一种图像处理方法、系统及电子设备和存储介质技术方案

本申请公开了一种图像处理方法、系统及一种电子设备和计算机可读存储介质，该方法包括：获取原始图像的图像信息，并根据图像信息得到原始图像的宽动态场景判别值；其中，宽动态场景判别值为描述原始图像的动态范围的值，宽动态场景判别值与动态范围呈正相关；选取宽动态处理算法，并根据宽动态场景判别值确定宽动态处理算法的开启强度；其中，开启强度为描述宽动态处理算法对原始图像的压缩程度的值，开启强度与宽动态场景判别值呈正相关；根据开启强度利用宽动态处理算法对原始图像进行图像压缩，得到压缩完成的图像。由此可见，本申请公开的图像处理方法，提高了高动态范围图像的压缩质量。

【技术实现步骤摘要】
一种图像处理方法、系统及电子设备和存储介质
本申请涉及图像处理
，更具体地说，涉及一种图像处理方法、系统及一种电子设备和一种计算机可读存储介质。
技术介绍
高动态范围图像(英文全称：High-DynamicRange，英文简称：HDR)，相比普通的图像，可以提供更多的动态范围和图像细节。但是，常见的显示设备可以显示的动态范围有限，无法满足高动态范围图像的显示需求，因此需要对高动态范围图像进行压缩。宽动态场景为当在强光源(日光、灯具或反光等)照射下的高亮度区域及阴影、逆光等相对亮度较低的区域在图像中同时存在的场景，在宽动态场景下，显示设备输出的图像会出现明亮区域因曝光过度成为白色，而黑暗区域因曝光不足成为黑色。现有技术多是采用全局、局部或混合色调映射算法来压缩高动态范围图像，全局色调映射算法简洁高效，但很难保持局部对比度，图像色彩、对比度、细节等感观质量损失较大；局部色调映射算法多采用多分辨率分层算法，可以保留更多图像信息，然而同时会产生光晕等失真问题；混合色调映射算法对图像的整体视觉效果和局部细节显示都有一定的改善，但改善效果不明显，且上述方法由于都缺乏准确的场景信息指导，即无法区分宽动态场景与非宽动态场景，使得对高动态范围图像中处于非宽动态场景的图像过度压缩，从而出现画面失真、细节损失等问题。因此，如何提高高动态范围图像的压缩质量是本领域技术人员需要解决的技术问题。
技术实现思路
本申请的目的在于提供一种图像处理方法、系统及一种电子设备和一种计算机可读存储介质，提高了高动态范围图像的压缩质量。为实现上述目的，本申请提供了一种图像处理方法，包括：获取原始图像的图像信息，并根据所述图像信息得到所述原始图像的宽动态场景判别值；其中，所述宽动态场景判别值为描述所述原始图像的动态范围的值，所述宽动态场景判别值与所述动态范围呈正相关；选取宽动态处理算法，并根据所述宽动态场景判别值确定所述宽动态处理算法的开启强度；其中，所述开启强度为描述所述宽动态处理算法对所述原始图像的压缩程度的值，所述开启强度与所述宽动态场景判别值呈正相关；根据所述开启强度利用所述宽动态处理算法对所述原始图像进行图像压缩，得到压缩完成的图像。其中，所述根据所述图像信息得到所述原始图像的宽动态场景判别值，包括：根据所述图像信息组合所述原始图像的特征描述子，并将所述特征描述子输入深度学习模型中，得到所述原始图像的宽动态场景判别值；其中，所述深度学习模型输出的属性类别为宽动态场景和非宽动态场景。其中，所述图像信息的类别包括亮度类别、梯度类别和色度类别中任一项或任几项的组合，所述根据所述图像信息组合所述原始图像的特征描述子，包括：计算每个所述类别的图像信息的归一化值，并将所有所述归一化值组合为所述原始图像的特征描述子。其中，若所述图像信息的类别包括所述亮度类别，则所述计算每个所述类别的图像信息的归一化值，包括：根据所述亮度类别的图像信息获取每个灰阶的像素点数量，得到所述原始图像的所有k级灰度归一化值；若所述图像信息的类别包括所述梯度类别，则所述计算每个所述类别的图像信息的归一化值，包括：根据所述梯度类别的图像信息计算亮度低于预设值的像素点的平均梯度，并根据所述平均梯度和所述原始图像中像素点梯度的最大值得到细节度归一化值；若所述图像信息的类别包括所述色度类别，则所述计算每个所述类别的图像信息的归一化值，包括：根据所述色度类别的图像信息计算每个颜色通道的色度归一化值。其中，所述根据所述色度类别的图像信息计算每个颜色通道的色度归一化值，包括：根据所述色度类别的图像信息获取每个所述颜色通道内每个色阶的像素点数量，得到每个所述颜色通道的所有q级色度归一化值，并将每个所述颜色通道的所有所述q级色度归一化值作为每个所述颜色通道的色度归一化值；或，根据所述色度类别的图像信息计算每个所述颜色通道内所有像素点色度值的平均值，并根据所述平均值计算每个所述颜色通道的色度归一化值。其中，所述图像信息的类别包括亮度类别、梯度类别和色度类别中任一项或任几项的组合，所述根据所述图像信息得到所述原始图像的宽动态场景判别值，包括：获取每个所述类别的图像信息的变化范围，并根据每个所述变化范围和预先设定的每个所述变化范围对应的权重计算所述原始图像的宽动态场景判别值。其中，所述根据所述宽动态场景判别值确定所述宽动态处理算法的开启强度，包括：根据开启强度计算公式确定所述宽动态处理算法的开启强度，其中，所述开启强度计算公式具体为：S＝Smin+K(Smax-Smin)；其中，S为所述开启强度，Smax和Smin分别为预先设定的开启强度的最大值和最小值，K为所述宽动态场景判别值。其中，所述根据所述开启强度利用所述宽动态处理算法对所述原始图像进行图像压缩，得到压缩完成的图像，包括：利用所述宽动态处理算法对所述原始图像进行图像压缩，得到中间图像；根据所述开启强度和所述原始图像调整所述中间图像，得到所述压缩完成的图像。其中，所述根据所述开启强度和所述原始图像调整所述中间图像，得到所述压缩完成的图像，包括：根据调整公式调整所述中间图像，得到所述压缩完成的图像；其中，所述调整公式具体为：IMG＝I(1-S)+IoutS；其中，IMG为所述压缩完成的图像，I为所述原始图像，S为所述开启强度，Iout为所述中间图像。其中，若所述宽动态处理算法包括所述多帧曝光合成算法，则将最长帧图像作为所述原始图像。为实现上述目的，本申请提供了一种图像处理系统，包括：获取模块，用于获取原始图像的图像信息，并根据所述图像信息得到所述原始图像的宽动态场景判别值；其中，所述宽动态场景判别值为描述所述原始图像的动态范围的值，所述宽动态场景判别值与所述动态范围呈正相关；确定模块，用于选取宽动态处理算法，并根据所述宽动态场景判别值确定所述宽动态处理算法的开启强度；其中，所述开启强度为描述所述宽动态处理算法对所述原始图像的压缩程度的值，所述开启强度与所述宽动态场景判别值呈正相关；压缩模块，用于根据所述开启强度利用所述宽动态处理算法对所述原始图像进行图像压缩，得到压缩完成的图像。为实现上述目的，本申请提供了一种电子设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上述图像处理方法的步骤。为实现上述目的，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述图像处理方法的步骤。通过以上方案可知，本申请提供的一种图像处理方法，包括：获取原始图像的图像信息，并根据所述图像信息得到所述原始图像的宽动态场景判别值；其中，所述宽动态场景判别值为描述所述原始图像的动态范围的值，所述宽动态场景判别值与所述动态范围呈正相关；选取宽动态处理算法，并根据本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n获取原始图像的图像信息，并根据所述图像信息得到所述原始图像的宽动态场景判别值；其中，所述宽动态场景判别值为描述所述原始图像的动态范围的值，所述宽动态场景判别值与所述动态范围呈正相关；/n选取宽动态处理算法，并根据所述宽动态场景判别值确定所述宽动态处理算法的开启强度；其中，所述开启强度为描述所述宽动态处理算法对所述原始图像的压缩程度的值，所述开启强度与所述宽动态场景判别值呈正相关；/n根据所述开启强度利用所述宽动态处理算法对所述原始图像进行图像压缩，得到压缩完成的图像。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
获取原始图像的图像信息，并根据所述图像信息得到所述原始图像的宽动态场景判别值；其中，所述宽动态场景判别值为描述所述原始图像的动态范围的值，所述宽动态场景判别值与所述动态范围呈正相关；
选取宽动态处理算法，并根据所述宽动态场景判别值确定所述宽动态处理算法的开启强度；其中，所述开启强度为描述所述宽动态处理算法对所述原始图像的压缩程度的值，所述开启强度与所述宽动态场景判别值呈正相关；
根据所述开启强度利用所述宽动态处理算法对所述原始图像进行图像压缩，得到压缩完成的图像。


