一种图像处理方法和装置与流程

1.本发明涉及图像处理技术领域，尤其涉及一种图像处理方法和装置。


背景技术：

2.随着相机技术的发展，相机拍摄出的图片越来越接近真实场景。但是，相机拍摄出的图片不仅与相机的硬件和软件有关，还与用户拍照技术有关，如果用户拍照时的角度不对，相机拍摄出的图片中，会有部分或全部区域出现曝光现象，导致图片中内容模糊不清，不能真实地反映当前场景。为了提升相机拍照的图片的真实性，我们不可能要求每个用户提高拍照技术，成为拍照高手，所以只能从相机的硬件和软件方面入手，来提高因用户拍照时的角度和方位不对导致图像曝光的问题。


技术实现要素：

3.为了解决上述的问题，本技术的实施例中提供了一种图像处理方法和装置，通过将原始图像进行分割，再对各个子图像亮度值进行处理，实现对每个子图像进行亮度补偿，从而提高整个图像的清晰度，更加接近真实图像。
4.为此，本技术的实施例中采用如下技术方案：
5.第一方面，本技术实施例中提供了一种图像处理方法，包括：获取原始图像；将所述原始图像分割成至少两个子图像；提取各个子图像中的图像信息，所述图像信息包括图像内亮度信息和图像与其它图像间亮度信息；根据所述各个子图像中的图像信息，对所述原始图像进行亮度调整。
6.在一种实施方式中，在所述将所述原始图像分割成至少两个子图像之前，所述方法还包括：将所述原始图像输入到用双边滤波算法，得到平滑且减少噪点的原始图像。
7.在一种实施方式中，所述将所述原始图像分割成至少两个子图像，包括：将所述原始图像输入到图像亮度-色度色彩空间的亮度通道中，得到所述原始图像的至少两个亮度等级，每个亮度等级是根据亮度值进行划分；将所述原始图像中的相同亮度等级的区域合并，得到所述至少两个子图像。
8.在一种实施方式中，还包括：确定每个子图像内的亮度差值和相邻两个子图像之间的边缘处的亮度差值；当所述相邻两个子图像之间的边缘处的亮度差值不大于所述相邻两个子图像各自的内部的亮度差值时，将楼所属相邻两个子图像合并成一个子图像。
9.在一种实施方式中，所述提取各个子图像中的图像信息，包括：将所述至少两个子图像输入canny边缘算子算法中，得到所述各个子图像内图像边缘亮度信息。
10.在一种实施方式中，当所述原始图像为欠曝光图像时，在所述将所述至少两个子图像输入canny边缘算子算法中，得到所述各个子图像内图像边缘亮度信息之前，包括：将所述至少两个子图像输入到伽马变换算法中，将提高所述各个两个子图像的灰度值；当所述原始图像为过曝光图像时，在所述将所述至少两个子图像输入canny边缘算子算法中，得到所述各个子图像内图像边缘亮度信息之前，包括：将所述至少两个子图像输入到伽马变
换算法中，将降低所述各个两个子图像的灰度值。
11.在一种实施方式中，所述提取各个子图像中的图像信息，包括：将所述原始图像输入马尔科夫随机场能量函数中，计算出子图像的数量；将所述至少两个子图像和所述子图像的数量输入到粒子群优化算法，计算出所述各个子图像的平均亮度值；根据所述各个子图像对应的亮度等级区间差值和所述各个子图像的平均亮度值，计算出所述各个子图像的亮度变化量。
12.在一种实施方式中，所述根据所述各个子图像中的图像信息，对所述原始图像进行亮度调整，包括：将所述各个子图像的亮度变化量输入到最小二乘法中，计算出所述原始图像的全局映射曲线；根据所述原始图像的全局映射曲线，对所述原始图像的亮度进行调整。
13.在一种实施方式中，所述对所述原始图像的亮度进行调整，包括：将所述原始图像在图像的色调饱和度亮度hsl通道的亮度l通道进行调整。
14.第二方面，本技术实施例中提供了一种图像处理装置，包括：收发单元，用于获取原始图像；处理单元，用于将所述原始图像分割成至少两个子图像；提取各个子图像中的图像信息，所述图像信息包括图像内亮度信息和图像与其它图像间亮度信息；根据所述各个子图像中的图像信息，对所述原始图像进行亮度调整。
15.在一种实施方式中，处理单元，还用于将所述原始图像输入到用双边滤波算法，得到平滑且减少噪点的原始图像。
16.在一种实施方式中，处理单元，具体用于将所述原始图像输入到图像亮度-色度色彩空间的亮度通道中，得到所述原始图像的至少两个亮度等级，每个亮度等级是根据亮度值进行划分；将所述原始图像中的相同亮度等级的区域合并，得到所述至少两个子图像。
