WO2019056549A1 - 图像增强方法以及图像处理装置 - Google Patents

图像增强方法以及图像处理装置 Download PDF

Info

Publication number
WO2019056549A1
WO2019056549A1 PCT/CN2017/112449 CN2017112449W WO2019056549A1 WO 2019056549 A1 WO2019056549 A1 WO 2019056549A1 CN 2017112449 W CN2017112449 W CN 2017112449W WO 2019056549 A1 WO2019056549 A1 WO 2019056549A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
original rgb
value
component
luminance component
Prior art date
Application number
PCT/CN2017/112449
Other languages
English (en)
French (fr)
Inventor
赖庆鸿
许神贤
Original Assignee
深圳市华星光电半导体显示技术有限公司
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 深圳市华星光电半导体显示技术有限公司 filed Critical 深圳市华星光电半导体显示技术有限公司
Publication of WO2019056549A1 publication Critical patent/WO2019056549A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/741—Circuitry for compensating brightness variation in the scene by increasing the dynamic range of the image compared to the dynamic range of the electronic image sensors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
    • H04N23/85—Camera processing pipelines; Components thereof for processing colour signals for matrixing
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10144—Varying exposure
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Definitions

  • the present invention relates to the field of image display, and in particular to an image enhancement method and an image processing apparatus.
  • the technical problem to be solved by the present invention is to provide an image enhancement method and an image processing apparatus, which can effectively improve the problem of high computational complexity of high dynamic contrast images.
  • the first technical solution adopted by the present invention is to provide an image enhancement method, wherein the image enhancement method includes: acquiring at least two original RGB images acquired for the same scene at different exposure times; Converting each raw RGB image into an HSI space to obtain a luminance component image respectively corresponding to each original RGB image and a saturation component image and a tone component image corresponding to at least one original RGB image; weighting and merging each luminance component image, Obtaining the fused luminance component image; converting the fused luminance component image, the gradation component image, and the saturation component image into the RGB space to obtain an enhanced RGB image; wherein the step of weighting and merging the luminance component images comprises: Selecting a first original RGB image from at least two original RGB images; comparing a luminance component value of each pixel in the luminance component image corresponding to the first original RGB image with a corresponding pixel in the luminance component image corresponding to the remaining original RGB image The luminance component values are weighted and fused to obtain the fused
  • G i (x, y) and B i (x, y) are the R component value, the G component value, and the B of the pixel of the i-th original RGB image in the at least two original RGB images at the x and y coordinate positions, respectively.
  • the component values, H i (x, y), S i (x, y), and I i (x, y) are the hue component image, the saturation component image, and the luminance component image corresponding to the i-th original RGB image, respectively.
  • another technical solution adopted by the present invention is to provide an image enhancement method, comprising: acquiring at least two original RGB images acquired for the same scene at different exposure times; converting each original RGB image to HSI space to obtain a luminance component image corresponding to each original RGB image and a saturation component image and a tone component image corresponding to at least one original RGB image; weighting and merging each luminance component image to obtain a fused luminance component An image; the fused luminance component image, the hue component image, and the saturation component image are converted into an RGB space to obtain an enhanced RGB image.
  • an image processing apparatus including a memory and a processor, wherein the processor executes the steps by running a program stored on the memory: acquiring at different exposure times At least two original RGB images acquired in the same scene; converting each original RGB image into an HSI space to obtain a luminance component image respectively corresponding to each original RGB image and a saturation component image and a tone component corresponding to at least one original RGB image Image; weighting and blending each luma component image to obtain a blended luma component image; converting the blended luma component image, hue component image, and saturation component image into RGB space to obtain an enhanced RGB image.
  • the saturation component image and the tone component image may be left uncalculated, and only need to be converted at the end, only the luminance component is calculated and the luminance component image is weighted. Fusion, which simplifies the calculation process and the amount of calculation, and reduces the high dynamic contrast The computational complexity of the image is produced.
  • FIG. 1 is a schematic flow chart of an image enhancement method according to an embodiment of the present invention.
  • FIG. 2 is a schematic flow chart of an image enhancement method according to another embodiment of the present invention.
  • FIG. 3 is a sub-flow chart of step S24 in Figure 2;
  • FIG. 4 is a schematic structural view of each pixel and adjacent pixels in FIG. 3;
  • Fig. 5 is a view showing the configuration of an image processing apparatus according to an embodiment of the present invention.
  • FIG. 1 is a schematic flow chart of an image enhancement method according to an embodiment of the present invention.
  • the image enhancement method includes:
  • step S11 at least two original RGB images acquired for the same scene at different exposure times are acquired.
  • the brightness of each original RGB image is different due to the different exposure times.
  • each original RGB image is converted into an HSI space to obtain a luminance component image respectively corresponding to each original RGB image and a saturation component image and a tone component image corresponding to at least one original RGB image.
  • the brightness between the original RGB images acquired for the same scene at different exposure times is different, so that the same luminance component image as the original RGB image can be obtained after switching to the HIS space. Since the acquisition is for the same scene, there is only one image of the saturation component and the tone component image.
  • each luminance component image is subjected to weighted fusion to obtain a fused luminance component image.
  • step S14 the fused luminance component image, the hue component image, and the saturation component image are converted into RGB space to obtain an enhanced RGB image.
  • the step of converting each raw RGB image into the HSI space comprises:
  • the tone component image, the saturation component image, and the luminance component image are obtained by the following formula:
  • G i (x, y) and B i (x, y) are the R component value, the G component value, and the B of the pixel of the i-th original RGB image in the at least two original RGB images at the x and y coordinate positions, respectively.
  • the component values, H i (x, y), S i (x, y), and I i (x, y) are the hue component image, the saturation component image, and the luminance component image corresponding to the i-th original RGB image, respectively.
  • the above formula is not the only formula of the tonal component image, the saturation component image, and the luminance component image. Those skilled in the art can use the above formula to calculate, and can also use other well-known correlation formulas for calculation. Only a preferred implementation is provided herein. the way.
