TWI707307B - 影像調整方法 - Google Patents
影像調整方法 Download PDFInfo
- Publication number
- TWI707307B TWI707307B TW107139717A TW107139717A TWI707307B TW I707307 B TWI707307 B TW I707307B TW 107139717 A TW107139717 A TW 107139717A TW 107139717 A TW107139717 A TW 107139717A TW I707307 B TWI707307 B TW I707307B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- color
- input image
- blocks
- adjustment method
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000013136 deep learning model Methods 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 238000002156 mixing Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 241000023320 Luma <angiosperm> Species 0.000 claims description 3
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 claims description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G06T5/60—
-
- G06T5/73—
-
- G06T5/90—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/002—Image coding using neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/44—Receiver circuitry for the reception of television signals according to analogue transmission standards
- H04N5/57—Control of contrast or brightness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
一種影像調整方法包含:透過深度學習模型來對輸入影像進行分類,以取得輸入影像中所包含之至少一類別、每一類別所對應之權重值以及每一類別所對應之輸入影像的至少一區塊;取得每一區塊之色彩資訊與座標資訊;以及根據每一區塊所對應之權重值、座標資訊與色彩資訊來調整輸入影像之每一區塊之銳利度、動態對比控制與色彩獨立管理之至少一者,以產生輸出影像。
Description
本揭露實施例是有關於一種影像調整方法,且特別是有關於用於調整輸入影像之銳利度(sharpness)、動態對比控制(Dynamic Contrast Control,DCC)和/或色彩獨立管理(Independent Color Management,ICM)的一種影像調整方法。
在影像的視覺品質之優化的處理中,影像的銳利度(sharpness)、動態對比控制(DCC)和/或色彩獨立管理(ICM)之調整是很重要的影像強化步驟,通常會對原始影像進行調整以加強影像的色彩呈現進而改善影像的視覺品質。然而,通常在影像中的各個區塊所需的調整程度不盡相同,若是在影像強化的過程中直接針對整張影像作調整,可能會導致影像的調整結果不如預期。
本揭露之目的在於提出一種影像調整方法,包含:透過深度學習(Deep Learning)模型來對輸入影像進行分類,以取得輸入影像中所包含之至少一類別、每一類別所
對應之權重值以及每一類別所對應之輸入影像的至少一區塊;取得每一區塊之色彩資訊與座標資訊;以及根據每一區塊所對應之權重值、座標資訊與色彩資訊來調整輸入影像之每一區塊之銳利度(Sharpness)、動態對比控制(Dynamic Contrast Control,DCC)與色彩獨立管理(Independent Color Management,ICM)之至少一者,以產生輸出影像。
S1-S3、S21-S28、S31-S35、S41-S44‧‧‧步驟
透過閱讀實施例的以下詳細描述,且參考如下所附圖示,可以更完整地理解本揭露。
[圖1]係根據本揭露的實施例之影像調整方法的流程圖。
