CN117156301A - 智能影像处理中的高动态范围成像方法及装置 - Google Patents
智能影像处理中的高动态范围成像方法及装置 Download PDFInfo
- Publication number
- CN117156301A CN117156301A CN202311094955.3A CN202311094955A CN117156301A CN 117156301 A CN117156301 A CN 117156301A CN 202311094955 A CN202311094955 A CN 202311094955A CN 117156301 A CN117156301 A CN 117156301A
- Authority
- CN
- China
- Prior art keywords
- dynamic range
- images
- image
- high dynamic
- processing
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 186
- 238000003384 imaging method Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 claims abstract description 63
- 230000008030 elimination Effects 0.000 claims abstract description 13
- 238000003379 elimination reaction Methods 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 25
- 238000013507 mapping Methods 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 abstract description 26
- 238000005516 engineering process Methods 0.000 abstract description 16
- 230000014509 gene expression Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 11
- 230000004927 fusion Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012163 sequencing technique 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
- H04N25/50—Control of the SSIS exposure
- H04N25/57—Control of the dynamic range
- H04N25/58—Control of the dynamic range involving two or more exposures
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
- H04N25/62—Detection or reduction of noise due to excess charges produced by the exposure, e.g. smear, blooming, ghost image, crosstalk or leakage between pixels
- H04N25/626—Reduction of noise due to residual charges remaining after image readout, e.g. to remove ghost images or afterimages
-
- 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
Abstract
本申请涉及图片成像技术领域,特别涉及一种智能影像处理中的高动态范围成像方法及装置,其中,方法包括:针对同一目标场景连续拍摄多帧预设低动态范围的图像;对多帧预设低动态范围的图像中两张连续曝光的图像进行去重影处理,得到多个新的预设高动态范围的图像;将多个新的预设高动态范围的图像组成流水线,以对多帧预设低动态范围的图像进行流水线处理,得到流水线处理后的预设高动态范围的图片;基于流水线处理后的预设高动态范围的图片获取最终的成像图片。由此,解决了普通成像技术中高对比度导致图像失真的问题,使得所拍摄的图片更接近人眼视觉观感,保留了更多图像细节信息,提高了呈现的色彩和亮度等级范围,提升了图像的整体视觉体验。
Description
技术领域
本申请涉及图片成像技术领域,特别涉及一种智能影像处理中的高动态范围成像方法及装置。
背景技术
动态范围是指场景中亮度最高值与最低值的比率,单位为cd/m2。自然界的真实场景的动态范围十分宽广,从太阳直射下的亮度105cd/m2,到阴暗环境下的10-3cd/m2,而108这个跨度远远超出了人眼的接受范围(约为105:1)。
相关技术中,普通成像技术拍摄的图像往往是低动态范围图像,即图像亮度常用8Bit(Binary digit,位)表示,亮度范围为0-255的图像,然而,这个范围既不完全符合人眼的视觉范围,也没有对自然界进行完整的刻画,而且普通成像技术在高对比度下容易产生图像失真的问题,并且在极亮或极暗的光照条件下会湮没一些细节信息,图像呈现出的色彩和等级范围不能满足人眼的视觉观感,亟需改进。
发明内容
本申请提供一种智能影像处理中的高动态范围成像方法及装置,普通成像技术拍摄高对比度画面导致图像失真的问题,使得拍摄的图片更加接近人眼的视觉观感,高动态范围成像技术可以呈现出更大范围的色彩和亮度等级,保留了更多图像细节信息,提高了图像的整体视觉体验。
