电子设备及其控制方法技术

提供了一种电子设备。该电子设备包括存储器；以及处理器，其被配置成：基于存储在存储器中的图像的全局区域中所包括的每个像素的亮度值来识别全局区域的第一累积分布，基于图像的局部区域所包括的每个像素的亮度值来识别局部区域的第二累积分布，基于第一累积分布和第二累积分布来校正局部区域中所包括的每个像素的亮度值以生成局部区域中所包括的每个像素的校正后的亮度值，并基于局部区域中所包括的每个像素的校正后的亮度值来生成校正后的图像信号。

【技术实现步骤摘要】
【国外来华专利技术】电子设备及其控制方法
本公开涉及一种电子设备及其控制方法，尤其涉及一种用于相对于图像执行图像处理的电子设备及其控制方法。本公开是一种人工智能(AI)系统及其应用，该系统使用机器学习算法模拟诸如识别和确定之类的人脑功能。
技术介绍
近年来，实现人类水平智能的人工智能系统已用于各个领域。与现有的基于规则的智能系统不同，人工智能系统是机器进行学习、确定并变得智能的系统。人工智能系统被使用得越多，识别率提高得越多，并且可以更准确地理解用户的品味，因此，现有的基于规则的智能系统正逐渐被基于深度学习的人工智能系统所取代。人工智能技术包括机器学习(例如，深度学习)和利用机器学习的元素技术。机器学习是一种本身可以对输入数据的特征进行分类/学习的算法技术。元素技术是一种使用诸如深度学习之类的机器学习算法来模拟人脑的诸如识别和确定之类的功能的技术，包括语言理解、视觉理解、推理/预测、知识表示、运动控制等。应用人工智能技术的各个领域如下。语言理解是一种用于识别、应用/处理人类语言/字符的技术，包括自然语言处理、机器翻译、对话系统、问与答、语音识别/合成等。视觉理解是一种用于将对象识别并处理为人类视觉的技术，包括对象识别、对象跟踪、图像搜索、人类识别、场景理解、空间理解、图像增强等。推断预测是一种用于判断并且逻辑推断和预测信息的技术，包括基于知识/概率的推断、优化预测、基于偏好的计划和推荐。知识表示是一种用于将人类经验信息自动化为知识数据的技术，包括知识构建(数据生成/分类)和知识管理(数据利用)。运动控制是一种用于控制车辆的自主行驶和机器人的运动的技术，包括运动控制(导航、碰撞、驾驶)、操作控制(行为控制)等。当在诸如普通家庭或办公室之类的显示环境中在电视机上拍摄背景时，由于外部照明的影响，图像的亮度分布可能取决于角度和位置而不均匀。如果在不校正的情况下在电视机上显示亮度分布不均匀的图像，则当照明改变或位置改变时，电视机上显示的图像与背景不同，从而降低了电视机显示背景的效果。因此，需要将具有不均匀的亮度分布的图像校正为具有均匀的亮度分布的图像。
技术实现思路
技术问题本公开的示例性实施例克服了以上缺点以及上面未描述的其它缺点。另外，本公开不需要克服上述缺点，并且实施例可以不克服上述任何问题。问题的解决方案提供了一种电子设备及其控制方法，该电子设备校正由于照明而导致亮度不均匀的图像的亮度，从而以均匀的方式校正亮度。根据本公开的一方面，提供了一种电子设备，包括：存储器；以及处理器，其被配置成：基于存储在存储器中的图像的全局区域中所包括的每个像素的亮度值来识别全局区域的第一累积分布，基于图像的局部区域中所包括的每个像素的亮度值来识别局部区域的第二累积分布，基于第一累积分布和第二累积分布来校正局部区域中所包括的每个像素的亮度值以生成局部区域中所包括的每个像素的校正后的亮度值，并基于局部区域中所包括的每个像素的校正后的亮度值来生成校正后的图像信号。处理器还可以被配置成：相对于第一累积分布中的第一总累积像素数，识别与第一比率相对应的第一全局亮度值；相对于第二累积分布中的第二总累积像素数，识别与第一比率相对应的第一局部亮度值；基于第一全局亮度值和第一局部亮度值来识别校正函数以校正局部区域中所包括的每个像素的亮度值；并且基于校正函数生成校正后的图像信号。