[go: up one dir, main page]

CN115330621A - 图像处理方法、装置、设备、存储介质及程序产品 - Google Patents

图像处理方法、装置、设备、存储介质及程序产品 Download PDF

Info

Publication number
CN115330621A
CN115330621A CN202210970241.3A CN202210970241A CN115330621A CN 115330621 A CN115330621 A CN 115330621A CN 202210970241 A CN202210970241 A CN 202210970241A CN 115330621 A CN115330621 A CN 115330621A
Authority
CN
China
Prior art keywords
image
brightness
sub
determining
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.)
Pending
Application number
CN202210970241.3A
Other languages
English (en)
Inventor
汪雷
汪涛
霍星
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.)
Spreadtrum Communications Shanghai Co Ltd
Original Assignee
Spreadtrum Communications Shanghai 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 Spreadtrum Communications Shanghai Co Ltd filed Critical Spreadtrum Communications Shanghai Co Ltd
Priority to CN202210970241.3A priority Critical patent/CN115330621A/zh
Publication of CN115330621A publication Critical patent/CN115330621A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

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

Abstract

本申请实施例提供的一种图像处理方法、装置、设备、存储介质及程序产品。该方法包括，获取RGB图像，将RGB图像，转换为亮度图像；根据亮度图像，确定RGB图像中每个像素点的亮度增益值；根据亮度增益值对RGB图像进行处理，得到处理后的RGB图像。提升了图像的局部对比度。