本申请第一方面实施例提供一种智能影像处理中的高动态范围成像方法,包括以下步骤:针对同一目标场景连续拍摄多帧预设低动态范围的图像;对所述多帧预设低动态范围的图像中两张连续曝光的图像进行去重影处理,得到多个新的预设高动态范围的图像;将所述多个新的预设高动态范围的图像组成流水线,以对所述多帧预设低动态范围的图像进行流水线处理,得到流水线处理后的预设高动态范围的图片;以及基于所述流水线处理后的预设高动态范围的图片获取最终的成像图片。
可选地,在本申请的一个实施例中,所述针对同一目标场景连续拍摄多帧预设低动态范围的图像,包括:在所述目标场景下连续拍摄多帧预设低动态范围的图像;将所述多帧预设低动态范围的图像按照时间顺序排列。
可选地,在本申请的一个实施例中,所述对所述多帧预设低动态范围的图像中两张连续曝光的图像进行去重影处理,得到多个新的预设高动态范围的图像,包括:基于图片的处理需求和评价指标,选择最佳高动态范围的去重影算法;基于所述去重影算法,对两帧的预设低动态范围的图像进行处理,得到新的预设高动态范围的图像。
可选地,在本申请的一个实施例中,所述评价指标可以包括图像峰值信噪比和图像结构相似性指数中的至少一项。
可选地,在本申请的一个实施例中,所述基于所述去重影算法,对两帧的预设低动态范围的图像进行处理,得到新的预设高动态范围的图像,包括:对所述两帧的预设低动态范围的图像进行全局动作估计,使得图像整体对齐;将所述两帧的预设低动态范围的图像分为低曝光图片和高曝光图片,并对图像进行局部动作估计,使得图像细节对齐;生成以表征输入图像的信息权重占比的权重图;结合所述权重图和所述输入图像,对所述两帧的预设低动态范围的图像进行融合,得到所述新的的高动态范围的图像。
可选地,在本申请的一个实施例中,所述将所述多个新的预设高动态范围的图像组成流水线,以对所述多帧预设低动态范围的图像进行流水线处理,得到流水线处理后的预设高动态范围的图片,包括:基于N帧预设低动态范围的图像,建立N-1级流水线,其中,第i级流水线由N-i个预设高动态范围基础处理单元组成,其中,N为正整数;将所述N帧预设低动态范围的图像按次序排列,作为流水线的输入数据,以由预设高动态范围基础处理流水线对图像进行处理,得到所述流水线处理后的预设高动态范围的图片。
可选地,在本申请的一个实施例中,所述基于所述流水线处理后的预设高动态范围的图片获取最终的成像图片,包括:基于所述流水线处理后的预设高动态范围的图片,选择最合适的色调映射算法;基于所述最合适的色调映射算法对图像进行处理,并使用预设增强对比度和调整环境光色调的方法进行优化,根据目标需求将处理和优化后的图像转换为目标低动态范围格式的成像图片。
本申请第二方面实施例提供一种智能影像处理中的高动态范围成像装置,包括:获取模块,用于针对同一目标场景连续拍摄多帧预设低动态范围的图像;第一处理模块,用于对所述多帧预设低动态范围的图像中两张连续曝光的图像进行去重影处理,得到多个新的预设高动态范围的图像;第二处理模块,用于将所述多个新的预设高动态范围的图像组成流水线,以对所述多帧预设低动态范围的图像进行流水线处理,得到流水线处理后的预设高动态范围的图片;以及成像模块,用于基于所述流水线处理后的预设高动态范围的图片获取最终的成像图片。
可选地,在本申请的一个实施例中,所述获取模块,包括:拍摄单元,用于在所述目标场景下连续拍摄多帧预设低动态范围的图像;排序单元,用于将所述多帧预设低动态范围的图像按照时间顺序排列。
可选地,在本申请的一个实施例中,所述第一处理模块,包括:去重影单元,用于基于图片的处理需求和评价指标,选择最佳高动态范围的去重影算法;第一处理单元,用于基于所述去重影算法,对两帧的预设低动态范围的图像进行处理,得到新的预设高动态范围的图像。
可选地,在本申请的一个实施例中,所述评价指标可以包括图像峰值信噪比和图像结构相似性指数中的至少一项。
可选地,在本申请的一个实施例中,所述第一处理单元,包括:第一估计子单元,用于对所述两帧的预设低动态范围的图像进行全局动作估计,使得图像整体对齐;第二估计子单元,用于将所述两帧的预设低动态范围的图像分为低曝光图片和高曝光图片,并对图像进行局部动作估计,使得图像细节对齐;生成子单元,用于生成以表征输入图像的信息权重占比的权重图;融合子单元,用于结合所述权重图和所述输入图像,对所述两帧的预设低动态范围的图像进行融合,得到所述新的的高动态范围的图像。
可选地,在本申请的一个实施例中,所述第二处理模块,包括:建立单元,用于基于N帧预设低动态范围的图像,建立N-1级流水线,其中,第i级流水线由N-i个预设高动态范围基础处理单元组成,其中,N为正整数;输入单元,用于将所述N帧预设低动态范围的图像按次序排列,作为流水线的输入数据,以由预设高动态范围基础处理流水线对图像进行处理,得到所述流水线处理后的预设高动态范围的图片。
可选地,在本申请的一个实施例中,所述成像模块,包括:选择单元,用于基于所述流水线处理后的预设高动态范围的图片,选择最合适的色调映射算法;优化单元,用于基于所述最合适的色调映射算法对图像进行处理,并使用预设增强对比度和调整环境光色调的方法进行优化,根据目标需求将处理和优化后的图像转换为目标低动态范围格式的成像图片。
本申请第三方面实施例提供一种电子设备,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,所述处理器执行所述程序,以实现如上述实施例所述的智能影像处理中的高动态范围成像方法。
本申请第四方面实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,该程序被处理器执行时实现如上的智能影像处理中的高动态范围成像方法。
本申请实施例可以获取同一目标场景下连续多帧图像,并对连续两帧曝光的图像去重影处理,并且利用多个预设高动态范围基础处理单元组成流水线,并按照最终需求生成成像图片,提高了图像的清晰度,提升了图像的整体视觉体验,更加满足人眼的视觉观感。由此,解决了相关技术中,普通成像技术拍摄高对比度画面导致图像失真的问题,使得拍摄的图片更加接近人眼的视觉观感,高动态范围成像技术可以呈现出更大范围的色彩和亮度等级,保留了更多图像细节信息,提高了图像的整体视觉体验。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的一种智能影像处理中的高动态范围成像方法的流程图;
