區(qū)域像素的局部平均值m x(i，j) 作為低頻部分，可以用以下公式（1)計算得到：
[0104] 公式⑴中，預設(shè)局部區(qū)域的大小為（2n+l)2, x(k，1)為預設(shè)局部區(qū)域中的像素 點，k的范圍為i-n~i+n，1的范圍為j-n~j+n，從而可得到高頻部分為：x(i，j)-m x(i， j)。然后放大單元32將高頻部分放大得到增強的圖像，以實現(xiàn)對目標區(qū)域進行局部增強。
[0105] 本實施例對目標區(qū)域中的像素點進行低頻部分及高頻部分的準確劃分，以便將相 鄰像素點變化較大的部分進行放大，改善在逆光環(huán)境下圖像的拍攝效果。
[0106] 進一步地，基于上述第二實施例，本實施例中，上述放大單元32還用于，根據(jù)所述 預設(shè)局部區(qū)域及所述目標區(qū)域像素的局部平均值，獲取所述目標區(qū)域像素的局部標準差； 根據(jù)所述局部標準差獲取所述目標區(qū)域各個像素點的局部方差平均值，并根據(jù)所述局部標 準差及所述局部方差平均值獲取放大系數(shù)；根據(jù)所述放大系數(shù)對所述高頻部分進行放大。
[0107] 本實施例中，放大單元32對目標區(qū)域中高頻部分進行大，具體地，首先放大單元 32根據(jù)上述給定的預設(shè)局部區(qū)域：窗口大小為（2n+l)*(2n+l)的區(qū)域，以及目標區(qū)域像素 的局部平均值Smx(i，j)，計算目標區(qū)域像素的局部方差為j),如公式（2)所示：
[0109] 公式⑵中，（2n+l)2為預設(shè)局部區(qū)域的大小，x(k，1)為預設(shè)局部區(qū)域中的像素 點，k的范圍為i-n~i+n，1的范圍為j-n~j+n，m x(i，j)為目標區(qū)域像素的局部平均值， 由局部方差六(i, .〇可得到局部標準差。x(i，j)。
[0110] 然后根據(jù)局部標準差〇x(i，j)計算目標區(qū)域各個像素點的局部方差平均值G 5， 計算公式如下：
[0112] 公式（3)中，M和N為區(qū)域的寬度和高度，具體數(shù)值可根據(jù)實際需要進行設(shè)置， σχα，j)為局部標準差。
[0113] 放大單元32根據(jù)局部標準差〇x(i，j)及局部方差平均值G5計算對高頻部分進 行放大的放大系數(shù)G(i，j)如下：
[0114] G(i, j) = min (max (1, δ (i, j)/G5), R)公式（4)
[0115] 公式（4)中，R為常數(shù)，R的具體取值可根據(jù)具體情況而靈活設(shè)置，例如，R可為10。 min與max操作是將放大系數(shù)G(i，j)的值限定在[1，R]的范圍內(nèi)，以防止目標區(qū)域增強過 度或者增強不明顯，一般情況下放大系數(shù)需要大于1，高頻成分才能得到增強。
[0116] 因此，放大單元32在得到放大系數(shù)G(i，j)后，可根據(jù)放大系數(shù)G(i，j)對目標區(qū) 域中的高頻部分進行增強為：G(i，j) [x(i，j)-mx(i，j)]。
[0117] 定義f(i，j)表示像素點x(i，j)對應(yīng)的增強后的像素值。則ACE算法可以表示如 下：
[0118] f(i，j) = mx(i，j)+G(i，j) [x(i，j)-mx(i，j)]公式（5)
[0119] 公式（5)中，在目標區(qū)域的邊緣或者其他像素變化劇烈部分的局部均方差比較 大，相對整個目標區(qū)域的平均標準差的比值也會大，需要對該部分進行增強。在目標區(qū)域的 平滑部分的局部均方差就會很小，相對整個目標區(qū)域的標準差的比值也會小，該部分不會 被增強。
[0120] 本實施例根據(jù)計算得到放大系數(shù)對目標區(qū)域的高頻部分進行放大，使得圖像的目 標區(qū)域清晰可見，有效地改善了在逆光環(huán)境下圖像的拍攝效果。
