[go: up one dir, main page]

CN108024105A - 图像色彩调节方法、装置、电子设备及存储介质 - Google Patents

图像色彩调节方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN108024105A
CN108024105A CN201711337176.6A CN201711337176A CN108024105A CN 108024105 A CN108024105 A CN 108024105A CN 201711337176 A CN201711337176 A CN 201711337176A CN 108024105 A CN108024105 A CN 108024105A
Authority
CN
China
Prior art keywords
image
scene
regulated
target
color
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.)
Pending
Application number
CN201711337176.6A
Other languages
English (en)
Inventor
刘思翔
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.)
Zhuhai Juntian Electronic Technology Co Ltd
Original Assignee
Zhuhai Juntian Electronic 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 Zhuhai Juntian Electronic Technology Co Ltd filed Critical Zhuhai Juntian Electronic Technology Co Ltd
Priority to CN201711337176.6A priority Critical patent/CN108024105A/zh
Publication of CN108024105A publication Critical patent/CN108024105A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明实施例提供了一种图像色彩调节方法、装置、电子设备及存储介质，上述方法中，在获得待调节图像后，首先检测待调节图像所属的目标场景；按照预设的场景与色彩调节方式的对应关系，确定目标场景所对应的目标色彩调节方式；根据所确定的目标色彩调节方式，对待调节图像进行色彩调节，得到目标图像。与现有技术相比，本发明实施例提供的方案中，可以自动检测待调节图像所属的目标场景，并确定目标场景所对应的目标色彩调节方式，最终自动完成针对待调节图像的色彩调节；故，本发明实施例可以在完成增加待调节图像的表现力的同时，解决了因需要用户人为预先设置具体的色彩调节方式而导致的操作繁琐问题。

Description

图像色彩调节方法、装置、电子设备及存储介质
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像色彩调节方法、装置、电子设备及存储介质。
背景技术
图像处理是用计算机对图像进行分析，以达到所需结果的技术，在图像处理过程中，通过对图像色彩的调节能够根据对图像配色的要求输出所需要的图像，达到增强图像表现力的目的。对图像色彩的调节主要是调节图像的颜色特征，其中，图像的颜色特征包括图像的亮度、图像的色相、图像的饱和度等参数。随着科学技术的不断发展，图像色彩的调节越来越被重视。
现有技术中，需要人为预先设置图像的色彩调节方式，然后针对待调节图像，机器直接按照预先设置的色彩调节方式，对该待调节图像进行色彩调节。例如手机或者数字相机中设置有多种拍照模式，每种拍照模式对应着一种色彩调节方式；用户可以手动选择一种拍照模式后开始拍摄照片，则手机或者数字相机按照用户选择的拍照模式所对应色彩调节方式，对采集到的图像进行色彩调节，得到调节后的图像。
由此可知，现有技术的图像色彩调节过程需要用户人为预先设置具体的色彩调节方式，操作繁琐。
发明内容
本发明实施例的目的在于提供一种图像色彩调节方法、装置、电子设备及存储介质，以实现自动对图像进行色彩调节的目的，解决因需要用户人为预先设置具体的色彩调节方式而导致的操作繁琐问题。具体技术方案如下：
为达上述目的，第一方面，本发明实施例提供了一种图像色彩调节方法，所述方法包括：
获得待调节图像；
检测所述待调节图像所属的目标场景；
按照预设的场景与色彩调节方式的对应关系，确定所述目标场景所对应的目标色彩调节方式；
根据所述目标色彩调节方式，对所述待调节图像进行色彩调节，得到目标图像。
可选的，所述检测所述待调节图像所属的目标场景的步骤，包括：
按照预设的场景检测方法，检测所述待调节图像所属的目标场景。
可选的，所述检测所述待调节图像所属的目标场景的步骤，包括：
通过预设对象检测技术，检测所述待调节图像中所存在的各个对象，作为目标对象；
按照预设的对象与场景的对应关系，确定各个目标对象所对应每个场景的目标比例；其中，场景的目标比例为：该场景对应的所有目标对像在所述待调节图像中所占区域面积总和与所述待调节图像总面积的比值；
针对各个目标对象所对应的每个场景，判断该场景的目标比例是否达到与该场景对应的预设阈值；如果达到，将该场景作为一个待选择场景；
从所有待选择场景中选择目标场景。
可选的，所述预设对象检测技术为基于深度神经网络的对象检测技术。
可选的，所述从所有待选择场景中选择目标场景的步骤，包括：
从所有待选择场景中选择一个作为目标场景。
可选的，所述从所有待选择场景中选择一个作为目标场景的步骤，包括：
按照预设的场景优先级，从所有待选择场景中选择优先级最高的待选择场景，作为目标场景。
可选的，所述从所有待选择场景中选择目标场景的步骤，包括：
将所有待选择场景均选择为目标场景；
相应的，在所选择的目标场景的数量大于1的情况下，所述根据所述目标色彩调节方式，对所述待调节图像进行色彩调节，得到目标图像的步骤，包括：
针对所述待调节图像在预设色彩空间下的每一色彩通道，确定该色彩通道在各个目标色彩调节方式中缩放倍率的最小值和最大值，并确定该色彩通道对应的目标缩放倍率为：所确定的最小值与最大值所构成区间中的任一值；
按照所确定的每一色彩通道对应的目标缩放倍率，对所述待调节图像进行色彩调节，得到目标图像。
第二方面，本发明实施例提供了一种图像色彩调节装置，所述装置包括：
