CN117522753A - 图像处理方法、装置、设备及计算机可读存储介质 - Google Patents
图像处理方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN117522753A CN117522753A CN202311361429.9A CN202311361429A CN117522753A CN 117522753 A CN117522753 A CN 117522753A CN 202311361429 A CN202311361429 A CN 202311361429A CN 117522753 A CN117522753 A CN 117522753A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- sub
- reference point
- brightness
- 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 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 146
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000009467 reduction Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 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
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本公开涉及一种图像处理方法、装置、设备及计算机可读存储介质。本公开通过预设处理参数集为每个待处理子图像提供符合整张待处理图像亮度分布的标准化的目标处理参数，因此根据目标处理参数对每个待处理子图像分别进行处理时无需进行各个子图像之间处理效果的同步，同时能够保证拼接得到的整体图像的效果，节省CPU的计算资源，提高了图像处理方法的效率。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、设备及计算机可读存储介质。
背景技术
相机是当前智能终端必备的一个功能，用户可以通过相机进行图像采集。
随着智能终端运用的场景越来越多，场景也会更加复杂，对于相机所采集图像的清晰度要求也会越来越高。为了提高图像清晰度，智能终端获取图像后通常会对图像进行降噪处理。
现有的降噪处理方式中采用并行计算对图像进行处理，但在并行计算过程中每一个计算线程都需要进行计算进度同步，因此需要线程之间进行通讯，对中央处理器(Central Processing Unit，CPU)的功耗和性能要求都比较高，无法保证图像处理的效率。
发明内容
为了解决上述技术问题，本公开提供了一种图像处理方法、装置、设备及计算机可读存储介质。
第一方面，本公开实施例提供一种图像处理方法，包括：
对待处理图像进行亮度分布检测，得到所述待处理图像的亮度分布参数；
将待处理图像分割成多个待处理子图像；
确定每一个待处理子图像的亮度平均值；
根据所述亮度分布参数以及每一个所述待处理子图像的亮度平均值，从预设处理参数集中确定与所述每一个待处理子图像分别对应的目标处理参数；
根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，所述待处理子图像与所述目标子图像一一对应；
将所述多个目标子图像进行拼接，得到所述待处理图像对应的目标图像。
在一些实施例中，所述亮度分布参数包括第一分布参数和第二分布参数，所述对待处理图像进行亮度分布检测，得到所述待处理图像的亮度分布参数，包括：
根据所述待处理图像的图像曝光直方图，确定所述图像曝光直方图中的第一参考点、第二参考点、第三参考点，所述第一参考点亮度小于所述第二参考点，所述第二参考点亮度小于所述第三参考点；
计算所述第一参考点和所述第三参考点的亮度差，得到第一分布参数；
计算所述第一参考点和所述第二参考点的亮度差与所述第一分布参数的比值，得到第二分布参数。
在一些实施例中，所述根据所述待处理图像的图像曝光直方图，确定所述图像曝光直方图中的第一参考点、第二参考点、第三参考点，包括：
将所述图像曝光直方图分为第一区域、第二区域、第三区域，所述第一区域中各像素点的亮度小于所述第二区域中各像素点的亮度，所述第二区域中各像素点的亮度小于所述第三区域中各像素点的亮度；
根据预设规则在所述第一区域、所述第二区域、所述第三区域中分别选取所述第一参考点、所述第二参考点、所述第三参考点。
