
S102、计算每个像素点R通道，G通道，B通道各自通道分量值，并计算RGB三通道中个通道中IR分量值和比例。
在实际图像处理过程中，由于R、G和B像素实际上分别是IR通道和R、G、B通道的叠加，且RGB滤波器具有高的IR透射率，更容易出现饱和与噪声。当出现饱和时，直接减去IR分量，会导致RGB颜色显得“褪色”，例如：当G通道信号G0处于饱和电平时，此时减去IR分量，得到的G1信号低于它们的正确值，经白平衡处理后，R1和B1会超过G1，即出现过量的红色和蓝色，变现为紫色伪影，影响图像识别效果。
将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，根据逐个像素的统计分布，动态调节关键区域权重值，生成比较结果，具体包括：
S201、将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，比较结果为大于设定阈值，则为饱和像素；
S202、将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，比较结果为小于等于设定阈值，则为不饱和像素；
S203、根据关键区域和非关键区域饱和像素和不饱和像素的个数及不饱和像素亮度值分布情况，动态调节关键区域权重值。
关键区域与非关键区域的判断包括：
获取待判断视频帧及4张相邻视频帧；其中，视频帧预先划分为多个图像块;判断视频帧中的图像块是否为关键区域；若视频帧中的图像块为关键区域,则对图像块基于已知的关键区域参数进行VST变换后再基于Baver格式进行通道拆分打包;若视频帧中的图像块为非关键区域，则对图像块直接基于Bayer格式进行通道拆分打包；
对图像块基于Baver格式进行通道拆分打包后,得到R通道图像块序列、Gr通道图像块序列、B通道图像块序列及Gb通道图像块序列；
根据通道拆分前图像块是否为关键区域，将关键区域图像块拆分打包得到的各通道的图像块序列分别送入VST域关键区域判断网络,得到各个通道的关键区域判断结果,并将各个通道的关键区域判断结果进行VST逆变换及通道整合,得到各个图像块的关键区域判断结果；
将非关键区域图像块拆分打包得到的各通道的图像块序列分别送入像素域关键区域判断网络，得到各个通道的关键区域判断结果，将各个通道的关键区域判断结果进行通道整合得到各个图像块的关键区域判断结果；
将视频帧划分得到的各个图像块的关键区域判断结果进行整合得到域视频帧的关键区域判断结果。
本发明中，R通道，G通道，B通道三个通道中分量值，分别用R、G、B表示，将R、G、B与设定阈值A进行比较，设定阈值的选定根据实际需求进行设置。
通过IR分量比例与饱和判定：动态实现饱和像素和不饱和像素的差异处理，以及不饱和图像中IR分量占比的计算。在饱和像素判定时，根据智能人脸相机不同的应用场景，设定不同的阈值，逐个像素的RGB与设定的阈值进行比较，超过阈值的认定为饱和像素，小于等于阈值的认定为不饱和像素，饱和像素和不同亮度的不饱和像素分别送入不同的图像处理路径。
动态调节关键区域权重值中权重值确定的方法包括：
对关键区域中划分像素格并进行分层，进行像素遍历，统计直方图分布；
根据统计直方图的分布情况，确定权重值。
根据所述比较结果判断是否需要进行抗饱和处理，生成判断结果，具体包括：
S301、在不饱和像素的情况下，亮度适中时，色彩恢复时将IR分量全部去除，不进行抗饱和处理；
S302、在不饱和像素的情况下，亮度低时，色彩恢复时将IR分量部分去除，部分进行抗饱和处理；
S303、在饱和像素的情况下，色彩恢复时保留IR分量，进行抗饱和处理。
具体地，对于亮度适中的不饱和像素，将RGB通道的IR分量全部去除，当RGB的亮度足够时，智能人脸相机利用高质量的RGB图像，即可得到清晰、正确的人脸图像。基于此目的，色彩恢复校正矩阵，能够消除R、G、B分量图像中的红外光信息，完成色彩恢复。
对于亮度低的不饱和像素，去除RGB通道的部分IR分量，在RGB通道中保留部分IR分量，是因为当RGB的亮度不足时，智能人脸相机仅利用RGB图像，并不能得到利于后续图像处理的人脸图像，有IR分量的存在可以在一定程度上改善图像的亮度。基于此目的，色彩恢复校正矩阵能够消除R、G、B分量图像中的部分红外光信息，完成色彩恢复。
对于饱和像素，保留RGB通道的部分IR分量，在RGB通道中保留IR分量，是因为当RGB饱和时，此时去掉IR分量，会导致RGB部分通道的值比正确值低，在后续的白平衡算法处理时，会导致伪影。伪影在智能人脸相机中的影响特别大。基于此目的，色彩恢复校正矩阵能够保留R、G、B分量图像中的红外光信息，达到抗饱和的效果。
无论输入图像中是否存在饱和像素，均可以正确处理，得到高质量RGB图像。对饱和像素和不同亮度的不饱和像素动态处理，可以使得智能人脸相机最终得到理想的图像。
根据所述判断结果和关键区域权重进行RGB通道中的IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩恢复及校正，具体包括：
