TWI678927B - 動態調整影像清晰度的方法及其影像處理裝置 - Google Patents
動態調整影像清晰度的方法及其影像處理裝置 Download PDFInfo
- Publication number
- TWI678927B TWI678927B TW107132812A TW107132812A TWI678927B TW I678927 B TWI678927 B TW I678927B TW 107132812 A TW107132812 A TW 107132812A TW 107132812 A TW107132812 A TW 107132812A TW I678927 B TWI678927 B TW I678927B
- Authority
- TW
- Taiwan
- Prior art keywords
- sharpness
- value
- image frame
- image
- preset object
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000000694 effects Effects 0.000 claims abstract description 53
- 238000013145 classification model Methods 0.000 claims abstract description 29
- 244000025254 Cannabis sativa Species 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000005669 field effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G06T5/73—
-
- G06T5/92—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Abstract
本發明提供一種動態調整影像清晰度的方法及其影像處理裝置。所述方法包括:取得影像幀,並在影像幀中搜尋預設物件;評估預設物件的第一銳利度;若預設物件的第一銳利度低於銳利門限值,計算預設物件的第一銳利度與銳利門限值之間的差值;將影像幀區分為多個區塊,並評估將各區塊的第二銳利度調高的風險值及效果值;將差值、風險值及效果值輸入至分類模型,以產生清晰度設定值;以及依據清晰度設定值調整顯示器顯示影像幀的清晰度。
Description
本發明是有關於一種影像處理方法及其裝置,且特別是有關於一種動態調整影像清晰度的方法及其影像處理裝置。
在現有影像顯示技術中,可透過軟體或韌體來控制顯示器改變所顯示影像的清晰度。然而,前述作法大都是僅使用單一個參數來全域地調整顯示器顯示畫面的清晰度。在此情況下,若對前述參數採用過小的動態範圍(即,清晰度的調整幅度不大),顯示畫面中的局部區域的影像可能無法有效提升清晰度。另一方面,若對前述參數採用過大的動態範圍(即,清晰度的調整幅度較大),又可能讓顯示畫面中的局部區域的影像過於銳利而造成視覺上的突兀感。例如,對於本質上具有較高銳利度的局部區域(例如包括草、樹及文字等物件的區域)而言,在清晰度被全域地調整之後,可能會令上述局部區域在整張顯示畫面中顯著地較其他區域來得清晰及銳利。在此情況下,上述局部區域中的草可能出現過於根根
分明的情形,而樹葉則可能出現過於片片分明的情形,從而可能令觀看者覺得整張顯示畫面中存在一塊異常銳利的區域,造成視覺上的突兀感。換言之,無論使用較大或較小的動態範圍,都難以達到較佳的顯示效果。
然而,若欲局部地調整影像清晰度,也必須有效地避開容易在調整後出現副作用的影像區域,或找出較有效的調整參數,否則仍可能出現以上所述的缺陷。
有鑑於此,本發明提供一種動態調整影像清晰度的方法及其影像處理裝置,其可用以解決以上技術問題。
本發明提供一種動態調整影像清晰度的方法,包括:取得一影像幀,並在影像幀中搜尋一預設物件;評估預設物件的一第一銳利度;若預設物件的第一銳利度低於一銳利門限值,計算預設物件的第一銳利度與銳利門限值之間的一差值;將影像幀區分為多個區塊,並評估將各區塊的一第二銳利度調高的至少一風險值及至少一效果值;將差值、至少一風險值及至少一效果值輸入至一分類模型,以產生一清晰度設定值;以及依據清晰度設定值調整一顯示器顯示影像幀的一清晰度。
本發明提供一種影像處理裝置,設置用以耦接於一顯示器。所述影像處理裝置包括儲存電路及處理器。儲存電路儲存多個模組。處理器耦接該儲存電路,存取該些模組以執行下列步驟:取
得一影像幀,並在影像幀中搜尋一預設物件;評估預設物件的一第一銳利度;若預設物件的第一銳利度低於一銳利門限值,計算預設物件的第一銳利度與銳利門限值之間的一差值;將影像幀區分為多個區塊,並評估將各區塊的一第二銳利度調高的至少一風險值及至少一效果值;將差值、至少一風險值及至少一效果值輸入至一分類模型,以產生一清晰度設定值;以及依據清晰度設定值調整一顯示器顯示影像幀的一清晰度。
