本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種圖像處理方法及裝置。

背景技術(shù)：

針對多媒體圖像和視頻，高動態(tài)范圍hdr(highdynamicrange)的圖像和視頻的顯示效果，對于人眼來說更加有層次感，清晰度會更高；產(chǎn)生這種現(xiàn)象的原因是由灰度的量化引起的。

hdr當(dāng)前知道的方法有兩種，一種是拍攝同一個場景不同曝光度下的圖片，然后合成hdr圖片；另一種提高硬件設(shè)備的灰度表示位數(shù)，來提高h(yuǎn)dr。

現(xiàn)有的技術(shù)，同時拍攝多張不同曝光度下的圖片，然后合成，或者采用提高硬件設(shè)備的灰度表示位數(shù)，都會大大的提高設(shè)備的成本，另外兼容性較差。

技術(shù)實現(xiàn)要素：

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。

為此，本發(fā)明的第一個目的在于提出一種圖像處理方法，實現(xiàn)了通過多個動態(tài)區(qū)域模型提高圖像灰度的動態(tài)區(qū)間，從而提高圖像的層次感和清晰度。

本發(fā)明的第二個目的在于提出一種圖像處理裝置。

為了實現(xiàn)上述目的，本發(fā)明第一方面實施例的圖像處理方法，包括：根據(jù)圖像灰度值表示位數(shù)確定圖片的灰度分布區(qū)間，以及根據(jù)預(yù)設(shè)的分割參數(shù)從所 述灰度分布區(qū)間確定灰度調(diào)整區(qū)間；根據(jù)所述分割參數(shù)將所述灰度調(diào)整區(qū)間分割成多個灰度區(qū)域；建立與各灰度區(qū)域分別對應(yīng)的高動態(tài)范圍hdr模型，應(yīng)用各hdr模型以及與各hdr模型分別對應(yīng)的分布概率，對圖片的灰度值進(jìn)行處理以生成新的圖片。

本發(fā)明實施例的圖像處理方法，根據(jù)圖像灰度值表示位數(shù)確定圖片的灰度分布區(qū)間，以及根據(jù)預(yù)設(shè)的分割參數(shù)從所述灰度分布區(qū)間確定灰度調(diào)整區(qū)間；根據(jù)所述分割參數(shù)將所述灰度調(diào)整區(qū)間分割成多個灰度區(qū)域；建立與各灰度區(qū)域分別對應(yīng)的高動態(tài)范圍hdr模型，應(yīng)用各hdr模型以及與各hdr模型分別對應(yīng)的分布概率，對圖片的灰度值進(jìn)行處理以生成新的圖片。由此，實現(xiàn)了通過多個動態(tài)區(qū)域模型提高圖像灰度的分布范圍，從而提高圖像的層次感和清晰度。

為了實現(xiàn)上述目的，本發(fā)明第二方面實施例的圖像處理裝置，包括：確定模塊，用于根據(jù)圖像灰度值表示位數(shù)確定圖片的灰度分布區(qū)間，以及根據(jù)預(yù)設(shè)的分割參數(shù)從所述灰度分布區(qū)間確定灰度調(diào)整區(qū)間；分割模塊，用于根據(jù)所述分割參數(shù)將所述灰度調(diào)整區(qū)間分割成多個

灰度區(qū)域；建立模塊，用于建立與各灰度區(qū)域分別對應(yīng)的高動態(tài)范圍hdr模型，處理模塊，用于應(yīng)用各hdr模型以及與各hdr模型分別對應(yīng)的分布概率，對圖片的灰度值進(jìn)行處理以生成新的圖片。

本發(fā)明實施例的圖像處理裝置，根據(jù)圖像灰度值表示位數(shù)確定圖片的灰度分布區(qū)間，以及根據(jù)預(yù)設(shè)的分割參數(shù)從所述灰度分布區(qū)間確定灰度調(diào)整區(qū)間；根據(jù)所述分割參數(shù)將所述灰度調(diào)整區(qū)間分割成多個灰度區(qū)域；建立與各灰度區(qū)域分別對應(yīng)的高動態(tài)范圍hdr模型，應(yīng)用各hdr模型以及與各hdr模型分別對應(yīng)的分布概率，對圖片的灰度值進(jìn)行處理以生成新的圖片。由此，實現(xiàn)了通過 多個動態(tài)區(qū)域模型提高圖像灰度的分布范圍，從而提高圖像的層次感和清晰度。