[圖2]係根據本揭露的實施例之調整影像之銳利度的方法的流程圖。
[圖3]係根據本揭露的實施例之調整影像之動態對比控制的方法的流程圖。
[圖4]係根據本揭露的實施例之調整影像之色彩獨立管理的方法的流程圖。
下文係舉實施例配合所附圖式作詳細說明,但所提供之實施例並非用以限制本發明所涵蓋的範圍,而結構運作之描述非用以限制其執行之順序,任何由元件重新組合之結構,所產生具有均等功效的裝置,皆為本發明所涵蓋的
範圍。
圖1係根據本揭露的實施例之影像調整方法的流程圖。於步驟S1,透過深度學習(Deep Learning)模型來對輸入影像進行分類,以取得輸入影像中所包含之至少一類別、每一類別所對應之權重值以及每一類別所對應之輸入影像的至少一區塊。
在本揭露的實施例中,深度學習模型係應用了人工智慧(Artificial Intelligence,AI)技術,透過模仿人腦的類神經網路(Neural Network)預先對大量特定影像資料進行學習,從而能夠利用經訓練的深度學習模型來進行影像辨識,深度學習模型用以從輸入影像中辨識出影像中所包含的至少一物件,並辨別出物件的類別,例如:人臉。在本揭露的實施例中,權重值代表的是該類別所佔的比例,舉例來說,若輸入影像包含第一類別與第二類別,則第一類別所對應之第一權重值與第二類別所對應之第二權重值的加總值為1。
於步驟S2,取得每一區塊之色彩資訊與座標資訊。在本揭露的實施例中,每一區塊之色彩資訊係統計每一該些區塊的複數個像素的複數個色彩值中出現次數最多的該色彩值。舉例來說,若色彩值採用的是YUV格式,則統計在區塊內的多個像素的多個Y值當中出現次數最多者,表示為Ymax;統計在區塊內的多個像素的多個U值當中出現次數最多者,表示為Umax;統計在區塊內的多個像素的多個V值當中出現次數最多者,表示為Vmax,則色彩資訊即表示
為YmaxUmaxVmax。在本揭露的實施例中,每一區塊之座標資訊係每一區塊之左上角與右下角的座標值,用以表示出區塊於輸入影像中由左上到右下的位置資訊。
於步驟S3,根據每一區塊所對應之權重值、座標資訊與色彩資訊來調整輸入影像之每一區塊之銳利度(Sharpness)、動態對比控制(DCC)與色彩獨立管理(ICM)之至少一者,以產生輸出影像。關於銳利度(Sharpness)、動態對比控制(DCC)與色彩獨立管理(ICM)之調整的細節將在以下進一步說明。
圖2係根據本揭露的實施例之調整影像之銳利度(Sharpness)的方法的流程圖。於步驟S21,對輸入影像進行色彩格式轉換。在本揭露的實施例中,色彩格式轉換為將RGB色彩格式轉換至YUV色彩格式,但本揭露不限於此。於步驟S22,對輸入影像之多個區塊進行影像特徵分類。於步驟S23,根據影像特徵分類的結果進行增益匹配(Gain Mapping)。在本揭露的實施例中,影像特徵分類係根據色彩值中的Y值,即亮度值(Luminance或Luma),來將輸入影像之每一區塊依據平坦(flat)部分、邊緣(edge)部分與紋理(texture)部分進行分類,且根據分類結果來進行增益匹配。
於步驟S24,對輸入影像之每一區塊之多個像素所分別對應的色彩值中的Y值,即亮度值(以下稱為第一亮度值)進行銳利度處理,以取得輸入影像之每一區塊之多個像素所分別對應的第二亮度值。於步驟S25,根據增益匹
配的結果、每一區塊所對應之權重值、座標資訊與色彩資訊來對輸入影像之每一區塊之色彩資訊所對應的第一亮度值與第二亮度值進行混合處理(blending),以取得輸入影像之每一區塊之多個像素所分別對應的第三亮度值。在本揭露的實施例中,根據增益匹配的結果、每一區塊所對應之權重值、座標資訊與色彩資訊來計算出第一亮度值與第二亮度值於混合處理時所各自佔的比例,舉例來說,第一亮度值為Y1,且其於混合處理時所佔的比例為W1,第二亮度值為Y2,且其於混合處理時所佔的比例為W2,則第三亮度值為Y1*W1+Y2*W2。
於步驟S26,對輸入影像之每一區塊之多個像素所分別對應的色彩值中的U值與V值,即色度值(Chrominance或Chroma)(以下稱為第一色度值),進行色度處理(Chroma Process),以取得輸入影像之每一區塊之多個像素所分別對應的第二色度值。於步驟S27,對輸入影像之每一區塊之多個像素所分別對應的第三亮度值與第二色度值進行色彩格式反轉換,以產生輸出影像。在本揭露的實施例中,色彩格式反轉換與步驟S21中的色彩格式轉換相反,例如是將YUV色彩格式轉換回RGB色彩格式。
於步驟S28,根據每一區塊所對應之權重值、座標資訊與色彩資訊來對輸入影像與輸出影像進行混合處理,以使得輸出影像之色彩與輸入影像不至於相差太多。步驟S28的目的在於,對於最終輸出影像的某些特定區塊進行保護,以使得輸出影像呈現更加自然。