获得模块，用于获得待调节图像；
场景检测模块，用于检测所述待调节图像所属的目标场景；
确定模块，用于按照预设的场景与色彩调节方式的对应关系，确定所述目标场景所对应的目标色彩调节方式；
色彩调节模块，用于根据所述目标色彩调节方式，对所述待调节图像进行色彩调节，得到目标图像。
可选的，所述场景检测模块，具体用于：
按照预设的场景检测方法，检测所述待调节图像所属的目标场景。
可选的，所述场景检测模块包括：
对象检测子模块，用于通过预设对象检测技术，检测所述待调节图像中所存在的各个对象，作为目标对象；
第一确定子模块，用于按照预设的对象与场景的对应关系，确定各个目标对象所对应每个场景的目标比例；其中，场景的目标比例为：该场景对应的所有目标对像在所述待调节图像中所占区域面积总和与所述待调节图像总面积的比值；
判断子模块，用于针对各个目标对象所对应的每个场景，判断该场景的目标比例是否达到与该场景对应的预设阈值；如果达到，将该场景作为一个待选择场景；
选择子模块，用于从所有待选择场景中选择目标场景。
可选的，所述预设对象检测技术为基于深度神经网络的对象检测技术。
可选的，所述选择子模块，具体用于：
从所有待选择场景中选择一个作为目标场景。
可选的，所述选择子模块，具体用于：
按照预设的场景优先级，从所有待选择场景中选择优先级最高的待选择场景，作为目标场景。
可选的，所述选择子模块，具体用于：
将所有待选择场景均选择为目标场景；
相应的，所述色彩调节模块，包括：
第二确定子模块，用于在所选择的目标场景的数量大于1的情况下，针对所述待调节图像在预设色彩空间下的每一色彩通道，确定该色彩通道在各个目标色彩调节方式中缩放倍率的最小值和最大值，并确定该色彩通道对应的目标缩放倍率为：所确定的最小值与最大值所构成区间中的任一值；
调节子模块，用于按照所确定的每一色彩通道对应的目标缩放倍率，对所述待调节图像进行色彩调节，得到目标图像。
第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一图像色彩调节方法所述的方法步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一图像色彩调节方法所述的方法步骤。
由以上可知，本发明实施例提供的方案中，在获得待调节图像后，首先检测待调节图像所属的目标场景；按照预设的场景与色彩调节方式的对应关系，确定目标场景所对应的目标色彩调节方式；根据所确定的目标色彩调节方式，对待调节图像进行色彩调节，得到目标图像。与现有技术相比，本发明实施例提供的方案中，可以自动检测待调节图像所属的目标场景，并确定目标场景所对应的目标色彩调节方式，最终自动完成针对待调节图像的色彩调节；故，本发明实施例可以在完成增加待调节图像的表现力的同时，解决了因需要用户人为预先设置具体的色彩调节方式而导致的操作繁琐问题。
附图说明
为了更清楚地说明本发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地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明一实施例提供的一种图像色彩调节方法的流程示意图；
图2为本发明另一实施例提供的一种图像色彩调节方法的流程示意图；
图3为本发明又一实施例提供的一种图像色彩调节方法的流程示意图；
图4为本发明一实施例提供的一种图像色彩调节装置的结构示意图；
图5为本发明另一实施例提供的一种图像色彩调节装置的结构示意图；
图6为本发明又一实施例提供的一种图像色彩调节装置的结构示意图；
图7为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面首先对本发明涉及的技术术语进行简单介绍。
图像的色彩调节，如背景技术所述，主要指对图像的颜色特征的调节，以达到增强图像表现力的目的。具体的，图像的色彩调节可以是在某一色彩空间下，针对每个色彩通道，更新该色彩通道的值为：当前该色彩通道的值与该色彩通道所对应缩放倍率(或称系数)的乘积，完成图像的色彩调节。
其中，本领域技术人员公知的是，上述色彩空间又称作“色域”，在色彩学中，人们建立了多种色彩模型，以一维、二维、三维甚至四维空间坐标来表示某一色彩，这种坐标系统所能定义的色彩范围即色彩空间。常见的色彩空间如YUV色彩空间、使用R(红)、G(绿)、B(蓝)三原色来描述图像像素颜色的RGB色彩空间、使用H(色相)、S(饱和度)、L(亮度)来描述图像像素颜色的HSL色彩空间等。
针对图像的色彩调节，示例性的，在HSL色彩空间下，图像A的H通道、S通道和L通道所对应通道值分别为H1、S1和L1，图像A的H通道、S通道和L通道所对应的缩放倍率分别为：1.2、1、0.9，则可以按照下述公式得到色彩调节后的图像A：
H2＝1.2H1；
S2＝S1；
L2＝0.9L1。
其中，H2、S2和L2分别为色彩调节后图像A的H通道、S通道和L通道所对应的通道值。
为了解决上述背景技术所述的操作繁琐问题，本发明提供了一种图像色彩调节方法、装置、电子设备及存储介质，下面首先对本发明提供的一种图像色彩调节方法进行详细介绍。
本发明实施例提供的一种图像色彩调节方法可以应用于图像色彩调节设备中，该图像色彩调节设备可以为同时具有图像采集与色彩调节功能的设备，例如相机、手机；该图像色彩调节设备还可以仅具有色彩调节功能的设备，这都是合理的，本发明实施例并不限定图像色彩设备的具体形式和种类。
本发明实施例提供的一种图像色彩调节方法，如图1所示，该方法包括：
S101：获得待调节图像。
需要说明的是，本发明实施例中，待调节图像是指需要进行色彩调节的图像，在实际应用中，任意一帧图像都可以作为本发明实施例所述的待调节图像。
如前所述，一种情况下，本发明实施例所提供的图像色彩调节方法应用于同时具有图像采集与色彩调节功能的图像色彩调节设备，则此时上述获得待调节图像(S101)的步骤，可以包括：采集得到待调节图像。例如，该图像色彩调节设备为手机，手机通过其上的摄像头采集入射光，再通过图像传感器成像，获得待调节图像。
另一种情况下，本发明实施例所提供的图像色彩调节方法应用于仅具有色彩调节功能的图像色彩调节设备，则此时上述获得待调节图像(S101)的步骤，可以包括：接收其他设备发送的待调节图像。此处的其他设备可以是图像采集设备，也可以是存储有待调节图像的设备，这都是合理的。例如，该图像色彩调节设备为电脑，电脑可以获得手机通过数据传输线传输的待调节图像。
S102：检测待调节图像所属的目标场景。
可以理解，本发明实施例所描述的目标场景表示待调节图像的场景。