图2为本申请的一个实施例中高动态范围基础处理单元中去重影算法的流程图;
图3为本申请的一个实施例中去重影算法采用HDR+的流程图;
图4为本申请的一个实施例中基于高动态范围基础处理单元组成的流水线图;
图5为根据本申请实施例的智能影像处理中的高动态范围成像装置的方框示意图;
图6为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的智能影像处理中的高动态范围成像方法及装置。针对上述背景技术中心提到的普通成像技术中高对比度导致的图像失真,图像呈现的色彩和亮度等级范围不足以满足人眼视觉观感,图像的整体视觉体验差等的问题,本申请提供了一种智能影像处理中的高动态范围成像方法,在该方法中,可以获取同一目标场景下连续多帧图像,并对连续两帧曝光的图像去重影处理,并且利用多个预设高动态范围基础处理单元组成流水线,并按照最终需求生成成像图片,提高了图像的清晰度,提升了图像的整体视觉体验,更加满足人眼的视觉观感。由此,解决了相关技术中,普通成像技术拍摄高对比度画面导致图像失真的问题,使得拍摄的图片更加接近人眼的视觉观感,高动态范围成像技术可以呈现出更大范围的色彩和亮度等级,保留了更多图像细节信息,提高了图像的整体视觉体验。
具体而言,图1为本申请实施例所提供的一种智能影像处理中的高动态范围成像方法的流程示意图。
如图1所示,该智能影像处理中的高动态范围成像方法包括以下步骤:
在步骤S101中,针对同一目标场景连续拍摄多帧预设低动态范围的图像。
可以理解的是,低动态范围图像可以是指每像素位深8Bit,颜色分级有2∧8级的图像。
在实际执行过程中,本申请实施例需要对同一场景进行连续拍摄。拍摄设备可以为但不限于:手机、摄像机、照相机、电脑、无人机等,本申请不做具体限制。
举例而言,在使用摄像机拍摄的过程中,可以对同一场景同一时间按下快门拍摄多张,也可以每隔一段时间对同一场景进行多次拍摄,值得注意的是,每隔一段时间可以指几秒或者几毫秒,越小越好,本申请不做具体限制。
本申请实施例可以通过对同一场景的连续拍摄,修正拍摄过程中由于物体移动或者扰动导致的伪影或实影消失现象。此外,较短的时间间隔有助于进行图像处理,提高图像的整体视觉效果。
可选地,在本申请的一个实施例中,针对同一目标场景连续拍摄多帧预设低动态范围的图像,包括:在目标场景下连续拍摄多帧预设低动态范围的图像;将多帧预设低动态范围的图像按照时间顺序排列。
可以理解是,按照时间顺序即按照获取图像的时间前后进行排列。本申请实施例可以获取同一场景下连续多帧低动态范围图像,将获取的N帧低动态范围图像作为一个集合{I1,I2,……,IN},其中,N≥2并且为正整数,并按照时间前后顺序排列即获取I1的时间早于获取I2的时间,以此类推,保证相邻的图像是连续拍摄的两帧。
在本申请实施例中,针对同一场景连续拍摄并按时间顺序排列可以在后续处理中对移动的物体进行对齐,便于图像处理,提高图像的整体视觉体验。
在步骤S102中,对多帧预设低动态范围的图像中两张连续曝光的图像进行去重影处理,得到多个新的预设高动态范围的图像。
可以理解的是,高动态范围图像是指每像素位深32Bit,颜色分级有2∧32级的图像。高动态范围图像的色彩表达清晰,同时位数的提升使得在低动态范围图像中因为极亮或极暗光照条件下被湮没的一些细节信息能够从背景中区分出来,还原人眼观察到的真实世界。
作为一种可能实现的方式,本申请实施例获得的连续两帧曝光的低动态范围图像中,可能会出现图像重影现象,因此,本申请需要对图像进行去重影处理操作,具体去重影方式在此不做具体限制。
本申请实施例可以对连续两帧曝光的低动态范围图像进行去重影处理,增强图像的细节信息,提高图像的清晰度。
可选地,在本申请的一个实施例中,对多帧预设低动态范围的图像中两张连续曝光的图像进行去重影处理,得到多个新的预设高动态范围的图像,包括:基于图片的处理需求和评价指标,选择最佳高动态范围的去重影算法;基于去重影算法,对两帧的预设低动态范围的图像进行处理,得到新的预设高动态范围的图像。
在实际执行过程中,本申请实施例可以在满足图片处理需求和评价指标的要求下,对输入的连续两帧低动态范围图像利用合适的去重影算法进行处理,进而生成高动态范围图像。
本申请实施例可以按照图片处理需求和评价指标选择合适的去重影算法处理连续两帧曝光的低动态范围图像,提高图像的清晰度。
可选地,在本申请的一个实施例中,评价指标可以包括图像峰值信噪比和图像结构相似性指数中的至少一项。
可以理解的是,图像峰值信噪比或者图像结构相似性指数可以用来作为评判图像处理的指标。
其中,峰值信噪比(Peak Signal-to-Noise Ratio,简称为PSNR)为用于评估图像质量的指标,通过比较原始信号(参考图像)与经过处理后的信号(目标图像)之间的差异来量化图像质量。PSNR的计算基于信号峰值与噪声的均方误差(Mean Squared Error,简称为MSE),通常以对数形式表示,单位为分贝(dB)。PSNR的值越高,表示两个图像之间的差异越小,从而表示图像质量越好。PSNR的表达式可以为:
其中,R表示像素值的最大可能值,通常RGB图像为255,MSE的表达式可以为:
其中,M、N表示图像的长、宽,X(i,j)和Y(i,j)表示参考图像和目标图像在同一位置的像素值。
但是,PSNR也存在一些局限性。首先,PSNR只关注MSE,忽略了人眼对图像质量的主观感知。例如PSNR较高的图像在视觉上仍可能存在明显的失真。其次,PSNR对于不同图像内容和场景的敏感性不同。例如对于细节丰富的图像,即使PSNR较高,也可能出现锯齿状伪影或模糊的问题。
结构相似性指数(Structural Similarity Index,简称为SSIM)为用于评估图像质量的指标。与PSNR相比,SSIM更加注重人眼对图像的主观感知,能够更准确地评估图像的结构相似性和质量。SSIM通过比较参考图像与目标图像之间的结构、亮度和对比度等方面的差异来量化图像质量。SSIM的计算基于三个关键因素:亮度相似性、对比度相似性和结构相似性。其范围在0到1之间,值越接近1,表示图像质量越好。SSIM的表达式可以为:
SSIM=l(x,y)α*c(x,y)β*s(x,y)γ
其中,x、y表示参考图像和目标图像,l(x,y)、c(x,y)、s(x,y)分别表示亮度相似性、对比度相似性、结构相似性,y、β、γ表示可调参数。
l(x,y)、c(x,y)、s(x,y)的表达式分别可以为:
其中,x、y表示参考图像和目标图像,μ、σ表示均值和标准差,特别地,σxy表示两者协方差,c1、c2、c3为常量,用于避免分母为0的情况。一般情况下,可以取c3=c2/2,α=β=γ=1,则SSIM的表达式可以为:
但是,SSIM也存在一些局限性,对于特定类型的失真和噪声,SSIM的表现可能不如其他指标。SSIM计算时忽略了图像中的空间信息,只考虑了全局的结构相似性,这可能导致SSIM在评估具有局部结构变化的图像时不准确。
需要说明的是,本领域技术人员可以根据实际情况选择合适的高动态范围成像评价指标,本申请不做具体限制。
可选地,在本申请的一个实施例中,基于去重影算法,对两帧的预设低动态范围的图像进行处理,得到新的预设高动态范围的图像,包括:对两帧的预设低动态范围的图像进行全局动作估计,使得图像整体对齐;将两帧的预设低动态范围的图像分为低曝光图片和高曝光图片,并对图像进行局部动作估计,使得图像细节对齐;生成以表征输入图像的信息权重占比的权重图;结合权重图和输入图像,对两帧的预设低动态范围的图像进行融合,得到新的的高动态范围的图像。
作为一种可能实现的方式,本申请实施例可以在对输入的连续两帧低动态范围图像进行全局动作估计后,将输入的两帧图像分为低曝光和高曝光图片后进行局部动作估计,生成权重图,并结合权重图和输入图像,利用图像融合算法进行融合,输出高动态范围图像。
图2为本申请的一个实施例中高动态范围基础处理单元中去重影算法的流程示意图。
结合图2,对本申请实施例的方法的工作原理进行举例描述。具体如下:
步骤S201:全局动作估计。对两帧图像进行全局对齐,减少镜头移动或抖动的影响。
步骤S202:局部动作估计。对图像的局部细节进行修正,下面将具体介绍局部动作估计的过程。
首先定义函数f(I1,I2),其输出图像保留了I1的几何结构与I2的曝光特性。特别地,在本申请的一个实施例中,使用多项式回归来完成f(I1,I2)。其次,定义函数fb(Il,Ih)与fs(Il,Ih)分别表示曝光膨胀操作和压缩操作,I的角标l和h分别代表相应的低曝光和高曝光低动态范围图像。
在对图像进行了曝光膨胀操作和压缩操作后,初始动作图像的表达式可以为:
但是实际上估计的初始动作图像与真实动作图像仍存在一定偏差,故二者差值的表达式可以为:
上式中的∈b和∈r分别为曝光膨胀操作与全局动作估算引入的误差。为了对误差做进一步估计,先对图像曝光压缩然后基于Ih曝光膨胀操作,由此得到图像fb(fs(Ih,Il),Ih),fb(fs(Ih,Il),Ih)的近似表达式可以为:
fb(fs(Ih,Il),Ih)≈Ih+∈b+∈s
∈s表示由于曝光压缩操作所引入的误差。由于经过曝光膨胀操作后,∈b占主要误差部分,故可以将曝光压缩引入的误差∈s忽略,∈b的表达式可以为:
∈b=|fb(fs(Ih,Il),Ih)-Ih|
进一步的,为了估计全局动作估算引入的误差∈r,需要根据Ih和Il的边缘图Eh和El来进行计算Ec,Ec的表达式可以为:
根据上述定义,由于当全局动作估计完全准确时,在边缘的图像的动作估计图应该等于0,故可以根据Ec写出最终动作图M的表达式,M的表达式可以为:
完成上述的局部动作估计后便得到原始图像的运动信息,进入步骤S203。
步骤S203:权重图生成。对原始图像加权来获得最终的高动态范围图像,即可以通过将平滑的分段线性函数应用于较低曝光图像像素值计算初始权重图(W)。权重图表示较低曝光图像对输出的贡献,较高的值表示对输出像素的贡献增加。
为了保持高动态范围,本申请实施例可以通过为运动图中的所有连接组件选择最佳曝光图像后更新权重图W。令Ω表示所有连接组分Ωm的集合,则权重图中每个组分的表达式可以为:
按照上式完成权重图的计算与更新后,便可以基于权重图。
步骤S204:图像融合。可以利用拉普拉斯金字塔改进模型对图像融合,由此得到高动态范围基础处理单元输出的高动态范围图像Il,h。具体的融合算法本申请不做具体限制。
此外,在本申请的一个实施例中,去重影算法采用HDR+(High Dynamic Range,高动态范围)的方法,该方法的流程可以如图3所示,具体如下:
步骤S301:两帧图像对齐。该方法使用了一种较简单快速的频域对齐方法,首先从两帧中选择最清晰的参考图像,对raw图像进行下采样得到灰度图像,然后构建一个四层的高斯金字塔,图像通过四层处理实现由粗到精的对齐,每一层处理使用上一层的处理结果,接着对图像中的不同局部块进行搜索与匹配,测量每个块的偏移量,最后向下层输出对不同区域原位置的估计。
步骤S302:多帧拍摄的图像融合为一个raw图像。该方法使用了一种基于图像对以及频域时间滤波的融合方法。对参考图像中的每一个块,找到其它帧的对应块进行融合,同时,对于不同时间点的图像块,采用经过DFT(Discrete Fourier Transform,离散傅里叶变换)后的类维纳滤波的方法进行时域滤波,再进行空间滤波,最终完成融合。这里,对于噪声的模型设立为一种满足泊松-高斯分布的噪声,可以分为信号相关的泊松分布和信号独立的高斯分布。
步骤S303:ISP(Image Signal Processing,图像信号处理)处理。将融合出来的一帧raw图像,经过一系列ISP包含的处理流程进行处理。其中,ISP可以为但不限于:黑电平校正,白平衡,去马赛克,锐化等,本申请不做具体限制。
步骤S304:生成图像。经过一个高动态范围基础处理单元处理后便得到高动态范围图片。
在步骤S103中,将多个新的预设高动态范围的图像组成流水线,以对多帧预设低动态范围的图像进行流水线处理,得到流水线处理后的预设高动态范围的图片。
可以理解的是,图像流水线处理即将图像帧分成为多块图像数据,通过流水线处理图像帧,具有速度快、处理效率高的优点。