基於上述,本發明提出的方法及裝置可在調整影像幀的銳利度之前,同時將影像幀的品質降低的程度、調整銳利度的風險值及效果值納入考量,進而據以調整影像幀的局部或全域清晰度。藉此,可令調整後的影像幀具有更佳的影像效果,進而提供更佳的使用者體驗。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
100‧‧‧影像處理裝置
102‧‧‧儲存電路
104‧‧‧處理器
199‧‧‧顯示器
302‧‧‧影像幀
3021‧‧‧區域
302a‧‧‧影像幀
3021a‧‧‧區域
304‧‧‧預設物件
304a‧‧‧區域
306‧‧‧灰階圖
308‧‧‧邊緣強度值分布圖
S210~S280‧‧‧步驟
圖1是依據本發明之一實施例繪示的影像處理裝置功能方塊圖。
圖2是依據本發明之一實施例繪示的動態調整影像清晰度方法的流程圖。
圖3是應用圖2方法調整影像清晰度的示意圖。
請參照圖1,其是依據本發明之一實施例繪示的影像處理裝置功能方塊圖。在本實施例中,影像處理裝置100可以是智慧型手機、個人電腦(personal computer,PC)、筆記型電腦(notebook PC)、網本型電腦(netbook PC)、平板電腦(tablet PC)、電視機、遊戲機(game console)、可擕式多媒體播放器(portable multimedia player),或是其他可顯示畫面以供使用者觀看的裝置。
如圖1的實施例所示,影像處理裝置100包括儲存電路102及處理器104,影像處理裝置100耦接於顯示器199,以設置顯示器199顯示所需的影像畫面。顯示器199可以是液晶顯示器(Liquid-Crystal Display,LCD)、電漿顯示器、真空螢光顯示器、發光二極體(Light-Emitting Diode,LED)顯示器、場發射顯示器(Field Emission Display,FED)及/或其他合適種類的顯示器,或是其他具備上述各種顯示設備的電子裝置,本發明實施例對此並不限制。
儲存電路102可以是記憶體、硬碟或是其他任何可用於儲存資料的元件,而可用以記錄多個程式碼或模組。處理器104耦接於顯示器199及儲存電路102,並可以是一般用途處理器、特殊用途處理器、傳統的處理器、數位訊號處理器、多個微處理器(microprocessor)、一個或多個結合數位訊號處理器核心的微處理器、控制器、微控制器、特殊應用集成電路(Application Specific
Integrated Circuit,ASIC)、場可程式閘陣列電路(Field Programmable Gate Array,FPGA)、任何其他種類的積體電路、狀態機以及類似品。
請參照圖2及圖3,其中圖2是依據本發明之一實施例繪示的動態調整影像清晰度方法的流程圖,而圖3是應用圖2方法調整影像清晰度的示意圖。圖2的方法可由圖1的影像處理裝置100執行,以下即搭配圖1及圖3來說明圖2各步驟的細節。
首先,在步驟S210中,處理器104可取得影像幀302,並在影像幀302中搜尋預設物件。在一實施例中,影像幀302可以是一靜態影像,或是一段影片的其中一幀。並且,在不同的實施例中,預設物件可以是普遍具有較高銳利度的物件(例如,草、樹或文字等),而處理器104可基於任何已知的影像辨識演算法來從影像幀302中找出所欲考慮的預設物件。
之後,在步驟S220中,處理器104可判斷是否找到預設物件。為便於說明,以下實施例中皆假設處理器104僅在影像幀302中找到單一個預設物件304(例如,草),但其並非用以限定本發明可能的實施方式。在其他實施例中,若處理器104可在所考慮的影像幀中找到多個預設物件,則處理器104仍可相應地基於以下教示來調整影像幀的清晰度。
由於處理器104已在影像幀302中找到預設物件304,故可接續進行步驟S230以評估預設物件304的第一銳利度。在本實施例中,預設物件304的第一銳利度為:
,其中EdgeLV1為邊緣強度值,其介於0及255之間,PixelCountEdgeLV1為在預設物件304中邊緣強度為EdgeLV1的像素個數。在本實施例中,上述邊緣強度值可為像素的亮度值,因此PixelCountEdgeLV1即為在預設物件304中亮度值為EdgeLV1的像素個數。舉例而言,若EdgeLV1為20,且PixelCountEdgeLV1為10000,即代表在預設物件304中共包括10000個亮度值為20的像素。
在一實施例中,處理器104可先對影像幀302進行邊緣偵測,以產生影像幀302的灰階圖306以及邊緣強度值分布圖308。邊緣強度值分布圖308的橫座標為像素邊緣強度值(例如,亮度值),而縱座標則為像素個數。接著,基於產生邊緣強度值分布圖308的機制,處理器104可相應地對預設物件304在灰階圖306中的對應區域製作類似的邊緣強度值分布圖(未繪示)。在此邊緣強度值分布圖中,橫座標即對應式(1)中的EdgeLV1,而縱座標則對應式(1)中的PixelCountEdgeLV1。藉此,處理器104即可基於式(1)而計算預設物件304的第一銳利度,但可不限於此。
此外,在其他實施例中,若處理器104在所考慮的影像幀中找到多個預設物件,則處理器104可基於以上教示來計算各預設物件的第一銳利度。
