[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN109844803A - 用于检测图像中的饱和像素的方法 - Google Patents

用于检测图像中的饱和像素的方法 Download PDF

Info

Publication number
CN109844803A
CN109844803A CN201780021645.5A CN201780021645A CN109844803A CN 109844803 A CN109844803 A CN 109844803A CN 201780021645 A CN201780021645 A CN 201780021645A CN 109844803 A CN109844803 A CN 109844803A
Authority
CN
China
Prior art keywords
color
color coordinates
coordinates
light source
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.)
Granted
Application number
CN201780021645.5A
Other languages
English (en)
Other versions
CN109844803B (zh
Inventor
塔尼亚·弗坦尼·普利
梅基德斯·阿贝贝
查克·拉拉比
乔纳森·克维克
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.)
InterDigital VC Holdings Inc
Original Assignee
InterDigital VC Holdings Inc
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 InterDigital VC Holdings Inc filed Critical InterDigital VC Holdings Inc
Publication of CN109844803A publication Critical patent/CN109844803A/zh
Application granted granted Critical
Publication of CN109844803B publication Critical patent/CN109844803B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • 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
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6002—Corrections within particular colour systems
    • H04N1/6008—Corrections within particular colour systems with primary colour signals, e.g. RGB or CMY(K)
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6027—Correction or control of colour gradation or colour contrast
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Processing Of Color Television Signals (AREA)
  • Color Image Communication Systems (AREA)
  • Image Analysis (AREA)
  • Color Television Image Signal Generators (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

