图像处理方法、电子设备及存储介质与流程

1.本技术涉及图像处理技术领域，特别涉及一种图像处理方法、电子设备及存储介质。


背景技术：

2.直方图匹配是以一个参考图像的直方图作为模板，将待匹配图像的直方图通过一系列处理，调整到与参考图像近似的一类技术。图像亮度对齐作为一种常用的图像预处理方法，是通过直方图匹配将不同曝光下的一组图像亮度调整到近似一致，在图像对齐、运动检测等领域有着广泛的应用。
3.相关技术中，当待匹配图像的某部分区域灰度级范围较小，而参考图像灰度级范围较大时，直方图匹配会将小区间的像素值映射到很大的像素范围，导致亮度调整后的图像在平坦区域拉出异常灰块，图像亮度对齐效果较差。


技术实现要素：

4.本技术实施例提供一种图像处理方法、电子设备及存储介质，以解决现有技术中存在的图像亮度对齐效果较差的技术问题。
5.根据本技术的第一方面，公开了一种图像处理方法，所述方法包括：
6.获取参考图像和待匹配图像，其中，所述参考图像和所述待匹配图像为同一场景下不同曝光度的图像；
7.计算所述参考图像的累计直方图和所述待匹配图像的累计直方图，对所述参考图像的累计直方图与所述待匹配图像的累计直方图进行匹配，得到第一映射曲线集合，其中，所述第一映射曲线集合中包括：所述待匹配图像与所述参考图像之间的至少一条映射曲线；
8.检测所述第一映射曲线集合中各映射曲线的曲线斜率异常的区域；
9.对所述曲线斜率异常的区域内曲线的斜率进行修正，得到第二映射曲线集合；
10.基于所述第二映射曲线集合，调整所述待匹配图像的亮度。
11.根据本技术的第二方面，公开了一种图像处理装置，所述装置包括：
12.获取模块，用于获取参考图像和待匹配图像，其中，所述参考图像和所述待匹配图像为同一场景下不同曝光度的图像；
13.匹配模块，用于计算所述参考图像的累计直方图和所述待匹配图像的累计直方图，对所述参考图像的累计直方图与所述待匹配图像的累计直方图进行匹配，得到第一映射曲线集合，其中，所述第一映射曲线集合中包括：所述待匹配图像与所述参考图像之间的至少一条映射曲线；
14.检测模块，用于检测所述第一映射曲线集合中各映射曲线的曲线斜率异常的区域；
15.修正模块，用于对所述曲线斜率异常的区域内曲线的斜率进行修正，得到第二映
射曲线集合；
16.调整模块，用于基于所述第二映射曲线集合，调整所述待匹配图像的亮度。
17.根据本技术的第三方面，公开了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现如第一方面中的图像处理方法。
18.根据本技术的第四方面，公开了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现如第一方面中的图像处理方法。
19.根据本技术的第五方面，公开了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如第一方面中的图像处理方法。
20.本技术实施例中，获取参考图像和待匹配图像，其中，参考图像和待匹配图像为同一场景下不同曝光度的图像；计算参考图像的累计直方图和待匹配图像的累计直方图，对参考图像的累计直方图与待匹配图像的累计直方图进行匹配，得到第一映射曲线集合，其中，第一映射曲线集合中包括：待匹配图像与参考图像之间的至少一条映射曲线；检测第一映射曲线集合中各映射曲线的曲线斜率异常的区域；对曲线斜率异常的区域内曲线的斜率进行修正，得到第二映射曲线集合；基于第二映射曲线集合，调整待匹配图像的亮度。
21.考虑到相关技术中当待匹配图像的某部分区域灰度级范围较小，而参考图像灰度级范围较大时，直方图匹配会将小区间的像素值映射到很大的像素范围，具体表现为映射曲线的斜率很大，导致亮度调整后的图像在平坦区域拉出异常灰块，本技术实施例中，对于因灰度级范围差异较大的直方图匹配区域，可以对映射曲线中斜率异常的曲线部分进行适当修正，基于修正后的映射曲线进行图像亮度对齐，避免出现亮度调整后的图像在平坦区域拉出异常灰块，提高了图像亮度对齐效果。
