WO2017190445A1 - Rgb图像处理方法及系统 - Google Patents

Rgb图像处理方法及系统 Download PDF

Info

Publication number
WO2017190445A1
WO2017190445A1 PCT/CN2016/096115 CN2016096115W WO2017190445A1 WO 2017190445 A1 WO2017190445 A1 WO 2017190445A1 CN 2016096115 W CN2016096115 W CN 2016096115W WO 2017190445 A1 WO2017190445 A1 WO 2017190445A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
component
images
processed
component images
Prior art date
Application number
PCT/CN2016/096115
Other languages
English (en)
French (fr)
Inventor
王甜甜
Original Assignee
深圳Tcl新技术有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 深圳Tcl新技术有限公司 filed Critical 深圳Tcl新技术有限公司
Publication of WO2017190445A1 publication Critical patent/WO2017190445A1/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture

Definitions

  • the present invention relates to the field of image processing technologies, and in particular, to an RGB image processing method and system.
  • the traditional high dynamic display image is to process the brightness of the image.
  • the original image is converted into a color chrominance space image containing the luminance Y component, and then the image of the color chromaticity space is processed, and during the processing of the image.
  • the brightness of the image processing and the like may be unbalanced, thereby affecting the display of texture or color features of the image, in order to balance the brightness of the final processed image, so that
  • the main object of the present invention is to provide an RGB image processing method and system, which aims to solve the technical problem of processing RGB images by using different image algorithms for RGB images containing different luminance regions, and reducing the processing efficiency of RGB images. .
  • the present invention provides an RGB image processing method, and the RGB image processing method includes the following steps:
  • the converted component images are superimposed to obtain a processed YCbCr image, and the processed YCbCr image is converted into an RGB image for output.
  • the present invention provides an RGB image processing method, and the RGB image processing method includes the following steps:
  • the adjusted individual component images are superimposed to obtain a processed YCbCr image, and the processed YCbCr image is converted into an RGB image for output.
  • the present invention also provides an RGB image processing system, the RGB image processing system comprising:
  • a conversion module for converting a raw RGB image into a YCbCr image
  • a normalization module configured to respectively normalize each component in the YCbCr image to obtain normalized component images
  • An adjustment module configured to perform brightness adjustment on each of the normalized component images according to the interpolation curve corresponding to the original RGB image, to obtain the adjusted component images
  • a processing module configured to superimpose the adjusted component images to obtain a processed YCbCr image, and convert the processed YCbCr image into an RGB image for output.
  • the RGB image processing method and system proposed by the present invention first normalizes each component in the YCbCr image, that is, the Y component, the Cb component, and the Cr component, in the image processing process, to obtain normalized component images. Then, according to the interpolation curve corresponding to the original RGB image, the normalized component images are adjusted in brightness, so that the image processing is not only to adjust the Y component, but also to adjust the image Cb component and the Cr component at the same time, which is beneficial for adjustment. At the same time of brightness, it is also beneficial to maintain detailed information such as texture or color features of the image, without using different algorithms to adjust the image during image processing of different brightness regions, so that the brightness balance and detail features of the image are clearly displayed.
  • the present invention normalizes each component of an image separately, and then adjusts each component image by an interpolation curve, which is common to different brightness images, and does not need to be adopted according to different brightness regions. Different algorithms are processed to improve the efficiency of RGB image processing.
  • FIG. 1 is a schematic flow chart of a first embodiment of an RGB image processing method according to the present invention
  • FIG. 2 is a schematic flow chart of a preferred embodiment of performing brightness adjustment on each component image after normalization according to an interpolation curve corresponding to the original RGB image to obtain an adjusted component image;
  • FIG. 3 is a schematic flow chart of a preferred embodiment of obtaining a luminance image corresponding to each component according to a component image normalized by each component, a bilaterally filtered component image, and a linearly interpolated component image;
  • FIG. 4 is a schematic flow chart of a preferred embodiment of superimposing the adjusted component images to obtain a processed YCbCr image
  • FIG. 5 is a schematic flow chart of a preferred embodiment of superimposing the converted component images to obtain a processed YCbCr image
  • FIG. 6 is a schematic diagram of functional modules of a first embodiment of an RGB image processing system according to the present invention.
  • FIG. 7 is a schematic diagram of a refinement function module of the adjustment module of FIG. 6;
  • FIG. 8 is a schematic diagram of a refinement function module of the first processing sub-module of FIG. 7;
  • FIG. 9 is a schematic diagram of a refinement function module of the processing module of FIG. 6;
  • FIG. 10 is a schematic diagram of a refinement function module of the third processing sub-module of FIG. 9.
  • the present invention provides an RGB image processing method.
  • FIG. 1 is a schematic flow chart of a first embodiment of an RGB image processing method according to the present invention.
  • RGB image processing method provides an RGB image processing method, and the RGB image processing method includes:
  • Step S10 converting the original RGB image into a YCbCr image
  • the original RGB (R (red), G (green), B (blue), color mode) images are first acquired, and then the acquired original RGB images are converted into YCbCr color space images.
  • the YCbCr images are Three components are included, which are a Y (luminance) component, a Cb (blue density offset) component, and a Cr (red density offset) component.
  • the type of the original RGB image is first determined, and the image type includes uint8 (8-bit unsigned integer), uint16 (16-bit unsigned integer), and the like, and the image type
  • the original RGB image with uint8 has an intensity value of 0 ⁇ 255
  • the original RGB image with image type uint16 has an intensity value of 0 ⁇ 65535.
  • the image type corresponding to the original RGB image is mostly uint8 image type.
  • the uint8 of the original RGB image is first converted into a double (64-bit) type, because the image is saved in the uint8 type, but The processing of the image involves the calculation of the decimal point. Therefore, the uint8 type image needs to be converted into a double type image to facilitate the calculation and preservation of the subsequent image data. After converting the uint8 type of the original RGB image into a double type, the double type is then used. Converting RGB images into YCbCr images, specifically converting double-type RGB images into YCbCr images is converted by the following formula :
  • Step S20 normalizing each component in the YCbCr image to obtain normalized component images
  • the Cb component and the Cr component range from 16 to 240, in order to The value range of the image is normalized to between 0 and 1, that is, between 0 and 255. In this case, the value range of the Y component, the Cb component, and the Cr component needs to be converted to 0 to 255. Therefore, this embodiment is The transformed image is normalized. If the normalized Y component image is represented by the symbol L_I_Y, the normalized processing of the Y component is:
  • the normalized Cb component image is represented by the symbol L_I_Cb, and then the normalized processing of the Cb component is:
  • the normalized Cr component image is represented by the symbol L_I_Cr, and then the normalized processing of the Cr component is:
  • the three components of the YCbCr image are normalized, and the three components of the YCbCr image are actually extracted separately, and three component images are newly reconstructed according to the extracted three components, because the YCbCr image has three
  • the components correspondingly contain three channels, each channel represents a component, and the three components of the YCbCr image are normalized, which is equivalent to separating the three channels to obtain three component images.
  • Step S30 performing brightness adjustment on each of the normalized component images according to the interpolation curve corresponding to the original RGB image to obtain the adjusted component images;