在一些实施例中，所述根据预设规则在所述第一区域、所述第二区域、所述第三区域中分别选取所述第一参考点、第二参考点、第三参考点，包括：
将所述第一区域、所述第二区域、所述第三区域中每个区域的亮度平均值所对应的点分别作为所述第一参考点、所述第二参考点、所述第三参考点；或者，
将所述第一区域、所述第二区域、所述第三区域中每个区域像素点亮度最大值所对应的点分别作为所述第一参考点、所述第二参考点、所述第三参考点。
在一些实施例中，所述预设处理参数集包括多个降噪阈值，所述根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，包括：
根据所述多个降噪阈值中每一个目标降噪阈值分别对所述每一个待处理子图像进行降噪处理，得到多个目标子图像。
在一些实施例中，所述预设处理参数集包括多个RGB比值，所述根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，包括：
根据多个RGB比值中的每一个目标RGB比值对所述每一个待处理子图像进行白平衡矫正，得到多个目标子图像。
在一些实施例中，所述将待处理图像分割成多个待处理子图像之后，所述方法还包括：
对每个所述待处理子图像的边缘处进行插值处理。
第二方面，本公开实施例提供一种图像处理装置，包括：
检测模块，用于对待处理图像进行亮度分布检测，得到所述待处理图像的亮度分布参数；
分割模块，用于将待处理图像分割成多个待处理子图像；
第一确定模块，用于确定每一个待处理子图像的亮度平均值；
第二确定模块，用于根据所述亮度分布参数以及每一个所述待处理子图像的亮度平均值，从预设处理参数集中确定与所述每一个待处理子图像分别对应的目标处理参数；
第一处理模块，用于根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，所述待处理子图像与所述目标子图像一一对应；
拼接模块，用于将所述多个目标子图像进行拼接，得到所述待处理图像对应的目标图像。
第三方面，本公开实施例提供一种计算机设备，包括：
存储器；
处理器；以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面所述的方法。
第四方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现第一方面所述的方法。
第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上所述的图像处理方法。
本公开实施例提供的图像处理方法、装置、设备及计算机可读存储介质，通过预设处理参数集为每个待处理子图像提供符合整张待处理图像亮度分布的标准化的目标处理参数，因此根据目标处理参数对每个待处理子图像分别进行处理时无需进行各个子图像之间处理效果的同步，同时能够保证拼接得到的整体图像的效果，节省CPU的计算资源，提高了图像处理方法的效率。
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。
为了更清楚地说明本公开实施例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简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的图像处理方法流程图；
图2为本公开实施例提供的一种待处理图像分割示意图；
图3为本公开实施例提供的图像曝光直方图；
图4为本公开实施例提供的预设处理参数集的示意图；
图5为本公开另一实施例提供的图像处理方法流程图；
图6为本公开实施例提供的图像处理装置的结构示意图；
图7为本公开实施例提供的计算机设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
本公开实施例提供了一种图像处理方法，下面结合具体的实施例对该方法进行介绍。
图1为本公开实施例提供的图像处理方法流程图。本实施例以该方法应用于智能终端进行举例说明，其中智能终端具体可以是智能手机、掌上电脑、平板电脑、带显示屏的可穿戴设备、台式机、笔记本电脑、一体机、智能家居设备等。可以理解的是，该方法也可以应用于服务器，还可以应用于包括智能终端和服务器的系统，并通过智能终端和服务器的交互实现。
下面对图1所示的图像处理方法进行介绍，该方法包括的具体步骤如下：
S101、对待处理图像进行亮度分布检测，得到所述待处理图像的亮度分布参数。