附圖說明

本發(fā)明上述的和/或附加的方面和優(yōu)點(diǎn)從下面結(jié)合附圖對實施例的描述中將變得明顯和容易理解，其中，

圖1是本發(fā)明一個實施例的圖像處理方法的流程圖；

圖2為灰度為8-27對應(yīng)圖像的直方圖；

圖3為灰度區(qū)域8-27的線性hdr模型；

圖4經(jīng)過線性hdr模型放大后的圖像的直方圖；

圖5為線性hdr模型圖；

圖6是本發(fā)明另一個實施例的圖像處理方法的流程圖；

圖7是圖6所示的圖像處理方法的技術(shù)原理框圖；

圖8是本發(fā)明一個實施例的圖像處理裝置的結(jié)構(gòu)框圖；

圖9是本發(fā)明另一個實施例的圖像處理裝置的結(jié)構(gòu)框圖。

具體實施方式

下面詳細(xì)描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。相反，本發(fā)明的實施例包括落入所附加權(quán)利要求書的精神和內(nèi)涵區(qū)間內(nèi)的所有變化、修改和等同物。

在本發(fā)明的描述中，需要理解的是，術(shù)語“第一”、“第二”等僅用于描述目 的，而不能理解為指示或暗示相對重要性。在本發(fā)明的描述中，需要說明的是，除非另有明確的規(guī)定和限定，術(shù)語“相連”、“連接”應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機(jī)械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連。對于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語在本發(fā)明中的具體含義。此外，在本發(fā)明的描述中，除非另有說明，“多個”的含義是兩個或兩個以上。

流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或更多個用于實現(xiàn)特定邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本發(fā)明的優(yōu)選實施方式的區(qū)間包括另外的實現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應(yīng)被本發(fā)明的實施例所屬技術(shù)領(lǐng)域的技術(shù)人員所理解。

以下結(jié)合附圖描述根據(jù)本發(fā)明實施例的圖像處理方法及裝置。

圖1是本發(fā)明一個實施例的圖像處理方法的流程圖。

如圖1所示，該圖像處理方法包括：

步驟101，根據(jù)圖像灰度值表示位數(shù)確定圖片的灰度分布區(qū)間，以及根據(jù)預(yù)設(shè)的分割參數(shù)確定灰度調(diào)整區(qū)間。

步驟102，根據(jù)所述分割參數(shù)將所述灰度調(diào)整區(qū)間分割成多個灰度區(qū)域。

具體來說，本身請?zhí)峁┑膱D像處理方法應(yīng)用在具有圖像數(shù)字處理功能的圖像處理裝置上。其中，具有圖像數(shù)字處理功能的圖像處理裝置的類型很多，可以根據(jù)實際應(yīng)用需要進(jìn)行選擇，例如包括：手機(jī)，電腦，pad等。

本發(fā)明在不提高圖像灰度值表示位數(shù)的情況下，通過提高圖像灰度的動態(tài)區(qū)間，提高圖片的高動態(tài)范圍hdr(highdynamicrange)，從而提高圖像視頻 層次感和清晰度。

首先，根據(jù)圖像灰度值表示位數(shù)確定圖片的灰度分布區(qū)間。其中，需要解釋的是，現(xiàn)在人眼通過手機(jī)，電腦，pad等看到的都是數(shù)字化的圖像和視頻，看到的每一幅圖像或者每一幀圖像都是由一個個的像素構(gòu)成的。每個像素由灰度值表示的，常見的表示方法由三基色rgb,或者亮度和色度ycbcr。由于是數(shù)字圖像和視頻，每一個色調(diào)都是都對應(yīng)一個數(shù)字，這個數(shù)字就是該色調(diào)的灰度值。