  • an interpolation curve generated by the preset simulation tool according to the original RGB image is acquired, wherein the simulation tool is preferably MATLAB (MATrix). LABoratory, matrix laboratory) software debugging tool, the MATLAB software is a mathematical software for algorithm development and data visualization.
  • the MATLAB software may first be used according to the original An interpolation curve is generated in the RGB image, and then the generated interpolation curve is stored, and after the three component images corresponding to the three components in the YCbCr image are obtained, the stored interpolation curve is directly obtained, and then normalized according to the interpolation curve.
  • the individual component images are subjected to brightness adjustment to obtain adjusted component images.
  • the collected original RGB image may be backed up first, and after obtaining the three component images corresponding to the three components in the YCbCr image, an interpolation curve is generated by the MATLAB software according to the original RGB image backed up, and then And then performing brightness adjustment on each of the normalized component images according to the interpolation curve corresponding to the original RGB image.
  • the implementation manner of adjusting the brightness of each of the normalized component images according to the interpolation curve corresponding to the original RGB image includes the following two types:
  • Method 1 After obtaining the normalized component images, linearly interpolating the normalized component images according to the interpolation curves corresponding to the original RGB images to obtain corresponding interpolated images, such as
  • the individual component images are L_I_Y, L_I_Cb, and L_I_Cr, and the corresponding interpolated images are used in Linear_.
  • Img (Y), Linear_ img (Cb), and Linear_ Img(Cr) indicates that the pixel values of the respective pixel points in the normalized component images are multiplied by the pixel values of the respective pixel points in the corresponding interpolated images to adjust the brightness of each component image.
  • Method 2 further, in order to improve the accuracy of brightness adjustment of each component image, referring to FIG. 2, the step S30 includes:
  • Step S31 performing bilateral filtering processing on the normalized component images to obtain each component image after bilateral filtering
  • the normalized component images are first subjected to bilateral filtering processing, and the purpose of the bilateral filtering processing is to preserve edge noise, that is, to reduce noise interference, and each component image after bilateral filtering is separately symbolized.
  • L_S_I_Y, L_S_I_Cb, L_S_I_Cr are indicated.
  • Step S32 performing linear interpolation operation on each of the bilaterally filtered component images according to the interpolation curve corresponding to the original RGB image, to obtain linearly interpolated component images;
  • the bilaterally filtered component images are linearly interpolated according to the interpolation curve, and the interpolation process is to make each component image more smooth, and the contrast of the image is increased, so that the contrast of the three component images in the image YCbCr is
  • the enhancement makes the subsequent brightness processing of the image more prominent, and the linearly interpolated component images are also represented by the symbols Linear_img(Y), Linear_img(Cb), and Linear_img(Cr).
  • Step S33 obtaining a brightness image corresponding to each component according to the component image normalized by each component, the bilaterally filtered component image, and the linearly interpolated component image;
  • the step S33 includes:
  • Step S331 acquiring a normalized component image corresponding to each component, a bilaterally filtered component image, and a pixel value of each pixel in the linearly interpolated component image;
  • Step S332 dividing the pixel value of each pixel in the normalized component image by the pixel value of each pixel in the same position in the bilaterally filtered component image, and multiplying the result of the division by the linearly interpolated component.
  • the pixel values of the respective pixels in the same position in the image obtain the brightness images corresponding to the respective components.
  • the image after each processing process is backed up and stored, for example, after the normalized component images are obtained, the normalized component images are backed up first. Store, and then perform filtering processing and the like on the basis of the normalized component image.
  • the normalized component image corresponding to each component and the bilaterally filtered component image are first acquired. And pixel values of the respective pixels in the linearly interpolated component image, and then preferably dividing the pixel values of the respective pixels in the normalized component image by the pixel values of the respective pixels in the same position in the bilaterally filtered component image.
  • the luminance image of the Y component is:
  • the luminance image of the Cb component and the luminance image of the Cr component can be obtained, and therefore, the luminance image corresponding to each component can be obtained by the above calculation formula.
  • step S34 the luminance images of the respective components are taken as the adjusted component images.
  • Step S40 superimposing the adjusted component images to obtain a processed YCbCr image, and converting the processed YCbCr image into an RGB image for output.
  • the adjusted component images are superimposed. Since each component image is separated by each channel in the YCbCr image, when the adjusted component images are superimposed, the channels are actually re-applied.
  • Combining to obtain the processed YCbCr image, after obtaining the processed YCbCr image, converting the processed YCbCr image into an RGB image for output, and converting the processed YCbCr image into an RGB image is:
  • the traditional image brightness processing after the RGB color space is converted into the YCbCr color space, only the Y luminance component in the YCbCr color space is processed, but the Cb and Cr component information is ignored, and the two component information represent the image.
  • Color information the traditional approach is only to simply process the brightness of the image, although the information of the image brightness is improved, but the change in the chromaticity of the image remains unchanged, so that when the image is output, the image will be Color information affects and reduces the color of the image.
  • the RGB image is first converted into a YCbCr image, and then the Y component, the Cb component and the Cr component of the converted YCbCr image are normalized respectively, and then the bilateral filtering and image are respectively applied to the three components.
  • Interpolation and other methods are processed to achieve the processing of the brightness and chrominance of the image respectively, and the same image processing method is adopted for different brightness images, so that the calculation amount is reduced, the algorithm complexity is also reduced, and it is more favorable for retention.
  • the feature of the high-brightness image is finally superimposed on the processed Y component, Cb component and Cr component, and the superimposed YCbCr image is converted into an RGB image for output, which is equivalent to the brightness and chrominance information of the image respectively.
  • Processing, and superimposing the brightness and chrominance information of the processed image is advantageous for high-brightness display of the image.
  • each component in the YCbCr image that is, the Y component, the Cb component, and the Cr component are first normalized to obtain normalized component images, and then According to the interpolation curve corresponding to the original RGB image, the normalized component images are adjusted in brightness, so that the image processing is not only to adjust the Y component, but also to adjust the image Cb component and the Cr component at the same time, which is beneficial for adjusting the brightness.
  • it is also beneficial to maintain the details of the texture or color features of the image without the need to adjust the image with different algorithms in the image processing of different brightness areas, so that the brightness balance and detail features of the image are clearly displayed.
  • the method for processing image brightness normalizes each component of the image separately, and then adjusts each component image by the interpolation curve, and is common to different brightness images, and does not need to adopt different according to different brightness regions.
  • the algorithm performs processing to improve the efficiency of RGB image processing.
  • the step S40 includes:
  • Step S41 converting the adjusted component images into image channels to convert the respective component images into respective component images of the corresponding channels;
