[发明专利]图像处理方法、装置和计算机可读存储介质在审
申请号: | 201910451446.9 | 申请日: | 2019-05-28 |
公开(公告)号: | CN110189274A | 公开(公告)日: | 2019-08-30 |
发明(设计)人: | 郑屹;王璨 | 申请(专利权)人: | 北京字节跳动网络技术有限公司 |
主分类号: | G06T5/00 | 分类号: | G06T5/00 |
代理公司: | 北京竹辰知识产权代理事务所(普通合伙) 11706 | 代理人: | 陈龙 |
地址: | 100041 北京市石景山区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 高动态范围图像 非线性变换图像 像素 计算机可读存储介质 图像处理器 图像处理 高动态 像素点 还原 渲染 图像存储空间 非线性变换 带宽消耗 电子设备 压缩 近似 带宽 转换 | ||
本公开一种图像处理方法、装置、电子设备和计算机可读存储介质。其中方法包括:获取原始高动态范围图像;对所述原始高动态范围图像进行非线性变换,得到非线性变换图像;将所述非线性变换图像中每个像素点的像素值压缩到0到1之间,得到目标高动态范围图像。本公开实施例通过将原始高动态范围图像转换为非线性变换图像;将所述非线性变换图像中每个像素点的像素值压缩到0到1之间,使得目标高动态范围图像的像素值保持在0到1之间,可以减少图像存储空间,及在图像处理器带宽有限的情况下的,可以提升高动态范围渲染效果的还原精度,并且取可以近似还原高动态范围渲染效果精度的同时,可将图像处理器带宽消耗节省一半。
技术领域
本公开涉及一种图像处理技术领域,特别是涉及一种图像处理方法、装置和计算机可读存储介质。
背景技术
HDR(High-Dynamic Range,高动态范围)图像,相比普通的图像,可以提供更多的动态范围和图像细节,根据不同的曝光时间的LDR(Low-Dynamic Range,低动态范围)图像,利用每个曝光时间相对应最佳细节的LDR图像来合成最终HDR图像,能够更好的反映出真实环境中的视觉效果。
由于相机底片是一种LDR采集设备,LDR采集设备会将光照的亮度保持在0-1的范围内。在制作HDR图像时,可以通过多次曝光的形式,将不同曝光度的图像进行叠加,从而近似还原场景的真实亮度,但是这张图的光照强度范围会超过1,这样会增加存储空间及增加GPU(Graphics Processing Unit,图形处理器)带宽。
发明内容
本公开解决的技术问题是提供一种图像处理方法,以至少部分地解决现有技术中高动态范围图像的光照强度范围超过1带来的增加存储空间及增加图形处理器带宽的技术问题。此外,还提供一种图像处理装置、图像处理硬件装置、计算机可读存储介质和图像处理终端。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
一种图像处理方法,包括:
获取原始高动态范围图像;
对所述原始高动态范围图像进行非线性变换,得到非线性变换图像;
将所述非线性变换图像中每个像素点的像素值压缩到0到1之间,得到目标高动态范围图像。
进一步的,所述将所述非线性变换图像中每个像素点的像素值压缩到0到1之间,得到目标高动态范围图像,包括:
确定所述非线性变换图像中每个像素点的颜色敏感度;
根据所述颜色敏感度将所述非线性变换图像中每个像素点的像素值归一化在0到1之间,得到目标高动态范围图像。
进一步的,所述确定所述非线性变换图像中每个像素点的颜色敏感度,包括:
采用公式L=0.299*R+0.587*B+0.114*G计算得到所述非线性变换图像中每个像素点的颜色敏感度;其中,R为红颜色分量、G为绿颜色分量、B为蓝颜色分量。
进一步的,所述根据所述颜色敏感度将所述非线性变换图像中每个像素点的像素值归一化在0到1之间,得到目标高动态范围图像,包括:
针对所述非线性变换图像中每个像素点,采用公式R/L对红颜色分量进行归一化,将归一化后的红颜色分量存储在红颜色通道;
采用公式G/L对绿颜色分量进行归一化,将归一化后的绿颜色分量存储在绿颜色通道;
采用公式B/L对蓝颜色分量进行归一化,将归一化后的蓝颜色分量存储在蓝颜色通道;
将所述颜色敏感度L存储在阿尔法通道。
为了实现上述目的,根据本公开的一个方面,提供以下技术方案:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910451446.9/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于重抽样的隐藏图像修复方法
- 下一篇:鲁棒性增强的图卷积方法及系统