WO2020124874A1 - 图像处理方法 - Google Patents

图像处理方法 Download PDF

Info

Publication number
WO2020124874A1
WO2020124874A1 PCT/CN2019/081662 CN2019081662W WO2020124874A1 WO 2020124874 A1 WO2020124874 A1 WO 2020124874A1 CN 2019081662 W CN2019081662 W CN 2019081662W WO 2020124874 A1 WO2020124874 A1 WO 2020124874A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
corrected
original
reference image
original image
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/CN2019/081662
Other languages
English (en)
French (fr)
Inventor
邓宇帆
陈思宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Original Assignee
Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
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 Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd filed Critical Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Publication of WO2020124874A1 publication Critical patent/WO2020124874A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/42—Analysis of texture based on statistical description of texture using transform domain methods

Definitions

  • the present invention relates to the field of display technology, and in particular, to an image processing method.
  • the brightness range captured by a sensor available in a digital imaging device such as a camera is usually much smaller.
  • Traditional digital imaging equipment takes an image of the scene with a single exposure, so the image contains only a limited range of brightness contrast. Specifically, during a longer exposure time, the exposure is higher. At this time, although the The low-brightness area can obtain clearer image details, but the high-brightness area will exhibit overexposure.
  • HDR High Dynamic Range
  • a commonly used HDR image acquisition method is to use a digital imaging device to perform multiple exposures, acquire high-exposure, medium-exposure, and low-exposure multi-frame images, and then fuse the multi-frame images to form an HDR image.
  • real scenes often contain dynamic elements. If the multi-frame images are directly merged to form an HDR image, ghost images will be formed in the image, and the quality of the image image. In order to solve this problem, there is a solution based on background modeling of multi-exposure image fusion to remove ghosts.
  • the median filter is used to obtain the background image, and the subtraction is used to obtain the moving object, but in reality the median filter is difficult to accurately separate Background images and moving objects have poor processing effects, and another existing solution removes ghosts by moving object detection and expansion, specifically based on the Markov random field frame method to detect moving regions, and uses an image-based The method of segmentation expands the motion area. The calculation of this method is complicated and difficult to implement. Summary of the invention
  • An object of the present invention is to provide an image processing method that can effectively remove ghosts in an image and improve the quality of the image.
  • the present invention provides an image processing method, including the following steps:
  • Step S1 Acquire multiple frames of the scene, and use one frame of the multiple frames as the reference image;
  • Step S2 Use one frame of the multi-frame image except the reference image as the original image to be corrected
  • Step S3 Calculate the cross entropy of the reference image and the original image to be corrected, use the peak coordinates of the cross entropy of the reference image and the original image to be corrected to obtain the restoration displacement; displace the original image to be corrected according to the restoration displacement Generate the image to be corrected for displacement, define the part of the image to be corrected that coincides with the original image to be corrected as the first part, define the part of the original image to be corrected that coincides with the image to be corrected as the second part, define the reference image
  • the part where the two parts are in the same position in the original image to be corrected is the third part, and the first part and other parts of the reference image other than the third part are used to form a preliminary corrected image;
  • Step S4 Divide the reference image into a plurality of replacement blocks and divide the preliminary correction image into a plurality of blocks to be replaced corresponding to the plurality of replacement blocks, respectively;
  • Step S5 Calculate the cross entropy of multiple replacement blocks and the corresponding block to be replaced, and obtain the peak values of the multiple cross entropies corresponding to the multiple replacement blocks, respectively;
  • Step S6 Select one of a plurality of peak values of cross entropy and compare with a threshold, and when the peak value of the one cross entropy is less than the threshold, replace the corresponding to-be-replaced in the preliminary correction image with the corresponding replacement block Block, otherwise keep the corresponding to-be-replaced block in the preliminary correction image unchanged;
  • Step S7 Repeat step S6 until the peak value of each cross entropy is compared with the threshold to obtain a completely corrected image.
  • step S2 there is also a step of uniformly processing the gray scale range between the reference image and the original image to be corrected.
  • the normalized method is used to uniformly process the gray scale range between the reference image and the original image to be corrected.
  • the preset normalization formula is used to normalize the gray scale of the reference image so that the gray scale range of the reference image and the original image to be corrected is unified;
  • the preset normalization formula is:
  • A’ (A-Min_A)/(Max_A-Min_A)*(Max_B-Min_B)+Min_B;
  • A is an original gray level in the reference image before the normalization process
  • A′ is a processing gray level corresponding to A after the normalization process
  • Min_A is in the reference image before the normalization process
  • A_A is the maximum value of multiple original gray levels in the reference image before normalization
  • Min_B is the minimum value of gray levels in the original image to be corrected
  • Max_BS original to be corrected
  • step S3 The specific process of calculating the cross entropy of the reference image and the original image to be corrected in step S3 is:
  • a two-dimensional Fourier transform is performed on the reference image and the original image to be corrected to generate a first Fourier matrix and a second Fourier matrix of the same size;
  • a complex power spectrum is calculated using a preset complex power spectrum calculation formula, a first Fourier matrix and a second Fourier matrix, the complex power spectrum is the size and the first Fourier matrix and the second Fourier The matrix with the same Fourier matrix; the preset formula for calculating the complex power spectrum is:
  • fftrn(i, j) is the value of the i-th row and j-th column in the complex power spectrum
  • fft_A(i, j) is the value of the i-th row and j-th column in the first Fourier matrix
  • fft_B( i, j) is the value of the i-th row and j-th column in the second Fourier matrix
  • conj[fft_B(i, j)] is the value obtained by conjugating fft_B(i, j)
  • abs[fftr( i, j)] is the modulus of fftr(i, j), i and j are both positive integers
  • fftrn(i, j) is the value of the i-th row and j-th column in the complex power spectrum
  • fft_A(i, j) is the value of the i-th row and j-th column in the first Four
  • the shapes of the original to-be-corrected image and the reference image are both rectangular; the specific process of calculating the restoration displacement amount using the peak coordinates of the cross entropy of the reference image and the original to-be-corrected image in step S3 is: establishing rectangular coordinates
  • the long and wide sides of the original image to be corrected are parallel to the x-axis and y-axis of the rectangular coordinate system, respectively, and the peak coordinates of the cross entropy of the reference image and the original image to be corrected are defined as (move_x, move_y)
  • the component of the restoration displacement on the x-axis is positive move_x, otherwise the component of the restoration displacement on the x-axis is negative W-move_x , Where W is the length of the original image to be corrected, if m OV e_y is half the width of the original image to be corrected Then, the component of the restoration displacement on the y-axis is move_y in the negative direction, otherwise the component of the restoration displacement on the y-axis is positive H-move_x, where H is the width of the original image to be corrected.
  • the threshold is half of the average value of the peak values of the multiple cross entropies corresponding to the multiple replacement blocks, respectively
  • step S1 the exposure amounts of the multi-frame images are different.
  • the image processing method further includes step S8, and steps S2 to S7 are repeated until all images except the reference image in the multi-frame images are processed.
  • the image processing method further includes step S9, image fusion of the reference image and the plurality of fully corrected images to generate a high dynamic range image.
  • the present invention also provides an image processing method, including the following steps:
  • Step S1 Acquire multiple frames of the scene, and use one frame of the multiple frames as the reference image;
  • Step S2 Use one frame of the multi-frame image except the reference image as the original image to be corrected
  • Step S3 Calculate the cross-entropy of the reference image and the original image to be corrected, and obtain the restoration displacement using the peak coordinates of the cross-entropy of the reference image and the original image to be corrected; shift the original image to be corrected according to the restoration displacement Generate the image to be corrected for displacement, define the part of the image to be corrected that coincides with the original image to be corrected as the first part, define the part of the original image to be corrected that coincides with the image to be corrected as the second part, define the reference image
  • the part where the two parts are in the same position in the original image to be corrected is the third part, and the first part and other parts of the reference image other than the third part are used to form a preliminary corrected image;
  • Step S4 Divide the reference image into a plurality of replacement blocks and divide the preliminary correction image into a plurality of blocks to be replaced corresponding to the plurality of replacement blocks, respectively;