  • the converted YCbCr image is first converted to the value range of the corresponding channel when the conversion process is performed, that is, after the processing
  • the value corresponding to the Y component image is first converted to 16 to 235
  • the value corresponding to the Cb component image and the Cr component image is converted to 16 to 240.
  • the adjusted image is actually a luminance image, that is, an L_H_Y image
  • the L_H_Cb image and the L_H_Cr image therefore, the L_H_Y image is first converted back to the value between 16 and 235, and converted to Y1.
  • the conversion formula is:
  • the L_H_Cb image is converted back to the value between 16 and 240, and converted to Cb1.
  • the conversion formula is;
  • the L_H_Cr image is converted back to the value between 16 and 240, and converted to Cr1.
  • the conversion formula is;
  • Step S42 superimposing the converted component images to obtain a processed YCbCr image, and converting the processed YCbCr image into an RGB image for output.
  • the converted component images may be superimposed to obtain a processed YCbCr image. Further, in order to improve the accuracy of image processing, refer to FIG. S42 includes:
  • Step S421 normalizing each converted component image to obtain processed component images
  • Step S422 superimposing the processed component images to obtain a processed YCbCr image, and converting the processed YCbCr image into an RGB image for output.
  • the present embodiment first performs the transformation of each component image after conversion.
  • the processed Y2 component image, Cb2 component image and Cr2 component image are superimposed into YCbCr image, and the component image is superimposed into YCbCr image, and the respective channels are recombined.
  • the processed YCbCr image is obtained, and finally the processed YCbCr image is converted into an RGB image. It is worth noting that the image of the double type RGB is first converted. Uint8 type RGB image, and then converted to RGB image type Uint8 outputs.
  • the adjusted component images are first converted into image channels to obtain transformed component images, which is beneficial for saving image information, and after converting the component images to be converted,
  • the individual component images are normalized to obtain processed component images, so that the RGB image processing is more accurate and the RGB image processing is more accurate.
  • the present invention further provides an RGB image processing system.
  • FIG. 6 is a schematic diagram of functional modules of a first embodiment of an RGB image processing system according to the present invention.
  • the functional block diagram shown in FIG. 6 is merely an exemplary diagram of a preferred embodiment, and those skilled in the art will surround the functional modules of the RGB image processing system shown in FIG.
  • the new function modules can be easily supplemented; the names of the function modules are custom names, which are only used to assist in understanding the various program function blocks of the RGB image processing system, and are not used to limit the technical solution of the present invention.
  • the core is the function that each functional module of the defined name has to achieve.
  • RGB image processing system includes:
  • the conversion module 10 is configured to convert the original RGB image into a YCbCr image
  • the normalization module 20 is configured to perform normalization processing on each component in the YCbCr image to obtain normalized component images.
  • the adjusting module 30 is configured to perform brightness adjustment on each of the normalized component images according to the interpolation curve corresponding to the original RGB image to obtain the adjusted component images;
  • the embodiment of the adjustment module 30 performing brightness adjustment on the normalized component images according to the interpolation curve corresponding to the original RGB image includes the following two types:
  • Method 1 After the normalized component images are obtained, the adjustment module 30 first linearly interpolates the normalized component images according to the interpolation curves corresponding to the original RGB images, to obtain corresponding ones.
  • the interpolated image such as the normalized component images are L_I_Y, L_I_Cb, and L_I_Cr, then the corresponding interpolated images are in Linear_ Img (Y), Linear_ img (Cb), and Linear_ Img(Cr) indicates that the adjustment module 30 then multiplies the pixel values of the respective pixel points in the normalized respective component images by the pixel values of the respective pixel points in the corresponding respective interpolation images, so as to match the respective component images.
  • the brightness adjustment is performed.
  • the adjustment module 30 includes:
  • the filtering sub-module 31 is configured to perform bilateral filtering processing on the normalized component images to obtain each component image after bilateral filtering;
  • the interpolation sub-module 32 is configured to perform linear interpolation operation on each of the bilaterally filtered component images according to the interpolation curve corresponding to the original RGB image to obtain linearly interpolated component images;
  • the first processing sub-module 33 is configured to obtain a luminance image corresponding to each component according to the component image normalized by each component, the bilaterally filtered component image, and the linearly interpolated component image;
  • the first processing sub-module 33 includes:
  • the obtaining unit 331 is configured to acquire a normalized component image corresponding to each component, a bilaterally filtered component image, and a pixel value of each pixel in the linearly interpolated component image;
  • the calculating unit 332 is configured to divide the pixel value of each pixel in the normalized component image by the pixel value of each pixel in the same position in the bilaterally filtered component image, and multiply the result of the division by linear interpolation.
  • the pixel values of the respective pixels at the same position in the subsequent component image obtain the luminance images corresponding to the respective components.
  • the second processing sub-module 34 is configured to use the luminance image of each component as the adjusted component images.
  • the processing module 40 is configured to superimpose the adjusted component images to obtain a processed YCbCr image, and convert the processed YCbCr image into an RGB image for output.
  • each component in the YCbCr image that is, the Y component, the Cb component, and the Cr component are first normalized to obtain normalized component images, and then According to the interpolation curve corresponding to the original RGB image, the normalized component images are adjusted in brightness, so that the image processing is not only to adjust the Y component, but also to adjust the image Cb component and the Cr component at the same time, which is beneficial for adjusting the brightness.
  • it is also beneficial to maintain the details of the texture or color features of the image without the need to adjust the image with different algorithms in the image processing of different brightness areas, so that the brightness balance and detail features of the image are clearly displayed.
  • the method for processing image brightness normalizes each component of the image separately, and then adjusts each component image by the interpolation curve, and is common to different brightness images, and does not need to adopt different according to different brightness regions.
  • the algorithm performs processing to improve the efficiency of RGB image processing.
  • the processing module 40 includes:
  • the conversion sub-module 41 is configured to perform transformation of the image channels by the adjusted respective component images to convert the respective component images into respective component images of the corresponding channels;
  • the third processing sub-module 42 is configured to superimpose the converted component images to obtain a processed YCbCr image, and convert the processed YCbCr image into an RGB image for output.
  • a normalization unit 421, configured to perform normalization processing on each converted component image to obtain processed component images
  • the processing unit 422 is configured to superimpose the processed component images to obtain a processed YCbCr image, and convert the processed YCbCr image into an RGB image for output.
  • the adjusted component images are first converted into image channels to obtain transformed component images, which is beneficial for saving image information, and after converting the component images to be converted,
  • the individual component images are normalized to obtain processed component images, so that the RGB image processing is more accurate and the RGB image processing is more accurate.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Color Image Communication Systems (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