  • FIG. 2 is a schematic flow chart of an image enhancement method according to another embodiment of the present invention.
  • the image enhancement method includes:
  • step S21 at least two original RGB images acquired for the same scene at different exposure times are acquired.
  • each original RGB image is converted into an HSI space to obtain a luminance component image respectively corresponding to each original RGB image and a saturation component image and a tone component image corresponding to at least one original RGB image.
  • the brightness between the original RGB images acquired for the same scene at different exposure times is different, so that the same luminance component image as the original RGB image can be obtained after switching to the HIS space. Since the acquisition is for the same scene, there is only one image of the saturation component and the tone component image.
  • step S23 the first original RGB image is selected from at least two original RGB images.
  • step S24 the luminance component values of the pixels in the luminance component image corresponding to the first original RGB image are weight-fused with the luminance component values of the corresponding pixels in the luminance component image corresponding to the remaining original RGB images.
  • step S25 the fused luminance component image is obtained.
  • step S26 the fused luminance component image, the hue component image, and the saturation component image are converted into RGB space to obtain an enhanced RGB image.
  • FIG. 3 is a sub-flow chart of step S24 in FIG. 2.
  • step S24 weighting the luminance component values of the pixels in the luminance component image corresponding to the first original RGB image and the luminance component values of the corresponding pixels in the luminance component image corresponding to the remaining original RGB images. Fusion includes substeps:
  • step S241 a first brightness difference value between each pixel and the adjacent pixels in the first original RGB image and the remaining original RGB images is calculated, and the first weight value is calculated according to an absolute average value of the first brightness difference values, The larger the absolute average value, the higher the first weight value.
  • calculating a first luminance difference value between each pixel in the first original RGB image and the remaining original RGB image and the adjacent pixel, and calculating the first weight according to the absolute average value of the first luminance difference value The steps include:
  • the first weight value is calculated by the following formula:
  • I i (x, y), d 1 i (x, y) and (x, y) is a luminance component value, an absolute average value, and a first pixel of the luminance component image corresponding to the i-th original RGB image in the first original RGB image and the remaining original RGB image at the x, y coordinate position
  • the weight value, z j is the luminance component value of the jth neighboring pixel in the adjacent pixel
  • k is the number of adjacent pixels
  • n is the number of the first original RGB image and the remaining original RGB image.
  • step S242 a second luminance difference value between the remaining original RGB image and the corresponding pixel of the first original RGB image is calculated, and a second weight is calculated according to the second luminance difference, wherein the second luminance difference is larger, the second The greater the weight value.
  • the calculating the second luminance difference value between the remaining original RGB image and the corresponding pixel of the first original RGB image, and calculating the second weight according to the second luminance difference value comprises:
  • the second weight value is calculated by the following formula:
  • I i (x, y), d 2 i (x, y) and (x, y) is a luminance component value, a second luminance difference value, and a luminance component image of the luminance component image corresponding to the i-th original RGB image of the first original RGB image and the remaining original RGB image at the x, y coordinate position
  • the second weight value, I 1 (x, y) is the luminance component value of the pixel at the x, y coordinate position of the luminance component image corresponding to the first original RGB image.
  • step S243 the luminance component values of the pixels in the luminance component image corresponding to the first original RGB image are compared with the corresponding pixels in the luminance component image corresponding to the remaining original RGB images according to the first weight value and the second weight value.
  • the luminance component values are weighted and fused.
  • the luminance component values of the pixels in the luminance component image corresponding to the first original RGB image are corresponding to the luminance component images corresponding to the remaining original RGB images according to the first weight value and the second weight value.
  • the steps of performing weighted fusion on the luminance component values of the pixels include:
  • I F (x, y) is the luminance component value of the pixel at the x, y coordinate position of the fused luminance component image
  • the first weight value of the pixel at the x, y coordinate position of the luminance component image corresponding to the first original RGB image, and m is the image bit depth.
  • the step of converting the fused luminance component image, the tone component image, and the saturation component image into the RGB space includes:
  • R o (x, y), G o (x, y), and B o (x, y) are respectively the R component value, the G component value, and the B component value of the pixel of the enhanced RGB image at the x, y coordinate position
  • S(x, y) is the saturation component value of the pixel at the x, y coordinate position of the saturation component image.
  • FIG. 4 is a schematic structural diagram of each pixel and adjacent pixels in FIG.
  • the adjacent pixels are four adjacent pixels arranged adjacent to each pixel in the first original RGB image and the remaining original RGB images in the row direction and the column direction, or with the first original RGB image and the remaining original RGB Eight adjacent pixels arranged adjacent to each pixel in the image.
  • the saturation component image and the tone component image may be left uncalculated, and only need to be converted at the end, only the luminance component is calculated and the luminance component image is weighted and fused, thereby simplifying the calculation process and the calculation amount, and reducing the height.
  • FIG. 5 is a schematic structural diagram of an image processing apparatus according to an embodiment of the present invention.
  • the image processing device 30 includes a memory 32 and a processor 31.
  • the processor 31 executes the image enhancement method as in the above embodiment by running a program stored on the memory 32.
  • the saturation component image and the tone component image may be left uncalculated, and only need to be converted at the end, only the luminance component is calculated and the luminance component image is weighted. Fusion, which simplifies the calculation process and the amount of calculation, and reduces the computational complexity of high dynamic contrast images.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种图像增强方法以及图像处理装置，图像增强方法包括：获取在不同曝光时间下针对同一场景采集的至少两个原始RGB图像；将各原始RGB图像转换到HSI空间，以获得亮度分量图像、饱和度分量图像以及色调分量图像；将各亮度分量图像进行加权融合，以获得融合后的亮度分量图像；将融合后的亮度分量图像、色调分量图像以及饱和度分量图像转换到RGB空间，以获得增强RGB图像。通过上述方式，只计算亮度分量并进行加权融合，简化了计算过程与运算量，降低高动态对比图像的制作计算复杂度。