17.在一种实施方式中，处理单元，还用于确定每个子图像内的亮度差值和相邻两个子图像之间的边缘处的亮度差值；当所述相邻两个子图像之间的边缘处的亮度差值不大于所述相邻两个子图像各自的内部的亮度差值时，将楼所属相邻两个子图像合并成一个子图像。
18.在一种实施方式中，处理单元，具体用于将所述至少两个子图像输入canny边缘算子算法中，得到所述各个子图像内图像边缘亮度信息。
19.在一种实施方式中，当所述原始图像为欠曝光图像时，处理单元，还用于将所述至少两个子图像输入到伽马变换算法中，将提高所述各个两个子图像的灰度值；当所述原始图像为过曝光图像时，处理单元，还用于将所述至少两个子图像输入到伽马变换算法中，将降低所述各个两个子图像的灰度值。
20.在一种实施方式中，处理单元，具体用于将所述原始图像输入马尔科夫随机场能量函数中，计算出子图像的数量；将所述至少两个子图像和所述子图像的数量输入到粒子群优化算法，计算出所述各个子图像的平均亮度值；根据所述各个子图像对应的亮度等级区间差值和所述各个子图像的平均亮度值，计算出所述各个子图像的亮度变化量。
21.在一种实施方式中，处理单元，具体用于将所述各个子图像的亮度变化量输入到最小二乘法中，计算出所述原始图像的全局映射曲线；根据所述原始图像的全局映射曲线，对所述原始图像的亮度进行调整。
22.在一种实施方式中，处理单元，具体用于将所述原始图像在图像的色调饱和度亮
度hsl通道的亮度l通道进行调整。
23.第三方面，本技术实施例中提供一种终端设备，包括：至少一个收发器，至少一个存储器，至少一个处理器，用于执行如第一方面各个可能实现的实施例。
24.第四方面，本技术实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行如第一方面各个可能实现的实施例。
25.第五方面，本技术实施例中提供一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施如第一方面各个可能实现的实施例。
26.本技术实施例中，图像处理组成成分为：输入图像、图像分割、图像区域内信息提取与区间信息提取、区域间亮度值估计、亮度等级变化统计量、亮度等级变化曲线拟合、细节调整、输出图像。首先，将采集图像的亮度平均分为十个等级，将整幅图像分割成多个子图像；然后将图像转化为对组成图像的这些区域采集信息并做处理，根据补偿前后的区域亮度值，以增加图像边缘细节为目标，定义图像马尔可夫随机场能量函数，通过粒子群优化算法获得每个区域的最优平均亮度值。接着利用区域的统计信息校正图像在每个亮度等级处的亮度值增幅；最后用最小二乘法去拟合得到图像的亮度映射曲线，对图像的亮度分区域进行补偿调整，以恢复图像细节。
附图说明
27.下面对实施例或现有技术描述中所需使用的附图作简单地介绍。
28.图1为本技术实施例中提供的一种图像处理方法的流程框图；
29.图2为本技术实施例中提供的一种图像处理方法的流程示意图；
30.图3(a)为本技术实施例中提供的一种欠曝光原始图像；
31.图3(b)为本技术实施例中提供的一种过曝光原始图像；
32.图4为本技术实施例中提供的亮度等级划分示意图；
33.图5为本技术实施例中提供的根据像素点分割成多个子图像后的原始图像灰度图；
34.图6为本技术实施例中提供的将部分像素块合并后多个子图像的原始图像灰度图；
35.图7(a)为本技术实施例中提供的正常图像分割成多个子图像的原始图像灰度图；
36.图7(b)为本技术实施例中提供的过曝光图像分割成多个子图像的原始图像灰度图；
37.图7(c)为本技术实施例中提供的欠曝光图像分割成多个子图像的原始图像灰度图；
38.图8为本技术实施例中提供的亮度等级变化曲线图；
39.图9为本技术实施例中提供的亮度映射曲线图；
40.图10为本技术实施例中提供的对图3(b)的原始图像进行亮度调整后的原始图像；
41.图11为本技术实施例中一种图像处理装置的架构示意图；
42.图12为本技术实施例中一种终端设备的架构示意图。
具体实施方式
43.本文中术语“和/或”，是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。本文中符号“/”表示关联对象是或者的关系，例如a/b表示a或者b。