附图说明
22.图1是本技术实施例提供的一种图像处理方法的流程图；
23.图2是本技术实施例提供的步骤102的一个实施方式的流程图；
24.图3是本技术实施例提供的步骤103的一个实施方式的流程图；
25.图4是本技术实施例提供的映射曲线的修正方式的示例图；
26.图5是本技术实施例提供的步骤104的一个实施方式的流程图；
27.图6是本技术实施例提供的一种图像处理装置的结构示意图；
28.图7是本技术实施例提供的一种电子设备的结构框图。
具体实施方式
29.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。
30.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术实施例并不受所描述的动作顺序的限制，因为依据本技术实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本技术实施例所必须的。
31.近年来，基于人工智能的计算机视觉、深度学习、机器学习、图像处理、图像识别等技术研究取得了重要进展。人工智能(artificial intelligence，ai)是研究、开发用于模拟、延伸人的智能的理论、方法、技术及应用系统的新兴科学技术。人工智能学科是一门综合性学科，涉及芯片、大数据、云计算、物联网、分布式存储、深度学习、机器学习、神经网络等诸多技术种类。计算机视觉作为人工智能的一个重要分支，具体是让机器识别世界，计算机视觉技术通常包括人脸识别、活体检测、指纹识别与防伪验证、生物特征识别、人脸检测、行人检测、目标检测、行人识别、图像处理、图像识别、图像语义理解、图像检索、文字识别、视频处理、视频内容识别、行为识别、三维重建、虚拟现实、增强现实、同步定位与地图构建(slam)、计算摄影、机器人导航与定位等技术。随着人工智能技术的研究和进步，该项技术在众多领域展开了应用，例如安防、城市管理、交通管理、楼宇管理、园区管理、人脸通行、人脸考勤、物流管理、仓储管理、机器人、智能营销、计算摄影、手机影像、云服务、智能家居、穿戴设备、无人驾驶、自动驾驶、智能医疗、人脸支付、人脸解锁、指纹解锁、人证核验、智慧屏、智能电视、摄像机、移动互联网、网络直播、美颜、美妆、医疗美容、智能测温等领域。
32.本技术实施例提供了一种图像处理方法、电子设备及存储介质。为了便于理解，下面首先对本技术实施例的应用场景和涉及到的一些概念进行介绍。
33.累计直方图：代表图像组成成分在灰度级的累计概率分布情况，每一个概率值代表小于等于此灰度值的概率。
34.直方图匹配(histogram matching)：又称为直方图规定化，是一种将一个图像的累计直方图调整为规定的累计直方图的形状的图像增强的方法。例如，现有一个图像，可以计算得到它的累计直方图，通过分析累计直方图后发现这灰度分布情况不是想要的，就想办法将累计直方图调整为想要的分布情况，而这一理想的直方图为标准的直方图或者目标直方图，这一调整过程是将直方图匹配或者规定为这一标准的直方图，这一过程称为直方图匹配。
35.接下来对本技术实施例提供的一种图像处理方法进行介绍。
36.图1是本技术实施例提供的一种图像处理方法的流程图，如图1所示，该方法可以包括以下步骤：步骤101、步骤102、步骤103和步骤104；
37.在步骤101中，获取参考图像和待匹配图像，其中，参考图像和待匹配图像为同一场景下不同曝光度的图像。
38.本技术实施例中，可以将待匹配图像的亮度调整到与参考图像的亮度一致或者近似一致。
39.在步骤102中，计算参考图像的累计直方图和待匹配图像的累计直方图，对参考图像的累计直方图与待匹配图像的累计直方图进行匹配，得到第一映射曲线集合，其中，第一映射曲线集合中包括：待匹配图像与参考图像之间的至少一条映射曲线。