Description

图像增强方法以及图像处理装置 技术领域
本发明涉及图像显示领域，特别是涉及一种图像增强方法以及图像处理装置。
背景技术
为解决相机可拍摄图像亮度与真实景象的差异，一般采用不同曝光时间长度来控制相机所撷取到的图像资讯。在较长的曝光时间中，高亮度区域一般容易呈现过度曝光的现象，而低亮度区域则可以取得较为清晰的图像细节；反之，在较短的曝光时间中，高亮度区域能取得较清晰的图像细节，而低亮度区域则易于呈现曝光不足的现象。因此，一般采用高曝光时间图像中的低亮区域及低曝光时间的高亮度区域进行图像融合，以制作高动态对比图像。
但现有的图像融合计算复杂，数据繁多，并且需要融合的分量也很多，导致高动态对比图像的制作计算复杂度较高。
发明内容
本发明主要解决的技术问题是提供一种图像增强方法以及图像处理装置，能够有效改善高动态对比图像的制作计算复杂度较高的问题。
为解决上述技术问题，本发明采用的第一个技术方案是：提供一种图像增强方法，其中，该图像增强方法包括：获取在不同曝光时间下针对同一场景采集的至少两个原始RGB图像；将各原始RGB图像转换到HSI空间，以获得分别与各原始RGB图像对应的亮度分量图像以及与至少一原始RGB图像对应的饱和度分量图像以及色调分量图像；将各亮度分量图像进行加权融合，以获得融合后的亮度分量图像；将融合后的亮度分量图像、色调分量图像以及饱和度分量图像转换到RGB空间，以获得增强RGB图像；其中，将各亮度分量图像进行加权融合的步骤包括：从至少两个原始RGB图像选择第一原始RGB图像；将第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合，以获得融合后的亮度分量图像；并且，将各原始RGB图像转换到HSI空间的步骤包括：通过以下公式获得色调分量图像、饱和度分量图像以及亮度分量图像：
Figure PCTCN2017112449-appb-000001
Figure PCTCN2017112449-appb-000002
Figure PCTCN2017112449-appb-000003
其中，
Figure PCTCN2017112449-appb-000004
Gi(x，y)和Bi(x，y)分别为至少两个原始RGB图像中的第i个原始RGB图像在x和y坐标位置处的像素的R分量值、G分量值以及B分量值，Hi(x，y)、Si(x，y)和Ii(x，y)分别为第i个原始RGB图像所对应的色调分量图像、饱和度分量图像以及亮度分量图像在x和y坐标位置处的像素的色调分量值、饱和度分量值以及亮度分量值。
为解决上述技术问题，本发明采用的另一个技术方案是：提供一种图像增强方法，包括：获取在不同曝光时间下针对同一场景采集的至少两个原始RGB图像；将各原始RGB图像转换到HSI空间，以获得分别与各原始RGB图像对应的亮度分量图像以及与至少一原始RGB图像对应的饱和度分量图像以及色调分量图像；将各亮度分量图像进行加权融合，以获得融合后的亮度分量图像；将融合后的亮度分量图像、色调分量图像以及饱和度分量图像转换到RGB空间，以获得增强RGB图像。
为解决上述技术问题，本发明采用的又一个技术方案是：提供一种图像处理装置包括存储器及处理器，其中处理器通过运行所述存储器上存储的程序执行步骤：获取在不同曝光时间下针对同一场景采集的至少两个原始RGB图像；将各原始RGB图像转换到HSI空间，以获得分别与各原始RGB图像对应的亮度分量图像以及与至少一原始RGB图像对应的饱和度分量图像以及色调分量图像；将各亮度分量图像进行加权融合，以获得融合后的亮度分量图像；将融合后的亮度分量图像、色调分量图像以及饱和度分量图像转换到RGB空间，以获得增强RGB图像。
本发明的有益效果是：区别于现有技术，本实施方式中饱和度分量图像和色调分量图像可以不做运算，只需在最后进行转换即可，只计算亮度分量并对亮度分量图像进行加权融合，从而简化了计算过程与运算量，降低高动态对比 图像的制作计算复杂度。
附图说明
图1是本发明的一实施方式的图像增强方法的流程示意图；
图2是本发明的另一实施方式的图像增强方法的流程示意图；
图3是图2中的步骤S24的子流程图；
图4是图3中各像素与相邻像素的结构示意图；
图5是本发明的一实施方式的图像处理装置的结构示意图。
具体实施方式
如图1所示，图1是本发明的一实施方式的图像增强方法的流程示意图。在本实施方式中，图像增强方法包括：
在步骤S11中，获取在不同曝光时间下针对同一场景采集的至少两个原始RGB图像。由于曝光时间不同，因此每个原始RGB图像的亮度均不同。
在步骤S12中，将各原始RGB图像转换到HSI空间，以获得分别与各原始RGB图像对应的亮度分量图像以及与至少一原始RGB图像对应的饱和度分量图像以及色调分量图像。一般来说，在不同曝光时间下针对同一场景采集的原始RGB图像，之间的亮度不同，因此在转换到HIS空间后可以获得与原始RGB图像数量相同的亮度分量图像。而由于是针对同一场景进行采集，因此饱和度分量图像以及色调分量图像只有一个。
在步骤S13中，将各亮度分量图像进行加权融合，以获得融合后的亮度分量图像。
在步骤S14中，将融合后的亮度分量图像、色调分量图像以及饱和度分量图像转换到RGB空间，以获得增强RGB图像。
通过上述方式，在进行图像增强时，只计算亮度分量并对亮度分量图像进行加权融合，从而简化了计算过程与运算量，降低高动态对比图像的制作计算复杂度。
另外，在优选实施例中，将各原始RGB图像转换到HSI空间的步骤包括：
通过以下公式获得色调分量图像、饱和度分量图像以及亮度分量图像：
Figure PCTCN2017112449-appb-000005
Figure PCTCN2017112449-appb-000006
Figure PCTCN2017112449-appb-000007
其中，
Figure PCTCN2017112449-appb-000008
Gi(x，y)和Bi(x，y)分别为至少两个原始RGB图像中的第i个原始RGB图像在x和y坐标位置处的像素的R分量值、G分量值以及B分量值，Hi(x，y)、Si(x，y)和Ii(x，y)分别为第i个原始RGB图像所对应的色调分量图像、饱和度分量图像以及亮度分量图像在x和y坐标位置处的像素的色调分量值、饱和度分量值以及亮度分量值。
上式并非唯一的色调分量图像、饱和度分量图像以及亮度分量图像的唯一公式，本领域技术人员可以采用上述公式进行计算，也可采用其他公知的相关公式进行计算，此处仅提供一优选实施方式。
如图2所示，图2是本发明的另一实施方式的图像增强方法的流程示意图。在本实施方式中，图像增强方法包括：
在步骤S21中，获取在不同曝光时间下针对同一场景采集的至少两个原始RGB图像。