44.本文中的说明书和权利要求书中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述对象的特定顺序。例如，第一响应消息和第二响应消息等是用于区别不同的响应消息，而不是用于描述响应消息的特定顺序。
45.在本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
46.在本技术实施例的描述中，除非另有说明，“多个”的含义是指两个或者两个以上，例如，多个处理单元是指两个或者两个以上的处理单元等；多个元件是指两个或者两个以上的元件等。
47.图1、图2为本技术实施例中提供的一种图像处理方法的流程图。如图所示，该方法实现过程具体为：
48.步骤s201，获取原始图像。
49.本技术中，获取的原始图像一般是由用户拍照得到，由于用户的拍照技术，得到原始图像可能出现如图3(a)所示的图像，存在过曝光问题，或者出现如图3(b)所示的图像，存在欠曝光问题。原始图像不管是存在过曝光还是欠曝光的问题，不能反映真实场景，以及图像中细节问题。下面介绍本技术保护的技术方案过程中，将以图3(b)的欠曝光图像为例，本技术在此并不限定，本技术保护的方案也是可以解决图3(a)的过曝光图像。
50.步骤s202，将所述原始图像分割成至少两个子图像。
51.在对原始图像分割之前，需要对原始图像进行预处理。示例性地，可以使用双边滤波方法，对原始图像进行平滑滤波，可以减少原始图像中的噪点，避免原始图像中的噪点过多，影响后续原始图像的分割效果。由于对图像的双边滤波，是在采样时结合了图像的空间邻近度和像素点相似度的折中处理，同时考虑了空域信息和灰度相似性，所以对原始图像进行平滑滤波处理，即可以达到平滑图像，又可以保留边缘的效果。
52.原始图像处理完之后，还可以根据原始图像上的像素点的亮度最大值和亮度最小值，将原始图像的亮度值划分为n个等级，n为大于1的正整数，以便后续分割图像时可以根据亮度等级划分不同的子图像。示例性地，结合图4所示，可以将原始图像输入到图像亮度-色度(y-uv)色彩空间的亮度通道y归一化到0-1范围内，然后将亮度平均分为10个等级，ω＝(ω1，ω2，ω3，ω4，ω5，ω6，ω7，ω8，ω9，ω10)，每个亮度等级ω对应亮度值范围为0.1。其中，亮度等级ω越低，像素点的亮度值越小，亮度等级ω越大，像素点的亮度值越大。
53.本技术中，对原始图像进行分割成至少两个子图像的方式，是基于像素点之间的不相似度方式进行划分。示例性地，原始图像一般是以红绿蓝(red green blue，rgb)图像存在，可以利用最小生成树(minimum spanning tree，mst)，将原始图像中的亮度值相同或亮度值接近的像素点进行合并，将亮度值相同或亮度值接近的像素点合并成的一个像素块cn，即为一个子图像。本技术中，以图3(b)所示的图像进行相同像素点合并，得到如图5所示
的图像，不同颜色的阴影块表示一个子图像。
54.可选地，对于一个像素块cn中，内部所有边缘处的像素点的亮度值之间的差异值可以称为类内差异；对于不同像素块cn中，相邻两个像素块cn中的边缘处的像素点的亮度值之间的差异值，可以称为类间差异。如果类间差异小于类内差异时，可以将类间差异的两个相邻的像素块cn进行合并，可以有效减少像素块cn的数量，可以有效减少子图像数量，降低后续数据处理的工作量。本技术中，将图4中相似度比较高的像素块cn进行合并，得到如图6所示的图像，不同颜色的阴影块表示一个像素块cn，也即表示一个子图像。
55.步骤s203，提取各个子图像中的图像信息。其中，图像信息包括图像内亮度信息和图像与其它图像间亮度信息。
56.步骤s204，根据各个子图像中的图像信息，对原始图像进行亮度调整。
57.如图7(a)所示的正常拍摄的图像中，如果没有出现过曝光或欠曝光的问题，图像中的各个物体的轮廓是清晰的，可以利用图像轮廓提取算法，直接提取图像中的各个物体的轮廓，基本上可以提取出图像中的所有轮廓；如果图像有欠曝光的问题，如图7(b)所示，该图像中的亮度等级ω比较低的子图像比较多，由于物体在比较暗的情况下，会导致图像中显示的各个物体的轮廓比较模糊，或根本无法显示出来，此时无法提取出所有物体的轮廓；如果图像有过曝光的问题，如图7(c)所示，该图像中的亮度等级ω比较高的子图像比较多，由于物体在高亮的情况下，会导致图像中显示的各个物体泛白，无法清楚地呈现出轮廓，此时也无法提出所有物体的轮廓。