Description

图像处理方法、装置、设备、存储介质及程序产品
技术领域
本申请涉及视频显示技术领域，尤其涉及一种图像处理方法、装置、设备、存储介质及程序产品。
背景技术
对比度是指一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量，差异范围越大代表对比越大，差异范围越小代表对比越小。对比度的大小可以决定图像的细节和清晰度质量。因此，可以通过调整对比度以提升图像质量。
在相关技术中，主要是通过全局直方图均衡化算法提升图像整体的对比度。但是全局直方图均衡化算法会导致图像局部的对比度较低。
发明内容
本申请涉及一种图像处理方法、装置、设备、存储介质及程序产品，提高了图像的局部对比度。
第一方面，本申请实施例提供一种图像处理方法，包括：
获取RGB图像；
将所述RGB图像，转换为亮度图像；
根据所述亮度图像，确定所述RGB图像中每个像素点的亮度增益值；
根据所述亮度增益值对所述RGB图像进行处理，得到处理后的RGB图像。
在一种可能的实施方式中，根据所述亮度图像，确定所述RGB图像中每个像素点的亮度增益值，包括：
将所述亮度图像划分为N个亮度子图像，所述N为正整数；
对所述N个亮度子图像分别进行统计处理、平滑处理、以及累加处理中的至少一种处理，得到N个直方图；
将所述N个直方图分别转换为N条第一子映射曲线；
根据所述N条第一子映射曲线，确定所述RGB图像中每个像素点的亮度增益值。
在一种可能的实施方式中，根据所述N条第一映射曲线，确定所述RGB图像中每个像素点的亮度增益值，包括：
确定M帧参考图像对应的M条第二映射曲线，每条第二映射曲线包括N条第二子映射曲线，所述M为正整数；
根据所述M条第二映射曲线和所述N条第一子映射曲线，确定第三映射曲线；
根据所述第三映射曲线，确定所述RGB图像中每个像素点的亮度增益值。
在一种可能的实施方式中，根据所述M条第二映射曲线和所述N条第一子映射曲线，确定第三映射曲线，包括：
在所述N个直方图中确定K个不稳定直方图，所述K为正整数；
若所述K小于或等于第一阈值，则将所述RGB图像的前一帧图像对应的映射曲线确定为所述第三映射曲线，所述前一帧图像对应的映射曲线为所述M条第二映射曲线中的一条映射曲线；
若所述K大于或等于第一阈值，则将所述M条第二映射曲线和所述N条第一子映射曲线进行融合处理，得到所述第三映射曲线。
在一种可能的实施方式中，将所述M条第二映射曲线和所述N条第一子映射曲线进行融合处理，得到所述第三映射曲线，包括：
在所述N个直放图中确定H个稳定直方图，所述H为正整数；
针对任意一个稳定直方图，将所述稳定直方图对应的第二子映射曲线，确定为第三子映射曲线，所述稳定直方图对应的第二子映射曲线对应的图像为所述RGB图像的前一帧图像；
针对任意一个不稳定直方图，将所述不稳定直方图对应的M条第二子映射曲线和第一子映射曲线进行加权处理，得到第三子映射曲线；
其中，所述K+所述H等于所述N，所述第三映射曲线包括N条第三子映射曲线。
在一种可能的实施方式中，直方图中包括多个亮度区间，在所述N个直方图中确定K个不稳定直方图，包括：
针对任意一个直方图，在所述多个亮度区间中确定多个不稳定亮度区间；
若所述多个不稳定亮度区间的数量大于或等于第二阈值，则将所述直方图确定为不稳定直方图。
在一种可能的实施方式中，在所述多个亮度区间中确定多个不稳定亮度区间，包括：
针对任意一个亮度区间，若亮度区间对应的像素个数大于或等于第三阈值，则将所述亮度区间确定为不稳定亮度区间；
其中，所述第三阈值根据M个参考亮度区间对应的M个像素个数的平均值确定，所述M个参考亮度区间为所述M帧参考图像对应的亮度区间。
在一种可能的实施方式中，根据所述第三映射曲线，确定所述RGB图像中每个像素点的亮度增益值，包括：
获取所述每个像素点对应的初始亮度值；
根据所述初始亮度值和i条第三子映射曲线，确定i个映射亮度值，所述i为正整数；
根据所述初始亮度值和所述i个映射亮度值，确定所述RGB图像中每个像素点的亮度增益值；
其中，所述i条第三子映射曲线包括初始亮度值对应的当前亮度子图像的映射曲线，以及与所述当前亮度子图像相邻的亮度子图像的映射曲线。
在一种可能的实施方式中，对所述N个亮度子图像分别进行统计处理和平滑处理，包括：
对所述N个亮度子图像进行统计处理，得到N个统计直方图；
针对任意一个统计直方图，确定所述统计直方图对应的裁剪阈值；
根据所述裁剪阈值对所述统计直方图进行平滑处理。
在一种可能的实施方式中，确定所述统计直方图对应的裁剪阈值，包括：
所述统计直方图中包括多个亮度区间，针对任意一个亮度区间，确定亮度区间中所有像素点的亮度梯度；
根据所述所有像素点的亮度梯度、梯度阈值和所有像素点的数量，确定亮度区间对应的平坦置信度；
根据所述平坦置信度确定裁剪阈值。
在一种可能的实施方式中，根据所述裁剪阈值对所述统计直方图进行平滑处理，包括：
将所述多个亮度区间中像素个数大于所述裁剪阈值的部分，分摊至像素个数小于所述裁剪阈值的亮度区间。
在一种可能的实施方式中，将所述RGB图像，转换为亮度图像，包括：
针对所述RGB图像中任意一个像素点，将其RGB数值中的最大值，作为所述亮度图像中在该像素点的初始亮度值。
在一种可能的实施方式中，根据所述亮度增益值对所述RGB图像进行处理，得到处理后的RGB图像，包括：
根据所述亮度增益值对所述RGB图像中所有像素点的RGB数值进行处理，得到所述处理后的RGB图像。
第二方面，本申请实施例提供一种图像处理装置，包括获取模块、转换模块、确定模块和处理模块，其中，
所述获取模块用于，获取RGB图像；
所述转换模块用于，将所述RGB图像，转换为亮度图像；
所述确定模块用于，根据所述亮度图像，确定所述RGB图像中每个像素点的亮度增益值；
所述处理模块用于，根据所述亮度增益值对所述RGB图像进行处理，得到处理后的RGB图像。
在一种可能的实施方式中，所述确定模块具体用于：
将所述亮度图像划分为N个亮度子图像，所述N为正整数；
对所述N个亮度子图像分别进行统计处理、平滑处理、以及累加处理中的至少一种处理，得到N个直方图；
将所述N个直方图分别转换为N条第一子映射曲线；
根据所述N条第一子映射曲线，确定所述RGB图像中每个像素点的亮度增益值。
在一种可能的实施方式中，所述确定模块具体用于：
确定M帧参考图像对应的M条第二映射曲线，每条第二映射曲线包括N条第二子映射曲线，所述M为正整数；
根据所述M条第二映射曲线和所述N条第一子映射曲线，确定第三映射曲线；
根据所述第三映射曲线，确定所述RGB图像中每个像素点的亮度增益值。
在一种可能的实施方式中，所述确定模块具体用于：
在所述N个直方图中确定K个不稳定直方图，所述K为正整数；
若所述K小于或等于第一阈值，则将所述RGB图像的前一帧图像对应的映射曲线确定为所述第三映射曲线，所述前一帧图像对应的映射曲线为所述M条第二映射曲线中的一条映射曲线；
若所述K大于或等于第一阈值，则将所述M条第二映射曲线和所述N条第一子映射曲线进行融合处理，得到所述第三映射曲线。
在一种可能的实施方式中，所述确定模块具体用于：
在所述N个直放图中确定H个稳定直方图，所述H为正整数；
针对任意一个稳定直方图，将所述稳定直方图对应的第二子映射曲线，确定为第三子映射曲线，所述稳定直方图对应的第二子映射曲线对应的图像为所述第一图像的前一帧图像；