  • Step S5 Calculate the cross entropy of multiple replacement blocks and the corresponding block to be replaced, and obtain the peak values of the multiple cross entropies corresponding to the multiple replacement blocks, respectively;
  • Step S6 Select one of multiple peaks of cross entropy and compare with a threshold, and when the peak of one cross entropy is less than the threshold, replace the corresponding to-be-replaced in the preliminary correction image with the corresponding replacement block Block, otherwise keep the corresponding to-be-replaced block in the preliminary correction image unchanged;
  • Step S7 Step S6 is repeated until the peak value of each cross entropy is compared with the threshold to obtain a completely corrected image;
  • Step S8 Steps S2 to S7 are repeated until all images except the reference image in the multi-frame images are processed;
  • step S2 there is a step of uniformly processing the gray scale range between the reference image and the original image to be corrected.
  • the image processing method of the present invention uses two frames of the multi-frame image of the scene as a reference image and the original image to be corrected, using the peak coordinates of the cross entropy of the reference image and the original image to be corrected Obtaining the restoration displacement amount, and displacing the original image to be corrected according to the restoration displacement amount, using the portion of the displacement to-be-corrected image that overlaps the original to-be-corrected image and the reference image other than the portion corresponding to the overlapping portion to form a preliminary Correct the image, and then calculate the cross entropy of the multiple replacement blocks of the reference image and the blocks to be replaced corresponding to the preliminary modified image, obtain the peaks of multiple cross entropies, find the peak of the cross entropy less than the threshold and use the corresponding replacement area Block replacement preliminarily corrects the corresponding block to be replaced in the image, thereby effectively removing ghosts of the high dynamic range image and improving the quality of the image.
  • Block replacement preliminarily corrects the corresponding block
  • FIG. 1 is a flowchart of an image processing method of the present invention
  • FIG. 2 is a schematic diagram of step S1 of the image processing method of the present invention.
  • FIG. 3 is a schematic diagram of step S2 of the image processing method of the present invention.
  • FIG 9 and 10 are schematic diagrams of step S4 of the image processing method of the present invention.
  • the present invention provides an image processing method, including the following steps:
  • Step S1. Acquire multiple frames of the scene, please refer to FIG. 2, and use one frame of the multiple frames as the reference image 10.
  • the exposure amounts of the multi-frame images are different.
  • Step S2 Referring to FIG. 3, one frame of the multi-frame image except the reference image 10 is used as the original image 20 to be corrected.
  • the original image to be corrected 20 is offset with respect to the reference image 10.
  • step S2 ends, and before the subsequent step S3, there is a step of uniformly processing the reference image 10 and the original image to be corrected 20 in the gray scale range.
  • the reference image 10 and the original image to be corrected 20 are processed in a gray scale range by a normalization method.
  • the gray scale of the reference image 10 is normalized by using a preset normalization formula so that the gray scale range of the reference image 10 and the original image 20 to be corrected is unified.
  • the preset normalization formula is:
  • Mouth A (A, Mia A two Mis Yu ax S-touch in the title in B;
  • A is an original grayscale in the reference image 10 before normalization
  • A′ is a grayscale corresponding to A after normalization
  • Min_AS refers to the image 10 before normalization
  • the minimum value of the multiple original gray levels in Max the maximum value of the multiple original gray levels in the reference image 10 before the normalization process of Max_AS
  • Min_B is the minimum value of the gray level in the original image 20 to be corrected
  • Max_BS the original The maximum value of the gray scale in the image 20 is corrected.
  • Step S3 Calculate the cross-entropy of the reference image 10 and the original image to be corrected 20, and obtain the restoration displacement using the peak coordinates of the cross-entropy of the reference image 10 and the original image to be corrected 20.
  • the original image to be corrected 20 is displaced according to the restoration displacement amount to generate the image to be corrected 20′, please refer to FIGS. 4 to 6 to define the image to be corrected 20′ to coincide with the original image to be corrected 20
  • the part is the first part 21', which defines the part of the original image to be corrected 20 that coincides with the displacement image 20' to be the second part 21. Please refer to FIG.
  • the portion 12 forms the preliminary corrected image 30 shown in FIG. 8.
  • a complex power spectrum is calculated using a preset complex power spectrum calculation formula, a first Fourier matrix and a second Fourier matrix, the complex power spectrum is the size and the first Fourier matrix and the second Fourier matrix The matrix with the same Fourier matrix.
  • the preset formula for calculating the complex power spectrum is:
  • fftrn(i, j) is the value of the jth column in the complex power spectrum
  • fft_A(i, j) is the value of the ith row and jth column in the first Fourier matrix
  • j) is the value of row i and column j of the second Fourier matrix
  • the shapes of the original image to be corrected 20 and the reference image 10 are both rectangular.
  • step S3 the specific process of calculating the restoration displacement using the peak coordinates of the cross entropy of the reference image 10 and the original image to be corrected 20 is as follows: establishing a rectangular coordinate system, the long side of the original image to be corrected 20 And the wide side are parallel to the x-axis and y-axis of the rectangular coordinate system, respectively, and the peak coordinate of the cross-entropy of the reference image 10 and the original image to be corrected 20 is defined as (move_x, move_y), if move_x is less than two of the length of the original image to be corrected 20 One part, then the component of the restoration displacement on the x-axis is positive move_x, otherwise the component of the restoration displacement on the x-axis is negative W-move_x, where W is the length of the original image 20 to be corrected If m 0ve _y is less than half the width of the original image 20 to be corrected, the component of the restoration displacement on the y-axis is negative move_y, otherwise
  • Step S4 please refer to FIGS. 9 and 10, the reference image 10 is divided into a plurality of replacement blocks 13 and the preliminary correction image 30 is divided into a plurality of replacement blocks corresponding to the plurality of replacement blocks 13, respectively 31.
  • Step S5 Calculate the cross entropy of the multiple replacement blocks 13 and the corresponding block to be replaced 31, and obtain the peak values of the multiple cross entropies corresponding to the multiple replacement blocks 13, respectively.
  • Step S6 Select one of a plurality of peak values of cross-entropy and compare with a threshold, and when the peak value of the one cross-entropy is less than the threshold, replace the corresponding in the preliminary correction image 30 with the corresponding replacement block 13 The block 31 to be replaced, otherwise the corresponding block 31 to be replaced in the preliminary correction image 30 remains unchanged.
  • the threshold value is one-half the average value of the peak values of the plurality of cross entropies corresponding to the plurality of replacement blocks 13, respectively.
  • Step S7 Repeat step S6 until the peak value of each cross-entropy is compared with the threshold to obtain a completely corrected image.
  • Step S8 Steps S2 to S7 are repeated until the images other than the reference image 10 in the multi-frame images are all processed.
  • Step S9 Perform image fusion on the reference image 10 and a plurality of fully corrected images to generate a high dynamic range image.
  • the image processing method of the present invention uses two frames of the multi-frame images of the scene as the reference image 10 and the original image to be corrected 20, and uses the cross entropy of the reference image 10 and the original image to be corrected 20
  • the peak coordinate of the obtained displacement is obtained, and the original image to be corrected 20 is displaced according to the restored displacement, and the portion of the image to be corrected 20′ overlapping the original image to be corrected 20 and the reference image 10 are divided and overlapped.
  • the parts other than the corresponding parts form the preliminary correction image 30, and then calculate the cross entropy of the multiple replacement blocks 13 of the reference image 10 and the to-be-replaced block 31 corresponding to the preliminary correction image 30, obtain the peak values of the multiple cross entropies, find The peak value of the cross entropy less than the threshold is found and the corresponding replacement block 13 in the preliminary correction image 30 is replaced with the corresponding replacement block 13 to effectively remove the ghost of the high dynamic range image and improve the image quality.
  • the image processing method of the present invention uses two frames of the multi-frame images of the scene as the reference image and the original image to be corrected, and obtains the peak coordinates of the cross-entropy of the reference image and the original image to be corrected Restore the displacement amount, shift the original image to be corrected according to the restoration displacement amount, and use the portion of the displacement image to be corrected that overlaps the original image to be corrected and other parts of the reference image other than the portion corresponding to the overlapping portion to form a preliminary correction Image, and then calculate the cross entropy of the multiple replacement blocks of the reference image and the blocks to be replaced corresponding to the preliminary correction image, obtain the peaks of the multiple cross entropies, find the peak of the cross entropy less than the threshold and use the corresponding replacement block Replace the corresponding to-be-replaced blocks in the preliminary correction image, thereby effectively removing ghosts of the high dynamic range image and improving the image quality.
  • those of ordinary skill in the art can make various other corresponding changes