根据本发明，用于该检测的饱和阈值(thr；thg；thb)取决于表示图像的光源(ILL)的颜色坐标(rw，gw，bw)。

Description

用于检测图像中的饱和像素的方法
技术领域
本发明涉及图像中的过度曝光区或饱和区的检测领域。这种检测尤其被用在颜色校正之前，例如用于进行图像恢复或用于执行到更高动态范围的转换。
背景技术
使用标准低动态范围相机来捕捉宽动态范围场景可能会产生饱和图像或过度曝光图像。由于大多数图像或视频内容通常以低动态范围或标准动态范围(“SDR”)来编码，因此它们通常包含饱和区和/或过度曝光区。在这些时候，可以再现更宽的色域、更高的动态范围和更高分辨率的图像或视频内容的显示设备目前开始变得可用。因此，为了在显示这种SDR内容时能够使用这种显示设备的全部能力，通常应该对这些内容应用颜色校正，以恢复这些SDR内容的饱和区或过度曝光区中丢失的细节和信息。
这种校正的第一步通常包括识别这些过度曝光区。例如，在由颜色坐标来表示颜色的SDR图像中，其中每个颜色坐标表示不同的颜色通道并且以8位来进行编码，这些颜色坐标中高于255的所有值通常被削减为低于或等于255的值。通常，235被认为是用于检测8位图像中的饱和颜色和相关联的像素的通用且固定的饱和度阈值。这种值235的一种原因可能是，高于该值，已经捕获该SDR图像的相机的传感器的响应不是线性的。在用于恢复内容的过度曝光区中丢失的细节的大多数常用颜色校正方法中，过度曝光区的识别基于超过这些不同颜色通道中至少一个的固定饱和阈值。这些不同的颜色通道例如是常用的R、G和B通道。给定这种饱和阈值的情况下，图像的所有这样的像素被视为是过度曝光并且形成该图像的饱和区或过度曝光区：该像素的颜色具有其数值高于该饱和阈值的至少一个颜色通道。
然而，使用这种固定饱和阈值来检测过度曝光区可能是有问题的。在典型的相机传感器中，相邻元件通常被不同的红、绿和蓝滤色器覆盖，该红、绿和蓝滤色器分别与由该相机传送的图像数据的R、G和B通道对应。因此，相机传感器的不同元件可能不会一直接收相同量的光，并且它们可能不会同时达到其最大容量，从而导致了由相机传送的图像数据的红、绿和蓝通道中的不同行为。如果场景中的光不是白色则尤其如此。因此，对RGB图像的所有三个颜色通道使用固定的饱和阈值可能导致错误地检测过度曝光区并且还导致后续不正确的颜色校正。
发明内容
本发明的一个目的是避免上述缺点。
为此目的，本发明的主题是一种检测图像中的饱和像素的方法，该饱和像素的颜色由与不同颜色通道对应的颜色坐标来表示，该方法包括检测这样的像素：所述像素的颜色具有与所述颜色通道中的一个颜色通道相对应并且高于该颜色通道的饱和阈值的至少一个颜色坐标，其中所述颜色通道的所述饱和阈值分别取决于表示所述图像的光源的颜色坐标。
该方法有利地限制了饱和像素的错误检测，这尤其是因为它考虑了场景的光源的影响。
在第一变型中，所述颜色通道的饱和阈值分别等于表示所述光源的颜色坐标。
在第二优选变型中，通过将表示所述光源的颜色坐标缩放为缩放后颜色坐标以使得这些缩放后颜色坐标被包括在饱和值的固定范围内来获得所述颜色通道的饱和阈值。
可以在不改变色调或者优选地保持表示所述光源(ILL)的颜色坐标(rw，gw，bw)之间的恒定比率的情况下来执行所述缩放。
本发明的目的还在于一种用于检测图像中的饱和像素的模块，所述饱和像素的颜色由与不同颜色通道对应的颜色坐标来表示，所述模块包括被配置用于以下操作的至少一个处理器：
-估计表示所述图像的光源的颜色坐标，
-分别依据表示所述光源的颜色坐标来获得所述颜色通道的饱和阈值，
-检测这样的像素：所述像素的颜色具有与所述颜色通道中的一个颜色通道对应并且高于该颜色通道的所述饱和阈值的至少一个颜色坐标。
本发明的目的还在于一种用于校正图像的颜色的颜色校正设备，其中所述颜色由与不同颜色通道对应的颜色坐标来表示，所述颜色校正设备包括这种用于检测饱和像素的模块。颜色校正设备在此指的是被配置为改变图像的颜色(包括改变动态范围)的任何设备。例如，可以针对图像恢复或针对到更高动态范围的转换，尤其是在恢复该图像的饱和区中丢失的细节的步骤之前来实现这种颜色变化。
本发明的目的还在于一种计算机可读介质，其包含用于配置数字计算机以执行如上所述的检测图像中的饱和像素的方法的程序。
附图说明
通过阅读下面通过非限制性示例的方式且参照图1给出的描述，将更清楚地理解本发明，其中图1示出了根据本发明的检测饱和像素的方法的优选实施例。
具体实施方式