针对任意一个不稳定直方图，将所述不稳定直方图对应的M条第二子映射曲线和第一子映射曲线进行加权处理，得到第三子映射曲线；
其中，所述K+所述H等于所述N，所述第三映射曲线包括N条第三子映射曲线。
在一种可能的实施方式中，所述确定模块具体用于：
针对任意一个直方图，在所述多个亮度区间中确定多个不稳定亮度区间；
若所述多个不稳定亮度区间的数量大于或等于第二阈值，则将所述直方图确定为不稳定直方图。
在一种可能的实施方式中，所述确定模块具体用于：
针对任意一个亮度区间，若亮度区间对应的像素个数大于或等于第三阈值，则将所述亮度区间确定为不稳定亮度区间；
其中，所述第三阈值根据M个参考亮度区间对应的M个像素个数的平均值确定，所述M个参考亮度区间为所述M帧参考图像对应的亮度区间。
在一种可能的实施方式中，所述确定模块具体用于：
获取所述每个像素点对应的初始亮度值；
根据所述初始亮度值和i条第三子映射曲线，确定i个映射亮度值，所述i为正整数；
根据所述初始亮度值和所述i个映射亮度值，确定所述RGB图像中每个像素点的亮度增益值；
其中，所述i条第三子映射曲线包括初始亮度值对应的当前亮度子图像的映射曲线，以及与所述当前亮度子图像相邻的亮度子图像的映射曲线。
在一种可能的实施方式中，所述确定模块具体用于：
对所述N个亮度子图像进行统计处理，得到N个统计直方图；
针对任意一个统计直方图，确定所述统计直方图对应的裁剪阈值；
根据所述裁剪阈值对所述统计直方图进行平滑处理。
在一种可能的实施方式中，所述确定模块具体用于：
所述统计直方图中包括多个亮度区间，针对任意一个亮度区间，确定亮度区间中所有像素点的亮度梯度；
根据所述所有像素点的亮度梯度、梯度阈值和所有像素点的数量，确定亮度区间对应的平坦置信度；
根据所述平坦置信度确定裁剪阈值。
在一种可能的实施方式中，所述确定模块具体用于：
将所述多个亮度区间中像素个数大于所述裁剪阈值的部分，分摊至像素个数小于所述裁剪阈值的亮度区间。
在一种可能的实施方式中，所述转换模块具体用于：
针对所述RGB图像中任意一个像素点，将其RGB数值中的最大值，作为所述亮度图像中在该像素点的初始亮度值。
在一种可能的实施方式中，所述处理模块具体用于：
根据所述亮度增益值对所述RGB图像中所有像素点的RGB数值进行处理，得到所述处理后的RGB图像。
第三方面，本申请实施例提供一种图像处理设备，包括处理器、存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如第一方面任一项所述的图像处理方法。
第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现第一方面任一项所述的图像处理方法。
第五方面，本申请实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面任一项所述的图像处理方法。
第六方面，本申请实施例提供一种芯片，所述芯片上存储有计算机程序，所述计算机程序被所述芯片执行时，实现如第一方面任一项所述的通信方法。
在一种可能的实施方式中，所述芯片为芯片模组中的芯片。
本申请实施例提供的一种图像处理方法、装置、设备、存储介质及程序产品。该方法包括，获取RGB图像，将RGB图像，转换为亮度图像；根据亮度图像，确定RGB图像中每个像素点的亮度增益值；根据亮度增益值对RGB图像进行处理，得到处理后的RGB图像。先确定RGB图像中每个像素点的亮度增益值，根据每个像素点的亮度增益值调整图像中每个像素点的RGB值，提升了图像的局部对比度，进而提高了图像局部的细节和清晰度。
附图说明
图1为本申请实施例提供的一种应用场景示意图；
图2为本申请实施例提供的图像处理方法的流程示意图一；
图3为本申请实施例提供的获取第一图像的流程示意图；
图4为本申请实施例提供的后处理操作的流程示意图；
图5为本申请实施例提供的图像处理方法的流程示意图二；
图6为本申请实施例提供的一种图像划分示意图；
图7为本申请实施例提供的多帧图像的映射曲线的确定过程示意图；
图8为本申请实施例提供的图像处理方法的流程示意图三；
图9为本申请实施例提供的一种图像处理装置的结构示意图；
图10为本申请实施例提供的一种图像处理设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请的实施例，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。可选地，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。
应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、种类、和/或组，但不排除一个或至少一个其他特征、步骤、操作、元件、组件、种类、和/或组的存在、出现或添加。本申请使用的术语“或”、“和/或”、“包括以下至少一个”等可被解释为包括性的，或意味着任一个或任何组合。可选地，“包括以下至少一个：A、B、C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A和B和C”，再如，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A和B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
为了便于理解，下面结合图1，对本申请实施例所适用的应用场景进行说明。
图1为本申请实施例提供的一种应用场景示意图。请参见图1，终端设备中可以设置有图像处理模块。当终端设备需要提升图像质量的时候，终端设备可以先获取三原色(red green blue，RGB)图像，然后通过图像处理模块对RGB图像进行处理，得到处理后的RGB图像。
在相关技术中，主要采用全局直方图均衡算法对图像的全局对比度进行增强，虽然图像的全局对比度有所提升，但是局部对比度在部分场景下会下降。同时，在一些视频显示装置上，在提升图像对比度的同时，没有考虑图像的时域变换，从而引入了帧间闪烁的问题。
在本申请实施例中，为了解决上述技术问题，先确定RGB图像中每个像素点的亮度增益值，根据每个像素点的亮度增益值调整图像中每个像素点的RGB值，提升了图像的局部对比度，进而提高了图像局部的细节和清晰度，同时避免了多帧图像之间的帧间闪烁。
下面，通过具体实施例对本申请所示的技术方案进行详细说明。需要说明的是，下面几个实施例可以独立存在，也可以相互结合，对于相同或显示的内容，在不同的实施例中不再重复说明。
图2为本申请实施例提供的图像处理方法的流程示意图一。请参见图2，该方法可以包括：
S201、获取RGB图像。
本申请实施例的执行主体可以为终端设备，也可以为设置在终端设备中的图像处理装置，该图像处理装置可以通过软件实现，也可以通过软件和硬件的结合实现。
终端设备可以先得到原始图像，再对原始图像进行处理得到RGB图像；终端设备也可以接收其他设备发送的RGB图像。
为了便于理解，下面结合图3对RGB图像的获取过程进行详细说明。
图3为本申请实施例提供的获取第一图像的流程示意图。请参见图3，终端设备可以通过图像捕获装置的镜头将光信息投射到感光元件的感光区域，感光元件经过光电转换模块将光信号转换为电信号，从而获得高比特的拜尔(bayer)格式的原始图像，然后将bayer图像进行去噪、坏点矫正以及去马赛克的插值方式等预处理，得到高比特的RGB图像。
