CN112561906A - 一种图像处理方法、装置、设备及介质 - Google Patents
一种图像处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112561906A CN112561906A CN202011552981.2A CN202011552981A CN112561906A CN 112561906 A CN112561906 A CN 112561906A CN 202011552981 A CN202011552981 A CN 202011552981A CN 112561906 A CN112561906 A CN 112561906A
- Authority
- CN
- China
- Prior art keywords
- image
- target image
- target
- pixel
- mapping
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 37
- 238000005286 illumination Methods 0.000 claims abstract description 159
- 238000013507 mapping Methods 0.000 claims abstract description 133
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000013441 quality evaluation Methods 0.000 claims description 49
- 238000000034 method Methods 0.000 claims description 19
- 230000003044 adaptive effect Effects 0.000 description 18
- 230000000007 visual effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种图像处理方法、装置、设备及介质,涉及互联网技术领域,该图像处理方法包括:当读取到的目标图像需要进行光照调整时,依据所述目标图像的像素信息确定像素分位数信息;依据所述像素分位数信息确定映射区间信息;依据所述映射区间信息对所述目标图像进行自适应光照调节,得到所述目标图像的光照调整结果。本发明实施例大幅减少现有技术中需要手动调整图像光照环节所需要的时间,提高图像处理效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像处理方法、装置、设备及介质。
背景技术
随着人工智能技术的快速发展,诸如机器视觉系统等信息处理系统越来越普及,给人们的生活、工作以及学习带来了极大的便利。
在实际处理中,信息处理系统通常需要对输入图像进行处理,产生处理结果。为了确保处理结果的准确性,通常需要对输入到信息处理系统中的图像数据进行光照调节,提高图像质量。
目前,图像光照调节方法主要是根据图像的现有亮度进行统一调整。但是,图像的亮度参差不齐,统一的亮度调整会使得某些图像出现过曝现象;在原图非常暗、质量非常低的图像时,对这些图像进行统一亮度调整,会出现图像局部失真和额外的条纹噪声,影响图像质量;以及,在一些图像中同时存在局部亮度过大、局部过低的情况下,对单张图像统一化处理会使图像容易失真或者更加难以分辨。
因此,审核人员在面对复杂的截图场景的时候,常常需要手动调节图像的亮度和对比度,如因为图像亮度过暗,需要手动调节图像的亮度和对比度到恰当的值,才能正常的评判图像的内容违规情况。调整过程因为图像的亮度差别不同也不一样,每次手动调整的方式也存在差异,审核人员需要花费一定调整每一张图像,如每张需要调整的图的调整时间大约需要8秒左右,这严重影响了审核侧的效率。
发明内容
有鉴于此,本发明实施例提供一种图像处理方法、装置、设备及介质,以大幅减少现有技术中需要手动调整图像光照环节所需要的时间,提高图像处理效率。
第一方面,本发明实施例提供了一种图像处理方法,包括:当读取到的目标图像需要进行光照调整时,依据所述目标图像的像素信息确定像素分位数信息;依据所述像素分位数信息确定映射区间信息;依据所述映射区间信息对所述目标图像进行自适应光照调节,得到所述目标图像的光照调整结果。
第二方面,本发明实施例还提供了一种图像处理装置,包括:
像素分位数确定模块,用于当读取到的目标图像需要进行光照调整时,依据所述目标图像的像素信息确定像素分位数信息;
映射区间信息确定模块,用于依据所述像素分位数信息确定映射区间信息;
自适应调节模块,用于依据所述映射区间信息对所述目标图像进行自适应光照调节,得到所述目标图像的光照调整结果。
第三方面,本发明实施例还提供了一种图像处理设备,包括:处理器和存储器;所述存储器中存储有至少一条指令,所述指令由所述处理器执行,使得所述图像处理设备执行如第一方面所述的图像处理方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述可读存储介质中的指令由计算机设备的处理器执行时,使得计算机设备能够执行如第一方面所述的图像处理方法。
本发明实施例在读取到的目标图像需要进行光照调整时,通过依据目标图像的像素信息确定像素分位数信息,并依据该像素分位数信息确定映射区间信息,以依据映射区间信息对目标图像进行自适应光照调节,达到动态调节光照的目的,使得图像对于复杂变换的场景也能拥有较好的视觉效果,大大减少了现有技术中需要手动调整光照环节所需要的时间,从而解决了现有技术中需要审核人员手动调节图像亮度和对比度导致审核侧效率低的问题,提高了图像审核效率,进而提高图像处理效率。
附图说明
图1是本发明实施例的一种图像处理方法的步骤流程示意图;
图2是本发明一个可选实施例中的一种图像处理方法的步骤流程示意图;
图3是本发明一个示例中的需要调整光照的图像筛选示意图;
图4是本发明实施例中的一种图像处理装置的结构方框示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构或组成。
图1为本发明实施例提供的一种图像处理方法的步骤流程示意图。本实施例可适用于图像处理情况,如适用于图像光照调整的情况,该图像处理方法具体可以包括如下步骤:
步骤110,当读取到的目标图像需要进行光照调整时,依据所述目标图像的像素信息确定像素分位数信息。
其中,目标图像可以是指当前读取到的图像,具体可以包括图像需求方读取到的图像;该图像需求方可以包含需要采用图像进行业务处理的各个端,如可以应用程序(Application,App)的客户端、服务端等,本实施例对此不作具体限制。
具体而言,本发明实施例在读取到图像时,可以将当前读取到的图像作为目标图像,并可根据图像质量判断该目标图像是否需要进行光照调整,以提高图像质量。若目标图像需要进行光照调整,则可以根据该目标图像的像素信息确定出像素分位数信息,以便后续可以根据像素分位数信息确定出目标图像对应的亮度映射区间。
