图像处理方法、装置、计算机设备以及存储介质与流程

1.本技术涉及人工智能技术领域，具体涉及一种图像处理方法、装置、计算机设备以及计算机可读存储介质(简称存储介质)。


背景技术：

2.在摄像设备(例如数码相机)在采集图像过程中，往往会对拍摄环境进行测光，以根据测光结果得到的环境光比信息选择性地对所采集得到的图像中的不同区域的亮度进行调整，以获取高动态范围图像。但是，对图像亮度的调整往往会导致图像质量下降，例如清晰度下降、色彩发生偏差等；因此，需要对亮度调整后的高动态范围图像进行评测，进而根据评测结果对前述的亮度调整过程进行微调，以提高图像清晰度等图像质量。然而，现有的评测方法往往直接根据图像各类画质参数对图像进行评测，准确率较低。


技术实现要素：

3.基于此，有必要针对上述技术问题，提供一种图像处理方法、装置、计算机设备以及存储介质，用以提高对目标图像评测的准确性。
4.第一方面，本技术提供一种图像处理方法，该方法包括：
5.获取待评测的目标图像；
6.根据所述目标图像的像素亮度值，将所述目标图像分割为第一区域和第二区域；
7.分别从所述第一区域和所述第二区域中提取第一图像特征信息和第二图像特征信息；其中，图像特征信息至少包括灰度特征信息、图像细节信息和色彩特征信息；
8.根据所述第一图像特征信息以及所述第二图像特征信息，确定所述目标图像的评测结果。
9.在本技术一些实施例中，所述获取待评测的目标图像，包括：
10.获取待评测图像，根据所述待评测图像的像素亮度值，将所述预处理图像分割为第一区域和第二区域；
11.获取所述第一区域的第一区域亮度均值以及所述第二区域的第二区域亮度均值；
12.根据所述第二区域亮度均值与所述第一区域亮度均值的比值，得到所述待评测图像的图像光比；
13.若所述图像光比大于预设光比阈值，将所述待评测图像确定为目标图像。
14.在本技术一些实施例中，所述根据所述目标图像的像素亮度值，将所述目标图像分割为第一区域和第二区域，包括：
15.获取所述目标图像中各像素点对应的灰度值；
16.根据灰度分割阈值以及各像素点的灰度值，确定灰度值大于所述灰度分割阈值的第一像素点以及灰度值不大于所述灰度分割阈值的第二像素点；
17.将所述第一像素点所在区域确定为第一区域，将所述第二像素点所在区域确定为第二区域。
18.在本技术一些实施例中，所述分别从所述第一区域和所述第二区域中提取第一图像特征信息和第二图像特征信息，包括：
19.获取所述目标图像中的像素亮度最大值和像素亮度最小值；
20.根据所述像素亮度最大值和所述像素亮度最小值间的比值，获取所述第一区域的第一归一化参数以及第二区域的第二归一化参数；
21.基于所述第一归一化参数，对所述第一区域的第一图像信息进行归一化处理，根据归一化处理后的第一图像信息确定第一图像特征信息；
22.基于所述第二归一化参数，对所述第二区域的第二图像信息进行归一化处理，根据归一化处理后的第二图像信息确定第二图像特征信息。
23.在本技术一些实施例中，所述第一图像信息包括所述第一区域中各像素点的第一灰度信息，所述第二图像信息包括所述第二区域中各像素点的第二灰度信息；所述灰度特征信息包括灰度熵值；
24.所述基于所述第一归一化参数，对所述第一区域的第一图像信息进行归一化处理，根据归一化处理后的第一图像信息确定第一图像特征信息，包括：
25.基于所述第一归一化参数对所述第一区域中各像素点的第一灰度信息进行归一化处理，计算归一化处理后的第一灰度信息的熵值，得到第一灰度熵值；
26.所述基于所述第二归一化参数，对所述第二区域的第二图像信息进行归一化处理，根据归一化处理后的第二图像信息确定第二图像特征信息，包括：
27.基于所述第二归一化参数对所述第二区域中各像素点的第二灰度信息进行归一化处理，计算归一化处理后的第二灰度信息的熵值，得到第二灰度熵值。
28.在本技术一些实施例中，所述根据所述第一图像特征信息以及所述第二图像特征信息，确定所述目标图像的评测结果，包括：
29.若所述第一图像特征信息以及所述第二图像特征信息均符合预设画质参数条件，将所述目标图像的评测结果确定为高动态范围图像，并获取各所述画质参数对应的权值；
30.根据各所述画质参数以及各画质参数对应的权值，获取所述目标图像的动态范围质量值。
31.在本技术一些实施例中，所述根据所述第一图像特征信息以及所述第二图像特征信息，确定所述目标图像的评测结果，包括：
32.若所述第一图像特征信息或所述第二图像特征信息中任意一项不符合预设画质参数条件，将所述目标图像的评测结果确定为非高动态范围图像。
33.第二方面，本技术提供一种图像处理装置，该装置包括：
34.目标图像获取模块，用于获取待评测的目标图像；
35.图像区域分割模块，用于根据所述目标图像的像素亮度值，将所述目标图像分割为第一区域和第二区域；
36.特征信息提取模块，用于分别从所述第一区域和所述第二区域中提取第一图像特征信息和第二图像特征信息；其中，图像特征信息至少包括灰度特征信息、图像细节信息和色彩特征信息；
37.图像信息获取模块，用于根据所述第一图像特征信息以及所述第二图像特征信息，确定所述目标图像的评测结果。
38.第三方面，本技术还提供一种计算机设备，该计算机设备包括：
39.一个或多个处理器；
40.存储器；以及