40.在本技术的一些实施例中，对于尺寸较小的图像，可以基于全局直方图匹配的思想，计算第一映射曲线集合，相应地，上述步骤102可以包括以下步骤：
41.计算参考图像的整个图像的累计直方图和待匹配图像的整个图像的累计直方图，对参考图像的整个图像的累计直方图与待匹配图像的整个图像的累计直方图进行匹配，得到第一映射曲线集合，其中，该第一映射曲线集合中包括：待匹配图像与参考图像之间的一条映射曲线。
42.在本技术的一些实施例中，对于尺寸较大的图像，为了避免局部亮度匹配不一致，可以基于分块的直方图匹配思想，将图像划分为多个图像块，分别对每个图像块进行直方图匹配得到第一映射曲线集合，该第一映射曲线集合中包括：待匹配图像与参考图像之间的多条映射曲线，每条映射曲线对应于待匹配图像和参考图像中的一个图像块。相应地，如图2所示，上述步骤102包括以下步骤：步骤1021、步骤1022和步骤1023；
43.在步骤1021中，采用相同的划分方式，对参考图像和待匹配图像进行分块，得到参考图像的多个图像块和待匹配图像的多个图像块。
44.在本技术的一些实施例中，考虑到参考图像和待匹配图像为同一场景下的不同曝光度的图像，为了提高使用场景的鲁棒性以及降低图像划分的耗时，可以对参考图像和待匹配图像进行均匀分块，得到参考图像的多个图像块和待匹配图像的多个图像块，其中，参考图像的每个图像块的尺寸与待匹配图像的每个图像块的尺寸相同。
45.例如，对于两个曝光度不同的图像a和图像b，图像a为参考图像，图像b为待匹配图像，将图像a和图像b都均匀划分为4个图像块，对两个图像中同一位置的两个图像块通过直方图匹配计算得到这两个图像块之间的1条映射曲线，最终计算得到4条映射曲线，这4条映射曲线构成图像b与图像a之间的第一映射曲线集合。
46.在本技术的一些实施例中，为了避免块效应，可以基于超像素对参考图像进行分块，之后根据参考图像的分块结果，对待匹配图像进行同样的分块，得到参考图像的多个图像块和待匹配图像的多个图像块。
47.在步骤1022中，计算参考图像的每个图像块的累计直方图和待匹配图像的每个图像块的累计直方图。
48.在步骤1023中，对参考图像的每个图像块的累计直方图与待匹配图像中对应位置的图像块的累计直方图进行匹配，得到第一映射曲线集合，其中，第一映射曲线集合中包括：待匹配图像中的每个图像块与参考图像中对应位置的图像块之间的映射曲线。
49.本技术实施例中，可以采用相关技术中的任意一种直方图匹配方法，计算整个图像或者图像中各图像块的映射曲线，在此不再赘述。
50.可见，本技术实施例中，在计算待匹配图像与参考图像之间的映射曲线时，可以基于分块的直方图匹配思想，将图像划分为多个图像块，分别对每个图像块进行直方图匹配得到映射曲线集合，从而避免出现图像对齐时局部亮度匹配不一致的问题。
51.在本技术的一些实施例中，第一映射曲线集合中可以包括：从待匹配图像到参考图像的映射曲线，其中，该映射曲线用于将待匹配图像转换到参考图像的亮度形态，实现从待匹配图像到参考图像的亮度对齐。
52.在本技术的一些实施例中，第一映射曲线集合中还可以包括：从参考图像到待匹配图像的映射曲线，其中，该映射曲线用于将参考图像转换到待匹配图像的亮度形态，实现从参考图像到待匹配图像的亮度对齐。
53.在步骤103中，检测第一映射曲线集合中各映射曲线的曲线斜率异常的区域。
54.考虑到映射曲线的斜率比较大时，亮度对齐后图像分层比较明显，以及映射曲线的斜率为零时，亮度对齐后图像细节下降，例如直方图在很大一段区间斜率都是零，即某个像素段的值均会被映射为一个相同的值，也就是说，原本一个图像的像素值为0～255，比较均衡，但由于斜率为零，现在全映射为一个像素值，本技术实施例中，曲线斜率异常的区域
可以包括：曲线斜率比较大的曲线区域或者曲线斜率为零的曲线区域。