在不需要抗饱和处理情况下，根据亮度值的高低以及IR分量的比例，确定去除RGB通道中的全部IR分量；
对于关键区域，根据关键区域权重和去除RGB通道中的全部IR分量的目的，得到关键区域第一色彩恢复校正矩阵：
；
对于关键区域，根据关键区域权重和去除RGB通道中的部分IR分量的目的，得到关键区域第二色彩恢复校正矩阵，所述关键区域第二色彩恢复校正矩阵与第一色彩恢复校正矩阵仅系数不同。
在不需要抗饱和处理情况下，根据亮度值的高低以及IR分量的比例，确定去除RGB通道中部分IR分量；
对于非关键区域，根据非关键区域权重和去除RGB通道中的全部IR分量的目的，得到非关键区域第一色彩恢复校正矩阵：
；
对于非关键区域，根据非关键区域权重和去除RGB通道中的部分IR分量的目的，得到非关键区域第二色彩恢复校正矩阵，所述非关键区域第二色彩恢复校正矩阵与第一色彩恢复校正矩阵仅系数不同。
根据所述判断结果和关键区域权重进行RGB通道中的IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩恢复及校正，还包括：
在需要抗饱和处理的情况下，对于关键区域，根据CMOS图像传感器的光谱响应曲线和关键区域权重得到关键区域第三色彩恢复校正矩阵；
通过关键区域第三色彩恢复校正矩阵进行关键区域饱和像素的色彩恢复及校正，关键区域第三色彩恢复校正矩阵为：
；
在需要抗饱和处理情况下，对于非关键区域，根据CMOS图像传感器的光谱响应曲线和非关键区域权重得到非关键区域第三色彩恢复校正矩阵；
通过非关键区域第三色彩恢复校正矩阵进行非关键区域饱和像素的色彩恢复及校正，非关键区域第三色彩恢复校正矩阵与关键区域第三色彩恢复校正矩阵均为3x3矩阵，只是系数不同。
对于不饱和像素，根据亮度值的高低以及IR分量的比例，来确定是去除全部IR分量还是部分IR分量，根据CMOS图像传感器的光谱响应曲线、对IR分量去除比例的设定以及关键区域权重，可以得到两个色彩恢复校正矩阵（3x4矩阵），两个色彩恢复校正矩阵可以分别实现去除RGB通道全部IR分量和部分IR分量，与此同时完成色彩校正。两个矩阵均为3x4矩阵，只是系数有所差别。通过本发明的色彩恢复校正联合矩阵能够将色彩恢复和校正同步进行，不再是将色彩恢复与校正分开进行，能够提升图像处理效率。
在一个具体例子中，智能人脸相机捕获处于强光的人脸，出现过曝情况；
当人脸处于强光时，此时智能人脸相机捕获时，得到的图像在人脸部分即关键区域会出现过曝的情况，而背景区域即非关键区域相对于人脸部分会偏暗。假设关键区域G通道过曝，R和B通道未过曝，如果此时按照RGB-IR图像处理的一般做法，先将RGB通道的IR分量去除，再进行白平衡，此时得到的像素中，R通道和B通道能够达到指定的像素值，而G通道则低于指定的像素值，此时本应该是白色的图像，会表现为紫色伪影。
对智能人脸相机捕获到的图像进行分析后，饱和像素集中在关键区域，关键区域整体亮度大于非关键区域，此时关键区域的权重占比约为80%，针对饱和像素和不饱和像素，基于此权重分别生成色彩恢复校正矩阵，完成色彩恢复和校正，经此处理后的人脸图像，饱和像素保留了IR分量，未出现伪影，同时关键区域权重较高，色彩校正的效果更加利于后续人脸图像算法处理。
在另一具体例子中，智能人脸相机捕获处于室内暗光的人脸，亮度低；
当人脸处于暗光时，此时智能人脸相机捕获时，得到的图像会出现过暗、亮度低的情况。
对智能人脸相机捕获到的图像进行分析后，无饱和像素，且不饱和图像整体亮度值偏低，关键区域和非关键区域对比不明显，关，此时关键区域的权重占比约为50%，针对不同亮度的不饱和像素，基于此权重分别生成色彩恢复校正矩阵，完成色彩恢复和校正，经此处理后的人脸图像，对于亮度较低的不饱和像素，只去除了部分IR分量，保留的IR分量利于后续图像算法处理，同时关键区域和非关键区域权重相近，色彩校正后图像统一性较好。
在又一具体例子中，智能人脸相机捕获处于室内逆强光的人脸，会出现人脸部分（关键区域）过暗，而背景部分（非关键区域）过曝的情况；
人脸处于光线适中的光线时，此时智能人脸相机捕获时，得到的图像会出现亮度适中的情况。
对智能人脸相机捕获到的图像进行分析后，饱和像素集中在非关键区域，关键区域整体亮度小于非关键区域，此时关键区域的权重占比约为20%，针对饱和像素和不饱和像素，基于此权重分别生成色彩恢复校正矩阵，完成色彩恢复和校正，经此处理后的人脸图像，背景部分的饱和像素保留了IR分量，未出现伪影，不影响后续图像处理，同时关键区域权重较低，色彩校正的效果更加自然，与背景相比，不会突兀。
无论输入图像中是否存在饱和像素，均可以正确处理，得到高质量RGB图像。对饱和像素和不同亮度的不饱和像素动态处理，可以使得智能人脸相机最终得到理想的图像。
本发明中通过提供的一种RGB-IR图像色彩恢复及校正的方法，对RGB值与阈值的比较，动态调整关键区域权重值，生成比较结果，根据比较结果采用不同的色彩恢复校正联合矩阵，在色彩恢复时既可以实现自适应抗饱和处理，也可以精确、高效、简便地实现去除掉IR分量对图像的影响；在色彩校正时，根据关键区域权重值实现图像色彩校正。