41.一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现所述的图像处理方法。
42.第四方面，本技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的图像处理方法中的步骤。
43.第五方面，本技术实施例提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述第一方面提供的方法。
44.上述图像处理方法、装置、计算机设备以及存储介质，通过获取待评测的目标图像，根据目标图像的像素亮度值，将目标图像分割为第一区域和第二区域；进而分别从第一区域和第二区域中提取第一图像特征信息和第二图像特征信息；其中，图像特征信息至少包括灰度特征信息、图像细节信息和色彩特征信息；最后，根据第一图像特征信息以及第二图像特征信息，确定目标图像的评测结果。通过目标图像中像素亮度信息对图像进行分割，进而针对目标图像中的不同亮度的区域，单独进行图像特征信息提取，减少图像中亮度对目标图像中图像特征信息获取的影响，提高图像特征信息对目标图像中信息的表征能力，以提高后续对目标图像的评测的准确性。
附图说明
45.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
46.图1是本技术实施例中图像处理方法的场景示意图；
47.图2是本技术实施例中图像处理方法的流程示意图；
48.图3是本技术实施例中分别从第一区域和第二区域中提取第一图像特征信息和第二图像特征信息步骤的流程示意图；
49.图4是本技术实施例中另一个图像处理方法的流程示意图；
50.图5是本技术实施例中图像处理装置的结构示意图；
51.图6是本技术实施例中计算机设备的结构示意图。
具体实施方式
52.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
53.在本技术的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗
示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
54.在本技术的描述中，“例如”一词用来表示“用作例子、例证或说明”。本技术中被描述为“例如”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本技术所公开的原理和特征的最广范围相一致。
55.在本技术实施例中，需要说明的是，本技术提供的图像处理方法由于是在计算机设备中执行，各计算机设备的处理对象均以数据或信息的形式存在，例如图像，实质为图像数据，可以理解的是，后续实施例中若提及亮度、灰度信息、色彩信息等，均为对应的数据存在，以便计算机设备进行处理，具体此处不作赘述。
56.在本技术实施例中，还需说明的是，本技术实施例提供的图像处理方法，可以应用于如图1所示的图像处理系统中。其中，该图像处理系统包括终端100和服务器200，终端100可以是包括摄像装置或显示装置的设备，具体可以是台式终端或移动终端，例如可以是手机、平板电脑、笔记本电脑等中的一种，又或是用于信息采集、存储、传输的摄像头。服务器200可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(cloud computing)的大量计算机或网络服务器构成。
57.本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本技术方案一种应用场景，并不构成对本技术方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的计算机设备，例如图1中仅示出1个服务器200，可以理解的，该图像处理系统还可以包括一个或多个其他服务器，具体此处不作限定。另外，如图1所示，该图像处理系统还可以包括存储器，用于存储数据，如存储图像数据。
58.还需说明的是，图1所示图像处理系统的场景示意图仅仅是一个示例，本发明实施例描述的图像处理系统以及场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着图像处理系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
59.参阅图2，本技术实施例提供了一种图像处理方法，主要以该方法应用于上述图1中的服务器200来举例说明，该方法包括步骤s210至s240，具体如下：
60.s210，获取待评测的目标图像。
61.其中，目标图像是指需要评测是否为高动态范围图像、以及动态范围区间等图像质量的图像，包括但不局限于图片、视频内的视频帧等。
62.具体地，目标图像可以是通过终端100的拍摄装置采集得到图像，终端100采集到图像后将其发送至服务器200，服务器200通过对终端100采集得到的图像进行评测，以确定终端100所采集得到图像是否为高动态范围图像以及目标图像的动态范围区间等评测结
果，得到终端100所获得图像的图像质量的相关信息，并可以根据评测结果对图像成像、图像处理、图像存储等环节的参数和流程进行调整以提高目标图像的图像质量。进一步地，根据评测结果还可以确定终端100对应拍摄装置的拍摄性能。