例如,在读取到目标图像后,可以通过检测图像光照强度产生目标图像的质量评价结果,以根据质量评价结果判断该目标图像是否需要光照调整。可选的,本发明实施例提供的图像处理方法还可以包括:读取目标图像;依据所述目标图像的质量评价结果,判断所述目标图像是否需要进行光照调整;若所述目标图像不需要进行光照调整,则可以显示该目标图像,如可以依据所述目标图像的亮度信息显示所述目标图像。若目标图像需要进行光照调整,则可以依据目标图像的像素信息确定像素分位数信息。其中,目标图像的像素信息具体可以包括目标图像的像素值,如可以是读取到的原图像的像素值;像素分位数信息可以包括根据图像像素确定出的分位数,如可以包括根据原图的像素值确定出的最大分位数和最小分位数,具体可以用于确定图像像素映射后所在的目标区间,以避免原图中一些极端极值点对于图像的干扰。
步骤120,依据所述像素分位数信息确定映射区间信息。
其中,映射区间信息可以表示像素映射后所在的目标区间,该映射区间信息可以包含目标区间的最小值和最大值,如映射区间信息表示的是图像像素后图像亮度所在的目标区间的情况下,该映射区间信息可以包括图像映射后的最大亮度值和最小亮度值,以便后续可以根据映射后的最大亮度值和最小亮度值进行自适应光照调节。
步骤130,依据所述映射区间信息对所述目标图像进行自适应光照调节,得到所述目标图像的光照调整结果。
其中,自适应光照调节是指根据图像的现有图像亮度进行调整,使其能自动的将因为光照问题而无法看清的图像转换为肉眼易于清晰观察的图像。具体而言,本发明实施例在确定出映射区间信息后,可根据该映射区间信息对目标图像进行自适应光照调节,以动态地调节光照,使得调整后的目标图像中的明暗部分差距减少,从而使得调整后的目标图像转换为肉眼易于清晰观察的图像,达到对图像进行自适应的光照强度处理的目的,并可基于目标图像调整后的亮度信息生成对应的光照调整结果,以便后续可以依据该光照调整结果进行相应的业务处理,如可以依据该光照调整结果对目标图像进行显示等,本实施例对此不作具体限制。
可见,本发明实施例在读取到的目标图像需要进行光照调整时,通过依据目标图像的像素信息确定像素分位数信息,并依据该像素分位数信息确定映射区间信息,以依据映射区间信息对目标图像进行自适应光照调节,达到动态调节光照的目的,使得图像对于复杂变换的场景也能拥有较好的视觉效果,大大减少了现有技术中需要手动调整光照环节所需要的时间,从而解决了现有技术中需要审核人员手动调节图像亮度和对比度导致审核侧效率低的问题,提高了图像审核效率,进而提高图像处理效率。
在实际处理中,本发明实施例在判断出目标图像需要进行光照调整后,即在筛选出需要调整光照的目标图像后,可以基于该目标图像的像素信息和预设的干扰系数信息确定出像素分位数信息,以便后续可以基于像素分位数信息确定出图像像素映射后所在的目标区间,从而避免原图像中一些极端极值点对于图像自适应光照调整的干扰,确保自适应光照调整效果。
可选的,在上述实施例的基础上,本发明实施例依据所述目标图像的像素信息确定像素分位数信息,具体可以包括:确定所述目标图像的像素信息;基于所述像素信息和预设的干扰系数信息,确定所述目标图像的像素分位数信息,所述像素分位数信息包含第一像素分位数和第二像素分位数,且所述第一像素分位数大于所述第二像素分位数。其中,第一像素分位数可以是指根据图像像素确定的最大分位数,具体可以用于确定出像素映射后的目标区间的最大值;第二像素分位数可以是指根据图像像素确定的最小分位数,具体可以用于确定出像素映射后的目标区间的最小值。
进一步的,本发明实施例在得到目标图像的光照调整结果之后,还可以依据该光照调整结果对目标图像进行显示,以达到更好的视觉效果。可选的,本发明实施例提供的图像处理方法还包括:依据所述光照调整结果显示所述目标图像。
参照图2,示出了本发明一个可选实施例中的一种图像处理方法的步骤流程示意图。如图2所示,本发明实施例中的图像处理方法具体可以包括如下步骤:
步骤210,读取目标图像。
步骤220,依据所述目标图像的质量评价结果,判断所述目标图像是否需要进行光照调整。
具体的,本发明实施例在读取到目标图像后,可以基于图像光照强度确定该目标图像的质量评价结果,如可以通过检测目标图像的光照强度产生质量评价结果,从而可以基于质量评价结果判断目标图像是否需要调整;若目标图像需要调整,如在目标图像的光照强度为比较昏暗场景下的光照强度时,目标图像的质量评价结果为图像亮度昏暗结果,则可以跳转到步骤240执行,以便后续可以依据目标图像的像素信息确定出像素分位数信息进行自适应光照调整;若目标图像不需要调整,如在目标图像的光照强度为比较明亮场景下的光照强度,且该目标图像的明度超过一定阈值时,则可以直接显示该目标图像,即执行步骤230。
在实际处理中,本发明实施例可以使用预先训练好的图像质量评价模型对目标图像进行处理,以检测目标图像的光照强度,得到目标图像对应的图像昏暗概率,进而可以基于该图像昏暗概率生成该目标图像的质量评价结果。进一步的,本发明实施例提供的图像处理方法在判断所述目标图像是否需要进行光照调整之前,还可以包括:通过预设的图像质量评价模型对所述目标图像进行评价处理,得到图像昏暗概率;基于所述图像昏暗概率生成所述目标图像的质量评价结果。其中,图像昏暗概率可以是指图像的昏暗概率,图像昏暗概率越大可以表示图像昏暗的可能性越大。
在具体实现中,本发明实施例可以使用基于深度学习的图像质量评价模型进行图像亮度检测,并可通过卡阈值的方式来筛选出需要处理的目标图像,如图3所示,作为图像质量评价模型的深度模型可以用于预测图像昏暗概率,从而可以将图像昏暗概率大于预设概率阈值的目标图像确定为需要调整光照的图像。进一步而言,本发明实施例基于所述图像昏暗概率生成所述目标图像的质量评价结果,具体可以包括:判断所述图像昏暗概率是否大于预设概率阈值;若所述图像昏暗概率大于预设概率阈值时,则生成图像亮度昏暗结果;若所述图像昏暗概率小于预设概率阈值,则生成图像亮度正常结果。其中,预设概率阈值可以根据图像亮度调整需求进行设置,如可以设置为0.8或0.7等,本发明实施例对此不作具体设置。
可选的,本发明实施例依据所述目标图像的质量评价结果,判断所述目标图像是否需要进行光照调整,具体可以包括:在所述质量评价结果为图像亮度正常结果时,判断所述目标图像的明度信息是否符合预设光照调节条件;若所述目标图像的明度信息符合预设光照调整条件,则判定所述目标图像需要进行光照调整;否则,判定所述目标图像不需要进行光照调整。其中,明度信息可以表图像明度,如可以是HSV明度。需要说明的是,HSV(HueSaturation Value)是根据颜色的直观特性创建的一种颜色空间,也称六角锥体模型(Hexcone Model),这个模型中颜色的参数分别是:色调,饱和度和明度。
本实施例中,图像亮度的检测主要可以用于区分图像是否需要额外的光照调整处理。在目标图像的质量评价结果为图像亮度正常结果时,可以根据目标图像的HSV明度再进行一次筛选,即判断目标图像的明度信息是否符合预设光照调节条件,从而可以在目标图像的明度信息符合预设光照调节条件时判定目标图像需要进行光照调整,而在目标图像的明度信息不符合预设光照调节条件时判定目标图像不需要进行光照调整。