一种RGB图像处理方法和系统，该方法中，将原始RGB图像转化为YCbCr图像（S10）；分别对所述YCbCr图像中的各个分量进行归一化处理，得到归一化后的各个分量图像（S20）；根据所述原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整，以得到调整后的各个分量图像（S30）；将调整后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出（S40）。上述方法提高了RGB图像处理的效率。

Description

RGB图像处理方法及系统
技术领域
本发明涉及图像处理技术领域，尤其涉及一种RGB图像处理方法及系统。
背景技术
传统的高动态显示图像是对图像的亮度进行处理，首先将原始图像转化为包含亮度Y分量的彩色色度空间图像，然后对此彩色色度空间的图像进行处理，而在图像的处理过程中，当一个图像中包含不同的亮度区域，若采用同一个图像处理算法，会导致图像处理的亮度等不平衡，从而影响图像的纹理或颜色特征的显示，为了使最终处理的图像亮度平衡，以便于纹理或颜色特征的清晰显示，就需要采用Canny边缘检测，图像灰度处理，图像膨胀腐蚀处理，图像局部变换以及图像颜色处理等多种图像处理算法相结合来对图像的Y分量处理，相当于是对不同亮度区域，做不同强度的处理来调整图像，使得处理后图像的画面亮度平衡不突兀，且细节方面的清晰显示。因此，若一个图像中包含不同的亮度区域，需要采用多种图像处理算法进行多次处理才能最终输出所需要的图像，降低了图像的处理效率。
发明内容
本发明的主要目的在于提出一种RGB图像处理方法及系统，旨在解决对包含不同亮度区域的RGB图像，需要采用不同的图像算法对RGB图像进行处理，降低了RGB图像的处理效率的技术问题。
为实现上述目的，本发明提供的一种RGB图像处理方法，所述RGB图像处理方法包括以下步骤：
将原始RGB图像转化为YCbCr图像；
分别对所述YCbCr图像中的各个分量进行归一化处理，得到归一化后的各个分量图像；
对归一化后的各个分量图像进行双边滤波处理，得到双边滤波后的各个分量图像；
根据所述原始RGB图像对应的插值曲线对双边滤波后的各个分量图像进行线性插值操作，得到线性插值后的各个分量图像；
根据各个分量归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像，得到各个分量对应的亮度图像；
将各个分量的亮度图像作为调整后的各个分量图像；
将调整后的各个分量图像进行图像通道的转化，以将各个分量图像转化为对应通道的各个分量图像；
将转化后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
此外，为实现上述目的，本发明提供的一种RGB图像处理方法，所述RGB图像处理方法包括以下步骤：
将原始RGB图像转化为YCbCr图像；
分别对所述YCbCr图像中的各个分量进行归一化处理，得到归一化后的各个分量图像；
根据所述原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整，以得到调整后的各个分量图像；
将调整后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
此外，为实现上述目的，本发明还提出一种RGB图像处理系统，所述RGB图像处理系统包括：
转化模块，用于将原始RGB图像转化为YCbCr图像；
归一化模块，用于分别对所述YCbCr图像中的各个分量进行归一化处理，得到归一化后的各个分量图像；
调整模块，用于根据所述原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整，以得到调整后的各个分量图像；
处理模块，用于将调整后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
本发明提出的RGB图像处理方法及系统，在图像处理过程中，先对YCbCr图像中的各个分量，即Y分量、Cb分量和Cr分量进行归一化处理，得到归一化后的各个分量图像，再根据原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整，使得图像处理时，并不仅仅是调节Y分量，还可以同时调节图像Cb分量和Cr分量，有利于调节亮度的同时，还有利于保持图像的纹理或颜色特征等细节信息，而不需要在对不同亮度区域的图像处理时，采用不同的算法调整图像，以使图像的亮度平衡和细节特征清晰显示，相对传统处理图像亮度的方式，本发明对图像的各个分量分别归一化处理，再由插值曲线对各个分量图像进行调节，对包含不同的亮度图像均通用，而不需要根据不同的亮度区域采用不同的算法进行处理，从而提高了RGB图像处理的效率。
附图说明
图1为本发明RGB图像处理方法第一实施例的流程示意图；
图2为根据所述原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整，以得到调整后的各个分量图像较佳实施例的流程示意图；
图3为根据各个分量归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像，得到各个分量对应的亮度图像较佳实施例的流程示意图；
图4为将调整后的各个分量图像进行叠加以得到处理后的YCbCr图像较佳实施例的流程示意图；
图5为将转化后的各个分量图像进行叠加以得到处理后的YCbCr图像较佳实施例的流程示意图；
图6为本发明RGB图像处理系统第一实施例的功能模块示意图；
图7为图6中调整模块的细化功能模块示意图；
图8为图7中第一处理子模块的细化功能模块示意图；
图9为图6中处理模块的细化功能模块示意图；
图10为图9中第三处理子模块的细化功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种RGB图像处理方法。
参照图1，图1为本发明RGB图像处理方法第一实施例的流程示意图。
本实施例提出一种RGB图像处理方法，所述RGB图像处理方法包括：
步骤S10，将原始RGB图像转化为YCbCr图像；
在本实施例中，先采集原始RGB（R(red)、G(green)、B(blue)，色彩模式）图像，然后将采集的原始RGB图像转化为YCbCr色彩空间图像，可以理解，YCbCr图像中包括三个分量，分别是Y（亮度）分量、Cb（蓝色浓度偏移量）分量和Cr（红色浓度偏移量）分量。而将采集的原始RGB图像转化为YCbCr图像时，先确定所述原始RGB图像的类型，图像的类型包括uint8（8位无符号整数）、uint16（16位无符号整数）等类型，而图像类型为uint8的原始RGB图像的强度值为0~255，图像类型为uint16的原始RGB图像的强度值为0~65535，由于一般情况下，原始RGB图像对应的图像类型大部分都是uint8图像类型的，因此，假设采集的原始RGB图像对应的图像是uint8图像类型的，那么先将所述原始RGB图像的uint8转化为double（64位）类型，这是由于图像的保存类型为uint8类型，而对图像的处理过程中会涉及到小数点的计算，因此需要将uint8类型图像转化为double类型图像，方便后续图像数据的计算和保存，将原始RGB图像的uint8类型转化为double类型之后，再将double类型的RGB图像转化为YCbCr图像，具体将double类型的RGB图像转化为YCbCr图像是通过以下公式进行转化的：
Y = 0.257*R+0.564*G+0.098*B+16；
Cb = -0.148*R-0.291*G+0.439*B+128；
Cr = 0.439*R-0.368*G-0.071*B+128。
步骤S20，分别对所述YCbCr图像中的各个分量进行归一化处理，得到归一化后的各个分量图像；
在本实施例中，在得到所述YCbCr图像之后，由于转化后的所述YCbCr图像的Y分量的取值范围为16~235，Cb分量和Cr分量的取值范围为16~240，为了将图像的取值范围归一化为0~1之间，也就是0~255之间，此时需要将Y分量、Cb分量和Cr分量取值范围转化为0~255，因此，本实施例对转化后的图像进行归一化处理，若用符号L_I_Y表示归一化后的Y分量图像，那么，对Y分量进行归一化处理的公式为：
同理，用符号L_I_Cb表示归一化后的Cb分量图像，那么，对Cb分量进行归一化处理的公式为：
用符号L_I_Cr表示归一化后的Cr分量图像，那么，对Cr分量进行归一化处理的公式为：