S202、将RGB图像转换为亮度图像。
亮度图像也可以称为灰度图像。
可以通过以下方式将RGB图像转换为亮度图像：
针对RGB图像中任意一个像素点，将其RGB数值中的最大值，作为亮度图像中在该像素点的初始亮度值。
例如，针对RGB图像中的像素点A，其RGB值为(255,2,0)，则将255作为像素点A的亮度值。
采用本申请的方式转换图像，可以抑制高饱和度区域单通道溢出的问题。
S203、根据亮度图像，确定RGB图像中每个像素点的亮度增益值。
亮度增益(gain)值可以大于1，也可以小于1。
S204、根据亮度增益值对RGB图像进行处理，得到处理后的RGB图像。
可以通过以下方式根据亮度增益值对RGB图像进行处理，得到处理后的RGB图像：
根据亮度增益值对RGB图像中所有像素点的RGB数值进行处理，得到处理后的RGB图像。
例如，针对RGB图像中的像素点A，其RGB值为(144,125,74)，对应的亮度增益值为1.2，利用1.2对(145,125,75)处理后，得到像素点A的RGB值为(174,150,90)。
在得到处理后的RGB图像后，还可以对图像进行一系列的后处理操作。
后处理操作包括以下至少一项：去噪、去畸变、饱和度调节和色域转换，本申请对此不做限定。
示例性的，可以如图4所示，对处理后的RGB图像进行一系列的后处理操作。
在图2所示的实施例中，终端设备可以获取RGB图像，将RGB图像，转换为亮度图像；根据亮度图像，确定RGB图像中每个像素点的亮度增益值；根据亮度增益值对RGB图像进行处理，得到处理后的RGB图像。先确定图像中每个像素点的亮度增益值，根据每个像素点的亮度增益值调整图像中每个像素点的RGB值，提升了图像的局部对比度，进而提高了图像局部的细节和清晰度。
在上述任意一个实施例的基础上，下面，通过图5所示的实施例，对上述图像处理方法进行进一步的说明。
图5为本申请实施例提供的图像处理方法的流程示意图二。请参见图5，该方法可以包括：
S501、获取RGB图像。
需要说明的是，S501的执行过程可以参见S201的执行过程，此处不再进行赘述。
S502、将RGB图像转换为亮度图像。
需要说明的是S502的执行过程可以参见S202的执行过程，此处不再进行赘述。
S503、将亮度图像划分为N个亮度子图像。
N个亮度子图像的尺寸大小可以相同，N为正整数。
在一种可能的实施方式中，可以根据亮度图像的尺寸大小，对图像进行分块处理。
如图6所示，A图像的尺寸为180*210像素，可以将其划分为35个30*30像素的子图像。
在一种可能的实施方式中，可以先根据图像的尺寸大小将RGB图像划分为N个子图像后，再将N个子图像转换为N个亮度子图像。
S504、对N个亮度子图像分别进行统计处理、平滑处理、以及累加处理中的至少一种处理，得到N个直方图。
一个亮度子图像对应一个直方图，一个直方图中可以包括多个亮度区间。
在一种可能的实现方式中，可以通过以下几种方式得到N个直方图：
(1)对N个亮度子图像进行统计处理，得到N个直方图。
(2)对N个亮度子图像分别进行统计处理和平滑处理，得到N个直方图。
(3)对N个亮度子图像分别进行统计处理和累加处理，得到N个直方图。
(4)对N个亮度子图像分别进行统计处理、平滑处理和累加处理，得到N个直方图。
在一种可能的实现方式中，可以通过以下方式对N个亮度子图像分别进行统计处理和平滑处理：
对N个亮度子图像进行统计处理，得到N个统计直方图；针对任意一个统计直方图，确定统计直方图对应的裁剪阈值；根据裁剪阈值对统计直方图进行平滑处理。
平滑处理的目的不仅是为针对平坦区域和非平坦区域进行不同程度的对比度拉伸，同时也是为了防止自适应直方图均衡化引起噪声过度放大的问题。
在将亮度子图像转换为统计直方图的过程中，可以配置一个对比度控制强度，以调整最平坦区域与最不平坦区域的裁剪阈值范围。如果对比度控制强度较弱时，则裁剪阈值范围越小，对比度提升程度将削弱；如果对比度控制强度较强时，则裁剪阈值范围越大，对比度提升程度将增强。
一个统计直方图可以对应一个裁剪阈值，也可以对应多个裁剪阈值。
在一种可能的实施方式中，可以通过以下方式确定统计直方图对应的裁剪阈值：
统计直方图中包括多个亮度区间，针对任意一个亮度区间，确定亮度区间中所有像素点的亮度梯度；根据所有像素点的亮度梯度、梯度阈值和所有像素点的数量，确定亮度区间对应的平坦置信度；根据平坦置信度确定裁剪阈值，裁剪阈值中包括多个裁剪阈值。
一个统计直方图中可以包括多个亮度区间，每个亮度区间可以对应一个梯度阈值，每个亮度区间对应的梯度阈值可以相同，也可以不同。
可以通过以下方式确定亮度区间对应的平坦置信度：
确定亮度区间中亮度梯度小于梯度阈值的像素点的第一数量，根据第一数量和亮度区间中所有像素点数量的比值，确定平坦置信度。
例如，一个亮度区间中包括100个像素点，其中，亮度梯度小于梯度阈值的像素点的数量为60个，则可以确定该亮度区间对应的平坦置信度为60/100＝0.6。
每个平坦置信度可以确定一个裁剪阈值。在一个统计直方图中，有多少个亮度区间则可以确定多少个裁剪阈值。根据平坦置信度确定的裁剪阈值为上述裁剪阈值范围中的一个数值。
在一种可能的实施方式中，可以通过以下方式根据裁剪阈值对统计直方图进行平滑处理：
将多个亮度区间中像素个数大于裁剪阈值的部分，分摊至像素个数小于所述裁剪阈值的亮度区间。
例如，一个统计直方图中包括3个亮度区间，分别为A、B、C。其中，A亮度区间对应的像素个数为10，对应的裁剪阈值为7；B亮度区间对应的像素个数为5，对应的裁剪阈值为10；C亮度区间对应的像素个数为3，对应的裁剪阈值为10。对统计直方图进行平滑处理是指将A亮度区间的3个像素个数分摊给B亮度区间1个，C亮度区间2个，得到A亮度区间对应的像素个数为7，B亮度区间对应的像素个数为6，C亮度区间对应的像素个数为5。
在一种可能的实现方式中，累加处理可以是将当前亮度区间之前的所有亮度区间的像素个数之和作为当前亮度区间的累加值。
例如，平滑后的直方图包括3个亮度区间，A亮度区间对应的像素个数为7，B亮度区间对应的像素个数为6，C亮度区间对应的像素个数为5，经过累加处理后，A亮度区间对应的像素个数为7，B亮度区间对应的像素个数为13，C亮度区间对应的像素个数为18。
S505、将N个直方图分别转换为N条第一子映射曲线。
直方图可以为亮度子图像经过统计处理、平滑处理和累加处理后得到的直方图。
在一种可能实施方式中，针对任意一个直方图，其中，包括i个亮度区间，根据每个亮度区间对应的像素个数与该直方图对应的总像素个数，转换得到第一子映射曲线。
具体的，根据每个亮度区间对应的像素个数与该直方图对应的总像素个数的比值，以及RGB图像的位宽确定第一子映射曲线。
S506、根据N条第一子映射曲线，确定RGB图像中每个像素点的亮度增益值。
在一种可能的实现方式中，可以通过以下方式确定RGB图像中每个像素点的亮度增益值：
确定M帧参考图像对应的M条第二映射曲线，每条第二映射曲线包括N条第二子映射曲线；根据M条第二映射曲线和N条第一子映射曲线，确定第三映射曲线；根据第三映射曲线，确定RGB图像中每个像素点的亮度增益值。
每帧参考图像对应一条第二映射曲线，每条第二映射曲线包括N条第二子映射曲线，N条第二子映射曲线的确定方式可以参考N条第一子映射曲线的确定方式，此处不再进行赘述。