需要說明的是，針對不同的應(yīng)用場景，圖像處理裝置可以采用不同的灰度值表示位數(shù)，顯示圖片像素點(diǎn)的灰度值。舉例說明如下：

示例一，灰度值表示位數(shù)為8位；

當(dāng)灰度值采用1個字節(jié)即8位進(jìn)行表示時，灰度值的表示區(qū)間就是0-255之間。針對rgb色調(diào)表示的像素，rgb888格式，r,g,b三基色對應(yīng)的區(qū)間都是0-255之間。當(dāng)然針對ycbcr表示的像素，y，cb，cr對應(yīng)的區(qū)間也都是0-255之間。這就是說，圖像處理裝置提供給人眼可以區(qū)分的灰度只能在0-255之間的整數(shù)值。

示例二，灰度值表示位數(shù)為16位；

當(dāng)灰度值采用2個字節(jié)即16位進(jìn)行表示時，灰度值的表示區(qū)間就是0-65535之間。那么灰度值0量化成0，最大灰度值255量化成了65535。由此可見，圖像處理裝置的灰度值表示位數(shù)越多，灰度量化的精度越高，就可以提高人眼對圖像的辨識度，提高圖像的層次感和質(zhì)量。舉例說明如下：

針對色彩灰度值是110.2,110.4,110.5,110.9，數(shù)字處理過程中如果以8位量化表示灰度值。110.2和110.4會被量化成110；110.5和110.9會被量化成111，提供給人的只有110和111兩個灰度值，110.2和110.4展現(xiàn)給人眼的效 果是沒有區(qū)別，110.5和110.9展現(xiàn)給人眼的效果也是沒有區(qū)別的。

如果以16位量化表示灰度值，110.2和110.4分別被量化為28211和28262，對人眼來說28211和28262就是兩個灰度值，可以區(qū)分；同樣110.5被量化成28288，110.9被量化成28390，對人眼來說28288和28390也是兩個灰度值，也是可以區(qū)分。由此可見，8位量化無法區(qū)分的110.2，110.4，采用16位量化都可以被人眼區(qū)分；8位量化無法區(qū)分的110.5和110.9，進(jìn)行16位量化后也變成了人眼可以區(qū)分的灰度；所以通過這樣的量化方法就可以提高人眼對圖像的辨識度，提高圖像的層次感和質(zhì)量。

由此可見，當(dāng)圖像處理裝置中的灰度值表示位數(shù)為8時，圖片的灰度分布區(qū)間為0-255；當(dāng)圖像處理裝置中的灰度值表示位數(shù)為16時，圖片的灰度分布區(qū)間為0-65535。

為了提高圖像灰度的動態(tài)區(qū)間，本發(fā)明根據(jù)調(diào)整精度預(yù)先設(shè)置分割參數(shù)，其中，分割參數(shù)用于從所述灰度分布區(qū)間確定灰度調(diào)整區(qū)間，以及根據(jù)分割參數(shù)對灰度調(diào)整區(qū)間進(jìn)行切分，獲取多個灰度區(qū)域。

其中，灰度區(qū)域數(shù)量越大，即分割的灰度區(qū)域越多，圖片灰度動態(tài)區(qū)間的調(diào)整精度提高；灰度區(qū)域數(shù)量越小，即分割的灰度區(qū)域越少，圖片灰度動態(tài)區(qū)間的調(diào)整精度降低。因此，可以根據(jù)應(yīng)用需要設(shè)置分割參數(shù)，例如：分割參數(shù)可以包括：待分割的灰度區(qū)域數(shù)量，和/或，單位區(qū)域內(nèi)的灰度數(shù)量。

第一種示例，

本示例以所述分割參數(shù)包括灰度區(qū)域數(shù)量為例，說明如何根據(jù)預(yù)設(shè)的分割參數(shù)從所述灰度分布區(qū)間確定灰度調(diào)整區(qū)間，具體包括：

判斷灰度區(qū)域數(shù)量是否能夠被灰度分布區(qū)間整除；

如果所述灰度區(qū)域數(shù)量能夠被灰度分布區(qū)間整除，則將所述灰度分布區(qū)間 作為所述灰度調(diào)整區(qū)間；

如果所述灰度區(qū)域數(shù)量不能夠被灰度分布區(qū)間整除，則刪除所述灰度分布區(qū)間兩端的部分灰度值，中間剩余的灰度值為所述灰度調(diào)整區(qū)間，其中，所述灰度區(qū)域數(shù)量能夠被灰度調(diào)整區(qū)間整除。