作为一种可能实现的方式,本申请实施例通过利用多个预设高动态范围图像组成流水线,即对多帧低动态范围图像利用流水线处理的方法得到高动态范围图像,提高图像的分辨率。
本申请实施例通过对低动态范围图像进行流水线处理,提高了图像的分辨率,并可以实时对图像进行校正或增强,节约系统资源。
可选地,在本申请的一个实施例中,将多个新的预设高动态范围的图像组成流水线,以对多帧预设低动态范围的图像进行流水线处理,得到流水线处理后的预设高动态范围的图片,包括:基于N帧预设低动态范围的图像,建立N-1级流水线,其中,第i级流水线由N-i个预设高动态范围基础处理单元组成,其中,N为正整数;将N帧预设低动态范围的图像按次序排列,作为流水线的输入数据,以由预设高动态范围基础处理流水线对图像进行处理,得到流水线处理后的预设高动态范围的图片。
可以理解的是,N帧图像,当N=1时,只有一帧低动态范围图像,无法利用流水线进行处理;当N>1时,才可以使用流水线处理办法。
在实际执行过程中,本申请实施例可以将按时间顺序排列的N帧低动态范围图片作为流水线的输入数据,通过高动态范围基础处理流水线对图像进行处理。具体地,N帧低动态范围图片建立N-1级流水线,其中,第i级流水线由N-i个高动态范围基础处理单元组成。
图4为本申请的一个实施例中基于高动态范围基础处理单元组成的流水线示意图。在该流水线中,输入端为1到N共N帧低动态范围图片。流水线共有N-1级,每一级将前一级的输出作为输入数据。流水线的每个单元都是前述的一个高动态范围基础处理单元,每个单元有两个输入,一个输出。
需要注意的是,将输入端的N帧低动态范围图片按时间顺序排序,以保证相邻两张图片能够展现出动作的连贯性,实现较好的去重影效果,获得清晰的高动态图片。
举例而言,当获取到4帧低动态范围图像时,这时建立了三级流水线,并且,每一级的输出都作为下一级的输入。其中,输入端为获取的4帧低动态范围图像;第一级流水线有3个高动态范围基础处理单元;第二级流水线有2个高动态范围基础处理单元;第三级流水线有1个高动态范围基础处理单元;输出端为高动态范围图像。
在步骤S104中,基于流水线处理后的预设高动态范围的图片获取最终的成像图片。
本申请实施例可以通过将流水线处理后的预设高动态范围图片转化为需要的成像图片,提高图像的质量,满足日常需求。
可选地,在本申请的一个实施例中,基于流水线处理后的预设高动态范围的图片获取最终的成像图片,包括:基于流水线处理后的预设高动态范围的图片,选择最合适的色调映射算法;基于最合适的色调映射算法对图像进行处理,并使用预设增强对比度和调整环境光色调的方法进行优化,根据目标需求将处理和优化后的图像转换为目标低动态范围格式的成像图片。
在实际执行过程中,本申请实施例通过将步骤S103中的流水线获得的高动态范围图像后,需要根据实际需求选择合适的色调映射算法进行调整,并使用增强对比度和调整环境光色调的方法对图像进一步优化,得到最终方便储存与展示的图片。需要说明的是,本领域的技术人员可以根据实际需求对得到的高动态范围图片进行调整和优化,本申请不做具体限制。
举例而言,如要求输出图片依然使用低动态范围范围来表征,则需要使用色调映射的方法将高动态范围图片映射到低动态范围图片。本申请实施例由于不同图片的拍摄特点不同,经过色调映射变为低动态范围图片后可能会存在过曝或者欠曝等问题,需要对图片进行增强对比度和调整环境光色调进一步优化,将优化后的图片转换为需要的低动态范围图片。
特别地,本申请的一个实施例中使用ETM(Exposure Tone Mapping,曝光色调映射)方法对高动态范围图像进行色调映射,ETM的增益函数Ld的表达式可以为:
其中,LHDR表示经流水线处理后得到的高动态范围图片像素值,Lav表示高动态范围图像均值,Ld表示相应高动态范围图片像素值转换为低动态范围图片所需要的增益值。
此外,本申请的一个实施例中色调映射的映射函数f(x)的表达式可以为:
其中,x表示经流水线处理后得到的高动态范围图片像素值。
结合图2至图4所示,以多个实施例对本申请实施例的智能影像处理中的高动态范围成像方法的工作原理进行详细阐述。
实施例一
如图2所示,使用全局估计和局部动作估计方法对图像进行高动态范围处理,具体步骤上述已经详细解释,为避免冗余,在此不作重复描述。
实施例二
当采用HDR+高动态范围处理算法时,该方法包括以下步骤:
步骤S1:针对同一目标场景连续拍摄多帧预设低动态范围的图像。
在实际执行过程中,由于物体在拍摄过程中可能存在移动或扰动,会导致成像出现伪影或者实影消失的情况。因此,需要对同一场景进行连续多次曝光,以用于修正由于物体移动而对成像效果的影响。
需要注意的是,在拍摄时需要让镜头针对同一场景拍摄,才能在后续处理中对移动的物体进行对齐。并且在连续拍摄多帧低动态范围图像时,需要让拍摄间隔尽可能的短,这样才能保证经过处理后的高动态范围图像具有更好的视觉效果。
在连续拍摄多帧低动态范围图像后,需要将图像按照拍摄的前后顺序排列,保证相邻的图像是连续拍摄的两帧,并将所有的N帧拍摄图像作为一个集合{I1,I2,……,IN}用于后续处理。
步骤S2:对多帧预设低动态范围的图像中两张连续曝光的图像通过HDR+算法进行去重影处理,得到多个新的预设高动态范围的图像。
该步骤包括以下过程:基于图片的处理需求和评价指标,选择最佳高动态范围的去重影算法;基于去重影算法,对两帧的预设低动态范围的图像进行处理,得到新的预设高动态范围的图像。
举例而言,本申请的实施例可以使用PSNR或者SSIM作为评判图像处理的指标。其中,PSNR、SSIM上述已经详细解释,为避免冗余,在此不作重复描述。
在本申请的一个实施例中,所述去重影算法采用HDR+方法,该方法包括如下步骤:
第一步,将两帧图像进行对齐。HDR+算法使用了一种较简单快速的频域对齐方法,从两帧中选择最清晰的参考图像,然后对raw图像进行下采样得到灰度图像,然后构建一个四层的高斯金字塔,图像通过四层处理实现由粗到精的对齐,每一层处理使用上一层的处理结果,对图像中的不同局部块进行搜索与匹配,测量每个块的偏移量,向下层输出对不同区域原位置的估计。
