[发明专利]对比度增强方法、计算机程序产品、存储介质及电子设备在审

专利信息
申请号: 202210016097.X 申请日: 2022-01-07
公开(公告)号: CN114549340A 公开(公告)日: 2022-05-27
发明(设计)人: 杨苏 申请(专利权)人: 北京旷视科技有限公司;北京迈格威科技有限公司
主分类号: G06T5/00 分类号: G06T5/00
代理公司: 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 代理人: 董艳芳
地址: 100096 北京市海淀区*** 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: 对比度 增强 方法 计算机 程序 产品 存储 介质 电子设备
【说明书】:

本申请涉及图像处理技术领域,提供一种对比度增强方法、计算机程序产品、存储介质及电子设备。其中,对比度增强方法包括:获取待增强图像,并根据待增强图像确定评估图像,评估图像的尺寸小于待增强图像;确定对比度增强算法中的每个参数的取值集合,并构造多种参数取值组合;分别基于每种参数取值组合,利用对比度增强算法处理评估图像,获得对应的评估结果图像,并将对比度增强效果最优的评估结果图像对应的参数取值组合确定为最优参数取值组合;基于最优参数取值组合,利用对比度增强算法处理待增强图像,得到增强结果图像。该方法避免了用户手工调参的负担,同时还有利于改善对比度增强效果,并且还具有较高的执行速度。

技术领域

发明涉及图像处理技术领域,具体而言,涉及一种对比度增强方法、计算机程序产品、存储介质及电子设备。

背景技术

图像对比度是指一张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,对比度反映了一张图像中灰度反差的大小。一般来说,对比度越大,图像往往看起来鲜亮突出、通透感强;对比度越小,图像往往看起来层次不明、发灰发蒙。对比度增强是指一类图像处理算法,这类算法会适当增大图像的对比度,从而去除或削弱图像发灰、发蒙、有雾感的现象,达到良好的视觉效果。

现有的对比度增强算法,其对比度增强效果的好坏大多依赖于一些算法参数,用户往往需要通过手工调整来选择合适的参数取值,不然容易出现对比度增强效果不佳的问题,无法达到良好的视觉效果,但是手工调整参数费时费力。

发明内容

本申请实施例的目的在于提供一种对比度增强方法、计算机程序产品、存储介质及电子设备,以改善上述技术问题。

为实现上述目的,本申请提供如下技术方案:

第一方面,本申请实施例提供一种对比度增强方法,包括:获取待增强图像,并根据所述待增强图像确定用于评估对比度增强效果的评估图像,所述评估图像的尺寸小于所述待增强图像的尺寸;确定对比度增强算法中的每个参数的取值集合,并分别从每个参数的取值集合中选择一个取值构成参数取值组合,共获得多种参数取值组合;分别基于所述多种参数取值组合中的每种参数取值组合,利用所述对比度增强算法处理所述评估图像,获得对应的评估结果图像,并将对比度增强效果最优的评估结果图像所对应的参数取值组合确定为最优参数取值组合;基于所述最优参数取值组合,利用所述对比度增强算法处理所述待增强图像,得到增强结果图像。

上述方法可以针对不同的待增强图像,自动为对比度增强算法选择能够使得增强效果最优的参数取值组合(即参数的选择具有自适应性),从而避免了用户进行手工调参的负担。

并且,该方法会自动生成并遍历多种参数取值组合,从中选择最优参数取值组合,从而有利于避免手工调参时遗漏参数取值组合的问题,进而还能够改善对比度增强效果。

此外,该方法利用尺寸小于待增强图像的评估图像选择最优参数取值组合,使得参数选择过程不会消耗太多的计算资源,有利于提高整个方法的执行效率。

在第一方面的一种实现方式中,所述对比度增强算法为非机器学习算法。

现有的对比度增强算法主要有两类:一类是非机器学习算法(也可以称为传统算法),另一类是机器学习算法。非机器学习算法的执行速度较快,但不能自适应地选择算法参数;机器学习算法可以自主地学习部分算法参数,但其执行速度较慢。

由于在第一方面介绍的方法中引入了自适应选择算法参数的机制,因此若该方法与非机器学习算法相结合,既可以保证对比度增强的效率,又避免了手工调整参数所带来的种种问题。

在第一方面的一种实现方式中,所述根据所述待增强图像确定用于评估对比度增强效果的评估图像,包括:将对所述待增强图像进行下采样后得到的图像确定为所述评估图像;或者,将从所述待增强图像中截取出的部分图像确定为所述评估图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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旷视科技有限公司;北京迈格威科技有限公司,未经北京旷视科技有限公司;北京迈格威科技有限公司许可,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/202210016097.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top