本申请提供一种图像处理方法、装置及电子设备，该方法的一具体实施方式包括：在检测到待处理图像中的目标区域时，确定所述目标区域的上下文信息；根据所述上下文信息，计算所述目标区域的调制强度；根据所述调制强度增强所述目标区域的对比度，得到目标图像。该方法可以使增强了对比度后的目标图像的视觉效果较佳。佳。佳。
【技术实现步骤摘要】
图像处理方法、装置及电子设备
[0001]本申请涉及信息处理领域，具体而言，涉及一种图像处理方法、装置及电子设备。
技术介绍
[0002]对比度指的是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。对比度对视觉效果的影响非常关键，一般来说对比度越大，图像越清晰醒目，色彩也越鲜明艳丽；而对比度小，则会让整个画面都灰蒙蒙的。
[0003]在相关技术中，可以通过统计图像的灰度直方图，再进行全局的直方图均衡化来扩大图像灰度级范围，完成图像像素值的重分配，达到增强对比度的目的。但是，其难以兼顾高亮处对比度和暗处的细节，且平坦区噪声被放大的同时纹理区细节未得到明显提升、场景适应性差，继而导致处理后的图像视觉效果不佳。
技术实现思路
[0004]本申请实施例的目的在于提供一种图像处理方法、装置及电子设备，用以在提高待处理图像的对比度的同时，使该待处理图像的视觉效果较佳。
[0005]第一方面，本申请实施例提供了一种图像处理方法，该方法包括：在检测到待处理图像中的目标区域时，确定所述目标区域的上下文信息；根据所述上下文信息，计算所述目标区域的调制强度；根据所述调制强度增强所述目标区域的对比度，得到目标图像。可以根据目标区域的上下文信息适应性调整对比度，兼顾了亮暗区的对比度、以及纹理区和平坦区的对比度。并且，由于可以将目标区域确定为感兴趣的图像主体部分，因此有针对性地增强其对比度之后，可以满足不同场景下的画质需求，继而可以覆盖较多的应用场景，场景适应性较强。继而，增强了对比度后得到的目标图像的视觉效果较佳。
[0006]可选地，所述在检测到待处理图像中的目标区域时，确定所述目标区域的上下文信息，包括：在检测到待处理图像中的目标区域时，分割所述目标区域，得到多个切片区域；针对于一个所述切片区域，确定该切片区域对应的上下文信息；其中，所述目标区域的上下文信息包括多个所述切片区域的上下文信息。这样能够针对性地确定出各个切片区域的调制强度，便于处理目标区域的图像细节。并且，由于各个切片区域的计算量较小，因此图像处理硬件可以并行处理各个切片区域，提高了计算效率。
[0007]可选地，所述切片区域的上下文信息包括：所述切片区域在全图中所占的区域亮度区间、所述切片区域的像素值占全图像素值的比例、所述切片区域中各个像素点的像素值分别占全图的相同像素值的比例。这样，更能够凸显出目标区域与其他部分的差异，达到整体对比度增加的目的。
[0008]可选地，所述根据所述上下文信息，计算所述目标区域的调制强度，包括：按照所述切片区域所占的区域亮度区间，对所述待处理图像所对应的多个亮度区间进行分类；其中，所述待处理图像的整体亮度区间基于预设规则被划分为多个亮度区间；针对于一类亮度区间，计算该类亮度区间的像素值占全图像素值的比例；以及根据所述该类亮度区间的
像素值占全图像素值的比例、所述切片区域的像素值占全图像素值的比例、所述切片区域中各个像素点的像素值分别占全图的相同像素值的比例，计算所述切片区域的调制强度；其中，所述目标区域的调制强度包括多个所述切片区域的调制强度。这样，可以在增强对比度的过程中对不同的亮度区间分别进行数理统计，以兼顾处理待处理图像中不同亮度区间的对比度。
[0009]可选地，所述切片区域的调制强度通过调制神经网络计算；所述调制神经网络的训练过程包括：获取调制样本切片；针对每一个所述调制样本切片，标记该调制样本切片的调制强度，得到调制样本标签；将所述调制样本切片的像素值占全图像素值的比例、所述调制样本切片中各个像素点的像素值分别占全图的相同像素值的比例、以及不同类的亮度区间的像素值占全图像素值的比例作为所述调制神经网络的输入，将所述调制样本标签作为所述调制神经网络的期望输出；针对于每一个所述调制样本切片，计算该调制样本切片对应的调制样本标签与所述调制神经网络输出的实际样本标签之间的损失值，并在该损失值达到预设要求时，确定所述调制神经网络收敛。这样，可以较为方便地得到调制强度。
