[go: up one dir, main page]

CN115908191A - 滤镜参数获取方法及其装置 - Google Patents

滤镜参数获取方法及其装置 Download PDF

Info

Publication number
CN115908191A
CN115908191A CN202211579442.7A CN202211579442A CN115908191A CN 115908191 A CN115908191 A CN 115908191A CN 202211579442 A CN202211579442 A CN 202211579442A CN 115908191 A CN115908191 A CN 115908191A
Authority
CN
China
Prior art keywords
image
sub
target
lut
division
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
CN202211579442.7A
Other languages
English (en)
Inventor
高丽盼
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.)
Vivo Mobile Communication Co Ltd
Original Assignee
Vivo Mobile Communication 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 Vivo Mobile Communication Co Ltd filed Critical Vivo Mobile Communication Co Ltd
Priority to CN202211579442.7A priority Critical patent/CN115908191A/zh
Publication of CN115908191A publication Critical patent/CN115908191A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

本申请公开了一种滤镜参数获取方法及其装置,属于图像处理技术领域。方法包括:获取第一标定图,所述第一标定图包括M个第一图像块,每个所述第一图像块包括M*M个第一子图像块,每个第一子图像块包括像素值相同的多个像素点,M为小于或等于255的正整数;将所述第一标定图输入至目标滤镜,获得第二标定图,所述第二标定图包括M个第二图像块,每个所述第二图像块包括M*M个第二子图像块;根据各所述第二子图像块,确定所述目标滤镜的第一3D LUT。