[0121 ] 對應(yīng)地，如圖8所示，提出本發(fā)明一種圖像增強方法第一實施例。該實施例的圖像 增強方法包括：
[0122] 步驟S10、移動終端通過多目視覺平臺獲取多個圖像，根據(jù)所述多個圖像獲取深度 圖像及拍攝場景中物體的位置信息；
[0123] 本實施例中，圖像增強的方案應(yīng)用于移動終端，該移動終端的類型可根據(jù)實際需 要進行設(shè)置，例如，移動終端可包括手機、相機、iPad等。該移動終端設(shè)置有多目視覺平臺， 多目視覺平臺由兩個或多個數(shù)碼攝像頭組成，這些數(shù)碼攝像頭相對位置固定，能夠在同一 時刻從不同視角采集圖像。以下將以雙目視覺平臺獲取圖像為例進行詳細說明。
[0124] 雙目視覺是模擬人類視覺原理，使用計算機被動感知距離的方法，從兩個或者多 個點觀察一個物體，獲取在不同視角下的圖像，根據(jù)圖像之間像素的匹配關(guān)系，通過三角測 量原理計算出像素之間的偏移來獲取物體的三維信息。具體地，該雙目視覺平臺包括兩個 數(shù)碼攝像頭，可在同一時刻得到兩幅圖像，這兩幅圖像可進行立體校正及立體匹配后得到 深度圖像。立體匹配主要是通過找出每對圖像間的對應(yīng)關(guān)系，根據(jù)三角測量原理得到視差 圖，在獲得了視差信息后，根據(jù)投影模型很容易地可以得到原始圖像的深度信息和三維信 息。
[0125] 可以理解的是，多幅圖像的獲取也可以是通過多個不同的移動終端在同一水平線 對同一拍攝場景拍攝得到圖像后，通過藍牙或WiFi等通信模塊將得到的圖像統(tǒng)一發(fā)送至 一移動終端進行后續(xù)的處理。
[0126] 為了在后續(xù)進行圖像分割時能夠?qū)δ繕藚^(qū)域進行準確分離，需要獲取拍攝場景中 物體的位置信息或距離信息，該位置信息可包括深度信息和距離信息。其中，深度信息為兩 幅圖像中對應(yīng)成像點之間的視差，距離信息為拍攝場景中物體與相機之間的距離。如圖4 所示，為雙目視覺平臺成像原理示意圖，假設(shè)P為空間中某一點，OjP 〇 j別為雙目視覺平 臺中左右兩個攝像頭的中心，χ#Ρ X ^>別為左右兩邊的成像點。由點P在左右圖像中的成 像點的視差，即可得到點P的深度信息為d = Xl-\，得到了物體的深度信息，就可以計算出 物體與相機之間的實際距離，使用以下公式計算出P點的距離信息Z :
[0128] 其中f是雙目視覺平臺中左右兩個攝像頭的焦距（這里假設(shè)兩個攝像頭焦距一 樣），T是兩個攝像頭之間的間距。
[0129] 需要說明的是，該距離信息也可以是在雙目視覺平臺上設(shè)置測距傳感器，通過測 距傳感器主動發(fā)射紅外光在場景中反射來獲取場景中物體的距離信息。深度信息或距離信 息為后面的目標區(qū)域和背景區(qū)域的分離提供了一個空間參考特征，有利于圖像分割算法的 準確性。
[0130] 步驟S20、根據(jù)所述位置信息及所述深度圖像的像素信息，對所述深度圖像進行圖 像分割處理獲取目標區(qū)域；
[0131] 本實施例中，目標區(qū)域可根據(jù)拍攝場景的具體情況而靈活設(shè)置，例如，目標區(qū)域可 以是拍攝場景中的人物、動物等，也可以是其他物體。由于拍攝場景中的目標區(qū)域和背景區(qū) 域距離攝像機的距離信息不同，目標區(qū)域和背景區(qū)域的深度信息也會不同，這為目標區(qū)域 和背景區(qū)域的分離提供了一個空間參考特征。在上述得到深度信息后，可根據(jù)深度信息及 深度圖像的像素信息，結(jié)合到傳統(tǒng)的圖像分割算法或者meanshift算法對深度圖像進行目 標區(qū)域和背景區(qū)域分割，得到目標區(qū)域。當然，也可以是在上述得到距離信息后，根據(jù)距離 信息及深度圖像的像素信息，結(jié)合到傳統(tǒng)的圖像分割算法或者meanshift算法對深度圖像 進行目標區(qū)域和背景區(qū)域分割，得到目標區(qū)域。相對于傳統(tǒng)的圖像分割算法在2D平面進 行，缺少了拍攝場景的深度信息或距離信息這一重要特征信息，圖像分割算法一般很難準 確分離出拍攝場景中的目標區(qū)域和背景區(qū)域，本實施例結(jié)合深度信息或距離信息進行圖像 分割，有利于圖像分割算法的準確性。