55.在本技术的一些实施例中，为了更为精细、准确地检测曲线斜率异常的区域，可以将第一映射曲线集合中的各映射曲线划分为多个小的区间，以区间为单位，逐个检测该区间内的曲线是否为斜率异常的曲线，相应地，如图3所示，上述步骤103包括以下步骤：步骤1031、步骤1032和步骤1033；
56.在步骤1031中，将第一映射曲线集合中各映射曲线的横坐标等分为多个坐标区间。
57.本技术实施例中，当需要将待匹配图像转换到参考图像的亮度形态时，第一映射曲线集合中的映射曲线的横坐标为待匹配图像的灰度，纵坐标为参考图像的灰度。
58.例如，以5个灰度值为间距，将第一映射曲线集合中各映射曲线的横坐标等间距划分为51个坐标区间。
59.在步骤1032中，根据每个坐标区间内曲线的斜率信息，确定异常的坐标区间。
60.本技术实施例中，可以统计每个坐标区间内曲线的斜率异常个数，将异常个数大于阈值的坐标区间，确定为异常的坐标区间。
61.本技术实施例中，可以将曲线的斜率大于某个值以及曲线的斜率为零来作为衡量斜率异常的量化指标，相应地，上述步骤1032可以包括以下步骤：统计每个坐标区间内曲线的斜率大于第一阈值的第一数量和/或曲线的斜率为零的第二数量；在第一数量大于第二阈值、或者第二数量大于第三阈值、或者第三数量大于第四阈值的情况下，确定该坐标区间为异常的坐标区间；其中，第三数量为第一数量和第二数量之和。
62.本技术实施例中，考虑到映射曲线的斜率大于2时，亮度对齐后图像分层比较明显，因此，第一阈值可以设置为2。第二阈值、第三阈值和第四阈值可以为相同的数值，例如设置为2；或者，也可以根据实际情况，设置第二阈值、第三阈值和第四阈值为不同的数值。
63.在步骤1033中，将异常的坐标区间对应的曲线区域确定为曲线斜率异常的区域。
64.可见，本技术实施例中，将第一映射曲线集合中各映射曲线的横坐标划分为多个小的坐标区间，以坐标区间为单位，逐个检测各坐标区间内的曲线是否为斜率异常的曲线，可以更为精细、准确地检测出曲线斜率异常的区域。
65.在步骤104中，对曲线斜率异常的区域内曲线的斜率进行修正，得到第二映射曲线集合。
66.本技术实施例中，第二映射曲线集合中映射曲线的条数与第一映射曲线集合中映射曲线的条数相同。
67.例如，将参考图像和待匹配图像都均匀划分为4个图像块，第一映射曲线集合中映射曲线的条数为4，分别为映射曲线a1、映射曲线b1、映射曲线c1和映射曲线d1，其中，映射曲线a1、映射曲线b1和映射曲线c1中均存在曲线斜率异常的区域，映射曲线d1中不存在曲线斜率异常的区域。
68.在对映射曲线a1中曲线斜率异常的区域内曲线的斜率进行修正后，得到映射曲线a2；在对映射曲线b1中曲线斜率异常的区域内曲线的斜率进行修正后，得到映射曲线b2；在对映射曲线c1中曲线斜率异常的区域内曲线的斜率进行修正后，得到映射曲线c2。最终得到包括映射曲线a2、映射曲线b2、映射曲线c2和映射曲线d1的第二映射曲线集合。
69.在本技术的一些实施例中，在对曲线斜率异常的区域内曲线的斜率进行修正时，
可以采用曲线替换的方式进行修正，也可以采用直线替换的方式修正，例如，当曲线斜率异常的区域内曲线的斜率比较大时，可以采用一段斜率比较小的曲线替换原来的曲线，或者，采用一段斜率比较小的直线替换原来的曲线。
70.例如，如图4所示为第一映射曲线集合中的一条映射曲线，图4中的虚线区间为曲线斜率异常的区域，将虚线区间内的曲线替换为直线，以实现对曲线斜率异常的区域内曲线的修正。
71.在本技术的一些实施例中，当采用直线替换的方式修正时，如图5所示，上述步骤104可以包括以下步骤：步骤1041和步骤1042；
72.在步骤1041中，将曲线斜率异常的区域内的曲线修正为目标直线，其中，目标直线的斜率小于曲线斜率异常的区域内的曲线的斜率最大值。
73.本技术实施例，可以根据曲线斜率异常的区域内曲线的斜率情况，将曲线斜率异常的区域内的曲线修正为目标直线，相应地，上述步骤1041包括以下步骤：获取曲线斜率异常的区域内的曲线的斜率最大值和曲线中点坐标；若斜率最大值大于第五阈值，则将曲线斜率异常的区域内的曲线修正为通过曲线中心坐标且斜率为k的目标直线，否则修正为通过曲线中心坐标且斜率为1的目标直线；其中，k是基于斜率最大值确定的，k大于1且小于第五阈值。