当然,本发明实施例在目标图像的质量评价结果为图像亮度昏暗结果时,也可以判定该目标图像不需要进行光照调整。进一步而言,上述依据所述目标图像的质量评价结果,判断所述目标图像是否需要进行光照调整,还可以包括:在所述质量评价结果为图像亮度昏暗结果时,判定所述目标图像不需要进行光照调整。
作为本发明的一个示例,图像需求方在读取图像到内存后,可以将该图像确定为目标图像,随后可通过亮度检测和图像筛选确定该目标图像是否需要调整,即检测图像的光照强度,并判断是否需要进行光照处理,以确定该目标图像是否需要调整,如图3所示,可以将读取到的目标图像输入到作为图像质量评价模型的深度模型中,从而可以基于该深度模型输出的图像昏暗概率生成目标图像的质量评价结果,进而可以在目标图像的质量评价结果为图像亮度昏暗结果时,即在深度模型输出的图像昏暗概率大于预设概率阈值时,确定目标图像需要进行光照自适应调节,然后跳转到步骤240执行;而在目标图像的质量评价结果为图像亮度正常结果时,即在深度模型输出的图像昏暗概率不大于预设概率阈值时,可以通过判断该目标图像的HSV明度是否小于明度阈值,确定该目标图像的明度信息是否附合预设光照调节条件时。若目标图像的HSV明度小于明度阈值,则可以确定目标图像的明度信息附合预设光照调节条件,从而可以认为目标图像是需要调整光照的图像,即确定目标图像需要进行光照自适应调节,然后跳转到步骤240执行;若目标图像的HSV明度不小于明度阈值,如在目标图像的HSV明度大于或等于明度阈值时,则可以确定目标图像的明度信息不附合预设光照调节条件,从而可以确定目标图像不需要进行光照调整,然后执行步骤230。其中,明度阈值可以是根据图像光照调节设置的一个明度指标,具体可以用于确定图像是否需要光照调节,如该明度阈值可以设置为75或80等,本示例对此不作具体限制。
可见,本实施例在通过深度模型筛选出需要额外光照调整处理的图像后,即在深度模型筛选出存在光照问题的图像后,可以使用图像HSV空间中的明度指标作为评价标准,对深度模型认为不存在光照问题的剩余图像进行再一次的筛选,即对于深度模型认为不存在光照问题的剩余图像,使用图像HSV空间中的明度指标作为评价标准再经过一次筛选,如在明度阈值设置为75的情况下,对于HSV中均值明度小于阈值75的图像,可以认为是需要调整光照的图像,从而可以将所有亮度需要调整的图像都筛选出来,然后进入自适应的图像处理环节,即执行步骤240。
当然,本发明实施例也可以采用其他方式筛选出需要进行光照调整的目标图像,如可以使用灰度直方图筛选,本发明实施例对此不作具体限制。
步骤230,若所述目标图像不需要进行光照调整,则依据所述目标图像的亮度信息显示所述目标图像。
步骤240,若所述目标图像需要进行光照调整,则确定所述目标图像的像素信息。
步骤250,基于所述像素信息和预设的干扰系数信息,确定所述目标图像的像素分位数信息。
其中,所述像素分位数信息包含第一像素分位数和第二像素分位数,且所述第一像素分位数大于所述第二像素分位数。干扰系数信息可以包含预先针对图像干扰设置的一个系数,如可以设置为1%、2%等,本发明实施例对此不作具体限制。
例如,在预设设置的的干扰系数信息为1%的情况下,在确定出目标图像的像素信息后,即在确定出原图的像素值后,可以将原图的前1%大的像素值称为最大分位数(maxpercent),以将该最大分位数设置为第一像素分位数,从而可以将目标图像中所有大于最大分位数的像素值置为最大分位数,并可将原图的前1%小的像素值称为最小分位数(minpercent),以将该最大分位数设置为第一像素分位数,从而可以将目标图像中所有小于最小分位数的像素值置为最小分位数,进而可以避免原图中一些极端极值点对于图像的干扰,达到自适应的直方图均衡的目的。
需要说明的是,自适应的直方图均衡是指:将目标图像分为若干个方块之后,对于每一个方块,可以依据其像素值进行从小到大的排列,并可将其摊平成较为均衡的方式。对于每个点的像素值img(i,j),其变换公式可以为:imgequalizatin(i,j)=cumsum(img(i,j))*255;其中,cumsum(x)可以表示该块中直方图灰度级小于等于x的频率;img(i,j)可以表示坐标为(i,j)这点对应的像素值。通过局部直方图均衡化,使得每一个小块中的像素分布尽量均匀,从而使得局部的对比度提高。与全局的直方图均衡化相比,自适应的直方图均衡化在局部进行均衡处理,图像失真的概率小,特别是对于同一张图像中过明、过暗同时出现的场景:全局直方图均衡化容易出现失真;局部直方图均衡因为是在局部进行处理,不会出现失真效应;同时能适当提升过原图中暗部分的亮度。
步骤260,依据所述像素分位数信息确定映射区间信息。
具体的,本发明实施例在确定出像素分位信息后,可以基于该像素分位信息,结合目标图像的映射系数,确定出映射区间信息,以便后续可以基于映射区间信息进行自适应的直方图正规化。可选的,本发明实施例提供的图像处理方法还包括:确定所述目标图像的平均亮度;采用预设的图像亮度阈值减去所述平均亮度,得到亮度差系数;基于所述亮度差系数确定所述目标图像的映射系数。其中,目标图像的平均亮度可以依据目标图像的原图中的平均光强确定;预设的图像亮度阈值可以根据图像映射需求进行设置,如可以设置为87.5,本发明实施例对此不作具体限制。
作为本发明的一个示例,在按照原图中的平均光强,计算出目标图像的平均亮度为light后,可以预设的图像亮度阈值87.5减去平均亮度light,得到亮度差系数,随后可采用该亮度差系数按照进行计算,如按照映射系数计算公式进行计算,从而得到映射的系数比例ratio,并可将该系数比例ratio确定为目标图像的映射系数。其中,映射系数计算公式如下:
在确定出目标图像的映射系数后,可以采用该映射系数分别与像素分位数信息中的第一像素分位数和第二像素分位数进行计算,得到第一亮度阈值和第二亮度阈值,并可将第一亮度阈值和第二亮度阈值作为映射区间信息,以便后续可以基于第一亮度阈值和第二亮度阈值将目标图像的灰度级线性的映射到指定的区间,达到自适应的直方图正规化的目的。需要说明的是,映射系数可以用于衡量图像需要放缩的比例;若图像的平均亮度值较小,则需要放射的值越大;同时映射后的上界和下界也和图像的上分位数和下分位数有关系,即映射后的图像亮度最大值和最小值分别与图像的最大分位数和最小分位数有关系。
进一步的,本发明实施例中的映射区间信息可以包含第一亮度阈值和第二亮度阈值,上述依据所述像素分位数信息确定映射区间信息具体可以包括如下子步骤:
子步骤2601,依据所述第一像素分位数和所述目标图像的映射系数确定第一亮度阈值;
子步骤2602,依据所述第二像素分位数和所述映射系数确定第二亮度阈值。
在实际处理中,依据第一像素分位数确定出的第一亮度阈值可以作为图像映射后的最大亮度值,而依据第二像素分位数确定出的第二亮度阈值可以作为图像映射后的最小亮度值,以便后续依据第一亮度阈值和第二亮度阈值将目标图像调整到合适的亮度和对比度范围,达到自适应的光照强度处理的目的。
进一步而言,本发明实施例中的第一亮度阈值大于所述第二亮度阈值,所述映射系数是依据所述目标图像的平均亮度确定的系数。