Description

滤镜参数获取方法及其装置
技术领域
本申请属于图像处理技术领域,具体涉及一种滤镜参数获取方法及其装置。
背景技术
一键修图及个性化修图越来越受用户的喜爱,常用的快速修图手段有滤镜、抠图、特效、虚化等,其中滤镜可以调节图像的风格和色调,能够明显体现出作者的心情,如忧郁、阳光等,应用广泛。现在常用的滤镜有复古、胶片、自然、派对、摇摄、素描、油画等等各类滤镜。绝大部分滤镜则属于色调类滤镜,是通过三维(3Dimensions,3D)查找表(Look UpTables,LUT)参数实现的,如复古、自然、暖阳、清新等滤镜。
目前市面上的色调类滤镜种类繁多,而且由于不同厂商的审美不同,提供的滤镜库也不尽相同,即使是相同命名的滤镜,不同厂商也会有些许差异,而且一个厂商只能提供有限的滤镜库。当某个厂商提供的有限的滤镜库无法满足用户的审美时,用户则只能使用别的厂商的滤镜库来满足自己的喜爱,或者自己手动调节到满意。
也就是说,不同厂商提供的滤镜只能在厂商的平台上使用,不能依照用户需求进行滤镜的跨平台扩充,滤镜添加缺乏灵活性。
发明内容
本申请实施例的目的是提供一种滤镜参数获取方法及其装置,能够解决滤镜添加缺乏灵活性的问题。
第一方面,本申请实施例提供了一种滤镜参数获取方法,该方法包括:
获取第一标定图,所述第一标定图包括M个第一图像块,每个所述第一图像块包括M*M个第一子图像块,每个第一子图像块包括像素值相同的多个像素点,M为小于或等于255的正整数;
将所述第一标定图输入至目标滤镜,获得第二标定图,所述第二标定图包括M个第二图像块,每个所述第二图像块包括M*M个第二子图像块;
根据各所述第二子图像块,确定所述目标滤镜的第一三维查找表3D LUT。
第二方面,本申请实施例提供了一种滤镜参数获取装置,所述装置包括:
第一获取模块,用于获取第一标定图,所述第一标定图包括M个第一图像块,每个所述第一图像块包括M*M个第一子图像块,每个第一子图像块包括像素值相同的多个像素点,M为小于或等于255的正整数;
第二获取模块,用于将所述第一标定图输入至目标滤镜,获得第二标定图,所述第二标定图包括M个第二图像块,每个所述第二图像块包括M*M个第二子图像块;
确定模块,用于根据各所述第二子图像块,确定所述目标滤镜的第一三维查找表3D LUT。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
第五方面,本申请实施例提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法。
第六方面,本申请实施例提供一种程序产品,该程序产品被存储在存储介质中,该程序产品被至少一个处理器执行以实现如第一方面所述的方法。
在本申请实施例中,获取第一标定图,所述第一标定图包括M个第一图像块,每个所述第一图像块包括M*M个第一子图像块,每个第一子图像块包括像素值相同的多个像素点,M为小于或等于255的正整数;将所述第一标定图输入至目标滤镜,获得第二标定图,所述第二标定图包括M个第二图像块,每个所述第二图像块包括M*M个第二子图像块;根据各所述第二子图像块,确定所述目标滤镜的第一3D LUT。通过上述方式,可以获取到目标滤镜的第一3D LUT,实现快速将目标滤镜复原,可通过第一3D LUT将目标滤镜添加至其他平台,实现目标滤镜的跨平台使用,用户可以根据需求向滤镜库添加第一3D LUT,从而实现滤镜的灵活添加。
附图说明
图1是本申请实施例提供的滤镜参数获取方法的一流程图;
图2a为本申请实施例提供的色彩空间划分节点示意图;
图2b为本申请实施例提供的第一标定图;
图2c为本申请实施例提供的滤镜参数获取方法的另一流程图;
图3是本申请实施例提供的滤镜参数获取装置的结构图;
图4是本申请实施例提供的电子设备的结构图之一;
图5是本申请实施例提供的电子设备的结构图之二。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,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获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的滤镜参数获取方法进行详细地说明。
图1是本申请实施例提供的滤镜参数获取方法的流程图之一。本实施例中的滤镜参数获取方法,应用于电子设备,包括如下步骤:
步骤101、获取第一标定图,所述第一标定图包括M个第一图像块,每个所述第一图像块包括M*M个第一子图像块,每个第一子图像块包括像素值相同的多个像素点,M为小于或等于255的正整数。
本申请中的方法可应用于色调类滤镜,色调类滤镜是通过3D LUT来实现的,通过设置3D LUT中各个节点的参数值,可以获得不同的滤镜,3D LUT可以理解为由R(红色)、G(绿色)、B(蓝色)3个1D LUT组成的3D LUT,输入的R、G、B三个通道颜色值按照3D LUT做映射,得到转换后的颜色。