74.在一个例子中，依次计算每个坐标区间内的曲线斜率最大值k
max
，和坐标区间内曲线斜率大于2以及等于0的数量k
num
，当k
num
≥2，则标记此段为需要修正斜率的坐标区间。当某坐标区间需要进行曲线修正时，首先获得该段坐标区间曲线中点的坐标m0，当k
max
》3时，该段坐标区间的修正曲线方程为通过m0并且斜率k＝sqrt((1+k
max
)/2)的直线，否则修正为通过m0并且斜率k＝1的直线。
75.在步骤1042中，对修正后的结果进行均值滤波，得到第二映射曲线集合。
76.考虑到将曲线斜率异常的区域内的曲线修正为直线后，整条映射曲线可能会截断、不连续，导致在匹配时出现图像分层的现象，本技术实施例中，可以对修正后的曲线斜率异常的区域内的直线进行均值滤波。例如，以3为滤波窗口大小对修正后的直线进行均值滤波。
77.可见，本技术实施例中，可以根据曲线斜率异常的区域内曲线的斜率情况，来选择用于异常修正的目标直线，修正效果较好。
78.在步骤105中，基于第二映射曲线集合，调整待匹配图像的亮度。
79.在本技术的一些实施例中，在基于全局直方图匹配进行图像亮度对齐时，第二映射曲线集合中包括一条映射曲线，根据该映射曲线调整待匹配图像的亮度。
80.在本技术的一些实施例中，在基于分块的直方图匹配进行图像亮度对齐时，第二映射曲线集合中包括多条映射曲线，每条映射曲线对应于待匹配图像中的一个图像块，根据每个图像块对应的映射曲线，调整待匹配图像的每个图像块的亮度。
81.本技术实施例中，可以根据第二映射曲线集合中的各映射曲线，将待匹配图像转换到参考图像的亮度形态，亮度对齐后的图像中的平坦区域的亮度自然，不存在灰度异常的问题。
82.由上述实施例可见，该实施例中，获取参考图像和待匹配图像，其中，参考图像和待匹配图像为同一场景下不同曝光度的图像；计算参考图像的累计直方图和待匹配图像的
累计直方图，对参考图像的累计直方图与待匹配图像的累计直方图进行匹配，得到第一映射曲线集合，其中，第一映射曲线集合中包括：待匹配图像与参考图像之间的至少一条映射曲线；检测第一映射曲线集合中各映射曲线的曲线斜率异常的区域；对曲线斜率异常的区域内曲线的斜率进行修正，得到第二映射曲线集合；基于第二映射曲线集合，调整待匹配图像的亮度。
83.考虑到相关技术中当待匹配图像的某部分区域灰度级范围较小，而参考图像灰度级范围较大时，直方图匹配会将小区间的像素值映射到很大的像素范围，具体表现为映射曲线的斜率很大，导致亮度调整后的图像在平坦区域拉出异常灰块，本技术实施例中，对于因灰度级范围差异较大的直方图匹配区域，可以对映射曲线中斜率异常的曲线部分进行适当修正，基于修正后的映射曲线进行图像亮度对齐，避免出现亮度调整后的图像在平坦区域拉出异常灰块，提高了图像亮度对齐效果。
84.图6是本技术实施例提供的一种图像处理装置的结构示意图，如图6所示，图像处理装置600，可以包括：获取模块601、匹配模块602、检测模块603、修正模块604和调整模块605；
85.获取模块601，用于获取参考图像和待匹配图像，所述参考图像和所述待匹配图像为同一场景下不同曝光度的图像；
86.匹配模块602，用于计算所述参考图像的累计直方图和所述待匹配图像的累计直方图，对所述参考图像的累计直方图与所述待匹配图像的累计直方图进行匹配，得到第一映射曲线集合，其中，所述第一映射曲线集合中包括：所述待匹配图像与所述参考图像之间的至少一条映射曲线；
87.检测模块603，用于检测所述第一映射曲线集合中各映射曲线的曲线斜率异常的区域；
88.修正模块604，用于对所述曲线斜率异常的区域内曲线的斜率进行修正，得到第二映射曲线集合；
89.调整模块605，用于基于所述第二映射曲线集合，调整所述待匹配图像的亮度。