参考图6，本发明还公开了一种RGB-IR图像色彩恢复及校正的装置，所述装置包括：
数据获取模块110，用于获取RGB-IR图像，提取RGB-IR图像中RGB三通道和IR分量像素的数值；
比较模块120，用于将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，根据逐个像素的统计分布，动态调节关键区域权重值，生成比较结果；
判断模块130，用于根据所述比较结果判断是否需要进行抗饱和处理，生成判断结果；
图像色彩恢复及校正模块140，用于根据所述判断结果和关键区域进行IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩联合恢复及校正。
其中，数据获取模块110通过输入RGB-IR图像，提取每个像素点R通道，G通道，B通道和IR通道的数据；
计算每个像素点R通道，G通道，B通道各自通道分量值，并计算RGB三通道中个通道中IR分量值和比例。
比较模块120，将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，比较结果为大于设定阈值，则为饱和像素；
将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，比较结果为小于等于设定阈值，则为不饱和像素；
根据关键区域和非关键区域饱和像素和不饱和像素的个数及不饱和像素亮度值分布情况，动态调节关键区域权重值。
判断模块130，在不饱和像素的情况下，亮度适中时，色彩恢复时将IR分量全部去除，不进行抗饱和处理；
在不饱和像素的情况下，亮度低时，色彩恢复时将IR分量部分去除，部分进行抗饱和处理。
在饱和像素的情况下，色彩恢复时保留IR分量，进行抗饱和处理。
图像色彩恢复及校正模块140，在不需要抗饱和处理情况下，根据亮度值的高低以及IR分量的比例，确定去除RGB通道中的全部IR分量；
对于关键区域，根据关键区域权重和去除RGB通道中的全部IR分量的目的，得到关键区域第一色彩恢复校正矩阵：
；
对于关键区域，根据关键区域权重和去除RGB通道中的部分IR分量的目的，得到关键区域第二色彩恢复校正矩阵，所述关键区域第二色彩恢复校正矩阵与第一色彩恢复校正矩阵仅系数不同。
在不需要抗饱和处理情况下，根据亮度值的高低以及IR分量的比例，确定去除RGB通道中部分IR分量；
对于非关键区域，根据非关键区域权重和去除RGB通道中的全部IR分量的目的，得到非关键区域第一色彩恢复校正矩阵：
；
对于非关键区域，根据非关键区域权重和去除RGB通道中的部分IR分量的目的，得到非关键区域第二色彩恢复校正矩阵，所述非关键区域第二色彩恢复校正矩阵与第一色彩恢复校正矩阵仅系数不同。
在需要抗饱和处理的情况下，对于关键区域，根据CMOS图像传感器的光谱响应曲线和关键区域权重得到关键区域第三色彩恢复校正矩阵；
通过关键区域第三色彩恢复校正矩阵进行关键区域饱和像素的色彩恢复及校正，关键区域第三色彩恢复校正矩阵为：
；
在需要抗饱和处理情况下，对于非关键区域，根据CMOS图像传感器的光谱响应曲线和非关键区域权重得到非关键区域第三色彩恢复校正矩阵；
通过非关键区域第三色彩恢复校正矩阵进行非关键区域饱和像素的色彩恢复及校正，非关键区域第三色彩恢复校正矩阵与关键区域第三色彩恢复校正矩阵均为3x3矩阵，只是系数不同。
通过本发明通过提供的一种RGB-IR图像色彩恢复及校正的装置，对RGB值与阈值的比较，动态调节关键区域权重值，生成比较结果，根据比较结果采用不同的色彩恢复校正联合矩阵，在色彩恢复时既可以实现自适应抗饱和处理，也可以精确、高效、简便地实现去除掉IR分量对图像的影响；在色彩校正时，根据关键区域权重值实现图像色彩校正。
图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行一种RGB-IR图像色彩恢复及校正的方法，该方法包括：
获取RGB-IR图像，提取RGB-IR图像中RGB三通道和IR分量像素的数值；
将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，根据逐个像素的统计分布，动态调节关键区域权重值，生成比较结果；
根据所述比较结果判断是否需要进行抗饱和处理，生成判断结果；
根据所述判断结果和关键区域权重进行RGB通道中IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩联合恢复及校正。
此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的一种RGB-IR图像色彩恢复及校正的方法，该方法包括：
获取RGB-IR图像，提取RGB-IR图像中RGB三通道和IR分量像素的数值；