应当理解，根据本发明的饱和像素的检测方法可以以下各种形式来实现：硬件、软件、固件、专用处理器或它们的组合，特别是形成用于检测图像中的饱和像素的模块的硬件和软件的组合。此外，可以将软件实现为在程序存储单元上具体体现的应用程序。应用程序可以被上传到包括任何合适架构的计算机并由该计算机执行。优选地，计算机在具有诸如一个或多个中央处理单元(“CPU”)的硬件、随机存取存储器(“RAM”)和输入/输出(“I/O”)接口的平台上实现。该平台还可以包括操作系统和微指令代码。本文中描述的各种过程和功能可以是可由CPU执行的微指令代码的一部分或应用程序的一部分或其组合。此外，诸如显示单元和附加数据存储单元的各种其他外围单元可以连接到计算机平台。
一种用于检测图像中的饱和像素的模块尤其可以是颜色校正设备的一部分。这种颜色校正设备尤其可以被配置用于图像的恢复或用于图像到更高的动态范围的转换。根据示例性和非限制性实施例，这种颜色校正设备可以被包括在以下项中：移动设备、通信设备、游戏设备、平板电脑(或平板计算机)、膝上型计算机、静态图像相机、摄像机、编码芯片、静态图像服务器，以及视频服务器(例如广播服务器、视频点播服务器或web服务器)。
可以通过使用专用硬件以及能够与适当软件相关联地执行软件的硬件来提供图1中所示的各种元件的功能。
现在将在下面给出对场景的图像的饱和像素的检测方法的主要实施例的描述，在给定颜色空间中，该饱和像素的颜色由一组RGB颜色值来表示，其中这些颜色值中的每一个与不同的颜色通道对应。
如图1所示，该方法的第一步骤是估计场景的与图像的白点对应的光源ILL的颜色。白点是观察者在场景中感知为白色的颜色，即使它实际上在比色法中不是白色的。优选地，该光源是场景的主要光源，并且光源的颜色由一组RGB颜色值来表示，即rw、gw、bw。为了估计这种颜色，人们可以采用每个颜色分量的最大值：图像的所有像素的最大红色值rmax、最大绿色值gmax和最大值蓝色值bmax。这种估计意味着场景包含反射所有红光的物体、包含反射所有绿光的物体和包含反射所有蓝光的物体。因此，我们有：rw＝rmax、gw＝gmax、bw＝bmax。对于这种光源的估计，还已知的是使用所谓的颜色恒常性算法，如Arjan Gijsenij、Theo Gevers和Joost van De Weijer在2011年的IEEE Transactions on ImageProcessing第20卷第9期第2475-2489页中的Computational color constancy：Surveyand experiments中所描述的。例如，尝试了以下颜色恒常性方法：maxRGB、灰度世界(Grayworld)、灰度边缘、灰度阴影和贝叶斯方法。
作为该第一步骤的实现示例，更具体地可以使用Jun-yan Huo、Yi-lin Chang、Jing Wang和Xiao-xia Wei在2006年的Consummer Electronics，IEEE Transactions on第52卷第2期第541-546页的题为“Robust automatic white balance algorithm usinggray color points in images”的文章中描述的方法。这种方法包括以下子步骤：
●将在RGB颜色空间中表示图像的颜色的RiGiBi颜色坐标转换成在CIELab颜色空间中表示相同颜色的Liaibi颜色坐标，
●选择图像I中满足等式1的所有像素i，从而形成集合Ω。该集合包含不是很饱和并且因此更有可能表示发白的区域的像素。
Ωi＝Ｉi如果
其中ai、bi、Li表示像素i在CIELab颜色空间中的颜色，其中在所提出的实施方式中t＝0.3。
●如等式2所示，将在RGB颜色空间中表示白色点的颜色的颜色坐标rw、gw、bw计算为Ω中所有像素的平均RGB值。
其中Wrgb是坐标为rw、gw、bw的矢量。
作为该第一步骤的实现示例的变型，具有饱和(或削减)颜色值thr的像素不被考虑用于计算平均RGB值。这意味着具有已经达到饱和的颜色的像素不太可能正确地表示图像的白色点，并且因此不应该被包括在计算中。为实现该目的，上述等式1可以被改写为
Ωi＝Ｉi如果并且Ii＜thr。
因此，等式2的平均RGB值的计算中只包括颜色值Ii低于thr的像素，这是因为假设高于饱和阈值thr的任何颜色可能被削减。在该变型中，没有设定如下所述的高阈值和低阈值。因此，thr只是饱和阈值。它可以被设置为与固定范围内的thr相同的值。
在检测图像中的饱和像素的第一变型中，所估计的光源的颜色坐标rw、gw和bw分别被保持为用于检测饱和像素的R、G和B颜色通道的阈值thr、thg和thb。如果thr＝rw、thg＝gw并且thb＝bw，这意味着图像的具有r、g和b颜色坐标的颜色在r＞thr和/或g＞thg和/或b＞thb的情况下被视为是饱和的。