应当理解的是，对YCbCr图像的三个分量进行归一化处理，实际上是将YCbCr图像的三个分量分别提取出来，并根据提取的三个分量重新建立三个分量图像，因为YCbCr图像有三个分量，相应的就包含三个通道，每个通道分别表示一个分量，而YCbCr图像的三个分量进行归一化处理，相当于将三个通道进行分离处理，从而得到三个分量图像。
步骤S30，根据所述原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整，以得到调整后的各个分量图像；
在本实施例中，在得到YCbCr图像中三个分量对应的三个分量图像之后，获取预设的仿真工具根据原始RGB图像生成的插值曲线，其中，所述仿真工具优选为MATLAB（MATrix LABoratory，矩阵实验室）软件调试工具，所述MATLAB软件是一种算法开发、数据可视化的数学软件，本实施例中，可以在采集到原始RGB图像时，先由所述MATLAB软件根据所述原始RGB图像时生成插值曲线，然后再存储生成的插值曲线，后续在得到YCbCr图像中三个分量对应的三个分量图像之后，直接获取存储的所述插值曲线，然后根据所述插值曲线对归一化后的各个分量图像进行亮度调整，以得到调整后的各个分量图像。也可以先将采集的原始RGB图像进行备份，并在得到YCbCr图像中三个分量对应的三个分量图像之后，再由将所述MATLAB软件根据备份的所述原始RGB图像时生成插值曲线，然后再根据所述原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整。
而根据所述原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整的实施方式，包括以下两种：
1）方式一、在得到归一化后的各个分量图像之后，先根据所述原始RGB图像对应的插值曲线对归一化后的各个分量图像进行线性插值，得到对应的各个插值图像，如归一化后的各个分量图像为L_I_Y、L_I_Cb和L_I_Cr，那么对应的各个插值图像用Linear_ img (Y)、Linear_ img(Cb)和Linear_ img(Cr)表示，然后将归一化后的各个分量图像中各个像素点的像素值与对应的各个插值图像中各个像素点的像素值进行相乘，以对各个分量图像进行亮度调整，若用符号L_H_Y表示调整后的Y分量图像，那么调整后的Y分量图像的计算公式为：L_H_Y=L_I_Y*Linear_img (Y)，同理，调整后的Cb分量图像的计算公式为：L_I_Cb=L_I_Cb*Linear_img(Cb) ，调整后的Cr分量图像的计算公式为：L_I_Cr=L_I_Cr*Linear_img(Cr)，最终得到调整后的各个分量图像。
2）方式二、进一步地，为提高各个分量图像亮度调整的准确性，参照图2，所述步骤S30包括：
步骤S31，对归一化后的各个分量图像进行双边滤波处理，得到双边滤波后的各个分量图像；
在本实施例中，先对归一化后的各个分量图像进行双边滤波处理，所述双边滤波处理的目的是保边去噪，即降低噪点的干扰，双边滤波后的各个分量图像分别用符号L_S_I_Y、L_S_I_Cb、L_S_I_Cr表示。
步骤S32，根据所述原始RGB图像对应的插值曲线对双边滤波后的各个分量图像进行线性插值操作，得到线性插值后的各个分量图像；
在本实施例中，根据所述插值曲线对双边滤波后的各个分量图像线性插值，插值过程是为了让各个分量图像更加的平滑，增加了图像的对比度，使得图像YCbCr中三个分量图像的对比度增强，使得后续对图像的亮度处理能更加的凸显其亮度，而线性插值后的各个分量图像同样用符号Linear_img(Y)、Linear_img(Cb)、Linear_img(Cr)表示。
步骤S33，根据各个分量归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像，得到各个分量对应的亮度图像；
在本实施例中，参照图3，所述步骤S33包括：
步骤S331，获取各个分量对应的归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像中各个像素点的像素值；
步骤S332，将归一化后的分量图像中各个像素点的像素值除以双边滤波后的分量图像中相同位置的各个像素点的像素值，并将相除的结果乘以线性插值后的分量图像中相同位置的各个像素点的像素值，得到对应的各个分量对应的亮度图像。
应当理解的是，本实施在图像处理过程中，每一个处理过程后的图像都会进行备份存储，例如，在得到归一化后的各个分量图像之后，对归一化后的各个分量图像先备份存储，然后在归一化后的分量图像的基础上再进行滤波处理等等操作。而在得到各个分量对应的归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像之后，先获取各个分量对应的归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像中各个像素点的像素值，然后优选将归一化后的分量图像中各个像素点的像素值除以双边滤波后的分量图像中相同位置的各个像素点的像素值，并将相除的结果再乘以线性插值后的分量图像中相同位置的各个像素点的像素值，以得到对应的各个分量对应的亮度图像，若Y分量的亮度图像用符号L_H_Y表示，Cb分量的亮度图像用符号L_H_Cb表示，Cr分量的亮度图像用符号L_H_Cr表示，那么具体的计算公式如下：
其中，即Y分量的亮度图像为：
同理可得Cb分量的亮度图像和Cr分量的亮度图像，因此，通过上述计算公式，即可得到各个分量对应的亮度图像。
步骤S34，将各个分量的亮度图像作为调整后的各个分量图像。
步骤S40，将调整后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
在本实施例中，将调整后的各个分量图像进行叠加，由于各个分量图像是YCbCr图像中的各个通道分离出来的，那么将调整后的各个分量图像进行叠加时，实际上就是将各个通道重新进行组合，以得到处理后的YCbCr图像，在得到处理后的YCbCr图像之后，将处理后的YCbCr图像转化为RGB图像以输出，而将处理后的YCbCr图像转化为RGB图像的方式为：
R = 1.164*(Y-16)+1.596*(Cr-128)；
G = 1.164*(Y-16)-0.392*(Cb-128)-0.813*(Cr-128)；
B = 1.164*(Y-16)+2.017*(Cb-128)。
传统的图像亮度处理中，将RGB色彩空间转化为YCbCr色彩空间后，只对YCbCr色彩空间中的Y亮度分量进行处理，但忽略了Cb和Cr分量信息，而这两个分量信息代表了图像的色彩方面的信息，传统做法只简单的对图像的亮度进行处理，虽然提高了图像亮度的信息，但是图像的色度方面的变化依然保持不变，这样在进行图像的输出时，会对图像的色彩信息造成影响，降低了图像的色彩方面的信息。而本实施例中，首先将RGB图像转化为YCbCr图像，然后分别对转换后的YCbCr图像的Y分量、Cb分量和Cr分量进行归一化处理，再分别对这三个分量采用双边滤波、图像插值等方法进行处理，实现了对图像的亮度和色度分别进行处理，针对不同的亮度图像采用同样的图像处理方式进行处理，使得计算量降低，算法复杂度也降低，并且，更有利于保留高亮度图像的细节方面的特征，最终对处理后的Y分量、Cb分量和Cr分量进行叠加，并将叠加后的YCbCr图像转化为RGB图像进行输出，相当于是对图像的亮度和色度信息分别进行处理，再对处理之后的图像的亮度和色度信息进行叠加，有利于图像的高亮度显示。
本发明提出的RGB图像处理方法，在图像处理过程中，先对YCbCr图像中的各个分量，即Y分量、Cb分量和Cr分量进行归一化处理，得到归一化后的各个分量图像，再根据原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整，使得图像处理时，并不仅仅是调节Y分量，还可以同时调节图像Cb分量和Cr分量，有利于调节亮度的同时，还有利于保持图像的纹理或颜色特征等细节信息，而不需要在对不同亮度区域的图像处理时，采用不同的算法调整图像，以使图像的亮度平衡和细节特征清晰显示，相对传统处理图像亮度的方式，本发明对图像的各个分量分别归一化处理，再由插值曲线对各个分量图像进行调节，对包含不同的亮度图像均通用，而不需要根据不同的亮度区域采用不同的算法进行处理，从而提高了RGB图像处理的效率。