对待调节图像所属目标场景的检测，也可以认为是对该目标场景的识别，对于场景的检测是图像技术领域十分成熟的方法，所以作为本发明实施例的一种可选实现方式，上述检测待调节图像所属的目标场景(S102)的步骤，可以包括：
按照预设的场景检测方法，检测待调节图像所属的目标场景。
场景检测方法，亦称图像场景检测方法，本领域技术人员公知的是，场景检测技术属于现有技术，上述预设的场景检测方法可以是常见的基于深度学习的图像场景检测方法、基于特征分布的图像场景检测方法等。当然，上述场景检测方法属于现有技术，本领域技术人员可以参照现有技术完成上述场景检测方法的具体是实现，本发明实施例在此不做详细介绍。
S103：按照预设的场景与色彩调节方式的对应关系，确定目标场景所对应的目标色彩调节方式。
需要强调的是，在实际应用中，并非是任何一帧图像都可以被检测出其所属的场景，可以理解，如果上述图像色彩调节设备无法检测出待调节图像所属的目标场景，则不会执行步骤S103以及下述步骤S104。即，步骤S103可以理解为在图像色彩调节设备检测出待调节图像所属目标场景的情况下才去执行的。
如前所述，图像的色彩调节可以是在某一色彩空间下，针对每个色彩通道，更新该色彩通道的值为：当前该色彩通道的值与该色彩通道所对应缩放倍率(或称系数)的乘积，完成图像的色彩调节。则图像的色彩调节方式应该记录有对图像进行色彩调节时所在的色彩空间，以及在该色彩空间下，每个色彩通道所对应的缩放倍率。
例如，某一色彩调节方式为：在HSL色彩空间下，H通道、S通道以及L通道所分别对应的缩放倍率为1、1.18以及1。
示例性的，在本发明实施例中，场景与色彩调节方式的对应关系可以是如下表1所示的场景与色彩调节方式的对应关系表。
表1
假设在步骤S102中，图像色彩调节设备所检测出的目标场景为食物场景，则此时根据表1可确定目标色彩调节方式为：在HSL色彩空间下，H通道、S通道以及L通道所分别对应的缩放倍率为：1、1.14以及1。
需要说明的是，上述表1仅是对本发明实施例的示例性说明，并不构成对本发明实施例的限定。并且，场景与色彩调节方式的对应关系是人为预设的，所以在实际应用中，对应关系表中每种场景对应的色彩调节方式并不限于表1所记录的内容，且对应关系表记录的对应关系并不限于表1中的5种，对应关系表中所记录场景数以及每种场景对应的具体色彩调节方式都可以根据实际需要设定，本发明实施例在此不做限定。
S104：根据所确定的目标色彩调节方式，对待调节图像进行色彩调节，得到目标图像。
为了便于说明，本发明实施例中，将待调节图像自身所处的色彩空间称为第一色彩空间，将目标色彩调节方式中对待调节图像进行色彩调节时所在的色彩空间称为第二色彩空间；则可以理解的是，由于第一色彩空间与第二色彩空间不一定是相同的，在对待调节图像进行色彩调节时，需要首先判断第一色彩空间与第二色彩空间是否相同。
如果相同，则直接在第一色彩空间下对待调节图像进行色彩调节，即可得到目标图像。如果不相同，则首先需要将待调节图像的色彩空间转换为第二色彩空间，再在第二色彩空间下对待调节图像进行色彩调节，此时可以直接将在第二色彩空间下完成色彩调节的待调节图像作为最终的目标图像，也可以再将色彩调节后的待调节图像的色彩空间转换为第一色彩空间，得到目标图像。
本领域技术人员公知的是，色彩空间的转换属于现有技术，所以本发明实施例对于色彩空间转换的具体实现方式不进行详细说明，仅以RGB色彩空间和HSL色彩空间的相互转换方式进行示例性说明。
RGB色彩空间转换至HSL色彩空间具体方式是，针对图像中的每一个像素，按照如下公式对该像素进行色彩空间转换：
其中，上述公式中max＝MAX(r，g，b)；min＝MIN(r，g，b)；
式中，h、l、s分别表示HSL色彩空间下该像素的H色彩通道的通道值、L色彩通道的通道值、S色彩通道的通道值，r、g、b分别表示RGB色彩空间下该像素的R色彩通道的通道值、G色彩通道的通道值、B色彩通道的通道值。MAX()、MIN()分别表示求最大值函数和求最小值函数。
可以理解，以上公式计算后，h的取值范围[0，360)，s的取值范围[0.0，1.0]，l的取值范围[0.0，1.0]。
另外，HSL色彩空间转换至RGB色彩空间具体方式是，针对图像中的每一个像素，按照以下方式对该像素进行色彩空间转换：
如果该像素的s等于0，则像素对应的r，g和b都等于l，h的值在这种情况下是未定义的，可以取0。
当s不为0时，令：
p＝2×l-q
tG＝hk
if tC＜0→tC＝tC+1.0 for each C ∈{R，G，B}
if tC＞1→tC＝tC-1.0 for each C ∈{R，G，B}
上式中当C表示R时，ColorC表示r；当C表示G时，ColorC表示g；当C表示B时，ColorC表示b；可以理解，r、g、b的取值范围均在[0.0，1.0]；另外，上式中的q、p、hk、tR、tG、tB和tC都是为了清楚和便于说明而给出的中间变量。
当然，在得到上述目标图像后，图像色彩调节设备可以将目标图像在显示屏上显示、保存到本地或者发送给其他设备，这都是可行的。
针对步骤S104，示例性的，在HSL色彩空间下，H通道、S通道以及L通道所分别对应的缩放倍率为：1、1以及1.2，假设当前待调节图像所处的色彩空间为RGB色彩空间，则图像色彩调节设备可以判断出上述第一色彩空间与第二色彩空间不同，此时，可以将待调节图像的色彩空间转换为第二色彩空间(即HSL色彩空间)。
然后，针对转换色彩空间后的待调节图像中的每一像素，按照下述公式更新各个色彩通道值：
H4＝H3；
S4＝S3；
L4＝0.9L3。
其中，H4、S4和L4分别为更新色彩通道值后，待调节图像的H通道、S通道和L通道所分别对应的通道值，H3、S3和L3分别为更新色彩通道值前，待调节图像的H通道、S通道和L通道所分别对应的通道值。
完成色彩通道值的更新后，可以再将更新色彩通道值后的待调节图像的色彩空间转换为第一色彩空间(即RGB色彩空间)，得到目标图像，即完成待调节图像的色彩调节。
在此需要说明的是，色彩通道值乘以缩放倍率得到的乘积可能并非是一个整数，也可能大于色彩通道值的上限值，故本领域技术人员公知的是，当所的乘积不是整数时，还应对该乘积进行取整操作，而当乘积大于色彩通道值的上限值时，则直接将该乘积更新为色彩通道值的上限值。例如，所得到的乘积为22.1，则可以取整得到22；再如所得到的乘积为263，大于色彩通道值的上限值255，则可以直接将该乘积更新为255。
由上可知，与现有技术相比，本实施例提供的方案中，可以自动检测待调节图像所属的目标场景，并确定目标场景所对应的目标色彩调节方式，最终自动完成针对待调节图像的色彩调节；故，本实施例可以在完成增加待调节图像的表现力的同时，解决了因需要用户人为预先设置具体的色彩调节方式而导致的操作繁琐问题。