第二步,将已对齐的图像进行融合。最终需要的是将多帧拍摄的图像融合为一个raw图像。HDR+算法使用了一种基于图像对以及频域时间滤波的融合方法。对参考图像中的每一个块,找到其它帧的对应块进行融合,同时,对于不同时间点的图像块,采用一种经过DFT后的类维纳滤波的方法进行时域滤波,之后再进行空间滤波,最终完成融合。这里对于噪声的模型设立为一种满足泊松-高斯分布的噪声,可以分为信号相关的泊松分布和信号独立的高斯分布。
第三步,将融合出来的一帧raw图像,经过原有的一系列ISP包含的处理流程进行处理。这里可以采用如黑电平校正,白平衡,去马赛克,锐化等,与传统ISP处理流程相差不大,在此不做过多介绍。
第四步,得到经过一个高动态范围基础处理单元处理后的HDR图片。
步骤S3:将多个新的预设高动态范围的图像组成流水线,以对多帧预设低动态范围的图像进行流水线处理,得到流水线处理后的预设高动态范围的图片。
在实际执行过程中,本申请实施例可以将按时间顺序排列的N帧低动态范围图片作为流水线的输入数据,通过高动态范围基础处理流水线对图像进行处理。具体地,N帧低动态范围图片建立N-1级流水线,其中,第i级流水线由N-i个高动态范围基础处理单元组成。
图4为本申请的一个实施例中基于高动态范围基础处理单元组成的流水线示意图。在该流水线中,输入端为1到N共N帧低动态范围图片。流水线共有N-1级,每一级将前一级的输出作为输入数据。流水线的每个单元都是前述的一个高动态范围基础处理单元,每个单元有两个输入,一个输出。
需要注意的是,将输入端的N帧低动态范围图片按时间顺序排序,以保证相邻两张图片能够展现出动作的连贯性,实现较好的去重影效果,获得清晰的高动态范围图片。
步骤S4:基于流水线处理后的预设高动态范围的图片获取最终的成像图片。
在实际执行过程中,本申请实施例通过将步骤S3中的流水线获得的高动态范围图像后,需要根据实际需求选择合适的色调映射算法进行调整,并使用增强对比度和调整环境光色调的方法对图像进一步优化,得到最终方便储存与展示的图片。需要说明的是,本领域的技术人员可以根据实际需求对得到的高动态范围图片进行调整和优化,本申请不做具体限制。
举例而言,如要求输出图片依然使用低动态范围范围来表征,则需要使用色调映射的方法将高动态范围图片映射到低动态范围图片。本申请实施例由于不同图片的拍摄特点不同,经过色调映射变为低动态范围图片后可能会存在过曝或者欠曝等问题,需要对图片进行增强对比度和调整环境光色调进一步优化,将优化后的图片转换为需要的低动态范围图片。
特别地,本申请的一个实施例中使用ETM(Exposure Tone Mapping,曝光色调映射)方法对高动态范围图像进行色调映射,ETM的增益函数Ld的表达式可以为:
其中,LHDR表示经流水线处理后得到的高动态范围图片像素值,Lav表示高动态范围图像均值,Ld表示相应高动态范围图片像素值转换为低动态范围图片所需要的增益值。
此外,本申请的一个实施例中色调映射的映射函数f(x)的表达式可以为:
其中,x表示经流水线处理后得到的高动态范围图片像素值。
实施例三
本申请实施例可以通过安装在车辆上的摄像机获取前方物体的信息,即利用车载摄像机同一时间连续获取前方道路的多帧低动态范围图像,将获取到的图像利用处理器进行处理,其处理过程可以为:对连续两帧曝光的图像选择合适的去重影算法继续处理,并利用多个高动态范围基础处理单元组成流水线,对获取到的多帧低动态范围图像处理,按照最终的需求对流水线处理后的图像调整和优化,生成成像图像,将成像图像传回给车辆,提高图像的整体视觉体验,更符合人眼的视觉观感。
根据本申请实施例提出的智能影像处理中的高动态范围成像方法,可以获取同一目标场景下连续多帧图像,并对连续两帧曝光的图像去重影处理,并且利用多个预设高动态范围基础处理单元组成流水线,并按照最终需求对生成的高动态范围图像进行调整和优化,得到成像图片,提高了图像的清晰度,提升了图像的整体视觉体验,更加满足人眼的视觉观感。由此,解决了相关技术中,普通成像技术中高对比度导致图像失真的问题,使得所拍摄的图片更接近人眼视觉观感,保留了更多图像细节信息,提高了呈现的色彩和亮度等级范围,提升了图像的整体视觉体验。
其次参照附图描述根据本申请实施例提出的智能影像处理中的高动态范围成像装置。
图5是本申请实施例的智能影像处理中的高动态范围成像装置的方框示意图。
如图5所示,该智能影像处理中的高动态范围成像装置10,包括:获取模块100、第一处理模块200、第二处理模块300和成像模块400。
具体地,获取模块100,用于针对同一目标场景连续拍摄多帧预设低动态范围的图像。
第一处理模块200,用于对多帧预设低动态范围的图像中两张连续曝光的图像进行去重影处理,得到多个新的预设高动态范围的图像。
第二处理模块300,用于将多个新的预设高动态范围的图像组成流水线,以对多帧预设低动态范围的图像进行流水线处理,得到流水线处理后的预设高动态范围的图片。
成像模块400,用于基于流水线处理后的预设高动态范围的图片获取最终的成像图片。
可选地,在本申请的一个实施例中,获取模块100,包括:拍摄单元和排序单元。
其中,拍摄单元,用于在目标场景下连续拍摄多帧预设低动态范围的图像。
排序单元,用于将多帧预设低动态范围的图像按照时间顺序排列。
可选地,在本申请的一个实施例中,第一处理模块200,包括:去重影单元和第一处理单元。
其中,去重影单元,用于基于图片的处理需求和评价指标,选择最佳高动态范围的去重影算法。
第一处理单元,用于基于去重影算法,对两帧的预设低动态范围的图像进行处理,得到新的预设高动态范围的图像。
可选地,在本申请的一个实施例中,评价指标可以包括图像峰值信噪比和图像结构相似性指数中的至少一项。
可选地,在本申请的一个实施例中,第一处理单元,包括:第一估计子单元、第二估计子单元、生成子单元和融合子单元。
其中,第一估计子单元,用于对两帧的预设低动态范围的图像进行全局动作估计,使得图像整体对齐。
第二估计子单元,用于将两帧的预设低动态范围的图像分为低曝光图片和高曝光图片,并对图像进行局部动作估计,使得图像细节对齐。
生成子单元,用于生成以表征输入图像的信息权重占比的权重图。
融合子单元,用于结合权重图和输入图像,对两帧的预设低动态范围的图像进行融合,得到新的的高动态范围的图像。