进一步地，为了提高RGB图像处理的准确性，基于第一实施例提出本发明RGB图像处理方法的第二实施例，在本实施例中，参照图4，所述步骤S40包括：
步骤S41，将调整后的各个分量图像进行图像通道的转化，以将各个分量图像转化为对应通道的各个分量图像；
在本实施例中，为了让YCbCr图像转化为RGB图像时能更好的保存图像的信息，在进行转化处理时，先将转化后的YCbCr图像转为相应通道的数值范围，也就是将处理之后的Y分量图像对应的数值先转化为16~235，Cb分量图像和Cr分量图像对应的数值转化为16~240，从上述实施例可知，调整后的图像实际上是亮度图像，即L_H_Y图像、L_H_Cb图像和L_H_Cr图像，因此，先将L_H_Y图像转化回16~235数值之间，转化后为Y1，转化公式为：
而L_H_Cb图像转化回16~240数值之间，转化后为Cb1，转换的公式为；
L_H_Cr图像转化回16~240数值之间，转化后为Cr1，转换的公式为；
步骤S42，将转化后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
将各个分量图像转化为对应通道的各个分量图像之后，可将转化后的各个分量图像进行叠加以得到处理后的YCbCr图像，进一步地，为了提高图像处理的准确性，参照图5，所述步骤S42包括：
步骤S421，将转化后的各个分量图像进行归一化处理，得到处理后的各个分量图像；
步骤S422，将处理后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
在本实施例中，由于转化后的各个分量图像中各个分量的取值范围不同，Y1分量对应的数值16~235，Cb1分量和Cr1分量对应的数值16~240，那么在图像处理过程中，由于数值的范围都小于0~255，因此，对图像处理的精确度较低，导致处理后的图像中，显示的亮度或色彩出现误差，因此，本实施先对转化后的各个分量图像进行归一化处理，具体地是对所述Y1分量图像、Cb1分量图像和Cr1分量图像进行处理，处理过程分别为：Y2=Y1/255，Cb2=Cb1/255，Cr2=Cr1/255，使得各个分量图像中，各个像素点的分量显示更加精确，最终，将处理后的Y2分量图像、Cb2分量图像和Cr2分量图像叠加成YCbCr图像，而分量图像叠加成YCbCr图像同样是将各个通道重新进行组合以得到处理后的YCbCr图像，最终再将处理后的所述YCbCr图像转化为RGB图像，值得注意的是，此时先将double类型的RGB的图像转化为Uint8类型的RGB图像，再将转化为Uint8类型的RGB图像进行输出。
本实施例中，先将调整后的各个分量图像进行图像通道的转化，以得到转化后的各个分量图像，有利于保存图像的信息，在得到将转化后的各个分量图像时，再将转化后的各个分量图像进行归一化处理，得到处理后的各个分量图像，使得RGB图像处理的精确度更高，对RGB图像的处理更加准确。
本发明进一步提供一种RGB图像处理系统。
参照图6，图6为本发明RGB图像处理系统第一实施例的功能模块示意图。
需要强调的是，对本领域的技术人员来说，图6所示功能模块图仅仅是一个较佳实施例的示例图，本领域的技术人员围绕图6所示的RGB图像处理系统的功能模块，可轻易进行新的功能模块的补充；各功能模块的名称是自定义名称，仅用于辅助理解该RGB图像处理系统的各个程序功能块，不用于限定本发明的技术方案，本发明技术方案的核心是，各自定义名称的功能模块所要达成的功能。
本实施例提出一种RGB图像处理系统，所述RGB图像处理系统包括：
转化模块10，用于将原始RGB图像转化为YCbCr图像；
归一化模块20，用于分别对所述YCbCr图像中的各个分量进行归一化处理，得到归一化后的各个分量图像；
调整模块30，用于根据所述原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整，以得到调整后的各个分量图像；
而所述调整模块30根据所述原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整的实施方式，包括以下两种：
1）方式一、在得到归一化后的各个分量图像之后，所述调整模块30先根据所述原始RGB图像对应的插值曲线对归一化后的各个分量图像进行线性插值，得到对应的各个插值图像，如归一化后的各个分量图像为L_I_Y、L_I_Cb和L_I_Cr，那么对应的各个插值图像用Linear_ img (Y)、Linear_ img(Cb)和Linear_ img(Cr)表示，然后所述调整模块30将归一化后的各个分量图像中各个像素点的像素值与对应的各个插值图像中各个像素点的像素值进行相乘，以对各个分量图像进行亮度调整，若用符号L_H_Y表示调整后的Y分量图像，那么调整后的Y分量图像的计算公式为：L_H_Y=L_I_Y*Linear_img (Y)，同理，调整后的Cb分量图像的计算公式为：L_I_Cb=L_I_Cb*Linear_img(Cb) ，调整后的Cr分量图像的计算公式为：L_I_Cr=L_I_Cr*Linear_img(Cr)，最终得到调整后的各个分量图像。
2）方式二、进一步地，为提高各个分量图像亮度调整的准确性，参照图7，所述调整模块30包括：
滤波子模块31，用于对归一化后的各个分量图像进行双边滤波处理，得到双边滤波后的各个分量图像；
插值子模块32，用于根据所述原始RGB图像对应的插值曲线对双边滤波后的各个分量图像进行线性插值操作，得到线性插值后的各个分量图像；
第一处理子模块33，用于根据各个分量归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像，得到各个分量对应的亮度图像；
在本实施例中，参照图8，所述第一处理子模块33包括：
获取单元331，用于获取各个分量对应的归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像中各个像素点的像素值；
计算单元332，用于将归一化后的分量图像中各个像素点的像素值除以双边滤波后的分量图像中相同位置的各个像素点的像素值，并将相除的结果乘以线性插值后的分量图像中相同位置的各个像素点的像素值，得到对应的各个分量对应的亮度图像。
第二处理子模块34，用于将各个分量的亮度图像作为调整后的各个分量图像。
处理模块40，用于将调整后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
本发明提出的RGB图像处理系统，在图像处理过程中，先对YCbCr图像中的各个分量，即Y分量、Cb分量和Cr分量进行归一化处理，得到归一化后的各个分量图像，再根据原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整，使得图像处理时，并不仅仅是调节Y分量，还可以同时调节图像Cb分量和Cr分量，有利于调节亮度的同时，还有利于保持图像的纹理或颜色特征等细节信息，而不需要在对不同亮度区域的图像处理时，采用不同的算法调整图像，以使图像的亮度平衡和细节特征清晰显示，相对传统处理图像亮度的方式，本发明对图像的各个分量分别归一化处理，再由插值曲线对各个分量图像进行调节，对包含不同的亮度图像均通用，而不需要根据不同的亮度区域采用不同的算法进行处理，从而提高了RGB图像处理的效率。
进一步地，为了提高RGB图像处理的准确性，基于第一实施例提出本发明RGB图像处理系统的第二实施例，在本实施例中，参照图9，所述处理模块40包括：
转化子模块41，用于将调整后的各个分量图像进行图像通道的转化，以将各个分量图像转化为对应通道的各个分量图像；
第三处理子模块42，用于将转化后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
归一化单元421，用于将转化后的各个分量图像进行归一化处理，得到处理后的各个分量图像；
处理单元422，用于将处理后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
本实施例中，先将调整后的各个分量图像进行图像通道的转化，以得到转化后的各个分量图像，有利于保存图像的信息，在得到将转化后的各个分量图像时，再将转化后的各个分量图像进行归一化处理，得到处理后的各个分量图像，使得RGB图像处理的精确度更高，对RGB图像的处理更加准确。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (18)