可选的,本发明实施例依据所述第一像素分位数和所述目标图像的映射系数确定第一亮度阈值,具体可以包括:将所述第一像素分位数与所述映射系数的乘积确定为目标乘积,并将所述目标乘积与预设的映射目标阈值进行比较,以基于比较结果确定第一亮度阈值。其中,预设的映射目标阈值可以是根据图像映射需求进行设置的,如可以设有第一映射目标阈值和/或第二第二映射目标阈值等,本实施例对此不作具体限制。需要说明的是,第一映射目标阈值可以表示映射后最高亮度的最大阈值,而第二映射目标阈值可以表示映射后最高亮度的最小阈值。
进一步的,在预设的映射目标阈值包含第一映射目标阈值和第二映射目标阈值的情况下,本发明实施例将所述目标乘积与预设的映射目标阈值进行比较,以基于比较结果确定第一亮度阈值,具体可以包括:当所述目标乘积小于所述第一映射目标阈值且大于所述第二映射目标阈值时,将所述目标乘积确定为第一亮度阈值;当所述目标乘积大于或等于所述第一映射目标阈值时,将所述第一映射目标阈值确定为第一亮度阈值;当所述目标乘积小于或等于所述第二映射目标阈值时,将所述第二映射目标阈值确定为第一亮度阈值。
例如,在第一映射目标阈值设置为240且第二映射目标阈值设置为100的情况下,在确定出第一像素分位数maxpercent后,可以将该第一像素分位数maxpercent和映射系数ratio的乘积确定为目标乘积maxpercen*ratio,并将所述目标乘积目标乘积maxpercen*ratio与第一映射目标阈值240以及第二映射目标阈值100进行比较,如可以先将目标乘积maxpercen*ratio与第一映射目标阈值240进行比较,以取出两者之间的最小值min(maxpercen*ratio,240)与第二映射目标阈值100进行比较,从而可以将min(maxpercen*ratio,240)和第二映射目标阈值100中的最大值max(100,min(maxpercen*ratio,240))确定为第一亮度阈值higher,即higher=max(100,min(maxpercen*ratio,240))。
当然,本发明实施例在确定出第二像素分位数和目标图像的映射系数后,可以采用第二像素分位数和目标图像的映射系数确定出第二亮度阈值。可选的,本发明实施例依据所述第二像素分位数和所述映射系数确定第二亮度阈值,具体可以包括:将所述第二像素分位数与所述映射系数的乘积确定为第二亮度阈值。例如,在确定出第二像素分位数minpercent后,可以将该第二像素分位数minpercent和映射系数ratio的乘积minpercent*ratio确定为第二亮度阈值lower,即lower=minpercent*ratio。。
步骤270,依据所述映射区间信息对所述目标图像进行自适应光照调节,得到所述目标图像的光照调整结果。
具体的,本发明实施例在确定出映射区间信息后,可以基于该映射区间信息中的第一亮度阈值和第二亮度阈值对目标图像进行自适应光照调节,如在自适应的直方图均衡化之后,通过自适应的直方图正规化将目标图像整体的亮度线性映射到指定的自适应区间,生成目标图像的光照调整结果。其中,自适应区间的上限和下限都和目标图像的原始亮度有关,从而可以更加细致的对图像光照条件进行分类,比如可以根据图像光照条件分为过曝场景、多光源场景、一半过度曝光一半欠曝的场景等,进而可以对不同场景的图像进行更加针对性的处理,以达到更好的视觉效果。
步骤280,依据所述光照调整结果显示所述目标图像。
具体的,本发明实施例在得到光照调整结果后,可基于好光照调整结果对目标图像进行显示,即按照调整后的亮度进行图像显示,使得图像对于复杂变换的场景也能拥有较好的视觉效果。
作为本发明的一个应用示例,在APP的审核侧读取到到图像后,可将该图像确定为目标图像,以检测该图像的光照强度,判断是否需要调整;若图像不需要调整,则可以直接显示图像;若图像需要调整,则可以基于本发明实施例提供的图像处理方法,针对图像进行自适应调整光照,以按照整结果显示图像,即显示自适应光照调整处理后的图像,使得图像对于复杂变换的场景也能拥有较好的视觉效果,大幅减少了本需要手动调整光照环节所需要的时间,进而提高审核侧的效率。
当然,本发明实施例提供的图像处理方法除了可以应用于图像审核侧之外,还可以应用于其他图像处理场景,如可以应用数据增强方向中等,本实施例对此不作具体限制。
综上,本发明实施例在读取到目标图像后,可以依据目标图像的质量评价结果和目标图像的明度信息判断出目标图像是否需要光照调整,如使用基于深度学习的图像质量评价模型,通过卡阈值的方式来筛选出需要处理的目标图像,并可使用图像hsv空间中的明度指标作为评价标准对图像质量评价模型认为不存在光照问题的目标图像进行再一次的筛选,即依据基于深度学习和传统方法相结合的光照检测方法来筛选出需要调整光照的图像,避免对于正常光照条件的图像的不必要处理,从而提高图像处理效率。
此外,本发明实施例在筛选出需要调节光照的目标图像后,通过依据目标图像的像素信息和预设的干扰系数信息确定出像素分位数信息,从而可以基于该像素分位数信息中的第一素分位数和第二像素分位数,对图像的明暗程度不一的图像分块,先后使用自适应的直方图均衡化的方法进行调整,使得同一张图像中的明暗部分差距减小,并可依据该像素分位数信息中的第一像素分位数和第二像素分位数以及目标图像的映射系数确定出映射区间信息,以便后续可以基于该映射区间信息中的第一亮度阈值和第二亮度阈值对目标图像进行自适应光照调节,即根据图像的平均亮度、最高亮度、最低亮度来动态地调节光照,从而可以对不同场景的图像进行更加针对性的处理,以达到更好的视觉效果,如对于直播、短视频等光照变换强的场景,同时结合深度学习技术和传统方法设计出一种简易的光照筛选机制,筛选出需要调节光照的图像,并可根据图像的平均亮度、最高亮度、最低亮度来动态的调节光照,使得图像对于复杂变换的场景也能拥有较好的视觉效果,大幅减少了本需要手动调整光照环节所需要的时间,进一步提高了图像处理效率。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。
参照图4,示出了本发明实施例中的一种图像处理装置的结构框示意图,该图像处理装置具体可以包括如下模块:
像素分位数确定模块410,用于当读取到的目标图像需要进行光照调整时,依据所述目标图像的像素信息确定像素分位数信息;
映射区间信息确定模块420,用于依据所述像素分位数信息确定映射区间信息;
自适应调节模块430,用于依据所述映射区间信息对所述目标图像进行自适应光照调节,得到所述目标图像的光照调整结果。
在上述实施例的基础上,可选地,上述图像处理装置还可以包括如下子模块:
图像读取模块,用于读取目标图像;
图像判断模块,用于依据所述目标图像的质量评价结果,判断所述目标图像是否需要进行光照调整;
图像显示模块,用于在所述目标图像不需要进行光照调整时,依据所述目标图像的亮度信息显示所述目标图像。
在本发明的一个可选实施方式中,图像判断模块可以包括如下子模块:
明度判断子模块,用于在所述质量评价结果为图像亮度正常结果时,判断所述目标图像的明度信息是否符合预设光照调节条件;若所述目标图像的明度信息符合预设光照调整条件,则触发第一判定子模块判定所述目标图像需要进行光照调整;若所述目标图像的明度信息不符合预设光照调整条件,则触发第二判定子模块判定所述目标图像不需要进行光照调整;
第一判定子模块,用于在目标图像的明度信息符合预设光照调整条件时,判定所述目标图像需要进行光照调整;