第二種示例，

本示例以所述分割參數(shù)包括：灰度區(qū)域數(shù)量和單位區(qū)域內(nèi)的灰度數(shù)量為例，說明如何根據(jù)預(yù)設(shè)的分割參數(shù)從所述灰度分布區(qū)間確定灰度調(diào)整區(qū)間，具體包括：

如果所述乘積與所述灰度分布區(qū)間的灰度個數(shù)匹配，則將所述灰度分布區(qū)間作為所述灰度調(diào)整區(qū)間。

如果所述乘積與所述灰度分布區(qū)間的灰度個數(shù)不匹配，則刪除所述灰度分布區(qū)間兩端的部分灰度值，中間剩余的灰度值為所述灰度調(diào)整區(qū)間，其中，所述灰度調(diào)整區(qū)間的灰度個數(shù)與所述乘積匹配。

為了更加清楚的說明上述實施例，以8位灰度值表示為例針對上述第二種示例進(jìn)行說明如何根據(jù)預(yù)設(shè)的分割參數(shù)從所述灰度分布區(qū)間確定灰度調(diào)整區(qū)間，以及根據(jù)所述分割參數(shù)將所述灰度調(diào)整區(qū)間分割成多個灰度區(qū)域，具體如下：

假設(shè)圖像灰度值表示位數(shù)為8時，圖片的灰度分布區(qū)間為0-255。

示例一，

如果預(yù)先設(shè)置待分割的灰度區(qū)域數(shù)量為8，單位區(qū)域內(nèi)的灰度數(shù)量有32個灰度值，則灰度區(qū)域有32與灰度區(qū)域數(shù)量8的乘積為256，灰度分布區(qū)間0-255的灰度個數(shù)256匹配，則確定灰度調(diào)整區(qū)間為灰度分布區(qū)間為0-255。

示例二，

如果預(yù)先設(shè)置待分割的灰度區(qū)域數(shù)量為12，單位區(qū)域內(nèi)的灰度數(shù)量有20個灰度值，則灰度區(qū)域有20與灰度區(qū)域數(shù)量12的乘積為240，由于設(shè)備對于0到7，以及248到255區(qū)分不明顯，所以將0到7，以及248到255部分刪除，可以將8到247之間共240個灰度分成12個部分，每一個部分對應(yīng)的灰度范圍為20個灰度區(qū)域。具體包括：

第1部分對應(yīng)的灰度范圍是8到27之間；第2部分對應(yīng)的灰度范圍是28-47之間；第3部分對應(yīng)的灰度范圍是48-67之間；第4部分對應(yīng)的灰度范圍是68-87之間；第5部分對應(yīng)的灰度范圍是88-107之間；第6部分對應(yīng)的灰度范圍是108-127之間；第7部分對應(yīng)的灰度范圍是128-147之間；第8部分對應(yīng)的灰度范圍是148-167之間；第9部分對應(yīng)的灰度范圍是168-187之間；第10部分對應(yīng)的灰度范圍是188-207之間；第11部分對應(yīng)的灰度范圍是208-227之間；第12部分對應(yīng)的灰度范圍是228-247之間。

步驟103，建立與各灰度區(qū)域分別對應(yīng)的高動態(tài)范圍hdr模型；

步驟104，應(yīng)用各hdr模型以及與各hdr模型分別對應(yīng)的分布概率，對圖片的灰度值進(jìn)行處理以生成新的圖片。

具體地，建立與各灰度區(qū)域分別對應(yīng)的高動態(tài)范圍hdr模型，針對與每個灰度區(qū)域?qū)?yīng)的hdr模型，hdr模型用于擴(kuò)大灰度區(qū)域的動態(tài)范圍。需要注意的是，動態(tài)范圍的放大倍數(shù)可以根據(jù)需要進(jìn)行設(shè)置。其中，hdr模型的類型很多，例如：折線模型、或者，曲線模型等，只要滿足上述功能的hdr模型都可用于執(zhí)行上述處理過程。

為了更加清楚的說明上述過程，以上述示例二中的第一個灰度區(qū)域為例進(jìn)行說明。該灰度區(qū)域的灰度值都位于8-27之間，認(rèn)為一張圖片的所有灰度值都位于8-27之間，那么，整張圖片的直方圖將如圖2所示，圖2為灰度為8-27 對應(yīng)圖像的直方圖，參見圖2，整張圖片的動態(tài)范圍將是8-27，理想化假設(shè)整張圖像的像素個數(shù)對應(yīng)的灰度值都分布在8-27。