将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，根据逐个像素的统计分布，动态调节关键区域权重值，生成比较结果；
根据所述比较结果判断是否需要进行抗饱和处理，生成判断结果；
根据所述判断结果和关键区域权重进行RGB通道中IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩联合恢复及校正。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的一种RGB-IR图像色彩恢复及校正的方法，该方法包括：
获取RGB-IR图像，提取RGB-IR图像中RGB三通道和IR分量像素的数值；
将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，根据逐个像素的统计分布，动态调节关键区域权重值，生成比较结果；
根据所述比较结果判断是否需要进行抗饱和处理，生成判断结果；
根据所述判断结果和关键区域权重进行RGB通道中IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩联合恢复及校正。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。
Claims (9)
1.一种RGB-IR图像色彩恢复及校正的方法，其特征在于，包括：
获取RGB-IR图像，提取RGB-IR图像中RGB三通道和IR分量像素的数值；
将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，根据逐个像素的统计分布，动态调节关键区域权重值，生成比较结果；
根据所述比较结果判断是否需要进行抗饱和处理，生成判断结果；
根据所述判断结果和关键区域权重进行RGB通道中IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩联合恢复及校正；
其中，关键区域与非关键区域的判断包括：
获取待判断视频帧及4张相邻视频帧；其中，视频帧预先划分为多个图像块;判断视频帧中的图像块是否为关键区域；若视频帧中的图像块为关键区域,则对图像块基于已知的关键区域参数进行VST变换后再基于Baver格式进行通道拆分打包;若视频帧中的图像块为非关键区域，则对图像块直接基于Bayer格式进行通道拆分打包；
其中，根据所述比较结果判断是否需要进行抗饱和处理，生成判断结果，包括：
在不饱和像素的情况下，亮度适中时，色彩恢复时将IR分量全部去除，不进行抗饱和处理；
在不饱和像素的情况下，亮度低时，色彩恢复时将IR分量部分去除，部分进行抗饱和处理；
在饱和像素的情况下，色彩恢复时保留IR分量，进行抗饱和处理。
2.根据权利要求1所述的RGB-IR图像色彩恢复及校正的方法，其特征在于，所述获取RGB-IR图像，提取RGB-IR图像中RGB三通道和IR分量像素的数值，具体包括：
输入RGB-IR图像，提取每个像素点R通道，G通道，B通道和IR通道的数据；
计算每个像素点R通道，G通道，B通道各自通道分量值，并计算RGB三通道中个通道中IR分量值和比例。
3.根据权利要求1所述的RGB-IR图像色彩恢复及校正的方法，其特征在于，将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，根据逐个像素的统计分布，动态调节关键区域权重值，生成比较结果，具体包括：
将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，比较结果为大于设定阈值，则为饱和像素；
将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，比较结果为小于等于设定阈值，则为不饱和像素；
根据关键区域和非关键区域饱和像素和不饱和像素的个数及不饱和像素亮度值分布情况，动态调节关键区域权重值。
4.根据权利要求1所述的RGB-IR图像色彩恢复及校正的方法，其特征在于，根据所述判断结果和关键区域权重进行RGB通道中的IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩恢复及校正，具体包括：
在不需要抗饱和处理情况下，根据亮度值的高低以及IR分量的比例，确定去除RGB通道中的全部IR分量；
对于关键区域，根据关键区域权重和去除RGB通道中的全部IR分量的目的，得到关键区域第一色彩恢复校正矩阵：
；
对于关键区域，根据关键区域权重和去除RGB通道中的部分IR分量的目的，得到关键区域第二色彩恢复校正矩阵，所述关键区域第二色彩恢复校正矩阵与关键区域第一色彩恢复校正矩阵仅系数不同。
5.根据权利要求1所述的RGB-IR图像色彩恢复及校正的方法，其特征在于，根据所述判断结果和关键区域权重进行RGB通道中的IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩恢复及校正，还包括：