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

一种图像处理方法，将场景的多帧图像中的两帧图像分别作为参考图像及原始待修正图像，利用参考图像与原始待修正图像的交叉熵的峰值坐标获取还原位移量，依据所述还原位移量对原始待修正图像进行位移，利用位移待修正图像中与原始待修正图像重叠的部分及参考图像中除与重叠部分对应的部分以外的其他部分形成初步修正图像，而后计算参考图像的多个替换区块与初步修正图像对应的待替换区块的交叉熵，获取多个交叉熵的峰值，找出小于阈值的交叉熵的峰值并利用对应的替换区块替换初步修正图像中对应的待替换区块，从而有效地去除高动态范围图像的鬼影，提升图像的品质。

Description

i
图像处理方法 技术领域
[0001] 本发明涉及显示技术领域， 尤其涉及一种图像处理方法。
背景技术
[0002] 与人眼能够看到的真实场景中的亮度范围相比， 相机等数字成像设备中可用的 传感器捕获到亮度范围通常要小得多。 传统数字成像设备以单一曝光度对场景 进行拍摄一幅图像， 因而该图像只包含有限的亮度对比范围， 具体为在较长的 曝光时间中， 曝光度较高， 此时虽然被拍摄场景中的低亮度区域能够取得较为 清晰的图像细节， 但高亮度区域会呈现过度曝光的现象， 反之， 在较短的曝光 时间中， 曝光度较低， 此时虽然被拍摄场景中的高亮度区域能够取得较为清晰 的图像细节， 但低亮度区域会呈现过度曝光的现象， 取决于采用的曝光度是高 或低， 场景中过亮或较暗的区域中的很多细节将被丢失， 使得数字成像设备拍 摄到的图像与真实景象之间存在较大的差异， 成像的品质较差。
[0003] 为解决上述问题， 高动态范围 (High Dynamic Range， HDR) 成像技术逐渐成 为了数字成像设备中越来越流行的一种成像技术。 通过 HDR成像获得的图像也 被成为 HDR图像， 此种 HDR图像可以提供在场景中较暗区域到完全被照亮的区 域之间的高亮度范围。
[0004] 常用的 HDR图像的获取方式为利用数字成像设备进行多次曝光， 获取高曝光、 中曝光及低曝光的多帧图像， 而后对多帧图像进行融合形成 HDR图像。 然而， 现实场景中多含有动态元素， 若直接对多帧图像进行融合形成 HDR图像， 会在 图像中形成鬼影， 影像图像的品质。 为解决这一问题， 5见有的一种方案基于背 景建模的多曝光图像融合去除鬼影， 具体利用中值滤波得到背景图， 相减得到 运动物体， 但实际上中值滤波难以准确分离背景图和运动物体， 处理效果较差 ， 而现有的另一种方案通过运动物体检测和扩展去除鬼影， 具体基于马尔可夫 随机场框架的方法来检测运动区域， 并使用一种基于图像分割的方法对运动区 域进行扩展， 此方法的运算复杂， 实现较为困难。 发明概述
技术问题
[0005] 本发明的目的在于提供一种图像处理方法， 能够有效的去除图像中的鬼影， 提 升图像的品质。
问题的解决方案
技术解决方案
[0006] 为实现上述目的， 本发明提供一种图像处理方法， 包括如下步骤：
[0007] 步骤 S1、 获取场景的多帧图像， 将多帧图像中的一帧图像作为参考图像；
[0008] 步骤 S2、 将多帧图像中除了参考图像外的一帧图像作为原始待修正图像；
[0009] 步骤 S3、 计算参考图像与原始待修正图像的交叉熵， 利用参考图像与原始待修 正图像的交叉熵的峰值坐标获取还原位移量； 依据所述还原位移量对原始待修 正图像进行位移产生位移待修正图像， 定义位移待修正图像中与原始待修正图 像重合的部分为第一部分， 定义位原始待修正图像中与位移待修正图像重合的 部分为第二部分， 定义参考图像中与第二部分在位原始待修正图像中的位置一 致的部分为第三部分， 利用第一部分及参考图像中除第三部分以外的其他部分 形成初步修正图像；
[0010] 步骤 S4、 将参考图像划分为多个替换区块并将初步修正图像划分为分别与多个 替换区块对应的多个待替换区块；
[0011] 步骤 S5、 计算多个替换区块与对应的待替换区块的交叉熵， 获取分别与多个替 换区块相对应的多个交叉熵的峰值；
[0012] 步骤 S6、 选取多个交叉熵的峰值中的一个与一阈值进行比较， 当该一个交叉熵 的峰值小于所述阈值时， 利用对应的替换区块替换初步修正图像中对应的待替 换区块， 否则保持初步修正图像中对应的待替换区块不变；
[0013] 步骤 S7、 重复步骤 S6 , 直至每一交叉熵的峰值均与阈值完成比较， 得到完全修 正图像。
[0014] 在所述步骤 S2与所述步骤 S3之间还具有将参考图像与原始待修正图像进行灰阶 范围统一处理的步骤。
[0015] 采用归一化的方法对参考图像与原始待修正图像进行灰阶范围统一处理。 [0016] 采用预设的归一化公式对参考图像的灰阶进行归一化处理使得参考图像与原始 待修正图像的灰阶范围统一；
[0017] 所述预设的归一化公式为：
[0018] A’=(A-Min_A)/(Max_A-Min_A)*(Max_B-Min_B)+Min_B ;
[0019] 其中 A为进行归一化处理前参考图像中的一原始灰阶， A’为进行归一化处理后 与 A相对应的处理灰阶， Min_A为进行归一化处理前参考图像中的多个原始灰阶 的最小值， Max_A为进行归一化处理前参考图像中的多个原始灰阶的最大值， M in_B为原始待修正图像中的灰阶的最小值， Max_BS原始待修正图像中的灰阶的 最大值。
[0020] 所述步骤 S3中计算参考图像与原始待修正图像的交叉熵的具体过程为：
[0021] 首先， 对参考图像及原始待修正图像做二维傅里叶变换， 产生尺寸相同的第一 傅里叶矩阵及第二傅里叶矩阵；
[0022] 接着， 利用预设的复功率谱计算公式、 第一傅里叶矩阵及第二傅里叶矩阵计算 复功率谱， 该复功率谱为尺寸与第一傅里叶矩阵及第二傅里叶矩阵相同的矩阵 ; 所述预设的复功率谱计算公式为：
[0023] fftrn(i , j)=fftr(i， j)/abs[fftr(i, j)]； fftr(i , j)=fft— A(i， j)xconj[fft_B(i, j)]；