63.进一步地，高动态范围图像是指相较于普通图像，具有更大曝光动态范围的图像，也就是说，高动态范围图像是具有更丰富的亮度信息的图像，当某一图像中的图像光比较小时，则该图像是高动态范围图像的可能性较小。因此，在一个实施例中，步骤s210获取待评测的目标图像，包括：获取待评测图像，根据待评测图像的像素亮度值，将预处理图像分割为第一区域和第二区域；获取第一区域的第一区域亮度均值以及第二区域的第二区域亮度均值；根据第二区域亮度均值与第一区域亮度均值的比值，得到待评测图像的图像光比；若图像光比大于预设光比阈值，将待评测图像确定为目标图像。
64.其中，像素亮度值可反映像素点的明暗程度(即亮度)，具体可以根据各个像素点上对应的r通道、b通道、g通道的取值计算该像素点的像素亮度值。进一步的，像素亮度值还可以通过灰度值进行衡量，具体地，可以将待评测图像转化为对应的灰度图像，进而根据灰度图像上各个像素点的灰度值，确定为在待评测图像中对应像素点的像素亮度值。
65.其中，第一区域以及第二区域可以是指待评测图像中亮部区域以及暗部区域。具体可以是：第一区域为亮部区域，第二区域为暗部区域；也可以是：第一区域为暗部区域，第二区域为亮部区域，在此不进行限定。在获取到待评测图像后，具体可以获取待评测图像的像素亮度值，将像素亮度值大于预设阈值的像素点划分为一个区域，将像素亮度值小于或等于预设阈值的像素点划分为另一个区域，得到第一区域和第二区域。
66.其中，图像光比是指图像中高光和阴影之间的亮度差异。具体地，对于待评测图像的图像光比，可通过第一区域以及第二区域的亮度差异进行确定，即通过亮部区域以及暗部区域的亮度差异进行确定；当图像光比越大，第一区域和第二区域之间的亮度差异越大，则待评测图像为高动态范围图像的可能性越大；当图像光比越小，第一区域和第二区域之间的亮度差异越小，则待评测图像为高动态范围图像的可能性越小。
67.具体地，在获取到待评测图像后，根据待评测图像的像素亮度值，将预处理图像分割为第一区域和第二区域，进而获取第一区域中各个像素点的像素亮度值均值，即得到第一区域亮度均值，以及获取第二区域中各个像素点的像素亮度值均值，得到第二区域亮度均值；然后，通过第二区域亮度均值与第一区域亮度均值的比值(即图像光比)，确定待评测图像为高动态范围图像的可能性。其中，当图像光比大于预设光比阈值，待评测图像为高动态范围图像的可能性较大，则将该待测评图像确定为后续图像处理方法的对象；当图像光比不大于预设光比阈值，待评测图像为高动态范围图像的可能性较小，则无需进行后续的图像处理方法。
68.s220，根据目标图像的像素亮度值，将目标图像分割为第一区域和第二区域。
69.其中，图像信息，如色彩信息、纹理信息、对比度信息等，往往受光强(在数字图像数据中，光强往往通过像素点的亮度体现)的影响；例如，亮度较大的区域会存在过度曝光情况，即图像画面过亮导致色彩信息、对比度信息等图像信息丢失，此时需要将该区域的亮度值压暗，以提取更丰富、更准确的图像信息；而亮度值较小的区域会存在欠曝光情况，即图像画面过暗导致色彩信息、对比度信息等图像信息丢失，此时需要将该区域的亮度值提高，以提取更丰富、更准确的图像信息。因此，在获取目标图像后，根据目标图像的像素亮度
值进行分区，便于后续针对性地对不同亮度的区域进行图像特征信息提取。
70.其中，如上所述，第一区域以及第二区域可以是指待评测图像中亮部区域以及暗部区域，具体可以将像素亮度值大于预设阈值的像素点划分为一个区域，将像素亮度值小于或等于预设阈值的像素点划分为另一个区域，得到第一区域和第二区域。
71.在一个实施例中，步骤s220，根据目标图像的像素亮度值，将目标图像分割为第一区域和第二区域，包括：获取目标图像中各像素点对应的灰度值；根据灰度分割阈值以及各像素点的灰度值，确定灰度值大于灰度分割阈值的第一像素点以及灰度值不大于灰度分割阈值的第二像素点；将第一像素点所在区域确定为第一区域，将第二像素点所在区域确定为第二区域。
72.其中，像素亮度值可以通过灰度值进行衡量；具体可以将目标图像转化为对应的灰度图像，进而根据灰度图像上各个像素点的灰度值，确定为在目标图像中对应像素点的像素亮度值；也可以根据各个像素点上对应的r通道、b通道、g通道的取值计算该像素点的灰度值。在获取到目标图像各个像素点的灰度值以后，将灰度值大于灰度分割阈值的像素点划分为一个区域，将灰度值小于或等灰度分割阈值划分为另一个区域，得到第一区域和第二区域。
73.其中，灰度分割阈值可以根据实际情况进行设置。例如，像素点的灰度值取值在0到255之间，可将灰度分割阈值设置为155；在获取到目标图像各个像素点的灰度值以后，可以将灰度值取值在[0,155]的像素点划为一个区域，该区域为亮度较低的区域，即暗部区域；并将灰度值取值在(155,255]的像素点划为另一个区域，该区域为亮度较高的区域，即亮部区域。
[0074]
s230，分别从第一区域和第二区域中提取第一图像特征信息和第二图像特征信息；其中，图像特征信息至少包括灰度特征信息、图像细节信息和色彩特征信息。
[0075]
其中，图像特征信息包括第一图像特征信息以及第二图像特征信息，是指在对应区域内提取到的、用于表征图像特征的信息，例如颜色特征、纹理特征、灰度(亮度)特征等。