在步骤S22中，将各原始RGB图像转换到HSI空间，以获得分别与各原始RGB图像对应的亮度分量图像以及与至少一原始RGB图像对应的饱和度分量图像以及色调分量图像。一般来说，在不同曝光时间下针对同一场景采集的原始RGB图像，之间的亮度不同，因此在转换到HIS空间后可以获得与原始RGB图像数量相同的亮度分量图像。而由于是针对同一场景进行采集，因此饱和度分量图像以及色调分量图像只有一个。
在步骤S23中，从至少两个原始RGB图像选择第一原始RGB图像。
在步骤S24中，将第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合。
在步骤S25中，获得融合后的亮度分量图像。
在步骤S26中，将融合后的亮度分量图像、色调分量图像以及饱和度分量图像转换到RGB空间，以获得增强RGB图像。
请进一步参阅图3，图3是图2中的步骤S24的子流程图。在本实施方式中，步骤S24：将第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合包括子步骤：
在步骤S241中，计算第一原始RGB图像和其余原始RGB图像中的各像素与相邻像素之间的第一亮度差值，并根据第一亮度差值的绝对平均值计算第一权重值，其中绝对平均值越大第一权重值越。
在优选实施方式中，计算第一原始RGB图像和其余原始RGB图像中的各像素与相邻像素之间的第一亮度差值，并根据第一亮度差值的绝对平均值计算第一权重的步骤包括：
通过以下公式计算第一权重值：
Figure PCTCN2017112449-appb-000009
Figure PCTCN2017112449-appb-000010
其中，Ii(x，y)、d1 i(x，y)和
Figure PCTCN2017112449-appb-000011
(x，y)为第一原始RGB图像和其余原始RGB图像中的第i个原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值、绝对平均值以及第一权重值，zj为相邻像素中的第j个相邻像素的亮度分量值，k为相邻像素的数量，n为第一原始RGB图像和其余原始RGB图像的数量。
在步骤S242中，计算其余原始RGB图像与第一原始RGB图像的对应像素之间的第二亮度差值，并根据第二亮度差值计算第二权重，其中第二亮度差值越大第二权重值越大。
在优选实施方式中，计算其余原始RGB图像与第一原始RGB图像的对应像素之间的第二亮度差值，并根据第二亮度差值计算第二权重的步骤包括：
通过以下公式计算第二权重值：
d2 i(x，y)＝Ii(x，y)-I1(x，y)；
Figure PCTCN2017112449-appb-000012
其中，Ii(x，y)、d2 i(x，y)和
Figure PCTCN2017112449-appb-000013
(x，y)为第一原始RGB图像和其余原始RGB图像中的第i个原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值、第二亮度差值以及第二权重值，I1(x，y)为第一原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值。
在步骤S243中，根据第一权重值和第二权重值将第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合。
在优选实施方式中，根据第一权重值和第二权重值将第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合的步骤包括：
通过以下公式进行加权融合：
Figure PCTCN2017112449-appb-000014
其中，IF(x，y)为融合后的亮度分量图像在x，y坐标位置处的像素的亮度分量值，
Figure PCTCN2017112449-appb-000015
为第一原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的第一权重值，m为图像位深。
若通过上述优选实施方式来进行图像融合，则将融合后的亮度分量图像、色调分量图像以及饱和度分量图像转换到RGB空间的步骤包括：
若色调分量图像在x，y坐标位置处的像素的色调分量值H(x，y)介于0度到120度之间，则
Figure PCTCN2017112449-appb-000016
Bo(x，y)＝C1(x，y)，Ro(x，y)＝C2(x，y)且Go(x，y)＝C3(x，y)；
若色调分量图像在x，y坐标位置处的像素的色调分量值H(x，y)介于120度到240度之间，则
Figure PCTCN2017112449-appb-000017
Ro(x，y)＝C1(x，y)，Go(x，y)＝C2(x，y)且Bo(x，y)＝C3(x，y)
若色调分量图像的在x，y坐标位置处的像素的色调分量值H(x，y)介于240度到360度之间，则
Figure PCTCN2017112449-appb-000018
Go(x，y)＝C1(x，y)，Bo(x，y)＝C2(x，y)且Ro(x，y)＝C3(x，y)；
其中，C1(x，y)＝IF(x，y)×(1-S(x，y))；
Figure PCTCN2017112449-appb-000019
C3(x，y)＝3×IF(x，y)-(C1(x，y)+C2(x，y))；
Ro(x，y)、Go(x，y)和Bo(x，y)分别为增强RGB图像在x，y坐标位置处的像素的R分量值、G分量值和B分量值，S(x，y)为饱和度分量图像在x，y坐标位置处的像素的饱和度分量值。
请进一步参阅图4，图4是图3中各像素与相邻像素的结构示意图。由图可见，相邻像素为沿行方向和列方向与第一原始RGB图像和其余原始RGB图像中的各像素相邻设置的四个相邻像素，或者与第一原始RGB图像和其余原始RGB图像中的各像素相邻设置的八个相邻像素。
本实施方式中饱和度分量图像和色调分量图像可以不做运算，只需在最后进行转换即可，只计算亮度分量并对亮度分量图像进行加权融合，从而简化了计算过程与运算量，降低高动态对比图像的制作计算复杂度。
请参阅图5，图5是本发明的一实施方式的图像处理装置的结构示意图。图像处理装置30包括存储器32及处理器31。其中处理器31通过运行存储器32上存储的程序执行如上述实施方式中的图像增强方法。
本发明的有益效果是：区别于现有技术，本实施方式中饱和度分量图像和色调分量图像可以不做运算，只需在最后进行转换即可，只计算亮度分量并对亮度分量图像进行加权融合，从而简化了计算过程与运算量，降低高动态对比图像的制作计算复杂度。
以上所述仅为本发明的实施方式，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他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (20)