第二判定子模块,用于在目标图像的明度信息不符合预设光照调整条件时,判定所述目标图像不需要进行光照调整。
可选的,在上述实施例的基础上,所述第一判定子模块还用于在所述质量评价结果为图像亮度昏暗结果时,判定所述目标图像不需要进行光照调整。
可选地,上述图像处理装置还可以包括如下子模块:
图像质量评价模块,用于通过预设的图像质量评价模型对所述目标图像进行评价处理,得到图像昏暗概率;
质量评价结果模块,用于基于所述图像昏暗概率生成所述目标图像的质量评价结果。
例如,图像质量评价模块在图像判断模块判断所述目标图像是否需要进行光照调整之前,通过预设的图像质量评价模型对所述目标图像进行评价处理,得到图像昏暗概率,从而使得质量评价结果模块能够基于所述图像昏暗概率生成所述目标图像的质量评价结果,进而使得图像判断模块可以依据目标图像的质量评价结果判断目标图像是否需要进行光照调整。
可选的,质量评价结果模块可以包括如下子模块:
昏暗概率判断子模块,用于判断所述图像昏暗概率是否大于预设概率阈值;
昏暗结果生成子模块,用于在所述图像昏暗概率大于预设概率阈值时,生成图像亮度昏暗结果;
亮度正常结果子模块,用于在所述图像昏暗概率小于预设概率阈值时,生成图像亮度正常结果。
可选的,所述像素分位数确定模块可以包括如下子模块:
像素确定子模块,用于确定所述目标图像的像素信息;
分位数确定子模块,用于基于所述像素信息和预设的干扰系数信息,确定所述目标图像的像素分位数信息,所述像素分位数信息包含第一像素分位数和第二像素分位数,且所述第一像素分位数大于所述第二像素分位数。
在本发明的一个可选实施例中,所述映射区间信息包含第一亮度阈值和第二亮度阈值,所述映射区间信息确定模块可以包括如下子模块:
第一亮度阈值确定子模块,用于依据所述第一像素分位数和所述目标图像的映射系数确定第一亮度阈值;
第二亮度阈值确定子模块,用于依据所述第二像素分位数和所述映射系数确定第二亮度阈值。
进一步的,本发明实施例中的第一亮度阈值大于第二亮度阈值,所述映射系数是依据所述目标图像的平均亮度确定的系数。可选的,第一亮度阈值确定子模块具体用于将所述第一像素分位数与所述映射系数的乘积确定为目标乘积,并将所述目标乘积与预设的映射目标阈值进行比较,以基于比较结果确定第一亮度阈值;第二亮度阈值确定子模块具体用于将所述第二像素分位数与所述映射系数的乘积确定为第二亮度阈值。
可选的,本发明实施例中的映射目标阈值包含第一映射目标阈值和第二映射目标阈值,所述第一亮度阈值确定子模块可以包括如下单元:
第一确定单元,用于当所述目标乘积小于所述第一映射目标阈值且大于所述第二映射目标阈值时,将所述目标乘积确定为第一亮度阈值;
第二确定单元,用于当所述目标乘积大于或等于所述第一映射目标阈值时,将所述第一映射目标阈值确定为第一亮度阈值;
第三确定单元,用于当所述目标乘积小于或等于所述第二映射目标阈值时,将所述第二映射目标阈值确定为第一亮度阈值。
可选的,本发明实施例中的图像处理装置还如下包括模块:
平均亮度确定模块,用于确定所述目标图像的平均亮度;
亮度差系数确定模块,用于采用预设的图像亮度阈值减去所述平均亮度,得到亮度差系数;
映射系数确定模块,用于基于所述亮度差系数确定所述目标图像的映射系数。
进一步的,本发明实施例中的图像显示模块还可以用于依据所述光照调整结果显示所述目标图像。
需要说明的是,上述提供的图像处理装置可执行本发明任意实施例所提供的图像处理方法,具备执行方法相应的功能和有益效果。
在具体实现中,上述图像处理装置可以集成在图像处理设备中。该图像处理设备可以是两个或多个物理实体构成,也可以是一个物理实体构成,如电子设备可以是个人计算机(Personal Computer,PC)、电脑、服务器、游戏控制台等。
进一步的,本发明实施例还提供一种图像处理设备,包括:处理器和存储器。存储器中存储有至少一条指令,且指令由所述处理器执行,使得所述图像处理设备执行如上述方法实施例中所述的图像处理方法。具体的,本实施例中的处理器可以通过运行存储在存储器的软件程序、指令以及模块,从而执行图像处理设备的各种功能应用以及数据处理,即实现上述图像处理方法。例如,处理器执行存储器中存储的一个或多个程序时,具体实现如下操作:当读取到的目标图像需要进行光照调整时,依据所述目标图像的像素信息确定像素分位数信息;依据所述像素分位数信息确定映射区间信息;依据所述映射区间信息对所述目标图像进行自适应光照调节,得到所述目标图像的光照调整结果。
本发明实施例还提供一种计算机可读存储介质,所述可读存储介质中的指令由计算机设备的处理器执行时,使得计算机设备能够执行如上述方法实施例所述的图像处理方法。示例性的,该图像处理方法包括:当读取到的目标图像需要进行光照调整时,依据所述目标图像的像素信息确定像素分位数信息;依据所述像素分位数信息确定映射区间信息;依据所述映射区间信息对所述目标图像进行自适应光照调节,得到所述目标图像的光照调整结果。
需要说明的是,对于装置、设备、存储介质实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。
上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由权利要求范围决定。
Claims (15)
1.一种图像处理方法,其特征在于,包括:
当读取到的目标图像需要进行光照调整时,依据所述目标图像的像素信息确定像素分位数信息;
依据所述像素分位数信息确定映射区间信息;
依据所述映射区间信息对所述目标图像进行自适应光照调节,得到所述目标图像的光照调整结果。
2.根据权利要求1所述的图像处理方法,其特征在于,还包括:
读取目标图像;
依据所述目标图像的质量评价结果,判断所述目标图像是否需要进行光照调整;
若所述目标图像不需要进行光照调整,则依据所述目标图像的亮度信息显示所述目标图像。
3.根据权利要求2所述的图像处理方法,其特征在于,所述依据所述目标图像的质量评价结果,判断所述目标图像是否需要进行光照调整,包括:
在所述质量评价结果为图像亮度正常结果时,判断所述目标图像的明度信息是否符合预设光照调节条件;
若所述目标图像的明度信息符合预设光照调整条件,则判定所述目标图像需要进行光照调整;否则,判定所述目标图像不需要进行光照调整。
4.根据权利要求3所述的图像处理方法,其特征在于,所述依据所述目标图像的质量评价结果,判断所述目标图像是否需要进行光照调整,还包括:
在所述质量评价结果为图像亮度昏暗结果时,判定所述目标图像不需要进行光照调整。
5.根据权利要求3所述的图像处理方法,其特征在于,所述判断所述目标图像是否需要进行光照调整之前,还包括:
通过预设的图像质量评价模型对所述目标图像进行评价处理,得到图像昏暗概率;
基于所述图像昏暗概率生成所述目标图像的质量评价结果。
6.根据权利要求5所述的图像处理方法,其特征在于,所述基于所述图像昏暗概率生成所述目标图像的质量评价结果,包括:
判断所述图像昏暗概率是否大于预设概率阈值;
若所述图像昏暗概率大于预设概率阈值时,则生成图像亮度昏暗结果;
若所述图像昏暗概率小于预设概率阈值,则生成图像亮度正常结果。