可选地,在本申请的一个实施例中,第二处理模块300,包括:建立单元和输入单元。
其中,建立单元,用于基于N帧预设低动态范围的图像,建立N-1级流水线,其中,第i级流水线由N-i个预设高动态范围基础处理单元组成,其中,N为正整数。
输入单元,用于将N帧预设低动态范围的图像按次序排列,作为流水线的输入数据,以由预设高动态范围基础处理流水线对图像进行处理,得到流水线处理后的预设高动态范围的图片。
可选地,在本申请的一个实施例中,成像模块400,包括:选择单元和优化单元。
其中,选择单元,用于基于流水线处理后的预设高动态范围的图片,选择最合适的色调映射算法。
优化单元,用于基于最合适的色调映射算法对图像进行处理,并使用预设增强对比度和调整环境光色调的方法进行优化,根据目标需求将处理和优化后的图像转换为目标低动态范围格式的成像图片。
需要说明的是,前述对智能影像处理中的高动态范围成像方法实施例的解释说明也适用于该实施例的智能影像处理中的高动态范围成像装置,此处不再赘述。
根据本申请实施例提出的智能影像处理中的高动态范围成像装置,可以获取同一目标场景下连续多帧图像,并对连续两帧曝光的图像去重影处理,并且利用多个预设高动态范围基础处理单元组成流水线,并按照最终需求对生成的高动态范围图像进行调整和优化,生成成像图片,提高了图像的清晰度,提升了图像的整体视觉体验,更加满足人眼的视觉观感。由此,解决了相关技术中,普通成像技术中高对比度导致图像失真的问题,使得所拍摄的图片更接近人眼视觉观感,保留了更多图像细节信息,提高了呈现的色彩和亮度等级范围,提升了图像的整体视觉体验。
图6为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括:
存储器601、处理器602及存储在存储器601上并可在处理器602上运行的计算机程序。
处理器602执行程序时实现上述实施例中提供的智能影像处理中的高动态范围成像方法。
进一步地,电子设备还包括:
通信接口603,用于存储器601和处理器602之间的通信。
存储器601,用于存放可在处理器602上运行的计算机程序。
存储器601可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
如果存储器601、处理器602和通信接口603独立实现,则通信接口603、存储器601和处理器602可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选地,在具体实现上,如果存储器601、处理器602及通信接口603,集成在一块芯片上实现,则存储器601、处理器602及通信接口603可以通过内部接口完成相互间的通信。
处理器602可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上的智能影像处理中的高动态范围成像方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或N个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或多项的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种智能影像处理中的高动态范围成像方法,其特征在于,包括以下步骤:
针对同一目标场景连续拍摄多帧预设低动态范围的图像;
对所述多帧预设低动态范围的图像中两张连续曝光的图像进行去重影处理,得到多个新的预设高动态范围的图像;
将所述多个新的预设高动态范围的图像组成流水线,以对所述多帧预设低动态范围的图像进行流水线处理,得到流水线处理后的预设高动态范围的图片;以及
基于所述流水线处理后的预设高动态范围的图片获取最终的成像图片。
2.根据权利要求1所述的方法,其特征在于,所述针对同一目标场景连续拍摄多帧预设低动态范围的图像,包括:
在所述目标场景下连续拍摄多帧预设低动态范围的图像;
将所述多帧预设低动态范围的图像按照时间顺序排列。
3.根据权利要求1所述的方法,其特征在于,所述对所述多帧预设低动态范围的图像中两张连续曝光的图像进行去重影处理,得到多个新的预设高动态范围的图像,包括:
基于图片的处理需求和评价指标,选择最佳高动态范围的去重影算法;
基于所述去重影算法,对两帧的预设低动态范围的图像进行处理,得到新的预设高动态范围的图像。
4.根据权利要求3所述的方法,其特征在于,所述评价指标可以包括图像峰值信噪比和图像结构相似性指数中的至少一项。
5.根据权利要求3所述的方法,其特征在于,所述基于所述去重影算法,对两帧的预设低动态范围的图像进行处理,得到新的预设高动态范围的图像,包括:
对所述两帧的预设低动态范围的图像进行全局动作估计,使得图像整体对齐;
将所述两帧的预设低动态范围的图像分为低曝光图片和高曝光图片,并对图像进行局部动作估计,使得图像细节对齐;
生成以表征输入图像的信息权重占比的权重图;
结合所述权重图和所述输入图像,对所述两帧的预设低动态范围的图像进行融合,得到所述新的的高动态范围的图像。
6.根据权利要求1所述的方法,其特征在于,所述将所述多个新的预设高动态范围的图像组成流水线,以对所述多帧预设低动态范围的图像进行流水线处理,得到流水线处理后的预设高动态范围的图片,包括:
基于N帧预设低动态范围的图像,建立N-1级流水线,其中,第i级流水线由N-i个预设高动态范围基础处理单元组成,其中,N为正整数;
将所述N帧预设低动态范围的图像按次序排列,作为流水线的输入数据,以由预设高动态范围基础处理流水线对图像进行处理,得到所述流水线处理后的预设高动态范围的图片。
7.根据权利要求6所述的方法,其特征在于,所述基于所述流水线处理后的预设高动态范围的图片获取最终的成像图片,包括:
基于所述流水线处理后的预设高动态范围的图片,选择最合适的色调映射算法;
基于所述最合适的色调映射算法对图像进行处理,并使用预设增强对比度和调整环境光色调的方法进行优化,根据目标需求将处理和优化后的图像转换为目标低动态范围格式的成像图片。
8.一种智能影像处理中的高动态范围成像装置,其特征在于,包括:
获取模块,用于针对同一目标场景连续拍摄多帧预设低动态范围的图像;
第一处理模块,用于对所述多帧预设低动态范围的图像中两张连续曝光的图像进行去重影处理,得到多个新的预设高动态范围的图像;
第二处理模块,用于将所述多个新的预设高动态范围的图像组成流水线,以对所述多帧预设低动态范围的图像进行流水线处理,得到流水线处理后的预设高动态范围的图片;以及
成像模块,用于基于所述流水线处理后的预设高动态范围的图片获取最终的成像图片。
9.一种电子设备,其特征在于,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,所述处理器执行所述程序,以实现如权利要求1-7任一项所述的智能影像处理中的高动态范围成像方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-7任一项所述的智能影像处理中的高动态范围成像方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311094955.3A CN117156301A (zh) | 2023-08-28 | 2023-08-28 | 智能影像处理中的高动态范围成像方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311094955.3A CN117156301A (zh) | 2023-08-28 | 2023-08-28 | 智能影像处理中的高动态范围成像方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117156301A true CN117156301A (zh) | 2023-12-01 |
Family
ID=88883637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311094955.3A Pending CN117156301A (zh) | 2023-08-28 | 2023-08-28 | 智能影像处理中的高动态范围成像方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117156301A (zh) |
-
2023
- 2023-08-28 CN CN202311094955.3A patent/CN117156301A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113454981B (zh) | 用于基于卷积神经网络的多个图像帧的多曝光融合及用于对多个图像帧去模糊的技术 | |
CN108335279B (zh) | 图像融合和hdr成像 | |
CN109218613B (zh) | 高动态范围图像合成方法、装置、终端设备和存储介质 | |
CN110728648B (zh) | 图像融合的方法、装置、电子设备及可读存储介质 | |
US8989484B2 (en) | Apparatus and method for generating high dynamic range image from which ghost blur is removed using multi-exposure fusion | |
KR101609491B1 (ko) | 화상 합성 장치, 화상 합성 방법 및 기록 매체 | |
CN113992861B (zh) | 一种图像处理方法及图像处理装置 | |
JP5896788B2 (ja) | 画像合成装置及び画像合成方法 | |
CN104980652B (zh) | 图像处理设备和图像处理方法 | |
JP2016134919A (ja) | 輝度分布と動きとの間のトレードオフに基づいてシーンのhdr画像を生成する方法 | |
KR100841429B1 (ko) | 화이트 밸런스 자동 조정장치 및 그 방법 | |
US11508038B2 (en) | Image processing method, storage medium, image processing apparatus, learned model manufacturing method, and image processing system | |
WO2020034701A1 (zh) | 成像控制方法、装置、电子设备以及可读存储介质 | |
US20230069014A1 (en) | Method and apparatus for generating low bit width hdr image, storage medium, and terminal | |
JP6678376B2 (ja) | 動き検出装置および動き検出方法 | |
Guthier et al. | Flicker reduction in tone mapped high dynamic range video | |
JP2019047169A (ja) | ハイダイナミックレンジ画像を作成する装置、方法、及びプログラム | |
JP5765893B2 (ja) | 画像処理装置、撮像装置および画像処理プログラム | |
CN111242860A (zh) | 超级夜景图像的生成方法、装置、电子设备及存储介质 | |
CN110557572B (zh) | 一种图像处理方法、装置及卷积神经网络系统 | |
CN108810509A (zh) | 一种图像色彩校正方法及装置 | |
CN117156301A (zh) | 智能影像处理中的高动态范围成像方法及装置 | |
CN112750087A (zh) | 图像处理方法和装置 | |
JP6554009B2 (ja) | 画像処理装置、その制御方法、プログラム及び記録媒体 | |
CN116647760B (zh) | 用于目标检测的宽动态实现方法、装置、相机及存储介质 |
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 |