处理器还可以被配置成：相对于第一累积分布中的第一总累积像素数，识别与第二比率相对应的第二全局亮度值；相对于第二累积分布，识别与第二比率相对应的第二局部亮度值；并且基于第一全局亮度值、第一局部亮度值、第二全局亮度值和第二局部亮度值来识别校正函数以校正局部区域中所包括的每个像素的亮度值。处理器还可以被配置成：基于局部区域中所包括的每个像素的亮度值被校正，根据局部区域中所包括的每个像素的校正后的亮度值来更新第一累积分布；基于图像的另一局部区域中所包括的每个像素的亮度值来识别关于所述另一局部区域的第三累积分布；并且基于第一累积分布和第三累积分布来校正所述另一局部区域中所包括的每个像素的亮度值。处理器还可以被配置成：通过在图像的全局区域中识别亮度值小于或等于多个亮度值中的每一个亮度值的像素数量，来识别第一累积分布；并且通过在图像的局部区域中识别亮度值小于或等于所述多个亮度值中的每一个亮度值的像素数量，来识别第二累积分布。处理器还可以被配置成：基于亮度值小于或等于第一阈值，将局部区域中所包括的像素的亮度值校正为第三亮度值；并且基于亮度值大于或等于第二阈值，将局部区域中所包括的像素的亮度值校正为第四亮度值。处理器还可以被配置成：基于存储在存储器中的分类模型识别图像的类型和图像的拍摄环境中的至少一个；并且基于图像的类型和图像的拍摄环境中的至少一个来校正局部区域中所包括的每个像素的亮度值。分类模型可以通过人工智能算法学习并获取多个样本图像以及与所述多个样本图像中的每一个相对应的信息。处理器还可以被配置成：基于拍摄环境的照明类型和照明位置中的至少一个来识别图像的拍摄环境。处理器还可以被配置成：基于图像的全局区域的全局亮度分布来识别局部区域。该电子设备还可以包括显示器，并且处理器还可以被配置成基于校正后的图像信号来控制显示器。根据本公开的一方面，提供了一种控制电子设备的方法，该方法包括：基于存储在存储器中的图像的全局区域中所包括的每个像素的亮度值来识别全局区域的第一累积分布；基于图像的局部区域中所包括的每个像素的亮度值来识别局部区域的第二累积分布；基于第一累积分布和第二累积分布来校正局部区域中所包括的每个像素的亮度值，以生成局部区域中所包括的每个像素的校正后的亮度值；并且基于局部区域中所包括的每个像素的校正后的亮度值生成校正后的图像信号。校正可以包括：相对于第一累积分布中的第一总累积像素数，识别与第一比率相对应的第一全局亮度值；相对于第二累积分布中的第二总累积像素数，识别与第一比率相对应的第一局部亮度值；基于第一全局亮度值和第一局部亮度值来识别校正函数以校正局部区域中所包括的每个像素的亮度值；并且基于校正函数生成校正后的图像信号。校正还可以包括：相对于第一累积分布中的第一总累积像素数，识别与第二比率相对应的第二全局亮度值；并且相对于第二累积分布，识别与第二比率相对应的第二局部亮度值。识别校正函数可以基于第一全局亮度值、第一局部亮度值、第二全局亮度值和第二局部亮度值。该方法还可以包括：基于局部区域中所包括的每个像素的亮度值被校正，根据局部区域中所包括的每个像素的校正后的亮度值来更新第一累积分布；基于图像的另一局部区域中所包括的每个像素的亮度值来识别关于所述另一局部区域的第三累积分布；并且基于第一累积分布和第三累积分布来校正所述另一局部区域中所包括的每个像素的亮度值。识别第一累积分布可以包括：通过在图像的全局区域中识别亮度值小于或等于多个亮度值中的每一个亮度值的像素数量，来识别第一累积分布；并且通过在图像的局部区域中识别亮度值小于或等于所述多个亮本文档来自技高网...