7.根据权利要求1所述的图像处理方法,其特征在于,所述依据所述目标图像的像素信息确定像素分位数信息,包括:
确定所述目标图像的像素信息;
基于所述像素信息和预设的干扰系数信息,确定所述目标图像的像素分位数信息,所述像素分位数信息包含第一像素分位数和第二像素分位数,且所述第一像素分位数大于所述第二像素分位数。
8.根据权利要求7所述的图像处理方法,其特征在于,所述映射区间信息包含第一亮度阈值和第二亮度阈值,所述依据所述像素分位数信息确定映射区间信息,包括:
依据所述第一像素分位数和所述目标图像的映射系数确定第一亮度阈值;
依据所述第二像素分位数和所述映射系数确定第二亮度阈值。
9.根据权利要求8所述的图像处理方法,其特征在于,所述第一亮度阈值大于所述第二亮度阈值,所述映射系数是依据所述目标图像的平均亮度确定的系数;
所述依据所述第一像素分位数和所述目标图像的映射系数确定第一亮度阈值,包括:将所述第一像素分位数与所述映射系数的乘积确定为目标乘积,并将所述目标乘积与预设的映射目标阈值进行比较,以基于比较结果确定第一亮度阈值;
所述依据所述第二像素分位数和所述映射系数确定第二亮度阈值,包括:将所述第二像素分位数与所述映射系数的乘积确定为第二亮度阈值。
10.根据权利要求9所述的图像处理方法,其特征在于,所述映射目标阈值包含第一映射目标阈值和第二映射目标阈值,所述将所述目标乘积与预设的映射目标阈值进行比较,以基于比较结果确定第一亮度阈值,包括:
当所述目标乘积小于所述第一映射目标阈值且大于所述第二映射目标阈值时,将所述目标乘积确定为第一亮度阈值;
当所述目标乘积大于或等于所述第一映射目标阈值时,将所述第一映射目标阈值确定为第一亮度阈值;
当所述目标乘积小于或等于所述第二映射目标阈值时,将所述第二映射目标阈值确定为第一亮度阈值。
11.根据权利要求8至10任一所述的图像处理方法,其特征在于,还包括:
确定所述目标图像的平均亮度;
采用预设的图像亮度阈值减去所述平均亮度,得到亮度差系数;
基于所述亮度差系数确定所述目标图像的映射系数。
12.根据权利要求1至10任一所述的图像处理方法,其特征在于,还包括:
依据所述光照调整结果显示所述目标图像。
13.一种图像处理装置,其特征在于,包括:
像素分位数确定模块,用于当读取到的目标图像需要进行光照调整时,依据所述目标图像的像素信息确定像素分位数信息;
映射区间信息确定模块,用于依据所述像素分位数信息确定映射区间信息;
自适应调节模块,用于依据所述映射区间信息对所述目标图像进行自适应光照调节,得到所述目标图像的光照调整结果。
14.一种图像处理设备,其特征在于,包括:处理器和存储器;
所述存储器中存储有至少一条指令,所述指令由所述处理器执行,使得所述图像处理设备执行如权利要求1至12任一所述的图像处理方法。
15.一种计算机可读存储介质,其特征在于,所述可读存储介质中的指令由计算机设备的处理器执行时,使得计算机设备能够执行如权利要求1至12任一所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011552981.2A CN112561906B (zh) | 2020-12-24 | 2020-12-24 | 一种图像处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011552981.2A CN112561906B (zh) | 2020-12-24 | 2020-12-24 | 一种图像处理方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561906A true CN112561906A (zh) | 2021-03-26 |
CN112561906B CN112561906B (zh) | 2024-08-02 |
Family
ID=75033675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011552981.2A Active CN112561906B (zh) | 2020-12-24 | 2020-12-24 | 一种图像处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561906B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112700422A (zh) * | 2021-01-06 | 2021-04-23 | 百果园技术(新加坡)有限公司 | 一种过曝点检测方法、装置、电子设备及存储介质 |
CN113470156A (zh) * | 2021-06-23 | 2021-10-01 | 网易(杭州)网络有限公司 | 纹理贴图的混合处理方法、装置、电子设备及存储介质 |
CN118229573A (zh) * | 2024-04-11 | 2024-06-21 | 新光维医疗科技(苏州)股份有限公司 | 基于内窥镜系统的荧光图像亮度平滑控制方法及系统 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050036033A1 (en) * | 2003-05-16 | 2005-02-17 | Toshie Imai | Brightness correction for image |
CN103729854A (zh) * | 2014-01-16 | 2014-04-16 | 重庆邮电大学 | 一种基于张量模型的红外弱小目标检测方法 |
CN104156921A (zh) * | 2014-08-08 | 2014-11-19 | 大连理工大学 | 一种低照度或亮度不均图像的自适应图像增强方法 |
US20150220789A1 (en) * | 2014-01-31 | 2015-08-06 | The Charles Stark Draper Technology, Inc. | Systems and methods for detecting and tracking objects in a video stream |
CN106296612A (zh) * | 2016-08-09 | 2017-01-04 | 南京工业大学 | 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法 |
CN107230182A (zh) * | 2017-08-03 | 2017-10-03 | 腾讯科技(深圳)有限公司 | 一种图像的处理方法、装置以及存储介质 |
WO2017166886A1 (zh) * | 2016-03-30 | 2017-10-05 | 努比亚技术有限公司 | 一种图像处理系统和方法 |
CN107257452A (zh) * | 2017-07-21 | 2017-10-17 | 浙江大华技术股份有限公司 | 一种图像处理方法、装置及计算设备 |
CN107977941A (zh) * | 2017-12-04 | 2018-05-01 | 国网山东省电力公司电力科学研究院 | 一种明亮区域色彩保真及对比度增强的图像去雾方法 |