待处理图像即为智能终端通过相机获取的原始图像，该待处理图像包括多个像素点，每个像素点具有各自的亮度值。终端设备对待处理图像进行亮度分布检测，即可获得待处理图像的亮度分布参数。
亮度分布参数表示了待处理图像中各个亮度的像素点的分布情况，例如待处理图像的动态范围、各级别亮度像素点的分布信息等等。其中，图像的动态范围是指图像最亮处到最暗处的亮度范围。
S102、将待处理图像分割成多个待处理子图像。
在一些实施例中，可以将待处理图像进行均匀分割，得到多个待处理子图像。图2为本公开实施例提供的一种待处理图像分割示意图。如图2所示，对待处理图像进行均匀分割，得到多个矩形的待处理子图像。
在另一些实施例中，还可以根据待处理图像中像素点的亮度信息对待处理图像进行异形分割，将一定区域内亮度相近的像素点分割为一个待处理子图像，也即每个待处理子图像中各个像素点的亮度差异小于预设差异阈值。
在另一些实施例中，智能终端还可以根据用户对于图像处理的需求确定对于待处理图像的分割方式。例如，若要求最终处理得到的目标图像更加平滑，则选择对待处理图像进行异形分割；若要求尽可能提升图像处理的速度，则选择对待处理图像进行异形分割。
在一些实施例中，将待处理图像分割成多个待处理子图像之后，对每个所述待处理子图像的边缘处进行插值处理。图像在智能终端中以矩阵的形式存在，矩阵中的每个元素分别表示了对应位置图像中的信息。在对图像进行分割之后，分割处可能会存在亮度突变或亮度变化较大的情况，此时对于分割处也即待处理子图像边缘处的矩阵进行补0后差值的操作，使待处理子图像的边缘过度更加平滑，方便后期处理以及使图像进行拼接时过渡自然。
S103、确定每一个待处理子图像的亮度平均值。
具体的，针对一个待处理子图像，根据所述待处理子图像中每个像素点的亮度值以及像素点的个数确定所述待处理子图像的亮度平均值。
S104、根据所述亮度分布参数以及每一个所述待处理子图像的亮度平均值，从预设处理参数集中确定与所述每一个待处理子图像分别对应的目标处理参数。
预设处理参数集中提供了各种亮度分布下对于不同亮度情况的处理参数。
在一些实施例中，将特定区域的图像或是特定像素点的参数调整为处理参数，或者将特定区域的图像或是特定像素点的参数调整为与处理参数相似的参数即可实现对于特定区域的图像或是特定像素点的优化。
根据待处理图像的亮度分布参数，即可在预设处理参数集中确定在待处理图像这样的亮度分布情况下各个亮度的图像的最佳处理参数；进一步根据各个子图像的亮度平均值从上述各个亮度的图像的最佳处理参数中确定所述亮度平均值对应的目标处理参数。
S105、根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，所述待处理子图像与所述目标子图像一一对应。
获得每个待处理子图像分别对应的目标处理参数后，即可根据目标处理参数对其所对应的待处理子图像分别进行相应的图像处理，从而得到与多个待处理子图像一一对应的目标子图像。
具体的，可以将多个待处理子图像及其对应的目标处理参数交由预设数量的计算线程进行处理，每个计算线程对一个或多个待处理子图像依次进行相应的处理。
S106、将所述多个目标子图像进行拼接，得到所述待处理图像对应的目标图像。
根据每个待处理子图像在待处理图像中的位置，智能终端对每个待处理子图像对应的目标子图像进行拼接，从而得到最终处理完成的目标图像。
本公开实施例通过对待处理图像进行亮度分布检测，得到所述待处理图像的亮度分布参数；将待处理图像分割成多个待处理子图像；确定每一个待处理子图像的亮度平均值；根据所述亮度分布参数以及每一个所述待处理子图像的亮度平均值，从预设处理参数集中确定与所述每一个待处理子图像分别对应的目标处理参数；根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，所述待处理子图像与所述目标子图像一一对应；将所述多个目标子图像进行拼接，得到所述待处理图像对应的目标图像，通过预设处理参数集为每个待处理子图像提供符合整张待处理图像亮度分布的标准化的目标处理参数，因此根据目标处理参数对每个待处理子图像分别进行处理时无需进行各个子图像之间处理效果的同步，同时能够保证拼接得到的整体图像的效果，节省CPU的计算资源，提高了图像处理方法的效率。
另外，智能终端中包括CPU和图形处理器(Graphics Processing Unit，GPU)，GPU又称显示核心、视觉处理器、显示芯片，是一种专门用在电脑、工作站、服务器和一些移动设备上做图像和图形相关运算工作处理器。在数据处理方面它更加高效核心数也更多，除图像拼接以外，其余图像处理操作均可由GPU实现，进一步降低了对CPU计算能力的占用。