[0076]
具体地，图像特征信息至少包括灰度特征信息、图像细节信息和色彩特征信息。其中，图像特征信息中的灰度特征信息可以是灰度信息的熵值，用于反应图像灰度的动态范围大小程度；图像特征信息中的色彩特征信息可以是像素点的色彩饱和度以及色彩偏差，可反映图像颜色是否鲜艳、是否真实等；图像特征信息中的图像细节信息可以是像素点的像素点间的对比度,具体可以是sfr(spatial frequency response)值，或者是mtf(modulation transfer function)值，图像细节信息可反映图像清晰度。
[0077]
其中，在将目标图像划分为两个区域后，服务器从第一区域中提取第一图像特征信息，并从第二区域中提取第二图像特征信息。具体地，从所述第一区域中提取与第一区域对应的灰度特征信息、图像细节信息和色彩特征信息，并将其确定为第一图像特征信息；从第二区域中提取与第二区域对应的灰度特征信息、图像细节信息和色彩特征信息，并将其确定为第二图像特征信息。
[0078]
进一步地，如上，亮度值较大的区域的图像画面过亮往往会导致图像信息丢失，此时需要将该区域的亮度值压暗，以提取更丰富更准确的图像信息；而亮度值较小的区域的图像画面过暗往往会导致图像信息丢失，此时需要将该区域的亮度值提高，以提取更丰富更准确的图像信息。因此，在一个实施例中，如图3所示，步骤s230，分别从第一区域和第二
区域中提取第一图像特征信息和第二图像特征信息，包括：
[0079]
s310，获取目标图像中的像素亮度最大值和像素亮度最小值。
[0080]
s320，根据像素亮度最大值和像素亮度最小值间的比值，获取第一区域的第一归一化参数以及第二区域的第二归一化参数。
[0081]
s330，基于第一归一化参数，对第一区域的第一图像信息进行归一化处理，根据归一化处理后的第一图像信息确定第一图像特征信息。
[0082]
s340，基于第二归一化参数，对第二区域的第二图像信息进行归一化处理，根据归一化处理后的第二图像信息确定第二图像特征信息。
[0083]
以第一区域为亮部区域、第二区域为暗部区域为例，第一归一化参数为亮部区域对应的亮部归一化参数，第二归一化参数为暗部归一化参数，具体地，服务器获取目标图像中像素亮度值的最大值以及最小值，即得到像素亮度最大值rh和像素亮度最小值r
l
；然后，获取像素亮度最大值与像素亮度最小值的比值，得到亮部区域对应的亮部归一化参数mh(即，mh＝rh/r
l
)，以及获取像素亮度最小值和像素亮度最大值的比值，得到暗部区域对应的暗部归一化参数m
l
(即，m
l
＝r
l
/rh)；进而，从亮部区域中获取亮部区域的图像信息，并通过亮部归一化参数mh对亮部区域的图像信息进行归一化，以统一降低亮部区域的亮度，减少画面过亮对图像特征信息提取的影响，后续从亮度调整以后的亮部区域中提取对应的图像特征信息；同样的，对于暗部区域中，从暗部区域中获取暗部区域的图像信息，并通过暗部归一化参数m
l
对暗部区域的图像信息进行归一化，以统一提高暗部区域的亮度，减少画面过暗对图像特征信息提取的影响，后续从亮度调整以后的暗部区域中提取对应的图像特征信息。
[0084]
可以理解的是，第一区域也可以是暗部区域，对应第二区域为亮部区域，第一归一化参数为暗部区域对应的暗部归一化参数，第二归一化参数为亮部归一化参数。
[0085]
通过针对不同亮度的第一区域以及第二区域分别进行独立处理，利用第一区域对应的第一归一化参数将第一区域的亮度进行统一，利用第二区域的第二归一化参数对第二区域进行统一，减少画面过亮或过暗对图像特征信息提取的影响，使得第一区域以及第二区域处于同一光比的条件下，进而计算同光比下的灰度熵值、图像细节信息以及色彩特征信息，实现提取更丰富、更准确的图像特征信息。
[0086]
其中，第一图像信息包括第一区域中各像素点的第一灰度信息，第二图像信息包括第二区域中各像素点的第二灰度信息；灰度特征信息包括灰度熵值；基于第一归一化参数，对第一区域的第一图像信息进行归一化处理，根据归一化处理后的第一图像信息确定第一图像特征信息，可以包括：基于第一归一化参数对第一区域中各像素点的第一灰度信息进行归一化处理，计算归一化处理后的第一灰度信息的熵值，得到第一灰度熵值；基于第二归一化参数，对第二区域的第二图像信息进行归一化处理，根据归一化处理后的第二图像信息确定第二图像特征信息，可以包括：基于第二归一化参数对第二区域中各像素点的第二灰度信息进行归一化处理，计算归一化处理后的第二灰度信息的熵值，得到第二灰度熵值。
[0087]
具体地，对于第一区域的灰度值归一化可通过下述式(1)表示，对于第二区域的灰度值归一化可通过下述式(2)表示，具体如下：
[0088]
hist
gs1
(k1)＝mh×
c(k1)(1)
[0089]
hist
gs2
(k2)＝m
l
×
c(k2)(2)
[0090]
其中，hist
gs1
(k1)表示第一区域中各个像素点的归一化处理后的灰度信息；hist
gs2
(k2)表示第二区域中各个像素点的归一化处理后的灰度信息；mh表示第一区域的归一化参数；m
l
表示第二区域的归一化参数；k1表示第一区域中各个像素点的像素亮度值，k2表示第二区域中各个像素点的像素亮度值；c(
·
)表示将像素点的像素亮度值转换为灰度值的过程，即c(k1)表示第一区域的像素点的灰度值，c(k2)表示第二区域的像素点的灰度值。
[0091]
在获取到第一区域的归一化处理后的灰度信息后，可通过下式(3)计算第一区域对应的灰度熵值，
[0092][0093]
在获取到第二区域的归一化处理后的灰度信息后，可通过下式(4)计算第二区域对应的灰度熵值。
[0094][0095]
通过针对第一区域以及第二区域分别进行归一化处理处理，利用第二归一化参数m
l
将第二区域的亮度进行统一提亮，利用第一归一化参数mh将第一区域进行统一降低亮度，使得第一区域以及第二区域处于同光比的条件下，进而计算同光比下的灰度熵值，实现提取准确的动态范围熵值。
[0096]
其中，第一图像信息还可以包括第一图像细节信息；第二图像信息还可以包括第二图像细节信息；基于第一归一化参数，对第一区域的第一图像信息进行归一化处理，根据归一化处理后的第一图像信息确定第一图像特征信息，具体可以是：从第一区域获取图像细节信息，并基于第一归一化参数，对第一区域的图像细节信息进行归一化处理，以获取与图像细节信息对应的图像特征信息；同样的，基于第二归一化参数，对第二区域的第二图像信息进行归一化处理，根据归一化处理后的第二图像信息确定第二图像特征信息，具体可以是：从第二区域获取图像细节信息，并基于第二归一化参数，对第二区域的图像细节信息进行归一化处理，以获取与图像细节信息对应的图像特征信息。
[0097]
通过针对不同亮度的第一区域以及第二区域分别进行独立处理，利用第一区域对应的第一归一化参数将第一区域的亮度进行统一，利用第二区域的第二归一化参数对第二区域进行统一，使得第一区域以及第二区域处于同一光比的条件下，进而计算同光比下的纹理信息、对比度等图像细节，实现提取丰富、准确的图像细节信息。
[0098]
其中，第一图像信息还可以包括第一色彩信息；第二图像信息可以包括第二色彩信息；基于第一归一化参数，对第一区域的第一图像信息进行归一化处理，根据归一化处理后的第一图像信息确定第一图像特征信息，具体可以是：从第一区域获取色彩信息，并基于第一归一化参数，对第一区域的色彩信息进行归一化处理，以获取与色彩信息对应的第一图像特征信息；同样的，基于第二归一化参数，对第二区域的第二图像信息进行归一化处理，根据归一化处理后的第二图像信息确定第二图像特征信息，具体可以是：从第二区域获取色彩信息，并基于第二归一化参数，对第二区域的色彩信息进行归一化处理，以获取与色彩信息对应的第二图像特征信息。
[0099]
具体地，从第一区域获取色彩信息，具体可以是利用色彩模型转换算法，将rgb格式的第一区域对应的图像数据转换为hsv格式的图像数据，进而根据转换后hsv对应的值来提取不同的颜色。同样的，从第二区域获取色彩信息的步骤与从第一区域获取色彩信息相同，区别仅在于数据处理对象不同。通过针对不同亮度的第一区域以及第二区域分别进行独立处理，利用第一区域对应的第一归一化参数将第一区域的亮度进行统一，利用第二区域的第二归一化参数对第二区域进行统一，使得第一区域以及第二区域处于同一光比的条件下，进而计算同光比下的饱和度等图像色彩信息，实现提取丰富、准确的色彩特征信息。
[0100]
s240，根据第一图像特征信息以及第二图像特征信息，确定目标图像的评测结果。
[0101]
在获取到第一图像特征信息以及第二图像特征信息，可对第一图像特征信息以及第二图像特征信息是否符合预设画质参数条件进行判断。
[0102]
具体地，第一图像特征信息至少包括第一区域的灰度特征信息、图像细节信息和色彩特征信息，第二图像特征信息至少包括第二区域的灰度特征信息、图像细节信息和色彩特征信息。其中，灰度特征信息可以是对应区域的灰度熵值，若第一区域的第一灰度熵值以及第二区域的第二灰度熵值均大于预设的熵值阈值，则第一灰度熵值以及第二灰度熵值均为有效熵值，符合预设画质参数条件；若第一区域的第一灰度熵值或第二区域的第二灰度熵值任意一个不大于预设的熵值阈值，则小于熵值阈值的灰度熵值为无效熵值，不符合预设画质参数条件。
[0103]
同样的，对于图像细节信息设置对应的信息阈值，若第一区域的图像细节信息和第二区域的图像细节信息均大于预设的信息阈值，则第一区域的图像细节信息以及第二区域的图像细节信息均为有效值，符合预设画质参数条件；若第一区域的图像细节信息和第二区域的图像细节信息均大于预设的信息阈值中任意一个不大于预设的信息阈值，则小于信息阈值的图像细节信息为无效信息，不符合预设画质参数条件。对于色彩信息均设置对应的信息阈值，若第一区域的色彩特征信息和第二区域的色彩特征信息均大于预设的信息阈值，则第一区域的色彩特征信息以及第二区域的色彩特征信息均为有效值，符合预设画质参数条件；若第一区域的色彩特征信息和第二区域的色彩特征信息均大于预设的信息阈值中任意一个不大于预设的熵值阈值，则小于熵值阈值的色彩特征信息为无效信息，不符合预设画质参数条件。
[0104]