3D LUT可以对RGB色彩空间进行划分,RGB色彩空间坐标轴为R、G、B三个纬度,每一纬度为[0,255],若每个纬度分割为两段三个节点,如果以段划分,那么对色彩空间进行划分的尺寸是2*2*2;如果以节点划分,那么对色彩空间进行划分的尺寸是3*3*3,两种说法都正确。在本实施例中,M为以节点划分为例进行说明。
3D LUT的尺寸包括但不限于17*17*17、18*18*18、33*33*33、52*52*52、65*65*65等。根据标准M*M*M的3D LUT,可以获得第一标定图。举例来说,若M为18,则R、G、B每个维度上有18个节点,18个节点将像素值[0,255]等间隔分为17份,每份的步长为15,如图2a所示为标准的18*18*18的3DLUT。第一标定图包含18个大方块Block0(即第一图像块),且每个Block0中的B分量为固定值,第一图像块的横坐标为R分量,纵坐标为G分量;而每个大方块Block0中又包含18*18个小方块Block1(即第一子图像块),为了减少图像压缩可能引入的损失,每个小方块Block1又由多个相同像素值的像素点组成,即第一子图像块包括N*N个像素值相同的多个像素点,N的取值为正整数,例如,N为20或30,N的值越大,精度越高。
需要说明的是,M个第一图像块可以在第一标定图中以预设方式排列,例如I行J列,I,J为正整数,在排列时,可能M个第一图像块不够排满I行J列,则缺少的位置可以采用预设图像填补,预设图像中的像素值可根据实际情况设置,例如,可以设置为(0,0,0)。
步骤102、将所述第一标定图输入至目标滤镜,获得第二标定图,所述第二标定图包括M个第二图像块,每个所述第二图像块包括M*M个第二子图像块。
目标滤镜对第一标定图中的像素点的像素值进行调整,并不会改变第一标定图的尺寸,也就是说,第一图像块和第二图像块的大小相同,且M个第一图像块和M个第二图像块具有一一对应关系。第一图像块中的第一子图像块和第二图像块中的第二子图像块也具有一一对应关系。
步骤103、根据各所述第二子图像块,确定所述目标滤镜的第一3D LUT。
目标滤镜可以为黑盒滤镜,黑盒滤镜是指未公开详细3DLut参数的滤镜,根据每个第二子图像块的像素值,可以确定第一3D LUT中的一个节点的参数值。
本实施例中,获取第一标定图,所述第一标定图包括M个第一图像块,每个所述第一图像块包括M*M个第一子图像块,每个第一子图像块包括像素值相同的多个像素点,M为小于或等于255的正整数;将所述第一标定图输入至目标滤镜,获得第二标定图,所述第二标定图包括M个第二图像块,每个所述第二图像块包括M*M个第二子图像块;根据各所述第二子图像块,确定所述目标滤镜的第一3D LUT。通过上述方式,可以获取到目标滤镜的第一3DLUT,实现快速将目标滤镜复原,可通过第一3D LUT将目标滤镜添加至其他平台,实现目标滤镜的跨平台使用,用户可以根据需求向滤镜库添加第一3DLUT,从而实现滤镜的灵活添加。
在本申请一种实施例中,所述步骤101,获取第一标定图,包括:
步骤1011,对预设色彩空间进行划分,获得多个划分节点,所述多个划分节点包括M个第一划分节点,每个第一划分节点包括M*M个划分子节点,每个划分子节点对应一个颜色值;
步骤1012,根据所述M个第一划分节点,确定所述M个第一图像块,一个所述第一划分节点对应一个所述第一图像块,其中,目标图像块为所述M个第一图像块中的任意图像块,所述目标图像块中的第一子图像块的像素值根据目标划分节点包括的划分子节点的颜色值确定,所述目标划分节点为与所述目标图像块对应的第一划分节点。
具体地,预设色彩空间可为RGB色彩空间,RGB色彩空间包括R、G、B三个维度,每个纬度包括M个划分节点,如图2a所示,举例来说,若M为18,则R、G、B每个维度上有18个划分节点,18个划分节点将像素值[0,255]等间隔分为17份,每份的步长为15,第一划分节点包括B分量为0的划分子节点,具体地,第一划分节点包括的第一划分子节点的B分量为0,R分量为[0,15,30…,255]中的一个,G分量为[0,15,30…,255]中的一个。每个划分子节点的参数值为该节点处的颜色值,例如,图2a中,标号为11的节点的参数值为(0,0,0),即R、G、B上的值分别为0,0,0,标号为12的节点的参数值为(0,15,0),标号为13的节点的参数值为(15,0,0)。
将一个第一划分节点映射到一个第一图像块上,即每个第一划分节点对应一个第一图像块,每个第一划分节点中的每个划分子节点对应一个第一子图像块,每个第一子图像块的像素值与该第一子图像块对应的划分子节点的颜色值相同。例如,如图2b所示,图中标号14所示为一个第一图像块,第一子图像块15的像素值与标号为11的节点的参数值(0,0,0)相同,第一子图像块16的像素值与标号为12的节点的参数值(0,15,0)相同,第一子图像块17的像素值与标号为13的节点的参数值(15,0,0)相同,第一子图像块可以包括一个像素点,也可以包括N*N个像素值相同的像素点。
本实施例中,对预设色彩空间进行划分,可获得标准的M*M*M的3DLUT,将该3D LUT中节点的参数值,映射为第一标定图中第一子图像块的像素值,可以将3D LUT映射为二维图像,便于后续利用目标滤镜对第一标定图进行处理,从而获得目标滤镜的3D LUT,运算简单,获取效率高。