針對該理想化的模型，本文采用線性放大的方式來提高圖片的動態(tài)范圍，具體如下：

圖3為灰度區(qū)域8-27的線性hdr模型。如圖3所示，理想狀態(tài)下圖片所有灰度值都位于8-27之間時，通過圖3將8-27的動態(tài)范圍放大到了0-45之間，動態(tài)范圍放大到原來的2倍以上；放大后的圖像的直方圖將如圖4所示。

圖4經(jīng)過線性hdr模型放大后的圖像的直方圖，參見圖4，整張圖片的動態(tài)范圍將是0-45，理想化假設(shè)整張圖像的像素個數(shù)對應(yīng)的灰度值都分布在0-45，動態(tài)范圍放大到原來的2倍以上。需要注意的是，動態(tài)范圍的放大倍數(shù)可以根據(jù)需要進(jìn)行設(shè)置。

同理，依次可以計算得到第2種灰度區(qū)域到第12種灰度區(qū)域的hdr模型，以及各灰度區(qū)域經(jīng)過對應(yīng)hdr模型圖像動態(tài)范圍的理想放大曲線。

為了進(jìn)一步地提高放大后的圖片質(zhì)量，在建立與各灰度區(qū)域分別對應(yīng)的高動態(tài)范圍hdr模型的過程中，需要考慮各個灰度區(qū)域的中間值，保證中間值經(jīng)過對應(yīng)hdr模型的映射后取值不變，具體包括以下步驟：

確定與各灰度區(qū)域的第一起始值對應(yīng)的第二起始值，其中，需要保證第二起始值小于第一起始值；

確定與各灰度區(qū)域的第一中間值對應(yīng)的第二中間值，其中，需要保證第二中間值等于所述第一中間值；

確定與各灰度區(qū)域的第一結(jié)束值對應(yīng)的第二結(jié)束值，其中，需要保證第二結(jié)束值大于所述第一結(jié)束值；

根據(jù)各灰度區(qū)域的第二起始值、第二中間值、以及第二結(jié)束值，建立與各 灰度區(qū)域分別對應(yīng)的高動態(tài)范圍hdr模型。

繼續(xù)通過圖5以線性hdr模型對上述示例二中將8到247之間同240個灰度分成12個部分進(jìn)行映射處理為例說明，

圖5為線性hdr模型圖，參見圖5，第1部分對應(yīng)的灰度范圍是8到27之間，其對應(yīng)的線性模型為l1，8到27中間值為18，可以看出，經(jīng)過l1的映射依然為18，起始點(diǎn)8經(jīng)過l1的映射依然為0；結(jié)束點(diǎn)27經(jīng)過l1的映射依然為45。第2部分對應(yīng)的灰度范圍是28-47之間，其對應(yīng)的線性模型為l2；第3部分對應(yīng)的灰度范圍是48-67之間，其對應(yīng)的線性模型為l3；依次對后續(xù)灰度區(qū)域進(jìn)行處理，其實現(xiàn)原理如前面對l1的描述，此處不再贅述。

進(jìn)而，根據(jù)建立的與各灰度區(qū)域?qū)?yīng)的各hdr模型，以及與各hdr模型對應(yīng)的分布概率，應(yīng)用獨(dú)立同分布的概率論原理對輸入圖像中的灰度值進(jìn)行映射處理，以生成新的與輸入圖像對應(yīng)高動態(tài)灰度范圍的圖像。

本實施例的圖像處理方法，根據(jù)圖像灰度值表示位數(shù)確定圖片的灰度分布區(qū)間，以及根據(jù)預(yù)設(shè)的分割參數(shù)從所述灰度分布區(qū)間確定灰度調(diào)整區(qū)間；根據(jù)所述分割參數(shù)將所述灰度調(diào)整區(qū)間分割成多個灰度區(qū)域；建立與各灰度區(qū)域分別對應(yīng)的高動態(tài)范圍hdr模型，應(yīng)用各hdr模型以及與各hdr模型分別對應(yīng)的分布概率，對圖片的灰度值進(jìn)行處理以生成新的圖片。由此，實現(xiàn)了通過多個動態(tài)區(qū)域模型提高圖像灰度的分布范圍，從而提高圖像的層次感和清晰度。