CN108259701A (zh) * | 2018-01-17 | 2018-07-06 | 深圳市唯特视科技有限公司 | 一种基于高动态范围色域映射的颜色再现方法 |
CN108307125A (zh) * | 2018-02-08 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 一种图像采集方法、装置和存储介质 |
CN109785251A (zh) * | 2018-12-25 | 2019-05-21 | 北京中科慧眼科技有限公司 | 一种图像质量提升方法、装置及自动驾驶系统 |
CN109905677A (zh) * | 2019-03-21 | 2019-06-18 | 重庆工程职业技术学院 | 一种煤矿监控图像增强处理方法 |
CN110223244A (zh) * | 2019-05-13 | 2019-09-10 | 浙江大华技术股份有限公司 | 一种图像处理的方法、装置、电子设备和存储介质 |
CN110807748A (zh) * | 2019-11-06 | 2020-02-18 | 广州市皓品信息科技有限公司 | 一种基于高动态范围的新色调映射图像增强方法 |
CN111080577A (zh) * | 2019-11-27 | 2020-04-28 | 北京至真互联网技术有限公司 | 眼底影像质量评估方法和系统、设备及存储介质 |
CN111200709A (zh) * | 2019-01-08 | 2020-05-26 | 英属开曼群岛商麦迪创科技股份有限公司 | 设定照相机系统的光源的方法、照相机系统及车辆 |
CN111598862A (zh) * | 2020-05-13 | 2020-08-28 | 北京推想科技有限公司 | 一种乳腺钼靶图像的分割方法、装置、终端及存储介质 |
CN111860533A (zh) * | 2019-04-30 | 2020-10-30 | 深圳数字生命研究院 | 图像的识别方法及装置、存储介质和电子装置 |
-
2020
- 2020-12-24 CN CN202011552981.2A patent/CN112561906B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050036033A1 (en) * | 2003-05-16 | 2005-02-17 | Toshie Imai | Brightness correction for image |
CN103729854A (zh) * | 2014-01-16 | 2014-04-16 | 重庆邮电大学 | 一种基于张量模型的红外弱小目标检测方法 |
US20150220789A1 (en) * | 2014-01-31 | 2015-08-06 | The Charles Stark Draper Technology, Inc. | Systems and methods for detecting and tracking objects in a video stream |
CN104156921A (zh) * | 2014-08-08 | 2014-11-19 | 大连理工大学 | 一种低照度或亮度不均图像的自适应图像增强方法 |
WO2017166886A1 (zh) * | 2016-03-30 | 2017-10-05 | 努比亚技术有限公司 | 一种图像处理系统和方法 |
CN106296612A (zh) * | 2016-08-09 | 2017-01-04 | 南京工业大学 | 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法 |
CN107257452A (zh) * | 2017-07-21 | 2017-10-17 | 浙江大华技术股份有限公司 | 一种图像处理方法、装置及计算设备 |
CN107230182A (zh) * | 2017-08-03 | 2017-10-03 | 腾讯科技(深圳)有限公司 | 一种图像的处理方法、装置以及存储介质 |
CN107977941A (zh) * | 2017-12-04 | 2018-05-01 | 国网山东省电力公司电力科学研究院 | 一种明亮区域色彩保真及对比度增强的图像去雾方法 |
CN108259701A (zh) * | 2018-01-17 | 2018-07-06 | 深圳市唯特视科技有限公司 | 一种基于高动态范围色域映射的颜色再现方法 |
CN108307125A (zh) * | 2018-02-08 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 一种图像采集方法、装置和存储介质 |
CN109785251A (zh) * | 2018-12-25 | 2019-05-21 | 北京中科慧眼科技有限公司 | 一种图像质量提升方法、装置及自动驾驶系统 |
CN111200709A (zh) * | 2019-01-08 | 2020-05-26 | 英属开曼群岛商麦迪创科技股份有限公司 | 设定照相机系统的光源的方法、照相机系统及车辆 |
CN109905677A (zh) * | 2019-03-21 | 2019-06-18 | 重庆工程职业技术学院 | 一种煤矿监控图像增强处理方法 |
CN111860533A (zh) * | 2019-04-30 | 2020-10-30 | 深圳数字生命研究院 | 图像的识别方法及装置、存储介质和电子装置 |
CN110223244A (zh) * | 2019-05-13 | 2019-09-10 | 浙江大华技术股份有限公司 | 一种图像处理的方法、装置、电子设备和存储介质 |
CN110807748A (zh) * | 2019-11-06 | 2020-02-18 | 广州市皓品信息科技有限公司 | 一种基于高动态范围的新色调映射图像增强方法 |
CN111080577A (zh) * | 2019-11-27 | 2020-04-28 | 北京至真互联网技术有限公司 | 眼底影像质量评估方法和系统、设备及存储介质 |
CN111598862A (zh) * | 2020-05-13 | 2020-08-28 | 北京推想科技有限公司 | 一种乳腺钼靶图像的分割方法、装置、终端及存储介质 |
Non-Patent Citations (7)
Title |
---|
CHUNHE SHI等: "Research on Image Adaptive Enhancement Algorithm under Low Light in License Plate Recognition System", 《SYMMETRY》, vol. 12, no. 9, 20 September 2020 (2020-09-20), pages 1 - 18 * |