在上述实施例的基础上，所述亮度分布参数包括第一分布参数和第二分布参数，所述对待处理图像进行亮度分布检测，得到所述待处理图像的亮度分布参数，包括：根据所述待处理图像的图像曝光直方图，确定所述图像曝光直方图中的第一参考点、第二参考点、第三参考点，所述第一参考点亮度小于所述第二参考点，所述第二参考点亮度小于所述第三参考点；计算所述第一参考点和所述第三参考点的亮度差，得到第一分布参数；计算所述第一参考点和所述第二参考点的亮度差与所述第一分布参数的比值，得到第二分布参数。
图像曝光直方图用于表示图像的明暗情况，横轴代表的是图像中的亮度，由左向右从全黑逐渐过渡到全白；纵轴代表的则是图像中处于这个亮度范围的像素的数量。根据图像曝光直方图，在不同亮度范围内分别选取第一参考点、第二参考点、第三参考点，其中所述第一参考点亮度小于所述第二参考点，所述第二参考点亮度小于所述第三参考点。例如，将图像曝光直方图分为低亮区、中亮区、高亮区，在每个区域内分别选取参考点，得到第一参考点、第二参考点、第三参考点。
具体的，将所述图像曝光直方图分为第一区域、第二区域、第三区域，所述第一区域中各像素点的亮度小于所述第二区域中各像素点的亮度，所述第二区域中各像素点的亮度小于所述第三区域中各像素点的亮度；根据预设规则在所述第一区域、所述第二区域、所述第三区域中分别选取所述第一参考点、所述第二参考点、所述第三参考点。
图3为本公开实施例提供的图像曝光直方图。如图3所示，横坐标代表亮度值，纵坐标代表待处理图像中该亮度的像素点数量，第一区域为亮度70以下的区域，第二区域为亮度70-140的区域，第三区域为亮度140以上的区域。可以理解的是，本公开实施例以图像曝光直方图峰谷处作为不同区域的分界，实际实施过程中还可以以其他标准对图像曝光直方图的不同区域进行分割，例如根据预设的亮度值对图像曝光直方图的不同区域进行分割等等，本公开实施例对此不做限定。
进一步，根据预设规则在不同区域中分别选取每个区域的参考点。例如，选取每个区域像素点亮度最大值分别作为第一参考点、第二参考点、第三参考点；或者选取每个区域中像素点亮度平均值分别作为第一参考点、第二参考点、第三参考点；或者，选取每个区域中像素点数量峰值对应的亮度值作为分别作为第一参考点、第二参考点、第三参考点。如图3所示，得到第一参考点A、第二参考点B、第三参考点C。
计算所述第一参考点和所述第三参考点的亮度差，得到第一分布参数；计算所述第一参考点和所述第二参考点的亮度差与所述第一分布参数的比值，得到第二分布参数。如图3所示，计算第一参考点A、第三参考点C的亮度差，得到第一分布参数DHL，第一分布参数表征整个待处理图像的动态范围，第一分布参数越大，待处理图像的动态范围越大；第一分布参数越小，待处理图像的动态范围越小。进一步计算第一参考点A、第二参考点B的亮度差DML，并计算第一参考点A、第二参考点B的亮度差与第一分布参数DHL的比值作为第二分布参数ratio，即：
本公开实施例通过待处理图像的图像曝光直方图中不同区域的参考点亮度值计算得到第一分布参数以及第二分布参数，以确定待处理图像整体的亮度分布。
图4为本公开实施例提供的预设处理参数集的示意图。如图4所示，预设处理参数集可以看做一个三维的矩阵，横坐标为第一分布参数DHL，纵坐标为第二分布参数ratio，竖坐标代表亮度值Y。预设处理参数集中任意参数均可以根据实际要求进行调整，相邻参数之间应当平滑过渡。
在一些实施例中，预设处理参数集包括多个降噪阈值，所述根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，包括：根据所述多个降噪阈值中每一个目标降噪阈值分别对所述每一个待处理子图像进行降噪处理，得到多个目标子图像。
在另一些实施例中，所述预设处理参数集包括多个RGB比值，所述根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，包括：根据多个RGB比值中的每一个目标RGB比值对所述每一个待处理子图像进行白平衡矫正，得到多个目标子图像。
具体的，对于图像进行降噪处理和/或白平衡矫正时目标参数的选取过程与上述实施例中所述一致，此处不再赘述。
图5为本公开另一实施例提供的图像处理方法流程图，如图5所示，该方法包括如下几个步骤：
S501、将待处理图像的图像曝光直方图分为第一区域、第二区域、第三区域。
其中，所述第一区域中各像素点的亮度小于所述第二区域中各像素点的亮度，所述第二区域中各像素点的亮度小于所述第三区域中各像素点的亮度。
S502、根据预设规则在所述第一区域、所述第二区域、所述第三区域中分别选取所述第一参考点、所述第二参考点、所述第三参考点。
其中，所述第一参考点亮度小于所述第二参考点，所述第二参考点亮度小于所述第三参考点。