圖6是本發(fā)明另一個實施例的圖像處理方法的流程圖。圖7是圖6所示的圖像處理方法的技術(shù)原理框圖。結(jié)合圖6和圖7，詳細(xì)說明如何采用上述實施例建立的與各灰度區(qū)域?qū)?yīng)的hdr模型提高待處理的原始圖像的灰度動態(tài)范圍，具體如下：

如圖6所示，該圖像處理方法包括以下步驟：

步驟201，根據(jù)圖像灰度值表示位數(shù)確定圖片的灰度分布區(qū)間，以及根據(jù)預(yù)設(shè)的分割參數(shù)從所述灰度分布區(qū)間確定灰度調(diào)整區(qū)間；

步驟202，根據(jù)所述分割參數(shù)將所述灰度調(diào)整區(qū)間分割成多個灰度區(qū)域；

步驟203，建立與各灰度區(qū)域分別對應(yīng)的高動態(tài)范圍hdr模型。

具體地，本實施例中的步驟201到步驟203的具體實施過程參見上述圖1所示實施例中的步驟101-步驟103

步驟204，根據(jù)待處理的原始圖像的所述灰度調(diào)整區(qū)間，確定與所述各hdr模型分別對應(yīng)的分布概率。

步驟205，應(yīng)用各hdr模型以及與各hdr模型分別對應(yīng)的分布概率，處理所述灰度調(diào)整區(qū)間中的每個第一灰度值，獲取與第一灰度值對應(yīng)的第二灰度值。

步驟206，根據(jù)各第二灰度值生成與所述原始圖像對應(yīng)高動態(tài)范圍圖像。

具體地，根據(jù)待處理的原始圖像的所述灰度調(diào)整區(qū)間，確定與各hdr模型分別對應(yīng)的分布概率，以便根據(jù)預(yù)先建立的與各灰度區(qū)域?qū)?yīng)的各hdr模型，以及與各hdr模型對應(yīng)的分布概率，應(yīng)用獨(dú)立同分布的概率論原理對輸入的原始圖像中的第一灰度值進(jìn)行映射處理，獲取動態(tài)調(diào)整的數(shù)學(xué)期望即與第一灰度值對應(yīng)的第二灰度值。

進(jìn)而，根據(jù)各第二灰度值生成與所述原始圖像對應(yīng)高動態(tài)范圍圖像，并根據(jù)每個灰度的數(shù)學(xué)期望值獲取經(jīng)過hdr處理后的圖像。

需要說明的是，根據(jù)不同的應(yīng)用需要可以采用不同的方式確定與各hdr模型分別對應(yīng)的分布概率，舉例說明如下：

從原始圖像的灰度調(diào)整區(qū)間中分別獲取與各灰度區(qū)域?qū)?yīng)的灰度值數(shù)量；

根據(jù)與各灰度區(qū)域?qū)?yīng)的灰度值數(shù)量與灰度調(diào)整區(qū)間的灰度值總數(shù)的比 值，分別確定與所述各hdr模型分別對應(yīng)的分布概率。

為了更加清楚的說明對原始圖像的hdr處理過程，繼續(xù)結(jié)合上述實施例中以8-247為灰度調(diào)整區(qū)間劃分12個灰度區(qū)域，分別建立與12個灰度區(qū)域?qū)?yīng)的hdr模型的例子詳細(xì)說明，

首先統(tǒng)計一副圖片灰度位于8-247之間灰度值的個數(shù)l,統(tǒng)計第1個灰度區(qū)域8-27之間灰度的個數(shù)l1,統(tǒng)計第2個灰度區(qū)域28-47之間灰度的個數(shù)l2,…,統(tǒng)計第12個灰度區(qū)域228-247之間灰度的個數(shù)l12。即可求出與各hdr模型分別對應(yīng)的分布概率，具體包括：

p1＝l1/l；p2＝l2/l；……p12＝l12/l，并且滿足完備性p1+p2+…+p12＝1

由于與12個灰度區(qū)域分別對應(yīng)的hdr模型，是針對當(dāng)一幀圖片灰度范圍分別是第1到第12種情況下理想高動態(tài)范圍的獲取方法。但是，實際需要處理的圖片灰度很少有單獨(dú)分布在第1，第2，…，第12種情況下，而是圖片的灰度會同時分布在多個區(qū)域。