在本申请一种实施例中,所述第一3D LUT包括多个节点,多个节点与多个划分节点一一对应;步骤103,根据各所述第二子图像块,确定所述目标滤镜的第一三维查找表3DLUT,包括:
根据目标子图像块中像素点的像素值,确定所述第一3D LUT中目标节点的参数值,所述目标子图像块为任意第二子图像块,所述目标子图像块与所述目标节点对应。
具体地,由于第一3D LUT中的多个节点与多个划分节点一一对应,多个划分节点与多个第一子图像块一一对应,多个第一子图像块与多个第二子图像块一一对应,则多个节点与多个第二子图像块一一对应。
目标子图像块为任意一个第二子图像块,目标子图像块与目标节点对应,根据目标子图像块中的像素点的像素值,可以确定目标节点的参数值,例如,可以将目标子图像块中所有像素点的像素值的平均值,作为目标节点的参数值。由此可以获得第一3D LUT中各个节点的参数值,该第一3D LUT即为目标滤镜的3D LUT,根据第一3D LUT可获得像素级精度的滤镜。
通过上述方式,可以获取目标滤镜的3D LUT,用户可以该3D LUT添加到滤镜库中,实现滤镜的跨平台利用,提高了滤镜获取效率。
在本申请另一个实施例中,为了提高获取的滤镜的精度,在步骤103,根据各所述第二子图像块,确定所述目标滤镜的第一三维查找表3D LUT之后,所述方法还包括:
步骤104,获取初始彩色图。
初始彩色图可以是R、G、B分别在[0,255]范围内均匀分布的随机彩色图,该随机彩色图需要尽量包含R、G、B分别在[0,255]范围内的所有组合,以保证达到比较高的准确度。本实施例中,对初始彩色图的尺寸不做限制,尺寸越大,精度越高,例如,初始彩色图的容量可为4M,尺寸2000x2000左右。可使用uniform()函数,生成一张R、G、B在[0,255]范围内均匀分布的随机彩色图。
步骤105,将所述初始彩色图输入至所述目标滤镜,获得第一彩色图。
步骤106,基于所述第一3D LUT对所述初始彩色图进行滤镜处理,获得第二彩色图。
步骤107,根据所述第一彩色图和所述第二彩色图,对第一3D LUT的节点的参数值进行调整,得到所述目标滤镜的第二3D LUT。
第一彩色图可以作为目标滤镜的标准图(也可理解为参照图),第二彩色图根据第一3D LUT处理获得,可以理解为第一3D LUT处理的结果图。基于第一彩色图和第二彩色图之间的差异,对第一3D LUT的节点的参数值进行调整,第一3D LUT处理的结果图更加接近目标滤镜处理的结果图,调整完成之后的3D LUT称为第二3D LUT,相比于第一3D LUT,第二3D LUT的精度更高,与目标滤镜的3D LUT之间的差异更小。本实施例中,通过第一彩色图和第二彩色图,对第一3D LUT的节点的参数值进行调整,可以获得精度更高的第二3D LUT。
上述中,步骤107,根据所述第一彩色图和所述第二彩色图,对第一3D LUT的节点的参数值进行调整,得到所述目标滤镜的第二3D LUT,包括:
将所述第一彩色图和所述第二彩色图输入至机器学习模型,得到所述目标滤镜的第二3D LUT,其中,所述机器学习模型的损失函数根据所述第一彩色图、所述第二彩色图、所述机器学习模型的输出结果以及第一3D LUT确定,所述机器学习模型采用梯度下降算法。
具体地,对第一3D LUT的调整,可以采用机器学习模型进行处理,机器学习模型的输入为第一彩色图和第二彩色图,机器学习模型的输出为第二3DLUT。机器学习模型经过多次迭代,获得最终的第二3D LUT。机器学习模型可以设置迭代次数,例如迭代1000次,1000迭代完成之后停止迭代,输出第二3D LUT,第二3D LUT为亚像素级滤镜。
机器学习模型也可以设置损失函数小于预设阈值时,停止迭代。损失函数可使用第一彩色图的L1 loss(即平均绝对值误差),同时,为了减少初始彩色图分布不绝对均匀而引入的误差,还需考虑3D LUT的L1 loss,基于此,损失函数loss=avg(B2–B1)+avg(3DLut1–3DLut0),其中,B1表示第一彩色图,B2表示第二彩色图,3DLut0表示第一3D LUT,3DLut1表示第二3D LUT,(B2–B1)表示第二彩色图和第一彩色图对应位置的像素值相减,avg(B2–B1)表示取(B2–B1)中像素值之和的平均值,(3DLut1–3DLut0)表示对应位置的节点的参数值相减,avg(3DLut1–3DLut0)表示取(3DLut1–3DLut0)中参数值之和的平均值。B1和B2之间的差异越小,loss值越小,3DLut1和3DLut0之间的差异越小,loss值越小。
本实施例中,以机器学习模型可采用梯度下降算法,学习率可以是0.1或0.05等等。如图2c所示,机器学习模型获得第二3D LUT的具体过程为:
步骤201,为3DLut1赋值,3DLut1的初始值为3DLut0的值。
步骤202,利用3DLut1对初始彩色图进行处理,获得第二彩色图。
步骤203,计算损失函数loss的梯度,loss=avg(B2–B1)+avg(3DLut1–3DLut0);