90.由上述实施例可见，该实施例中，获取参考图像和待匹配图像，其中，参考图像和待匹配图像为同一场景下不同曝光度的图像；计算参考图像的累计直方图和待匹配图像的累计直方图，对参考图像的累计直方图与待匹配图像的累计直方图进行匹配，得到第一映射曲线集合，其中，第一映射曲线集合中包括：待匹配图像与参考图像之间的至少一条映射曲线；检测第一映射曲线集合中各映射曲线的曲线斜率异常的区域；对曲线斜率异常的区域内曲线的斜率进行修正，得到第二映射曲线集合；基于第二映射曲线集合，调整待匹配图像的亮度。
91.考虑到相关技术中当待匹配图像的某部分区域灰度级范围较小，而参考图像灰度级范围较大时，直方图匹配会将小区间的像素值映射到很大的像素范围，具体表现为映射曲线的斜率很大，导致亮度调整后的图像在平坦区域拉出异常灰块，本技术实施例中，对于因灰度级范围差异较大的直方图匹配区域，可以对映射曲线中斜率异常的曲线部分进行适当修正，基于修正后的映射曲线进行图像亮度对齐，避免出现亮度调整后的图像在平坦区域拉出异常灰块，提高了图像亮度对齐效果。
92.可选地，作为一个实施例，所述匹配模块602，可以包括：
93.第一划分子模块，用于采用相同的划分方式，对所述参考图像和所述待匹配图像进行分块，得到所述参考图像的多个图像块和所述待匹配图像的多个图像块；
94.计算子模块，用于计算所述参考图像的每个图像块的累计直方图和所述待匹配图像的每个图像块的累计直方图；
95.匹配子模块，用于对所述参考图像的每个图像块的累计直方图与所述待匹配图像中对应位置的图像块的累计直方图进行匹配，得到第一映射曲线集合，其中，所述第一映射曲线集合中包括：所述待匹配图像中的每个图像块与所述参考图像中对应位置的图像块之间的映射曲线。
96.可选地，作为一个实施例，所述第一划分子模块，可以包括：
97.图像分块单元，用于对所述参考图像和所述待匹配图像进行均匀分块，得到所述参考图像的多个图像块和所述待匹配图像的多个图像块；
98.其中，所述参考图像的每个图像块的尺寸与所述待匹配图像的每个图像块的尺寸相同。
99.可选地，作为一个实施例，所述检测模块603，可以包括：
100.第二划分子模块，用于将所述第一映射曲线集合中各映射曲线的横坐标等分为多个坐标区间；
101.第一确定子模块，用于根据每个所述坐标区间内曲线的斜率信息，确定异常的坐标区间；
102.第二确定子模块，用于将所述异常的坐标区间对应的曲线区域确定为曲线斜率异常的区域。
103.可选地，作为一个实施例，所述第一确定子模块，可以包括：
104.统计单元，用于统计每个所述坐标区间内曲线的斜率大于第一阈值的第一数量和/或曲线的斜率为零的第二数量；
105.确定单元，用于在所述第一数量大于第二阈值、或者所述第二数量大于第三阈值、或者第三数量大于第四阈值的情况下，确定所述坐标区间为异常的坐标区间；
106.其中，所述第三数量为所述第一数量和所述第二数量之和。
107.可选地，作为一个实施例，所述修正模块604，可以包括：
108.修正子模块，用于将所述曲线斜率异常的区域内的曲线修正为目标直线，其中，所述目标直线的斜率小于所述曲线斜率异常的区域内的曲线的斜率最大值；
109.滤波子模块，用于对修正后的结果进行均值滤波，得到第二映射曲线集合。
110.可选地，作为一个实施例，所述修正子模块，可以包括：
111.获取单元，用于获取所述曲线斜率异常的区域内的曲线的斜率最大值和曲线中点坐标；
112.曲线修正单元，用于若所述斜率最大值大于第五阈值，则将所述曲线斜率异常的区域内的曲线修正为通过所述曲线中心坐标且斜率为k的目标直线，否则修正为通过所述曲线中心坐标且斜率为1的目标直线；
113.其中，所述k是基于所述斜率最大值确定的，所述k大于1且小于所述第五阈值。
114.本技术提供的图像处理方法的实施例中的任意一个步骤和任意一个步骤中的具体操作均可以由图像处理装置中的相应的模块完成。图像处理装置中的各个模块完成的相