在不需要抗饱和处理情况下，根据亮度值的高低以及IR分量的比例，确定去除RGB通道中部分IR分量；
对于非关键区域，根据非关键区域权重和去除RGB通道中的全部IR分量的目的，得到非关键区域第一色彩恢复校正矩阵：
；
对于非关键区域，根据非关键区域权重和去除RGB通道中的部分IR分量的目的，得到非关键区域第二色彩恢复校正矩阵，所述非关键区域第二色彩恢复校正矩阵与非关键区域第一色彩恢复校正矩阵仅系数不同。
6.根据权利要求1所述的RGB-IR图像色彩恢复及校正的方法，其特征在于，根据所述判断结果和关键区域权重进行RGB通道中的IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩恢复及校正，还包括：
在需要抗饱和处理的情况下，对于关键区域，根据CMOS图像传感器的光谱响应曲线和关键区域权重得到关键区域第三色彩恢复校正矩阵；
通过关键区域第三色彩恢复校正矩阵进行关键区域饱和像素的色彩恢复及校正，关键区域第三色彩恢复校正矩阵为：
；
在需要抗饱和处理情况下，对于非关键区域，根据CMOS图像传感器的光谱响应曲线和非关键区域权重得到非关键区域第三色彩恢复校正矩阵；
通过非关键区域第三色彩恢复校正矩阵进行非关键区域饱和像素的色彩恢复及校正，非关键区域第三色彩恢复校正矩阵与关键区域第三色彩恢复校正矩阵均为3x3矩阵，只是系数不同。
7.一种RGB-IR图像色彩恢复及校正的装置，其特征在于，所述装置包括：
数据获取模块，用于获取RGB-IR图像，提取RGB-IR图像中RGB三通道和IR分量像素的数值；
比较模块，用于将关键区域和非关键区域逐个像素的RGB三通道数值与设定的阈值进行比较，根据逐个像素的统计分布，动态调节关键区域权重值，生成比较结果；
判断模块，用于根据所述比较结果判断是否需要进行抗饱和处理，生成判断结果；
图像色彩恢复及校正模块，用于根据所述判断结果和关键区域进行IR分量的去除或保留，自适应抗饱和处理，生成色彩恢复校正联合矩阵，完成RGB-IR图像色彩恢复及校正；
其中，关键区域与非关键区域的判断包括：
获取待判断视频帧及4张相邻视频帧；其中，视频帧预先划分为多个图像块；判断视频帧中的图像块是否为关键区域；若视频帧中的图像块为关键区域,则对图像块基于已知的关键区域参数进行VST变换后再基于Baver格式进行通道拆分打包;若视频帧中的图像块为非关键区域，则对图像块直接基于Bayer格式进行通道拆分打包；
其中，根据所述比较结果判断是否需要进行抗饱和处理，生成判断结果，包括：
在不饱和像素的情况下，亮度适中时，色彩恢复时将IR分量全部去除，不进行抗饱和处理；
在不饱和像素的情况下，亮度低时，色彩恢复时将IR分量部分去除，部分进行抗饱和处理；
在饱和像素的情况下，色彩恢复时保留IR分量，进行抗饱和处理。
8.一种电子设备，包括存储器、处理器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，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述RGB-IR图像色彩恢复及校正的方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述RGB-IR图像色彩恢复及校正的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311222067.5A CN116996786B (zh) | 2023-09-21 | 2023-09-21 | 一种rgb-ir图像色彩恢复及校正的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311222067.5A CN116996786B (zh) | 2023-09-21 | 2023-09-21 | 一种rgb-ir图像色彩恢复及校正的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116996786A CN116996786A (zh) | 2023-11-03 |
| CN116996786B true CN116996786B (zh) | 2024-01-16 |
Family
ID=88528571
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311222067.5A Active CN116996786B (zh) | 2023-09-21 | 2023-09-21 | 一种rgb-ir图像色彩恢复及校正的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116996786B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117649661B (zh) * | 2024-01-30 | 2024-04-12 | 青岛超瑞纳米新材料科技有限公司 | 一种碳纳米管制备状态图像处理方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103686111A (zh) * | 2013-12-31 | 2014-03-26 | 上海富瀚微电子有限公司 | 一种基于rgbir图像传感器的颜色校正方法以及装置 |