步骤204,判断是否梯度最小,若是,转步骤205执行,若否,转步骤206执行。
步骤205,输出3DLut1。
步骤206,调整3DLut1的值,并将调整后的值赋值给3DLut1。
本申请提供的方法,可以快速将目标滤镜复原,用于滤镜库的扩充,提高开发效率;设置了专门的标定图(即第一标定图),该标定图只需经过一次目标滤镜,就可以得到像素级精度的滤镜;设置均匀分布的初始彩色图,结合梯度下降法,可以获得亚像素级的高精度滤镜。
本申请针对色调类滤镜进行滤镜复原,耗时几ms就可以将目标滤镜复原,响应快、精度高,可用于快速的扩充滤镜库。同时,本申请提供的方法还可以集成在修图软件中,让用户也能做到“一键添加滤镜”,厂商可以提前准备好第一标定图和均匀分布的初始彩色图,用户将这两张图经过喜爱的黑盒滤镜处理后,传回厂商集成的“一键添加滤镜”,就可以将滤镜添加到个人滤镜库中,滤镜添加方式灵活且效率高。
本申请实施例提供的滤镜参数获取方法,执行主体可以为滤镜参数获取装置。本申请实施例中以滤镜参数获取装置执行滤镜参数获取方法为例,说明本申请实施例提供的滤镜参数获取装置。
如图3所示,滤镜参数获取装置300包括:
第一获取模块301,用于获取第一标定图,所述第一标定图包括M个第一图像块,每个所述第一图像块包括M*M个第一子图像块,每个第一子图像块包括像素值相同的多个像素点,M为小于或等于255的正整数;
第二获取模块302,用于将所述第一标定图输入至目标滤镜,获得第二标定图,所述第二标定图包括M个第二图像块,每个所述第二图像块包括M*M个第二子图像块;
确定模块303,用于根据各所述第二子图像块,确定所述目标滤镜的第一三维查找表3D LUT。
可选地,所述第一获取模块301,包括:
第一获取子模块,用于对预设色彩空间进行划分,获得多个划分节点,所述多个划分节点包括M个第一划分节点,每个第一划分节点包括M*M个划分子节点,每个划分子节点对应一个颜色值;
第二获取子模块,用于根据所述M个第一划分节点,确定所述M个第一图像块,一个所述第一划分节点对应一个所述第一图像块,其中,目标图像块为所述M个第一图像块中的任意图像块,所述目标图像块中的第一子图像块的像素值根据目标划分节点包括的划分子节点的颜色值确定,所述目标划分节点为与所述目标图像块对应的第一划分节点。
可选地,所述第一3D LUT包括多个节点,多个节点与多个划分节点一一对应;
所述确定模块303,用于根据目标子图像块中像素点的像素值,确定所述第一3DLUT中目标节点的参数值,所述目标子图像块为任意第二子图像块,所述目标子图像块与所述目标节点对应。
可选地,所述装置300还包括:
第三获取模块,用于获取初始彩色图;
第四获取模块,用于将所述初始彩色图输入至所述目标滤镜,获得第一彩色图;
第五获取模块,用于基于所述第一3D LUT对所述初始彩色图进行滤镜处理,获得第二彩色图;
调整模块,用于根据所述第一彩色图和所述第二彩色图,对第一3D LUT的节点的参数值进行调整,得到所述目标滤镜的第二3D LUT。
可选地,所述调整模块,用于将所述第一彩色图和所述第二彩色图输入至机器学习模型,得到所述目标滤镜的第二3D LUT,其中,所述机器学习模型的损失函数根据所述第一彩色图、所述第二彩色图、所述机器学习模型的输出结果以及第一3D LUT确定,所述机器学习模型采用梯度下降算法。
本申请实施例提供的滤镜参数获取装置300能够实现前述方法实施例实现的各个过程,为避免重复,这里不再赘述。
本申请实施例中的滤镜参数获取装置300可以是电子设备,也可以是电子设备中的部件,例如集成电路或芯片。该电子设备可以是终端,也可以为除终端之外的其他设备。示例性的,电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(Mobile Internet Device,MID)、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobilepersonal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,还可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的滤镜参数获取装置300可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为ios操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
可选地,如图4所示,本申请实施例还提供一种电子设备600,包括处理器601和存储器602,存储器602上存储有可在所述处理器601上运行的程序或指令,该程序或指令被处理器601执行时实现上述滤镜参数获取方法实施例的各个步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
图5为实现本申请实施例的一种电子设备的硬件结构图。