但是，通常对从SDR图像估计的光源的颜色加以表示的颜色坐标rw、gw、bw具有的数值太低，而不适合被直接用作过度曝光或饱和检测的饱和阈值。事实上，使用非常低的饱和阈值可能导致误检测一些曝光良好的像素。这就是为什么图像中的饱和像素检测的第二变型是优选的，该第二变型在图1上示出，其中通过对所估计的光源的颜色Wrgb的颜色坐标rw、gw、bw进行缩放来获得饱和阈值thr、thg、thb；优选地，该缩放保持RGB颜色空间中的光源的颜色坐标之间的恒定比率：例如，它意味着thr/thg＝rw/gw和thg/thb＝gw/bw。这种缩放被视为检测方法的第二步骤。
作为该缩放的示例，通过将所评估的光源的颜色坐标rw、gw、bw转移到固定范围[thl，thr]中来分别从R、G和B颜色通道中获得阈值thr、thg和thb，其中thl和thr是可能过度曝光阈值强度/照度的下限和上限。值thl和thr尤其由用户来进行设置。在RGB颜色值通过8位来编码的上下文中执行的下列实施方式中，thl＝175，并且thr＝235。
如果min(Wrgb)是光源的颜色坐标rw、gw、bw中的最小坐标，并且如果max(Wrgb)是颜色坐标rw、gw、bw中的最大坐标，则坐标为thr、thg和thb的阈值矢量th被定义如下：
如果min(Wrgb)＜thl，则th＝Wrgb+[thl-min(Wrgb)]
否则th＝thl 等式3。
如果max(Wrgb)＜thr，则
否则th＝thr
等式3和4中的每个都仅分别影响th内低于thl或高于thr的元素。因此，这些等式是独立的。
例如，如果我们发现min(Wrgb)＝rw，即红色值，那么。等式3将变成
应当注意，在上面第2和第3行中，我们仍然从thl中减去rw，因为rw被发现是Wrgb中的最小元素。如果任何元素rw、gw、bw≥thl，则该元素保持不变。
类似地，例如，对于等式4，如果我们发现发现max(Wrgb)＝gw，即蓝色值，则等式4有效地变成
同样，如果任何元素rw、gw、bw≤thr，则该元素保持不变。
等式3意味着通过光源的颜色坐标rw、gw、bw的相同变换[thl-min(Wrgb)]来获得用于检测饱和颜色的阈值thr、thg和thb。
等式4意味着通过使用大于1的相似扩大比率对光源的颜色坐标rw、gw、bw进行相同的相似扩大来获得用于检测饱和颜色的阈值thr、thg和thb。
在图1所示的第三步骤中，图像中的饱和像素被识别为具有用r、g和b表示以使r＞thr和/或g＞thg和/或b＞thb的颜色的像素。这些饱和像素形成图像的饱和区。
在上述缩放的变型中，在感知均匀的颜色空间(如LCh颜色空间)中执行部分地该缩放，而不是如上所述完全在依赖于设备的RGB颜色空间中执行。
在该变型的第一子步骤中，通过缩放光源的颜色Wrgb使得该光源的绿色分量gw如下所述被缩放成thr来计算中间阈值矢量th′。
优选选择绿色分量进行该缩放子步骤，这是因为与红色和蓝色分量相反，绿色分量对图像的亮度具有最大贡献。但是使用光源的红色或蓝色分量来进行这种缩放也是可以的。
如果中间阈值矢量th’的任何颜色分量th’r、th’g和th’b超过最大比特值，这里为255，则在将RGB颜色空间中表示阈值颜色的这些颜色分量th’r、th’g和th’b转换为在LCh颜色空间中表示相同颜色的颜色分量th’L、th’C和th’h之后，将色度分量th’C缩放成减小的值th”C＝k.th’C，使得由颜色分量th’L、th’C和th’h在RGB颜色空间中的转换产生的任何颜色分量th”r、th”g和th”b不会超过最大比特值255，其中k尽可能接近1并且低于1。可以通过迭代得到这种k值。最终的阈值颜色th”是在RGB颜色空间中由颜色分量th”r、th”g和th”b表示的颜色。
因为在不改变色调的情况下执行上述色度缩放，所以这种缩放的变型有利地确保图像的照明点的色调不会改变，并且因此在检测图像中的饱和像素之后的饱和/削减区域校正中有利地避免了无意的色调变化。由于通过在CIE LCh颜色空间中缩放其色度分量来调整照明点，照明点变得越来越不饱和，从而有利地保存了其色调。
有利地，在上文已经被描述的用于检测场景的图像中饱和像素的方法和模块限制了饱和像素的错误检测，这特别是因为该检测考虑了场景的光源的影响。
尽管已经在本文中参照附图描述了本发明的说明性实施例，但是应该理解，本发明不限于那些精确的实施例，并且相关领域的普通技术人员可以进行各种改变和修改而不脱离本发明的范围。所有这些改变和修改旨在被包括在所附的权利要求的范围内。因此，要求保护的本发明包括来自本文描述的特定示例和优选实施例的变型，这对本领域技术人员是显而易见的。
尽管可以分别描述和要求保护一些具体实施例，但是应该理解，可以组合使用本文描述和要求保护的实施例的各种特征。