值得一提的是,在本揭露的實施例中,輸入影像之每一區塊之中心處之銳利度的調整程度係高於位於輸入影像之每一區塊之邊緣處。換言之,輸入影像之每一區塊之中心處之銳利度的調整程度最高,且調整程度由輸入影像之每一區塊之中心處往邊緣處遞減。
圖3係根據本揭露的實施例之調整影像之動態對比控制(DCC)的方法的流程圖。於步驟S31,對輸入影像進行色彩格式轉換。在本揭露的實施例中,色彩格式轉換為將RGB色彩格式轉換至YUV色彩格式,但本揭露不限於此。於步驟S32,根據每一區塊所對應之權重值、座標資訊與色彩資訊來對輸入影像之每一區塊之多個像素所分別對應的色彩值中的Y值,即亮度值,進行亮度曲線匹配(Luma Curve Mapping)。
於步驟S33,根據亮度曲線匹配的結果來對輸入影像之每一區塊之多個像素所分別對應的色彩值中的U值與V值,即色度值,進行色度增強(Chroma Enhance)。於步驟S34,根據色度增強的結果來進行色彩格式反轉換,以產生輸出影像。在本揭露的實施例中,色彩格式反轉換與步驟S31中的色彩格式轉換相反,例如是將YUV色彩格式轉換回RGB色彩格式。
於步驟S35,根據每一區塊所對應之權重值、座標資訊與色彩資訊來對輸入影像與輸出影像進行混合處理,以使得輸出影像之色彩與輸入影像不至於相差太多。步驟S35的目的在於,對於最終輸出影像的某些特定區塊進行
保護,以使得輸出影像呈現更加自然。
值得一提的是,在本揭露的實施例中,輸入影像之每一區塊之中心處之動態對比控制的調整程度係高於位於輸入影像之每一區塊之邊緣處。換言之,輸入影像之每一區塊之中心處之動態對比控制的調整程度最高,且調整程度由輸入影像之每一區塊之中心處往邊緣處遞減。
圖4係根據本揭露的實施例之調整影像之色彩獨立管理(ICM)的方法的流程圖。於步驟S41,對輸入影像進行色彩格式轉換。在本揭露的實施例中,步驟S41中的色彩格式轉換為將RGB色彩格式轉換至HSI色彩格式,但本揭露不限於此。於步驟S42,根據每一區塊所對應之權重值、座標資訊與色彩資訊來對輸入影像之每一區塊之多個像素所分別對應的色彩值進行色彩獨立管理三維色彩查表(ICM 3D color table)。於步驟S43,根據色彩獨立管理查表的結果進行色彩格式反轉換,以產生輸出影像。在本揭露的實施例中,色彩格式反轉換與步驟S41中的色彩格式轉換相反,例如是將HSI色彩格式轉換回RGB色彩格式。
於步驟S44,根據每一區塊所對應之權重值、座標資訊與色彩資訊來對輸入影像與輸出影像進行混合處理,以使得輸出影像之色彩與輸入影像不至於相差太多。步驟S44的目的在於,對於最終輸出影像的某些特定區塊進行保護,以使得輸出影像呈現更加自然。
值得一提的是,在本揭露的實施例中,輸入影像之每一區塊之中心處之色彩獨立管理的調整程度係高於
位於輸入影像之每一區塊之邊緣處。換言之,輸入影像之每一區塊之中心處之色彩獨立管理的調整程度最高,且調整程度由輸入影像之每一區塊之中心處往邊緣處遞減。
綜合上述,本揭露提出一種影像調整方法,透過深度學習模型來先對輸入影像進行分類後,接著依據分類結果與影像上的資訊來調整輸入影像之銳利度(Sharpness)、動態對比控制(DCC)與色彩獨立管理(ICM)之至少一者,以產生輸出影像。本揭露提供了更具彈性的影像調整方法,從而更佳地改善影像的視覺品質。
以上概述了數個實施例的特徵,因此熟習此技藝者可以更了解本揭露的態樣。熟習此技藝者應了解到,其可輕易地把本揭露當作基礎來設計或修改其他的製程與結構,藉此實現和在此所介紹的這些實施例相同的目標及/或達到相同的優點。熟習此技藝者也應可明白,這些等效的建構並未脫離本揭露的精神與範圍,並且他們可以在不脫離本揭露精神與範圍的前提下做各種的改變、替換與變動。
S1-S3‧‧‧步驟
Claims (10)
- 一種影像調整方法,包含:透過一深度學習(Deep Learning)模型來對一輸入影像進行分類,以取得該輸入影像中所包含之至少一類別、每一該些類別所對應之一權重值以及每一該些類別所對應之該輸入影像的至少一區塊;取得每一該些區塊之一色彩資訊與一座標資訊;以及根據每一該些區塊所對應之該權重值、該座標資訊與該色彩資訊來調整該輸入影像之每一該些區塊之銳利度(Sharpness)、動態對比控制(Dynamic Contrast Control,DCC)與色彩獨立管理(Independent Color Management,ICM)之至少一者,以產生一輸出影像。
- 如申請專利範圍第1項所述之影像調整方法,其中每一該些區塊之該色彩資訊係統計每一該些區塊的複數個像素的複數個色彩值中出現次數最多的該色彩值;其中每一該些區塊之該座標資訊係每一該些區塊之左上與右下的一座標值。