该电子设备700包括但不限于:射频单元701、网络模块702、音频输出单元703、输入单元704、传感器705、显示单元706、用户输入单元707、接口单元708、存储器709、以及处理器710等部件。
本领域技术人员可以理解,电子设备700还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器710逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图5中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。
其中,处理器710,用于获取第一标定图,所述第一标定图包括M个第一图像块,每个所述第一图像块包括M*M个第一子图像块,每个第一子图像块包括像素值相同的多个像素点,M为小于或等于255的正整数;将所述第一标定图输入至目标滤镜,获得第二标定图,所述第二标定图包括M个第二图像块,每个所述第二图像块包括M*M个第二子图像块;根据各所述第二子图像块,确定所述目标滤镜的第一三维查找表3D LUT。
可选地,处理器710,还用于对预设色彩空间进行划分,获得多个划分节点,所述多个划分节点包括M个第一划分节点,每个第一划分节点包括M*M个划分子节点,每个划分子节点对应一个颜色值;根据所述M个第一划分节点,确定所述M个第一图像块,一个所述第一划分节点对应一个所述第一图像块,其中,目标图像块为所述M个第一图像块中的任意图像块,所述目标图像块中的第一子图像块的像素值根据目标划分节点包括的划分子节点的颜色值确定,所述目标划分节点为与所述目标图像块对应的第一划分节点。
可选地,所述第一3D LUT包括多个节点,多个节点与多个划分节点一一对应;处理器710,还用于根据目标子图像块中像素点的像素值,确定所述第一3D LUT中目标节点的参数值,所述目标子图像块为任意第二子图像块,所述目标子图像块与所述目标节点对应。
可选地,处理器710,还用于获取初始彩色图;将所述初始彩色图输入至所述目标滤镜,获得第一彩色图;基于所述第一3D LUT对所述初始彩色图进行滤镜处理,获得第二彩色图;根据所述第一彩色图和所述第二彩色图,对第一3D LUT的节点的参数值进行调整,得到所述目标滤镜的第二3D LUT。
可选地,处理器710,还用于将所述第一彩色图和所述第二彩色图输入至机器学习模型,得到所述目标滤镜的第二3D LUT,其中,所述机器学习模型的损失函数根据所述第一彩色图、所述第二彩色图、所述机器学习模型的输出结果以及第一3D LUT确定,所述机器学习模型采用梯度下降算法。
本申请实施例提供的电子设备能够实现前述方法实施例实现的各个过程,为避免重复,这里不再赘述。
应理解的是,本申请实施例中,输入单元704可以包括图形处理器(GraphicsProcessing Unit,GPU)7041和麦克风7042,图形处理器7041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元706可包括显示面板7061,可以采用液晶显示器、有机发光二极管等形式来配置显示面板7061。用户输入单元707包括触控面板7071以及其他输入设备7072中的至少一种。触控面板7071,也称为触摸屏。触控面板7071可包括触摸检测装置和触摸控制器两个部分。其他输入设备7072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。
存储器709可用于存储软件程序以及各种数据。存储器709可主要包括存储程序或指令的第一存储区和存储数据的第二存储区,其中,第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外,存储器709可以包括易失性存储器或非易失性存储器,或者,存储器709可以包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DRRAM)。本申请实施例中的存储器709包括但不限于这些和任意其它适合类型的存储器。
处理器710可包括一个或多个处理单元;可选的,处理器710集成应用处理器和调制解调处理器,其中,应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作,调制解调处理器主要处理无线通信信号,如基带处理器。可以理解的是,上述调制解调处理器也可以不集成到处理器710中。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述滤镜参数获取方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述滤镜参数获取方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
本申请实施例提供一种计算机程序产品,该程序产品被存储在存储介质中,该程序产品被至少一个处理器执行以实现如上述滤镜参数获取方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。