Claims (11)

1.一种检测图像中的饱和像素的方法，所述饱和像素的颜色由与不同颜色通道对应的颜色坐标来表示，所述方法包括检测这样的像素：所述像素的颜色具有与所述颜色通道中的一个颜色通道对应并且高于该颜色通道的饱和阈值(thr；thg；thb)的至少一个颜色坐标，其特征在于，所述颜色通道的饱和阈值(thr；thg；thb)分别取决于表示所述图像的光源(ILL)的颜色坐标(rw，gw，bw)。
2.根据权利要求1所述的检测方法，其中所述颜色通道的饱和阈值(thr；thg；thb)分别等于表示所述光源(ILL)的颜色坐标(rw，gw，bw)。
3.根据权利要求1所述的检测方法，其中通过将表示所述光源(ILL)的颜色坐标(rw，gw，bw)缩放为缩放后颜色坐标以使得这些缩放后颜色坐标被包括在饱和值的固定范围[thl，thr]内，来获得所述颜色通道的饱和阈值(thr；thg；thb)。
4.根据权利要求1所述的检测方法，其中通过将表示所述光源(ILL)的颜色坐标(rw，gw，bw)缩放为缩放后颜色坐标以使得在不改变色调的情况下执行所述缩放来获得所述颜色通道的饱和阈值(thr；thg；thb)。
5.根据权利要求1所述的检测方法，其中通过将表示所述光源(ILL)的颜色坐标(rw，gw，bw)缩放为缩放后颜色坐标以使得所述缩放保持表示所述光源(ILL)的颜色坐标(rw，gw，bw)之间的恒定比率，来获得所述颜色通道的饱和阈值(thr；thg；thb)。
6.一种用于检测图像中的饱和像素的模块，所述饱和像素的颜色由与不同颜色通道对应的颜色坐标来表示，所述模块包括被配置用于以下操作的至少一个处理器：
-估计表示所述图像的光源(ILL)的颜色坐标(rw，gw，bw)，
-分别依据表示所述光源(ILL)的颜色坐标(rw，gw，bw)来获得饱和阈值(thr；thg；thb)，
-检测这样的像素：所述像素的颜色具有与所述颜色通道中的一个颜色通道对应并且高于该颜色通道的所述饱和阈值(thr；thg；thb)的至少一个颜色坐标。
7.根据权利要求6所述的用于检测饱和像素的模块，其中执行颜色坐标(rw，gw，bw)到缩放后颜色坐标的缩放，以使得这些缩放后颜色坐标被包括在饱和值的固定范围[thl，thr]内。
8.一种用于校正图像的颜色的颜色校正设备，其中所述颜色由与不同颜色通道对应的颜色坐标来表示，其特征在于，所述颜色校正设备包括根据权利要求6或7所述的用于检测饱和像素的模块。
9.一种电子设备，包含根据权利要求8所述的颜色校正设备。
10.根据权利要求9所述的电子设备，其特征在于，所述电子设备选自由以下项组成的组：通信设备、游戏设备、平板电脑、膝上型计算机、静态图像相机、摄像机，编码芯片、静态图像服务器和视频服务器。
11.一种计算机可读介质，包含用于配置数字计算机以执行根据权利要求1至5中任一项所述的方法的程序。
CN201780021645.5A 2016-03-30 2017-03-27 用于检测图像中的饱和像素的方法 Active CN109844803B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP16305372.1 2016-03-30
EP16305372.1A EP3226203A1 (en) 2016-03-30 2016-03-30 Method for detection of saturated pixels in an image
PCT/EP2017/057222 WO2017167700A1 (en) 2016-03-30 2017-03-27 Method for detection of saturated pixels in an image