  1. 一种图像增强方法，其中，所述图像增强方法包括：
    获取在不同曝光时间下针对同一场景采集的至少两个原始RGB图像；
    将各所述原始RGB图像转换到HSI空间，以获得分别与各所述原始RGB图像对应的亮度分量图像以及与至少一所述原始RGB图像对应的饱和度分量图像以及色调分量图像；
    将各所述亮度分量图像进行加权融合，以获得融合后的亮度分量图像；
    将所述融合后的亮度分量图像、所述色调分量图像以及所述饱和度分量图像转换到RGB空间，以获得增强RGB图像；
    其中，所述将各所述亮度分量图像进行加权融合的步骤包括：
    从所述至少两个原始RGB图像选择第一原始RGB图像；
    将所述第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合，以获得融合后的亮度分量图像；
    并且，所述将各所述原始RGB图像转换到HSI空间的步骤包括：
    通过以下公式获得所述色调分量图像、饱和度分量图像以及亮度分量图像：
    Figure PCTCN2017112449-appb-100001
    Figure PCTCN2017112449-appb-100002
    Figure PCTCN2017112449-appb-100003
    其中，
    Figure PCTCN2017112449-appb-100004
    Ri(x，y)、Gi(x，y)和Bi(x，y)分别为所述至少两个原始RGB图像中的第i个原始RGB图像在x和y坐标位置处的像素的R分量值、G分量值以及B分量值，Hi(x，y)、Si(x，y)和Ii(x，y)分别为所述第i个原始RGB图像所对应的色调分量图像、饱和度分量图像以及亮度分量图像在x和y坐标位置处的像素的色调分量值、饱和度分量值以及亮度分量值。
  2. 根据权利要求1所述的图像增强方法，其中，所述将所述第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合的步骤包括：
    计算所述第一原始RGB图像和所述其余原始RGB图像中的各像素与相邻像素之间的第一亮度差值，并根据所述第一亮度差值的绝对平均值计算第一权重值，其中所述绝对平均值越大所述第一权重值越大；
    计算所述其余原始RGB图像与所述第一原始RGB图像的对应像素之间的第二亮度差值，并根据所述第二亮度差值计算第二权重，其中所述第二亮度差值越大所述第二权重值越大；
    根据所述第一权重值和所述第二权重值将所述第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合。
  3. 一种图像增强方法，其中，所述图像增强方法包括：
    获取在不同曝光时间下针对同一场景采集的至少两个原始RGB图像；
    将各所述原始RGB图像转换到HSI空间，以获得分别与各所述原始RGB图像对应的亮度分量图像以及与至少一所述原始RGB图像对应的饱和度分量图像以及色调分量图像；
    将各所述亮度分量图像进行加权融合，以获得融合后的亮度分量图像；
    将所述融合后的亮度分量图像、所述色调分量图像以及所述饱和度分量图像转换到RGB空间，以获得增强RGB图像。
  4. 根据权利要求3所述的图像增强方法，其中，所述将各所述原始RGB图像转换到HSI空间的步骤包括：
    通过以下公式获得所述色调分量图像、饱和度分量图像以及亮度分量图像：
    Figure PCTCN2017112449-appb-100005
    Figure PCTCN2017112449-appb-100006
    Figure PCTCN2017112449-appb-100007
    其中，
    Figure PCTCN2017112449-appb-100008
    Ri(x，y)、 Gi(x，y)和Bi(x，y)分别为所述至少两个原始RGB图像中的第i个原始RGB图像在x和y坐标位置处的像素的R分量值、G分量值以及B分量值，Hi(x，y)、Si(x，y)和Ii(x，y)分别为所述第i个原始RGB图像所对应的色调分量图像、饱和度分量图像以及亮度分量图像在x和y坐标位置处的像素的色调分量值、饱和度分量值以及亮度分量值。
  5. 根据权利要求3所述的图像增强方法，其中，所述将各所述亮度分量图像进行加权融合的步骤包括：
    从所述至少两个原始RGB图像选择第一原始RGB图像；
    将所述第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合，以获得融合后的亮度分量图像。
  6. 根据权利要求5所述的图像增强方法，其中，所述将所述第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合的步骤包括：
    计算所述第一原始RGB图像和所述其余原始RGB图像中的各像素与相邻像素之间的第一亮度差值，并根据所述第一亮度差值的绝对平均值计算第一权重值，其中所述绝对平均值越大所述第一权重值越大；
    计算所述其余原始RGB图像与所述第一原始RGB图像的对应像素之间的第二亮度差值，并根据所述第二亮度差值计算第二权重，其中所述第二亮度差值越大所述第二权重值越大；
    根据所述第一权重值和所述第二权重值将所述第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合。
  7. 根据权利要求6所述的图像增强方法，其中，所述计算所述第一原始RGB图像和所述其余原始RGB图像中的各像素与相邻像素之间的第一亮度差值，并根据所述第一亮度差值的绝对平均值计算第一权重的步骤包括：
    通过以下公式计算所述第一权重值：
    Figure PCTCN2017112449-appb-100009
    Figure PCTCN2017112449-appb-100010
    其中，Ii(x，y)、d1 i(x，y)和
    Figure PCTCN2017112449-appb-100011