本领域技术人员可以理解的是，现有技术中所提供的场景检测方法中，场景检测的准确度通常不是太高，为了保证场景检测的高准确度，作为本发明实施例的一种可选实现方式，上述检测待调节图像所属的目标场景(S102)的步骤，可以包括：
通过预设对象检测技术，检测待调节图像中所存在的各个对象，作为目标对象；
按照预设的对象与场景的对应关系，确定各个目标对象所对应每个场景的目标比例；其中，场景的目标比例为：该场景对应的所有目标对像在待调节图像中所占区域面积总和与待调节图像总面积的比值；
针对各个目标对象所对应的每个场景，判断该场景的目标比例是否达到与该场景对应的预设阈值；如果达到，将该场景作为一个待选择场景；
从所有待选择场景中选择目标场景。
即，在本发明实施例中，在图1所示方法实施例的基础上，如图2所示，上述图像色彩调节方法包括下述步骤S201～S207：
S201：获得待调节图像。
S202：通过预设对象检测技术，检测待调节图像中所存在的各个对象，作为目标对象。
图像的对象检测技术，是指检测或识别图像中的对象的技术，也可称目标检测技术，本发明实施例中所涉及的预设对象检测技术包括所有可以检测出待调节图像中对象的对象检测技术，如传统的基于Adaboost(一种迭代算法)或者SVM(Support VectorMachine，支持向量机)分类器等对象检测技术，本发明实施例并不限定所使用的具体对象检测技术。
当然，为了保证对象检测的准确度，作为本发明实施例的一种可选实现方式，上述预设对象检测技术可以为基于深度神经网络的对象检测技术。
本领域技术人员公知的是，基于深度神经网络的对象检测技术具有极高的检测准确度，而且技术较为成熟，如开源项目YOLO所提供的YOLO v2和YOLO9000。
S203：按照预设的对象与场景的对应关系，确定各个目标对象所对应每个场景的目标比例；其中，场景的目标比例为：该场景对应的所有目标对像在待调节图像中所占区域面积总和与待调节图像总面积的比值。
需要说明的是，本发明实施例中，每一个场景可以对应着至少一个对象，例如，焰火场景对应的对象可为焰火；生日宴会场景对应的对象可以包括生日蛋糕、蜡烛；风景场景对应的对象可以包括树木、天空、沙滩、湖泊以及太阳等。而对象与场景的对应关系可以是一种对应关系表，如表2所示的场景与对象的对应关系表。
表2
序号 场景 对象
1 生日宴会场景 生日蛋糕、蜡烛
2 焰火场景 焰火
3 风景场景 树木、天空、沙滩、湖泊以及太阳
4 星空场景 星星、月亮
5 食物场景 蔬菜、肉类、汉堡、面包、汤
… … …
上述表2仅是对本发明实施例的示例性说明，并不构成对本发明实施例的限定。并且，场景与对象的对应关系是人为预设的，所以在实际应用中，对应关系表中每种场景对应的对象并不限于表1所记录的内容，且对应关系表记录的对应关系并不限于表2中的5种，对应关系表中所记录场景数以及每种场景对应的具体对象都可以根据实际需要设定，本发明实施例在此不做限定。
上述步骤S203可以理解为两部分操作，第一部分操作：图像色彩调节设备按照预设的对象与场景的对应关系，确定上述每个目标对象所对应的场景，第二部分操作：针对所确定的每种场景，确定该场景的目标比例。
其中，场景的目标比例为：该场景对应的所有目标对像在待调节图像中所占区域面积总和与待调节图像总面积的比值。示例性的，步骤S202中检测出待调节图像中的存在对象a～e，按照预设的对象与场景的对应关系，确定出：对象a～c对应场景A，对象d和e对应场景B；则场景A的目标比例为：对像a～c在待调节图像中所占区域面积总和与待调节图像总面积的比值，同理，场景B的目标比例为：对像d和e在待调节图像中所占区域面积总和与待调节图像总面积的比值。
需要说明的是，上述对像在待调节图像中所占区域面积可以是指在待调节图像中对象实际区域所占的区域面积，还可以是针对对象，利用对象检测技术所检测出的矩形检测框在待调节图像中域所占的区域面积，这都是合理的；另外，上述所占区域面积可以用图像像素表示，例如，对象a在待调节图像中占据了10000个像素。
S204：针对各个目标对象所对应的每个场景，判断该场景的目标比例是否达到与该场景对应的预设阈值；如果达到，将该场景作为一个待选择场景。
本发明实施例中，每种场景都设置有一个预设阈值，例如，场景A对应的预设阈值为x，场景B对应的预设阈值为y，场景C对应的预设阈值为z。其中，各个场景所分别对应的预设阈值可以是相同的，也可以是不同的，本领域技术人员针对每种场景，可以基于实际需要选择合适的预设阈值，本发明在此不做限定。
示例性的，上述各个目标对象所分别对应的场景包括：场景A～C，假设场景A～C所分别对应的预设阈值为20％、30％以及25％，而步骤S203计算得到场景A～C所分别对应的目标比例为21.4％、12％以及29％，所以可以将场景A和场景C均作为一个待选择场景。
S205：从所有待选择场景中选择目标场景。
当步骤S204所得到的待选择场景的数量仅为1时，则可以直接将该待选择场景作为目标场景。
而当步骤S204所得到的待选择场景的数量大于1时，此时图像色彩调节设备可以从多个待选择场景中选择一个作为目标场景，即上述上述从所有待选择场景中选择目标场景(S205)的步骤，可以包括：
从所有待选择场景中选择一个作为目标场景。
具体的，可以从多个待选择场景中随机选择一个作为目标场景，还可以从多个待选择场景中，选择对应的目标比例最大的待选择场景作为目标场景。
作为本发明实施例的一种可选实现方式，上述从所有待选择场景中选择一个作为目标场景的步骤，可以包括：
按照预设的场景优先级，从所有待选择场景中选择优先级最高的待选择场景，作为目标场景。
可以理解，本发明实施例中可以针对每个场景预设一个优先级，当步骤S204所得到的待选择场景的数量大于1时，可以选择优先级最高的待选择场景为目标场景。示例性的，S204所得到的待选择场景包括场景A～C，而场景A～C分别对应的优先级为3、6、2，可以理解，场景C的优先级最高，所以图像色彩调节设备可以将场景C作为目标场景。
S206：按照预设的场景与色彩调节方式的对应关系，确定目标场景所对应的目标色彩调节方式。
S207：根据所确定的目标色彩调节方式，对待调节图像进行色彩调节，得到目标图像。
需要说明的是，本发明实施例中，步骤S201、S206以及S207分别与图1所示方法实施例中的步骤S101、S103以及S104相同，故步骤S201、S206以及S207的具体介绍和解释说明可以参照图1所示方法实施例，本发明实施例在此不再赘述。
可以理解，在图2所示方法实施例中，当步骤S204所得到的待选择场景的数量大于1时，仅会从多个待选择场景选择一个作为目标场景，而作为本发明实施例的另一种实现方式，上述从所有待选择场景中选择目标场景(S205)的步骤，可以包括：