- 如申請專利範圍第2項所述之影像調整方法,其中關於調整該輸入影像之每一該些區塊之銳利度,該影像調整方法更包含: 對該輸入影像進行一色彩格式轉換;對該輸入影像之該些區塊進行一影像特徵分類;根據該影像特徵分類的結果進行一增益匹配(Gain Mapping);對該輸入影像之每一該些區塊之該些像素所分別對應的一第一亮度值進行一銳利度處理,以取得該輸入影像之每一該些區塊之該些像素所分別對應的一第二亮度值;根據該增益匹配的結果、每一該些區塊所對應之該權重值、該座標資訊與該色彩資訊來對該輸入影像之每一該些區塊之該色彩資訊所對應的該第一亮度值與該第二亮度值進行混合處理(blending),以取得該輸入影像之每一該些區塊之該些像素所分別對應的一第三亮度值;對該輸入影像之每一該些區塊之該些像素所分別對應的一第一色度值進行一色度處理(Chroma Process),以取得該輸入影像之每一該些區塊之該些像素所分別對應的一第二色度值;以及對該輸入影像之每一該些區塊之該些像素所分別對應的該第三亮度值與該第二色度值進行一色彩格式反轉換,以產生該輸出影像。
- 如申請專利範圍第3項所述之影像調整方法,其中關於調整該輸入影像之每一該些區塊之銳利度,該影像調整方法更包含:進行該色彩格式反轉換之後,根據每一該些區塊所對 應之該權重值、該座標資訊與該色彩資訊來對該輸入影像與該輸出影像進行混合處理,以使得該輸出影像之色彩與該輸入影像不至於相差太多。
- 如申請專利範圍第3項所述之影像調整方法,其中該影像特徵分類係將該輸入影像之每一該些區塊依據一平坦部分、一邊緣部分與一紋理部分進行分類。
- 如申請專利範圍第2項所述之影像調整方法,其中關於調整該輸入影像之每一該些區塊之動態對比控制,該影像調整方法更包含:對該輸入影像進行一色彩格式轉換;根據每一該些區塊所對應之該權重值、該座標資訊與該色彩資訊來對該輸入影像之每一該些區塊之該些像素所分別對應的一第一亮度值進行一亮度曲線匹配(Luma Curve Mapping);根據該亮度曲線匹配的結果來對該輸入影像之每一該些區塊之該些像素所分別對應的一第一色度值進行一色度增強(Chroma Enhance);以及根據該色度增強的結果來進行一色彩格式反轉換,以產生該輸出影像。
- 如申請專利範圍第6項所述之影像調整方法,其中關於調整該輸入影像之每一該些區塊之動態對比 控制,該影像調整方法更包含:進行該色彩格式反轉換之後,根據每一該些區塊所對應之該權重值、該座標資訊與該色彩資訊來對該輸入影像與該輸出影像進行混合處理,以使得該輸出影像之色彩與該輸入影像不至於相差太多。
- 如申請專利範圍第2項所述之影像調整方法,其中關於調整該輸入影像之每一該些區塊之色彩獨立管理,該影像調整方法更包含:對該輸入影像進行一色彩格式轉換,以獲得該輸入影像之每一該些區塊之該些像素所分別對應的一轉換後色彩值;根據每一該些區塊所對應之該權重值、該座標資訊與該色彩資訊來對該輸入影像之每一該些區塊之該些像素所分別對應的該轉換後色彩值進行一色彩獨立管理三維色彩查表(ICM 3D color table);以及根據該色彩獨立管理查表的結果進行一色彩格式反轉換,以產生該輸出影像。
- 如申請專利範圍第8項所述之影像調整方法,其中關於調整該輸入影像之每一該些區塊之色彩獨立管理,該影像調整方法更包含:進行該色彩格式反轉換之後,根據每一該些區塊所對應之該權重值、該座標資訊與該色彩資訊來對該輸入影像 與該輸出影像進行混合處理,以使得該輸出影像之色彩與該輸入影像不至於相差太多。
- 如申請專利範圍第1項所述之影像調整方法,其中該輸入影像之每一該些區塊之中心處的銳利度、動態對比控制與色彩獨立管理之至少一者的調整程度係高於該輸入影像之每一該些區塊之邊緣處。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107139717A TWI707307B (zh) | 2018-11-08 | 2018-11-08 | 影像調整方法 |
US16/415,261 US11082613B2 (en) | 2018-11-08 | 2019-05-17 | Image adjusting method and image adjusting device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107139717A TWI707307B (zh) | 2018-11-08 | 2018-11-08 | 影像調整方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202018662A TW202018662A (zh) | 2020-05-16 |
TWI707307B true TWI707307B (zh) | 2020-10-11 |
Family