【技术保护点】
1.一种电子设备，包括：/n存储器；以及/n处理器，被配置成：/n基于存储在所述存储器中的图像的全局区域中所包括的每个像素的亮度值来识别所述全局区域的第一累积分布，/n基于所述图像的局部区域中所包括的每个像素的亮度值来识别所述局部区域的第二累积分布，/n基于所述第一累积分布和所述第二累积分布来校正所述局部区域中所包括的每个像素的亮度值，以及/n基于所述局部区域中所包括的每个像素的校正后的亮度值生成校正后的图像信号。/n

【技术特征摘要】
【国外来华专利技术】20180731 KR 10-2018-0088934;20180529 US 62/677,4541.一种电子设备，包括：
存储器；以及
处理器，被配置成：
基于存储在所述存储器中的图像的全局区域中所包括的每个像素的亮度值来识别所述全局区域的第一累积分布，
基于所述图像的局部区域中所包括的每个像素的亮度值来识别所述局部区域的第二累积分布，
基于所述第一累积分布和所述第二累积分布来校正所述局部区域中所包括的每个像素的亮度值，以及
基于所述局部区域中所包括的每个像素的校正后的亮度值生成校正后的图像信号。


2.根据权利要求1所述的电子设备，其中所述处理器还被配置成：
相对于所述第一累积分布中的第一总累积像素数，识别与第一比率相对应的第一全局亮度值，
相对于所述第二累积分布中的第二总累积像素数，识别与所述第一比率相对应的第一局部亮度值，
基于所述第一全局亮度值和所述第一局部亮度值来识别校正函数以校正所述局部区域中所包括的每个像素的亮度值，以及
基于所述校正函数生成所述校正后的图像信号。


3.根据权利要求2所述的电子设备，其中所述处理器还被配置成：
相对于所述第一累积分布中的所述第一总累积像素数，识别与第二比率相对应的第二全局亮度值，
相对于所述第二累积分布，识别与所述第二比率相对应的第二局部亮度值，以及
基于所述第一全局亮度值、所述第一局部亮度值、所述第二全局亮度值和所述第二局部亮度值来识别所述校正函数以校正所述局部区域中所包括的每个像素的亮度值。


4.根据权利要求1所述的电子设备，其中所述处理器还被配置成：
基于所述局部区域中所包括的每个像素的亮度值被校正，根据所述局部区域中所包括的每个像素的校正后的亮度值来更新所述第一累积分布，
基于所述图像的另一局部区域中所包括的每个像素的亮度值来识别关于所述另一局部区域的第三累积分布，以及
基于所述第一累积分布和所述第三累积分布来校正所述另一局部区域中所包括的每个像素的亮度值。


5.根据权利要求1所述的电子设备，其中所述处理器还被配置成：
通过在所述图像的所述全局区域中识别亮度值小于或等于多个亮度值中的每一个亮度值的像素的数量，来识别所述第一累积分布，以及
通过在所述图像的所述局部区域中识别亮度值小于或等于所述多个亮度值中的每一个亮度值的像素的数量，来识别所述第二累积分布。


6.根据权利要求1所述的电子设备，其中所述处理器还被配置成：
基于所述局部区域中所包括的像素的亮度值小于或等于第一阈值，将所述局部区域中所包括的像素的亮度值校正为第三亮度值，以及
基于所述局部区域中所包括的像素的亮度值大于或等于第二阈值，将所述局部区域中所包括的像素的亮度值校正为第四亮度值。


7.根据权利要求1所述的电子设备，其中所述处理器还被配置成：
基于存储在所述存储器中的分类模型识...

【专利技术属性】
技术研发人员：李奉瑾，安泰庆，金秀鸿，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国;KR