将所有待选择场景均选择为目标场景；
相应的，在所选择的目标场景的数量大于1的情况下，上述根据所确定的目标色彩调节方式，对待调节图像进行色彩调节，得到目标图像(S207)的步骤，可以包括：
针对待调节图像在预设色彩空间下的每一色彩通道，确定该色彩通道在各个目标色彩调节方式中缩放倍率的最小值和最大值，并确定该色彩通道对应的目标缩放倍率为：所确定的最小值与最大值所构成区间中的任一值；
按照所确定的每一色彩通道对应的目标缩放倍率，对待调节图像进行色彩调节，得到目标图像。
即，在本发明实施例中，在图2所示方法实施例的基础上，如图3所示，上述图像色彩调节方法包括：
S301：获得待调节图像。
S302：通过预设对象检测技术，检测待调节图像中所存在的各个对象，作为目标对象。
S303：按照预设的对象与场景的对应关系，确定各个目标对象所对应每个场景的目标比例；其中，场景的目标比例为：该场景对应的所有目标对像在待调节图像中所占区域面积总和与待调节图像总面积的比值。
S304：针对各个目标对象所对应的每个场景，判断该场景的目标比例是否达到与该场景对应的预设阈值；如果达到，将该场景作为一个待选择场景。
S305：将所有待选择场景均选择为目标场景。
示例性的，步骤S304所得到的待选择场景包括场景D、E和F，则可以将场景D、E和F均作为目标场景。
S306：按照预设的场景与色彩调节方式的对应关系，确定目标场景所对应的目标色彩调节方式。
需要说明的是，在图2所示方法实施例中，目标场景的数量只有一个，所以所确定的目标色彩调节方式也只有一种；而本发明实施例中，目标场景的数量大于1时，每种目标场景都对应有一个目标色彩调节方式，所以在此所确定的目标色彩调节方式的数量同样是大于1。例如，目标场景包括场景M和场景N，场景M和场景N所分别对应的色彩调节方式为方式m和方式n，则所确定的目标色彩调节方式包括方式m和方式n。
S307：针对待调节图像在预设色彩空间下的每一色彩通道，确定该色彩通道在各个目标色彩调节方式中缩放倍率的最小值和最大值，并确定该色彩通道对应的目标缩放倍率为：所确定的最小值与最大值所构成区间中的任一值。
首先需要说明的是，此处所述的预设色彩空间可以是任意的色彩空间，还可以是在各个预设的色彩调节方式所分别对应的色彩空间中选择的一个色彩空间。例如上述预设的场景与色彩调节方式的对应关系中，各个色彩调节方式所分别对应的色彩空间包括RGB色彩空间以及HSL色彩空间，则可以预设色彩空间为HSL色彩空间或者RGB色彩空间。
针对步骤S307，示例性，假设预设色彩空间为HSL色彩空间，步骤S306确定的目标色彩调节方式包括色彩调节方式1～3，色彩调节方式1中，H通道、S通道以及L通道所分别对应的缩放倍率为1、1以及1.2；色彩调节方式2中，H通道、S通道以及L通道所分别对应的缩放倍率为1、1.14以及1；色彩调节方式3中，H通道、S通道以及L通道所分别对应的缩放倍率为1、1.18以及1。
所以，针对H通道，缩放倍率的最大值以及最小值均为1，则可以确定H通道对应的目标缩放倍率为1；针对S通道，缩放倍率的最大值以及最小值分别为1.18和1，则可以确定H通道对应的目标缩放倍率为1～1.18之间的任一值，如最大值与最小值的平均值1.09；针对L通道，缩放倍率的最大值以及最小值分别为1.2和1，则可以确定H通道对应的目标缩放倍率为1～1.2之间的任一值，如最大值与最小值的平均值1.1。
S308：按照所确定的每一色彩通道对应的目标缩放倍率，对待调节图像进行色彩调节，得到目标图像。
可以理解，执行过步骤S307后可以得到一种新的色彩调节方式，即在上述预设色彩空间下，每个的色彩通道所对应的缩放倍率为该色彩通道对应的目标缩放倍率。
需要说明的是，本发明实施例中，步骤S301～S304分别与图2所示方法实施例中的步骤S201～S204相同，故步骤S301～S304的具体介绍和解释说明可以参照图2所示方法实施例，本发明实施例在此不再赘述。
下面通过一个具体实例来对本发明实施例进行简单说明。
假设上述图像色彩调节方法应用于相机中，相机拍摄得到一帧待调节图像，然后相机采用基于深度神经网络的对象检测技术，检测待调节图像中所存在的各个对象，确定待调节图像中存在的多个目标对象。
假设相机中预设的对象与场景的对应关系前述表2中的前5种对应关系，则相机根据上述5种对象与场景的对应关系，确定目标对象所对应每种场景的目标比例。
假设当前只有生日宴会场景对应的目标比例大于生日宴会场景对应的预设阈值，如目标对象生日蛋糕、蜡烛在待调节图像中所占区域面积综合占待调节图像面积的21％，大于生日宴会场景对应的预设阈值20％，则相机可以把图像转换到RGB色彩空间(如果当前待调节图像不是处于RGB色彩空间)，把R通道乘上缩放倍率1.2，把B通道乘上缩放倍率0.9，G通道保持不变，这样处理后的待调节图像会略微偏黄，烘托出温馨的效果。
假设当前只有焰火场景对应的目标比例大于焰火场景对应的预设阈值，如待调节图像中的焰火对象所占区域面积占待调节图像面积的35％，大于焰火场景对应的预设阈值30％，则相机可以将待调节图像转换到HSL色彩空间下，把待调节图像的S通道乘上缩放倍率1.15，把L通道乘上缩放倍率1.1，H通道保持不变，这样处理后的待调节图像的饱和度、亮度都会增强，烘托出焰火的绚丽效果。
假设当前只有风景场景对应的目标比例大于风景场景对应的预设阈值，如目标对象树木、天空、沙滩、湖泊、太阳在待调节图像中所占区域面积总和占待调节图像面积的39％，大于风景场景对应的预设阈值30％，则相机可以将待调节图像转换到HSL色彩空间下，把待调节图像的S通道乘上缩放倍率1.18，L通道保持不变，H通道保持不变，这样处理后的待调节图像饱和度会增强，风景更加绚丽。
假设当前只有星空场景对应的目标比例大于星空场景对应的预设阈值，如目标对象星星和月亮在待调节图像中所占区域面积总和占待调节图像面积的56％，大于星空场景对应的预设阈值30％，则相机可以将待调节图像转换到HSL色彩空间下，把待调节图像的L通道乘上缩放倍率1.2，H通道保持不变，S通道保持不变，这样处理后的待调节图像亮度会增强，星光更加灿烂。
假设当前只有食物场景对应的目标比例大于食物场景对应的预设阈值，如目标对象蔬菜、肉类、汉堡、面条、汤在待调节图像中所占区域面积总和占待调节图像面积的42％，大于食物场景对应的预设阈值30％，则相机可以将待调节图像转换到HSL色彩空间下，把待调节图像的S通道乘上缩放倍率1.14，L通道保持不变，H通道保持不变，这样处理后的待调节图像饱和度会增强，食物更加诱人。
当然，如果相机未检测出待调节图像所属的场景，则可以不对待调节图像做任何处理。
相应于图1所示方法实施例，如图4所示，本发明实施例提供了一种图像色彩调节装置，所述装置包括：