    为所述第一原始RGB图像和所述其余原始RGB图像中的第i个原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值、绝对平均值以及第一权重值，zj为相邻像素中的第j个相邻像素的亮度分量值，k为相邻像素的数量，n为所述第一原始RGB图像和所述其余原始RGB图像的数量。
  8. 根据权利要求7所述的图像增强方法，其中，所述相邻像素为沿行方向和列方向与所述第一原始RGB图像和所述其余原始RGB图像中的各像素相邻设置的四个相邻像素，或者与所述第一原始RGB图像和所述其余原始RGB图像中的各像素相邻设置的八个相邻像素。
  9. 根据权利要求7所述的图像增强方法，其中，所述计算所述其余原始RGB图像与所述第一原始RGB图像的对应像素之间的第二亮度差值，并根据所述第二亮度差值计算第二权重的步骤包括：
    通过以下公式计算所述第二权重值：
    d2 i(x，y)＝Ii(x，y)-I1(x，y)；
    Figure PCTCN2017112449-appb-100012
    其中，Ii(x，y)、d2 i(x，y)和
    Figure PCTCN2017112449-appb-100013
    为所述第一原始RGB图像和所述其余原始RGB图像中的第i个原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值、第二亮度差值以及第二权重值，I1(x，y)为所述第一原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值。
  10. 根据权利要求9所述的图像增强方法，其中，所述根据所述第一权重值和所述第二权重值将所述第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合的步骤包括：
    通过以下公式进行加权融合：
    Figure PCTCN2017112449-appb-100014
    其中，IF(x，y)为融合后的亮度分量图像在x，y坐标位置处的像素的亮度分量值，
    Figure PCTCN2017112449-appb-100015
    为所述第一原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的第一权重值，m为图像位深。
  11. 根据权利要求10所述的图像增强方法，其中，所述将所述融合后的亮度分量图像、所述色调分量图像以及所述饱和度分量图像转换到RGB空间的步骤包括：
    若所述色调分量图像在x，y坐标位置处的像素的色调分量值H(x，y)介于0度到120度之间，则
    Figure PCTCN2017112449-appb-100016
    Bo(x，y)＝C1(x，y)，Ro(x，y)＝C2(x，y)且Go(x，y)＝C3(x，y)；
    若所述色调分量图像在x，y坐标位置处的像素的色调分量值H(x，y)介于120度到240度之间，则
    Figure PCTCN2017112449-appb-100017
    Ro(x，y)＝C1(x，y)，Go(x，y)＝C2(x，y)且Bo(x，y)＝C3(x，y)
    若所述色调分量图像的在x，y坐标位置处的像素的色调分量值H(x，y)介于240度到360度之间，则
    Figure PCTCN2017112449-appb-100018
    Go(x，y)＝C1(x，y)，Bo(x，y)＝C2(x，y)且Ro(x，y)＝C3(x，y)；
    其中，C1(x，y)＝IF(x，y)×(1-S(x，y))；
    Figure PCTCN2017112449-appb-100019
    C3(x，y)＝3×IF(x，y)-(C1(x，y)+C2(x，y))；
    Ro(x，y)、Go(x，y)和Bo(x，y)分别为所述增强RGB图像在x，y坐标位置处的像素的R分量值、G分量值和B分量值，S(x，y)为所述饱和度分量图像在x，y坐标位置处的像素的饱和度分量值。
  12. 一种图像处理装置，其中，所述图像处理装置包括存储器及处理器，其中所述处理器通过运行所述存储器上存储的程序执行如下步骤：
    获取在不同曝光时间下针对同一场景采集的至少两个原始RGB图像；
    将各所述原始RGB图像转换到HSI空间，以获得分别与各所述原始RGB图像对应的亮度分量图像以及与至少一所述原始RGB图像对应的饱和度分量图像以及色调分量图像；
    将各所述亮度分量图像进行加权融合，以获得融合后的亮度分量图像；
    将所述融合后的亮度分量图像、所述色调分量图像以及所述饱和度分量图像转换到RGB空间，以获得增强RGB图像。
  13. 根据权利要求12所述的图像处理装置，其中，所述将各所述原始RGB图像转换到HSI空间的步骤包括：
    通过以下公式获得所述色调分量图像、饱和度分量图像以及亮度分量图像：
    Figure PCTCN2017112449-appb-100020
    Figure PCTCN2017112449-appb-100021
    Figure PCTCN2017112449-appb-100022
    其中，
    Figure PCTCN2017112449-appb-100023
    Ri(x，y)、Gi(x，y)和Bi(x，y)分别为所述至少两个原始RGB图像中的第i个原始RGB图像在x和y坐标位置处的像素的R分量值、G分量值以及B分量值，Hi(x，y)、Si(x，y)和Ii(x，y)分别为所述第i个原始RGB图像所对应的色调分量图像、饱和度分量图像以及亮度分量图像在x和y坐标位置处的像素的色调分量值、饱和度分量值以及亮度分量值。
  14. 根据权利要求13所述的图像处理装置，其中，所述将各所述亮度分量图像进行加权融合的步骤包括：
    从所述至少两个原始RGB图像选择第一原始RGB图像；
    将所述第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合，以获得融合后的亮度分量图像。