应的操作的过程参考在图像处理方法的实施例中描述的相应的操作的过程。
115.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
116.图7是本技术实施例提供的一种电子设备的结构框图，该电子设备包括处理组件722，其进一步包括一个或多个处理器，以及由存储器732所代表的存储器资源，用于存储可由处理组件722执行的指令，例如应用程序。存储器732中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件722被配置为执行指令，以执行上述方法。
117.电子设备还可以包括一个电源组件726被配置为执行电子设备的电源管理，一个有线或无线网络接口750被配置为将电子设备连接到网络，和一个输入输出(i/o)接口758。电子设备可以操作基于存储在存储器732的操作系统，例如windows servertm，macos xtm，unixtm，linuxtm，freebsdtm或类似。
118.根据本技术的再一个实施例，本技术还提供了计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现如上述任意一个实施例所述的图像处理方法中的步骤。
119.根据本技术的再一个实施例，本技术还提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如上述任意一个实施例所述的图像处理方法中的步骤。
120.本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
121.本领域内的技术人员应明白，本技术实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本技术实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
122.本技术实施例是参照根据本技术实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
123.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
124.尽管已描述了本技术实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术实施例范围的所有变更和修改。
125.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
126.以上对本技术所提供的一种图像处理方法、电子设备及存储介质，进行了详细介绍，本文中应用了具体个例对本技术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技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，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技术的限制。

技术特征：
1.一种图像处理方法，其特征在于，所述方法包括：获取参考图像和待匹配图像，其中，所述参考图像和所述待匹配图像为同一场景下不同曝光度的图像；计算所述参考图像的累计直方图和所述待匹配图像的累计直方图，对所述参考图像的累计直方图与所述待匹配图像的累计直方图进行匹配，得到第一映射曲线集合，其中，所述第一映射曲线集合中包括：所述待匹配图像与所述参考图像之间的至少一条映射曲线；检测所述第一映射曲线集合中各映射曲线的曲线斜率异常的区域；对所述曲线斜率异常的区域内曲线的斜率进行修正，得到第二映射曲线集合；基于所述第二映射曲线集合，调整所述待匹配图像的亮度。2.