根据RGB图像当前的映射曲线与前几帧图像的映射曲线，确定RGB图像的第三映射曲线，可以缓解多帧图像之间的帧间闪烁问题。
下面，结合图7，以M为3为例，来说明一段视频中多帧图像的映射曲线的确定过程。
图7为本申请实施例提供的多帧图像的映射曲线的确定过程示意图。请参见图7，一段视频中包括N+3帧图像，其中，前3帧图像的第三映射曲线即为第一映射曲线；第4帧图像的第三映射曲线是根据前3帧图像的第三映射曲线和第4帧图像的第一映射曲线确定；第5帧图像的第三映射曲线是根据第2、3、4帧图像的第三映射曲线和第5帧图像的第一映射曲线确定；以此类推，直至确定最后一帧图像的第三映射曲线。
在一种可能的实施方式中，可以通过以下方式确定第三映射曲线：
在N个直方图中确定K个不稳定直方图，K为正整数；若K小于或等于第一阈值，则将RGB图像的前一帧图像对应的映射曲线确定为第三映射曲线，前一帧图像对应的映射曲线为M条第二映射曲线中的一条映射曲线；若K大于或等于第一阈值，则将M条第二映射曲线和N条第一子映射曲线进行融合处理，得到第三映射曲线。
融合处理可以缓解映射曲线的变化幅度。
在一种可能的实施方式中，可以通过以下方式将M条第二映射曲线和N条第一子映射曲线进行融合处理，得到第三映射曲线：
在N个直放图中确定H个稳定直方图，H为正整数；针对任意一个稳定直方图，将稳定直方图对应的第二子映射曲线，确定为第三子映射曲线，稳定直方图对应的第二子映射曲线对应的图像为RGB图像的前一帧图像；针对任意一个不稳定直方图，将不稳定直方图对应的M条第二子映射曲线和第一子映射曲线进行加权处理，得到第三子映射曲线；其中，K+H＝N，第三映射曲线包括N条第三子映射曲线。
稳定直方图对应的第二子映射曲线可以是，前一帧图像在对应位置的子图像，转换得到的第二子映射曲线。
例如，RGB图像对应3个直方图，分别为A0，B0，C0，每个直方图分别对应的子映射曲线为a0，b0，c0。RGB图像的前三帧图像(P1，P2，P3)分别对应3个直方图，其中，P1图像的三个直方图分别为A1，B1，C1，每个直方图分别对应的子映射曲线为a1，b1，c1；P2图像的三个直方图分别为A2，B2，C2，每个直方图分别对应的子映射曲线为a2，b2，c2；P3图像的三个直方图分别为A3，B3，C3，每个直方图分别对应的子映射曲线为a3，b3，c3。A0的亮度区间与A1、A2、A3的亮度区间相同，B0的亮度区间与B1、B2、B3的亮度区间相同，C0的亮度区间与C1、C2、C3的亮度区间相同。RGB图像中A0直方图对应的图像块为不稳定的图像块。若第一阈值为2，则可以将P1图像中的三条子映射曲线为a1，b1，c1确定为RGB图像的子映射曲线；若第一阈值为1，则可以将a0子映射曲线与a1、a2和a3子映射曲线进行融合处理，得到a’子映射曲线，然后将a’、b1，c1确定为第一图像的子映射曲线。
在一种可能的实施方式中，可以通过以下方式在N个直方图中确定K个不稳定直方图：
针对任意一个直方图，在多个亮度区间中确定多个不稳定亮度区间；若多个不稳定亮度区间的数量大于或等于第二阈值，则将直方图确定为不稳定直方图。
例如，一个直方图包括3个亮度区间，其中不稳定亮度区间的数量为2，第二阈值为2，则可以将该直方图确定为不稳定直方图。
在一种可能的实施方式中，可以通过以下方式在多个亮度区间中确定多个不稳定亮度区间：
针对任意一个亮度区间，若亮度区间对应的像素个数大于或等于第三阈值，则将亮度区间确定为不稳定亮度区间；若亮度区间小于所述第三阈值，则将亮度区间确定为稳定亮度区间；其中，第三阈值根据M个参考亮度区间对应的M个像素个数的平均值确定，M个不稳定亮度区间为M帧参考图像对应的亮度区间。
第三阈值可以是M个像素个数的平均值的80％～120％，例如，若M个像素个数的平均值为X，则第三阈值可以为(80％～120％)X。
M帧参考图像可以是RGB图像的前M帧图像，M为正整数，例如，M可以为3。
M帧参考图像的分块方式、统计方式、平滑方式、累加方式可以与RGB图像相同。也就是说，M帧参考图像分块后的图像块的位置和大小与RGB图像分块后的子图像的位置和大小可以相同，M帧参考图像的分块方式可以如图6所示。
M个参考亮度区间与RGB图像的亮度区间的亮度范围可以是相同的。
例如，RGB图像对应有3个直方图，分别为A0，B0，C0。RGB图像的前三帧图像(P1，P2，P3)分别对应3个直方图，其中，P1图像的三个直方图分别为A1，B1，C1；P2图像的三个直方图分别为A2，B2，C2；P3图像的三个直方图分别为A3，B3，C3。A0的亮度区间与A1、A2、A3的亮度区间相同，B0的亮度区间与B1、B2、B3的亮度区间相同，C0的亮度区间与C1、C2、C3的亮度区间相同。针对A0、A1、A2和A3，均包括3个亮度区间，L1、L2和L3。A1中L1亮度区间对应的像素个数为5，A2中L1亮度区间对应的像素个数为9，A3中L1亮度区间对应的像素个数为10。A1、A2和A3在L1亮度区间的平均像素个数为(5+9+10)÷3＝8，当第三阈值为平均像素个数的87.5％，即第三阈值为7时，若A0中L1亮度区间对应的像素个数为6，则A0为稳定的亮度区间，若A0中L1亮度区间对应的像素个数为10，则A0为不稳定的亮度区间。
在一种可能的实施方式中，可以通过以下方式根据第三映射曲线，确定所RGB图像中每个像素点的亮度增益值：
获取每个像素点对应的初始亮度值；根据初始亮度值和i条第三子映射曲线，确定i个映射亮度值，所述i为正整数；根据初始亮度值和i个映射亮度值，确定RGB图像中每个像素点的亮度增益值，其中，i条第三子映射曲线包括初始亮度值对应的当前亮度子图像的映射曲线，以及与当前亮度子图像相邻的亮度子图像的映射曲线。
当前亮度子图像可以是像素点所在的亮度子图像。
与当前亮度子图像相邻的亮度子图像可以是位置与当前亮度子图像相邻的亮度子图像，如图6所示，亮度子图像7的相邻的亮度子图像为亮度子图像1、2、3、6、8、11、12和13。
根据i个映射亮度值以及像素点至周围相邻的亮度子图像的距离可以确定一个最终的映射亮度值，根据最终的映射亮度值与初始亮度值的比值可以确定像素点的亮度增益值。
若要计算子图像7中某个像素点A的亮度增益值，则需要将像素点A的初始亮度值代入图像7对应的子映射曲线得到一个映射亮度值，再将像素点A的初始亮度值分别代入子图像1、2、3、6、8、11、12和13分别对应的子映射曲线得到8个映射亮度值，将9个映射亮度值进行加权处理，得到最终的映射亮度值，加权处理的权重是根据像素点A到相邻子图像的距离确定，距离越近，则权重越大。
通过与周边子图像的加权映射处理，可以弱化子图像之间的亮度差异。
S507、根据亮度增益值对RGB图像进行处理，得到处理后的RGB图像。
需要说明的是，S507的执行过程可以参见S204的执行过程，此处不再进行赘述。
在图5所示实施例中，终端设备可以获取RGB图像，将RGB图像，转换为亮度图像；将亮度图像划分为N个亮度子图像；对N个亮度子图像分别进行统计处理、平滑处理、以及累加处理中的至少一种处理，得到N个直方图；将N个直方图分别转换为N条第一子映射曲线；根据N条第一子映射曲线，确定RGB图像中每个像素点的亮度增益值；根据亮度增益值对RGB图像进行处理，得到处理后的RGB图像。先确定图像中每个像素点的亮度增益值，根据每个像素点的亮度增益值调整图像中每个像素点的RGB值，提升了图像的局部对比度，进而提高了图像局部的细节和清晰度。