获得模块110，用于获得待调节图像；
场景检测模块120，用于检测所述待调节图像所属的目标场景；
确定模块130，用于按照预设的场景与色彩调节方式的对应关系，确定所述目标场景所对应的目标色彩调节方式；
色彩调节模块140，用于根据所述目标色彩调节方式，对所述待调节图像进行色彩调节，得到目标图像。
在实际应用中，所述场景检测模块120，可以具体用于：
按照预设的场景检测方法，检测所述待调节图像所属的目标场景。
相应于图2所示方法实施例，在图4所示装置实施例的基础上，如图5所示，所述场景检测模块120，可以包括：
对象检测子模块1201，用于通过预设对象检测技术，检测所述待调节图像中所存在的各个对象，作为目标对象；
第一确定子模块1202，用于按照预设的对象与场景的对应关系，确定各个目标对象所对应每个场景的目标比例；其中，场景的目标比例为：该场景对应的所有目标对像在所述待调节图像中所占区域面积总和与所述待调节图像总面积的比值；
判断子模块1203，用于针对各个目标对象所对应的每个场景，判断该场景的目标比例是否达到与该场景对应的预设阈值；如果达到，将该场景作为一个待选择场景；
选择子模块1204，用于从所有待选择场景中选择目标场景。
具体的，所述预设对象检测技术可以为基于深度神经网络的对象检测技术。
在实际应用中，所述选择子模块1204，可以具体用于：
从所有待选择场景中选择一个作为目标场景。
在实际应用中，更进一步的，所述选择子模块1204，更可以具体用于：
按照预设的场景优先级，从所有待选择场景中选择优先级最高的待选择场景，作为目标场景。
相应于图3所示方法实施例，在图5所示装置实施例的基础上，所述选择子模块1204，可以具体用于：
将所有待选择场景均选择为目标场景；
相应的，如图6所示，所述色彩调节模块140，可以包括：
第二确定子模块1401，用于在所选择的目标场景的数量大于1的情况下，针对所述待调节图像在预设色彩空间下的每一色彩通道，确定该色彩通道在各个目标色彩调节方式中缩放倍率的最小值和最大值，并确定该色彩通道对应的目标缩放倍率为：所确定的最小值与最大值所构成区间中的任一值；
调节子模块1402，用于按照所确定的每一色彩通道对应的目标缩放倍率，对所述待调节图像进行色彩调节，得到目标图像。
由上可知，与现有技术相比，本实施例提供的方案中，可以自动检测待调节图像所属的目标场景，并确定目标场景所对应的目标色彩调节方式，最终自动完成针对待调节图像的色彩调节；故，本实施例可以在完成增加待调节图像的表现力的同时，解决了因需要用户人为预先设置具体的色彩调节方式而导致的操作繁琐问题。
本发明实施例还提供了一种电子设备，如图7所示，包括处理器210、通信接口220、存储器230和通信总线240，其中，处理器210，通信接口220，存储器230通过通信总线240完成相互间的通信，
存储器230，用于存放计算机程序；
处理器210，用于执行存储器230上所存放的程序时，实现如下步骤：
获得待调节图像；
检测待调节图像所属的目标场景；
按照预设的场景与色彩调节方式的对应关系，确定目标场景所对应的目标色彩调节方式；
根据所确定的目标色彩调节方式，对待调节图像进行色彩调节，得到目标图像。
关于该方法各个步骤的具体实现以及相关解释内容可以参见上述图1、2和3所示的方法实施例，在此不做赘述。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
由上可知，与现有技术相比，本实施例提供的方案中，可以自动检测待调节图像所属的目标场景，并确定目标场景所对应的目标色彩调节方式，最终自动完成针对待调节图像的色彩调节；故，本实施例可以在完成增加待调节图像的表现力的同时，解决了因需要用户人为预先设置具体的色彩调节方式而导致的操作繁琐问题。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的图像色彩调节方法。
由上可知，与现有技术相比，本实施例提供的方案中，可以自动检测待调节图像所属的目标场景，并确定目标场景所对应的目标色彩调节方式，最终自动完成针对待调节图像的色彩调节；故，本实施例可以在完成增加待调节图像的表现力的同时，解决了因需要用户人为预先设置具体的色彩调节方式而导致的操作繁琐问题。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备以及计算机可读存储介质实施例而言，由于其基本相似于方法实施例，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。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种图像色彩调节方法，其特征在于，所述方法包括：
获得待调节图像；
检测所述待调节图像所属的目标场景；
按照预设的场景与色彩调节方式的对应关系，确定所述目标场景所对应的目标色彩调节方式；
根据所述目标色彩调节方式，对所述待调节图像进行色彩调节，得到目标图像。
2.根据权利要求1所述的方法，其特征在于，所述检测所述待调节图像所属的目标场景的步骤，包括：
按照预设的场景检测方法，检测所述待调节图像所属的目标场景。
3.根据权利要求1所述的方法，其特征在于，所述检测所述待调节图像所属的目标场景的步骤，包括：
通过预设对象检测技术，检测所述待调节图像中所存在的各个对象，作为目标对象；
按照预设的对象与场景的对应关系，确定各个目标对象所对应每个场景的目标比例；其中，场景的目标比例为：该场景对应的所有目标对像在所述待调节图像中所占区域面积总和与所述待调节图像总面积的比值；
针对各个目标对象所对应的每个场景，判断该场景的目标比例是否达到与该场景对应的预设阈值；如果达到，将该场景作为一个待选择场景；
从所有待选择场景中选择目标场景。
4.根据权利要求3所述的方法，其特征在于，所述预设对象检测技术为基于深度神经网络的对象检测技术。
5.根据权利要求3或4所述的方法，其特征在于，所述从所有待选择场景中选择目标场景的步骤，包括：
从所有待选择场景中选择一个作为目标场景。
6.根据权利要求5所述的方法，其特征在于，所述从所有待选择场景中选择一个作为目标场景的步骤，包括：
按照预设的场景优先级，从所有待选择场景中选择优先级最高的待选择场景，作为目标场景。
7.根据权利要求3或4所述的方法，其特征在于，所述从所有待选择场景中选择目标场景的步骤，包括：
将所有待选择场景均选择为目标场景；
相应的，在所选择的目标场景的数量大于1的情况下，所述根据所述目标色彩调节方式，对所述待调节图像进行色彩调节，得到目标图像的步骤，包括：