| CN106709893A (zh) * | 2016-12-28 | 2017-05-24 | 西北大学 | 一种全天时雾霾图像清晰化恢复方法 |
| CN112669238A (zh) * | 2020-12-31 | 2021-04-16 | 齐鲁工业大学 | 一种色彩校正后的数字图像精确恢复原图的方法 |
| CN113365034A (zh) * | 2020-03-04 | 2021-09-07 | 合肥君正科技有限公司 | 一种基于rgb-ir图像传感器的色彩校准方法 |
| CN113473101A (zh) * | 2020-03-30 | 2021-10-01 | 浙江宇视科技有限公司 | 一种色彩校正方法、装置、电子设备和存储介质 |
| CN113850738A (zh) * | 2021-09-24 | 2021-12-28 | 上海富瀚微电子股份有限公司 | 图像紫边的校正装置及方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8842912B2 (en) * | 2011-05-19 | 2014-09-23 | Foveon, Inc. | Method for processing highlights and saturated regions in a digital image |
| US20150062347A1 (en) * | 2013-08-27 | 2015-03-05 | Semiconductor Components Industries, Llc | Image processing methods for visible and infrared imaging |
| US10638060B2 (en) * | 2016-06-28 | 2020-04-28 | Intel Corporation | Color correction of RGBIR sensor stream based on resolution recovery of RGB and IR channels |
| US10002408B2 (en) * | 2016-08-04 | 2018-06-19 | Intel Corporation | Restoring color and infrared images from mosaic data |
| US10319113B2 (en) * | 2017-06-21 | 2019-06-11 | Foveon, Inc. | Method for recovering highlights and saturated regions and extending dynamic range in a digital image |
| KR102465070B1 (ko) * | 2018-06-20 | 2022-11-09 | 삼성전자주식회사 | 이미지 복원 장치 및 방법 |
| TW202137749A (zh) * | 2020-02-26 | 2021-10-01 | 日商索尼半導體解決方案公司 | 攝像裝置、攝像方法及電子機器 |
| US11836888B2 (en) * | 2020-12-21 | 2023-12-05 | Texas Instruments Incorporated | Method and apparatus for processing RGB-infrared (RGB-IR) sensor |
| US12015835B2 (en) * | 2022-01-25 | 2024-06-18 | Qualcomm Incorporated | Multi-sensor imaging color correction |
-
2023
- 2023-09-21 CN CN202311222067.5A patent/CN116996786B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103686111A (zh) * | 2013-12-31 | 2014-03-26 | 上海富瀚微电子有限公司 | 一种基于rgbir图像传感器的颜色校正方法以及装置 |
| CN106709893A (zh) * | 2016-12-28 | 2017-05-24 | 西北大学 | 一种全天时雾霾图像清晰化恢复方法 |