MIGUEL A. MARTÍNEZ等: "Adaptive exposure estimation for high dynamic range imaging applied to natural scenes and daylight skies", 《APPLIED OPTICS》, vol. 54, no. 4, 31 December 2015 (2015-12-31), pages 1 - 11 * |
WENCHENG WANG等: "Adaptive image enhancement method for correcting low-illumination images", 《INFORMATION SCIENCES》, vol. 496, 8 May 2019 (2019-05-08), pages 25 * |
仝清芬: "基于iCAM框架的彩色数字图像色差评价研究", 《中国优秀硕士学位论文全文数据库:信息科技辑》, no. 2014, 15 October 2014 (2014-10-15), pages 138 - 980 * |
寇杏子: "结合极化特征和图像特征的极化SAR图像分类研究", 《中国优秀硕士学位论文全文数据库:信息科技辑》, no. 2014, 15 November 2014 (2014-11-15), pages 136 - 805 * |
王晓红等: "不同亮度下无参考图像质量评价方法", 《光学技术》, no. 05, 15 September 2018 (2018-09-15), pages 569 - 575 * |
钱晟: "基于Retinex理论的图像增强算法的应用研究", 《中国优秀硕士学位论文全文数据库:信息科技辑》, no. 2016, 15 March 2016 (2016-03-15), pages 138 - 6834 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112700422A (zh) * | 2021-01-06 | 2021-04-23 | 百果园技术(新加坡)有限公司 | 一种过曝点检测方法、装置、电子设备及存储介质 |
CN113470156A (zh) * | 2021-06-23 | 2021-10-01 | 网易(杭州)网络有限公司 | 纹理贴图的混合处理方法、装置、电子设备及存储介质 |
CN118229573A (zh) * | 2024-04-11 | 2024-06-21 | 新光维医疗科技(苏州)股份有限公司 | 基于内窥镜系统的荧光图像亮度平滑控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112561906B (zh) | 2024-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ma et al. | Objective quality assessment for color-to-gray image conversion | |
KR102594201B1 (ko) | 영상 처리 방법 및 이를 수행하는 표시 장치 | |
US8577142B2 (en) | Image processing device, image processing method and program with improved image contrast | |
CN112561906B (zh) | 一种图像处理方法、装置、设备及介质 | |
Cheng et al. | Efficient histogram modification using bilateral Bezier curve for the contrast enhancement | |
US20210158488A1 (en) | Image edge processing method, electronic device, and computer readable storage medium | |
US20140139561A1 (en) | Display Processing Method Display Processing Device and Display | |
WO2021218603A1 (zh) | 图像处理方法及投影系统 | |
CN110751608A (zh) | 一种夜景高动态范围图像融合方法、装置和电子设备 | |
CN109982012B (zh) | 图像处理方法及装置、存储介质、终端 | |
CN115115554B (zh) | 基于增强图像的图像处理方法、装置和计算机设备 | |
CN111369471B (zh) | 一种图像处理方法、装置、设备和存储介质 | |
US10445865B1 (en) | Method and apparatus for converting low dynamic range video to high dynamic range video | |
TWI390483B (zh) | 對比控制裝置及其控制方法 | |
Sun et al. | Dynamic backlight scaling considering ambient luminance for mobile videos on lcd displays | |
Ok et al. | HDR tone mapping algorithm based on difference compression with adaptive reference values | |
CN116645527A (zh) | 图像识别方法、系统、电子设备和存储介质 | |
TW201606732A (zh) | 影像調整方法及其顯示器 | |
Chubarau et al. | Perceptual image quality assessment for various viewing conditions and display systems | |
CN114266803A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
An et al. | Perceptual brightness-based inverse tone mapping for high dynamic range imaging | |
CN117218039A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN116959381A (zh) | 图像增强显示的方法、显示设备及电子设备 | |
JP4978697B2 (ja) | 画像補正装置、画像補正方法および画像補正プログラム | |
US20240119573A1 (en) | Image processing apparatus, image processing method and computer-readable storage medium for direct memory accesses |
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 |