其中，若第一图像特征信息或第二图像特征信息中任意一项不符合预设画质参数条件，将目标图像的评测结果确定为非高动态范围图像。可以理解的是，当第一区域、第二区域中的灰度特征信息、图像细节信息或色彩特征信息中的任意一项不符合预设画质参数条件，则目标图像为非高动态范围图像，此时，造成目标图像的图像光比较大的原因可能是摄像设备拍摄目标图像过程中有异物遮挡在摄像镜头前方导致局部区域图像亮度过暗、拍摄场景中拍摄镜头直对光源导致局部区域图像亮度过亮等。进一步地，若目标图像的评测结果为非高动态范围图像，可以根据“非高动态范围图像”这一测评结果输出异常信息至终端，使得用户得知所拍摄图像异常。
[0105]
其中，若第一图像特征信息以及第二图像特征信息均符合预设画质参数条件，将目标图像的评测结果确定为高动态范围图像，并获取各画质参数对应的权值；根据各画质参数以及各画质参数对应的权值，获取目标图像的动态范围质量值。可以理解的是，当第一区域、第二区域中的灰度信息、对比度信息或色彩信息均符合预设画质参数条件，则目标图
像为高动态范围图像，并可按照暗部区域与亮部区域的显示要求设置第一图像特征信息以及第二图像特征信息的权值，进而对第一图像特征信息以及第二图像特征信息进行加权计算处理，以获取目标图像的动态范围质量值。具体地，目标图像的动态范围质量值可通过以下公式(5)、(6)、(7)计算：
[0106]
f＝f1+f2(5)
[0107]
f1＝a1×
entropy
gs1
+a2×
t1+a3×
c1(6)
[0108]
f2＝b1×
entropy
gs2
+b2×
t2+b3×
c2(7)
[0109]
其中，a＝a1+a2+a3，b＝b1+b2+b3，a+b＝1。
[0110]
其中，f表示动态范围质量值；f1表示第一区域的动态范围质量值；f2表示第二区域的动态范围质量值；entropy
gs1
表示第一区域的第一灰度熵值，entropy
gs2
表示第二区域的第二灰度熵值；t1表示第一区域的图像细节信息，t2表示第二区域的图像细节信息，c1表示第一区域的色彩特征信息，c2表示第二区域的色彩特征信息。
[0111]
上述图像处理方法中，获取待评测的目标图像，根据目标图像的像素亮度值，将目标图像分割为第一区域和第二区域；进而分别从第一区域和第二区域中提取第一图像特征信息和第二图像特征信息；其中，图像特征信息至少包括灰度特征信息、图像细节信息和色彩特征信息；最后，根据第一图像特征信息以及第二图像特征信息，确定目标图像的评测结果。通过目标图像中像素亮度信息对图像进行分割，进而分别从目标图像中的不同亮度的区域提取图像特征信息，减少图像中亮度对目标图像中图像信息的影响，提高图像特征信息对目标图像中信息的表征能力，以提高后续对目标图像的评测的准确性。
[0112]
参见图4，下面结合图4对本技术提供的图像处理方法进行进一步说明。如图4所示，图像处理方法包括：
[0113]
步骤1，亮暗部区域分割；获取待评测图像，根据待评测图像的像素亮度值，将预处理图像分割为亮部区域和暗部区域。
[0114]
步骤2，图像光比是否达到判定阈值t：获取亮部区域的亮度均值lh以及暗部区域的亮度均值l
l
，判断亮度均值lh与暗部区域的亮度均值l
l
的比值(lh/l
l
)是否达到高动态画面的判定阈值t；若lh/l
l
≥t，则待评测图像为高动态范围图像的可能性较大，此时执行下一步骤，以进入高动态范围画质测试步骤，若lh/l
l
＜t，则待评测图像为高动态范围图像的可能性较小，此时进入常规画质测试步骤。
[0115]
可以理解的是，当待评测图像的图像光小于判定阈值t时，待评测图像为高动态范围图像的可能性较小，待评测图像中出现过亮或过暗的可能性较小，且整个图像亮度较为平均，无需针对性地分区进行图像处理。
[0116]
步骤3，计算光比归一化因子m，光比归一化因子m包括与亮部区域对应的高光归一化因子mh和与暗部区域对应的低光归一化因子m
l
。
[0117]
具体地，获取目标图像中像素亮度值的最大值以及最小值，即得到像素亮度最大值rh和像素亮度最小值r
l
；然后，获取像素亮度最大值与像素亮度最小值的比值，得到亮部区域对应的亮部归一化参数mh(即，mh＝rh/r
l
)，以及获取像素亮度最小值和像素亮度最大值的比值，得到暗部区域对应的暗部归一化参数m
l
(即，m
l
＝r
l
/rh)
[0118]
步骤4，灰度值的归一化：对于亮部区域的灰度值归一化可通过下述式(8)实现，对于暗部区域的灰度值归一化可通过下述式(9)实现，具体如下：
[0119]
hist
gs1
(k1)＝mh×
c(k1)(8)
[0120]
hist
gs2
(k2)＝m
l
×
c(k2)(9)
[0121]
其中，hist
gs1
(k1)表示亮部区域中各个像素点的归一化处理后的灰度信息；hist
gs2
(k2)表示暗部区域中各个像素点的归一化处理后的灰度信息；mh表示亮部区域的归一化参数；m
l
表示暗部区域的归一化参数；k1表示亮部区域中各个像素点的像素亮度值，k2表示暗部区域中各个像素点的像素亮度值；c(k1)表示将亮部区域的像素点的像素亮度值转换为灰度值的过程，即亮部区域的像素点的灰度值；c(k2)表示将暗部区域的像素点的像素亮度值转换为灰度值的过程，即暗部区域的像素点的灰度值。
[0122]
步骤5，亮暗部区域的熵值计算：在获取到亮部区域的归一化处理后的灰度信息后，可通过下式(10)计算亮部区域对应的亮部灰度熵值，在获取到暗部区域的归一化处理后的灰度信息后，可通过下式(11)计算亮部区域对应的暗部灰度熵值，公式具体如下：