在一實施例中,若處理器104未在所考慮的影像幀中找到預設物件(例如,草、樹或文字),則可在步驟S220之後接續進
行步驟S260,其細節將在之後詳述。
在步驟S240中,處理器104可判斷預設物件304的第一銳利度是否低於銳利門限值。若是,則處理器104可接續執行步驟S250,反之則可接續執行步驟S260。在本實施例中,銳利門限值(以TH1表示)可以是與預設物件304屬於同類型的其他物件的平均銳利度。由於本實施例的預設物件304係假設為草,故TH1可以是其他同為草的物件的平均銳利度,而其可預先基於大量的影像資料統計而得,但可不限於此。
若預設物件304的第一銳利度小於TH1,則代表影像幀302可能是一張影像品質降低的畫面,因此可透過後續的步驟S250來估側銳利度降低的程度,以作為後續調整影像幀302清晰度的依據之一。
在其他實施例中,若所考慮的影像幀中存在多個預設物件,則處理器104可判斷這些預設物件的第一銳利度是否皆低於TH1。若否,則其中的某些預設物件可能是因帶有特殊影像效果(例如,景深效果)而具有較低的銳利度。相應地,處理器104可接續進行步驟S260。另一方面,若這些預設物件的第一銳利度皆低於TH1,則代表所考慮的影像幀可能是一張影像品質降低的畫面,因此可透過後續的步驟S250來估側銳利度降低的程度,以作為後續調整影像幀302清晰度的依據之一。
在步驟S250中,處理器104可計算預設物件304的第一銳利度與銳利門限值之間的差值。在一實施例中,上述差值可表徵
為:CV1=|EdgeLV AVRG-TH1| (2),但本發明可能的實施方式可不限於此。
在步驟S260中,處理器104可將影像幀302區分為多個區塊,並評估將各區塊的第二銳利度調高的風險值及效果值。
在一實施例中,上述風險值可包括局部風險值,其可為:
,其中EdgeLV2為邊緣強度值,其介於0及255之間,PixelCountEdgeLV2為在前述區塊之一中邊緣強度為EdgeLV2的像素個數。亦即,在將影像幀302區分為多個區塊之後,處理器104可對各個區塊皆製作相應的邊緣強度值分布圖。基於各區塊的邊緣強度值分布圖,處理器104可使用式(3)來計算各區塊的局部銳利度,並用以表徵將各區塊的第二銳利度調高的局部風險值。
在一實施例中,上述風險值還可包括全域風險值,其可為:
,其中EdgeLV3為邊緣強度值,其介於0及255之間,PixelCountEdgeLV3為在前述區塊中邊緣強度為EdgeLV3的像素個數。亦即,在將影像幀302區分為多個區塊之後,處理器104可對各個區塊皆製作相應的邊緣強度值分布圖。基於各區塊的邊緣強度值分布圖,處理器104可使用式(4)來計算所有區塊的全域銳利度,並用以表徵將各區塊的第二銳利度調高的全域風險值。
在一實施例中,上述效果值包括局部效果值,其可為:
,其中EdgeLV4為邊緣強度值,其介於0及255之間,PixelCountEdgeLV4為在該些區塊之一中邊緣強度為EdgeLV4的像素個數。相似於先前實施例中的教示,在將影像幀302區分為多個區塊之後,處理器104可對各個區塊皆製作相應的邊緣強度值分布圖。基於各區塊的邊緣強度值分布圖,處理器104可使用式(5)來計算各區塊的局部銳利度(但不考慮邊緣強度為0及255的像素),並用以表徵將各區塊的第二銳利度調高的局部效果值。
此外,由上可知,雖EdgeLV4介於0及255之間,但在式(5)中僅基於邊緣強度0及255之外的EdgeLV4(即,1~254)來計算CV4。其原因在於,對於邊緣強度為0的像素而言,其已屬於平滑區域(例如,純色區域),故調整其銳利度對於畫面效果並無實質助益。另一方面,對於邊緣強度為255的像素而言,由於其已過度銳利,因此若再將其銳利度調高的話,可能令調整後的畫面出現不自然影像效果等副作用。因此,處理器104在計算局部效果值時可先不考慮邊緣強度為0及255的像素,但本發明可不限於此。
在一實施例中,上述效果值還可包括全域效果值,其可為:
,其中EdgeLV5為邊緣強度值,其介於0及255之間,
PixelCountEdgeLV5為在該些區塊中邊緣強度為EdgeLV5的像素個數。相似於先前實施例中的教示,在將影像幀302區分為多個區塊之後,處理器104可對各個區塊皆製作相應的邊緣強度值分布圖。基於各區塊的邊緣強度值分布圖,處理器104可使用式(6)來計算全部區塊的全域銳利度(但不考慮邊緣強度為0及255的像素),並用以表徵將各區塊的第二銳利度調高的全域效果值。
此外,由上可知,雖EdgeLV5介於0及255之間,但在式(6)中僅基於邊緣強度0及255之外的EdgeLV5(即,1~254)來計算CV5,而其原因可參照計算CV4的相關說明,於此不再贅述。
在步驟S270中,處理器104可將差值、風險值及效果值輸入至分類模型,以產生清晰度設定值。在不同的實施例中,上述風險值可以包括局部風險值及/或全域風險值,而上述效果值可包括局部效果值及/或全域效果值。