  15. 根据权利要求14所述的图像处理装置，其中，所述将所述第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合的步骤包括：
    计算所述第一原始RGB图像和所述其余原始RGB图像中的各像素与相邻像素之间的第一亮度差值，并根据所述第一亮度差值的绝对平均值计算第一权重值，其中所述绝对平均值越大所述第一权重值越大；
    计算所述其余原始RGB图像与所述第一原始RGB图像的对应像素之间的第二亮度差值，并根据所述第二亮度差值计算第二权重，其中所述第二亮度差 值越大所述第二权重值越大；
    根据所述第一权重值和所述第二权重值将所述第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合。
  16. 根据权利要求15所述的图像处理装置，其中，所述计算所述第一原始RGB图像和所述其余原始RGB图像中的各像素与相邻像素之间的第一亮度差值，并根据所述第一亮度差值的绝对平均值计算第一权重的步骤包括：
    通过以下公式计算所述第一权重值：
    Figure PCTCN2017112449-appb-100024
    Figure PCTCN2017112449-appb-100025
    其中，Ii(x，y)、d1 i(x，y)和
    Figure PCTCN2017112449-appb-100026
    为所述第一原始RGB图像和所述其余原始RGB图像中的第i个原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值、绝对平均值以及第一权重值，zj为相邻像素中的第j个相邻像素的亮度分量值，k为相邻像素的数量，n为所述第一原始RGB图像和所述其余原始RGB图像的数量。
  17. 根据权利要求16所述的图像处理装置，其中，所述相邻像素为沿行方向和列方向与所述第一原始RGB图像和所述其余原始RGB图像中的各像素相邻设置的四个相邻像素，或者与所述第一原始RGB图像和所述其余原始RGB图像中的各像素相邻设置的八个相邻像素。
  18. 根据权利要求16所述的图像处理装置，其中，所述计算所述其余原始RGB图像与所述第一原始RGB图像的对应像素之间的第二亮度差值，并根据所述第二亮度差值计算第二权重的步骤包括：
    通过以下公式计算所述第二权重值：
    d2 i(x，y)＝Ii(x，y)-I1(x，y)；
    Figure PCTCN2017112449-appb-100027
    其中，Ii(x，y)、d2 i(x，y)和
    Figure PCTCN2017112449-appb-100028
    为所述第一原始RGB图像和所述其余原始RGB图像中的第i个原始RGB图像所对应的亮度分量图像在x，y坐标位置处 的像素的亮度分量值、第二亮度差值以及第二权重值，I1(x，y)为所述第一原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的亮度分量值。
  19. 根据权利要求18所述的图像处理装置，其中，所述根据所述第一权重值和所述第二权重值将所述第一原始RGB图像所对应的亮度分量图像中的各像素的亮度分量值与其余原始RGB图像所对应的亮度分量图像中的对应像素的亮度分量值进行加权融合的步骤包括：
    通过以下公式进行加权融合：
    Figure PCTCN2017112449-appb-100029
    其中，IF(x，y)为融合后的亮度分量图像在x，y坐标位置处的像素的亮度分量值，
    Figure PCTCN2017112449-appb-100030
    为所述第一原始RGB图像所对应的亮度分量图像在x，y坐标位置处的像素的第一权重值，m为图像位深。
  20. 根据权利要求19所述的图像处理装置，其中，所述将所述融合后的亮度分量图像、所述色调分量图像以及所述饱和度分量图像转换到RGB空间的步骤包括：
    若所述色调分量图像在x，y坐标位置处的像素的色调分量值H(x，y)介于0度到120度之间，则
    Figure PCTCN2017112449-appb-100031
    Bo(x，y)＝C1(x，y)，Ro(x，y)＝C2(x，y)且Go(x，y)＝C3(x，y)；
    若所述色调分量图像在x，y坐标位置处的像素的色调分量值H(x，y)介于120度到240度之间，则
    Figure PCTCN2017112449-appb-100032
    Ro(x，y)＝C1(x，y)，Go(x，y)＝C2(x，y)且Bo(x，y)＝C3(x，y)；
    若所述色调分量图像的在x，y坐标位置处的像素的色调分量值H(x，y)介于240度到360度之间，则
    Figure PCTCN2017112449-appb-100033
    Go(x，y)＝C1(x，y)，Bo(x，y)＝C2(x，y)且Ro(x，y)＝C3(x，y)；
    其中，C1(x，y)＝IF(x，y)×(1-S(x，y))；
    Figure PCTCN2017112449-appb-100034
    C3(x，y)＝3×IF(x，y)-(C1(x，y)+C2(x，y))；
    Ro(x，y)、Go(x，y)和Bo(x，y)分别为所述增强RGB图像在x，y坐标位置处的像素的R分量值、G分量值和B分量值，S(x，y)为所述饱和度分量图像在x，y坐标位置处的像素的饱和度分量值。
PCT/CN2017/112449 2017-09-22 2017-11-23 图像增强方法以及图像处理装置 WO2019056549A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710870155.4A CN107590791B (zh) 2017-09-22 2017-09-22 图像增强方法以及图像处理装置
CN201710870155.4 2017-09-22