[0123][0124][0125]
步骤6，判断亮暗部区域的熵值的有效性：若亮部区域的亮部灰度熵值以及暗部区域的暗部灰度熵值均大于预设的熵值阈值，则亮部灰度熵值以及暗部灰度熵值均为有效熵值，符合预设画质参数条件，保存亮部灰度熵值以及暗部灰度熵值，并执行步骤7以及步骤8；若亮部区域的亮部灰度熵值以及暗部区域的暗部灰度熵值中任意一个不大于预设的熵值阈值，则小于熵值阈值的灰度熵值为无效熵值，不符合预设画质参数条件，此时，所输入的待评测图像的动态范围值无效，需重新检查输入的图像，且可以输出图像异常信息。
[0126]
步骤7，提取亮暗部区域的图像细节信息：从亮部区域提取图像细节信息t1，以及从暗部区域提取图像细节信息t2；然后利用亮部归一化因子对图像细节信息t1进行归一化处理(具体可通过下述公式(12)实现)，得到亮部区域中的图像细节信息，并利用暗部归一化因子对图像细节信息t2进行归一化处理(具体可通过下述公式(13)实现)，得到暗部区域中的图像细节信息；
[0127]
t1＝mh*f1(t1)(12)
[0128]
t2＝m
l
*f1(t2)(13)
[0129]
其中，t1为亮部区域的归一化处理后的图像细节信息，t2为暗部区域的归一化处理后的图像细节信息；f1(
·
)表示从图像信息中提取图像细节信息的过程，f1(t1)表示从亮部区域提取的图像细节信息，f1(t2)表示从暗部区域提取的图像细节信息。
[0130]
步骤8，提取亮暗部区域的色彩特征信息：从亮部区域提取图像色彩信息c1，以及从暗部区域提取图像色彩信息c2；然后利用亮部归一化因子对图像色彩信息c1进行归一化处理(具体可通过下述公式(14)实现)，得到亮部区域中的色彩特征信息，并利用暗部归一化因子对图像色彩信息c2进行归一化处理(具体可通过下述公式(15)实现)，得到暗部区域中的色彩特征信息；
[0131]
c1＝mh*f2(c1)(14)
[0132]
c2＝m
l
*f2(c2)(15)
[0133]
其中，c1为亮部区域的归一化处理后的图像细节信息，c2为暗部区域的归一化处理
后的图像细节信息；f2(
·
)表示从图像信息中提取色彩特征信息的过程，f2(c1)表示从亮部区域提取的图像细节信息，f2(c2)表示从暗部区域提取的图像细节信息。
[0134]
步骤9，判断图像细节信息以及色彩特征信息的有效性：若亮部区域的图像细节信息和色彩特征信息、以及暗部区域的图像细节信息和色彩特征信息均大于预设的信息阈值，则亮部区域的图像细节信息和色彩特征信息、以及暗部区域的图像细节信息和色彩特征信息均为有效值，符合预设画质参数条件，保存亮部区域的图像细节信息和色彩特征信息、以及暗部区域的图像细节信息和和色彩特征信息，并执行步骤10；若第一区域的图像细节信息和色彩特征信息、以及暗部区域的图像细节信息、色彩特征信息中任意一个不大于预设的信息阈值，则小于信息阈值的图像细节信息或色彩特征信息为无效信息，不符合预设画质参数条件，此时，所输入的待评测图像的动态范围值无效，需重新检查输入的图像，且可以输出图像异常信息。
[0135]
步骤10，计算高动态范围质量值：对亮部区域的亮部灰度熵值、图像细节信息和色彩特征信息、以及暗部区域的暗部灰度熵值、图像细节信息和色彩特征信息进行加权求和，得到高动态范围质量值，具体可以通过以下公式(16)至(18)实现：
[0136]
f＝f1+f2(16)
[0137]
f1＝a1×
entropy
gs1
+a2×
t1+a3×
c1(17)
[0138]
f2＝b1×
entropy
gs2
+b2×
t2+b3×
c2(18)
[0139]
其中，a＝a1+a2+a3，b＝b1+b2+b3，a+b＝1。
[0140]
其中，f表示动态范围质量值；f1表示亮部区域的动态范围质量值；f2表示暗部区域的动态范围质量值；entropy
gs1
表示亮部区域的亮部灰度熵值，entropy
gs2
表示暗部区域的第二灰度熵值；t1表示亮部区域的图像细节信息，t2表示暗部区域的图像细节信息，c1表示亮部区域的色彩特征信息，c2表示暗部区域的色彩特征信息。
[0141]
步骤11，输出图像评测结果。
[0142]
上述图像处理方案考虑到待评测图像不同的光比所带来的画质影响，并且提取待评测图像亮部区域以及暗部区域的图像光比，得到亮部区域以及暗部区域的亮度比值，进而，对亮部区域的图像数据以及暗部区域的图像数据进行亮度归一化处理后，分别计算亮部区域以及暗部区域的动态范围熵值(即灰度熵值)，同光比下的图像细节信息、同光比下的色彩特征信息等画质参数，而后基于动态范围熵值、图像细节信息以及色彩特征信息获取动态范围画质评测结果。相较于现有的动态范围画质评测方法，有效降低设备光比变化的影响，真实反映动态范围画质水平，提高评测准确性。
[0143]
为了更好实施本技术实施例提供的图像处理方法，在本技术实施例所提图像处理方法的基础之上，本技术实施例中还提供一种图像处理装置，如图5所示，所述图像处理装置500包括：
[0144]
目标图像获取模块510，用于获取待评测的目标图像；
[0145]
图像区域分割模块520，用于根据目标图像的像素亮度值，将目标图像分割为第一区域和第二区域；
[0146]