在本實施例中,上述分類模型可實現為支持向量機(support vector machine,SVM)、類神經網路或是其他類似的模型。並且,上述分類模型可先經由一定數量的訓練資料進行訓練,進而透過學習而得知在各種不同的差值、風險值及效果值的組合之下,應令顯示器199採用何種清晰度設定值來調整影像幀的清晰度,方能令調整後的影像幀提供較佳的視覺效果,並避免出現諸如不自然效果等副作用。
相應地,在步驟S280中,處理器104可依據清晰度設定
值調整顯示器199顯示影像幀302的清晰度。如圖3所例示的,在影像幀302a(即,調整後的影像幀302)中,區域304a(其對應於預設物件304)的清晰度明顯變佳。同時,對於影像幀302中本就較清晰的區域3021而言,其在影像幀302a中的對應區域3021a亦未出現不自然的副作用。在此情況下,觀賞者在觀看影像302a時,並不會覺得影像302a中有哪個部分出現異常銳利的情形(例如,過於片片分明的樹葉等),因而不會感到視覺上的突兀感。
由上可知,本發明提出的方法可同時將影像幀的品質降低的程度、調整銳利度的(局部及/或全域)風險值及(局部及/或全域)效果值納入考量,進而據以動態地調整顯示器顯示影像幀的局部或全域清晰度。藉此,可令調整後的影像幀具有更佳的影像效果,進而提供更佳的使用者體驗。
為使本發明分類模型產生清晰度設定值的機制更為清楚,以下另基於第一實施例至第四實施例來進行說明,但其並非用以限定本發明可能的實施方式。
在第一實施例中,假設所考慮的影像幀包括圖片部分及被歸類為文字的預設物件,且預設物件在影像幀中的比例大於比例門限值時,上述分類模型可基於第一動態範圍定義對應於預設物件的第一清晰度設定值,並基於第二動態範圍定義對應於圖片部分的第二清晰度設定值,其中第一動態範圍大於第二動態範圍。簡言之,當影像幀中的文字部分較多時,上述分類模型可針對文字部分指派較小的第一清晰度設定值,並針對圖片部分指派較大的
第二清晰度設定值。
之後,處理器104可依據第一清晰度設定值調整顯示器199顯示預設物件的第一清晰度,並依據第二清晰度設定值調整顯示器199顯示圖片部分的第二清晰度。藉此,可令本就相對銳利的預設物件(即,文字)不會在調整後的影像幀中呈現過於銳利的視覺效果,並同時令原本較不銳利的圖片部分更為清晰,進而提供較佳的使用者體驗。
在第二實施例中,若上述風險值高於風險門限值,則上述分類模型可基於第三動態範圍定義對應於影像幀的清晰度設定值。相反地,若上述風險不高於風險門限值,則分類模型可基於第四動態範圍定義對應於影像幀的清晰度設定值,其中第三動態範圍小於第四動態範圍。
具體而言,在處理器104在依式(3)計算影像幀中各區塊的銳利度(其被表徵為風險值)之後,分類模型可相應地判斷這些區塊中是否有過多區塊的銳利度高於風險門限值。若是,分類模型可透過較小的清晰度設定值來微幅調整整張影像幀的清晰度。相反地,若分類模型判斷這些區塊中未有過多區塊的銳利度高於風險門限值,則分類模型可透過較大的清晰度設定值來較大幅地調整整張影像幀的清晰度。此外,處理器104還可微幅地調整影像幀的對比度,以達到補足視覺上清晰度的效果。
在第三實施例中,若預設物件的第一銳利度未低於銳利門限值,分類模型可基於第五動態範圍定義對應於影像幀的清晰
度設定值。具體而言,當預設物件的第一銳利度未低於銳利門限值時,即代表所考慮的影像幀中可能存有特殊的影像效果(例如,景深效果)。因此,分類模型可透過較小的清晰度設定值來微幅調整整張影像幀的清晰度。此外,處理器104還可微幅地調整影像幀的對比度,以達到補足視覺上清晰度的效果。
在第四實施例中,當所考慮的情境不屬於上述第一、第二或第三實施例的情境時,分類模型可基於第六動態範圍定義對應於影像幀的清晰度設定值,其中第六動態範圍大於第五動態範圍。亦即,分類模型可透過較大的清晰度設定值來較大幅地調整整張影像幀的清晰度。
綜上所述,本發明動態調整影像清晰度的方法及其影像處理裝置可同時將影像幀的品質降低的程度、調整銳利度的(局部及/或全域)風險值及(局部及/或全域)效果值納入考量,進而據以動態地調整顯示器顯示影像幀的局部或全域清晰度。藉此,可令調整後的影像幀具有更佳的影像效果,進而提供更佳的使用者體驗。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
Claims (20)
- 一種動態調整影像清晰度的方法,包括:取得一影像幀,並在該影像幀中搜尋一預設物件;若存在該預設物件,評估該預設物件的一第一銳利度;若該預設物件的該第一銳利度低於一銳利門限值,計算該預設物件的該第一銳利度與該銳利門限值之間的一差值;將該影像幀區分為多個區塊,並評估將各該區塊的一第二銳利度調高的至少一風險值及至少一效果值;將該差值、該至少一風險值及該至少一效果值輸入至一分類模型,以產生一清晰度設定值;以及依據該清晰度設定值調整一顯示器顯示該影像幀的一清晰度。
- 如申請專利範圍第1項所述的動態調整影像清晰度的方法,其中該影像幀包括該預設物件及一圖片部分,且當該預設物件為文字且在該影像幀中的比例大於一比例門限值時,該分類模型基於一第一動態範圍定義對應於該預設物件的一第一清晰度設定值,並基於一第二動態範圍定義對應於該圖片部分的一第二清晰度設定值,其中該第一動態範圍大於該第二動態範圍。