Publications (1)

Publication Number Publication Date
WO2019056549A1 true WO2019056549A1 (zh) 2019-03-28

Family

ID=61047734

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2017/112449 WO2019056549A1 (zh) 2017-09-22 2017-11-23 图像增强方法以及图像处理装置

Country Status (2)

Country Link
CN (1) CN107590791B (zh)
WO (1) WO2019056549A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689489A (zh) * 2019-09-06 2020-01-14 西安交通大学 一种改进IHSI空间中的非均匀光照图像自适应gamma增强方法
CN114708175A (zh) * 2022-03-22 2022-07-05 智冠华高科技(大连)有限公司 一种用于双通道图像传感器的图像融合方法
CN116824586A (zh) * 2023-08-31 2023-09-29 山东黑猿生物科技有限公司 图像处理方法及应用该方法的黑蒜生产质量在线检测系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108711160B (zh) * 2018-05-18 2022-06-14 西南石油大学 一种基于hsi增强性模型的目标分割方法
CN108805834A (zh) * 2018-05-28 2018-11-13 电子科技大学 一种内窥镜自动调光的图像处理算法
CN109102484B (zh) * 2018-08-03 2021-08-10 北京字节跳动网络技术有限公司 用于处理图像的方法和装置
CN109636767A (zh) * 2018-11-30 2019-04-16 深圳市华星光电半导体显示技术有限公司 多曝光图像融合方法
CN109605430B (zh) * 2018-12-06 2020-12-29 南通品御鲜食品有限公司 干净刀片更换平台
CN111429366B (zh) * 2020-03-03 2022-05-17 浙江大学 基于亮度转换函数的单帧弱光图像增强方法
CN113132639B (zh) * 2021-04-22 2023-02-03 亮风台（上海）信息科技有限公司 一种图像处理方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102779330A (zh) * 2012-06-13 2012-11-14 京东方科技集团股份有限公司 图像增强方法、图像增强装置和显示装置
US20130094758A1 (en) * 2010-01-05 2013-04-18 Vikas Yadav Color Saturation-Modulated Blending of Exposure-Bracketed Images
US20160125630A1 (en) * 2014-10-30 2016-05-05 PathPartner Technology Consulting Pvt. Ltd. System and Method to Align and Merge Differently Exposed Digital Images to Create a HDR (High Dynamic Range) Image
CN106464815A (zh) * 2014-11-21 2017-02-22 深圳市大疆创新科技有限公司 高动态范围成像的快速自适应混合的系统以及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100446037C (zh) * 2007-08-31 2008-12-24 北京工业大学 基于特征的大幅面文化遗产图像拼接方法
CN106097279B (zh) * 2016-06-24 2019-01-01 电子科技大学 一种高动态图像增强方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130094758A1 (en) * 2010-01-05 2013-04-18 Vikas Yadav Color Saturation-Modulated Blending of Exposure-Bracketed Images
CN102779330A (zh) * 2012-06-13 2012-11-14 京东方科技集团股份有限公司 图像增强方法、图像增强装置和显示装置
US20160125630A1 (en) * 2014-10-30 2016-05-05 PathPartner Technology Consulting Pvt. Ltd. System and Method to Align and Merge Differently Exposed Digital Images to Create a HDR (High Dynamic Range) Image
CN106464815A (zh) * 2014-11-21 2017-02-22 深圳市大疆创新科技有限公司 高动态范围成像的快速自适应混合的系统以及方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689489A (zh) * 2019-09-06 2020-01-14 西安交通大学 一种改进IHSI空间中的非均匀光照图像自适应gamma增强方法
CN110689489B (zh) * 2019-09-06 2023-12-19 西安交通大学 一种改进IHSI空间中的非均匀光照图像自适应gamma增强方法
CN114708175A (zh) * 2022-03-22 2022-07-05 智冠华高科技(大连)有限公司 一种用于双通道图像传感器的图像融合方法
CN114708175B (zh) * 2022-03-22 2024-05-31 智冠华高科技(大连)有限公司 一种用于双通道图像传感器的图像融合方法
CN116824586A (zh) * 2023-08-31 2023-09-29 山东黑猿生物科技有限公司 图像处理方法及应用该方法的黑蒜生产质量在线检测系统
CN116824586B (zh) * 2023-08-31 2023-12-01 山东黑猿生物科技有限公司 图像处理方法及应用该方法的黑蒜生产质量在线检测系统

Also Published As

Publication number Publication date
CN107590791A (zh) 2018-01-16
CN107590791B (zh) 2020-07-03

Similar Documents

Publication Publication Date Title
WO2019056549A1 (zh) 图像增强方法以及图像处理装置
WO2020192483A1 (zh) 图像显示方法和设备
US9811946B1 (en) High resolution (HR) panorama generation without ghosting artifacts using multiple HR images mapped to a low resolution 360-degree image
CN108537155B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN109325922B (zh) 一种图像自适应增强方法、装置及图像处理设备
CN111292264A (zh) 一种基于深度学习的图像高动态范围重建方法
WO2022000397A1 (zh) 低照度图像增强方法、装置及计算机设备
CN106506983A (zh) 一种适用于ldr视频的hdr视频生成方法
DE102012023299A1 (de) Einrichtung und Algorithmus zum Erfassen von HDR-Video (High Dynamic Range - hoher Dynamikumfang)
CN105141841B (zh) 摄像设备及其方法
CN108616700B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN113822830B (zh) 基于深度感知增强的多曝光图像融合方法
Moriwaki et al. Hybrid loss for learning single-image-based HDR reconstruction
CN113379609B (zh) 一种图像处理方法、存储介质及终端设备
JP4851505B2 (ja) 画像処理装置及び画像処理方法
CN112991236B (zh) 一种基于模板的图像增强方法及装置
CN114998122A (zh) 一种低照度图像增强方法
CN114240767A (zh) 一种基于曝光融合的图像宽动态范围处理方法及装置
US11640654B2 (en) Image processing method and apparatus
JP2003199115A (ja) デジタル画像の品質を改善する改善方法
Kalyan et al. A New Concatenated Method for Deep Curve Estimation Using Low Weight CNN for Low Light Image Enhancement
CN109284694A (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN114283100A (zh) 高动态范围图像合成与色调映射方法及电子设备
CN111242087A (zh) 物体识别方法及装置
KR101005625B1 (ko) 카메라 색상 특성 곡선을 이용한 영상 밝기 변화에 따른 색 보정 방법

Legal Events

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

Ref document number: 17926284

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17926284

Country of ref document: EP

Kind code of ref document: A1