| CN113365034A (zh) * | 2020-03-04 | 2021-09-07 | 合肥君正科技有限公司 | 一种基于rgb-ir图像传感器的色彩校准方法 |
| CN113473101A (zh) * | 2020-03-30 | 2021-10-01 | 浙江宇视科技有限公司 | 一种色彩校正方法、装置、电子设备和存储介质 |
| CN112669238A (zh) * | 2020-12-31 | 2021-04-16 | 齐鲁工业大学 | 一种色彩校正后的数字图像精确恢复原图的方法 |
| CN113850738A (zh) * | 2021-09-24 | 2021-12-28 | 上海富瀚微电子股份有限公司 | 图像紫边的校正装置及方法 |
Non-Patent Citations (3)
| Title |
|---|
| RGBX格式图像传感器的去马赛克算法;董鹏宇;《集成电路应用》(第05期);第18-22页 * |
| 基于多项式回归的四带图像偏色校正算法;曾兆滨;郑华;蔡坚勇;廖晓东;;《计算机系统应用》(第04期);第209-214页 * |
| 野生动物监测光照自适应Retinex图像增强算法;张军国;程浙安;胡春鹤;陈宸;鲍伟东;;《农业工程学报》(第15期);第183-189页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116996786A (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7907791B2 (en) | Processing of mosaic images | |
| CN112767289B (zh) | 图像融合方法、装置、介质及电子设备 | |
| CN108600725B (zh) | 一种基于rgb-ir图像数据的白平衡校正装置及方法 | |
| US7929798B2 (en) | Method and apparatus providing noise reduction while preserving edges for imagers | |
| KR101446419B1 (ko) | 투명 필터 픽셀을 구비한 이미징 시스템 | |
| US7889250B2 (en) | Image-acquisition apparatus | |
| CN100527853C (zh) | 照相机及图象信号处理系统 | |
| JP4803178B2 (ja) | 画像処理装置、コンピュータプログラム製品および画像処理方法 | |
| US7756355B2 (en) | Method and apparatus providing adaptive noise suppression | |
| CN116996786B (zh) | 一种rgb-ir图像色彩恢复及校正的方法及装置 | |
| CN113228094A (zh) | 图像处理器 | |
| JP2003153290A (ja) | ベイヤーパターン画像データ用ノイズフィルタ | |
| US20110052053A1 (en) | Digital image processing apparatus and method | |
| CN113632134B (zh) | 用于生成高动态范围图像的方法、计算机可读存储介质和hdr相机 | |
| CN111784603A (zh) | 一种raw域图像去噪方法、计算机装置及计算机可读存储介质 | |
| CN111161188B (zh) | 降低图像色彩噪声的方法、计算机装置及可读存储介质 | |
| CN109410152A (zh) | 成像方法和装置、电子设备、计算机可读存储介质 | |
| US9129393B2 (en) | Image chroma noise reduction in the bayer domain | |
| US7701462B2 (en) | Simple and robust color saturation adjustment for digital images | |
| CN113781326A (zh) | 解马赛克方法、装置、电子设备及存储介质 | |
| CN115550575B (zh) | 图像处理方法及其相关设备 | |
| JP5822739B2 (ja) | 画像処理装置、方法、及びプログラム | |
| CN113132562A (zh) | 镜头阴影校正方法、装置及电子设备 | |
| CN112422940A (zh) | 一种自适应颜色校正方法 | |
| US20240040268A1 (en) | Rgb-ir pixel pattern conversion via conversion engine |
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 |