针对所述待调节图像在预设色彩空间下的每一色彩通道，确定该色彩通道在各个目标色彩调节方式中缩放倍率的最小值和最大值，并确定该色彩通道对应的目标缩放倍率为：所确定的最小值与最大值所构成区间中的任一值；
按照所确定的每一色彩通道对应的目标缩放倍率，对所述待调节图像进行色彩调节，得到目标图像。
8.一种图像色彩调节装置，其特征在于，所述装置包括：
获得模块，用于获得待调节图像；
场景检测模块，用于检测所述待调节图像所属的目标场景；
确定模块，用于按照预设的场景与色彩调节方式的对应关系，确定所述目标场景所对应的目标色彩调节方式；
色彩调节模块，用于根据所述目标色彩调节方式，对所述待调节图像进行色彩调节，得到目标图像。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-7任一所述的方法步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
CN201711337176.6A 2017-12-14 2017-12-14 图像色彩调节方法、装置、电子设备及存储介质 Pending CN108024105A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711337176.6A CN108024105A (zh) 2017-12-14 2017-12-14 图像色彩调节方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711337176.6A CN108024105A (zh) 2017-12-14 2017-12-14 图像色彩调节方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN108024105A true CN108024105A (zh) 2018-05-11

Family

ID=62073431

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711337176.6A Pending CN108024105A (zh) 2017-12-14 2017-12-14 图像色彩调节方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN108024105A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108737797A (zh) * 2018-08-17 2018-11-02 Oppo广东移动通信有限公司 白平衡处理方法、装置和电子设备
CN109361907A (zh) * 2018-11-16 2019-02-19 深圳市趣创科技有限公司 相机拍摄夜景天空色彩的方法、装置、终端及存储介质
CN110944163A (zh) * 2019-11-21 2020-03-31 维沃移动通信有限公司 一种图像处理方法及电子设备
CN112217989A (zh) * 2020-09-25 2021-01-12 北京小米移动软件有限公司 图像显示方法及装置
CN112488962A (zh) * 2020-12-17 2021-03-12 成都极米科技股份有限公司 基于深度学习的画面色彩调节方法、装置、设备及介质
CN112675540A (zh) * 2020-12-31 2021-04-20 努比亚技术有限公司 一种提升游戏体验的方法、终端及存储介质
WO2022040889A1 (zh) * 2020-08-24 2022-03-03 华为技术有限公司 一种显示方法、装置及电子设备
CN114885093A (zh) * 2022-03-24 2022-08-09 岚图汽车科技有限公司 一种车辆、车辆星空图像的显示控制方法和装置
CN116825038A (zh) * 2023-07-05 2023-09-29 广州文石信息科技有限公司 饱和度调节方法、装置、存储介质及彩色墨水屏设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1765132A (zh) * 2003-03-27 2006-04-26 索尼株式会社 摄像装置
CN101945217A (zh) * 2009-07-07 2011-01-12 三星电子株式会社 拍摄设备和方法
CN103617432A (zh) * 2013-11-12 2014-03-05 华为技术有限公司 一种场景识别方法及装置
CN103716542A (zh) * 2013-12-26 2014-04-09 深圳市金立通信设备有限公司 一种拍照方法、装置及终端
CN104951440A (zh) * 2014-03-24 2015-09-30 联想(北京)有限公司 一种图像处理方法及电子设备
CN105407281A (zh) * 2015-11-13 2016-03-16 努比亚技术有限公司 一种基于场景的拍照装置、方法
CN105450923A (zh) * 2014-09-25 2016-03-30 索尼公司 图像处理方法、图像处理装置以及电子设备
CN106357983A (zh) * 2016-11-15 2017-01-25 上海传英信息技术有限公司 拍摄参数调整方法及用户终端
CN106454104A (zh) * 2016-10-28 2017-02-22 维沃移动通信有限公司 一种拍照方法及移动终端
CN107301405A (zh) * 2017-07-04 2017-10-27 上海应用技术大学 自然场景下的交通标志检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1765132A (zh) * 2003-03-27 2006-04-26 索尼株式会社 摄像装置
CN101945217A (zh) * 2009-07-07 2011-01-12 三星电子株式会社 拍摄设备和方法
CN103617432A (zh) * 2013-11-12 2014-03-05 华为技术有限公司 一种场景识别方法及装置
CN103716542A (zh) * 2013-12-26 2014-04-09 深圳市金立通信设备有限公司 一种拍照方法、装置及终端
CN104951440A (zh) * 2014-03-24 2015-09-30 联想(北京)有限公司 一种图像处理方法及电子设备
CN105450923A (zh) * 2014-09-25 2016-03-30 索尼公司 图像处理方法、图像处理装置以及电子设备