- 如申請專利範圍第7項所述的動態調整影像清晰度的方法,其中該清晰度設定值包括該第一清晰度設定值及該第二清晰度設定值,且依據該清晰度設定值調整該顯示器顯示該影像幀的該清晰度的步驟包括:依據該第一清晰度設定值調整該顯示器顯示該預設物件的一第一清晰度;以及依據該第二清晰度設定值調整該顯示器顯示該圖片部分的一第二清晰度。
- 如申請專利範圍第1項所述的動態調整影像清晰度的方法,其中若該至少一風險值高於一風險門限值,該分類模型基於一第三動態範圍定義對應於該影像幀的該清晰度設定值,而若該至少一風險不高於該風險門限值,該分類模型基於一第四動態範圍定義對應於該影像幀的該清晰度設定值,其中該第三動態範圍小於該第四動態範圍。
- 如申請專利範圍第1項所述的動態調整影像清晰度的方法,其中若該預設物件的該第一銳利度未低於該銳利門限值,該分類模型基於一第五動態範圍定義對應於該影像幀的該清晰度設定值。
- 一種影像處理裝置,設置用以耦接於一顯示器,包括:一儲存電路,儲存多個模組;以及一處理器,耦接該儲存電路,存取該些模組以執行下列步驟:取得一影像幀,並在該影像幀中搜尋一預設物件;若存在該預設物件,評估該預設物件的一第一銳利度;若該預設物件的該第一銳利度低於一銳利門限值,計算該預設物件的該第一銳利度與該銳利門限值之間的一差值;將該影像幀區分為多個區塊,並評估將各該區塊的一第二銳利度調高的至少一風險值及至少一效果值;將該差值、該至少一風險值及該至少一效果值輸入至一分類模型,以產生一清晰度設定值;以及依據該清晰度設定值調整該顯示器顯示該影像幀的一清晰度。
- 如申請專利範圍第11項所述的影像處理裝置,其中該影像幀包括該預設物件及一圖片部分,且當該預設物件為文字且在該影像幀中的比例大於一比例門限值時,該分類模型基於一第一動態範圍定義對應於該預設物件的一第一清晰度設定值,並基於一第二動態範圍定義對應於該圖片部分的一第二清晰度設定值,其中該第一動態範圍大於該第二動態範圍。
- 如申請專利範圍第17項所述的影像處理裝置,其中該清晰度設定值包括該第一清晰度設定值及該第二清晰度設定值,且該處理器經配置以:依據該第一清晰度設定值調整該顯示器顯示該預設物件的一第一清晰度;以及依據該第二清晰度設定值調整該顯示器顯示該圖片部分的一第二清晰度。
- 如申請專利範圍第11項所述的影像處理裝置,其中若該至少一風險值高於一風險門限值,該分類模型基於一第三動態範圍定義對應於該影像幀的該清晰度設定值,而若該至少一風險不高於該風險門限值,該分類模型基於一第四動態範圍定義對應於該影像幀的該清晰度設定值,其中該第三動態範圍小於該第四動態範圍。
- 如申請專利範圍第11項所述的影像處理裝置,其中若該預設物件的該第一銳利度未低於第一門限值,該分類模型基於一第五動態範圍定義對應於該影像幀的該清晰度設定值。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107132812A TWI678927B (zh) | 2018-09-18 | 2018-09-18 | 動態調整影像清晰度的方法及其影像處理裝置 |
US16/210,000 US10803566B2 (en) | 2018-09-18 | 2018-12-05 | Method for dynamically adjusting image clarity and image processing device using the same |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107132812A TWI678927B (zh) | 2018-09-18 | 2018-09-18 | 動態調整影像清晰度的方法及其影像處理裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI678927B true TWI678927B (zh) | 2019-12-01 |
TW202013955A TW202013955A (zh) | 2020-04-01 |
Family
ID=69582638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107132812A TWI678927B (zh) | 2018-09-18 | 2018-09-18 | 動態調整影像清晰度的方法及其影像處理裝置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10803566B2 (zh) |
TW (1) | TWI678927B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210067699A (ko) | 2019-11-29 | 2021-06-08 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060017773A1 (en) * | 2004-07-26 | 2006-01-26 | Sheraizin Semion M | Adaptive image improvement |