[0132] 需要說明的是，在通過圖像分割算法獲取了不同的圖像區(qū)域后，還需要經(jīng)過形態(tài) 學處理等操作，將圖像的輪廓進行提取、每個區(qū)域內(nèi)部空洞進行填充，保證圖像分割所得到 區(qū)域的完整性。
[0133] 步驟S30、對所述目標區(qū)域進行局部增強處理。
[0134] 在上述進行圖像分割處理得到目標區(qū)域后，需要對圖像中的目標區(qū)域進行局部對 比度增強處理。例如，在逆光環(huán)境下進行圖像拍攝時，得到的原始圖像如圖5所示，圖5中 由于背景強光像素的干擾，使得目標區(qū)域的人物看起來比較暗淡。為了更好地改善圖像的 效果，本實施例可利用局部對比度增強算法增強分離出來的目標區(qū)域，得到增強后的圖像 如圖6所示，圖6中，目標區(qū)域的人物已經(jīng)過增強處理，看起來非常清晰。圖像局部對比度 增強算法有多種，本實施例可采用自適應(yīng)對比度增強算法（ACE算法），以下實施例將進行 詳細說明。
[0135] 本發(fā)明實施例移動終端通過雙目視覺平臺進行圖像拍攝，并根據(jù)拍攝場景中物體 的深度信息及圖像的像素信息，或根據(jù)距離信息及圖像的像素信息，對圖像進行圖像分割 處理，準確分離出目標區(qū)域和背景區(qū)域，從而獲取目標區(qū)域。然后利用圖像局部對比度增強 算法對目標區(qū)域進行增強處理，而背景區(qū)域保持不變，使得圖像的目標區(qū)域和背景區(qū)域的 效果均清晰。移動終端實現(xiàn)了根據(jù)深度信息或距離信息對多視覺平臺獲取的圖像中目標區(qū) 域進行準確分割，及對目標區(qū)域進行局部增強，有效地改善了在逆光環(huán)境下圖像的拍攝效 果。
[0136] 進一步地，基于上述第一實施例，本實施例中，上述位置信息可包括深度信息和距 離信息，上述步驟S20可包括：
[0137] 根據(jù)所述深度信息及所述深度圖像的像素信息，對所述深度圖像進行區(qū)域分割得 到多個區(qū)域，將所述多個區(qū)域中深度信息最大的區(qū)域作為目標區(qū)域；或者，
[0138] 根據(jù)所述距離信息及所述深度圖像的像素信息，對所述深度圖像進行區(qū)域分割得 至移個區(qū)域，將所述多個區(qū)域中距離信息最小的區(qū)域作為目標區(qū)域。
[0139] 本實施例中，將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域后，再按照具有相近或相 同深度信息的進行區(qū)域劃分，或者是按照具有相近或相同距離信息的進行區(qū)域劃分，可以 得到多個不同的圖像區(qū)域。根據(jù)拍攝圖像的目標區(qū)域離攝像頭的距離一般較背景區(qū)域離相 機的距離近這一先驗條件，結(jié)合拍攝場景中的深度信息，依據(jù)雙目成像的原理，距離攝像頭 越近，其深度值越大，因此，可選擇深度信息最大的分割區(qū)域作為目標區(qū)域，或者是選擇距 離信息最小的分割區(qū)域作為目標區(qū)域，這樣可以最終確定需要進行增強的局部圖像的目標 區(qū)域。當然，也可以根據(jù)實際需要，選擇所分割的多個區(qū)域中深度信息或距離信息為預設(shè)值 的區(qū)域作為目標區(qū)域，該預設(shè)值根據(jù)具體情況而靈活設(shè)置。
[0140] 以下進行舉例說明，假設(shè)在一拍攝場景中，有一條白色的小狗，小狗的身后較遠的 距離有一堵白色的墻，在進行圖像分割的過程中，在按照像素進行區(qū)域劃分時，由于白色的 小狗與白色的墻的像素信息非常相近，將他們歸類到同一區(qū)域。此時，利用本實施例的