CN105407281A (zh) * 2015-11-13 2016-03-16 努比亚技术有限公司 一种基于场景的拍照装置、方法
CN106454104A (zh) * 2016-10-28 2017-02-22 维沃移动通信有限公司 一种拍照方法及移动终端
CN106357983A (zh) * 2016-11-15 2017-01-25 上海传英信息技术有限公司 拍摄参数调整方法及用户终端
CN107301405A (zh) * 2017-07-04 2017-10-27 上海应用技术大学 自然场景下的交通标志检测方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108737797A (zh) * 2018-08-17 2018-11-02 Oppo广东移动通信有限公司 白平衡处理方法、装置和电子设备
CN108737797B (zh) * 2018-08-17 2020-03-27 Oppo广东移动通信有限公司 白平衡处理方法、装置和电子设备
CN109361907A (zh) * 2018-11-16 2019-02-19 深圳市趣创科技有限公司 相机拍摄夜景天空色彩的方法、装置、终端及存储介质
CN110944163A (zh) * 2019-11-21 2020-03-31 维沃移动通信有限公司 一种图像处理方法及电子设备
WO2022040889A1 (zh) * 2020-08-24 2022-03-03 华为技术有限公司 一种显示方法、装置及电子设备
CN112217989A (zh) * 2020-09-25 2021-01-12 北京小米移动软件有限公司 图像显示方法及装置
CN112488962A (zh) * 2020-12-17 2021-03-12 成都极米科技股份有限公司 基于深度学习的画面色彩调节方法、装置、设备及介质
CN112675540A (zh) * 2020-12-31 2021-04-20 努比亚技术有限公司 一种提升游戏体验的方法、终端及存储介质
CN114885093A (zh) * 2022-03-24 2022-08-09 岚图汽车科技有限公司 一种车辆、车辆星空图像的显示控制方法和装置
CN114885093B (zh) * 2022-03-24 2023-06-16 岚图汽车科技有限公司 一种车辆、车辆星空图像的显示控制方法和装置
CN116825038A (zh) * 2023-07-05 2023-09-29 广州文石信息科技有限公司 饱和度调节方法、装置、存储介质及彩色墨水屏设备
CN116825038B (zh) * 2023-07-05 2024-03-12 广州文石信息科技有限公司 饱和度调节方法、装置、存储介质及彩色墨水屏设备

Similar Documents

Publication Publication Date Title
CN108024105A (zh) 图像色彩调节方法、装置、电子设备及存储介质
US11323676B2 (en) Image white balance processing system and method
CN105915909B (zh) 一种高动态范围图像分层压缩方法
US10949958B2 (en) Fast fourier color constancy
CN101425179B (zh) 一种人脸图像重光照的方法及装置
EP4261784B1 (en) Image processing method and apparatus based on artificial intelligence, and electronic device, computer-readable storage medium and computer program product
CN106778928A (zh) 图像处理方法及装置
CN107808373A (zh) 基于姿态的样本图像合成方法、装置及计算设备
CN109688396B (zh) 图像的白平衡处理方法、装置和终端设备
CN102867295B (zh) 一种彩色图像颜色校正方法
CN105118027B (zh) 一种图像的去雾方法
Kwok et al. Gray world based color correction and intensity preservation for image enhancement
CN110930341A (zh) 一种基于图像融合的低光照图像增强方法
CN107204034A (zh) 一种图像处理方法及终端
CN113132696B (zh) 图像色调映射方法、装置、电子设备和存储介质
CN102567969B (zh) 一种彩色图像边缘检测方法
CN109064431B (zh) 一种图片亮度调节方法、设备及其存储介质
Nam et al. Modelling the scene dependent imaging in cameras with a deep neural network
CN108616700A (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
Liu et al. Progressive complex illumination image appearance transfer based on CNN
Han et al. A large-scale image database for benchmarking mobile camera quality and NR-IQA algorithms
US9030575B2 (en) Transformations and white point constraint solutions for a novel chromaticity space
CN118571161B (zh) Led显示屏的显示控制方法、装置、设备及存储介质
Kuang et al. A psychophysical study on the influence factors of color preference in photographic color reproduction
CN105631812B (zh) 一种对显示图像进行色彩增强的控制方法及控制装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180511

RJ01 Rejection of invention patent application after publication