特征信息提取模块530，用于分别从第一区域和第二区域中提取第一图像特征信息和第二图像特征信息；其中，图像特征信息至少包括灰度特征信息、图像细节信息和色彩特征信息；
[0147]
图像信息获取模块540，用于根据第一图像特征信息以及第二图像特征信息，确定目标图像的评测结果。
[0148]
在本技术一些实施例中，目标图像获取模块510还用于获取待评测图像，根据待评测图像的像素亮度值，将预处理图像分割为第一区域和第二区域；获取第一区域的第一区域亮度均值以及第二区域的第二区域亮度均值；根据第二区域亮度均值与第一区域亮度均值的比值，得到待评测图像的图像光比；若图像光比大于预设光比阈值，将待评测图像确定为目标图像。
[0149]
在本技术一些实施例中，图像区域分割模块520还用于获取目标图像中各像素点对应的灰度值；根据灰度分割阈值以及各像素点的灰度值，确定灰度值大于灰度分割阈值的第一像素点以及灰度值不大于灰度分割阈值的第二像素点；将第一像素点所在区域确定为第一区域，将第二像素点所在区域确定为第二区域。
[0150]
在本技术一些实施例中，特征信息提取模块530还用于获取目标图像中的像素亮度最大值和像素亮度最小值；根据像素亮度最大值和像素亮度最小值间的比值，获取第一区域的第一归一化参数以及第二区域的第二归一化参数；基于第一归一化参数，对第一区域的第一图像信息进行归一化处理，根据归一化处理后的第一图像信息确定第一图像特征信息；基于第二归一化参数，对第二区域的第二图像信息进行归一化处理，根据归一化处理后的第二图像信息确定第二图像特征信息。
[0151]
在本技术一些实施例中，第一图像信息包括第一灰度信息；第二图像信息包括第二灰度信息；第一图像特征信息包括第一灰度熵值，第二图像特征信息包括第二灰度熵值；特征信息提取模块530用于基于第一归一化参数对第一灰度信息进行归一化处理，计算归一化处理后的第一灰度信息的熵值，得到第一灰度熵值；基于第二归一化参数对第二灰度信息进行归一化处理，计算归一化处理后的第二灰度信息的熵值，得到第二灰度熵值
[0152]
在本技术一些实施例中，图像信息获取模块540还用于在第一图像特征信息以及第二图像特征信息均符合预设画质参数条件时，将目标图像的评测结果确定为高动态范围图像，并获取各画质参数对应的权值；
[0153]
根据各画质参数以及各画质参数对应的权值，获取目标图像的动态范围质量值。
[0154]
在本技术一些实施例中，图像信息获取模块540还用于在第一图像特征信息或第二图像特征信息中任意一项不符合预设画质参数条件时，将目标图像的评测结果确定为非高动态范围图像。
[0155]
关于图像处理装置的具体限定可以参见上文中对于图像处理方法的限定，在此不再赘述。上述页面显示装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0156]
在本技术一些实施例中，图像处理装置500可以实现为一种计算机程序的形式，计算机程序可在如图6所示的计算机设备上运行。计算机设备的存储器中可存储组成该图像处理装置500的各个程序模块，比如，图5所示的目标图像获取模块510、图像区域分割模块520、特征信息提取模块530以及图像信息获取模块540。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本技术各个实施例的图像处理方法中的步骤。
[0157]
例如，图6所示的计算机设备可以通过如图5所示的图像处理装置500中的目标图
像获取模块510执行步骤s210。计算机设备可通过图像区域分割模块520执行步骤s220。计算机设备可通过特征信息提取模块530执行步骤s230。计算机设备可通过图像信息获取模块540执行步骤s240该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的计算机设备通过网络连接通信。该计算机程序被处理器执行时以实现一种图像处理方法。
[0158]
本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0159]
在本技术一些实施例中，提供了一种计算机设备，包括一个或多个处理器；存储器；以及一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述图像处理方法的步骤。此处图像处理方法的步骤可以是上述各个实施例的图像处理方法中的步骤。
[0160]
在本技术一些实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器进行加载，使得处理器执行上述图像处理方法的步骤。此处图像处理方法的步骤可以是上述各个实施例的图像处理方法中的步骤。
[0161]
本邻域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
[0162]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0163]
以上对本技术实施例所提供的一种图像处理方法、装置、计算机设备以及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。