S503、计算所述第一参考点和所述第三参考点的亮度差，得到第一分布参数。
S504、计算所述第一参考点和所述第二参考点的亮度差与所述第一分布参数的比值，得到第二分布参数。
S505、将待处理图像分割成多个待处理子图像。
S506、对每个所述待处理子图像的边缘处进行插值处理。
S507、确定每一个待处理子图像的亮度平均值。
S508、根据所述亮度分布参数以及每一个所述待处理子图像的亮度平均值，从预设处理参数集中确定与所述每一个待处理子图像分别对应的目标处理参数。
S509、根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，所述待处理子图像与所述目标子图像一一对应。
具体的，所述预设处理参数集包括多个降噪阈值时，根据所述多个降噪阈值中每一个目标降噪阈值分别对所述每一个待处理子图像进行降噪处理，得到多个目标子图像；所述预设处理参数集包括多个RGB比值时，根据多个RGB比值中的每一个目标RGB比值对所述每一个待处理子图像进行白平衡矫正，得到多个目标子图像。
S510、将所述多个目标子图像进行拼接，得到所述待处理图像对应的目标图像。
本公开实施例通过预设处理参数集为每个待处理子图像提供符合整张待处理图像亮度分布的标准化的目标处理参数，因此根据目标处理参数对每个待处理子图像分别进行处理时无需进行各个子图像之间处理效果的同步，同时能够保证拼接得到的整体图像的效果，节省CPU的计算资源，提高了图像处理方法的效率。
图6为本公开实施例提供的图像处理装置的结构示意图。该图像处理装置可以是如上实施例所述的智能终端，或者该图像处理装置可以是该智能终端中的部件或组件。本公开实施例提供的图像处理装置可以执行图像处理方法实施例提供的处理流程，如图6所示，图像处理装置60包括：检测模块61、分割模块62、第一确定模块63、第二确定模块64、第一处理模块65、拼接模块66；其中，检测模块61用于对待处理图像进行亮度分布检测，得到所述待处理图像的亮度分布参数；分割模块62用于将待处理图像分割成多个待处理子图像；第一确定模块63用于确定每一个待处理子图像的亮度平均值；第二确定模块64用于根据所述亮度分布参数以及每一个所述待处理子图像的亮度平均值，从预设处理参数集中确定与所述每一个待处理子图像分别对应的目标处理参数；第一处理模块65用于根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，所述待处理子图像与所述目标子图像一一对应；拼接模块66用于将所述多个目标子图像进行拼接，得到所述待处理图像对应的目标图像。
可选的，所述亮度分布参数包括第一分布参数和第二分布参数，所述检测模块61包括第一确定单元611、第一计算单元612、第二计算单元613；第一确定单元611用于根据所述待处理图像的图像曝光直方图，确定所述图像曝光直方图中的第一参考点、第二参考点、第三参考点，所述第一参考点亮度小于所述第二参考点，所述第二参考点亮度小于所述第三参考点；第一计算单元612用于计算所述第一参考点和所述第三参考点的亮度差，得到第一分布参数；第二计算单元613用于计算所述第一参考点和所述第二参考点的亮度差与所述第一分布参数的比值，得到第二分布参数。
可选的，第一确定单元611具体用于将所述图像曝光直方图分为第一区域、第二区域、第三区域，所述第一区域中各像素点的亮度小于所述第二区域中各像素点的亮度，所述第二区域中各像素点的亮度小于所述第三区域中各像素点的亮度；根据预设规则在所述第一区域、所述第二区域、所述第三区域中分别选取所述第一参考点、所述第二参考点、所述第三参考点。
可选的，第一确定单元611具体用于将所述第一区域、所述第二区域、所述第三区域中每个区域的亮度平均值所对应的点分别作为所述第一参考点、所述第二参考点、所述第三参考点；或者，将所述第一区域、所述第二区域、所述第三区域中每个区域像素点亮度最大值所对应的点分别作为所述第一参考点、所述第二参考点、所述第三参考点。
可选的，所述预设处理参数集包括多个降噪阈值，所述第一处理模块65用于根据所述多个降噪阈值中每一个目标降噪阈值分别对所述每一个待处理子图像进行降噪处理，得到多个目标子图像。
可选的，所述预设处理参数集包括多个RGB比值，所述第一处理模块65用于根据多个RGB比值中的每一个目标RGB比值对所述每一个待处理子图像进行白平衡矫正，得到多个目标子图像。
可选的，所述图像处理装置60还包括第二处理模块67，用于对每个所述待处理子图像的边缘处进行插值处理。