58.本技术中，为了解决图像出现过曝光或欠曝光的情况下，提出图像中的各个物体的轮廓，可以将各个子图像输入到伽马变换算法中，可以对子图像出现过曝光或欠曝光区域进行补偿，可以使各个子图像变成正常图像，然后再通过图像轮廓提取算法，提取各个子图像中的各个物体的轮廓。
59.示例性地，当子图像出现欠曝光，通过伽马变换(γ《1)之后，图像较窄范围的低灰度值映射为较宽范围的灰度值，使得对比度增强，能够显示更多的低灰度细节，再通过canny边缘算子检测出的边缘数量会比变换前增加。同理，当子图像出现过曝光，图像较窄范围的高灰度值可以通过(γ》1)映射为较宽范围的灰度值，再由canny算子检测出曝光部分更多的边缘。
60.子图像为正常图像、或欠曝光图像、或过曝光图像，可以根据该子图像中的灰度值来确定。可选地，如果一个子图像的灰度值小于第一设定阈值时，可以认为该子图像为欠曝光图像；如果一个子图像的灰度值大于第二设定阈值时，可以认为该子图像为过曝光图像；如果一个子图像的灰度值在第一设定阈值和第二设定阈值之间时，可以认为该子图像为正常图像。
61.为了获得亮度等级变化量统计，需要先进行子图像亮度值估计，可以利用马尔可夫随机场能量函数，来计算出原始图像分后的子图像个数。其中，马尔可夫随机场能量函数为：
[0062][0063]
其中，l
new
表示原始图像分割后的子图像的数量。
[0064]
为了快速得到能量方程(1)的最优解，可以利用粒子群优化方法进行求解子图像
最佳平均亮度值。在求得最佳的子图像亮度值后，使用各个子图像的最佳平均灰度值作为参考点来执行曝光校正，通过优化后的值直接映射到每一个子图像上。但是，由于一些较小的子图像的信息量权重不大而造成这些子图像的亮度值可能会突变甚至是失真，而利用亮度等级变化量映射具有很好的全局信息，并且不会失真。因此，可以通过统计图像10个亮度等级ωj内的各个子图像的亮度变化量δli，来获取每个一亮度等级ω＝(ω1,ω2,
…
,ω
10
)的变化量，为：
[0065]
δω＝(δω1,δω2,
…
,δω
10
)
ꢀꢀꢀꢀꢀꢀ
(2)。
[0066]
子图像的亮度变化量δli是子图像的初始平均亮度值与重新评估后的子图像最佳平均亮度值之差，也即：
[0067][0068]
其中，图像亮度等级的变化量δωj指的是图像的亮度值0-1内每一个等级范围(0.1)内亮度值的变化值，根据子图像的初始平均灰度值li∈(0,1)，可以确定各个子图像一定属于相对应的亮度等级范围内，通过统计亮度等级内包含的子图像亮度变化量∑δli与该亮等级内的子图像个数cj，可以计算出各个图像亮度等级的变化量δωj，具体为：
[0069][0070]
由于之前定义的ω为亮度区间而不是一个具体的值，为了使作为将要拟合曲线的数据点有效，我们令(q,δω)＝{(q1,δω1),(q2,δω2),
…
,(qn,δωn)}为亮度等级变化的数据点data，然后根据公式(5)计算出每一个亮度等级ωi内的子图像原始亮度的平均值，公式(5)为：
[0071][0072]
然后再将公式(5)计算出的每一个亮度等级ωi内的子图像原始亮度的平均值，进行拟合，得到如图8所示的亮度等级变化曲线。然后结合图8拟合的亮度等级变化曲线，通过公式(6)计算出原始图像的全局映射曲线，公式(6)为：
[0073]
g(x)＝x g
δ
(x)
ꢀꢀꢀꢀꢀꢀ
(6)
[0074]
其中，g(x)为输出图像的亮度，x为输入图像的亮度值，g
δ
(x)为图像亮度值变化量，且由公式(7)可得：
[0075][0076]
其中，k2,k3与k5,k6分别控制阴影与高光区域的修正范围。
[0077]
因为g
δ
(x)为亮度等级变化曲线，所以需要寻找k＝(k1,k2,k3,k4,k5,k6)六个参数
来满足数据点(q,δω)与目标值g
δ
(q,k)之间的误差ε＝(g
δ
(q,k)-δω)2最小。因此，可以通过最小二乘法去拟合g
δ