Publications (2)

Publication Number Publication Date
CN109844803A true CN109844803A (zh) 2019-06-04
CN109844803B CN109844803B (zh) 2023-07-07

Family

ID=55701900

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780021645.5A Active CN109844803B (zh) 2016-03-30 2017-03-27 用于检测图像中的饱和像素的方法

Country Status (11)

Country Link
US (1) US11488289B2 (zh)
EP (2) EP3226203A1 (zh)
JP (1) JP6876068B2 (zh)
KR (1) KR102287127B1 (zh)
CN (1) CN109844803B (zh)
BR (1) BR112018069885A2 (zh)
CA (1) CA3019961C (zh)
MX (1) MX2018011885A (zh)
RU (1) RU2750088C2 (zh)
TW (1) TWI736599B (zh)
WO (1) WO2017167700A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11074677B2 (en) 2018-03-29 2021-07-27 Dolby Laboratories Licensing Corporation Dynamic range extension of partially clipped pixels in captured images
US11100620B2 (en) * 2018-09-04 2021-08-24 Apple Inc. Hue preservation post processing for highlight recovery
KR20210110502A (ko) 2018-12-27 2021-09-08 돌비 레버러토리즈 라이쎈싱 코오포레이션 3차원(3d) 가능 디스플레이 상에서 와이드 색 영역의 2차원(2d) 이미지 렌더링
EP3839876A1 (en) * 2019-12-20 2021-06-23 Fondation B-COM Method for converting an image and corresponding device

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1951101A (zh) * 2004-05-11 2007-04-18 皇家飞利浦电子股份有限公司 用于处理彩色图像数据的方法
JP2010103700A (ja) * 2008-10-22 2010-05-06 Ricoh Co Ltd 撮像装置および撮像方法
CN102420995A (zh) * 2006-10-13 2012-04-18 苹果公司 使用预定色调再现曲线来处理图像的系统和方法
US20150063690A1 (en) * 2013-08-27 2015-03-05 Htc Corporation Method and device for detecting glare pixels of image

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5231504A (en) 1991-12-30 1993-07-27 Xerox Corporation Method for improved color reproduction using linear mixing calculations based on positional relationships between an original color and an achromatic region in a linear mixing space
US20020163525A1 (en) 2001-03-07 2002-11-07 Shih-Pei Liao Method for enhancing saturation of color images
US7956889B2 (en) * 2003-06-04 2011-06-07 Model Software Corporation Video surveillance system
CN1300744C (zh) * 2003-12-09 2007-02-14 香港中文大学 对数字图像曝光不足的缺陷进行自动修正的方法和系统
JP4479457B2 (ja) 2004-05-27 2010-06-09 ソニー株式会社 画像処理装置、および画像処理方法、並びにコンピュータ・プログラム
CN101088277A (zh) 2004-12-01 2007-12-12 皇家飞利浦电子股份有限公司 电子彩色图像饱和度处理方法
US20060146193A1 (en) 2004-12-30 2006-07-06 Chaminda Weerasinghe Method and system for variable color saturation
JP2006303559A (ja) * 2005-04-15 2006-11-02 Matsushita Electric Ind Co Ltd 電子式カメラ
JP2006333313A (ja) 2005-05-30 2006-12-07 Seiko Epson Corp 画像補正装置、画像補正方法および画像補正プログラム
JP5004305B2 (ja) 2008-09-04 2012-08-22 株式会社リコー 画像処理装置、画像処理方法、プログラムおよび記録媒体
JP5177751B2 (ja) 2008-09-29 2013-04-10 ルネサスエレクトロニクス株式会社 表示駆動回路
JP5223686B2 (ja) 2009-01-07 2013-06-26 株式会社リコー 撮像装置および撮像方法
KR20120091578A (ko) * 2011-02-09 2012-08-20 삼성전자주식회사 영상의 밝기 변환 방법 및 장치
US20120218283A1 (en) * 2011-02-28 2012-08-30 Spatial Photonics, Inc. Method for Obtaining Brighter Images from an LED Projector
JP5595606B2 (ja) 2012-01-17 2014-09-24 本田技研工業株式会社 画像処理装置
JP2015092643A (ja) 2012-01-30 2015-05-14 日本電気株式会社 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム
JP2015092301A (ja) 2012-01-30 2015-05-14 日本電気株式会社 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム
JP6143575B2 (ja) * 2013-06-25 2017-06-07 キヤノン株式会社 画像処理装置、画像処理方法および画像処理プログラム
WO2015113655A1 (en) 2014-01-31 2015-08-06 Thomson Licensing Method for conversion of a saturated image into a non-saturated image
US9749534B2 (en) * 2014-12-31 2017-08-29 Canon Kabushiki Kaisha Devices, systems, and methods for estimation of motion blur from a single image
US9336582B1 (en) * 2015-04-17 2016-05-10 Google Inc. Convolutional color correction