关于图像处理装置的具体限定可以参见上文中对于图像处理方法的限定，在此不再赘述。上述图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该计算机程序被处理器执行时以实现一种图像处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的图像处理装置可以实现为一种计算机程序的形式，计算机程序可在如图7所示的计算机设备上运行。计算机设备的存储器中可存储组成该图像处理装置的各个程序模块，比如，图6所示的检测模块61、分割模块62、第一确定模块63、第二确定模块64、第一处理模块65、拼接模块66。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的图像处理方法中的步骤。
例如，图7所示的计算机设备可以通过如图6所示的图像处理装置中的检测模块61执行对待处理图像进行亮度分布检测。计算机设备可通过分割模块62执行将待处理图像分割成多个待处理子图像；计算机设备可通过第一确定模块63执行确定每一个待处理子图像的亮度平均值；计算机设备可通过第二确定模块64执行根据所述亮度分布参数以及每一个所述待处理子图像的亮度平均值，从预设处理参数集中确定与所述每一个待处理子图像分别对应的目标处理参数；计算机设备可通过第一处理模块65执行根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，所述待处理子图像与所述目标子图像一一对应；计算机设备可通过拼接模块66执行将所述多个目标子图像进行拼接，得到所述待处理图像对应的目标图像。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：对待处理图像进行亮度分布检测，得到所述待处理图像的亮度分布参数；将待处理图像分割成多个待处理子图像；确定每一个待处理子图像的亮度平均值；根据所述亮度分布参数以及每一个所述待处理子图像的亮度平均值，从预设处理参数集中确定与所述每一个待处理子图像分别对应的目标处理参数；根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，所述待处理子图像与所述目标子图像一一对应；将所述多个目标子图像进行拼接，得到所述待处理图像对应的目标图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据所述待处理图像的图像曝光直方图，确定所述图像曝光直方图中的第一参考点、第二参考点、第三参考点，所述第一参考点亮度小于所述第二参考点，所述第二参考点亮度小于所述第三参考点；计算所述第一参考点和所述第三参考点的亮度差，得到第一分布参数；计算所述第一参考点和所述第二参考点的亮度差与所述第一分布参数的比值，得到第二分布参数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将所述图像曝光直方图分为第一区域、第二区域、第三区域，所述第一区域中各像素点的亮度小于所述第二区域中各像素点的亮度，所述第二区域中各像素点的亮度小于所述第三区域中各像素点的亮度；根据预设规则在所述第一区域、所述第二区域、所述第三区域中分别选取所述第一参考点、所述第二参考点、所述第三参考点。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将所述第一区域、所述第二区域、所述第三区域中每个区域的亮度平均值所对应的点分别作为所述第一参考点、所述第二参考点、所述第三参考点；或者，将所述第一区域、所述第二区域、所述第三区域中每个区域像素点亮度最大值所对应的点分别作为所述第一参考点、所述第二参考点、所述第三参考点。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据所述多个降噪阈值中每一个目标降噪阈值分别对所述每一个待处理子图像进行降噪处理，得到多个目标子图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据多个RGB比值中的每一个目标RGB比值对所述每一个待处理子图像进行白平衡矫正，得到多个目标子图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对每个所述待处理子图像的边缘处进行插值处理。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，比如静态随机存取存储器(Static Random Access Memory，SRAM)和动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像处理方法，其特征在于，所述方法包括：