但是，第1，第2，…,第12共12種情況滿足概率論中的獨(dú)立同分布(i.i.d--independentandidenticallydistributed),假設(shè)第一種情況出現(xiàn)的概率是p1,第二種是p2,…,第12種是p12。

進(jìn)而，原始圖像中任意一個灰度值py,在12個模型中分別對應(yīng)的值為l1(py),l2(py),…,l12(py)。又因為l1模型出現(xiàn)的概率是p1；l2模型出現(xiàn)的概率是p2；l3模型出現(xiàn)的概率是p3；…l12模型出現(xiàn)的概率是p12。

那么原始圖像中任何一個第一灰度值經(jīng)過hdr映射之后的第二灰度值將為py’。即py’＝p1*l1(py)+p2*l2(py)+…+p12*l12(py)，從而即可求出圖片中每一個像素點(diǎn)hdr處理之后的灰度值。

本實施例的圖像處理方法，根據(jù)待處理的原始圖像的所述灰度調(diào)整區(qū)間，確定與所述各hdr模型分別對應(yīng)的分布概率；應(yīng)用各hdr模型以及與各hdr模型分別對應(yīng)的分布概率，處理所述灰度調(diào)整區(qū)間中的每個第一灰度值，獲取與第一灰度值對應(yīng)的第二灰度值；根據(jù)各第二灰度值生成與所述原始圖像對應(yīng)高動態(tài)范圍圖像。由此，實現(xiàn)了通過多個動態(tài)區(qū)域模型提高圖像灰度的分布范圍，從而提高圖像的層次感和清晰度。

為了實現(xiàn)上述實施例，本發(fā)明的實施例還提供一種圖像處理裝置。

圖8是根據(jù)本發(fā)明一個實施例的圖像處理裝置的結(jié)構(gòu)框圖。

如圖8所示，該圖像處理裝置包括：

確定模塊11，用于根據(jù)圖像灰度值表示位數(shù)確定圖片的灰度分布區(qū)間，以及根據(jù)預(yù)設(shè)的分割參數(shù)從所述灰度分布區(qū)間確定灰度調(diào)整區(qū)間；

分割模塊12，用于根據(jù)所述分割參數(shù)將所述灰度調(diào)整區(qū)間分割成多個灰度區(qū)域；

建立模塊13，用于建立與各灰度區(qū)域分別對應(yīng)的高動態(tài)范圍hdr模型；

處理模塊14，用于應(yīng)用各hdr模型以及與各hdr模型分別對應(yīng)的分布概率，對圖片的灰度值進(jìn)行處理以生成新的圖片。

在一個實施例中，所述分割參數(shù)包括：灰度區(qū)域數(shù)量以及單位區(qū)域內(nèi)的灰度數(shù)量，所述確定模塊11用于：

判斷所述灰度區(qū)域數(shù)量以及所述單位區(qū)域內(nèi)的灰度數(shù)量的乘積是否與所述灰度分布區(qū)間匹配；

如果所述乘積與所述灰度分布區(qū)間的灰度個數(shù)匹配，則將所述灰度分布區(qū)間作為所述灰度調(diào)整區(qū)間。

在另一個實施例中，所述確定模塊11還用于：

如果所述乘積與所述灰度分布區(qū)間的灰度個數(shù)不匹配，則刪除所述灰度分布區(qū)間兩端的部分灰度值，中間剩余的灰度值為所述灰度調(diào)整區(qū)間，其中，所述灰度調(diào)整區(qū)間的灰度個數(shù)與所述乘積匹配。