ID=70550954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107139717A TWI707307B (zh) | 2018-11-08 | 2018-11-08 | 影像調整方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11082613B2 (zh) |
TW (1) | TWI707307B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102082970B1 (ko) * | 2019-04-29 | 2020-02-28 | 주식회사 루닛 | 기계학습을 위한 정규화 방법 및 그 장치 |
TWI725795B (zh) * | 2020-03-27 | 2021-04-21 | 宏正自動科技股份有限公司 | 影像處理系統、影像處理裝置及影像處理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000293679A (ja) * | 1999-04-05 | 2000-10-20 | Yamatoya & Co Ltd | Ram型画像の階調変換用システムlsi |
US20060072799A1 (en) * | 2004-08-26 | 2006-04-06 | Mclain Peter B | Dynamic contrast visualization (DCV) |
US20080128626A1 (en) * | 2004-11-09 | 2008-06-05 | Spectrum Dynamics Llc | Radioimaging |
US20080129732A1 (en) * | 2006-08-01 | 2008-06-05 | Johnson Jeffrey P | Perception-based artifact quantification for volume rendering |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6522425B2 (en) * | 1997-02-04 | 2003-02-18 | Fuji Photo Film Co., Ltd. | Method of predicting and processing image fine structures |
DE10126546A1 (de) * | 2001-05-30 | 2002-12-05 | Wilfried Donner | Vorrichtung und Verfahren zur Ermittlung eines ortsabhängigen Intensitäts- und Farbprofils und/oder Schärfeprofils optischer Linsensysteme |
US7574016B2 (en) * | 2003-06-26 | 2009-08-11 | Fotonation Vision Limited | Digital image processing using face detection information |
US7844076B2 (en) * | 2003-06-26 | 2010-11-30 | Fotonation Vision Limited | Digital image processing using face detection and skin tone information |
JP4496465B2 (ja) * | 2004-04-23 | 2010-07-07 | ノーリツ鋼機株式会社 | 赤目補正方法、プログラム、及びこの方法を実施する装置 |
US20130321675A1 (en) * | 2012-05-31 | 2013-12-05 | Apple Inc. | Raw scaler with chromatic aberration correction |
EP3295377A4 (en) * | 2015-05-14 | 2019-01-09 | SRI International | OPTIMAL IMAGE SELECTION FROM MOBILE DEVICE CAPTURES |
CN107680128B (zh) * | 2017-10-31 | 2020-03-27 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
-
2018
- 2018-11-08 TW TW107139717A patent/TWI707307B/zh active
-
2019