对待处理图像进行亮度分布检测，得到所述待处理图像的亮度分布参数；
将待处理图像分割成多个待处理子图像；
确定每一个待处理子图像的亮度平均值；
根据所述亮度分布参数以及每一个所述待处理子图像的亮度平均值，从预设处理参数集中确定与所述每一个待处理子图像分别对应的目标处理参数；
根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，所述待处理子图像与所述目标子图像一一对应；
将所述多个目标子图像进行拼接，得到所述待处理图像对应的目标图像。
2.根据权利要求1所述的方法，其特征在于，所述亮度分布参数包括第一分布参数和第二分布参数，所述对待处理图像进行亮度分布检测，得到所述待处理图像的亮度分布参数，包括：
根据所述待处理图像的图像曝光直方图，确定所述图像曝光直方图中的第一参考点、第二参考点、第三参考点，所述第一参考点亮度小于所述第二参考点，所述第二参考点亮度小于所述第三参考点；
计算所述第一参考点和所述第三参考点的亮度差，得到第一分布参数；
计算所述第一参考点和所述第二参考点的亮度差与所述第一分布参数的比值，得到第二分布参数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述待处理图像的图像曝光直方图，确定所述图像曝光直方图中的第一参考点、第二参考点、第三参考点，包括：
将所述图像曝光直方图分为第一区域、第二区域、第三区域，所述第一区域中各像素点的亮度小于所述第二区域中各像素点的亮度，所述第二区域中各像素点的亮度小于所述第三区域中各像素点的亮度；
根据预设规则在所述第一区域、所述第二区域、所述第三区域中分别选取所述第一参考点、所述第二参考点、所述第三参考点。
4.根据权利要求3所述的方法，其特征在于，所述根据预设规则在所述第一区域、所述第二区域、所述第三区域中分别选取所述第一参考点、第二参考点、第三参考点，包括：
将所述第一区域、所述第二区域、所述第三区域中每个区域的亮度平均值所对应的点分别作为所述第一参考点、所述第二参考点、所述第三参考点；或者，
将所述第一区域、所述第二区域、所述第三区域中每个区域像素点亮度最大值所对应的点分别作为所述第一参考点、所述第二参考点、所述第三参考点。
5.根据权利要求1所述的方法，其特征在于，所述预设处理参数集包括多个降噪阈值，所述根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，包括：
根据所述多个降噪阈值中每一个目标降噪阈值分别对所述每一个待处理子图像进行降噪处理，得到多个目标子图像。
6.根据权利要求1所述的方法，其特征在于，所述预设处理参数集包括多个RGB比值，所述根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，包括：
根据多个RGB比值中的每一个目标RGB比值对所述每一个待处理子图像进行白平衡矫正，得到多个目标子图像。
7.根据权利要求1所述的方法，其特征在于，所述将待处理图像分割成多个待处理子图像之后，所述方法还包括：
对每个所述待处理子图像的边缘处进行插值处理。
8.一种图像处理装置，其特征在于，包括：
检测模块，用于对待处理图像进行亮度分布检测，得到所述待处理图像的亮度分布参数；
分割模块，用于将待处理图像分割成多个待处理子图像；
第一确定模块，用于确定每一个待处理子图像的亮度平均值；
第二确定模块，用于根据所述亮度分布参数以及每一个所述待处理子图像的亮度平均值，从预设处理参数集中确定与所述每一个待处理子图像分别对应的目标处理参数；
第一处理模块，用于根据所述目标处理参数对所述每一个待处理子图像进行处理，得到多个目标子图像，所述待处理子图像与所述目标子图像一一对应；
拼接模块，用于将所述多个目标子图像进行拼接，得到所述待处理图像对应的目标图像。
9.一种计算机设备，其特征在于，包括：
存储器；
处理器；以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-7中任一项所述的方法。
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，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311361429.9A CN117522753A (zh) | 2023-10-19 | 2023-10-19 | 图像处理方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311361429.9A CN117522753A (zh) | 2023-10-19 | 2023-10-19 | 图像处理方法、装置、设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117522753A true CN117522753A (zh) | 2024-02-06 |