在一個實施例中，為了提高圖像質(zhì)量，所述建立模塊13用于：

確定與各灰度區(qū)域的第一起始值對應(yīng)的第二起始值，其中，所述第二起始值小于所述第一起始值；

確定與各灰度區(qū)域的第一中間值對應(yīng)的第二中間值，其中，所述第二中間值等于所述第一中間值；

確定與各灰度區(qū)域的第一結(jié)束值對應(yīng)的第二結(jié)束值，其中，所述第二結(jié)束值大于所述第一結(jié)束值；

根據(jù)各灰度區(qū)域的第二起始值、第二中間值、以及第二結(jié)束值，建立與各灰度區(qū)域分別對應(yīng)的高動態(tài)范圍hdr模型。

需要說明的是，前述對圖像處理方法實施例的解釋說明也適用于該實施例的圖像處理裝置，此處不再贅述。

本發(fā)明實施例的圖像處理裝置，根據(jù)圖像灰度值表示位數(shù)確定圖片的灰度分布區(qū)間，以及根據(jù)預(yù)設(shè)的分割參數(shù)從所述灰度分布區(qū)間確定灰度調(diào)整區(qū)間；根據(jù)所述分割參數(shù)將所述灰度調(diào)整區(qū)間分割成多個灰度區(qū)域；建立與各灰度區(qū)域分別對應(yīng)的高動態(tài)范圍hdr模型，應(yīng)用各hdr模型以及與各hdr模型分別對應(yīng)的分布概率，對圖片的灰度值進(jìn)行處理以生成新的圖片。由此，實現(xiàn)了通過多個動態(tài)區(qū)域模型提高圖像灰度的分布范圍，從而提高圖像的層次感和清晰度。

圖9是本發(fā)明另一個實施例的圖像處理裝置的結(jié)構(gòu)框圖。

如圖9所示，基于圖8所示，所述處理模塊14包括：

確定單元141，用于根據(jù)待處理的原始圖像的所述灰度調(diào)整區(qū)間，確定與所述各hdr模型分別對應(yīng)的分布概率；

獲取單元142，用于應(yīng)用各hdr模型以及與各hdr模型分別對應(yīng)的分布概率，處理所述灰度調(diào)整區(qū)間中的每個第一灰度值，獲取與第一灰度值對應(yīng)的第二灰度值；

生成單元143，用于根據(jù)各第二灰度值生成與所述原始圖像對應(yīng)高動態(tài)范圍圖像。

具體地，在一個實施例中，所述確定單元141用于：

從所述灰度調(diào)整區(qū)間中分別獲取與所述各灰度區(qū)域?qū)?yīng)的灰度值數(shù)量；

根據(jù)與所述各灰度區(qū)域?qū)?yīng)的灰度值數(shù)量與所述灰度調(diào)整區(qū)間的灰度值總數(shù)的比值，分別確定與所述各hdr模型分別對應(yīng)的分布概率。

需要說明的是，前述對圖像處理方法實施例的解釋說明也適用于該實施例的圖像處理裝置，此處不再贅述。

本發(fā)明實施例的圖像處理裝置，根據(jù)待處理的原始圖像的所述灰度調(diào)整區(qū)間，確定與所述各hdr模型分別對應(yīng)的分布概率；應(yīng)用各hdr模型以及與各hdr模型分別對應(yīng)的分布概率，處理所述灰度調(diào)整區(qū)間中的每個第一灰度值，獲取與第一灰度值對應(yīng)的第二灰度值；根據(jù)各第二灰度值生成與所述原始圖像對應(yīng)高動態(tài)范圍圖像。由此，實現(xiàn)了通過多個動態(tài)區(qū)域模型提高圖像灰度的分布范圍，從而提高圖像的層次感和清晰度。

應(yīng)當(dāng)理解，本發(fā)明的各部分可以用硬件、軟件、固件或它們的組合來實現(xiàn)。在上述實施方式中，多個步驟或方法可以用存儲在存儲器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件來實現(xiàn)。例如，如果用硬件來實現(xiàn)，和在另一實施方式中一樣，可用本領(lǐng)域公知的下列技術(shù)中的任一項或他們的組合來實現(xiàn)：具有 用于對數(shù)據(jù)信號實現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(pga)，現(xiàn)場可編程門陣列(fpga)等。

在本說明書的描述中，參考術(shù)語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不一定指的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任何的一個或多個實施例或示例中以合適的方式結(jié)合。

盡管已經(jīng)示出和描述了本發(fā)明的實施例，本領(lǐng)域的普通技術(shù)人員可以理解：在不脫離本發(fā)明的原理和宗旨的情況下可以對這些實施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的區(qū)間由權(quán)利要求及其等同物限定。