[0024] 其中， fftrn(i, j)为复功率谱中第 i行第 j列的值； fft_A(i, j)为第一傅里叶矩阵中 第 i行第 j列的值， fft_B(i, j)为第二傅里叶矩阵中第 i行第 j列的值， conj[fft_B(i, j) ]为对 fft_B(i， j)进行共轭后得到的值， abs[fftr(i, j)]为 fftr(i， j)的模， i、 j均为正 整数；
[0025] 而后， 对所述复功率谱进行二维傅里叶逆变换， 产生交叉熵。
[0026] 所述原始待修正图像及参考图像的形状均为矩形； 所述步骤 S3中利用参考图像 与原始待修正图像的交叉熵的峰值坐标计算还原位移量的具体地过程为： 建立 直角坐标系， 原始待修正图像的长边及宽边分别与直角坐标系的 x轴及 y轴平行 ， 定义参考图像与原始待修正图像的交叉熵的峰值坐标为 (move_x, move_y)
, 若 move_x小于原始待修正图像长度的二分之一， 则所述还原位移量在 x轴上的 分量为正向 move_x， 否则所述还原位移量在 x轴上的分量为负向 W-move_x， 其 中 W为原始待修正图像的长度， 若 mOVe_y 于原始待修正图像宽度的二分之一 ， 则所述还原位移量在 y轴上分量为负向 move_y， 否则所述还原位移量在 y轴上 的分量为正向 H- move_x， 其中 H为原始待修正图像的宽度。
[0027] 所述阈值为分别与多个替换区块相对应的多个交叉熵的峰值的平均值的二分之
[0028] 所述步骤 S1中， 多帧图像的曝光量不同。
[0029] 所述图像处理方法还包括步骤 S8、 重复步骤 S2至 S7 , 直至多帧图像中除了参考 图像外的其他图像均完成处理。
[0030] 所述图像处理方法还包括步骤 S9、 对参考图像及多个完全修正图像进行图像融 合， 产生高动态范围图像。
[0031] 本发明还提供一种图像处理方法， 包括如下步骤：
[0032] 步骤 S1、 获取场景的多帧图像， 将多帧图像中的一帧图像作为参考图像；
[0033] 步骤 S2、 将多帧图像中除了参考图像外的一帧图像作为原始待修正图像；
[0034] 步骤 S3、 计算参考图像与原始待修正图像的交叉熵， 利用参考图像与原始待修 正图像的交叉熵的峰值坐标获取还原位移量； 依据所述还原位移量对原始待修 正图像进行位移产生位移待修正图像， 定义位移待修正图像中与原始待修正图 像重合的部分为第一部分， 定义位原始待修正图像中与位移待修正图像重合的 部分为第二部分， 定义参考图像中与第二部分在位原始待修正图像中的位置一 致的部分为第三部分， 利用第一部分及参考图像中除第三部分以外的其他部分 形成初步修正图像；
[0035] 步骤 S4、 将参考图像划分为多个替换区块并将初步修正图像划分为分别与多个 替换区块对应的多个待替换区块；
[0036] 步骤 S5、 计算多个替换区块与对应的待替换区块的交叉熵， 获取分别与多个替 换区块相对应的多个交叉熵的峰值；
[0037] 步骤 S6、 选取多个交叉熵的峰值中的一个与一阈值进行比较， 当该一个交叉熵 的峰值小于所述阈值时， 利用对应的替换区块替换初步修正图像中对应的待替 换区块， 否则保持初步修正图像中对应的待替换区块不变；
[0038] 步骤 S7、 重复步骤 S6 , 直至每一交叉熵的峰值均与阈值完成比较， 得到完全修 正图像； [0039] 步骤 S8、 重复步骤 S2至 S7， 直至多帧图像中除了参考图像外的其他图像均完成 处理；
[0040] 在所述步骤 S2与所述步骤 S3之间还具有将参考图像与原始待修正图像进行灰阶 范围统一处理的步骤。
发明的有益效果
有益效果
[0041] 本发明的有益效果： 本发明的图像处理方法将场景的多帧图像中的两帧图像分 别作为参考图像及原始待修正图像， 利用参考图像与原始待修正图像的交叉熵 的峰值坐标获取还原位移量， 依据所述还原位移量对原始待修正图像进行位移 ， 利用位移待修正图像中与原始待修正图像重叠的部分及参考图像中除与重叠 部分对应的部分以外的其他部分形成初步修正图像， 而后计算参考图像的多个 替换区块与初步修正图像对应的待替换区块的交叉熵， 获取多个交叉熵的峰值 ， 找出小于阈值的交叉熵的峰值并利用对应的替换区块替换初步修正图像中对 应的待替换区块， 从而有效地去除高动态范围图像的鬼影， 提升图像的品质。 对附图的简要说明
附图说明
[0042] 为了能更进一步了解本发明的特征以及技术内容， 请参阅以下有关本发明的详 细说明与附图， 然而附图仅提供参考与说明用， 并非用来对本发明加以限制。
[0043] 附图中，
[0044] 图 1为本发明的图像处理方法的流程图；
[0045] 图 2为本发明的图像处理方法的步骤 S1的示意图；
[0046] 图 3为本发明的图像处理方法的步骤 S2的示意图；
[0047] 图 4至图 8为本发明的图像处理方法的步骤 S3的示意图；
[0048] 图 9及图 10为本发明的图像处理方法的步骤 S4的示意图。
发明实施例
本发明的实施方式
[0049] 为更进一步阐述本发明所采取的技术手段及其效果， 以下结合本发明的优选实 施例及其附图进行详细描述。
[0050] 请参阅图 1， 本发明提供一种图像处理方法， 包括如下步骤：
[0051] 步骤 S1、 获取场景的多帧图像， 请参阅图 2， 将多帧图像中的一帧图像作为参 考图像 10。
[0052] 具体地， 所述步骤 S1中， 多帧图像的曝光量不同。
[0053] 步骤 S2、 请参阅图 3 , 将多帧图像中除了参考图像 10外的一帧图像作为原始待 修正图像 20。
[0054] 具体地， 所述原始待修正图像 20相对于参考图像 10偏移。
[0055] 具体地， 所述步骤 S2结束后， 在进行后续的步骤 S3之前， 还具有将参考图像 10 与原始待修正图像 20进行灰阶范围统一处理的步骤。
[0056] 具体地， 采用归一化的方法对参考图像 10与原始待修正图像 20进行灰阶范围统 一处理。
[0057] 优选地， 采用预设的归一化公式对参考图像 10的灰阶进行归一化处理使得参考 图像 10与原始待修正图像 20的灰阶范围统一。
[0058] 所述预设的归一化公式为：
口 A:=(A，Mia
Figure imgf000008_0001
A二 Mis 御 ax S-碰 in爾 題 in B;