(x)，但是，单纯的考虑误差最小化得到的模型可能会有过拟合现象或者不易求解，也就是预测效果很差。为了解决这个问题，在目标函数中往往会考虑加入正则项来约束参数k，目的是使拟合的模型不要太过于复杂。所以，可以采用带正则化约束的最小二乘法拟合,可以实现误差最小，具体为：
[0078][0079]
其中，前一项为数据拟合程度的惩处项，数据拟合的越好，该项值越小，可是也有可能过于拟合样本数据导致模型过于复杂；后一项为模型复杂程度的惩处项，当模型越复杂，该项值越大。
[0080]
为了最小化目标函数f(k)，可以让数据拟合同一时候模型不至于太复杂，事实上就是在基本最小二乘法的目标函数中添加了一个正则化项。所以结合正则项，利用牛顿迭代法求解得到：
[0081]
k(t 1)＝(j
t
j 0.1
×
i)-1
×jt
×
(δω-gδ(q,k(t)) k(t))
ꢀꢀ
(9)
[0082]
其中，t表示第t次迭代，i为6
×
6的单位矩阵，迭代初始值k(0)＝[0 15 1.6 0 15 1.6]，j为gδ(q,k)对参数k的jacobian矩阵，为：
[0083][0084]
设置好迭代次数t或者使误差ε小于一定数值时停止迭代，用公式(9)求得的第t代参数k(t)来拟合输入图像的亮度等级变化曲线gδ(x)，进而获得图像亮度的全局映射曲线g(x)，如图9所示。
[0085]
得到图像的全局映射曲线后，可以按照曲线对图像进行调整，由于直接对图像的rgb通道进行调整会直接影响到图像的饱和度、色相等，最后导致图像失真，所以可以在图像的hsl通道单独对l通道进行调整，其中l通道为明度。
[0086]
除此之外，由于通过映射曲线改变图像时会损失一些原图的高频信息，为了使输出图像保持原始图像的细节，可以采用最终改变后的图像f(x)＝g(x) δx。示例性地，如图10所示的图像，其中δx＝x-q(x),q(x)是对原始图像使用了保留边缘的双边滤波后的图像。
[0087]
本技术实施例中，图像处理组成成分为：输入图像、图像分割、图像区域内信息提取与区间信息提取、区域间亮度值估计、亮度等级变化统计量、亮度等级变化曲线拟合、细节调整、输出图像。首先，将采集图像的亮度平均分为十个等级，将整幅图像分割成多个子图像；然后将图像转化为对组成图像的这些区域采集信息并做处理，根据补偿前后的区域亮度值，以增加图像边缘细节为目标，定义图像马尔可夫随机场能量函数，通过粒子群优化算法获得每个区域的最优平均亮度值。接着利用区域的统计信息校正图像在每个亮度等级
处的亮度值增幅；最后用最小二乘法去拟合得到图像的亮度映射曲线，对图像的亮度分区域进行补偿调整，以恢复图像细节。
[0088]
通过本技术上述保护的技术方案处理的图像，实验结果显示，该算法提升了图像的视觉显示效果，使图像更加真实，细节更加清晰。针对一个光交像图像处理的应用实验表明，本本技术保护的技术方案能有效应对图片的欠曝与过曝问题，恢复图像过曝光和欠曝光区域的细节。
[0089]
图11为本技术实施例中一种图像处理装置的架构示意图。如图11所示，该装置1100包括收发单元1101和处理单元1102。其中，各个单元之间协同工作过程如下：
[0090]
收发单元1101用于获取原始图像；处理单元1102用于将所述原始图像分割成至少两个子图像；提取各个子图像中的图像信息，所述图像信息包括图像内亮度信息和图像与其它图像间亮度信息；根据所述各个子图像中的图像信息，对所述原始图像进行亮度调整。
[0091]
在一种实施方式中，处理单元1102还用于将所述原始图像输入到用双边滤波算法，得到平滑且减少噪点的原始图像。
[0092]
在一种实施方式中，处理单元1102具体用于将所述原始图像输入到图像亮度-色度色彩空间的亮度通道中，得到所述原始图像的至少两个亮度等级，每个亮度等级是根据亮度值进行划分；将所述原始图像中的相同亮度等级的区域合并，得到所述至少两个子图像。
[0093]
在一种实施方式中，处理单元1102还用于确定每个子图像内的亮度差值和相邻两个子图像之间的边缘处的亮度差值；当所述相邻两个子图像之间的边缘处的亮度差值不大于所述相邻两个子图像各自的内部的亮度差值时，将楼所属相邻两个子图像合并成一个子图像。
[0094]
在一种实施方式中，处理单元1102具体用于将所述至少两个子图像输入canny边缘算子算法中，得到所述各个子图像内图像边缘亮度信息。