Family
ID=89763443
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311361429.9A Pending CN117522753A (zh) | 2023-10-19 | 2023-10-19 | 图像处理方法、装置、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117522753A (zh) |
-
2023
- 2023-10-19 CN CN202311361429.9A patent/CN117522753A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108550101B (zh) | 图像处理方法、装置及存储介质 | |
| CN111897639B (zh) | 图像增广方法、装置、计算机设备及存储介质 | |
| JP6615917B2 (ja) | 実時間ビデオエンハンスメント方法、端末及び非一時的コンピュータ可読記憶媒体 | |
| US11030715B2 (en) | Image processing method and apparatus | |
| US9286653B2 (en) | System and method for increasing the bit depth of images | |
| CN111429333A (zh) | 一种gpu动态调频的方法、装置及系统 | |
| CN111489322A (zh) | 给静态图片加天空滤镜的方法及装置 | |
| CN109272526B (zh) | 图像处理方法、系统及电子设备 | |
| CN113506305B (zh) | 三维点云数据的图像增强方法、语义分割方法及装置 | |
| CN110363837B (zh) | 游戏中纹理图像的处理方法及装置、电子设备、存储介质 | |
| CN110858388B (zh) | 一种增强视频画质的方法和装置 | |
| US20120114267A1 (en) | Method of enhancing contrast using bezier curve | |
| CN112070854B (zh) | 一种图像生成方法、装置、设备及存储介质 | |
| US20170310872A1 (en) | Image dynamic range adjustment method, terminal, and storage medium | |
| CN111563517A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN117522753A (zh) | 图像处理方法、装置、设备及计算机可读存储介质 | |
| CN116453470A (zh) | 图像显示方法、装置、电子设备及计算机可读存储介质 | |
| US20200118244A1 (en) | Data processing systems | |
| CN112149745B (zh) | 确定难例样本的方法、装置、设备及存储介质 | |
| CN116954771A (zh) | 一种屏幕背光调节方法及装置 | |
| CN116777739A (zh) | 图像处理方法、游戏渲染方法、装置、设备及存储介质 | |
| CN110858389B (zh) | 一种增强视频画质的方法、装置、终端及转码设备 | |
| US20220075583A1 (en) | Information processing method, server, terminal, and computer storage medium | |
| CN111145108A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
| WO2023193648A1 (zh) | 一种图像处理方法、装置、电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |