WO2019169851A1 - 图像处理方法及系统 - Google Patents

图像处理方法及系统 Download PDF

Info

Publication number
WO2019169851A1
WO2019169851A1 PCT/CN2018/105357 CN2018105357W WO2019169851A1 WO 2019169851 A1 WO2019169851 A1 WO 2019169851A1 CN 2018105357 W CN2018105357 W CN 2018105357W WO 2019169851 A1 WO2019169851 A1 WO 2019169851A1
Authority
WO
WIPO (PCT)
Prior art keywords
target image
function
image
mapping
pixel data
Prior art date
Application number
PCT/CN2018/105357
Other languages
English (en)
French (fr)
Inventor
濮怡莹
饶洋
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 WO2019169851A1 publication Critical patent/WO2019169851A1/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
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20008—Globally adaptive
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Definitions

  • the present application relates to the field of image processing technologies, and in particular, to an image processing method and system.
  • mapping from small gamut to large gamut is linear expansion of fixed-point matching, but it is more complicated when transforming from large gamut to small gamut.
  • C1 in FIG. 1 is a target color gamut, that is, a mapping length value in a small color gamut region
  • C2 is a pixel to be mapped in the target image in a large color gamut.
  • the length value in the area is a target color gamut, that is, a mapping length value in a small color gamut region, and C2 is a pixel to be mapped in the target image in a large color gamut.
  • mapping maps to the boundary method In order to keep the color tone unchanged, most mapping methods are mapped in an isochromatic plane (HSL (Hue, Saturation, Lightness) or HSV (Hue, Saturation, Value) coordinates;
  • the method mainly comprises: mapping the points to be mapped along the mapping direction into the color gamut, that is, the points in the gamut are unchanged, and mapping the points outside the gamut to the boundaries of the small gamut;
  • Linear linear mapping method linear compression mapping, in the iso-tone plane, using the partition multi-point mapping method to determine the mapping direction, the point to be mapped is linearly compressed into the color gamut, thus retaining the details of the original image, but will Loss of color in the gamut;
  • S-curve curve method that is, nonlinear curve compression, mapping the points to be mapped along the mapping direction into the color gamut; this method can balance details and colors, but the lower part of the curve makes the mapping and the original image larger. Deviation.
  • the present application is based on a nonlinear compression mapping method, and the following technical solutions are proposed.
  • the present application provides an image processing method and system to improve the loss of details of existing images in gamut mapping.
  • the present application provides an image processing method, wherein the image processing method includes:
  • Step S10 reading a target image, and acquiring pixel data of the target image
  • Step S20 constructing a mapping function f 1 (x) about the target image in an isochromic plane
  • Step S30 output a new image according to the pixel data of the target image and the mapping function f 1 (x);
  • Step S40 correcting the new image by using a correction function g(x), and outputting a final image
  • the step S10 includes:
  • Step S101 reading the target image
  • Step S102 Acquire pixel data about saturation of the target image in a HIS or HSV color space
  • Step S103 forming a matrix function M(i, j) according to the pixel data of the target image with respect to saturation;
  • Step S104 performing edge detection on the target image and binarization processing to obtain an edge function f 3 (x);
  • Step S105 Obtain a parameter ⁇ of the target image with respect to a saturation distribution according to the matrix function M(i, j) and the edge function f 3 (n).
  • S is the domain value of the CIE color space
  • i and j are the coordinates of the CIE color space
  • ⁇ is the ratio of the small gamut area to the large gamut area of the target image in the isochromatic plane.
  • the count() is a function of the number of non-zero pixels in the statistical matrix
  • m is the number of pixels in the lateral direction of the target image
  • n is the number of pixels in the longitudinal direction of the target image
  • ⁇ is artificial
  • the adjustment factor, ⁇ ranges from [0,1].
  • mapping function The mapping function or
  • mapping function The mapping function or
  • b is the length value of the pixel to be mapped in the target image in the large color gamut region
  • a is the mapping length value in the target small color gamut region.
  • the present application also provides an image processing system, wherein the image processing system includes: a scanning module, a construction module, a calculation module, and a correction module;
  • the scanning module is configured to read a target image and acquire pixel data of the target image
  • the constructing module is configured to construct a mapping function f 1 (x) about the target image in an isochromic plane;
  • the calculating module is configured to output a new image according to the pixel data of the target image and the mapping function f 1 (x);
  • the correction module is configured to correct the new image with a correction function g(x) and output a final image.
  • the scanning module includes: a reading unit, a scanning unit, a matrix unit, an edge detecting unit, and a combining unit;
  • the reading unit is configured to read the target image
  • the scanning unit is configured to acquire pixel data about saturation of the target image in a HIS or HSV color space;
  • the matrix unit is configured to form a matrix function M(i, j) according to pixel data of the target image with respect to saturation;
  • the edge detecting unit is configured to perform edge detection and binarization processing on the target image to obtain an edge function f 3 (x);
  • the combining unit is configured to obtain a parameter ⁇ of the target image with respect to a saturation distribution according to the matrix function M(i, j) and the edge function f 3 (n).
  • S is the domain value of the CIE color space
  • i and j are the coordinates of the CIE color space
  • ⁇ is the ratio of the small gamut area to the large gamut area of the target image in the isochromatic plane.
  • the count() is a function of the number of non-zero pixels in the statistical matrix
  • m is the number of pixels in the lateral direction of the target image
  • n is the number of pixels in the longitudinal direction of the target image
  • ⁇ is artificial
  • the adjustment factor, ⁇ ranges from [0,1].
  • mapping function The mapping function or
  • b is the length value of the pixel to be mapped in the target image in the large color gamut region
  • a is the mapping length value in the target small color gamut region.
  • the application also proposes an image processing method, which includes:
  • Step S10 reading a target image, and acquiring pixel data of the target image
  • Step S20 constructing a mapping function f 1 (x) about the target image in an isochromic plane
  • Step S30 output a new image according to the pixel data of the target image and the mapping function f 1 (x);
  • Step S40 correcting the new image by using the correction function g(x), and outputting the final image.
  • the step S10 includes:
  • Step S101 reading the target image
  • Step S102 Acquire pixel data about saturation of the target image in a HIS or HSV color space
  • Step S103 forming a matrix function M(i, j) according to the pixel data of the target image with respect to saturation;
  • Step S104 performing edge detection on the target image and binarization processing to obtain an edge function f 3 (x);
  • Step S105 Obtain a parameter ⁇ of the target image with respect to a saturation distribution according to the matrix function M(i, j) and the edge function f 3 (n).
  • S is the domain value of the CIE color space
  • i and j are the coordinates of the CIE color space
  • ⁇ is the ratio of the small gamut area to the large gamut area of the target image in the isochromatic plane.
  • the count() is a function of the number of non-zero pixels in the statistical matrix
  • m is the number of pixels in the lateral direction of the target image
  • n is the number of pixels in the longitudinal direction of the target image
  • ⁇ is artificial
  • the adjustment factor, ⁇ ranges from [0,1].
  • mapping function In the image processing method of the present application, the mapping function or
  • mapping function The mapping function or
  • b is the length value of the pixel to be mapped in the target image in the large color gamut region
  • a is the mapping length value in the target small color gamut region.
  • the present application proposes an image processing method and system, by acquiring pixel data of the target image, and constructing a mapping function f 1 (x) about the target image in an isochromic plane, according to the pixel of the target image
  • the data and the mapping function f 1 (x) are such that the mapping function f 1 (x) is automatically adjusted according to the pixel data of the target image such that the different images maintain the color and detail of the original image in the gamut mapping.
  • FIG. 1 is a schematic diagram of a mapping method commonly used in image processing in the prior art
  • FIG. 2 is a schematic diagram of steps of an image processing method of the present application.
  • FIG. 3 is a schematic diagram of an isochromatic plane mapping in an image processing method of the present application.
  • FIG. 5 is a schematic structural diagram of an image processing system of the present application.
  • FIG. 6 is a schematic structural diagram of an image processing system of the present application.
  • FIG. 2 is a schematic diagram showing the steps of an image processing method according to a preferred embodiment of the present application, wherein the image processing method includes:
  • Step S10 reading a target image, and acquiring pixel data of the target image
  • the target image is read to obtain pixel data of the target image in the HIS or HSV color space;
  • the pixel data described herein represents hue, brightness, and saturation in the HIS color space, and represents in the HSV color space. Hue, saturation, and lightness;
  • the present application takes the saturation as an example to first obtain the component saturation of the pixel data in the HIS or HSV color space of the target image, according to the target image. Saturation, forming a matrix function;
  • the matrix function is:
  • S is the domain value of the CIE color space, ie the saturation of the target image, i and j are the coordinates of the CIE color space;
  • ⁇ is the ratio of the small gamut area to the large gamut area of the target image in the isochromic plane , that is, copying the target image to different color gamut environments, the values of ⁇ are different;
  • the edge detection mainly uses a Sobel template or other edge detection template to obtain an edge function f 3 (x), which mainly represents the detail feature of the objective function. ;
  • the parameter ⁇ of the target image with respect to the saturation distribution is obtained.
  • the saturation distribution The parameters are:
  • the count() is a function of the number of non-zero pixels in the statistical matrix
  • m is the number of pixels in the lateral direction of the target image
  • n is the number of pixels in the longitudinal direction of the target image
  • ⁇ is artificial
  • the adjustment factor, ⁇ has a value range of [0, 1];
  • ⁇ embodies the richness of detail of the input target image in the saturated region. The richer the detail, the closer ⁇ is to 0, and the less detail, the closer ⁇ is to 1.
  • Step S20 constructing a mapping function f 1 (x) about the target image in an isochromic plane
  • mapping function f 1 (x) is:
  • FIG. 3 is a schematic diagram of two color gamuts in an isochromic plane (LC plane), L is luminance, and c is purity; in a certain mapping direction, a is a target color gamut, ie, a small color. a mapping length value in the domain region, where b is a length value of a pixel to be mapped in the target image in a large color gamut region;
  • mapping function can be set to:
  • mapping function F(x) takes 1, 0.75, 0.5, 0.25, 0 respectively; that is, when ⁇ is close to 1, the function is close to the edge mapping function, when ⁇ Near zero, the function is close to the linear mapping function;
  • mapping function may also exist in other forms, such as a linear turning function (elbow function), that is, the inflection point of the function is adjusted by ⁇ , the mapping function is:
  • Step S30 output a new image according to the pixel data of the target image and the mapping function f 1 (x);
  • This step is mainly to combine the parameter ⁇ about the saturation distribution in the target image acquired in step S10 with the mapping function f 1 (x) constructed in step S20, so that the target image passes the Mapping function f 1 (x), outputting a new image;
  • the mapping result may retain the detail as much as possible; otherwise, when the image is saturated The less detail in the region, the closer ⁇ is to 1, and the closer the function y is to the boundary truncation mapping function, the mapping result can preserve the color as much as possible.
  • Step S40 correcting the new image by using a correction function g(x), and outputting a final image
  • the maximum brightness value of the obtained new image may be smaller than the maximum brightness value of the target image, and the minimum brightness value of the new image may be greater than the minimum brightness value of the target image, resulting in a new image. Distortion occurs in the local area; therefore, in the subsequent steps, the new image needs to be corrected by using a correction function, which is a linear function g(x), mapping the new image to the maximum brightness and the minimum brightness value of the target image. And output the final image.
  • a correction function which is a linear function g(x)
  • the present application proposes an image processing method, by acquiring pixel data of the target image, and constructing a mapping function f 1 (x) about the target image in an isochromic plane, according to pixel data of the target image and
  • the mapping function f 1 (x) is such that the mapping function f 1 (x) is automatically adjusted according to the pixel data of the target image, and after the correction of the correction function, the final image is output, so that different images are in the gamut mapping. Can maintain the color and detail of the original image.
  • the image processing system 30 includes: a scanning module 301, a construction module 302, a calculation module 303, and a correction module 304;
  • the scanning module 301 is configured to read a target image and acquire pixel data of the target image.
  • the constructing module 302 is configured to construct a mapping function f 1 (x) about the target image in an isochromic plane;
  • the calculating module 303 is configured to output a new image according to the pixel data of the target image and the mapping function f 1 (x);
  • the correction module 304 is configured to correct the new image with a correction function g(x) and output a final image.
  • the scanning module 301 includes: a reading unit 3011, a scanning unit 3012, a matrix unit 3013, an edge detecting unit 3014, and a combining unit 3015;
  • the reading unit 3011 is configured to read the target image
  • the scanning unit 3012 is configured to acquire pixel data about saturation of the target image in a HIS or HSV color space;
  • the matrix unit 3013 is configured to form a matrix function M(i, j) according to the pixel data of the target image with respect to saturation;
  • the edge detecting unit 3014 is configured to perform edge detection and binarization processing on the target image to obtain an edge function f 3 (x);
  • the combining unit 3015 is configured to obtain a parameter ⁇ of the target image with respect to a saturation distribution according to the matrix function M(i, j) and the edge function f 3 (n).
  • the matrix function is
  • S is the domain value of the CIE color space
  • i and j are the coordinates of the CIE color space
  • ⁇ is the ratio of the small gamut area to the large gamut area of the target image in the isochromatic plane.
  • the parameters of the saturation distribution are:
  • the count() is a function of the number of non-zero pixels in the statistical matrix
  • m is the number of pixels in the lateral direction of the target image
  • n is the number of pixels in the longitudinal direction of the target image
  • ⁇ is artificial
  • the adjustment factor, ⁇ ranges from [0,1].
  • mapping function is:
  • LC plane equal hue plane
  • L luminance
  • c purity
  • a a target color gamut, that is, a mapping length value in a small gamut region
  • b a length value of a pixel to be mapped in the target image in a large color gamut region
  • the mapping function may be set to:
  • mapping function in the constructing module, may also be set as:
  • the present application provides an image processing system, the image processing system includes: a scanning module, configured to read a target image, acquire pixel data of the target image; and a constructing module configured to construct a relevant environment in an isochromic plane a mapping function f 1 (x) of the target image; a calculation module, configured to output a new image according to the pixel data of the target image and the mapping function f 1 (x); and a correction module for using the correction function f 2 (x) correcting the new image and outputting the final image; so that different images can maintain the color and detail of the original image in the gamut mapping.
  • a scanning module configured to read a target image, acquire pixel data of the target image
  • a constructing module configured to construct a relevant environment in an isochromic plane a mapping function f 1 (x) of the target image
  • a calculation module configured to output a new image according to the pixel data of the target image and the mapping function f 1 (x)
  • a correction module for using the correction function
  • each functional module may be integrated into one processing chip, or each module may exist separately or may be integrated by two or more modules.
  • the above integrated modules can be implemented in the form of hardware or in the form of software functional modules.
  • the principles and implementations of the present application are described in the following by using specific examples. The description of the above embodiments is only for helping to understand the method of the present application and its core ideas. Meanwhile, for those skilled in the art, according to the present application, There is a change in the scope of the present invention and the scope of application, and the contents of this specification should not be construed as limiting the present application.

Abstract

本申请提出了一种图像处理方法及系统，通过获取所述目标图像的像素数据，并在等色相平面内构造关于所述目标图像的映射函数f 1(x)，根据所述目标图像的像素数据与所述映射函数f 1(x)，使得所示映射函数g(x)根据目标图像的像素数据自动调节，并输出最终图像，使得不同的图像在色域映射中，能保持原图像的色彩以及细节。

Description

图像处理方法及系统 技术领域
本申请涉及图像处理技术领域，尤其涉及一种图像处理方法及系统。
背景技术
目前，彩色图像在不同设备间进行复制时，由于每个设备的色域不同，为了尽可能地减少图像在复制过程中的颜色损失或失真，有必要做映射变换。
从小色域映射到大色域的一般做法是定点匹配线性扩大，但是从大色域变换到小色域时就会比较复杂。如图1所示，包括以下几种方法，其中，图1中的C1为目标色域，即小色域区域中的映射长度值，C2为所述目标图像中待映射的像素在大色域区域中的长度值：
1、Clipping映射到边界法：为了保持色调不变，绝大部分映射方法是在等色调平面内进行映射(HSL(Hue，Saturation，Lightness)或HSV(Hue，Saturation，Value)等坐标下)；此种方法主要为，将待映射点沿着映射方向朝色域内映射，即色域内的点不变，将色域外的点映射到小色域的边界；
2、Linear线性映射法：即线性压缩映射，在等色调平面内，采用分区多点影射方法确定映射方向，将待映射点等比例线性压缩至色域内，这样保留了原图的细节，但会损失色域内点的色彩；
3、S-curve曲线法：即非线性曲线压缩，将待映射点沿着映射方向朝色域内映射；此种方法能平衡细节和色彩，但是曲线下半部分使得映射后与原图发生较大偏离。
本申请是基于非线性压缩的映射方法，提出了下列技术方案。
技术问题
本申请提供一种图像处理方法及系统，以改善现有图像在色域映射中细节丢失等问题。
技术解决方案
本申请提供了一种图像处理方法，其中，所述图像处理方法包括：
步骤S10、读取目标图像，获取所述目标图像的像素数据；
步骤S20、在等色相平面内，构造关于所述目标图像的映射函数f 1(x)；
步骤S30、根据所述目标图像的像素数据与所述映射函数f 1(x)，输出新图像；
步骤S40、利用修正函数g(x)对所述新图像进行修正，并输出最终图像；
其中，所述步骤S10包括：
步骤S101、读取所述目标图像；
步骤S102、获取所述目标图像在HIS或HSV颜色空间中关于饱和度的像素数据；
步骤S103、根据所述目标图像关于饱和度的像素数据，形成矩 阵函数M(i,j)；
步骤S104、对所述目标图像进行边缘检测并二值化处理，得到边缘函数f 3(x)；
步骤S105、根据所述矩阵函数M(i,j)和所述边缘函数f 3(n)，得到所述目标图像关于饱和度分布的参数θ。
在本申请的图像处理方法中，所述矩阵函数
Figure PCTCN2018105357-appb-000001
其中，S为CIE颜色空间的域值，i和j为CIE颜色空间的坐标，σ为所述目标图像在等色相平面内小色域面积与大色域面积的比值。
在本申请的图像处理方法中，所述饱和度分布的参数
Figure PCTCN2018105357-appb-000002
其中，所述count()为统计矩阵中非0像素个数的函数，m为所述目标图像横向方向上的像素个数，n为所述目标图像纵向方向上的像素个数，ε为人工调节因子，θ的取值范围为[0，1]。
在本申请的图像处理方法中，
所述映射函数
Figure PCTCN2018105357-appb-000003
或者
所述映射函数
Figure PCTCN2018105357-appb-000004
或者
所述映射函数
Figure PCTCN2018105357-appb-000005
其中，b为所述目标图像中待映射的像素在大色域区域中的长度值，a为目标小色域区域中的映射长度值。
本申请还提出了一种图像处理系统，其中，所述图像处理系统包括：扫描模块、构造模块、计算模块以及修正模块；
所述扫描模块用于读取目标图像，获取所述目标图像的像素数据；
所述构造模块用于在等色相平面内，构造关于所述目标图像的映射函数f 1(x)；
所述计算模块用于根据所述目标图像的像素数据与所述映射函数f 1(x)，输出新图像；
所述修正模块用于利用修正函数g(x)对所述新图像进行修正，并输出最终图像。
在本申请的图像处理系统中，所述扫描模块包括：读取单元、扫描单元、矩阵单元、边缘检测单元以及组合单元；
所述读取单元用于读取所述目标图像；
所述扫描单元用于获取所述目标图像在HIS或HSV颜色空间中关于饱和度的像素数据；
所述矩阵单元用于根据所述目标图像关于饱和度的像素数据，形成矩阵函数M(i,j)；
所述边缘检测单元用于对所述目标图像进行边缘检测并二值化处理，得到边缘函数f 3(x)；
所述组合单元用于根据所述矩阵函数M(i,j)和所述边缘函数f 3(n)，得到所述目标图像关于饱和度分布的参数θ。
在本申请的图像处理系统中，所述矩阵函数
Figure PCTCN2018105357-appb-000006
其中，S为CIE颜色空间的域值，i和j为CIE颜色空间的坐标，σ为所述目标图像在等色相平面内小色域面积与大色域面积的比值。
在本申请的图像处理系统中，所述饱和度分布的参数
Figure PCTCN2018105357-appb-000007
其中，所述count()为统计矩阵中非0像素个数的函数，m为所述目标图像横向方向上的像素个数，n为所述目标图像纵向方向上的像素个数，ε为人工调节因子，θ的取值范围为[0，1]。
在本申请的图像处理系统中，
所述映射函数
Figure PCTCN2018105357-appb-000008
或者
所述映射函数
Figure PCTCN2018105357-appb-000009
或者
所述映射函数
Figure PCTCN2018105357-appb-000010
其中，b为所述目标图像中待映射的像素在大色域区域中的长度值，a为目标小色域区域中的映射长度值。
本申请还提出了一种图像处理方法，其包括：
步骤S10、读取目标图像，获取所述目标图像的像素数据；
步骤S20、在等色相平面内，构造关于所述目标图像的映射函 数f 1(x)；
步骤S30、根据所述目标图像的像素数据与所述映射函数f 1(x)，输出新图像；
步骤S40、利用修正函数g(x)对所述新图像进行修正，并输出最终图像。
在本申请的图像处理方法中，所述步骤S10包括：
步骤S101、读取所述目标图像；
步骤S102、获取所述目标图像在HIS或HSV颜色空间中关于饱和度的像素数据；
步骤S103、根据所述目标图像关于饱和度的像素数据，形成矩阵函数M(i,j)；
步骤S104、对所述目标图像进行边缘检测并二值化处理，得到边缘函数f 3(x)；
步骤S105、根据所述矩阵函数M(i,j)和所述边缘函数f 3(n)，得到所述目标图像关于饱和度分布的参数θ。
在本申请的图像处理方法中，所述矩阵函数
Figure PCTCN2018105357-appb-000011
其中，S为CIE颜色空间的域值，i和j为CIE颜色空间的坐标，σ为所述目标图像在等色相平面内小色域面积与大色域面积的比值。
在本申请的图像处理方法中，所述饱和度分布的参数
Figure PCTCN2018105357-appb-000012
其中，所述count()为统计矩阵中非0像素个数的函数，m为所 述目标图像横向方向上的像素个数，n为所述目标图像纵向方向上的像素个数，ε为人工调节因子，θ的取值范围为[0，1]。
在本申请的图像处理方法中，所述映射函数
Figure PCTCN2018105357-appb-000013
或者
所述映射函数
Figure PCTCN2018105357-appb-000014
或者
所述映射函数
Figure PCTCN2018105357-appb-000015
其中，b为所述目标图像中待映射的像素在大色域区域中的长度值，a为目标小色域区域中的映射长度值。
有益效果
本申请提出了一种图像处理方法及系统，通过获取所述目标图像的像素数据，并在等色相平面内构造关于所述目标图像的映射函数f 1(x)，根据所述目标图像的像素数据与所述映射函数f 1(x)，使得所示映射函数f 1(x)根据目标图像的像素数据自动调节，使得不同的图像在色域映射中，保持了原图像的色彩以及细节。
附图说明
为了更清楚地说明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述中的附图仅仅是发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附 图获得其他的附图。
图1为现有技术中图像处理常用的映射方法示意图；
图2为本申请图像处理方法的步骤示意图；
图3为本申请图像处理方法中的等色相平面映射示意图；
图4为本申请图像处理方法的映射函数不同取值的曲线图；
图5为本申请图像处理系统的结构示意图；
图6为本申请图像处理系统的结构示意图。
本发明的最佳实施方式
以下各实施例的说明是参考附加的图示，用以例示本申请可用以实施的特定实施例。本申请所提到的方向用语，例如[上]、[下]、[前]、[后]、[左]、[右]、[内]、[外]、[侧面]等，仅是参考附加图式的方向。因此，使用的方向用语是用以说明及理解本申请，而非用以限制本申请。在图中，结构相似的单元是用以相同标号表示。
图2所示为本申请优选实施例一种图像处理方法的步骤示意图，其中，所述图像处理方法包括：
步骤S10、读取目标图像，获取所述目标图像的像素数据；
首先，读取目标图像，以获取所述目标图像在HIS或HSV颜色空间中的像素数据；此处所叙述的像素数据，在HIS颜色空间中代表色调、亮度以及饱和度，在HSV颜色空间中代表色调、饱和度以及明度；
在本申请优选实施例中，为了更好的进行说明，本申请以饱和度为例，首先获取所述目标图像在HIS或HSV颜色空间中的像素数 据的分量饱和度，根据所述目标图像的饱和度，形成矩阵函数；
所述矩阵函数为：
Figure PCTCN2018105357-appb-000016
其中，S为CIE颜色空间的域值，即目标图像的饱和度，i和j为CIE颜色空间的坐标；σ为所述目标图像在等色相平面内小色域面积与大色域面积的比值，即将目标图像复制到不同的色域环境下，σ的值不同；
然后，对所述目标图像进行边缘检测并二值化处理，此处的边缘检测主要采用Sobel模板或其他边缘检测模板，得到边缘函数f 3(x)，该边缘函数主要表征目标函数的细节特征；
最后，根据得到的所述矩阵函数M(i,j)和所述边缘函数f 3(n)，得到所述目标图像关于饱和度分布的参数θ，在本实施例中，所述饱和度分布的参数为：
Figure PCTCN2018105357-appb-000017
其中，所述count()为统计矩阵中非0像素个数的函数，m为所述目标图像横向方向上的像素个数，n为所述目标图像纵向方向上的像素个数，ε为人工调节因子，θ的取值范围为[0，1]；
操作员调节ε的值，进而调节θ的变化幅度，θ体现了所输入目标图像在饱和区域内的细节丰富程度，细节越丰富θ越接近0，细节越少，θ越接近1。
步骤S20、在等色相平面内，构造关于所述目标图像的映射函 数f 1(x)；
此步骤的主要宗旨为，在尽可能保持原图色彩的基础上而不丢失细节；即在等色相平面内，构造关于所述目标图像的映射函数f 1(x)，所述映射函数为：
Figure PCTCN2018105357-appb-000018
在本实施例中，图3所示为等色相平面内(L-C平面)两个色域的示意图，L为亮度，c为纯度；在某个映射方向上，a为目标色域，即小色域区域中的映射长度值，b为所述目标图像中待映射的像素在大色域区域中的长度值；
由于上述函数为二次函数，当函数可能无限大或者无限小，因此为了避免该函数出现这种情况，所述映射函数可以设置为：
Figure PCTCN2018105357-appb-000019
图4所示为所述映射函数F(x)中的θ分别取1、0.75、0.5、0.25、0时的函数图像；即当θ接近1时，函数往上接近于边缘映射函数，当θ接近0时，函数往下接近于线性映射函数；
另外，所述映射函数还可以以其他形式存在，例如线性转折函数(肘函数)，即通过θ来调节该函数的拐点，所述映射函数为：
Figure PCTCN2018105357-appb-000020
步骤S30、根据所述目标图像的像素数据与所述映射函数f 1(x)，输出新图像；
此步骤主要为将步骤S10中所获取的关于所述目标图像中关于饱和度分布的参数θ，与步骤S20中所构造的映射函数f 1(x)相结合，使得所述目标图像通过所述映射函数f 1(x)，输出新图像；
在本实施例中，所述目标图像在饱和区域内的细节越丰富，θ越接近0，函数y越往下接近于线性映射函数，映射结果可以尽可能地保留细节；反之，当图像在饱和区域内的细节越少，θ越接近1，函数y越往上接近于边界截断映射函数，映射结果可以尽可能地保留色彩。
步骤S40、利用修正函数g(x)对所述新图像进行修正，并输出最终图像；
所述目标图像经构造的所述映射函数处理后，所得到的新图像的最大亮度值可能小于目标图像的最大亮度值，新图像的最小亮度值可能大于目标图像的最小亮度值，导致新图像的局部区域出现失真；因此，后续步骤中，需要利用修正函数对新图像进行修正，所述修正函数为一次函数g(x)，将新图像映射至目标图像的最大亮度和最小亮度值之间，并输出最终图像。
本申请提出了一种图像处理方法，通过获取所述目标图像的像素数据，并在等色相平面内构造关于所述目标图像的映射函数f 1(x)，根据所述目标图像的像素数据与所述映射函数f 1(x)，使得所示映射函数f 1(x)根据目标图像的像素数据自动调节，并通过修正函数的修正后，输出最终图像，使得不同的图像在色域映射中，能保持原图像的色彩以及细节。
图5所示为本申请优选实施例一种图像处理系统，其中，所述图像处理系统30包括：扫描模块301、构造模块302、计算模块303以及修正模块304；
所述扫描模块301用于读取目标图像，获取所述目标图像的像素数据；
所述构造模块302用于在等色相平面内，构造关于所述目标图像的映射函数f 1(x)；
所述计算模块303用于根据所述目标图像的像素数据与所述映射函数f 1(x)，输出新图像；
所述修正模块304用于利用修正函数g(x)对所述新图像进行修正，并输出最终图像。
如图6所示，所述扫描模块301包括：读取单元3011、扫描单元3012、矩阵单元3013、边缘检测单元3014以及组合单元3015；
所述读取单元3011用于读取所述目标图像；
所述扫描单元3012用于获取所述目标图像在HIS或HSV颜色空间中关于饱和度的像素数据；
所述矩阵单元3013用于根据所述目标图像关于饱和度的像素数据，形成矩阵函数M(i,j)；
所述边缘检测单元3014用于对所述目标图像进行边缘检测并二值化处理，得到边缘函数f 3(x)；
所述组合单元3015用于根据所述矩阵函数M(i,j)和所述边缘函 数f 3(n)，得到所述目标图像关于饱和度分布的参数θ。
根据本申请优选实施例，在所述矩阵单元中，所述矩阵函数为
Figure PCTCN2018105357-appb-000021
其中，S为CIE颜色空间的域值，i和j为CIE颜色空间的坐标，σ为所述目标图像在等色相平面内小色域面积与大色域面积的比值。
根据本申请优选实施例，在所述矩阵单元中，所述饱和度分布的参数为：
Figure PCTCN2018105357-appb-000022
其中，所述count()为统计矩阵中非0像素个数的函数，m为所述目标图像横向方向上的像素个数，n为所述目标图像纵向方向上的像素个数，ε为人工调节因子，θ的取值范围为[0，1]。
根据本申请优选实施例，在所述构造模块中，所述映射函数为：
Figure PCTCN2018105357-appb-000023
其中，为等色相平面内(L-C平面)两个色域的示意图，L为亮度，c为纯度；在某个映射方向上，a为目标色域，即小色域区域中的映射长度值，b为所述目标图像中待映射的像素在大色域区域中的长度值；
根据本申请优选实施例，在所述构造模块中，所述映射函数可以设置为：
Figure PCTCN2018105357-appb-000024
根据本申请优选实施例，在所述构造模块中，所述映射函数还可以设置为：
Figure PCTCN2018105357-appb-000025
本申请提出了一种图像处理系统，所述图像处理系统包括：扫描模块，用于读取目标图像，获取所述目标图像的像素数据；构造模块，用于在等色相平面内，构造关于所述目标图像的映射函数f 1(x)；计算模块，用于根据所述目标图像的像素数据与所述映射函数f 1(x)，输出新图像；修正模块，用于利用修正函数f 2(x)对所述新图像进行修正，并输出最终图像；使得不同的图像在色域映射中，能保持原图像的色彩以及细节。
以上对本申请实施例提供的一种图像处理方法及系统进行了详细介绍，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (14)

  1. 一种图像处理方法，其包括：
    步骤S10、读取目标图像，获取所述目标图像的像素数据；
    步骤S20、在等色相平面内，构造关于所述目标图像的映射函数f 1(x)；
    步骤S30、根据所述目标图像的像素数据与所述映射函数f 1(x)，输出新图像；
    步骤S40、利用修正函数g(x)对所述新图像进行修正，并输出最终图像；
    其中，所述步骤S10包括：
    步骤S101、读取所述目标图像；
    步骤S102、获取所述目标图像在HIS或HSV颜色空间中关于饱和度的像素数据；
    步骤S103、根据所述目标图像关于饱和度的像素数据，形成矩阵函数M(i,j)；
    步骤S104、对所述目标图像进行边缘检测并二值化处理，得到边缘函数f 3(x)；
    步骤S105、根据所述矩阵函数M(i,j)和所述边缘函数f 3(n)，得到所述目标图像关于饱和度分布的参数θ。
  2. 根据权利要求1所述图像处理方法，其中，所述矩阵函数
    Figure PCTCN2018105357-appb-100001
    其中，S为CIE颜色空间的域值，i和j为CIE颜色空间的坐标， σ为所述目标图像在等色相平面内小色域面积与大色域面积的比值。
  3. 根据权利要求1所述图像处理方法，其中，所述饱和度分布的参数
    Figure PCTCN2018105357-appb-100002
    其中，所述count()为统计矩阵中非0像素个数的函数，m为所述目标图像横向方向上的像素个数，n为所述目标图像纵向方向上的像素个数，ε为人工调节因子，θ的取值范围为[0，1]。
  4. 根据权利要求3所述图像处理方法，其中，所述映射函数
    Figure PCTCN2018105357-appb-100003
    或者
    所述映射函数
    Figure PCTCN2018105357-appb-100004
    或者
    所述映射函数
    Figure PCTCN2018105357-appb-100005
    其中，b为所述目标图像中待映射的像素在大色域区域中的长度值，a为目标小色域区域中的映射长度值。
  5. 一种图像处理系统，其中，所述图像处理系统包括：扫描模块、构造模块、计算模块以及修正模块；
    所述扫描模块用于读取目标图像，获取所述目标图像的像素数据；
    所述构造模块用于在等色相平面内，构造关于所述目标图像的映射函数f 1(x)；
    所述计算模块用于根据所述目标图像的像素数据与所述映射函 数f 1(x)，输出新图像；
    所述修正模块用于利用修正函数g(x)对所述新图像进行修正，并输出最终图像。
  6. 根据权利要求5所述图像处理系统，其中，所述扫描模块包括：读取单元、扫描单元、矩阵单元、边缘检测单元以及组合单元；
    所述读取单元用于读取所述目标图像；
    所述扫描单元用于获取所述目标图像在HIS或HSV颜色空间中关于饱和度的像素数据；
    所述矩阵单元用于根据所述目标图像关于饱和度的像素数据，形成矩阵函数M(i,j)；
    所述边缘检测单元用于对所述目标图像进行边缘检测并二值化处理，得到边缘函数f 3(x)；
    所述组合单元用于根据所述矩阵函数M(i,j)和所述边缘函数f 3(n)，得到所述目标图像关于饱和度分布的参数θ。
  7. 根据权利要求6所述图像处理系统，其中，所述矩阵函数
    Figure PCTCN2018105357-appb-100006
    其中，S为CIE颜色空间的域值，i和j为CIE颜色空间的坐标，σ为所述目标图像在等色相平面内小色域面积与大色域面积的比值。
  8. 根据权利要求6所述图像处理系统，其中，所述饱和度分布的参数
    Figure PCTCN2018105357-appb-100007
    其中，所述count()为统计矩阵中非0像素个数的函数，m为所述目标图像横向方向上的像素个数，n为所述目标图像纵向方向上的像素个数，ε为人工调节因子，θ的取值范围为[0，1]。
  9. 根据权利要求8所述图像处理系统，其中，所述映射函数
    Figure PCTCN2018105357-appb-100008
    或者
    所述映射函数
    Figure PCTCN2018105357-appb-100009
    或者
    所述映射函数
    Figure PCTCN2018105357-appb-100010
    其中，b为所述目标图像中待映射的像素在大色域区域中的长度值，a为目标小色域区域中的映射长度值。
  10. 一种图像处理方法，其包括：
    步骤S10、读取目标图像，获取所述目标图像的像素数据；
    步骤S20、在等色相平面内，构造关于所述目标图像的映射函数f 1(x)；
    步骤S30、根据所述目标图像的像素数据与所述映射函数f 1(x)，输出新图像；
    步骤S40、利用修正函数g(x)对所述新图像进行修正，并输出最终图像。
  11. 根据权利要求10所述图像处理方法，其中，所述步骤S10包括：
    步骤S101、读取所述目标图像；
    步骤S102、获取所述目标图像在HIS或HSV颜色空间中关于饱和度的像素数据；
    步骤S103、根据所述目标图像关于饱和度的像素数据，形成矩阵函数M(i,j)；
    步骤S104、对所述目标图像进行边缘检测并二值化处理，得到边缘函数f 3(x)；
    步骤S105、根据所述矩阵函数M(i,j)和所述边缘函数f 3(n)，得到所述目标图像关于饱和度分布的参数θ。
  12. 根据权利要求11所述图像处理方法，其中，所述矩阵函数
    Figure PCTCN2018105357-appb-100011
    其中，S为CIE颜色空间的域值，i和j为CIE颜色空间的坐标，σ为所述目标图像在等色相平面内小色域面积与大色域面积的比值。
  13. 根据权利要求11所述图像处理方法，其中，所述饱和度分布的参数
    Figure PCTCN2018105357-appb-100012
    其中，所述count()为统计矩阵中非0像素个数的函数，m为所述目标图像横向方向上的像素个数，n为所述目标图像纵向方向上的像素个数，ε为人工调节因子，θ的取值范围为[0，1]。
  14. 根据权利要求13所述图像处理方法，其中，所述映射函数
    Figure PCTCN2018105357-appb-100013
    或者
    所述映射函数
    Figure PCTCN2018105357-appb-100014
    或者
    所述映射函数
    Figure PCTCN2018105357-appb-100015
    其中，b为所述目标图像中待映射的像素在大色域区域中的长度值，a为目标小色域区域中的映射长度值。
PCT/CN2018/105357 2018-03-08 2018-09-13 图像处理方法及系统 WO2019169851A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810189148.2 2018-03-08
CN201810189148.2A CN108510554B (zh) 2018-03-08 2018-03-08 一种图像处理方法及系统