[0095]
在一种实施方式中，当所述原始图像为欠曝光图像时，处理单元1102还用于将所述至少两个子图像输入到伽马变换算法中，将提高所述各个两个子图像的灰度值；当所述原始图像为过曝光图像时，处理单元，还用于将所述至少两个子图像输入到伽马变换算法中，将降低所述各个两个子图像的灰度值。
[0096]
在一种实施方式中，处理单元1102具体用于将所述原始图像输入马尔科夫随机场能量函数中，计算出子图像的数量；将所述至少两个子图像和所述子图像的数量输入到粒子群优化算法，计算出所述各个子图像的平均亮度值；根据所述各个子图像对应的亮度等级区间差值和所述各个子图像的平均亮度值，计算出所述各个子图像的亮度变化量。
[0097]
在一种实施方式中，处理单元1102具体用于将所述各个子图像的亮度变化量输入到最小二乘法中，计算出所述原始图像的全局映射曲线；根据所述原始图像的全局映射曲线，对所述原始图像的亮度进行调整。
[0098]
在一种实施方式中，处理单元1102具体用于将所述原始图像在图像的色调饱和度亮度hsl通道的亮度l通道进行调整。
[0099]
图12为本技术实施例中提供的一种终端设备的架构示意图。如图12所示，该终端设备1200包括收发器1201、存储器1202、处理器1203和总线1204。其中，收发器1201、存储器1202和处理器1203分别通过总线1204进行通信连接，实现相互通信。
[0100]
其中，收发器1201可以实现信号的输入(接收)和输出(发送)。例如，收发器1201可以包括收发器或射频芯片。收发器1201还可以包括通信接口。示例性的，终端设备1200可以通过收发器1201接收如手机、相机、摄像头、云端等外接设备发送的控制指令，也可以通过收发器1201将执行指令发送至其它设备上。
[0101]
存储器1202上可以存有程序(也可以是指令或者代码)，程序可被处理器1202运行，使得处理器1203执行图1-图10所示的功能。可选地，存储器1202中还可以存储有数据。例如，处理器1203可以读取存储器1202中存储的数据，该数据可以与程序存储在相同的存储地址，该数据也可以与程序存储在不同的存储地址。本方案中，处理器1203和存储器1202可以单独设置，也可以集成在一起，例如，集成在单板或者系统级芯片(system on chip，soc)上。
[0102]
处理器1203可以是通用处理器或者专用处理器。例如，处理器1203可以包括中央处理器(central processing unit，cpu)和/或基带处理器。
[0103]
示例性地，处理器1203具体工作过程可分为：输入图像、图像分割、图像区域内信息提取与区间信息提取、区域间亮度值估计、亮度等级变化统计量、亮度等级变化曲线拟合、细节调整、输出图像。其中，所述图像分割将整幅图像划分成多个子区域进而分析与处理，而且这些子区域内的像素应尽可能具有相近的亮度值；所述图像区域间内信息提取与区域间信息提取是要实现对分割出来的区域实现区域内信息增强，获取区域内细节增量，通过图像分割后的每一个区域与之相邻区域的平均亮度值之差获得区域间对比度关系；所述区域亮度值估计需要重新估计出所有区域新的最佳平均亮度值，使区域的亮度值尽可能往0.5趋近，获得最佳亮度平均值；所述亮度等级变化量统计通过统计图像10个亮度等级内的各个区域亮度变化量来获取每个一亮度等级的变量；所述亮度等级变化曲线拟合利用亮度等级变化的数据点用最小二乘法拟合得到整幅图像的亮度变化曲线，得到图像的全局映射曲线后，按照曲线对图像进行调整，得到输出图像。
[0104]
示例性地，处理器1203可以基于像素之间的不相似度将图像分成若干个区域。在对图像分割之前使用双边滤波对图像进行平滑以及减少噪点对分割效果的干扰，同时考虑了空域信息和灰度相似性，可以达到即平滑图像又保留边缘的效果。
[0105]
示例性地，处理器1203在信息区域提取方面主要应用伽马变换和canny边缘算子处理图片，针对欠曝光和过曝光通过调整伽玛变换(或者)获得效果好的图片，然后应用canny边缘算子提取图像边缘。
[0106]
示例性地，处理器1203在区域亮度值估计方面主要借鉴马尔可夫随机场能量函数求解图像分割后区域的个数，然后利用粒子群优化方法进行求解区域最佳平均亮度值。