[0059] 其中 A为进行归一化处理前参考图像 10中的一原始灰阶， A’为进行归一化处理 后与 A相对应的处理灰阶， Min_AS进行归一化处理前参考图像 10中的多个原始 灰阶的最小值， Max_AS进行归一化处理前参考图像 10中的多个原始灰阶的最 大值， Min_B为原始待修正图像 20中的灰阶的最小值， Max_BS原始待修正图 像 20中的灰阶的最大值。
[0060] 步骤 S3、 计算参考图像 10与原始待修正图像 20的交叉熵， 利用参考图像 10与原 始待修正图像 20的交叉熵的峰值坐标获取还原位移量。 请参阅图 4, 依据所述还 原位移量对原始待修正图像 20进行位移产生位移待修正图像 20’， 请结合图 4至图 6, 定义位移待修正图像 20’中与原始待修正图 20重合的部分为第一部分 21’， 定 义位原始待修正图像 20中与位移待修正图像 20’重合的部分为第二部分 21， 请结 合图 7, 定义参考图像 10中与第二部分 21在位原始待修正图像 20中的位置一致的 部分为第三部分 11， 利用第一部分 21’及参考图像 10中除第三部分 11以外的其他 部分 12形成图 8所示的初步修正图像 30。
[0061] 具体地， 所述步骤 S3中计算参考图像 10与原始待修正图像 20的交叉熵的具体过 程为：
[0062] 首先， 对参考图像 10及原始待修正图像 20做二维傅里叶变换， 产生尺寸相同的 第一傅里叶矩阵及第二傅里叶矩阵。
[0063] 接着， 利用预设的复功率谱计算公式、 第一傅里叶矩阵及第二傅里叶矩阵计算 复功率谱， 该复功率谱为尺寸与第一傅里叶矩阵及第二傅里叶矩阵相同的矩阵 。 所述预设的复功率谱计算公式为：
[]
Figure imgf000009_0001
[0064] 其中， fftrn（i, j）为复功率谱中第桁第 j列的值； fft_A（i, j）为第一傅里叶矩阵 中第 i行第 j列的值，
Figure imgf000009_0002
j）为第二傅里叶矩阵中第 i行第 j列的值， conj[fft_B（i
， j）]为对 fft_B（i， j）进行共轭后得到的值， abs[fftr（i, j）]为 fftr（i， j）的模， i、 j均 为正整数。
[0065] 而后， 对所述复功率谱进行二维傅里叶逆变换， 产生交叉熵。
[0066] 具体地， 所述原始待修正图像 20及参考图像 10的形状均为矩形。
[0067] 具体地， 所述步骤 S3中利用参考图像 10与原始待修正图像 20的交叉熵的峰值坐 标计算还原位移量的具体地过程为： 建立直角坐标系， 原始待修正图像 20的长 边及宽边分别与直角坐标系的 x轴及 y轴平行， 定义参考图像 10与原始待修正图 像 20的交叉熵的峰值坐标为 （move_x， move_y） , 若 move_x小于原始待修正图 像 20长度的二分之一， 则所述还原位移量在 x轴上的分量为正向 move_x， 否则所 述还原位移量在 x轴上的分量为负向 W-move_x， 其中 W为原始待修正图像 20的 长度， 若 m0ve_y小于原始待修正图像 20宽度的二分之一， 则所述还原位移量在 y 轴上分量为负向 move_y， 否则所述还原位移量在 y轴上的分量为正向 H- move_x ， 其中 H为原始待修正图像 20的宽度。
[0068] 步骤 S4、 请参阅图 9及图 10， 将参考图像 10划分为多个替换区块 13并将初步修 正图像 30划分为分别与多个替换区块 13对应的多个待替换区块 31。
[0069] 步骤 S5、 计算多个替换区块 13与对应的待替换区块 31的交叉熵， 获取分别与多 个替换区块 13相对应的多个交叉熵的峰值。 [0070] 步骤 S6、 选取多个交叉熵的峰值中的一个与一阈值进行比较， 当该一个交叉熵 的峰值小于所述阈值时， 利用对应的替换区块 13替换初步修正图像 30中对应的 待替换区块 31， 否则保持初步修正图像 30中对应的待替换区块 31不变。
[0071] 优选地， 所述阈值为分别与多个替换区块 13相对应的多个交叉熵的峰值的平均 值的二分之一。
[0072] 步骤 S7、 重复步骤 S6, 直至每一交叉熵的峰值均与阈值完成比较， 得到完全修 正图像。
[0073] 步骤 S8、 重复步骤 S2至 S7， 直至多帧图像中除了参考图像 10外的其他图像均完 成处理。
[0074] 步骤 S9、 对参考图像 10及多个完全修正图像进行图像融合， 产生高动态范围图 像。
[0075] 需要说明的是， 本发明的图像处理方法将场景的多帧图像中的两帧图像分别作 为参考图像 10及原始待修正图像 20, 利用参考图像 10与原始待修正图像 20的交 叉熵的峰值坐标获取还原位移量， 依据所述还原位移量对原始待修正图像 20进 行位移， 利用位移待修正图像 20’中与原始待修正图像 20重叠的部分及参考图像 1 0中除与重叠部分对应的部分以外的其他部分形成初步修正图像 30, 而后计算参 考图像 10的多个替换区块 13与初步修正图像 30对应的待替换区块 31的交叉熵， 获取多个交叉熵的峰值， 找出小于阈值的交叉熵的峰值并利用对应的替换区块 1 3替换初步修正图像 30中对应的待替换区块 31， 从而有效地去除高动态范围图像 的鬼影， 提升图像的品质。
[0076] 综上所述， 本发明的图像处理方法将场景的多帧图像中的两帧图像分别作为参 考图像及原始待修正图像， 利用参考图像与原始待修正图像的交叉熵的峰值坐 标获取还原位移量， 依据所述还原位移量对原始待修正图像进行位移， 利用位 移待修正图像中与原始待修正图像重叠的部分及参考图像中除与重叠部分对应 的部分以外的其他部分形成初步修正图像， 而后计算参考图像的多个替换区块 与初步修正图像对应的待替换区块的交叉熵， 获取多个交叉熵的峰值， 找出小 于阈值的交叉熵的峰值并利用对应的替换区块替换初步修正图像中对应的待替 换区块， 从而有效地去除高动态范围图像的鬼影， 提升图像的品质。 [0077] 以上所述， 对于本领域的普通技术人员来说， 可以根据本发明的技术方案和技 术构思作出其他各种相应的改变和变形， 而所有这些改变和变形都应属于本发 明权利要求的保护范围。