US20080137943A1 (en) * | 2006-12-11 | 2008-06-12 | Samsung Electronics Co., Ltd. | Apparatus and method to improve clarity of image |
US20110090370A1 (en) * | 2009-10-20 | 2011-04-21 | Apple Inc. | System and method for sharpening image data |
US8098953B2 (en) * | 2002-02-12 | 2012-01-17 | Panasonic Corporation | Image processing apparatus and image processing method for adaptively processing an image using an enhanced image and edge data |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3426079B2 (ja) * | 1996-03-18 | 2003-07-14 | シャープ株式会社 | 画像形成システム |
JP3881439B2 (ja) * | 1998-01-23 | 2007-02-14 | シャープ株式会社 | 画像処理装置 |
TW200910981A (en) * | 2007-08-20 | 2009-03-01 | Mstar Semiconductor Inc | Method and apparatus for adjusting image sharpness |
US8488901B2 (en) * | 2007-09-28 | 2013-07-16 | Sony Corporation | Content based adjustment of an image |
US8279263B2 (en) * | 2009-09-24 | 2012-10-02 | Microsoft Corporation | Mapping psycho-visual characteristics in measuring sharpness feature and blurring artifacts in video streams |
WO2014056112A1 (en) * | 2012-10-10 | 2014-04-17 | Broadbandtv, Corp. | Intelligent video thumbnail selection and generation |
US9083959B2 (en) * | 2013-02-20 | 2015-07-14 | Intel Corporation | Real-time automatic conversion of 2-dimensional images or video to 3-dimensional stereo images or video |
-
2018
- 2018-09-18 TW TW107132812A patent/TWI678927B/zh active
- 2018-12-05 US US16/210,000 patent/US10803566B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8098953B2 (en) * | 2002-02-12 | 2012-01-17 | Panasonic Corporation | Image processing apparatus and image processing method for adaptively processing an image using an enhanced image and edge data |
US20060017773A1 (en) * | 2004-07-26 | 2006-01-26 | Sheraizin Semion M | Adaptive image improvement |
US20080137943A1 (en) * | 2006-12-11 | 2008-06-12 | Samsung Electronics Co., Ltd. | Apparatus and method to improve clarity of image |
US20110090370A1 (en) * | 2009-10-20 | 2011-04-21 | Apple Inc. | System and method for sharpening image data |
Non-Patent Citations (2)
Title |
---|