Claims (10)

1.一种滤镜参数获取方法,其特征在于,包括:
获取第一标定图,所述第一标定图包括M个第一图像块,每个所述第一图像块包括M*M个第一子图像块,每个所述第一子图像块包括像素值相同的多个像素点,M为小于或等于255的正整数;
将所述第一标定图输入至目标滤镜,获得第二标定图,所述第二标定图包括M个第二图像块,每个所述第二图像块包括M*M个第二子图像块;
根据各所述第二子图像块,确定所述目标滤镜的第一三维查找表3D LUT。
2.根据权利要求1所述的方法,其特征在于,所述获取第一标定图,包括:
对预设色彩空间进行划分,获得多个划分节点,其中,所述多个划分节点包括M个第一划分节点,每个第一划分节点包括M*M个划分子节点,且每个所述划分子节点对应一个颜色值;
根据所述M个第一划分节点,确定所述M个第一图像块,一个所述第一划分节点对应一个所述第一图像块,其中,目标图像块为所述M个第一图像块中的任意图像块,所述目标图像块中的第一子图像块的像素值根据目标划分节点包括的划分子节点的颜色值确定,所述目标划分节点为与所述目标图像块对应的第一划分节点。
3.根据权利要求2所述的方法,其特征在于,第一3D LUT包括多个节点,多个节点与多个划分节点一一对应;
所述根据各所述第二子图像块,确定所述目标滤镜的第一三维查找表3DLUT,包括:
根据目标子图像块中像素点的像素值,确定所述第一3D LUT中目标节点的参数值,所述目标子图像块为任意第二子图像块,所述目标子图像块与所述目标节点对应。
4.根据权利要求1所述的方法,其特征在于,在所述根据各所述第二子图像块,确定所述目标滤镜的第一三维查找表3D LUT之后,所述方法还包括:
获取初始彩色图;
将所述初始彩色图输入至所述目标滤镜,获得第一彩色图;
基于第一3D LUT对所述初始彩色图进行滤镜处理,获得第二彩色图;
根据所述第一彩色图和所述第二彩色图,对第一3D LUT的节点的参数值进行调整,得到所述目标滤镜的第二3D LUT。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第一彩色图和所述第二彩色图,对第一3D LUT的节点的参数值进行调整,得到所述目标滤镜的第二3D LUT,包括:
将所述第一彩色图和所述第二彩色图输入至机器学习模型,得到所述目标滤镜的第二3D LUT,其中,所述机器学习模型的损失函数根据所述第一彩色图、所述第二彩色图、所述机器学习模型的输出结果以及第一3D LUT确定,所述机器学习模型采用梯度下降算法。
6.一种滤镜参数获取装置,其特征在于,包括:
第一获取模块,用于获取第一标定图,所述第一标定图包括M个第一图像块,每个所述第一图像块包括M*M个第一子图像块,每个第一子图像块包括像素值相同的多个像素点,M为小于或等于255的正整数;
第二获取模块,用于将所述第一标定图输入至目标滤镜,获得第二标定图,所述第二标定图包括M个第二图像块,每个所述第二图像块包括M*M个第二子图像块;
确定模块,用于根据各所述第二子图像块,确定所述目标滤镜的第一三维查找表3DLUT。
7.根据权利要求6所述的装置,其特征在于,所述第一获取模块,包括:
第一获取子模块,用于对预设色彩空间进行划分,获得多个划分节点,其中,所述多个划分节点包括M个第一划分节点,每个第一划分节点包括M*M个划分子节点,且每个所述划分子节点对应一个颜色值;
第二获取子模块,用于根据所述M个第一划分节点,确定所述M个第一图像块,一个所述第一划分节点对应一个所述第一图像块,其中,目标图像块为所述M个第一图像块中的任意图像块,所述目标图像块中的第一子图像块的像素值根据目标划分节点包括的划分子节点的颜色值确定,所述目标划分节点为与所述目标图像块对应的第一划分节点。
8.根据权利要求7所述的装置,其特征在于,第一3D LUT包括多个节点,多个节点与多个划分节点一一对应;
所述确定模块,用于根据目标子图像块中像素点的像素值,确定所述第一3D LUT中目标节点的参数值,所述目标子图像块为任意第二子图像块,所述目标子图像块与所述目标节点对应。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第三获取模块,用于获取初始彩色图;
第四获取模块,用于将所述初始彩色图输入至所述目标滤镜,获得第一彩色图;
第五获取模块,用于基于第一3D LUT对所述初始彩色图进行滤镜处理,获得第二彩色图;
调整模块,用于根据所述第一彩色图和所述第二彩色图,对第一3D LUT的节点的参数值进行调整,得到所述目标滤镜的第二3D LUT。
10.根据权利要求9所述的装置,其特征在于,所述调整模块,用于将所述第一彩色图和所述第二彩色图输入至机器学习模型,得到所述目标滤镜的第二3D LUT,其中,所述机器学习模型的损失函数根据所述第一彩色图、所述第二彩色图、所述机器学习模型的输出结果以及第一3D LUT确定,所述机器学习模型采用梯度下降算法。
CN202211579442.7A 2022-12-09 2022-12-09 滤镜参数获取方法及其装置 Pending CN115908191A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211579442.7A CN115908191A (zh) 2022-12-09 2022-12-09 滤镜参数获取方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211579442.7A CN115908191A (zh) 2022-12-09 2022-12-09 滤镜参数获取方法及其装置