Claims

权利要求书
[权利要求 1] 一种图像处理方法， 包括如下步骤：
步骤 S1、 获取场景的多帧图像， 将多帧图像中的一帧图像作为参考图 像；
步骤 S2、 将多帧图像中除了参考图像外的一帧图像作为原始待修正图 像；
步骤 S3、 计算参考图像与原始待修正图像的交叉熵， 利用参考图像与 原始待修正图像的交叉熵的峰值坐标获取还原位移量； 依据所述还原 位移量对原始待修正图像进行位移产生位移待修正图像， 定义位移待 修正图像中与原始待修正图像重合的部分为第一部分， 定义位原始待 修正图像中与位移待修正图像重合的部分为第二部分， 定义参考图像 中与第二部分在位原始待修正图像中的位置一致的部分为第三部分， 利用第一部分及参考图像中除第三部分以外的其他部分形成初步修正 图像；
步骤 S4、 将参考图像划分为多个替换区块并将初步修正图像划分为分 别与多个替换区块对应的多个待替换区块；
步骤 S5、 计算多个替换区块与对应的待替换区块的交叉熵， 获取分别 与多个替换区块相对应的多个交叉熵的峰值；
步骤 S6、 选取多个交叉熵的峰值中的一个与一阈值进行比较， 当该一 个交叉熵的峰值小于所述阈值时， 利用对应的替换区块替换初步修正 图像中对应的待替换区块， 否则保持初步修正图像中对应的待替换区 块不变；
步骤 S7、 重复步骤 S6 , 直至每一交叉熵的峰值均与阈值完成比较， 得到完全修正图像。
[权利要求 2] 如权利要求 1所述的图像处理方法， 其中， 在所述步骤 S2与所述步骤
S3之间还具有将参考图像与原始待修正图像进行灰阶范围统一处理的 步骤。
[权利要求 3] 如权利要求 2所述的图像处理方法， 其中， 采用归一化的方法对参考 图像与原始待修正图像进行灰阶范围统一处理。
[权利要求 4] 如权利要求 3所述的图像处理方法， 其中， 采用预设的归一化公式对 参考图像的灰阶进行归一化处理使得参考图像与原始待修正图像的灰 阶范围统一；
所述预设的归一化公式为：
A’=(A-Min_A)/(Max_A-Min_A)*(Max_B-Min_B)+Min_B ;
其中 A为进行归一化处理前参考图像中的一原始灰阶， A’为进行归一 化处理后与 A相对应的处理灰阶， Min_A为进行归一化处理前参考图 像中的多个原始灰阶的最小值， Max_AS进行归一化处理前参考图像 中的多个原始灰阶的最大值， Min_B为原始待修正图像中的灰阶的最 小值， Max_B为原始待修正图像中的灰阶的最大值。
[权利要求 5] 如权利要求 1所述的图像处理方法， 其中， 所述步骤 S3中计算参考图 像与原始待修正图像的交叉熵的具体过程为：
首先， 对参考图像及原始待修正图像做二维傅里叶变换， 产生尺寸相 同的第一傅里叶矩阵及第二傅里叶矩阵；
接着， 利用预设的复功率谱计算公式、 第一傅里叶矩阵及第二傅里叶 矩阵计算复功率谱， 该复功率谱为尺寸与第一傅里叶矩阵及第二傅里 叶矩阵相同的矩阵； 所述预设的复功率谱计算公式为：
fftrn(i, j)=fftr(i， j)/abs[fftr(i, j)]； fftr(i, j)=fft_A(i， j)xconj[fft_B(i， j )]；
其中， fftrn(i, j)为复功率谱中第桁第 j列的值； fft_A(i, j)为第一傅里 叶矩阵中第珩第 j列的值， fft_B(i, j)为第二傅里叶矩阵中第 i行第 j列 的值， conj[fft_B(i, j)]为对 fft_B(i， j)进行共辆后得到的值， abs[fftr(i ， j)]为 fftr(i， j)的模， i、 j均为正整数；
而后， 对所述复功率谱进行二维傅里叶逆变换， 产生交叉熵。
[权利要求 6] 如权利要求 1所述的图像处理方法， 其中， 所述原始待修正图像及参 考图像的形状均为矩形； 所述步骤 S3中利用参考图像与原始待修正图 像的交叉熵的峰值坐标计算还原位移量的具体地过程为： 建立直角坐 标系， 原始待修正图像的长边及宽边分别与直角坐标系的 x轴及 y轴平 行， 定义参考图像与原始待修正图像的交叉熵的峰值坐标为 （move_ x， move_y） ， 若 move_x小于原始待修正图像长度的二分之一， 则所 述还原位移量在 x轴上的分量为正向 move_x， 否则所述还原位移量在 x轴上的分量为负向 W-move_x， 其中 W为原始待修正图像的长度， 若 mOVe_y小于原始待修正图像宽度的二分之一， 则所述还原位移量 在 y轴上分量为负向 move_y， 否则所述还原位移量在 y轴上的分量为 正向 H- move_x， 其中 H为原始待修正图像的宽度。
[权利要求 7] 如权利要求 1所述的图像处理方法， 其中， 所述阈值为分别与多个替 换区块相对应的多个交叉熵的峰值的平均值的二分之一。
[权利要求 8] 如权利要求 1所述的图像处理方法， 其中， 所述步骤 S1中， 多帧图像 的曝光量不同。
[权利要求 9] 如权利要求 1所述的图像处理方法， 还包括步骤 S8、 重复步骤 S2至 S7 ， 直至多帧图像中除了参考图像外的其他图像均完成处理。
[权利要求 10] 如权利要求 9所述的图像处理方法， 还包括步骤 S9、 对参考图像及多 个完全修正图像进行图像融合， 产生高动态范围图像。