Ping Li et. al., "Block-based content-adaptive sharpness enhancement", 2009 IEEE 13th International Symposium on Consumer Electronics, Year: 2009, Pages: 18 - 21 * |
Tatsuya Kobayashi et. al., "Content-Adaptive Automatic Image Sharpening", 2010 20th International Conference on Pattern Recognition, Year: 2010, Pages: 2214 - 2217 * |
Also Published As
Publication number | Publication date |
---|---|
TW202013955A (zh) | 2020-04-01 |
US10803566B2 (en) | 2020-10-13 |
US20200090312A1 (en) | 2020-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11170210B2 (en) | Gesture identification, control, and neural network training methods and apparatuses, and electronic devices | |
US10510290B2 (en) | Image processing method and apparatus for preventing screen burn-ins and related display apparatus | |
US20190244369A1 (en) | Display device and method for image processing | |
US10089957B2 (en) | Page display method and terminal | |
WO2021179851A1 (zh) | 图像处理方法、装置、终端及存储介质 | |
US8731248B2 (en) | Method of performing eye circle correction an image and related computing device | |
US20160042502A1 (en) | Image enhancement method and device | |
CN104063846A (zh) | 用于基于检测到的信息来处理图像的方法和装置 | |
WO2019140881A1 (zh) | 图像显示方法、计算机可读存储介质、终端设备及装置 | |
US20180144446A1 (en) | Image processing apparatus and method | |
US20130106841A1 (en) | Dynamic depth image adjusting device and method thereof | |
TWI678927B (zh) | 動態調整影像清晰度的方法及其影像處理裝置 | |
US20190213713A1 (en) | Mobile device, and image processing method for mobile device | |
US20150215602A1 (en) | Method for ajdusting stereo image and image processing device using the same | |
CN111010525B (zh) | 动态调整图像清晰度的方法及其图像处理装置 | |
WO2022007787A1 (zh) | 图像处理方法、装置、设备和介质 | |
KR20110137634A (ko) | 스케치 영상 생성방법 및 이를 적용한 디스플레이 장치 | |
US10152818B2 (en) | Techniques for stereo three dimensional image mapping | |
US10114447B2 (en) | Image processing method and apparatus for operating in low-power mode | |
CN112055247B (zh) | 一种视频播放方法、装置、系统及存储介质 | |
TW202236207A (zh) | 並排影像偵測方法與使用該方法的電子裝置 | |
CN112511890A (zh) | 视频图像处理方法、装置及电子设备 | |
CN114327216B (zh) | 影像显示装置与其清晰度调整方法 | |
Tariq et al. | Perceptually Adaptive Real-Time Tone Mapping | |
TWI740326B (zh) | 電腦系統及其影像補償方法 |