[0010]可选地，所述根据所述调制强度增强所述目标区域的对比度，得到目标图像，包括：针对于一个切片区域，根据该切片区域的调制强度增强该切片区域的对比度，得到中间对比度；以及根据该切片区域增强前的原始对比度、所述中间对比度进行全局色调映射处理，生成目标切片区域；其中，所述目标图像包括多个所述目标切片区域。这样，可以避免由于局部对比度增强导致的失真现象。
[0011]可选地，所述目标区域通过区域神经网络检测得到；所述区域神经网络的训练过程包括：获取样本图像；针对每一个所述样本图像，标记该样本图像的目标样本区域，得到区域样本标签；将所述样本图像作为所述区域神经网络的输入，将所述目标样本区域对应的样本掩膜作为所述区域神经网络的期望输出；针对于每一个所述样本图像，计算该样本图像对应的区域样本标签与所述区域神经网络输出的实际样本掩膜之间的损失值，并在该损失值达到预设要求时，确定所述区域神经网络收敛。这样，可以利用该区域神经网络生成尺寸较小的图像掩膜实现空间选择，获得额外信息辅助增强对比度的同时不明显引入额外的计算负担，减轻了图像处理硬件的处理负担。
[0012]第二方面，本申请实施例提供了一种图像处理装置，该装置包括：确定模块，用于在检测到待处理图像中的目标区域时，确定所述目标区域的上下文信息；计算模块，用于根据所述上下文信息，计算所述目标区域的调制强度；增强模块，用于根据所述调制强度增强所述目标区域的对比度，得到目标图像。这样，可以使增强了对比度后的目标图像的视觉效果较佳。
[0013]第三方面，本申请实施例提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。
[0014]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
[0015]本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0016]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0017]图1为本申请实施例提供的一种图像处理方法的流程图；
[0018]图2为本申请实施例提供的一种图像处理装置的结构框图；
[0019]图3为本申请实施例提供的一种用于执行图像处理方法的电子设备的结构示意图。
具体实施方式
[0020]下面将结合本申请实施例中附图，对本申请实施例中的技术本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：在检测到待处理图像中的目标区域时，确定所述目标区域的上下文信息；根据所述上下文信息，计算所述目标区域的调制强度；根据所述调制强度增强所述目标区域的对比度，得到目标图像。2.根据权利要求1所述的方法，其特征在于，所述在检测到待处理图像中的目标区域时，确定所述目标区域的上下文信息，包括：在检测到待处理图像中的目标区域时，分割所述目标区域，得到多个切片区域；针对于一个所述切片区域，确定该切片区域对应的上下文信息；其中，所述目标区域的上下文信息包括多个所述切片区域的上下文信息。3.根据权利要求2所述的方法，其特征在于，所述切片区域的上下文信息包括：所述切片区域在全图中所占的区域亮度区间、所述切片区域的像素值占全图像素值的比例、所述切片区域中各个像素点的像素值分别占全图的相同像素值的比例。4.根据权利要求3所述的方法，其特征在于，所述根据所述上下文信息，计算所述目标区域的调制强度，包括：按照所述切片区域所占的区域亮度区间，对所述待处理图像所对应的多个亮度区间进行分类；其中，所述待处理图像的整体亮度区间基于预设规则被划分为多个亮度区间；针对于一类亮度区间，计算该类亮度区间的像素值占全图像素值的比例；以及根据所述该类亮度区间的像素值占全图像素值的比例、所述切片区域的像素值占全图像素值的比例、所述切片区域中各个像素点的像素值分别占全图的相同像素值的比例，计算所述切片区域的调制强度；其中，所述目标区域的调制强度包括多个所述切片区域的调制强度。5.根据权利要求4所述的方法，其特征在于，所述切片区域的调制强度通过调制神经网络计算；所述调制神经网络的训练过程包括：获取调制样本切片；针对每一个所述调制样本切片，标记该调制样本切片的调制强度，得到调制样本标签；将所述调制样本切片的像素值占全图像素值的比例、所述调制样本切片中各个像素点的像素值分别占全图的相同像素值的比例、以及不同类的亮度区间的像素值占全图像素值的比例作为所述调制神经网络的输入，将所述调制样本标...
【专利技术属性】
技术研发人员：刘建伟，
申请(专利权)人：北京爱芯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。