[权利要求 11] 一种图像处理方法， 包括如下步骤：
步骤 S1、 获取场景的多帧图像， 将多帧图像中的一帧图像作为参考 图像；
步骤 S2、 将多帧图像中除了参考图像外的一帧图像作为原始待修正 图像；
步骤 S3、 计算参考图像与原始待修正图像的交叉熵， 利用参考图像与 原始待修正图像的交叉熵的峰值坐标获取还原位移量； 依据所述还原 位移量对原始待修正图像进行位移产生位移待修正图像， 定义位移待 修正图像中与原始待修正图像重合的部分为第一部分， 定义位原始待 修正图像中与位移待修正图像重合的部分为第二部分， 定义参考图像 中与第二部分在位原始待修正图像中的位置一致的部分为第三部分， 利用第一部分及参考图像中除第三部分以外的其他部分形成初步修正 图像；
步骤 S4、 将参考图像划分为多个替换区块并将初步修正图像划分为 分别与多个替换区块对应的多个待替换区块；
步骤 S5、 计算多个替换区块与对应的待替换区块的交叉熵， 获取分 别与多个替换区块相对应的多个交叉熵的峰值； 步骤 S6、 选取多个交叉熵的峰值中的一个与一阈值进行比较， 当该 一个交叉熵的峰值小于所述阈值时， 利用对应的替换区块替换初步修 正图像中对应的待替换区块， 否则保持初步修正图像中对应的待替换 区块不变；
步骤 S7、 重复步骤 S6, 直至每一交叉熵的峰值均与阈值完成比较， 得到完全修正图像；
步骤 S8、 重复步骤 S2至 S7, 直至多帧图像中除了参考图像外的其他 图像均完成处理；
其中， 在所述步骤 S2与所述步骤 S3之间还具有将参考图像与原始待 修正图像进行灰阶范围统一处理的步骤。
[权利要求 12] 如权利要求 11所述的图像处理方法， 其中， 采用归一化的方法对参考 图像与原始待修正图像进行灰阶范围统一处理。
[权利要求 13] 如权利要求 12所述的图像处理方法， 其中， 采用预设的归一化公式对 参考图像的灰阶进行归一化处理使得参考图像与原始待修正图像的灰 阶范围统一；
所述预设的归一化公式为：
A，=(A-Min_A)/(Max_A-Min_A)*(Max_B-Min_B)+Min_B;
其中 A为进行归一化处理前参考图像中的一原始灰阶， A为进行归一 化处理后与 A相对应的处理灰阶， Min_A为进行归一化处理前参考图 像中的多个原始灰阶的最小值， Max_A为进行归一化处理前参考图 像中的多个原始灰阶的最大值， Min_B为原始待修正图像中的灰阶的 最小值， Max_B为原始待修正图像中的灰阶的最大值。
[权利要求 14] 如权利要求 11所述的图像处理方法， 其中， 所述步骤 S3中计算参考图 像与原始待修正图像的交叉熵的具体过程为：
首先， 对参考图像及原始待修正图像做二维傅里叶变换， 产生尺寸相 同的第一傅里叶矩阵及第二傅里叶矩阵；
接着， 利用预设的复功率谱计算公式、 第一傅里叶矩阵及第二傅里叶 矩阵计算复功率谱， 该复功率谱为尺寸与第一傅里叶矩阵及第二傅里 叶矩阵相同的矩阵； 所述预设的复功率谱计算公式为：
fftrn(i， j)=fftr(i, j)/abs[fftr(i, j)]； fftr(i, j)=fft_A(i, j)xconj[fft_B(i
， j)]；
其中， fftrn(i, j)为复功率谱中第〖行第 j列的值； fft_A(i, j)为第一傅 里叶矩阵中第珩第 j列的值，
Figure imgf000016_0001
j)为第二傅里叶矩阵中第桁第 j 列的值， conj[fft_B(i, j)]为对 fft_B(i， j)进行共轭后得到的值， abs[ff tr(i, j)]为 fftr(i， j)的模， i、 j均为正整数；
而后， 对所述复功率谱进行二维傅里叶逆变换， 产生交叉熵。
[权利要求 15] 如权利要求 11所述的图像处理方法， 其中， 所述原始待修正图像及参 考图像的形状均为矩形； 所述步骤 S3中利用参考图像与原始待修正 图像的交叉熵的峰值坐标计算还原位移量的具体地过程为： 建立直 角坐标系， 原始待修正图像的长边及宽边分别与直角坐标系的 x轴及 y 轴平行， 定义参考图像与原始待修正图像的交叉熵的峰值坐标为 (m ove_x, move_y) , 若 move_x小于原始待修正图像长度的二分之一， 则所述还原位移量在 x轴上的分量为正向 move_x, 否则所述还原位移 量在 x轴上的分量为负向 W-move_x， 其中 W为原始待修正图像的长 度， 若 move_y小于原始待修正图像宽度的二分之一， 则所述还原位 移量在 y轴上分量为负向 move_y， 否则所述还原位移量在 y轴上的分 量为正向 H- moVe_x， 其中 H为原始待修正图像的宽度。
PCT/CN2019/081662 2018-12-18 2019-04-08 图像处理方法 Ceased WO2020124874A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201811551260.2 2018-12-18
CN201811551260.2A CN109636759B (zh) 2018-12-18 2018-12-18 图像处理方法