- 2019-05-17 US US16/415,261 patent/US11082613B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000293679A (ja) * | 1999-04-05 | 2000-10-20 | Yamatoya & Co Ltd | Ram型画像の階調変換用システムlsi |
US20060072799A1 (en) * | 2004-08-26 | 2006-04-06 | Mclain Peter B | Dynamic contrast visualization (DCV) |
US20080128626A1 (en) * | 2004-11-09 | 2008-06-05 | Spectrum Dynamics Llc | Radioimaging |
US20080129732A1 (en) * | 2006-08-01 | 2008-06-05 | Johnson Jeffrey P | Perception-based artifact quantification for volume rendering |
Also Published As
Publication number | Publication date |
---|---|
US20200154039A1 (en) | 2020-05-14 |
TW202018662A (zh) | 2020-05-16 |
US11082613B2 (en) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106504212A (zh) | 一种改进的hsi空间信息低照度彩色图像增强算法 | |
CN103593830B (zh) | 一种低照度视频图像增强方法 | |
US9143657B2 (en) | Color enhancement technique using skin color detection | |
US8224086B2 (en) | Methods and apparatuses for restoring color and enhancing electronic images | |
Zhang et al. | Skin color enhancement based on favorite skin color in HSV color space | |
CN101360250B (zh) | 沉浸产生方法和系统及因素控制、内容分析及参数预测法 | |
CN102223547B (zh) | 图像色彩增强装置和方法 | |
US9396526B2 (en) | Method for improving image quality | |
JP2006229925A (ja) | 動的画像彩度処理装置 | |
TWI698124B (zh) | 影像調整方法以及相關的影像處理電路 | |
Gautam et al. | Efficient color image contrast enhancement using range limited bi-histogram equalization with adaptive gamma correction | |
CN103886565A (zh) | 基于目的性优化及直方图均衡化的夜间彩色图像增强方法 | |
TWI707307B (zh) | 影像調整方法 | |
CN110310231B (zh) | 一种将第一动态范围视频转换为第二动态范围视频的设备及其方法 | |
CN111476744B (zh) | 一种基于分类及大气成像模型的水下图像增强方法 | |
CN103380451A (zh) | 视频显示装置 | |
CN114187222A (zh) | 一种低照度图像的增强方法、系统及可存储介质 | |
US8351724B2 (en) | Blue sky color detection technique | |
JP2014078808A (ja) | 画像処理装置、画像処理方法 | |
Nakajima et al. | A novel color image processing scheme in HSI color space with negative image processing | |
CN110580690B (zh) | 一种识别峰值变换非线性曲线的图像增强方法 | |
CN105208362B (zh) | 基于灰度平衡原理的图像色偏自动校正方法 | |
JP5327766B2 (ja) | デジタル画像における記憶色の修正 | |
CN111200699B (zh) | 影像调整方法 | |
CN105631812B (zh) | 一种对显示图像进行色彩增强的控制方法及控制装置 |