在上述任意实施例的基础上，下面，给出具体示例说明本申请的图像处理方法。
如图8所示，通过图像捕获装置的镜头将光信息投射到感光元件的感光区域，感光元件经过光电转换模块将光信号转换为电信号，从而获得高比特的拜尔(bayer)格式的原始图像，然后将bayer图像进行去噪、坏点矫正以及去马赛克的插值方式等预处理，得到高比特的RGB图像。
根据RGB图像的尺寸大小，对RGB图像进行分块处理，得到N个RGB子图像。将N个RGB子图像转换为N个亮度子图像，具体的，针对每一个像素点，将其RGB数值中的最大值，作为亮度图像中在该像素点的初始亮度值。
对N个亮度子图像分别进行统计处理，得到N个统计直方图。分别对N个直方图进行平滑处理，得到N个平滑直方图。对N个平滑直方图分别进行累加处理，得到N个累加直方图。将N个累加直方图分别转换为N条第一子映射曲线。
按照同样的方式获取RGB图像的前三帧图像中各个图像块对应的第二子映射曲线。
将前三帧图像中各个图像块对应的第二子映射曲线和N条第一子映射曲线输入映射曲线控制单元，得到N个RGB子图像对应的第三子映射曲线；再将每个像素点对应的初始亮度值，输入映射曲线控制单元，得到每个像素点的亮度增益值，根据亮度增益值对RGB图像中所有像素点的RGB数值进行处理，得到处理后的RGB图像。
对处理后的RGB图像进行一系列的后处理操作后，可以将处理后的RGB图像发送给显示设备显示。
先确定图像中每个像素点的亮度增益值，根据每个像素点的亮度增益值调整图像中每个像素点的RGB值，提升了图像的局部对比度，进而提高了图像局部的细节和清晰度。同时，结合前三帧图像对当前帧图像的映射曲线进行处理，可以避免多帧图像之间的帧间闪烁的问题。
图9为本申请实施例提供的一种图像处理装置的结构示意图。请参见图9，该图像处理装置10包括获取模块11、转换模块12、确定模块13和处理模块14，其中，
所述获取模块11用于，获取RGB图像；
所述转换模块12用于，将所述RGB图像，转换为亮度图像；
所述确定模块13用于，根据所述亮度图像，确定所述RGB图像中每个像素点的亮度增益值；
所述处理模块14用于，根据所述亮度增益值对所述RGB图像进行处理，得到处理后的RGB图像。
在一种可能的实施方式中，所述确定模块13具体用于：
将所述亮度图像划分为N个亮度子图像，所述N为正整数；
对所述N个亮度子图像分别进行统计处理、平滑处理、以及累加处理中的至少一种处理，得到N个直方图；
将所述N个直方图分别转换为N条第一子映射曲线；
根据所述N条第一子映射曲线，确定所述RGB图像中每个像素点的亮度增益值。
在一种可能的实施方式中，所述确定模块13具体用于：
确定M帧参考图像对应的M条第二映射曲线，每条第二映射曲线包括N条第二子映射曲线，所述M为正整数；
根据所述M条第二映射曲线和所述N条第一子映射曲线，确定第三映射曲线，所述第三映射曲线包括N条第三子映射曲线；
根据所述第三映射曲线，确定所述RGB图像中每个像素点的亮度增益值。
在一种可能的实施方式中，所述确定模块13具体用于：
在所述N个直方图中确定K个不稳定直方图，所述K为正整数；
若所述K小于或等于第一阈值，则将所述RGB图像的前一帧图像对应的映射曲线确定为所述第三映射曲线，所述前一帧图像对应的映射曲线为所述M条第二映射曲线中的一条映射曲线；
若所述K大于或等于第一阈值，则将所述M条第二映射曲线和所述N条第一子映射曲线进行融合处理，得到所述第三映射曲线。
在一种可能的实施方式中，所述确定模块13具体用于：
在所述N个直放图中确定H个稳定直方图，所述H为正整数；
针对任意一个稳定直方图，将所述稳定直方图对应的第二子映射曲线，确定为第三子映射曲线，所述稳定直方图对应的第二子映射曲线对应的图像为所述RGB图像的前一帧图像；
针对任意一个不稳定直方图，将所述不稳定直方图对应的M条第二子映射曲线和第一子映射曲线进行加权处理，得到第三子映射曲线；
其中，所述K+所述H等于所述N，所述第三映射曲线包括N条第三子映射曲线。
在一种可能的实施方式中，所述确定模块13具体用于：
针对任意一个直方图，在所述多个亮度区间中确定多个不稳定亮度区间；
若所述多个不稳定亮度区间的数量大于或等于第二阈值，则将所述直方图确定为不稳定直方图。
在一种可能的实施方式中，所述确定模块13具体用于：
针对任意一个亮度区间，若亮度区间对应的像素个数大于或等于第三阈值，则将所述亮度区间确定为不稳定亮度区间；
其中，所述第三阈值根据M个参考亮度区间对应的M个像素个数的平均值确定，所述M个参考亮度区间为所述M帧参考图像对应的亮度区间。
在一种可能的实施方式中，所述确定模块13具体用于：
获取所述每个像素点对应的初始亮度值；
根据所述初始亮度值和所述i条第三子映射曲线，确定i个映射亮度值，所述i为正整数；；
根据所述初始亮度值和所述i个映射亮度值，确定所述RGB图像中每个像素点的亮度增益值。
在一种可能的实施方式中，所述确定模块13具体用于：
对所述N个亮度子图像进行统计处理，得到N个统计直方图；
针对任意一个统计直方图，确定所述统计直方图对应的裁剪阈值；
根据所述裁剪阈值对所述统计直方图进行平滑处理。
在一种可能的实施方式中，所述确定模块13具体用于：
所述统计直方图中包括多个亮度区间，针对任意一个亮度区间，确定亮度区间中所有像素点的亮度梯度；
根据所述所有像素点的亮度梯度、梯度阈值和所有像素点的数量，确定亮度区间对应的平坦置信度；
根据所述平坦置信度确定裁剪阈值。
在一种可能的实施方式中，所述确定模块13具体用于：
将所述多个亮度区间中像素个数大于所述裁剪阈值的部分，分摊至像素个数小于所述裁剪阈值的亮度区间。
在一种可能的实施方式中，所述转换模块12具体用于：
针对所述RGB图像中任意一个像素点，将其RGB数值中的最大值，作为所述亮度图像中在该像素点的初始亮度值。
在一种可能的实施方式中，所述处理模块14具体用于：
根据所述亮度增益值对所述RGB图像中所有像素点的RGB数值进行处理，得到所述处理后的RGB图像。
本申请提供的图像处理装置10可以执行上述图像处理方法实施例所示的技术方案，其实现原理以及有益效果类似，此次不再进行赘述。
图10为本申请实施例提供的一种图像处理设备的结构示意图。请参见图10，图像处理设备20包括：存储器21、处理器22。示例性地，存储器21、处理器22，各部分之间通过总线23相互连接。
存储器21存储计算机执行指令；
处理器22执行存储器21存储的计算机执行指令，使得处理器22执行上述任一项的图像处理方法。
图10所示实施例所示的图像处理设备可以执行上述图像处理方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
图像处理设备20可以为芯片、模组、集成开发环境(Integrated DevelopmentEnvironment，IDE)等。
本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现上述任一项所述的图像处理方法。
本申请实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一项所述的图像处理方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (17)