根据权利要求1所述的方法，其特征在于，所述计算所述参考图像的累计直方图和所述待匹配图像的累计直方图，对所述参考图像的累计直方图与所述待匹配图像的累计直方图进行匹配，得到第一映射曲线集合，包括：采用相同的划分方式，对所述参考图像和所述待匹配图像进行分块，得到所述参考图像的多个图像块和所述待匹配图像的多个图像块；计算所述参考图像的每个图像块的累计直方图和所述待匹配图像的每个图像块的累计直方图；对所述参考图像的每个图像块的累计直方图与所述待匹配图像中对应位置的图像块的累计直方图进行匹配，得到第一映射曲线集合，其中，所述第一映射曲线集合中包括：所述待匹配图像中的每个图像块与所述参考图像中对应位置的图像块之间的映射曲线。3.根据权利要求2所述的方法，其特征在于，所述采用相同的划分方式，对所述参考图像和所述待匹配图像进行分块，得到所述参考图像的多个图像块和所述待匹配图像的多个图像块，包括：对所述参考图像和所述待匹配图像进行均匀分块，得到所述参考图像的多个图像块和所述待匹配图像的多个图像块；其中，所述参考图像的每个图像块的尺寸与所述待匹配图像的每个图像块的尺寸相同。4.根据权利要求1所述的方法，其特征在于，所述检测所述第一映射曲线集合中各映射曲线的曲线斜率异常的区域，包括：将所述第一映射曲线集合中各映射曲线的横坐标等分为多个坐标区间；根据每个所述坐标区间内曲线的斜率信息，确定异常的坐标区间；将所述异常的坐标区间对应的曲线区域确定为曲线斜率异常的区域。5.根据权利要求4所述的方法，其特征在于，所述根据每个所述坐标区间内曲线的斜率信息，确定异常的坐标区间，包括：统计每个所述坐标区间内曲线的斜率大于第一阈值的第一数量和/或曲线的斜率为零的第二数量；在所述第一数量大于第二阈值、或者所述第二数量大于第三阈值、或者第三数量大于第四阈值的情况下，确定所述坐标区间为异常的坐标区间；其中，所述第三数量为所述第一数量和所述第二数量之和。6.根据权利要求1所述的方法，其特征在于，所述对所述曲线斜率异常的区域内曲线的
斜率进行修正，得到第二映射曲线集合，包括：将所述曲线斜率异常的区域内的曲线修正为目标直线，其中，所述目标直线的斜率小于所述曲线斜率异常的区域内的曲线的斜率最大值；对修正后的结果进行均值滤波，得到第二映射曲线集合。7.根据权利要求6所述的方法，其特征在于，所述将所述曲线斜率异常的区域内的曲线修正为目标直线，包括：获取所述曲线斜率异常的区域内的曲线的斜率最大值和曲线中点坐标；若所述斜率最大值大于第五阈值，则将所述曲线斜率异常的区域内的曲线修正为通过所述曲线中心坐标且斜率为k的目标直线，否则修正为通过所述曲线中心坐标且斜率为1的目标直线；其中，所述k是基于所述斜率最大值确定的，所述k大于1且小于所述第五阈值。8.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-7任一项所述的方法。9.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-7任一项所述的方法。10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-7任一项所述的方法。

技术总结
本申请实施例公开一种图像处理方法、电子设备及存储介质，该方法包括：获取参考图像和待匹配图像，其中，所述参考图像和所述待匹配图像为同一场景下不同曝光度的图像；计算所述参考图像的累计直方图和所述待匹配图像的累计直方图，对所述参考图像的累计直方图与所述待匹配图像的累计直方图进行匹配，得到第一映射曲线集合，其中，所述第一映射曲线集合中包括：所述待匹配图像与所述参考图像之间的至少一条映射曲线；检测所述第一映射曲线集合中各映射曲线的曲线斜率异常的区域；对所述曲线斜率异常的区域内曲线的斜率进行修正，得到第二映射曲线集合；基于所述第二映射曲线集合，调整所述待匹配图像的亮度。整所述待匹配图像的亮度。整所述待匹配图像的亮度。


技术研发人员：洪铁鑫
受保护的技术使用者：成都西纬科技有限公司
技术研发日：2023.05.26
技术公布日：2023/9/20