Publications (1)

Publication Number Publication Date
CN115908191A true CN115908191A (zh) 2023-04-04

Family

ID=86493692

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211579442.7A Pending CN115908191A (zh) 2022-12-09 2022-12-09 滤镜参数获取方法及其装置

Country Status (1)

Country Link
CN (1) CN115908191A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116993619A (zh) * 2023-08-29 2023-11-03 荣耀终端有限公司 图像处理方法及相关设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106791756A (zh) * 2017-01-17 2017-05-31 维沃移动通信有限公司 一种多媒体数据处理方法及移动终端
CN115034998A (zh) * 2022-06-30 2022-09-09 拉扎斯网络科技(上海)有限公司 模型训练方法、图像处理方法、设备及介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106791756A (zh) * 2017-01-17 2017-05-31 维沃移动通信有限公司 一种多媒体数据处理方法及移动终端
CN115034998A (zh) * 2022-06-30 2022-09-09 拉扎斯网络科技(上海)有限公司 模型训练方法、图像处理方法、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ALEXANDER KARPINSKY: "Accurate Instagram Filters Reconstruction", Retrieved from the Internet <URL:https://github.com/homm/color-filters-reconstruction> *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116993619A (zh) * 2023-08-29 2023-11-03 荣耀终端有限公司 图像处理方法及相关设备
CN116993619B (zh) * 2023-08-29 2024-03-12 荣耀终端有限公司 图像处理方法及相关设备

Similar Documents

Publication Publication Date Title
CN115908191A (zh) 滤镜参数获取方法及其装置
CN116843566A (zh) 色调映射方法、装置、显示设备和存储介质
CN114327166B (zh) 图像处理方法、装置、电子设备及可读存储介质
CN111462158A (zh) 一种图像处理方法、装置及智能设备、存储介质
US11682364B2 (en) Curvature interpolation for lookup table
CN114512094B (zh) 屏幕色彩调节方法、装置、终端及计算机可读存储介质
US20110310111A1 (en) Method for providing texture effect and display apparatus applying the same
CN108604367A (zh) 一种显示方法以及手持电子设备
CN119011740A (zh) 图像处理方法、装置、电子设备及可读存储介质
US11978111B2 (en) Object virtualization processing method and device, electronic device and storage medium
CN117112090A (zh) 业务页面主题生成方法、装置、计算机设备、介质和产品
CN115797160A (zh) 图像的生成方法及其装置
CN104754313A (zh) 一种图像获取方法及电子设备
CN110599394A (zh) 在线演示文稿中的图片处理方法、装置、存储介质及设备
CN113421214B (zh) 特效文字生成方法、装置、存储介质以及电子设备
CN105827936A (zh) 一种图像处理方法及移动终端
CN114363507A (zh) 图像处理方法及装置
CN113935891A (zh) 像素风格的场景渲染方法、设备及存储介质
CN115576513A (zh) 目标图像的显示方法、显示装置、电子设备和存储介质
CN115914602B (zh) 白平衡调整方法、装置、计算机设备和存储介质
CN116452702B (zh) 信息图表快速设计方法、装置、计算机设备和存储介质
CN104184895B (zh) 照相模块输出图像分辨率的控制方法及移动终端
CN115908596B (zh) 一种图像处理方法及电子设备
CN106776682A (zh) 一种图片匹配装置、方法及移动终端
CN104217697B (zh) 屏幕显示方法、装置及系统

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