1.一种图像处理方法，其特征在于，包括：
获取三原色RGB图像；
将所述RGB图像，转换为亮度图像；
根据所述亮度图像，确定所述RGB图像中每个像素点的亮度增益值；
根据所述亮度增益值对所述RGB图像进行处理，得到处理后的RGB图像。
2.根据权利要求1所述的方法，其特征在于，根据所述亮度图像，确定所述RGB图像中每个像素点的亮度增益值，包括：
将所述亮度图像划分为N个亮度子图像，所述N为正整数；
对所述N个亮度子图像分别进行统计处理、平滑处理、以及累加处理中的至少一种处理，得到N个直方图；
将所述N个直方图分别转换为N条第一子映射曲线；
根据所述N条第一子映射曲线，确定所述RGB图像中每个像素点的亮度增益值。
3.根据权利要求2所述的方法，其特征在于，根据所述N条第一映射曲线，确定所述RGB图像中每个像素点的亮度增益值，包括：
确定M帧参考图像对应的M条第二映射曲线，每条第二映射曲线包括N条第二子映射曲线，所述M为正整数；
根据所述M条第二映射曲线和所述N条第一子映射曲线，确定第三映射曲线；
根据所述第三映射曲线，确定所述RGB图像中每个像素点的亮度增益值。
4.根据权利要求3所述的方法，其特征在于，根据所述M条第二映射曲线和所述N条第一子映射曲线，确定第三映射曲线，包括：
在所述N个直方图中确定K个不稳定直方图，所述K为正整数；
若所述K小于或等于第一阈值，则将所述RGB图像的前一帧图像对应的映射曲线确定为所述第三映射曲线，所述前一帧图像对应的映射曲线为所述M条第二映射曲线中的一条映射曲线；
若所述K大于或等于第一阈值，则将所述M条第二映射曲线和所述N条第一子映射曲线进行融合处理，得到所述第三映射曲线。
5.根据权利要求4所述的方法，其特征在于，将所述M条第二映射曲线和所述N条第一子映射曲线进行融合处理，得到所述第三映射曲线，包括：
在所述N个直放图中确定H个稳定直方图，所述H为正整数；
针对任意一个稳定直方图，将所述稳定直方图对应的第二子映射曲线，确定为第三子映射曲线，所述稳定直方图对应的第二子映射曲线对应的图像为所述RGB图像的前一帧图像；
针对任意一个不稳定直方图，将所述不稳定直方图对应的M条第二子映射曲线和第一子映射曲线进行加权处理，得到第三子映射曲线；
其中，所述K+所述H等于所述N，所述第三映射曲线包括N条第三子映射曲线。
6.根据权利要求4或5所述的方法，其特征在于，直方图中包括多个亮度区间，在所述N个直方图中确定K个第一直方图，包括：
针对任意一个直方图，在所述多个亮度区间中确定多个不稳定亮度区间；
若所述多个不稳定亮度区间的数量大于或等于第二阈值，则将所述直方图确定为不稳定直方图。
7.根据权利要求6所述的方法，其特征在于，在所述多个亮度区间中确定多个不稳定亮度区间，包括：
针对任意一个亮度区间，若亮度区间对应的像素个数大于或等于第三阈值，则将所述亮度区间确定为不稳定亮度区间；
其中，所述第三阈值根据M个参考亮度区间对应的M个像素个数的平均值确定，所述M个参考亮度区间为所述M帧参考图像对应的亮度区间。
8.根据权利要求3-7任一项所述的方法，其特征在于，根据所述第三映射曲线，确定所述RGB图像中每个像素点的亮度增益值，包括：
获取所述每个像素点对应的初始亮度值；
根据所述初始亮度值和i条第三子映射曲线，确定i个映射亮度值，所述i为正整数；
根据所述初始亮度值和所述i个映射亮度值，确定所述RGB图像中每个像素点的亮度增益值；
其中，所述i条第三子映射曲线包括初始亮度值对应的当前亮度子图像的映射曲线，以及与所述当前亮度子图像相邻的亮度子图像的映射曲线。
9.根据权利要求2-8任一项所述的方法，其特征在于，对所述N个亮度子图像分别进行统计处理和平滑处理，包括：
对所述N个亮度子图像进行统计处理，得到N个统计直方图；
针对任意一个统计直方图，确定所述统计直方图对应的裁剪阈值；
根据所述裁剪阈值对所述统计直方图进行平滑处理。
10.根据权利要求9所述的方法，其特征在于，确定所述统计直方图对应的裁剪阈值，包括：
所述统计直方图中包括多个亮度区间，针对任意一个亮度区间，确定亮度区间中所有像素点的亮度梯度；
根据所述所有像素点的亮度梯度、梯度阈值和所有像素点的数量，确定亮度区间对应的平坦置信度；
根据所述平坦置信度确定裁剪阈值。
11.根据权利要求10所述的方法，其特征在于，根据所述裁剪阈值对所述统计直方图进行平滑处理，包括：
将所述多个亮度区间中像素个数大于所述裁剪阈值的部分，分摊至像素个数小于所述裁剪阈值的亮度区间。
12.根据权利要求1-11任一项所述的方法，其特征在于，将所述RGB图像，转换为亮度图像，包括：
针对所述RGB图像中任意一个像素点，将其RGB数值中的最大值，作为所述亮度图像中在该像素点的初始亮度值。
13.根据权利要求12所述的方法，其特征在于，根据所述亮度增益值对所述RGB图像进行处理，得到处理后的RGB图像，包括：
根据所述亮度增益值对所述RGB图像中所有像素点的RGB数值进行处理，得到所述处理后的RGB图像。
14.一种图像处理装置，其特征在于，包括获取模块、转换模块、确定模块和处理模块，其中，
所述获取模块用于，获取RGB图像；
所述转换模块用于，将所述RGB图像，转换为亮度图像；
所述确定模块用于，根据所述亮度图像，确定所述RGB图像中每个像素点的亮度增益值；
所述处理模块用于，根据所述亮度增益值对所述RGB图像进行处理，得到处理后的RGB图像。
15.一种图像处理设备，其特征在于，包括处理器、存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如权利要求1至13任一项所述的图像处理方法。
16.一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中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现权利要求1至13任一项所述的图像处理方法。
17.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时实现权利要求1至13任一项所述的图像处理方法。
CN202210970241.3A 2022-08-12 2022-08-12 图像处理方法、装置、设备、存储介质及程序产品 Pending CN115330621A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210970241.3A CN115330621A (zh) 2022-08-12 2022-08-12 图像处理方法、装置、设备、存储介质及程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210970241.3A CN115330621A (zh) 2022-08-12 2022-08-12 图像处理方法、装置、设备、存储介质及程序产品