Publications (1)

Publication Number Publication Date
WO2019169851A1 true WO2019169851A1 (zh) 2019-09-12

Family

ID=63376289

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/105357 WO2019169851A1 (zh) 2018-03-08 2018-09-13 图像处理方法及系统

Country Status (2)

Country Link
CN (1) CN108510554B (zh)
WO (1) WO2019169851A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108510554B (zh) * 2018-03-08 2020-01-14 深圳市华星光电半导体显示技术有限公司 一种图像处理方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1645903A (zh) * 2004-01-23 2005-07-27 柯尼卡美能达影像株式会社 图像处理装置、图像处理方法及图像处理程序
CN102790842A (zh) * 2011-05-19 2012-11-21 佳能株式会社 颜色再现范围压缩方法和使用该方法的配置文件创建装置
US20160275658A1 (en) * 2015-03-20 2016-09-22 Intel Corporation Color matching for imaging systems
CN107680142A (zh) * 2017-10-23 2018-02-09 深圳市华星光电半导体显示技术有限公司 改善域外色重叠映射的方法
CN108510554A (zh) * 2018-03-08 2018-09-07 深圳市华星光电半导体显示技术有限公司 一种图像处理方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1645903A (zh) * 2004-01-23 2005-07-27 柯尼卡美能达影像株式会社 图像处理装置、图像处理方法及图像处理程序
CN102790842A (zh) * 2011-05-19 2012-11-21 佳能株式会社 颜色再现范围压缩方法和使用该方法的配置文件创建装置
US20160275658A1 (en) * 2015-03-20 2016-09-22 Intel Corporation Color matching for imaging systems
CN107680142A (zh) * 2017-10-23 2018-02-09 深圳市华星光电半导体显示技术有限公司 改善域外色重叠映射的方法
CN108510554A (zh) * 2018-03-08 2018-09-07 深圳市华星光电半导体显示技术有限公司 一种图像处理方法及系统

Also Published As

Publication number Publication date
CN108510554A (zh) 2018-09-07
CN108510554B (zh) 2020-01-14

Similar Documents

Publication Publication Date Title
CN109191395B (zh) 图像对比度增强方法、装置、设备及存储介质
KR100916073B1 (ko) 영상의 콘트라스트를 향상시키는 히스토그램 스트레칭 장치및 방법
CN109977949B (zh) 边框微调的文本定位方法、装置、计算机设备及存储介质
WO2017024615A1 (zh) 图像增强方法
US10204568B2 (en) Driving methods and driving devices of display panels
US20160329027A1 (en) Image processing device with image compensation function and image processing method thereof
WO2020082593A1 (zh) 增强图像对比度的方法及其装置
US10785466B2 (en) Multi-image color-refinement with application to disparity estimation
US7986833B2 (en) Image processing method and apparatus for color enhancement and correction
CN108876742B (zh) 图像色彩增强方法和装置
WO2016045146A1 (zh) 用于显示器的图像色彩增强方法及装置
TW201410005A (zh) 影像處理方法以及影像處理裝置
CN102883168A (zh) 一种针对非典型特征图像的白平衡处理方法
WO2021136391A1 (zh) 图像处理方法、图像处理装置和显示装置
CN111489322A (zh) 给静态图片加天空滤镜的方法及装置
WO2019169851A1 (zh) 图像处理方法及系统
US8861850B2 (en) Digital image color correction
TW201812737A (zh) 伽瑪校正方法及相關電子裝置
WO2019041618A1 (zh) 一种图像处理方法及装置
TWI697873B (zh) 一種圖像飽和度調整方法和裝置
CN109005397B (zh) 一种图像白平衡的调整方法、装置、图像处理芯片及存储装置
Lee et al. Laplacian of Gaussian Based on Color Constancy Algorithm for Surrounding Image Stitching Application
KR20160025876A (ko) 영상의 대비 강화 방법 및 장치
TW201712633A (zh) 影像處理方法
JPH09147098A (ja) カラー画像処理方法及び装置

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: 18909133

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: 18909133

Country of ref document: EP

Kind code of ref document: A1