  1. 一种RGB图像处理方法，其特征在于，所述RGB图像处理方法包括以下步骤：
    将原始RGB图像转化为YCbCr图像；
    分别对所述YCbCr图像中的各个分量进行归一化处理，得到归一化后的各个分量图像；
    对归一化后的各个分量图像进行双边滤波处理，得到双边滤波后的各个分量图像；
    根据所述原始RGB图像对应的插值曲线对双边滤波后的各个分量图像进行线性插值操作，得到线性插值后的各个分量图像；
    根据各个分量归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像，得到各个分量对应的亮度图像；
    将各个分量的亮度图像作为调整后的各个分量图像；
    将调整后的各个分量图像进行图像通道的转化，以将各个分量图像转化为对应通道的各个分量图像；
    将转化后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
  2. 如权利要求1所述的RGB图像处理方法，其特征在于，所述根据各个分量归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像，得到各个分量对应的亮度图像的步骤包括：
    获取各个分量对应的归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像中各个像素点的像素值；
    将归一化后的分量图像中各个像素点的像素值除以双边滤波后的分量图像中相同位置的各个像素点的像素值，并将相除的结果乘以线性插值后的分量图像中相同位置的各个像素点的像素值，得到对应的各个分量对应的亮度图像。
  3. 如权利要求1所述的RGB图像处理方法，其特征在于，所述将转化后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出的步骤包括：
    将转化后的各个分量图像进行归一化处理，得到处理后的各个分量图像；
    将处理后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
  4. 如权利要求2所述的RGB图像处理方法，其特征在于，所述将转化后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出的步骤包括：
    将转化后的各个分量图像进行归一化处理，得到处理后的各个分量图像；
    将处理后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
  5. 一种RGB图像处理方法，其特征在于，所述RGB图像处理方法包括以下步骤：
    将原始RGB图像转化为YCbCr图像；
    分别对所述YCbCr图像中的各个分量进行归一化处理，得到归一化后的各个分量图像；
    根据所述原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整，以得到调整后的各个分量图像；
    将调整后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
  6. 如权利要求5所述的RGB图像处理方法，其特征在于，所述根据所述原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整，以得到调整后的各个分量图像的步骤包括：
    对归一化后的各个分量图像进行双边滤波处理，得到双边滤波后的各个分量图像；
    根据所述原始RGB图像对应的插值曲线对双边滤波后的各个分量图像进行线性插值操作，得到线性插值后的各个分量图像；
    根据各个分量归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像，得到各个分量对应的亮度图像；
    将各个分量的亮度图像作为调整后的各个分量图像。
  7. 如权利要求6所述的RGB图像处理方法，其特征在于，所述根据各个分量归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像，得到各个分量对应的亮度图像的步骤包括：
    获取各个分量对应的归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像中各个像素点的像素值；
    将归一化后的分量图像中各个像素点的像素值除以双边滤波后的分量图像中相同位置的各个像素点的像素值，并将相除的结果乘以线性插值后的分量图像中相同位置的各个像素点的像素值，得到对应的各个分量对应的亮度图像。
  8. 如权利要求5所述的RGB图像处理方法，其特征在于，所述将调整后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出的步骤包括：
    将调整后的各个分量图像进行图像通道的转化，以将各个分量图像转化为对应通道的各个分量图像；
    将转化后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
  9. 如权利要求8所述的RGB图像处理方法，其特征在于，所述将转化后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出的步骤包括：
    将转化后的各个分量图像进行归一化处理，得到处理后的各个分量图像；
    将处理后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
  10. 一种RGB图像处理系统，其特征在于，所述RGB图像处理系统包括：
    转化模块，用于将原始RGB图像转化为YCbCr图像；
    归一化模块，用于分别对所述YCbCr图像中的各个分量进行归一化处理，得到归一化后的各个分量图像；
    调整模块，用于根据所述原始RGB图像对应的插值曲线对归一化后的各个分量图像进行亮度调整，以得到调整后的各个分量图像；
    处理模块，用于将调整后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
  11. 如权利要求10所述的RGB图像处理系统，其特征在于，所述调整模块包括：
    滤波子模块，用于对归一化后的各个分量图像进行双边滤波处理，得到双边滤波后的各个分量图像；
    插值子模块，用于根据所述原始RGB图像对应的插值曲线对双边滤波后的各个分量图像进行线性插值操作，得到线性插值后的各个分量图像；
    第一处理子模块，用于根据各个分量归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像，得到各个分量对应的亮度图像；
    第二处理子模块，用于将各个分量的亮度图像作为调整后的各个分量图像。
  12. 如权利要求11所述的RGB图像处理系统，其特征在于，所述第一处理子模块包括：
    获取单元，用于获取各个分量对应的归一化后的分量图像、双边滤波后的分量图像以及线性插值后的分量图像中各个像素点的像素值；
    计算单元，用于将归一化后的分量图像中各个像素点的像素值除以双边滤波后的分量图像中相同位置的各个像素点的像素值，并将相除的结果乘以线性插值后的分量图像中相同位置的各个像素点的像素值，得到对应的各个分量对应的亮度图像。
  13. 如权利要求10所述的RGB图像处理系统，其特征在于，所述处理模块包括：
    转化子模块，用于将调整后的各个分量图像进行图像通道的转化，以将各个分量图像转化为对应通道的各个分量图像；
    第三处理子模块，用于将转化后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
  14. 如权利要求11所述的RGB图像处理系统，其特征在于，所述处理模块包括：
    转化子模块，用于将调整后的各个分量图像进行图像通道的转化，以将各个分量图像转化为对应通道的各个分量图像；
    第三处理子模块，用于将转化后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
  15. 如权利要求12所述的RGB图像处理系统，其特征在于，所述处理模块包括：
    转化子模块，用于将调整后的各个分量图像进行图像通道的转化，以将各个分量图像转化为对应通道的各个分量图像；
    第三处理子模块，用于将转化后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
  16. 如权利要求13所述的RGB图像处理系统，其特征在于，所述第三处理子模块包括：
    归一化单元，用于将转化后的各个分量图像进行归一化处理，得到处理后的各个分量图像；
    处理单元，用于将处理后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
  17. 如权利要求14所述的RGB图像处理系统，其特征在于，所述第三处理子模块包括：
    归一化单元，用于将转化后的各个分量图像进行归一化处理，得到处理后的各个分量图像；
    处理单元，用于将处理后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
  18. 如权利要求15所述的RGB图像处理系统，其特征在于，所述第三处理子模块包括：
    归一化单元，用于将转化后的各个分量图像进行归一化处理，得到处理后的各个分量图像；
    处理单元，用于将处理后的各个分量图像进行叠加以得到处理后的YCbCr图像，并将处理后的YCbCr图像转化为RGB图像以输出。
PCT/CN2016/096115 2016-05-06 2016-08-19 Rgb图像处理方法及系统 WO2017190445A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201610298323.2A CN105976405A (zh) 2016-05-06 2016-05-06 Rgb图像处理方法及系统
CN201610298323.2 2016-05-06