[0107]
示例性地，处理器1203在亮度等级变化量统计方面通过统计图像10个亮度等级内的各个区域亮度变化量来获取每个一亮度等级的变化量，区域亮度的变化量是区域的初始平均亮度值与重新评估后的区域最佳平均亮度值之差。
[0108]
示例性地，处理器1203在亮度等级变化曲线拟合方面是通过最小二乘法去拟合图像的亮度等级变化曲线，求出图像的全局映射曲线。按照曲线对图像进行调整时，在图像的hsl通道单独对l通道进行调整，其中l通道为明度。
[0109]
可以理解的是，本技术实施例示意的结构并不构成对终端设备1100的具体限定。在本技术另一些实施例中，终端设备1100可以包括比图示更多或更少的部件，或者组合某
些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。
[0110]
本技术实施例中还提供了一种终端设备，该终端设备包括处理器，该处理器可以执行如图1-图10和上述对应保护的技术方案，使得该终端设备具有上述保护的技术方案的技术效果。
[0111]
本技术实施例中还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述图1-图10和相应描述内容中记载的任一项方法。
[0112]
本技术实施例中还提供了一种计算机程序产品，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施上述图1-图10和相应描述内容中记载的任一项方法。
[0113]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术实施例的范围。
[0114]
此外，本技术实施例的各个方面或特征可以实现成方法、装置或使用标准编程和/或工程技术的制品。本技术中使用的术语“制品”涵盖可从任何计算机可读器件、载体或介质访问的计算机程序。例如，计算机可读介质可以包括，但不限于:磁存储器件(例如，硬盘、软盘或磁带等)，光盘(例如，压缩盘(compact disc，cd)、数字通用盘(digital versatile disc，dvd)等)，智能卡和闪存器件(例如，可擦写可编程只读存储器(erasable programmable read-only memory，eprom)、卡、棒或钥匙驱动器等)。另外，本文描述的各种存储介质可代表用于存储信息的一个或多个设备和/或其它机器可读介质。术语“机器可读介质”可包括但不限于，无线信道和能够存储、包含和/或承载指令和/或数据的各种其它介质。
[0115]
在上述实施例中，图11中的视窗管理装置1100可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，高密度数字视频光盘(digital video disc，dvd))、或者半导体介质(例如，固态硬盘(solid state disk，ssd))等。
[0116]
应当理解的是，在本技术实施例的各种实施例中，上述各过程的序号的大小并不
意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0117]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0118]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0119]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0120]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者接入网设备等)执行本技术实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0121]
以上所述，仅为本技术实施例的具体实施方式，但本技术实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术实施例揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术实施例的保护范围之内。