Publications (1)

Publication Number Publication Date
WO2020124874A1 true WO2020124874A1 (zh) 2020-06-25

Family

ID=66075288

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/081662 Ceased WO2020124874A1 (zh) 2018-12-18 2019-04-08 图像处理方法

Country Status (2)

Country Link
CN (1) CN109636759B (zh)
WO (1) WO2020124874A1 (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140247985A1 (en) * 2012-02-15 2014-09-04 Minje Park Method, Apparatus Computer-Readable Recording Medium for Processing Digital Image
CN105551061A (zh) * 2015-12-09 2016-05-04 天津大学 高动态范围图像融合中保留无鬼影运动物体处理方法
CN106131443A (zh) * 2016-05-30 2016-11-16 南京大学 一种基于块匹配动态估计去鬼影的高动态范围视频合成方法
CN108492262A (zh) * 2018-03-06 2018-09-04 电子科技大学 一种基于梯度结构相似性的无鬼影高动态范围成像方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103826102B (zh) * 2014-02-24 2018-03-30 深圳市华宝电子科技有限公司 一种运动目标的识别方法、装置
CN104008543A (zh) * 2014-05-12 2014-08-27 河海大学 一种图像融合质量评价方法
JP2018097807A (ja) * 2016-12-16 2018-06-21 株式会社デンソーアイティーラボラトリ 学習装置
CN108470329A (zh) * 2018-02-12 2018-08-31 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
CN108875693B (zh) * 2018-07-03 2021-08-10 北京旷视科技有限公司 一种图像处理方法、装置、电子设备及其存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140247985A1 (en) * 2012-02-15 2014-09-04 Minje Park Method, Apparatus Computer-Readable Recording Medium for Processing Digital Image
CN105551061A (zh) * 2015-12-09 2016-05-04 天津大学 高动态范围图像融合中保留无鬼影运动物体处理方法
CN106131443A (zh) * 2016-05-30 2016-11-16 南京大学 一种基于块匹配动态估计去鬼影的高动态范围视频合成方法
CN108492262A (zh) * 2018-03-06 2018-09-04 电子科技大学 一种基于梯度结构相似性的无鬼影高动态范围成像方法

Also Published As

Publication number Publication date
CN109636759A (zh) 2019-04-16
CN109636759B (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
Abdelhamed et al. A high-quality denoising dataset for smartphone cameras
JP6081726B2 (ja) 多重露出フュージョン基盤でゴーストブラーを除去したｈｄｒ映像生成装置及び方法
KR101662846B1 (ko) 아웃 포커싱 촬영에서 빛망울 효과를 생성하기 위한 장치 및 방법
CN110276734A (zh) 图像畸变校正方法和装置
CN112734650A (zh) 一种基于虚拟多曝光融合的不均匀光照图像增强方法
KR20120099713A (ko) 장면 내에서의 정확한 피사체 거리 및 상대적인 피사체 거리를 추정하는 알고리즘
CN111953893B (zh) 一种高动态范围图像生成方法、终端设备及存储介质
EP1987436A4 (en) FLOU IMAGES
KR20110138114A (ko) 다중 노출에 의한 프레임 처리 방법 및 장치
CN105741243B (zh) 一种模糊图像复原方法
CN109978774A (zh) 多帧连续等曝光图像的去噪融合方法及装置
JP2020197989A5 (ja) 画像処理システム、画像処理方法、およびプログラム
TW201318419A (zh) 視訊穩定系統及其方法
CN104301636A (zh) 低复杂度高效高动态数字图像的合成方法
TW201947536A (zh) 影像處理方法及影像處理裝置
CN112233032B (zh) 一种高动态范围图像鬼影消除的方法
CN101655976B (zh) 基于控制点修正的多视角图像亮度校正方法
CN110086997B (zh) 人脸图像曝光亮度补偿方法及装置
CN109801231B (zh) 一种电泳电子纸检测设备的图像处理方法
CN108010005B (zh) 调节图像亮度的方法、装置及车辆
CN110557572A (zh) 一种图像处理方法、装置及卷积神经网络系统
JP2006050070A (ja) 画像処理方法および装置並びにプログラム
KR101437898B1 (ko) 단일 영상을 이용한 hdr 영상 생성 장치 및 방법
CN103973962B (zh) 图像处理方法及图像采集装置
CN115035013A (zh) 图像处理方法、图像处理装置、终端及可读存储介质

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: 19900679

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: 19900679

Country of ref document: EP

Kind code of ref document: A1