Publications (1)

Publication Number Publication Date
WO2017190445A1 true WO2017190445A1 (zh) 2017-11-09

Family

ID=56991227

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2016/096115 WO2017190445A1 (zh) 2016-05-06 2016-08-19 Rgb图像处理方法及系统

Country Status (2)

Country Link
CN (1) CN105976405A (zh)
WO (1) WO2017190445A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107025880B (zh) * 2017-04-14 2019-11-29 西安诺瓦星云科技股份有限公司 图像显示控制方法及装置和显示屏控制系统
CN107799093A (zh) * 2017-12-08 2018-03-13 深圳市金立通信设备有限公司 调节终端屏幕亮度的方法、终端及计算机可读存储介质
CN107919105A (zh) * 2017-12-21 2018-04-17 北京奇艺世纪科技有限公司 一种调节显示器亮度的方法、装置及电子设备
CN108122201A (zh) * 2017-12-21 2018-06-05 珠海亿智电子科技有限公司 一种拜耳插值拉链效应去除方法
CN108053453B (zh) * 2017-12-28 2020-07-28 努比亚技术有限公司 一种颜色的优化方法、终端及计算机可读存储介质
CN110376199B (zh) * 2019-03-26 2020-04-21 江苏锐创生态环境科技有限公司 实时水面数据监控方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100104180A1 (en) * 2008-10-28 2010-04-29 Novatek Microelectronics Corp. Image noise reduction method and image processing apparatus using the same
CN102110289A (zh) * 2011-03-29 2011-06-29 东南大学 基于变分框架的彩色图像对比度增强方法
CN102129673A (zh) * 2011-04-19 2011-07-20 大连理工大学 一种随意光照下彩色数字图像增强和去噪方法
CN103455979A (zh) * 2013-07-16 2013-12-18 大连理工大学 一种低照度视频图像增强方法
US20140219578A1 (en) * 2013-02-07 2014-08-07 Altek Semiconductor Corp. Image processing method
CN104616268A (zh) * 2015-02-17 2015-05-13 天津大学 一种基于湍流模型的水下图像复原方法
CN104657962A (zh) * 2014-12-12 2015-05-27 西安电子科技大学 基于级联线性回归的图像超分辨重建方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3880553B2 (ja) * 2003-07-31 2007-02-14 キヤノン株式会社 画像処理方法および装置
CN102044070A (zh) * 2011-01-10 2011-05-04 北京师范大学 一种基于Retinex的非线性彩色图像增强方法
CN102324025B (zh) * 2011-09-06 2013-03-20 北京航空航天大学 基于高斯肤色模型和特征分析的人脸检测与跟踪方法
CN104318524A (zh) * 2014-10-15 2015-01-28 烟台艾睿光电科技有限公司 一种基于YCbCr色彩空间的图像增强方法、装置及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100104180A1 (en) * 2008-10-28 2010-04-29 Novatek Microelectronics Corp. Image noise reduction method and image processing apparatus using the same
CN102110289A (zh) * 2011-03-29 2011-06-29 东南大学 基于变分框架的彩色图像对比度增强方法
CN102129673A (zh) * 2011-04-19 2011-07-20 大连理工大学 一种随意光照下彩色数字图像增强和去噪方法
US20140219578A1 (en) * 2013-02-07 2014-08-07 Altek Semiconductor Corp. Image processing method
CN103455979A (zh) * 2013-07-16 2013-12-18 大连理工大学 一种低照度视频图像增强方法
CN104657962A (zh) * 2014-12-12 2015-05-27 西安电子科技大学 基于级联线性回归的图像超分辨重建方法
CN104616268A (zh) * 2015-02-17 2015-05-13 天津大学 一种基于湍流模型的水下图像复原方法

Also Published As

Publication number Publication date
CN105976405A (zh) 2016-09-28

Similar Documents

Publication Publication Date Title
WO2017190445A1 (zh) Rgb图像处理方法及系统
JP4894595B2 (ja) 画像処理装置および方法、並びに、プログラム
WO2016182307A1 (ko) 메타데이터에 기초한 영상 처리 장치 및 영상 처리 방법
WO2013082780A1 (zh) 色彩调整装置、色彩调整方法以及显示器
JP4290193B2 (ja) 画像処理装置
JP4042736B2 (ja) 画像処理装置及び画像処理方法
WO2016133293A1 (ko) 메타데이터 기반 영상 처리 방법 및 장치
WO2017148035A1 (zh) 图像处理方法及装置
WO2016106976A1 (zh) 调整背光亮度的方法及装置
WO2017107384A1 (zh) 液晶显示器的图像显示方法及液晶显示器
JP5392560B2 (ja) 画像処理装置および画像処理方法
WO2017005062A1 (zh) 图片帧播放方法和装置
US8648937B2 (en) Image processing apparatus, image processing method, and camera module
WO2019076087A1 (zh) 电视机及其显示图效控制方法、计算机可读存储介质
WO2017206368A1 (zh) 高动态范围画面切换方法及装置
WO2017190452A1 (zh) 背光自适应调节方法及装置
JP2007251709A (ja) 色補正方法、色補正装置、及び色補正プログラム
WO2017113600A1 (zh) 视频播放方法及装置
WO2017107386A1 (zh) 液晶显示终端色域提升方法及液晶显示终端
WO2019024272A1 (zh) 一种显示方法及显示装置
WO2018097677A1 (en) Image processing apparatus, image processing method, and computer-readable recording medium thereof
WO2016169219A1 (zh) 提取人脸纹理的方法及装置
WO2018058831A1 (zh) 显示屏背光亮度调节方法及装置
WO2017201893A1 (zh) 视频处理方法和装置
WO2017113595A1 (zh) 功能菜单调整方法和装置

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16900967

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 16900967

Country of ref document: EP

Kind code of ref document: A1