2.根据权利要求1所述图像处理方法，其特征在于，所述根据所述图像信息得到所述原始图像的宽动态场景判别值，包括：
根据所述图像信息组合得到所述原始图像的特征描述子，并将所述特征描述子输入深度学习模型中，得到所述原始图像的宽动态场景判别值；其中，所述深度学习模型输出的属性类别为宽动态场景和非宽动态场景。


3.根据权利要求2所述图像处理方法，其特征在于，所述图像信息的类别包括亮度类别、梯度类别和色度类别中任一项或任几项的组合，所述根据所述图像信息组合所述原始图像的特征描述子，包括：
计算每个所述类别的图像信息的归一化值，并将所有所述归一化值组合为所述原始图像的特征描述子。


4.根据权利要求3所述图像处理方法，其特征在于，若所述图像信息的类别包括所述亮度类别，则所述计算每个所述类别的图像信息的归一化值，包括：
根据所述亮度类别的图像信息获取每个灰阶的像素点数量，得到所述原始图像的所有k级灰度归一化值；
若所述图像信息的类别包括所述梯度类别，则所述计算每个所述类别的图像信息的归一化值，包括：
根据所述梯度类别的图像信息计算亮度低于预设值的像素点的平均梯度，并根据所述平均梯度和所述原始图像中像素点梯度的最大值得到细节度归一化值；
若所述图像信息的类别包括所述色度类别，则所述计算每个所述类别的图像信息的归一化值，包括：
根据所述色度类别的图像信息计算每个颜色通道的色度归一化值。


5.根据权利要求4所述图像处理方法，其特征在于，所述根据所述色度类别的图像信息计算每个颜色通道的色度归一化值，包括：
根据所述色度类别的图像信息获取每个所述颜色通道内每个色阶的像素点数量，得到每个所述颜色通道的所有q级色度归一化值，并将每个所述颜色通道的所有所述q级色度归一化值作为每个所述颜色通道的色度归一化值；
或，根据所述色度类别的图像信息计算每个所述颜色通道内所有像素点色度值的平均值，并根据所述平均值计算每个所述颜色通道的色度归一化值。


6.根据权利要求1所述图像处理方法，其特征在于，所述图像信息的类别包括亮度类别、梯度类别和色度类别中任一项或任几项的组合，...

【专利技术属性】
技术研发人员：张娅楠，刘应，
申请(专利权)人：浙江宇视科技有限公司，
类型：发明
国别省市：浙江;33