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1951101A (zh) * 2004-05-11 2007-04-18 皇家飞利浦电子股份有限公司 用于处理彩色图像数据的方法
CN102420995A (zh) * 2006-10-13 2012-04-18 苹果公司 使用预定色调再现曲线来处理图像的系统和方法
JP2010103700A (ja) * 2008-10-22 2010-05-06 Ricoh Co Ltd 撮像装置および撮像方法
US20150063690A1 (en) * 2013-08-27 2015-03-05 Htc Corporation Method and device for detecting glare pixels of image

Also Published As

Publication number Publication date
CA3019961A1 (en) 2017-10-05
US20190114749A1 (en) 2019-04-18
JP6876068B2 (ja) 2021-05-26
CA3019961C (en) 2024-02-27
RU2018138020A3 (zh) 2020-08-19
EP3226203A1 (en) 2017-10-04
RU2018138020A (ru) 2020-04-30
EP3437066A1 (en) 2019-02-06
CN109844803B (zh) 2023-07-07
BR112018069885A2 (pt) 2019-02-05
KR102287127B1 (ko) 2021-08-05
EP3437066B1 (en) 2021-03-17
KR20190038753A (ko) 2019-04-09
TW201801042A (zh) 2018-01-01
US11488289B2 (en) 2022-11-01
TWI736599B (zh) 2021-08-21
MX2018011885A (es) 2019-06-06
JP2019513335A (ja) 2019-05-23
WO2017167700A1 (en) 2017-10-05
RU2750088C2 (ru) 2021-06-22

Similar Documents

Publication Publication Date Title
US10542243B2 (en) Method and system of light source estimation for image processing
US8941755B2 (en) Image processing device with automatic white balance
WO2018176925A1 (zh) Hdr图像的生成方法及装置
US9386288B2 (en) Compensating for sensor saturation and microlens modulation during light-field image processing
US20200051225A1 (en) Fast Fourier Color Constancy
US9307213B2 (en) Robust selection and weighting for gray patch automatic white balancing
US7301573B2 (en) Apparatus for and method of edge enhancement in image processing
US20150063694A1 (en) Techniques for combining images with varying brightness degrees
CN109844803A (zh) 用于检测图像中的饱和像素的方法
US20190124248A1 (en) Dynamic range extension to produce images
US10224004B2 (en) Automatic white balance based on surface reflection decomposition
US20180176528A1 (en) Light locus generation for automatic white balance
CN110996015B (zh) 空间多重曝光
US7688357B2 (en) Method and apparatus for color temperature correction in a built-in camera of a portable terminal
KR20200145670A (ko) 영상의 화이트 밸런스 보정을 수행하는 장치 및 방법
JP6606981B2 (ja) 出力制御装置、出力制御方法及びプログラム
Jo et al. Adaptive white point extraction based on dark channel prior for automatic white balance
CN118660233A (zh) 图像处理方法、装置、电子设备、可读存储介质和程序产品
US10068346B2 (en) Color distance determination
CN105278689A (zh) 一种环境光颜色获取方法及终端
Lee et al. Auto White Balance Using Chromatic Coordinates of Detected Human Faces

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TG01 Patent term adjustment
TG01 Patent term adjustment