Publications (1)

Publication Number Publication Date
CN115330621A true CN115330621A (zh) 2022-11-11

Family

ID=83923527

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210970241.3A Pending CN115330621A (zh) 2022-08-12 2022-08-12 图像处理方法、装置、设备、存储介质及程序产品

Country Status (1)

Country Link
CN (1) CN115330621A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024198778A1 (zh) * 2023-03-31 2024-10-03 深圳市中兴微电子技术有限公司 图像处理方法、电子设备、计算机可读介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024198778A1 (zh) * 2023-03-31 2024-10-03 深圳市中兴微电子技术有限公司 图像处理方法、电子设备、计算机可读介质

Similar Documents

Publication Publication Date Title
KR100467610B1 (ko) 디지털 화질 개선 방법 및 장치
KR100970883B1 (ko) 영역 특성을 고려한 영상 보정 장치 및 그 방법
US7227990B2 (en) Color image processing device and color image processing method
US10565742B1 (en) Image processing method and apparatus
TWI542224B (zh) 影像訊號處理方法以及影像訊號處理裝置
US20130064448A1 (en) Image chroma noise reduction
US8780215B2 (en) Apparatus and method for processing an image to correct image distortion caused by a hand shake
US8265391B1 (en) Localized, adaptive video contrast enhancement using controlled histogram equalization
JP2006013558A (ja) 画像処理装置、画像処理プログラム
US20180061029A1 (en) Image processing apparatus, imaging apparatus, image processing method, and storage medium storing image processing program of image processing apparatus
CN107395991A (zh) 图像合成方法、装置、计算机可读存储介质和计算机设备
WO2015119271A1 (ja) 画像処理装置、撮像装置、画像処理方法、コンピュータにより処理可能な一時的でない記憶媒体
JP4850281B2 (ja) 画像信号処理装置、画像信号処理プログラム
CN113658043A (zh) 图像处理方法、装置、电子设备和可读存储介质
KR20190073516A (ko) 화상 처리 장치, 디지털 카메라, 화상 처리 프로그램, 및 기록 매체
KR20060081536A (ko) 영상의 ｒｇｂ 정보를 이용한 블랙/화이트 스트레칭 시스템
JP2014010776A (ja) 画像処理装置、画像処理方法、及び、プログラム
KR102753877B1 (ko) 화상 처리 방법
CN115330621A (zh) 图像处理方法、装置、设备、存储介质及程序产品
US11640654B2 (en) Image processing method and apparatus
JP4595569B2 (ja) 撮像装置
US20130177257A1 (en) Image processing device, image processing method, image processing program and recording medium
US8072516B2 (en) Dynamic range enhancement method and apparatus
KR20160001582A (ko) 화상 처리 장치 및 화상 처리 방법
US11153467B2 (en) Image processing

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